Satellite-based remote sensing of rainfall in areas with sparse gauge networks and complex topography

Der Niederschlag ist ein wesentlicher Parameter bei der Analyse und Erforschung der Bewirtschaftung von Wasserressourcen. Die Komplexität des Niederschlags in Verbindung mit der ungleichmäßigen Verteilung von bodengestützten Messgeräten und Radar in den gebirgigen und halbtrockenen Gebieten von Entwicklungsländern schränkt jedoch seine Untersuchung ein. In diesem Zusammenhang liefern satellitengestützte Produkte flächendeckende Niederschlagsbeobachtungen mit einer hohen räumlich-zeitlichen Auflösung, die für das hydrologische Management in nicht beprobten Einzugsgebieten eingesetzt werden können. Daher konzentriert sich die vorliegende Untersuchung auf die Erstellung eines satellitengestützten Niederschlagsalgorithmus für nicht beprobte Einzugsgebiete. Die neuen IMERG (Integrated Multi-SatEllite Retrieval for Global Precipitation Measurement (GPM)) Satellitenprodukte werden mit geostationären Orbit-Systemen (GEO) der zweiten Generation mittels Algorithmen des maschinellen Lernens zur Niederschlagsermittlung mit hoher räumlicher und zeitlicher Auflösung kombiniert. In einem ersten Schritt wurden Mikrowellensatelliten- und Meteosat-Daten der zweiten Generation des Spinning Enhanced Visible and Infrared Imager (MSG SEVIRI) für den Iran gesammelt, um eine neue, regional basierte Methode zur Niederschlagsermittlung zu entwickeln. Die Methode verwendete geostationäre multispektrale Infrarotdaten (IR), um Random-Forest-Modelle (RF) zu trainieren. Als Referenz für das RF-Training wurden Mikrowellen-Niederschlagsdaten (MW) des IMERG verwendet. Im ersten Schritt wurde das Niederschlagsgebiet abgegrenzt, gefolgt von der Zuordnung der Niederschlagsmenge. Die Validierungsergebnisse zeigen, dass die neue Technik sowohl bei der Abgrenzung des Niederschlagsgebiets als auch bei der Niederschlagsschätzung zuverlässig funktioniert, insbesondere im Vergleich zum IR-only IMERG. Multispektrale IR-Daten verbessern die Niederschlagsermittlung im Vergleich zu einem einzelnen Band. Im nächsten Schritt wurde die Anwendbarkeit des entwickelten Algorithmus in Ecuador untersucht, das sich in Bezug auf die Orographie und das Niederschlagssystem vom Iran unterscheidet. Zu diesem Zweck wurde der Geostationary Operational Environmental Satellite-16 (GOES-16) als GEO-Satellit verwendet, der Ecuador in einem geeigneten Winkel abdeckt. Die Auswahl der Features und das Tuning des Algorithmus wurden durchgeführt, um die Modelle für Ecuador zu regionalisieren. Die Validierungsergebnisse zeigen die zuverlässige Leistung der Methode sowohl bei der Abgrenzung von Regengebieten als auch bei der Schätzung der Niederschlagsmenge in Ecuador. Die Ergebnisse belegen die Eignung des entwickelten Algorithmus für verschiedene GEO-Systeme und verschiedene Regionen. Nach der räumlichen Analyse der Validierungsindizes wurden einige Ungenauigkeiten in denhohen Lagen der Anden deutlich. Die Auswertung der Validierungsergebnisse anhand eines räumlich-zeitlichen Radarnetzes zeigt, dass der entwickelte Algorithmus Schwierigkeiten bei der Erfassung von Nieselregen und extremen Wetterereignissen hat, die in den hohen Lagen der Anden vorherrschen, und dahingehend verbessert werden muss. Diese Forschungsarbeit stellt ein neues satellitengestütztes Verfahren zur Niederschlagsermittlung mit hoher räumlicher und zeitlicher Auflösung vor, das auf Regionen ohne Bodenstationsmessungen und unterschiedliche Niederschlagsregime angewendet werden kann. Dieser Algorithmuskann von Planungs- und Wasserwirtschaftsämtern oder anderen einschlägigen Einrichtungen unabhängig von der Verfügbarkeit von Regenmessern am Boden genutzt werden. Darüber hinaus zeigte die Untersuchung zum ersten Mal den Vorteil der Nutzung der neuen Generation von GEO-Satelliten in Kombination mit den in IMERG integrierten Mikrowellensatelliten für die Bewertung der Niederschlagsmenge.