Opportunistische Niederschlagssensordaten zur Verbesserung der Niederschlagsschätzungen

Genaue Niederschlagsschätzungen mit hoher räumlich-zeitlicher Auflösung sind für die städtische Entwässerung von entscheidender Bedeutung. Und wenn sie an Bodenbeobachtungen angepasst werden, bieten Wetterradardaten Potenzial für diese Anwendungen.

Die Dichte der zur Anpassung verwendeten meteorologischen Regenmesser ist jedoch häufig gering und ungleichmäßig im Raum verteilt. Opportunistische Niederschlagssensoren liefern eine erhöhte Dichte an Bodenbeobachtungen, jedoch häufig mit reduzierter oder unbekannter Genauigkeit für jede einzelne Station. Dieses Dokument demonstriert die Zusammenführung von Daten von Wetterradar, privaten Wetterstationen und kommerziellen Mikrowellenverbindungen zu einem integrierten Niederschlagsprodukt. Die Zusammenführung opportunistischer Niederschlagsschätzungen verbessert nachweislich die Genauigkeit der opportunistischen Niederschlagsbeobachtungen durch einen Qualitätskontrollalgorithmus. In dieser Studie zeigen wir, dass die Genauigkeit der Niederschlagsschätzungen durch die Zusammenführung opportunistischer Niederschlagsdaten und Wetterradardaten im Vergleich zur Genauigkeit jedes einzelnen Niederschlagsprodukts ohne Zusammenführung deutlich verbessert wird. Für täglich akkumulierte zusammengeführte Niederschlagsprodukte werden Nash-Sutcliffe-Effizienzwerte (NSE) von bis zu 0,88 erreicht, während die NSE-Werte der einzelnen Niederschlagsprodukte zwischen −7,44 und 0,65 liegen. Ähnliche Tendenzen werden für die Werte des mittleren quadratischen Fehlers (RMSE) beobachtet. Für die Zusammenführung von Wetterradar- und opportunistischen Niederschlagsdaten wird ein neuartiger Ansatz, die „Moving Median Bias Adjustment“, vorgestellt. Mit diesem Ansatz wird ein leistungsstarkes Niederschlagsprodukt unabhängig von herkömmlichen hochwertigen Regenmessern abgeleitet, die in dieser Studie nur zur unabhängigen Validierung verwendet werden. Darüber hinaus wird gezeigt, dass durch die Zusammenführung von untertägigen Daten genaue Niederschlagsschätzungen erzielt werden können, was die Bedeutung der Zusammenführung für Nowcasting- und nahezu Echtzeitanwendungen unterstreicht.