Down to earth perspectives on spaceborne precipitation observations

Samenvatting

Nauwkeurige neerslagmetingen zijn cruciaal voor accurate voorspellingen, efficiënt waterbeheer en droogte monitoring. Satellieten kunnen neerslagschattingen genereren over gebieden zonder grondmetingen, waaronder oceanen en regio's zonder de middelen om grondmetingen te kunnen uitvoeren. Maar voor we satellietmetingen kunnen gebruiken, moeten we de beperkingen en onzekerheden weten. Hoewel verschillende satellietsensoren zijn bestudeerd, richt dit proefschrift zich voornamelijk op radiometers. We vonden dat het nauwkeurig meten van neerslag dichtbij de grond, winterse neerslag en miezer uitdagend zijn. Vervolgens hebben we een machine learning-algoritme, specifiek een “random forest” model, ontworpen en geëvalueerd. Hoewel het model het aardig deed, ondervond ook deze vooral moeilijkheden bij miezer en neerslag gevormd dichtbij de grond. Daarom eindigt dit proefschrift met een validatie van een algoritme dat verschillende neerslagtypes detecteert. Wanneer dit onderscheid beter gemaakt kan worden, kunnen we uitgebreider onderzoek doen naar de verticale structuur van lichte neerslag en neerslag gevormd dichtbij de grond en manieren vinden om deze wel te detecteren vanuit de ruimte.