Betere regenmetingen vanuit de ruimte dankzij slimme wiskundige truc
Hoeveel regen er in jouw regio valt, is lastiger te meten dan je zou denken. Satellieten houden wereldwijd de neerslag in de gaten, maar hun metingen kloppen lang niet altijd precies. Onderzoekers hebben nu een wiskundige methode ontwikkeld die deze satellietmetingen flink nauwkeuriger maakt, met maar een beperkt aantal grondstations als hulp.
Neerslag is grillig: de ene dag valt er een stortbui, de volgende dag niets. Dat maakt het voor satellieten moeilijk om op elke plek en elk moment precies te meten hoeveel regen er valt. Grondstations met regenmeters zijn veel preciezer, maar die staan niet overal. Je hebt dus te weinig vaste meetpunten om een heel land goed in kaart te brengen.
Een onderzoeksteam ontdekte dat regenpatronen over tijd en plaats een verborgen, eenvoudiger structuur hebben. Ze bekeken neerslagdata over de Verenigde Staten als een soort grote databundel, vergelijkbaar met een flink gevulde spreadsheet maar dan met de dimensies plaats, tijd en intensiteit tegelijk. Door wiskundige technieken (ontbinding in losse bouwstenen die samen het geheel vormen) toe te passen op deze data, bleek dat je neerslagpatronen kunt beschrijven met veel minder informatie dan je zou verwachten, zolang je de ruimtelijke en tijdsdimensie apart houdt in plaats van ze te mengen.
Op basis van die ontdekking bouwden de onderzoekers een nieuw systeem genaamd TMerge. Dit systeem combineert satellietmetingen met de schaarse grondstation-data door gebruik te maken van die verborgen, eenvoudige patronen. Ze testten het op een bekend satellietproduct (IMERG) en corrigeerden dit met metingen van Amerikaanse weerstations, over de periode 2019 tot en met 2022.
De resultaten zijn duidelijk. De overeenkomst tussen de gecorrigeerde satellietdata en de werkelijke metingen steeg van 0,53 naar 0,85 op een schaal tot 1. De gemiddelde meetfout daalde met 48,2 procent, en een andere foutmaat verbeterde met 29,3 procent. TMerge presteerde daarbij beter dan drie andere bestaande correctiemethodes, ook als je keek naar verschillende seizoenen, regio's en hoeveelheden neerslag. De grootste verbeteringen zag het team langs de kust, precies waar de satellietmetingen van zichzelf het minst betrouwbaar waren.
Betere neerslagdata zijn belangrijk voor weersvoorspellingen en waterbeheer. Denk aan het voorspellen van overstromingen, het plannen van irrigatie in de landbouw, of het inschatten van droogterisico's. Hoe nauwkeuriger de basisdata, hoe betrouwbaarder die voorspellingen worden.
Wat betekent dit (nog) niet: Dit onderzoek is uitgevoerd door één onderzoeksteam en getest op één gebied (de Verenigde Staten) met één satellietproduct. Het is nog niet aangetoond dat deze methode overal ter wereld even goed werkt, bijvoorbeeld in gebieden met heel andere klimaten of met nog minder grondstations. Ook is de methode nog niet in de praktijk toegepast door weerdiensten of waterbeheerders.
Bron: Low-rank tensor structure of precipitation and its application to satellite-reference merging