Satelliten zur Bestimmung der Niederschlagsmenge
Wettervorhersagen sind heutzutage globaler Natur. Um die Genauigkeit zu erhöhen, muss das Netzwerk der Überwachungsausrüstung ausgedehnt werden. Die Erfassung vieler Regionen ist jedoch immer noch nicht bzw. nur eingeschränkt möglich. Zu diesen Regionen zählen insbesondere die Weltmeere, die mehr als zwei Drittel der Erdoberfläche bedecken. Satelliten könnten die Lösung des Problems sein. Sie befinden sich mehrere tausend Kilometer über der Erdoberfläche und verfügen über eine enorm große Reichweite. Über Europa befindet sich METEOSAT, der jüngste einer in Zusammenarbeit mit der Europäischen Weltraumbehörde ins All geschossenen Reihe von Wettersatelliten. Die Ingenieure an der Universität von L'Aquila in Italien hatten das ehrgeizige Ziel, die über verschiedene Sensoren an Bord von METEOSAT gesammelten Daten zusammenzuführen, um so kontinuierliche Schätzungen der Niederschlagsmenge über einem weiten Gebiet aufstellen zu können. Daraus resultierte der Microwave Infrared Combined Rainfall Algorithm oder MICRA. MICRA erstellt zwei Arten von Daten. Der Special Sensor Microwave Imager (SSM/I) und der Tropical Rainfall Measuring Mission (TRMM) Sensor liefern Informationen im Mikrowellenbereich des Spektrums. Das SEVIRI-Radiometer (Spinning Enhanced Visible and Infrared Imager) hingegen sammelt reflektierte Licht- und Infrarotstrahlung. Eine durch MICRA überwundene Hauptschwierigkeit ist die Bewältigung des Unterschiedes in der räumlichen und zeitlichen Auflösung zwischen den zwei Datensätzen: LEO-MW (Low Earth Orbit MicroWave) und GEO-IR (Geosynchronous Earth Orbit InfraRed). Nach einer Reihe komplexer mathematischer Manipulationen wird die anfängliche auf LEO-MW gestützte Schätzung der Niederschlagsmenge durch die Integration mit GEO-IR abgeleiteten Helligkeitstemperaturdaten gestärkt. Der MICRA-Datensatz hat eine räumliche Auflösung von mehreren Kilometern und eine zeitliche Auflösung von Zehntelminuten. Er kann eingesetzt werden, um Niederschlagsschätzungen zu verbessern – dies hat weitreichende Auswirkungen auf Wettervorhersagen, Landwirtschaft, Unwettervorhersagen (z.B. für Überflutungen) und Hydrologie. Darüber hinaus könnte die hier entwickelte Methode angewendet werden, um aus Satellitendaten weitere interessante meteorologische Parameter zu gewinnen.
