Open Access

Maximilian Graf

• Precipitation can impact human security significantly, and its accurate estimation in time and space is vital for various applications, including water management decisions and flash flood forecasting. Traditional observation systems like rain gauges, weather radars, and satellite instruments have individual limitations in capturing precipitation accurately and are not available in all regions of the world. Opportunistic rainfall sensors (OS) like commercial microwave links (CMLs) and personal weather stations (PWS) can provide additional rainfall information, and their numbers have surpassed the ones from traditional sensors. However, dealing with the heterogeneous quality of OS-derived precipitation information remains a scientific problem and limits their use in hydrologic applications. To address this gap, this thesis aims to develop methods for quality control, processing, and spatial reconstruction of OS data. First, data from 4000 CMLs in Germany, which are part of the cellularPrecipitation can impact human security significantly, and its accurate estimation in time and space is vital for various applications, including water management decisions and flash flood forecasting. Traditional observation systems like rain gauges, weather radars, and satellite instruments have individual limitations in capturing precipitation accurately and are not available in all regions of the world. Opportunistic rainfall sensors (OS) like commercial microwave links (CMLs) and personal weather stations (PWS) can provide additional rainfall information, and their numbers have surpassed the ones from traditional sensors. However, dealing with the heterogeneous quality of OS-derived precipitation information remains a scientific problem and limits their use in hydrologic applications. To address this gap, this thesis aims to develop methods for quality control, processing, and spatial reconstruction of OS data. First, data from 4000 CMLs in Germany, which are part of the cellular backhaul network, were used to derive rainfall information based on the attenuation of their microwave signal. CML processing methods were developed and optimized, leading to rainfall estimates with good quality when compared to a rain gauge-adjusted weather radar product used as a reference. To improve CML processing further, a novel method for the crucial step of rain event detection was developed using a convolutional neural network. This method improved the rainfall estimation significantly by reducing falsely classified rainfall by over 50%. With a similar performance for new CMLs and time periods, the method proved its ability to generalize to previously unseen data. CMLs may experience a total loss of signal due to high attenuation during heavy rainfall. These so-called blackouts were investigated using three years of CML and 20 years of weather radar data. Overall, only around one percent of rainfall was missed due to blackouts in the CML data. However, blackouts have to be considered in applications using CML rainfall estimates, as this one percent consisted of the most intense events. Surprisingly, longer CMLs had more blackouts, despite having a higher dynamic range to compensate for more attenuation that is caused by their length. PWS are another source of opportunistically sensed rainfall information. Data from around 20,000 PWS were evaluated individually and in combination with CML and rain gauge data in Germany. Filtering and interpolation methods were developed for these datasets, and the resulting rainfall maps were evaluated against three reference datasets covering different spatial and temporal scales. The OS-based products performed similarly well as operational radar products of the DWD, especially on local and regional scales with hourly resolution, and surpassed the quality of products using conventional rain gauges. In conclusion, this thesis demonstrates the development and evaluation of methods for filtering, processing, and combining CML and PWS data. The evaluation of the OS-based rainfall estimates proves that a quality similar to that of operational rainfall products can be achieved.…
• Niederschlag kann die Sicherheit und das Wohlbefinden der Menschen erheblich beeinflussen, weshalb eine genaue Erfassung in Raum und Zeit beispielsweise für wasserwirtschaftliche Entscheidungen oder Sturzflutvorhersagen unerlässlich ist. Herkömmliche Beobachtungssysteme wie Niederschlagsmesser, Wetterradare und Satellitenbeobachtungen haben individuelle Nachteile und sind teilweise nicht in allen Regionen der Welt verfügbar. Opportunistische Niederschlagssensoren (OS) wie beispielsweise kommerzielle Richtfunkstrecken und private Wetterstationen bieten zusätzliche Niederschlagsinformationen liefern, und ihre Zahl hat die traditioneller Messgeräte überholt. Der Umgang mit der heterogenen Qualität von aus OS abgeleiteten Niederschlagsschätzungen stellt jedoch ein wissenschaftliches Problem dar und schränkt ihren Einsatz in hydrologischen Anwendungen ein. Ziel dieser Arbeit ist es, robuste Niederschlagsdaten aus OS zu gewinnen. Hierzu wurden Methoden zur Qualitätskontrolle, VerarbeitungNiederschlag kann die Sicherheit und das Wohlbefinden der Menschen erheblich beeinflussen, weshalb eine genaue Erfassung in Raum und Zeit beispielsweise für wasserwirtschaftliche Entscheidungen oder Sturzflutvorhersagen unerlässlich ist. Herkömmliche Beobachtungssysteme wie Niederschlagsmesser, Wetterradare und Satellitenbeobachtungen haben individuelle Nachteile und sind teilweise nicht in allen Regionen der Welt verfügbar. Opportunistische Niederschlagssensoren (OS) wie beispielsweise kommerzielle Richtfunkstrecken und private Wetterstationen bieten zusätzliche Niederschlagsinformationen liefern, und ihre Zahl hat die traditioneller Messgeräte überholt. Der Umgang mit der heterogenen Qualität von aus OS abgeleiteten Niederschlagsschätzungen stellt jedoch ein wissenschaftliches Problem dar und schränkt ihren Einsatz in hydrologischen Anwendungen ein. Ziel dieser Arbeit ist es, robuste Niederschlagsdaten aus OS zu gewinnen. Hierzu wurden Methoden zur Qualitätskontrolle, Verarbeitung und räumlichen Rekonstruktion von OS-Daten entwickelt. Daten von 4000 kommerziellen Richtfunkstrecken (CMLs) in Deutschland, die Teil des Mobilfunknetzes sind, wurden verwendet, um Niederschlagsinformationen auf der Grundlage der Dämpfung ihres Mikrowellensignals abzuleiten. Dafür wurden CML-Prozessierungsmethoden wurden entwickelt und optimiert und die daraus resultierenden Niederschlagsschätzungen zeigten eine gute Qualität im Vergleich zu einem mit Niederschlagsmessern angeeichten Wetterradarprodukt, das als Referenz verwendet wurde. Um die CML-Prozessierung weiter zu verbessern, wurde eine neuartige Methode für den wichtigen Schritt der Detektion von Niederschlagsereignissen in CML-Zeitreihen unter Verwendung eines neuronalen Netzes entwickelt. Diese Methode verbesserte die Niederschlagsschätzung erheblich, da die Zahl der falsch klassifizierten Niederschläge um über 50% reduziert wurde. Für neue betrachtete Zeiträume und CMLs konnten mit dieser Methode ähnlich gute Ergebnisse erzielt werden. Dies unterstreicht die Robustheit der Methode zur Verallgemeinerung auf unbekannte Daten. Ein bisher nicht berücksichtigtes Phänomen ist der vollständige Signalverlust eines CMLs durch sehr hohe Dämpfung bei sehr starkem Niederschlag. Diese sogenannten Blackouts wurden an drei Jahren CML- und 20 Jahren Wetterradardaten analysiert. Insgesamt wurde durch Blackouts nur ein Prozent der Niederschläge in den CML-Niederschlagsdaten nicht erfasst. Für die Verwendung dieser Daten in hydrologischen Anwendungen sind Blackouts jedoch äußerst relevant, da dieses eine Prozent aus den intensivsten Ereignissen besteht. Überraschenderweise wurden für längere CMLs mehr Blackouts beobachtet, obwohl diese mit einem größeren Dynamikbereich ausgestattet sind, um die längenbedingt größere Dämpfung auszugleichen. Eine weitere Quelle für opportunistisch erfasste Niederschlagsdaten sind Private Wetterstationen (PWS). Daten von rund 20,000 PWSs wurden individuell und in Kombination mit Daten von CMLs und Niederschlagsmessern in Deutschland ausgewertet. Für die PWS und CML Datensätze wurden Filter- und Interpolationsmethoden entwickelt, und die daraus resultierenden Niederschlagskarten wurden anhand von drei Referenzdatensätzen auf unterschiedlichen räumlichen und zeitlichen Skalen evaluiert. Die OS-basierten Produkte erzielten dabei insbesondere auf lokaler und regionaler Skala mit stündlicher Auflösung ähnlich gute Metriken ab wie operationelle Radarprodukte des DWDs und übertrafen die Qualität der Produkte die herkömmliche Niederschlagsmesser nutzen. Zusammenfassend zeigt diese Arbeit die Entwicklung und Evaluierung von Methoden zur Filterung, Prozessierung und Kombination von CML- und PWS-Daten. Die Auswertung der so erzeigten OS-basierten Niederschlagsinformationen zeigt, dass eine Qualität ähnlich der von operationellen Niederschlagsprodukten erreicht werden kann.…