HomeOnderzoekWetenschappelijke thema'sEngineering for a resilient worldITC-algoritme detecteert regen op het Afrikaanse platteland

ITC-algoritme detecteert regen op het Afrikaanse platteland

UT-onderzoeker Kingsley Kumah optimaliseerde een machine learning algoritme om de nauwkeurigheid van regenvoorspellingen met behulp van satellietgegevens te verhogen. De data over regenval die Kumah gebruikte om zijn algoritme te trainen, verzamelde hij met telefoonsignalen. Deze technologie maakt het mogelijk regen te meten op moeilijk bereikbare plaatsen.

In Nederland en andere Europese landen krijg je met een app op je telefoon altijd een vrij nauwkeurige regenvoorspelling voor de komende uren. Dit is mogelijk dankzij radar die regenval met een zeer hoge resolutie kan waarnemen. In veel gebieden in de wereld, zoals op het platteland van Afrika, ontbreken dergelijke weertechnologieën. Dit maakt regenvalvoorspellingen moeilijk.

Satellietgegevens

Satellieten bieden mogelijk een oplossing. Maar de resolutie van satellietgegevens is soms zo groot als de hele stad Enschede. Dit maakt de schaal van de voorspelling onbruikbaar voor de gemiddelde Afrikaanse boer met een perceel van een paar honderd vierkante meter. In zijn onderzoek detecteerde Kumah regen met behulp van telefoonsignalen. Hij combineerde de telefoonsignalen met satellietgegevens om een algoritme te trainen dat de regen kan volgen en voorspellen in gebieden waar traditionele maar dure radargegevens niet beschikbaar zijn.


Figuur 1: Neerslagintensiteiten in mm per uur gedetecteerd en geschat met behulp van signalen van telecomlijnen (gekleurde lijnen in het beeld met verschillende frequenties en lengtes) en satellietgegevens voor een gebied in de Keniaanse Rift Valley.

Moeilijk data verzamelen

Het bleek moeilijk om met telefoonsignalen nauwkeurige gegevens te verzamelen. Kumah: "Antennes zijn op veel plekken meer aanwezig, maar ze zijn niet gelijk verdeeld over het land. Een grotere afstand tussen antennes betekent ook een grotere mate van onzekerheid. Bovendien leveren de meeste exploitanten van mobiele netwerken data in intervallen van 15 minuten. Korter durende regen kan worden gemist." Zelfs met deze uitdagingen was de data nauwkeurig genoeg om zijn algoritme te trainen. Kumah blijft het algoritme trainen met meer extreme neerslag en nieuwe omstandigheden om het nauwkeuriger te maken.

Toekomstig doel

In de toekomst hoopt Kumah producten te ontwikkelen die gemakkelijk toegankelijk zijn op een smartphone. "Als telecombedrijven en meteorologische instituten samenwerken dan is dit doel niet eens zo ver weg. De telecombedrijven zouden de telefoonsignaaldata kunnen leveren en het voortouw kunnen nemen bij het leveren van de voorspellingen aan boeren", aldus Kumah.

Meer informatie

Kingsley Kumah was promovendus bij de afdeling Water Resources (WRS; Faculteit ITC), onder begeleiding van Dr. Ben Maathuis, Dr. Joost Hoedjes en Prof. Z. Su. Zijn openbare verdediging over dit project vindt plaats op 26 oktober 2022. Zijn proefschrift, getiteld 'Near-Real-Time Rainfall Detection and Estimation from Commercial Microwave Links and Meteosat Second Generation Data', is online te downloaden. Kingsley's onderzoek is ook grondig beoordeeld door deskundigen op het gebied van milieu- en atmosfeerwetenschappen en gepubliceerd in toonaangevende wetenschappelijke tijdschriften zoals ElsevierRemote SensingSensors enWater

K.W. Wesselink - Schram MSc (Kees)
Wetenschapscommunicatiemedewerker (aanwezig ma-vr)