Klima- og menneskeskabte ændringer medfører flere ændringer i forskellige regioner af verden, hvilket påvirker mønstrene for nedbør, evapotranspiration og lagret terrestrisk vand, hvilket vil øge sandsynligheden for klimakatastrofer, såsom landbrugstab, vandknaphed og hungersnød.

Tørkeovervågning og hydrologiske systemer til tidlig varsling er vigtige værktøjer til forvaltning af vandressourcer, og de skal suppleres yderligere med prognosefaciliteter, der er godt integreret med EU's jordobservationsdata.

BAYESISK-BASERET DATAASSIMILATIONSRAMME

I MuSe-BDA-projektet vil der blive udviklet en nøjagtig og effektiv såvel som fysisk og matematisk konsistent "Bayesian-baseret Data Assimilation framework" for at integrere fordelene ved synergistisk tilgængelige satellitgeodætiske og jordobservationsdata og state-of-the-art inden for hydrologiske modeller for bedre at forstå og forudsige de seneste og fremtidige rumlige og tidsmæssige ændringer i kontinental vandlagring og vandstrømme.

Den foreslåede Multi-Sensor Bayesian Data Assimilation (MuSe-BDA) er unik med hensyn til fleksibilitet til at assimilere forskellige satellitdata, og de er beregningseffektive.

DET FØRSTE FORSØG PÅ AT FUSIONERE MULTI-LANDOVERFLADEMODELLER

Med udgangspunkt i indsatsen i MuSe-BDA er dette det første forsøg på samtidig at fusionere multi-landoverflademodeller med satellit-afledt Surface Soil Moisture, Surface Water Level anomali fra satellithøjdemåling, Land Surface Temperature fra fjernmålingsdata og tyngdefeltestimater fra GRACE- og GRACE-FO-missioner.

Anvendelsen vil blive demonstreret ved at simulere og forudsige episodiske tørker i stor skala i Europa (nord og syd) og USA (f.eks. Californien og Texas), der dækker 2003 og frem med en hidtil uset rumlig opløsning på 0,05° (~5 km) ved daglig tidshastighed , hvilket er essentielt for praktiske anvendelser såsom landbrugs tidlig varsling og assimilering af satellitdata sikrer kompatibiliteten med den virkelige verden.