Landoppervlakte data assimilatie in het tijdperk van ‘Big Data’

 Bodemvocht speelt een sleutelrol in de globale energie-, water- en koolstofcyclus. Variaties in bodemvocht op wereldschaal kunnen gesimuleerd worden met landoppervlakte modellen of geobserveerd worden met satelliet-gebaseerde afstandswaarnemingen. Beide hebben hun eigen beperkingen en typische fouten.
Data assimilatie bundelt de kracht van landoppervlakte modellen en satellietwaarnemingen op een statistisch optimale manier, waardoor superieure informatie wordt bekomen. Het succes van deze procedure hangt af van de koppeling tussen de satellietwaarnemingen en het land model, en van de begroting van de fouten in de observaties en het model. Dit is echter geen eenvoudige opgave en de meeste hedendaagse globale data assimilatie systemen voor het landoppervlak assimileren daarom slechts data van één satelliet. Zo blijft het grootste deel van de beschikbare en snel toenemende hoeveelheid data momenteel ongebruikt.
Het doel van dit project is om -voor het eerst- een multi-satelliet data assimilatie systeem te ontwikkelen dat gebruik maakt van een nieuw stralingstranfer model en adaptief filteren om optimaal gebruik te maken van bestaande landoppervlakte modellen en satelliet gegevens. Dit zal leiden tot betere bodemvochtschattingen op verschillende ruimtelijke en temporele schalen. De toegevoegde waarde van het voorgestelde nieuwe assimilatie system zal aangetoond worden in een operationeel weersvoorspelling systeem.