Vanaf 11 juni 2019, metingen van de SMOS-missie van ESA worden volledig geïntegreerd in het voorspellingssysteem van ECMWF, waardoor een nauwkeurigere beschrijving van het watergehalte in de bodem mogelijk is.

Sinds de lancering in 2009 ESA's Soil Moisture and Ocean Salinity (SMOS)-missie heeft wereldwijde waarnemingen gedaan van emissies vanaf het aardoppervlak, met name bodemvocht en zoutgehalte van de oceaan - twee belangrijke variabelen in de watercyclus.

Nauwkeurige weersvoorspellingen zijn van het grootste belang voor zowel commerciële als recreatieve activiteiten. Het European Centre for Medium-Range Weather Forecasts (ECMWF) is het toonaangevende bureau voor wereldwijde nauwkeurige weersvoorspellingen. Het Integrated Forecasting System (IFS), een gigantisch numeriek weersvoorspellingsmodel, biedt 24 uur per dag weersvoorspellingen, zeven dagen per week.

Patricia de Rosnay, de teamleider gekoppelde assimilatie bij ECMWF merkt op dat, "Bij het gebruik van SMOS-metingen in ons operationele voorspellingssysteem, krijgen we een betere beschrijving van de ruimtelijke verdeling van het water in de bodem.

"Dit zijn belangrijke metingen om de complexe interacties tussen het landoppervlak en de atmosfeer te begrijpen, wat cruciaal is voor ons voorspellingssysteem."

Het weer is een complex proces en een goede voorspelling hangt grotendeels af van de kennis van de aardatmosfeer die wordt verschaft door een verscheidenheid aan waarnemingen van satellieten, in-situ gegevens, ballonnen, boeien en andere observatiesystemen.

Deze gegevens moeten snel beschikbaar zijn om gunstig te zijn voor voorspellingen. Het uitvoeren van geofysische bodemvochtmetingen duurt ongeveer acht uur na detectie.

Een slimme techniek om de productie van deze data te versnellen is machine learning, bijvoorbeeld met behulp van een kunstmatig neuraal netwerk, die binnen enkele seconden de waarden van het bodemvocht van de satelliet berekent. Het werd aangepast door CESBIO en LERMA om de informatie te genereren die nodig is voor operationele prognoses.

"Machine learning-technieken zijn rekenkundig efficiënt en zijn zeer snelle hulpmiddelen om grote datasets snel te verwerken. Het gebruik van neurale netwerken was de sleutel voor de integratie van SMOS-metingen op tijd voor de weersvoorspelling, " zegt Nemesio Rodriguez-Fernandez van CESBIO, en die het neurale netwerk heeft ontworpen en getraind voorafgaand aan de operationele integratie door ECMWF.

Het gebruik van metingen van een Earth Explorer-satelliet in 24/7 operaties is een belangrijke prestatie. Tot dusver, alleen SMOS-metingen over land worden gebruikt om algemene weersvoorspellingen te ondersteunen. Aangezien SMOS informatie geeft in alle weersomstandigheden, SMOS levert ook nieuwe informatie voor het volgen van orkanen en het meten van dun zee-ijs.

In de toekomst, de door SMOS verschafte informatie over oceanen en de poolgebieden kan ook worden gebruikt in combinatie met aardsysteemmodellen en gegevensassimilatiesystemen.

ESA's SMOS-missiewetenschapper, Matthias Drusch, zei, "Het integreren van SMOS-metingen in het voorspellingssysteem van ECMWF was een grote onderneming die meer dan 15 jaar geleden begon. Dit succesverhaal laat zien hoe modellen en zelfs operationele toepassingen profiteren van nieuwe waarnemingen."

Tot dusver, SMOS is de enige Earth Explorer-satelliet die operationeel metingen levert voor wereldwijde weersvoorspellingen op middellange termijn. Momenteel, gegevens van ESA'S Aeolus-missie worden getest bij ECMWF voor een operationeel voorspellingssysteem dat in de nabije toekomst zal worden gebruikt.