Refining methods for estimating precipitation using commercial microwave links

Precipitation measurements are crucial for understanding the hydrological cycle, aiding in weather forecasts, flood prediction, urban hydrology, and agriculture. While several methods exist for measuring precipitation, they all have limitations, such as inherent uncertainties or limited spatial coverage. A novel method for estimating precipitation uses water-induced signal attenuation in commercial microwave links (CMLs). CMLs are radio links that facilitate communication, often between telecommunication towers. Due to their widespread coverage, they could provide a valuable supplement to existing precipitation measurement methods. Processing CML data typically follows a stepwise workflow, with each step having its own challenges. This thesis focuses on the challenges encountered in some of these processing steps. One challenge is detecting intermittent dry periods in the CML time series during rainy periods. This is important, for instance due to that water droplets forming on the antenna cause increased attenuation, potentially leading to overestimation of precipitation during intermittent dry periods. In Paper I, two methods are developed for detecting rainfall in CML time series using high temporal resolution reference data. It concludes that the developed methods better capture the intermittent wet/dry pattern of rainfall compared to two reference methods designed to capture the overall duration of the rainy period. Another challenge is the impact of snow and mixed liquid/solid precipitation on the CML time series. While rainfall causes attenuation of the CML signal, dry snow causes minimal signal attenuation. Weather radar can detect both rainfall and snow, but it struggles to classify the precipitation type. Paper II explores classifying precipitation types by identifying snowy events where weather radar detects precipitation but CML does not. The study concludes that combining weather radar and CML can enhance precipitation classification, particularly for temperatures around 0 °C. When interpolating precipitation data in space, a variogram is often fit to the observed precipitation data to describe the spatial correlation and rainfall distribution. However, due to the averaging effect of the CMLs along the link paths, the apparent variability and rainfall extremes are dampened, increasing the spatial correlation. Paper III investigates methods for recovering the pointwise spatial correlation from path averaged data and its impact on stochastic simulation. It concludes that recovering the spatial correlation from path averaged data is possible. Overall, the thesis contributes to better understanding of CML processing, particularly in cold climates. It identifies new challenges and suggests concrete paths for future research.

Måling av nedbør er viktig for å forstå det hydrologiske kretsløpet, og bidrar blant annet innen værmelding, flomvarsel, urbanhydrologi og jordbruk. Det finnes flere metoder for å måle nedbør, men alle har sine egne begrensninger i form av måleusikkerhet eller manglende romlig dekning. En innovativ metode for å måle nedbør bruker regn-indusert signaltap i radiolinjer. Radiolinjer er radio linker som fasiliterer trådløs kommunikasjon, ofte mellom telefonmaster. Bruk av slike linker for å måle nedbør kan supplere eksisterende nedbørmålinger, og bidra til bedre forståelse av det hydrologiske kretsløpet. Prosessering av data fra radiolinjer følger ofte en stegvis tilnærming, med ulike utfordringer i hvert steg. Denne avhandlingen fokuserer på noen av utfordringene i disse stegene. En utfordring er å detektere korte oppholdsperioder i nedbørshendelser. Dette er viktig fordi vanndråper som fester seg til antennene kan forsterke signaltapet, selv under korte oppholdsperioder, og føre til overestimering av nedbør. I Artikkel I brukes nedbørsmålinger med høy tidsoppløsning som referanse for å trene to algoritmer for å detektere nedbørshendelser. Artikkelen konkluderer med at de to metodene bedre fanger opp korte oppholdsperioder enn de to referansemetodene, som er utviklet for å detektere nedbørperioder i sin helhet. En annen utfordring er effekten av snø på radiolinjer. Regn og våt snø demper signalstyrken, mens tørr snø gir svært lite demping. Værradar kan detektere nedbør, men har utfordringer med å bestemme nedbørtypen. Artikkel II utforsker mulighetene for å klassifisere perioder der værradaren måler nedbør, men radiolinjen ikke gjør det, som snø. Artikkelen konkluderer med at kombinasjonen av værradar og radiolinjer kan forbedre klassifisering av nedbørstype, spesielt ved temperaturer rundt 0 °C. For å beskrive den romlige variasjonen til nedbør er det vanlig å tilpasse et variogram til nedbørdata. Radiolinjer måler gjennomsnittlig nedbør langs en linje, noe som demper den målte variasjonen og øker den romlige korrelasjonen. Artikkel 3 utforsker metoder for å estimere den faktiske, punktvise romlige korrelasjonen til nedbør, gitt gjennomsnittsmålinger fra radiolinjer. Artikkelen konkluderer med at en slik estimering av romlige korrelasjonen ved hjelp av gjennomsnittsmålinger fra radiolinjer er mulig. Denne avhandlingen bidrar til en bedre forståelse av prosessering av data fra radiolinjer, med særlig vekt på kaldt klima. Den identifiserer nye utfordringer og foreslår konkrete muligheter for fremtidig forskning.