Suchen

Datenanalyse Das Mobilfunknetz zur Regenmessung

Autor / Redakteur: Monika Landgraf* / Vivien Deffner

Regenmessungen sind von großer Bedeutung. Sie kommen bei der Hochwasserfrühwarnung und auch in der Landwirtschaft zum Einsatz. Weil flächendeckende Messungen bislang zu teuer sind, fehlen jedoch für viele Regionen weltweit präzise Daten. Ändern könnte sich das mit einer neuen Methode, die gerade ihren Praxistest bestanden hat.

Firmen zum Thema

Regenmessen mit dem Mobilfunknetz: Je mehr Niederschlag fällt, desto schwächer wird das Signal, mit dem die Funkmasten Informationen austauschen.
Regenmessen mit dem Mobilfunknetz: Je mehr Niederschlag fällt, desto schwächer wird das Signal, mit dem die Funkmasten Informationen austauschen.
(Bild: Cynthia Ruf, KIT)

Mit Hilfe des Mobilfunknetzes gelang es Forschenden des Karlsruher Instituts für Technologie (KIT) und der Universität Augsburg erstmals, deutschlandweit eine Regenmessung durchzuführen. Jetzt ist der Einsatz der Technologie in Westafrika geplant. Die Ergebnisse veröffentlicht das Team aktuell in den Fachzeitschriften Hydrology and Earth System Sciences und Atmospheric Measurement Techniques.

Neue Methode zur Regenmessung

Für Mobilfunknetze und deren Leistungsfähigkeit kann Regen eine erhebliche Beeinträchtigung sein. Dies ist für Telekommunikationsunternehmen ein Problem, für die meteorologische Forschung jedoch ein immenser Vorteil. „Wir haben aus dieser Interaktion zwischen Wettergeschehen und menschlicher Technologie eine gänzlich neue Methode zur Regenmessung entwickelt“, sagt Professor Harald Kunstmann vom Institut für Meteorologie und Klimaforschung - Atmosphärische Umweltforschung (IMK-IFU), dem Campus Alpin des KIT. „Wenn ein Mobilfunknetz vorhanden ist, brauchen wir weder eine neue Infrastruktur noch zusätzliches Bodenpersonal.“ Gemeinsam mit Forschenden der Universität Augsburg gelang seinem Team am KIT nun die erste flächendeckende Regenmessung mit der neuen Methode in Deutschland. Aus der niederschlagsbedingten Abschwächung der Funkverbindung zwischen mehreren tausend Mobilfunkmasten konnten sie zeitlich hoch aufgelöste Regenkarten generieren. „Beim Vergleich mit den Messwerten des Deutschen Wetterdienstes zeigt sich, dass wir eine hohe Übereinstimmung erzielt haben“, erklärt Maximilian Graf aus dem Forscherteam.

Verbesserte Genauigkeit dank Künstlicher Intelligenz

Die Richtfunkantennen, die in Mobilfunkmastern zur Übertragung über weite Strecken eingesetzt werden, ermöglichten die Bestimmung des Niederschlags. „Genutzt wird hier eine Frequenz von 15 bis 40 Gigahertz, deren Wellenlänge der typischen Größe von Regentropfen entspricht“, erklärt Dr. Christian Chwala, Koordinator der Forschungsarbeiten an der Universität Augsburg. „Je mehr Niederschlag fällt, desto schwächer wird das Signal, mit dem die Sendemasten Informationen austauschen. Wir haben ein Jahr lang jede Minute die aktuelle Abschwächung von 4 000 Richtfunkstrecken gemessen. Der daraus entstandene Datensatz ist aufgrund seiner Auflösung und Größe weltweit einzigartig.”

Gestalten Sie mit uns die besten Fachmedien der Welt!

Die Arbeitswelt verändert sich fortlaufend und mit ihr auch die fachspezifischen Aufgabenstellungen, denen Sie sich Tag für Tag stellen. Hierbei wollen wir Sie mit unserem Fachmedien-Angebot auch zukünftig zielführend unterstützen und Ihnen Inhalte mit echtem Mehrwert liefern.


Hierzu möchten wir Ihre thematischen Bedürfnisse noch besser kennenlernen und unsere redaktionellen Inhalte dahingehend optimieren.
Daher würden wir uns sehr freuen, wenn Sie sich 10 Minuten Zeit nehmen, uns ein paar Fragen beantworten und so unsere zukünftige Berichterstattung von Grund auf mitgestalten.

Auch Künstliche Intelligenz (KI) kam neben den klassischen Methoden der Datenanalyse zum Einsatz, um das Regensignal aus den verrauschten Messwerten herauszufiltern. „Auch andere Faktoren wie Wind oder die Sonne können zu leichten Abschwächungen des Signals führen. Mit Hilfe unserer KI konnten wir erkennen, wann eine Abschwächung auf Regen zurückzuführen ist“, sagt Julius Polz, ein weiterer Wissenschaftler der Forschungsgruppe. „Wir haben sie inzwischen so trainiert, dass wir ohne Kalibrierung mit traditionellen Methoden zur Regenmessung auskommen.“ Für das Training der KI und damit für die Anwendung kommen somit auch Regionen in Frage, die keine nennenswerte Niederschlagsmessung besitzen, wie beispielsweise in Westafrika.

Einsatz in Westafrika geplant

Für Deutschland funktioniert die Methode allerdings vor allem im Frühjahr, Sommer und Herbst. „Graupel und Schneeregen führen nämlich zu einer überdurchschnittlichen Abschwächung, und Schnee lässt sich mit dem Mobilfunknetz gar nicht messen“, erklärt Harald Kunstmann. Aktuell laufen mehrere Projekte der Forschenden zur Regenmessung mit Richtfunkstrecken. In der Kooperation mit dem Deutschen Wetterdienst und dem Landesamt für Umwelt Sachen liegt der Schwerpunkt unter anderem auf Deutschland. Im Laufe des Sommers starten weitere Projekte in Tschechien und in Burkina Faso, wo erstmals eine landesweite Erfassung von Richtfunkstrecken in Afrika aufgebaut werden soll.

Regenmessung für Hochwasservorhersage

Auch der Einsatz der Methode im Rahmen von Hochwasserfrüherkennung ist denkbar. An der TU Wien haben Forschende jetzt Hochwasserdaten aus 500 Jahren anhand historischer Dokumente analysiert. Für die Bewertung von zukünftigen Hochwasserrisiken und die Analyse vergangener Hochwasser könnte die Regenmessung mittels des Mobilfunknetzes neue, genauere Daten liefern. Dadurch ließe sich der Niederschlag und dessen Verteilung im Detail nachvollziehen und daraus Handlungsempfehlungen für das Hochwassermanagement ableiten.

Originalpublikationen

Graf, M., Chwala, C., Polz, J., and Kunstmann, H. (2020): Rainfall estimation from a German-wide commercial microwave link network: optimized processing and validation for 1 year of data. Hydrology and Earth System Sciences, 24, 2931–2950,
https://doi.org/10.5194/hess-24-2931-2020

Polz, J., Chwala, C., Graf, M., & Kunstmann, H. (2020): Rain event detection in commercial microwave link attenuation data using convolutional neural networks. Atmospheric Measurement Techniques, 13, 3835–3853, https://doi.org/10.5194/amt-13-3835-2020

* Monika Landgraf arbeitet im Bereich Strategische Entwicklung und Kommunikation am Karlsruher Institut für Technologie.

(ID:46746619)