Satellite-Based Estimation of Monthly Rainfall Across the Indonesian Archipelago: A Month-Specific Multiple Linear Regression Framework Using Bias-Corrected NASA POWER Data over Java, Bali, Nusa Tenggara, and Maluku

Regenfall ist der Herzschlag der tropischen Welt, eine variable Kraft, die bestimmt, wann Nutzpflanzen wachsen, wann Flüsse anschwellen und wann das Land zu Schlamm wird. In Indonesien, einem Archipel aus tausenden Inseln, der sich über den Äquator erstreckt, wird dieser Rhythmus von massiven saisonalen Winden gesteuert, die Feuchtigkeit vom Indischen Ozean zum australischen Kontinent verschieben. Für Landwirte, Stadtplaner und Katastrophenhelfer ist das Wissen darüber, wie viel Regen in einem gegebenen Monat fallen wird, nicht nur eine Frage der Neugier; es ist eine Notwendigkeit für das Überleben und die wirtschaftliche Stabilität. Ein anhaltendes Problem hat jedoch lange Zeit eine genaue Planung behindert: Die bodengestützten Wetterstationen, die diesen Regen messen, sind oft spärlich gesät, und die historischen Aufzeichnungen, die sie führen, sind häufig unvollständig. In vielen Teilen des Landes enden die frei verfügbaren Daten nach nur wenigen Jahren, was Wissenschaftler ohne die langfristige Sichtweise zurücklässt, die nötig ist, um Klimatrends zu verstehen oder zuverlässige Vorhersagemodelle zu kalibrieren. Ohne diese tiefen Archive bleibt die Fähigkeit, die zukünftige Wasserverfügbarkeit vorherzusagen oder sich auf Überschwemmungen vorzubereiten, begrenzt.

Um diese Lücke zu schließen, wandte ein Team von Forschern mehrerer indonesischer Universitäten seinen Blick zum Himmel, speziell zu einem satellitengestützten Datensatz, der eine kontinuierliche, ununterbrochene Aufzeichnung der Wetterbedingungen bietet. Ihr Ziel war es, einen neuen Weg zu entwickeln, um den monatlichen Niederschlag über vier verschiedenen Regionen des indonesischen Archipels zu schätzen: der dicht besiedelten Insel Java, der kleinen Insel Bali, den trockenen und saisonalen Inseln der Nusa Tenggara und den verstreuten, konvektiven Inseln der Maluken. Anstatt sich auf die kurzen, fragmentierten Aufzeichnungen der Bodenstationen zu verlassen, nutzten sie einen globalen Datensatz namens NASA POWER, der einen konsistenten Strom meteorologischer Informationen liefert, die aus atmosphärischen Modellen und Satellitenbeobachtungen abgeleitet werden. Dieser Datensatz enthält Variablen wie Lufttemperatur, Luftfeuchtigkeit und Windgeschwindigkeit, die alle physikalisch mit der Bildung von Wolken und dem Fall von Regen verknüpft sind. Die Forscher stellten die Hypothese auf, dass sie durch die Kombination dieser langfristigen Satellitenmessungen mit den begrenzten verfügbaren Bodendaten ein mathematisches Modell erstellen könnten, das in der Lage ist, den Niederschlag mit hoher Genauigkeit zu schätzen, selbst in Gebieten, in denen Wetterstationen rar gesät sind.

Das Team konzentrierte sich auf eine Methode, die jeden Monat des Jahres als ein einzigartiges Ereignis behandelt, da sie erkennt, dass die Kräfte, die im Januar Regen antreiben, sich grundlegend von denen im Juli unterscheiden. Sie sammelten Niederschlagsbeobachtungen von 66 offiziellen Wetterstationen in den vier Regionen und glichen diese mit den Satellitendaten für den Zeitraum zwischen 2011 und 2026 ab. Bevor sie ihr Vorhersagewerkzeug entwickelten, korrigierten sie zunächst die Satellitendaten, um sicherzustellen, dass sie mit der auf dem Boden gemessenen Realität übereinstimmen – ein Prozess, der dem Einstimmen eines Radios gleicht, um das Rauschen zu entfernen, damit das Signal klar durchkommt. Sobeder die Satellitendaten angepasst worden waren, nutzten sie einen statistischen Ansatz, um die Beziehung zwischen den Satellitenmessungen von Temperatur, Luftfeuchtigkeit und Wind und dem tatsächlich von den Stationen aufgezeichneten Niederschlag zu finden. Da der Einfluss dieser Wetterfaktoren mit den Jahreszeiten variiert, entwickelten sie keine einzige Formel für das ganze Jahr. Stattdessen entwickelten sie zwölf separate Regelsätze, einen für jeden Monat, was es dem Modell ermöglicht, sich an die wechselnden Monsune anzupassen.

Die Ergebnisse dieser Bemühungen waren ermutigend. Das Modell erwies sich als fähig, den monatlichen Niederschlag über alle vier Regionen mit einem Genauigkeitsniveau zu schätzen, das die Forscher als gut bezeichneten. In der Region Bali stimmten die Vorhersagen des Modells mit den beobachteten Niederschlagsmustern mit einer Korrelation von 0,73 überein, was bedeutet, dass die geschätzten Werte in engem Schritt mit den tatsächlichen Messungen stiegen und fielen. Die Region Nusa Tenggara zeigte eine ähnliche Stärke mit einer Korrelation von 0,70. Selbst in Java, das komplexe urbane Umgebungen und unterschiedliches Gelände beherbergt, was die Vorhersage des Niederschlags schwierig machen kann, erreichte das Modell eine Korrelation von 0,65. Vielleicht am bedeutendsten ist, dass das Modell in den datenarmen östlichen Regionen der Maluken und der Nusa Tenggara gut abschnitt, wo Bodenbeobachtungen knapp sind. In diesen Gebieten erfasste das Modell erfolgreich die allgemeinen Niederschlagstrends, was darauf hindeutet, dass Satellitendaten, einmal korrigiert, als zuverlässiger Ersatz für langfristige Bodenaufzeichnungen dienen können.

Ein genauerer Blick auf die Ergebnisse offenbarte, wie die verschiedenen Wetterfaktoren die Vorhersagen beeinflussten. Über alle Regionen hinweg kristallisierte sich die Luftfeuchtigkeit als der beständigste Treiber für den Niederschlag heraus; wenn die Luft feuchter war, sagte das Modell korrekt mehr Regen voraus. Auch die Lufttemperatur spielte eine große Rolle, wenngleich ihr Effekt je nach Saison und Standort variierte. Die Windgeschwindigkeit zeigte ein deutliches Muster und wirkte oft als Unterdrücker des Regens während der trockenen Monsunzeit, insbesondere in den östlichen Inseln, wenn trockene Luft aus Australien über den Archipel fegt. Die Forscher merkten an, dass das Modell zwar gut bei den breiten Monatssummen funktionierte, aber Schwierigkeiten hatte, die extremen, lokalisierten Regenschauer zu erfassen, die in den urbanen Zentren Javas oder bei den hochkonvektiven Stürmen der Maluken auftreten. Diese Gebiete beinhalten komplexe Wechselwirkungen zwischen Land, Meer und Atmosphäre, die ein einfaches lineares Modell nicht vollständig auflösen kann. Dennoch bestätigte die Gesamtleistung, dass der Ansatz praktikabel für die regionale Planung ist.

Die Studie kommt zu dem Schluss, dass diese Methode eine praktische, kostengünstige Lösung für ein Land darstellt, das mit Datenlücken kämpft. Durch die Nutzung des langen, kontinuierlichen Datensatzes von NASA POWER und dessen Korrektur mit den besten verfügbaren Bodendaten können Wissenschaftler und politische Entscheidungsträger nun zuverlässige monatliche Niederschlagsschätzungen für Regionen generieren, die zuvor schwer zu analysieren waren. Diese Fähigkeit ist entscheidend für die Verwaltung der Wasserressourcen, die Gestaltung von Hochwasserschutzmaßnahmen und die Planung landwirtschaftlicher Zyklen in einem sich wandelnden Klima. Die Forscher betonen, dass ihr Modell zwar keine perfekte Kristallkugel ist, aber ein solides Fundament für evidenzbasierte Entscheidungsfindung bietet. Sie schlagen vor, dass zukünftige Arbeiten diese Schätzungen verfeinern könnten, indem sie komplexere Klimatreiber einbeziehen und den Ansatz gegen fortgeschrittene Techniken des maschinellen Lernens testen; doch für den Moment demonstriert die Studie, dass ein transparenter, monatsweiser statistischer Rahmen effektiv die Niederschlagsmuster des indonesischen Archipels beleuchten kann.