Können meteorologische Satellitendaten die monatliche Sonnenscheindauer genau schätzen? Diese Studie untersucht die Verwendung von EUMETSAT CM SAF-Daten, GMTED2010-Daten, Monatsnummer und Tageslänge in einem künstlichen neuronalen Netzwerkmodell, um die monatliche durchschnittliche Sonnenscheindauer für die Türkei zu schätzen. Die Forscher erstellten ein mehrschichtiges Perzeptronmodell unter Verwendung von Daten von 45 Stationen für das Training und 12 Stationen für das Testen und Validieren. Beim Vergleich der Modellergebnisse mit bodengemessenen Werten fanden sie einen quadratischen Mittelwertfehler (RMSE) von 0,7803 h, einen mittleren absoluten Fehler (MAE) von 0,6206 h, einen mittleren Bias-Fehler (MBE) von 0,1751 h und einen Bestimmtheitskoeffizienten (R2) von 0,9387. Die Ergebnisse zeigen, dass es durch die Verwendung von Cloud-Produkten der neuen Generation, Höhendaten und Tageslänge möglich ist, die Sonnenscheindauer in Regionen unter Satellitenabdeckung vorherzusagen, auch ohne gemessene meteorologische Daten. Dieser Ansatz bietet eine wertvolle Alternative zur Schätzung der Sonnenscheindauer in Gebieten, in denen Bodenmessungen nicht verfügbar oder unzuverlässig sind, und unterstützt Anwendungen in den Bereichen Klima, erneuerbare Energien und Landwirtschaft.
Diese in Theoretical and Applied Climatology veröffentlichte Studie steht in direktem Zusammenhang mit dem Fokus des Journals auf klimabezogene Forschung und Modellierung. Durch die Untersuchung der Verwendung von Satellitendaten zur Schätzung der Sonnenscheindauer trägt das Papier zu den laufenden Bemühungen des Journals bei, Klimamodelle zu verbessern und unser Verständnis klimatischer Prozesse zu erweitern. Die Forschung bietet wertvolle Werkzeuge für Klimawissenschaftler und Forscher in verwandten Bereichen.