Evaluation of rainfall using SEVIRI data and Artificial Neural Networks (ANN) in Northern Ethiopia

Abstract

In the absence of ground measurement rainfall observations, satellite-based rainfall products are considered as essential option for obtaining of precipitation time series data for the intended purpose. However, their presentation and ability to capture the real-time rainfall estimates should be validated for a given specific region. This study was proposed to understand the accuracy of Spinning Enhanced Visible and Infrared Imager (SEVIRI) remote sensing data for the retrieval rainfall over the Tigray region of Ethiopia. The rainfall from SEVERI products can be estimated visible, near-infrared and infrared spectrum channels. Because of their continuous data availability during day and night, Infrared channels (Wv6.2, Wv7.3, IR8.7, IR10.8, and IR12.0) and their combinations (IR10.8-12.0) were used in this study. Artificial Neural Network (ANN) algorithms were developed to retrieve and estimate rainfall from the SEVERI channels. The developed ANN algorithm was trained, tested and validated using daily rain gauge rainfall. Both aerial and point rainfall evaluation approach were applied to evaluate their performance. The collected daily rain gauges point rainfall were changed into aerial rainfall into datasets using interpolations techniques for the spatial comparison. Pixel values of SEVIRI estimates for the location of each rain gauge were extracted for the point to pixel comparison. Accuracy of rainfall estimates from the SEVERI channels were analysed by the comparison of estimated rainfall with rain gauge rainfall. The result showed that 84% of the interpolated rainfall pixels were correctly identified as rainy pixels by the developed ANN algorithm while the non-rainy pixels in the ground measurements were estimated as non-rainy pixels by 72% in the SEVIRI estimates. The SEVIRI estimates scored a higher probability of detection (POD) and lower probability of false detection (POFD). A higher coefficient of correlation (0.72), lower Root mean square error (2.14), and absolute mean error (1.9) were observed for the SEVIRI estimates. This suggests that developed ANN algorithm from all channels (SEVIRI) is able to retrieve the precipitation of the Tigray region from the SEVERI satellite information. The comparison of SEVIRI products with the rain gauge significantly increased with time and spatial scales. Improved performance at the larger time and spatial scale attributed to errors at smaller scale could be symmetrical and when aggregated at the larger scale they are counterbalanced each other. However, the rainfall estimates showed a tendency of underestimating in all temporal and spatial scales. The most important output is that the developed ANN algorithm can retrieve the rainfall estimates from the different SVERI channels for Northern Ethiopia. Another promising result from this study is that using a combination of the best performed SEVERI channels can also improve the surface rainfall estimates. This study recommended that the rainfall estimates from SEVIRI channels are useful to estimate rainfall from the satellite products. ;지상 기반의 관측 자료 확보가 용이하지 않을 때, 위성 기반의 강우 관측 자료는 시간에 따른 강우량 변화 추정의 중요 자원 중 하나가 될 수 있다. 단, 실시간 강우 관측 자료의 추정은 관측 지역의 지형적 차이 등을 고려할 때 특정 지역을 대상으로 지역적으로 수행되어야 할 필요가 있다. 따라서 본 연구에서는 에티오피아의 Tigray 지역을 대상으로 Spinning Enhanced Visible and Infrared Imager (SEVIRI) 위성 강우 관측 추정치의 정확도를 파악함을 목적으로 한다. SEVIRI 강우 관측 자료는 가시, 근적외 및 적외 채널을 복합적으로 활용하여 산출되며 가시 자료의 경우 낮 동안의 관측이 용이하지 않기 때문에 본 연구에서는 세 파장 영역의 자료를 복합적으로 활용하여 관측 자료의 연속성을 확보하고자 하였다. 인공 신경망 (Artificial Neural Network, ANN) 알고리즘을 활용하여 SEVIRI 자료를 입력 자료로 한 강우 자료의 산출이 수행되었으며 지상 기반의 일 강수량 자료를 이용해 알고리즘의 정확도를 평가하였다. 통계적 기법을 기반으로 한 공간적 내삽을 통해 각 관측 자료 별 상호 비교를 수행하고자 하였다. 분석 결과, 우천으로 판별된 지상 기반의 관측 자료 중 약 84%의 자료가 인공신경망을 활용한 강우 산출 자료와 일치하는 결과를 나타내었으며 청천으로 분류된 지상 기반의 관측 자료 중 약 72%가 인공 신경망 산출 자료와 일치하는 결과를 나타내었다. SEVIRI 자료를 활용한 강우 추정치의 경우 높은 Probability of detection (POD)와 낮은 Probability of False Detection (POFD)를 보였다. 또한 지상 기반의 관측 자료와 인공 신경망을 활용한 강우 산출 자료는 약 0.72 정도의 높은 양의 상관도를 보였으며 0.9 정도의 평균절대비오차 값을 보였다. 이러한 결과는 Tigray 지역에서 위성 자료를 입력 자료로 한 인공 신경망 기반의 강우 자료 산출이 가능하다는 결과로 해석될 수 있다.