Möjligheten att generera hydrologiska data med hjälp av satelliter, drönare, mobilmaster och andra mätsystem har aldrig varit större än nu. Maskininlärning och databaserade modeller är andra metoder för nya datakällor som tillsammans skapar helt nya förutsättningar för utveckling av hydrologiska modeller med högre upplösning i tid och rum och bättre beskrivning av olika hydrologiska processer. De nya modellerna skapar i sin tur förutsättningar att bättre utnyttja olika typer av data för kalibrering, assimilering och osäkerhetsuppskattningar.
SMHI har dessutom en stark ställning internationellt och bidrar aktivt till Agenda 2030-arbetet för klimatomställningen med tjänsteexport till datafattiga länder – här kan till exempel kombinationer av satellit- och drönardata bidra till att förbättra modellresultaten från World-Wide HYPE så de kan användas fullt ut i varningstjänst och lokal samhällsplanering.
Forskningsledare: David Gustafsson