Mod forbedrede nedbørsprognoser: Fra effektiv forudsigelse til robust anvendelse i praksis
Ph.d.-forsvar, onsdag den 2. december 2026, Rafael Pablos Sarabia
I løbet af sit ph.d.-studium har Rafael Pablos Sarabia undersøgt, hvordan metoder baseret på dyb læring kan forbedre nedbørsprognoser i høj opløsning. Nedbør er særligt vanskelig at forudsige, fordi den styres af hurtigt udviklende atmosfæriske processer på små skalaer. Rafael Pablos Sarabia har udviklet effektive metoder til at forudsige nedbør, rekonstruere nedbørsfelter ud fra spredte observationer og udarbejde pålidelige prognoser, selv når nogle datakilder ikke er tilgængelige. Forskningen forbedrer især forudsigelsen af sjældne nedbørshændelser med høj intensitet, samtidig med at behovet for beregningsressourcer reduceres.
De opnåede forskningsresultater bidrager til mere nøjagtige, effektive og robuste nedbørsprognoser med anvendelsesmuligheder inden for tidlig varsling af kraftig regn, landbrug, energistyring og andre områder, der påvirkes af intens nedbør.
Ph.d.-studiet er gennemført ved Institut for Datalogi, Faculty of Natural Sciences, Aarhus Universitet.
Dette resumé er udarbejdet af den ph.d.-studerende.
Tid: onsdag den 2. december 2026 kl. 13.00
Sted: Bygning 5335, lokale 295, Institut for Datalogi, Aarhus Universitet, Helsingforsgade 12, 8200 Aarhus N.
Afhandlingens titel: Deep Learning Methods for Precipitation Prediction: Forecasting, Reconstruction, and Operational Robustness
Kontaktinfo: Rafael Pablos Sarabia, e-mail: rpablos@cs.au.dk, tlf.: +45 55252324
Bedømmelsesudvalg:
Seniorforsker Leif Denby, Vejrforskningsenheden, Danmarks Meteorologiske Institut, Danmark
Professor Thomas B. Moeslund, Det Tekniske Fakultet for IT og Design, Aalborg Universitet, Danmark
Lektor Sophia Yakoubov (forperson), Institut for Datalogi, Aarhus Universitet, Danmark
Hovedvejleder: Professor Ira Assent, Institut for Datalogi, Aarhus Universitet, Danmark
Medvejleder:
Joachim Nyborg, Cordulus, Danmark
Morten Birk, Cordulus, Danmark
Sprog: Ph.d.-afhandlingen forsvares på engelsk
Forsvaret er offentligt.
Afhandlingen ligger til gennemsyn hos Graduate School of Natural Sciences (GSNS), Ny Munkegade 120, bygning 1521, 8000 Aarhus C