Starkregenzellen sind extrem kleinräumige und kurzlebige Ereignisse. Dennoch stellen sie durch die großen und plötzlich auftretenden Niederschlagsmengen und kurzen Entstehungsdauern eine erhebliche Gefahr dar. Um die Bevölkerung effektiv zu schützen, bedarf es zeitlich und räumlich hochaufgelöster Prognosesysteme für Starkregen, um die Entwicklung abzuschätzen und die Fristen für Sicherungs- oder Reaktionsmaßnahmen zu maximieren.
Um die Prognosen effizienter zu gestalten, muss das Sensornetzwerk optimal aufgebaut sein. Bislang war von einem Messnetz mit homogener Dichte (4 Sensoren/km2) ausgegangen worden. In der Realität wird eine solche Dichte nur selten erreicht werden und führt zudem dazu, dass in Randbereichen des Netzwerks keine Prognosewarnzeit ermittelt werden kann. Zur Maximierung der Prognosewarnzeit muss eine weitere Fragestellung beantwortet werden: Wie kann mit variabler Messnetzdichte umgegangen werden und wie können unterschiedliche Datenquellen ausbestehenden Messnetzen integriert werden?
Die erfassten Daten und das tatsächliche Auftreten von Starkregen muss analysiert und zwischen den Messstellen validiert werden. Erweitert wird diese Arbeit durch einen Datenfusionsansatz: Neben den Daten der Sensoren werden zusätzliche Daten verschiedenster Art und Herkunft in die Analyse mit einbezogen. Dazu wird ein einheitliches Datenmodell definiert. Individuell entwickelte Softwareadapter führen den Datenimport aus unterschiedlichen Quellen mit Konvertierung durch. Zusätzlich können Interpolationsmechanismen notwendig werden, um fehlende Datenpunkte zu überbrücken. Die Unsicherheiten der Daten werden quantifiziert und bei der Fusion berücksichtigt. Die Grundauswahl der Daten erfolgt dabei nach einer Voruntersuchung mittels Hauptkomponentenanalyse sowie der Jackknife-Methode.