Forschungsgebiete:

• Niederschlagsbeobachtung mit opportunistischen Sensoren (CML, SML und PWS)
• Zusammenführung von Wetterradar und bodengebundenen Sensoren
• Deep Learning Methoden zur quantitativen Niederschlagsabschätzung
• Deep Learning für die Nachbearbeitung von atmosphärischen Modellausgaben

Aktuelle Projekte als PI:

• MERGOSAT - Merging of rain rate estimates from opportunistic sensors and geostationary satellites
• RealPEP - Near-Realtime Quantitative Precipitation Estimation and Prediction (Projekt-Website)

Andere laufende Projekte:

• HoWa-PRO - Innovative Methoden der Niederschlagsmessung und -vorhersage im Einsatz für die Hochwasserfrühwarnung in kleinen Einzugsgebieten(Projektwebsite)
• OpenSense COST Action (Projektwebsite)

Frühere Projekte als PI:

• RESEAD - Robust Environmental Sensor data using Explainable data-driven Anomaly Detection
• SpraiLINK - Spatial rainfall estimates using improved observations from commercial microwave links and statistical data fusion