Nauwkeurige schattingen van de verdamping zijn essentieel voor toepassingen zoals irrigatieplanning, droogtevoorspelling, en beoordeling van de beschikbaarheid van water. Traditionele in-situ metingen zijn ruimtelijk en temporeel beperkt, wat heeft geleid tot de ontwikkeling van satellietgebaseerde algoritmen. Deze verdampingsmodellen slagen er vaak niet in om de invloed van bodemvochtbeperkingen in te schatten of verwaarlozen de toegang van planten tot grondwater, wat leidt tot significante onzekerheden tijdens droogtes. Dit project beoogt een machine learning toepassing om grondwaternalevering te integreren, de dynamiek van worteldieptes in te schatten en satellietwaarnemingen van wateropslag te assimileren in een globaleschaal verdampingsmodel. Verbeterde verdampingsmonitoring zal een beter begrip van de globale watercyclus en het beheer van waterbronnen mogelijk maken. Dit project is gericht op PhD-onderzoek dat zal worden uitgevoerd in samenwerking met Prof. Niko Verhoest (BW20).