Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Statistical and Dynamical Downscaling of Numerical Climate Simulations Enhancement and Evaluation for East Asia Thorsten Simon Meteorologisches Institut.

Ähnliche Präsentationen


Präsentation zum Thema: "Statistical and Dynamical Downscaling of Numerical Climate Simulations Enhancement and Evaluation for East Asia Thorsten Simon Meteorologisches Institut."—  Präsentation transkript:

1 Statistical and Dynamical Downscaling of Numerical Climate Simulations Enhancement and Evaluation for East Asia Thorsten Simon Meteorologisches Institut – Universität Bonn

2 Projektbeschreibung “Drying of the North, Flooding of the South” 2 Haihe Einzugsgebiet:  Hauptstadt Beijing  10% China’s Bevölkerung  Wasserknappheit Poyang Einzugsgebiet:  größter Süßwassersee Chinas  hohe Variabilität des Wasserstandes  großes Überflutungspotential

3 Ost-Asiatischer Sommermonsun (EASM) 3 Horizontalwind 850hPa (links) und Niederschlag in mm (rechts) aus ERA-40 gemittelt von 12.Mai bis 17.Mai

4 Ost-Asiatischer Sommermonsun (EASM) 4 Horizontalwind 850hPa (links) und Niederschlag in mm (rechts) aus ERA-40 gemittelt von 17.Juni bis 22.Juni

5 Ost-Asiatischer Sommermonsun (EASM) 5 Horizontalwind 850hPa (links) und Niederschlag in mm (rechts) aus ERA-40 gemittelt von 29.Juli bis 3. August

6 Statistisches Downscaling (SD) 6 Zielgrößen aus Beobach- tungsdaten Prädiktoren aus GCM Daten Statistisches Modell VerifikationAnwendung GCM Daten

7 Dynamisches Downscaling (DD)  räumlich limitiertes Zirkulationsmodell: Regionales Klimamodell (RCM) Komponenten:  Dynamischer Kern, z.B. COSMO, WRF,..  Randbedingungen, z.B. CMIP Läufe, globale Re-analysen,..  Numerische Parameter, z.B. Auflösung, Breite der Sponge- zone, … 7 source: htp://www.wmo.int

8 Vergleich der Ansätze Statistisches DownscalingDynamisches Downscaling PRO  Einfache Implementierung  Automatisch bias-korrigiert  Skala der Beobachtung  Physikalisch konsistent  Rasterdaten  Unbeobachtete Größen CONTRA  Annahme der Stationarität  Datenbasis ggf. unzureichend  Kovarianzen i.A. nicht physikalisch konsistent  Räumliche Modellierung nicht- normal verteilter Zielgrößen  Technisch und numerisch komplex  Fehlerquelle Randbedingungen  Fehlerquelle Parametrisierung  Validierung komplex 8

9 Zielsetzung  Aufbau eines Statistischen Modells für Niederschlagsereignisse  Physikalische Interpretation der Prädiktoren  Validierung der RCM Läufe  Entwicklung einer Methode zur Quantifizierung der Eigendynamik in RCMs 9 Statistical Downscaling Dynamical Downscaling

10 Zielsetzung  Aufbau eines Statistischen Modells für Niederschlagsereignisse  Physikalische Interpretation der Prädiktoren  Validierung der RCM Läufe  Entwicklung einer Methode zur Quantifizierung der Eigendynamik in RCMs 10 Statistical Downscaling Dynamical Downscaling

11 Daten  tägliche Niederschlags- messungen  Transformation zu Schwellwertüberschreitung  ERA-40 Variablen: –Horizontalwind –Relative Vorticity –Vertikalwind –Gesamt-Wassergehalt  Zeitraum: Zielgrößen aus Beobach- tungsdaten Prädiktoren aus GCM Daten Lage der Messstationen im Poyang Einzugsgebiet

12 Methode  EOF Analyse der ERA-40 Daten  Generalisiertes lineares Modell (GLM) für binäre Variablen  Maximum Likelihood Schätzer (MLE)  4-fold Cross-Validation  Brier Skill Score (BSS) mit Klimatologie als Referenzvorhersage  Reliability-Diagramm 12 Statistisches Modell Verifikation

13 Verifikation des statistischen Modells 13

14 Physikalische Interpretation 14 EOF-PrädiktorERA-40: 16.Juni 1994 [s -1 ] [Pa s -1 ]

15 Zielsetzung  Aufbau eines Statistischen Modells für Niederschlagsereignisse  Physikalische Interpretation der Prädiktoren  Validierung der RCM Läufe  Entwicklung einer Methode zur Quantifizierung der Eigendynamik in RCMs 15 Statistical Downscaling Dynamical Downscaling

16 Zielsetzung  Aufbau eines Statistischen Modells für Niederschlagsereignisse  Physikalische Interpretation der Prädiktoren  Validierung der RCM Läufe  Entwicklung einer Methode zur Quantifizierung der Eigendynamik in RCMs 16 Statistical Downscaling Dynamical Downscaling

17 COSMO-CLM East Asia 17 ERA40ECHAM5 20C3M ECHAM5 A1B East Asia 50km 1971 – – 2050 Haihe 7km 1971 – – 2050 Poyang 7km 1971 – – – 2050 COSMO-CLM Haihe COSMO-CLM Poyang

18 Validierung der RCM Läufe  EASM- und EAWM-Dynamiken werden realistisch simuliert  Lokale Niederschlags- verteilungen sind näher an den Beobachtungen  EASM im COSMO hoch korreliert mit dem EASM in ECHAM5 18 Niederschlagsverteilung [mm/24h] für die Station Nanchang im Poyang- Catchment

19 Quantifizierung der Eigendynamik im RCM 19 GCM bilinear interpoliert RCM punktweise Schätzung der Kohärenzspektren räumliche Verteilung der Kohärenz für eine Frequenz

20 Eigendynamik: Beispiele 20 COSMO East Asia mit ECHAM5_20C3M Rand COSMO East Asia mit ERA-40 Rand

21 Zielsetzung  Aufbau eines Statistischen Modells für Niederschlagsereignisse  Physikalische Interpretation der Prädiktoren  Validierung der RCM Läufe  Entwicklung einer Methode zur Quantifizierung der Eigendynamik in RCMs 21 Statistical Downscaling Dynamical Downscaling

22 Schlussfolgerungen – Statistical Downscaling  Aufbau eines Statistischen Modells für Niederschlagsereignisse –Machbarkeit eines GLM für Schwellwertüberschreitung mit EOF Prädiktoren gezeigt –Gute Kalibrierung des Modells ist mit Kreuzvalidierung und Zerlegung des Brier Scores belegt  Physikalische Interpretation der Prädiktoren –EOF-Muster aus relativer Vorticity auf 850hPa und Vertikalwind auf 500hPa assoziieren mit zyklonalen Wirbeln auf der meso- α -Skala –Vorticity und Vertikalwind spiegeln geostrophische und ageostrophische Komponenten wider –Gesamt-Wassergehalt brachte keine zusätzliche Vorhersagbarkeit 22

23 Schlussfolgerungen – Dynamical Downscaling  Validierung der RCM Läufe –EASM und EAWM Dynamiken werden gut aufgelöst, Niederschlagsverteilungen sind näher an Beobachtungen  Entwicklung einer Methode zur Quantifizierung der Eigendynamik –Kohärenzspektren stellen ein sinnvolles Werkzeug zur Quantifizierung der Eigendynamik eines RCMs dar –Räumliche Kohärenzmuster hängen von regionaler Dynamik, numerischen Parametern und den Randbedingungen ab –Die Definition der Eigendynamik als Mehrwert ist essentiell für das Verständnis von RCMs –Dynamisches Downscaling einer Re-analyse unterscheidet sich konzeptionell von einer regionalen Re-analyse 23

24 Statistical and Dynamical Downscaling of Numerical Climate Simulations Enhancement and Evaluation for East Asia Thorsten Simon Meteorologisches Institut – Universität Bonn

25 Referenzen Simon, T., Hense A., Su B., Jiang, T., Simmer, C. and Ohlwein, C. (2013): Pattern- based statistical downscaling of East Asian Summer Monsoon precipitation, Tellus A. DOI: /tellusa.v65i Simon, T., Wang, D., Hense, A., Simmer, C. and Ohlwein, C. (2013): Generation and transfer of internal variability in a regional climate model, Tellus A. DOI: /tellusa.v65i Wand, D., Menz, C., Simon, T., Simmer, C. and Ohlwein, C. (2013): Regional dynamical downscaling with CCLM over East Asia. Meteorol. Atmos. Phys. DOI: /s z 25


Herunterladen ppt "Statistical and Dynamical Downscaling of Numerical Climate Simulations Enhancement and Evaluation for East Asia Thorsten Simon Meteorologisches Institut."

Ähnliche Präsentationen


Google-Anzeigen