Meteorologentagung 10.-14. September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung AQUARadar.

Slides:



Advertisements
Ähnliche Präsentationen
Algorithmen und Datenstrukturen
Advertisements

Sachstandsbericht Teilprojekt B Integrale Radarvolumendeskriptoren
AQUARadar-Workshop Oktober 2006 Integrative Radarvolumendeskriptoren Silke Trömel Teilprojekt B.
Sachstandsbericht AQUARadar B Silke Trömel, Clemens Simmer.
Überblick: Teil 1: Eigenes Forschungsgebiet: Polarimetrisches Radar
AQUARadar: Teilprojekte A/D
Arbeitsgruppe Meteorologische Umweltforschung/Klimatologie Institut für Meteorologie und Geophysik der J. W. Goethe-Universität Frankfurt/M. Anwendung.
Zur Schätzung der Wiederkehrzeiten von Starkniederschlägen
Vorsorge und Gestaltungspotenziale in ländlichen Räumen unter regionalen Wetter- und Klimaänderungen (LandCaRe 2020) Teilprojekt 2.3.
Beiträge aus der Abteilung Wolkenphysik und Verkehrsmeteorologie zum Workshop Extremwetterereignisse zusammengestellt von Hartmut Höller DLR-Institut.
TECHNISCHE UNIVERSITÄT DARMSTADT Naive Bayes for Ranking
Aufgabentraining Bearbeitung einer Teilaufgabe
A. H. Fink, A. Krüger, V. Ermert Übung Synoptik für Fortgeschrittene WS 2008/2009 Nächste Übung Freitag, , 11:45 Uhr Listen Anwesenheitsliste.
Forschungsstatistik I Prof. Dr. G. Meinhardt WS 2006/2007 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz.
Forschungsstatistik I Prof. Dr. G. Meinhardt WS 2004/2005 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz.
Wird der Starkregen immer stärker
3.Februar 2003 SFB Seminar Kiel1 Energie- und Wasserdampftransporte in die Arktis bestimmt aus Radiosondendaten Andreas Hense, Reinhardt Hagenbrock,Martin.
Institut für Physik der Atmosphäre – Universität Mainz, Deutschland
Statistical-dynamical methods for scale dependent model evaluation and short term precipitation forecasting (STAMPF / FU-Berlin) Zielsetzung von STAMPF:
Bonn, 10./11. April 2008 Matthias Zimmer, Heini Wernli – Institut für Physik der Atmosphäre, Universität Mainz Martin Hagen – Institut für Physik der Atmosphäre,
QUEST Quantitative evaluation of regional precipitation forecasts using multi-dimensional remote sensing observations Projektpartner Susanne Crewell,
DFG - SPP 1167 Quantitative Niederschlagsvorhersage A. Mathes, Meteorologisches Institut, Universität Bonn - Coordination.
Diskussionsfolien zu „Microphysics“
Kick-Off Meeting PQP Phase 3, Bonn, April 10-11, 2008 High-Resolution Reanalyses and Impact Studies for Improving Process Understanding and Precipitation.
Einführung in die Meteorologie - Teil III: Thermodynamik und Wolken -
Einführung in die Meteorologie I - Teil V: Thermodynamik der Atmosphäre- Clemens Simmer.
Einführung in die Meteorologie - Teil III: Thermodynamik und Wolken -
Einführung in die Physische Geographie
Gruppe 1 Janka Bossert Sven Hilz Jan Nathem
Bruchpunktanalyse langzeitkorrelierter Daten
Die herbstliche Nitratdynamik im Boden eines Wasserschutzgebietes
Tutorium
Unser letztes Tutorium
Unser letztes Tutorium Output – das Modell gut11 gut12 gut21 gut22 gut31 gut32 state1 state2 state3 XI MF
Der Klimawandel - Einblicke, Rückblicke und Ausblicke - VIII. Regionale Auswirkung der Klimaänderung auf die Wasserverfügbarkeit in klimasensitiven Gebieten.
Binomialverteilung: Beispiel
Eigenschaften der OLS-Schätzer
Wiederholung: Einfache Regressionsgleichung
Datenverteilung in Ad-hoc Netzen 1/24 Adaptive Datenverteilung in mobilen Ad-hoc Netzen unter Verwendung des Area Graph basierten Bewegungsmodells S. Bittner,
Luftfeuchtigkeit und Wolkenbildung
Vom Wetter
Ausgleichungsrechnung II
Arbeitsbereiche und Projekte der Abteilung Satellitenmeteorologie.
2. Übung: Stüvediagramm II
Stationsnetz der ZAMG und Wettervorhersagemodelle Paul RAINER, ZAMG Klagenfurt.
Instrumentenpraktikum
Was enthält Kartenblatt 2.10 ? Erweiterung des Kartenblattes 2.8 (Maximale beobachtete Eintagesniederschläge) auf zwei, drei, vier und sechs Tage.
STATISIK LV Nr.: 0028 SS Mai 2005.
Statistik: Mehr zur Regression.
Kapitel 9 Analyse der Modellstruktur Hackl, Einführung in die Ökonometrie 2 Rekursive OLS-Schätzung Spezifiziertes Modell: y = X + u y, u:
Lineare Restriktionen
Kapitel 18 Dynamische Modelle: Schätzen der Parameter
Kapitel 8 Prognose und Prognosequalität
Kapitel 18 Dynamische Modelle: Schätzen der Parameter.
Referat über das Thema STOCHASTIK.
Ulrike Romatschke, Robert Houze, Socorro Medina
Statistik – Regression - Korrelation
Beachten Sie die Temperaturen von Locarno und Altdorf.
Klimadapt: Interpolation der REMO UBA Daten und Untersuchung von Kühl- und Heizgradtagen mit StartClim Daten Universität für Bodenkultur, Wien Department.
8. Deutsche Klimatagung Bonn – 8. Oktober 2009 Wie gut stimmt der modellierte Niederschlag des COSMO-CLM mit Messungen an Klimastationen des DWD überein?
1 Numerische Experimente zur Niederschlagseffizienz mit einem Einsäulenmodell 1. Diplomarbeitsbericht am Silvia Vogelsang.
K. Desch - Statistik und Datenanalyse SS05
Forschungszentrum Karlsruhe in der Helmholtz-Gemeinschaft Untersuchung von Parametern und Strukturen in Radar-Daten.
Niederschlags-Analyse für Deutschland Zur Validierung von Wettervorhersagemodellen Zeitauflösung:Zugbahn und subsynoptische Entwicklung von Fronten und.
16. Übung: Gewitterindizes & potenzielle Labilität
Spärliche Kodierung von Videos natürlicher Szenen Vortragender: Christian Fischer.
 Gegenstandsbereich der Testtheorie: Analyse der Charakteristika von Tests:  Güte von Tests.  Struktur von Tests.  Schwierigkeit von Tests.  Gruppenunterschiede.
Aufgabenstellung  gegeben ist die zeitliche Entwicklung der global gemittelten bodennahen Temperatur im Zeitraum (Dateiname= ytemp2m.obs, ascii-
Konvektion im COSMO-EU
 Präsentation transkript:

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung AQUARadar Advances in Quantitative Areal Precipitation Estimation by Radar Teilprojekt B Meteorologisches Institut der Universität Bonn Silke Trömel, Clemens Simmer

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Gliederung 1. Flächenschätzer aus Radardaten ohne Z-R-Beziehung: Erweiterung des Modells durch die Beschreibung der zeitlichen und räumlichen Variabilität des 3-dimensionalen Radarvolumens: Zusammenfassung und Ausblick Verifikation der Näherung auf Basis dreier LM-Tage V=S( )·ATI (Doneaud et al.,1984) V/ATI=S(,IRVD)

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Die Theorie Atlas et al., 1990: Liefern eine Theorie für die Schätzung 1.…des totalen Niederschlags eines einzelnen konvektiven Regengebiets/-systems über seine Lebenszeit sowie 2.…des flächenweiten instantanen Niederschlags von einer Vielzahl von Systemen durch Messung der Fläche mit Reflektivitäten oder äquivalenten Niederschlagsintensitäten oberhalb einer bestimmten Schwelle.

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Die Theorie …beruht auf der Existenz einer gutartigen, relativ konstanten Wahrscheinlich- keitsdichtefunktion (PDF) der Regenintensitäten entweder von 1. …einem einzigen Regengebiet/-system über seine Lebenszeit 2. …oder einer Vielzahl von Systemen zu einem Zeitpunkt

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Die Theorie Atlas et al., 1990: Liefern eine Theorie für die Schätzung 1.…des totalen Niederschlags eines einzelnen konvektiven Regengebiets/-systems über seine Lebenszeit sowie 2.…des flächenweiten instantanen Niederschlags von einer Vielzahl von Systemen durch Messung der Fläche mit Reflektivitäten oder äquivalenten Niederschlagsintensitäten oberhalb einer bestimmten Schwelle.

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Datengrundlage: Pseudoradardaten und modellierte Niederschläge des Lokalmodells (LM) Untersuchung von 100 Niederschlagssystemen vom 17. Juli 2004, 8. Juli 2005 und 19. August 2005 Selektion gemäß SARTrE (Scale Adaptive Radar Tracking Environment)- Algorithmus (Jürgen Lorenz Simon, 2004) Datum des Gaußkernels Anzahl 17. Juli Juli August

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung LM-Daten vom 8.Juli 2005 R [mm/h]

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Beispiel vom : Experiment 3 (das größte und stärkste) Z [dBZ] Fläche: ·10 4 km 2 Maximum: ·10 3 mm 6 /m 3

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Beispiel vom 19. August 2005: Experiment 3 Z [dBZ]

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Verifikation : Schwelle = 18 dBZ S(18 dBZ)=3.43 mm/h r 2 =0.73

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Verifikation : Schwelle = 18 dBZ S(18 dBZ)=2.92 mm/h r 2 = mm/h V/ATI12.48mm/h

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Pool potentieller Regressoren HMEAN HSTD ATI A( ) AoAo A( )/A o D

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Hor. Erwartungswert HMEAN und hor. Standardabweichung HSTDEV ( =18dBZ)

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Pool potentieller Regressoren HMEAN HSTD ATI A( ) AoAo A( )/A o D MEANE e MEANETH

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Effektive Effizienz E e Q b -Q t E e = Q b Q = Mischungsverhältnis am Unter- (bottom) bzw. Oberrand (top) der Wolke Rosenfeld et al. (1990) E e 0.5 entspricht rel. flacher Konvektion E e 1 entspricht rel. hochreichender Konvektion Anteil an Wasserdampf, der durch die Wolkenbasis transportiert wird und somit potentiell für Niederschlag zur Verfügung steht. parametrisiert Entrainment, Mischung und Verdunstung

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Effektive Effizienz E e Q b = Sättigungsmischungsverhältnis in 800 m Höhe Q t = Sättigungsmischungsverhältnis bei echo-top-height (Höhe in der die Radarreflektivität unter 12dBZ fällt) evtl. unter der Annahme feuchtadiabatischen Aufstiegs Q b -Q t E e = Q b w m w e Q = ---- = l m l (p-e) = Dichte von Wasserdampf bzw. trockener Luft m = Molekulargewichte von Wasserdampf bzw. trockener Luft e = Wasserdampfdruck p-e = Druck der trockenen Luft

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Effektive Effizienz E e e=e s =fkt(T): näherungsweise nach Magnus-Formel w m w e Q = ---- = l m l (p-e) T 800m = Temperatur in 800m aus Radiosonden- aufstieg (bsp. Idar-Oberstein oder Stuttgart) T eth = Temperatur in eth aus Radiosondenaufstieg oder u. A. feuchtadiabtischen Aufstiegs p 800m = Druck aus Radiosondenaufstieg p eth = Druck aus Radiosondenaufstieg oder u. A. einer Abnahme von 1mbar/12m

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung V/ATI vs. MEANE e

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Pool potentieller Regressoren HMEAN HSTD ATI A( ) AoAo A( )/A o D MBB MEANE e MVSTD MVMEAN MEANETH

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Brightbandanteil Vertikalschnitts am jeweiligen Zentrum der Reflektivität Schätzung der Höhe der Nullgradschicht aus Radiosonden- aufstiegen (linear interpoliert) Aktuelle Defintion: Anteil der maximalen Reflektivitäten des Vertikalprofils ± 1 km im Bereich ± 1 km der 0 o C-Schicht (Anhand vert. Schnitt in 0.1 km Auflösung) Berechnung des

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung V/ATI vs. MBB

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Entwicklungsstadium des Systems Schätzung aus Trends im Brightbandanteil, effective Efficiency, vertikalem Mittel... Wachstumsphase Konvektive Phase Stratiforme Phase Erste Tropfen, meist groß und weit verteilt, mit großem Z und überschätzten R bei konstanter Z-R-Beziehung. Maximale Regenintensitäten gegen Ende der Wachstumsphase mit konvektiver Z-R-Beziehung Regengebiet dehnt sich aus und somit auch geringere radiale Gradienten, weiterhin hohe Intensitäten, konvektive Z-R Bright band, geschmolzene Schneeflocken erreichen den Boden als weiterverteilten, leichten Regen, stratiforme Z-R-Beziehung, sehr geringe Gradienten

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Beispiel vom 8. Juli 2005: Experiment Q

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Experiment Q Zeitlicher Verlauf des Vertikalschnitts [dBZ] Höhe [km] Geschätzte Höhe der 0 o C-Schicht (Radiosonde Stuttgart): 2238 m

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Verlauf von Experiment Q

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Pool potentieller Regressoren HMEAN HSTD ATI A( ) AoAo A( )/A o D MBB TBB RTBB TNBB RTNBB MEANE e MVSTD MVMEAN MEANETH STDBB

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Abnahme an SSR durch jeden selek. Regressor Ist geringster Beitrag signifikant ? Zuwachs an SSR mit jeder potentiellen Struktur Ist größter Zuwachs signifikant ? Ende Selektierte Regressoren nein ja Eliminieren nein ja Schrittweise Regression

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Signifikant detektierte Deskriptoren (Schrittweise Regression, leave-one-out cross-validation) DeskriptorAnzahl HMEAN100 HMEAN HMEAN 2 99 (A( )/A o ) 5 99 HSTD 4 98 MBB 3 97 RTBB87 MEANETH17 (A( )/A o ) 9 TBB 3 8 TNBB 3 7 HMEAN 4 2 TBB 5 1 Erklärte Varianz in V/ATI: 98.9%

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Niederschlagsmengen der 100 Ereignisse

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Absolute und relative Fehler (leave-one-out cross validation, LOOCV)

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Zusammenfassung und Auslick 1.Auf Basis 100 betrachteter Niederschlagssysteme dreier LM-Tage erweisen sich HMEAN, HMEAN 3, HMEAN 2, (A(t)/Ao) 5,HSTD 4, MBB 3 und RTBB als Erfolg versprechende IRVD. 2. Der relative Fehler liegt auf Basis des Modells in 74 der 100 Fälle unter 10%. 3. Eine weitere Verbesserung ist durch skalen- oder typabhängige Modelle denkbar. Der wichtigste, nun ausstehende Schritt ist es zu testen, ob reale Beobachtungen als mögliche Realisationen des Modells interpretiert werden können.

Meteorologentagung September 2007 in Hamburg Radarvolumendeskriptoren von Niederschlagszellen zur quantitativen Niederschlagsschätzung Vielen Dank !