Institut für Physik der Atmosphäre – Universität Mainz, Deutschland

Slides:



Advertisements
Ähnliche Präsentationen
1990 bis 2007 Die Entwicklung einer Gemeinde
Advertisements

Kopplung von Dynamik und atmosphärischer Chemie
Software Assurance Erweiterte Software Assurance Services
Sachstandsbericht AQUARadar B Silke Trömel, Clemens Simmer.
AQUARadar: Teilprojekte A/D
Fakten zum Investitionskonzept
Vorsorge und Gestaltungspotenziale in ländlichen Räumen unter regionalen Wetter- und Klimaänderungen (LandCaRe 2020) Teilprojekt 2.3.
Empirisches Praktikum
Arbeitskreis MITTELSCHULEWIRTSCHAFT München. Arbeitskreis MITTELSCHULEWIRTSCHAFT München.
Ausbildungsbilanz 2003 Eine Bilanz der DGB-Jugend
Fortbildungsprogramm für höhere Bedienstete aus der Europäischen Union und höhere Ministerialbeamte aus neuen EU-Mitgliedsstaaten sowie für hohe Beamte.
der MilGeo-Versorgung
Extreme Klimaereignisse werden immer ausgeprägter
Methodik und Ergebnisse Wolfgang Breyer, DPG-Tagung,
3.Februar 2003 SFB Seminar Kiel1 Energie- und Wasserdampftransporte in die Arktis bestimmt aus Radiosondendaten Andreas Hense, Reinhardt Hagenbrock,Martin.
Andreas Hense Meteorologisches Institut Universität Bonn
Statistical-dynamical methods for scale dependent model evaluation and short term precipitation forecasting (STAMPF / FU-Berlin) Zielsetzung von STAMPF:
Optimale Kombination mehrerer Datenquellen durch Kriging
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.
Institut für Meteorologie und Klimaforschung, Karlsruhe Kick-Off Meeting Bonn 23./ Priority Program SPP 1167 of the DFG Quantitative Precipitation.
Diskussionsfolien zu „Microphysics“
Turbulente Flüsse und thermische Konvektion
STREAMDATA 10° 8° E N 48° 50° Pforzheim Stuttgart Nagold Enz Neckar Höhe [m] Rhein Schwäbische Alb Schwarzwald STREAMDATA Titel: Streamflow data.
Erzeugung und Validierung wahrscheinlichkeitsbasierter Niederschlagsvorhersagen mit dem GME unter Verwendung von Breeding- und Ensemble-Kalman-Methoden.
Die Wirkung der Reibungskraft
Quantitative Methoden I
Das hydrothermale Geothermie-Kraftwerk in Landau i.d. Pfalz
Datenmanagement in Sensornetzen PRESTO - Feedback gesteuertes Datenmanagement - SS 2007 Sören Wenzlaff.
Ergebnisse der Makrozoobenthos-Beprobung März 2007 Vergleich detaillierter Nachweisverfahren nach BWK-Merkblatt 3 für das Morsbacheinzugsgebiet Wuppertal,
Geodätische VLBI und neuartige Beobachtungsszenarien
ECMWF Analysen am DKRZ Was sind Analysen? Uwe Ulbrich, Universität zu Köln - Synoptische Stationsdaten - Radiosonden - Flugzeug-Messdaten - Bojen - Satellitendaten:
Die herbstliche Nitratdynamik im Boden eines Wasserschutzgebietes
der Universität Mannheim!
Einführung Dezimalbrüche
Langzeitsimulationen mit dem CCM E39C: Untersuchungen von Klima-Chemie Wechselwirkungen und Trends
20:00.
Datenverteilung in Ad-hoc Netzen 1/24 Adaptive Datenverteilung in mobilen Ad-hoc Netzen unter Verwendung des Area Graph basierten Bewegungsmodells S. Bittner,
JT/Rihl/21. September 2004/1 von 11 Herzlich willkommen zu 3 Jahren Job-TransFair!
Oberflächennahe Rutschungen aufgrund von Starkniederschlägen
Arbeitsbereiche und Projekte der Abteilung Satellitenmeteorologie.
Stationsnetz der ZAMG und Wettervorhersagemodelle Paul RAINER, ZAMG Klagenfurt.
Workshop Meromiktische Tagebauseen in der Lausitz Cottbus 24. und 25
Zentralanstalt für Meteorologie und Geodynamik (ZAMG)
Mehrbelastung durch Maut, Möst und Fahrerlohnkosten Erhöhung
Sogenannte Thermikwellen Topographie Harz – Altvater
Symmetrische Blockchiffren DES – der Data Encryption Standard
Christoph Rasch / BMA09 1. Betreuer: Prof. Dr. Thorsten Pawletta
Ulrike Romatschke, Robert Houze, Socorro Medina
Abteilung Seeschifffahrt
Arzneimittel und Spenderblut
Mathe-Quiz Themen der 1. Klasse.
Die Sternenuhr Wir entdecken die Wissenschaften LTAM Steffen M. 2003/04 Kneip R.
% +0,8% -7,9% -9,5% +1,1% +0,6% +1,5% +0,45% -5,5% -17,7% VRG 15-ORF -17,7% % -10,85% -2,4%
Herzlich willkommen zur Bilanz-Pressekonferenz der s Bausparkasse!
Biogasanlage - Getrennte Fangeinrichtung Fangmast mit 1 HVI®-Leitung
Fakultät Informatik Institut für Angewandte Informatik, Professur Modellierung und Simulation Arbeitsgruppe Qualitätskriterien. Berlin,
Unterlage für die Milch-Pressekonferenz am 11. November 2008
Herzlich willkommen! besser gemeinsam lernen.
FWG Kleinmaischeid Themen: Überquerungshilfe am Knotenpunkt B413/K117 Industriestraße durch den Maischeider Wald.
Schwimmen : Die Anzahl 2: Die Bestzeit.
10. KFKI-Seminar • • Bremerhaven
Gummiecke Wandschoner DIMENSION : Breite: 80 MM Länge : 900 MM Stärke : 10 MM Befestigungslöcher : 6 Gewicht: KG.
1 Äußere Verbindung (Outer Join) (3) Beispiel: Der Right Natural(!) Outer Join zwischen Lagerhilfsmittel und LagerhilfsmittelArt kann aufzeigen, für welche.
M. Baldauf (FE13)1 AG-NWV M. Baldauf (FE13) Auswirkung von Änderungen im Fast Waves Solver auf die Feuchteprozesse im COSMO-DE.
Niederschlags-Analyse für Deutschland Zur Validierung von Wettervorhersagemodellen Zeitauflösung:Zugbahn und subsynoptische Entwicklung von Fronten und.
Monatsmittel einer Station: Beispiel Lindenberg
EVALUIERUNG mit GPS-Messungen
 Präsentation transkript:

Institut für Physik der Atmosphäre – Universität Mainz, Deutschland Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Projekt: VERIPREG Marcus Paulat, Heini Wernli – Institut für Physik der Atmosphäre, Universität Mainz Christoph Frei – Bundesamt für Meteorologie und Klimatologie, MeteoSchweiz Zürich Martin Hagen - Institut für Physik der Atmosphäre, DLR Oberpfaffenhofen 23.Oktober 2006 Diese Arbeit ist ein Teil des SPP 1167 – Quantitative Niederschlagsvorhersage (QNV) und wird von der Deutschen Forschungsgemeinschaft (DFG) gefördert.

kurze Übersicht Datengrundlage (Modell und Beobachtungen) Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick kurze Übersicht Datengrundlage (Modell und Beobachtungen) ein für Deutschland neuartiger, hoch aufgelöster Datensatz aus Beobachtungen S A L – ein neuer Ansatz zur Niederschlagsverifikation (i) technische Details (ii) erste Ergebnisse 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 01 14

LM-Topographie für Deutschland Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick „Lokal-Modell“ (LM/aLMo) LM vom DWD: Okt. 2003 – Dez. 2004 aLMo der MeteoSchweiz: Jan. 2001 – Dez. 2004 >4000 3000 2000 1500 50 100 150 200 300 500 750 1000 Meter LM-Topographie für Deutschland 55.3 N 47.0 N 5.3 E 15.6 E Breite [Grad] Länge [Grad] Modellgebiet etwa 2000 km² etwas nach Südwesten verschoben Randbedingungen vom GME/ECMWF seit 1999 im operationellen Betrieb nicht-hydrostatisches Gitterpunktmodell horizontale Auflösung: 7 km 35 vertikale Schichten zwei 48h-Vorhersagen (00/12 UTC) Vorhersagefelder jede Stunde 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 02 14

ca. 4000 Stationen mit täglichen Niederschlagsmessungen Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick Beobachtungen Radius=125 km Doppler Radar Radarkomposit DWD-Messnetz ca. 4000 Stationen mit täglichen Niederschlagsmessungen 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 03 14

zeitliche Variabilität Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick Disaggregierung (MAP: Hagen et al. 2003) Stationsdaten Radarkomposit „genaue“ Menge zeitliche Variabilität 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 04 14

Disaggregierung (MAP: Hagen et al. 2003) Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick Disaggregierung (MAP: Hagen et al. 2003) Stationsdaten Radarkomposit „genaue“ Menge zeitliche Variabilität Disaggregierung Datensatz mit stündlicher Auflösung auf dem 7km-Gitter 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 04 14

Disaggregierung (MAP: Hagen et al. 2003) Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick Disaggregierung (MAP: Hagen et al. 2003) Stationsdaten Radarkomposit „genaue“ Menge zeitliche Variabilität Disaggregierung Datensatz mit stündlicher Auflösung auf dem 7km-Gitter Verwendung dieses Datensatzes für andere Projekte möglich 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 04 14

Niederschlagsdatensatz zur Verifikation Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick Niederschlagsdatensatz zur Verifikation der Datensatz (aLMo, Stationen, Radar) umfasst momentan 2001-2004 Stationsdaten auf das Modell-Gitter setzen: Methode von Frei und Schär (1998) mittlerer Jahresniederschlag (2001-2004) mm/Jahr mm/Jahr 1400 250 1300 150 1200 100 1100 60 1000 20 900 -20 800 -60 700 -100 600 -150 500 -250 Differenz aLMo - Beobachtung aLMo (6-30h, 00UTC) gegitterte Stationsdaten 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 05 14

gegitterte Stationsdaten Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick Jahresniederschlag 2004 mm/Jahr 1400 1300 1200 1100 1000 900 800 700 600 500 aLMo (6-30h, 00UTC) gegitterte Stationsdaten LM (6-30h, 00UTC) 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 06 14

Jahresniederschlag 2004 aLMo Beob LM aLMo - Beobachtung Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick Jahresniederschlag 2004 mm/Jahr aLMo Beob LM 1400 1300 1200 1100 1000 900 800 700 600 500 250 150 100 60 20 -20 -60 -100 -150 -250 mm/Jahr aLMo - Beobachtung LM - Beobachtung 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 06 14

S A L – ein neues Fehlermaß für Niederschlagsverifikation Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick S A L – ein neues Fehlermaß für Niederschlagsverifikation Perspektive: Niederschlag in bestimmten Gebieten (z.B. Flusseinzugsgebiete) 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 07 14

S A L – ein neues Fehlermaß für Niederschlagsverifikation Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick S A L – ein neues Fehlermaß für Niederschlagsverifikation Perspektive: Niederschlag in bestimmten Gebieten (z.B. Flusseinzugsgebiete) SAL besteht aus drei unabhängigen Komponenten berücksichtigt Struktur (S), Amplitude (A) und Ort/Location (L) in einem Gebiet die Vorhersage für ein Gebiet ist perfekt, wenn S = A = L = 0 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 07 14

S A L – ein neues Fehlermaß für Niederschlagsverifikation Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick S A L – ein neues Fehlermaß für Niederschlagsverifikation Perspektive: Niederschlag in bestimmten Gebieten (z.B. Flusseinzugsgebiete) SAL besteht aus drei unabhängigen Komponenten berücksichtigt Struktur (S), Amplitude (A) und Ort/Location (L) in einem Gebiet die Vorhersage für ein Gebiet ist perfekt, wenn S = A = L = 0 S-Komponente benötigt die Definition von Objekten Rmax = 7mm Rsw = 1mm aber: kein direkter Zusammenhang der Objekte in Modell und Beobachtung erforderlich 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 07 14

Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick SAL - die S-Komponente Skalierung jedes einzelnen Objekts: R* = R / Rmax ; R*  [Rsw/Rmax, …, 1] R R* Rmax 1 Rsw Rsw/Rmax x x V(R) V(R*) Objekt-Draufsicht 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 08 14

Kleine intensive vs. große schwache Objekte Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick Kleine intensive vs. große schwache Objekte R R* Rmax 1 OBS x V(R*) x R R* 1 MOD Rmax x V(R*) x A = 0 S > 0 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 09 14

Intensive vs. schwache Objekte gleicher Größe Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick Intensive vs. schwache Objekte gleicher Größe R R* Rmax 1 OBS x V(R*) x R R* 1 MOD Rmax x V(R*) x A < 0 S = 0 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 10 14

S A L an einem realen Beispiel Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick S A L an einem realen Beispiel S, A  [-2,…,0,…,+2] ; L  [0,…,1] Rsw = Rmax(Gebiet)/15 LM Beobachtung ECMWF 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 11 14

S A L an einem realen Beispiel Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick S A L an einem realen Beispiel S, A  [-2,…,0,…,+2] ; L  [0,…,1] Rsw = Rmax(Gebiet)/15 LM Beobachtung ECMWF L ≈ 0 A ≈ 0 S = 0.17 L ≈ 0 A = -0.15 S = 0.63 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 11 14

S A L - Statistik Sommer 2001-2004 für Rhein Datensatz Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick S A L - Statistik Sommer 2001-2004 für Rhein LM ECMWF 2 1 A-Komponente -1 -2 -2 -1 1 2 -2 -1 1 2 S-Komponente S-Komponente 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 12 14

Zusammenfassung Datensatz Jahresniederschlag S A L Zusammenfassung Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick Zusammenfassung Erzeugung eines stündlich aufgelösten Niederschlags-Datensatzes aus Beobachtungen (Disaggregierung – neu für Deutschland) Dieser Datensatz bietet neue Möglichkeiten für die Niederschlagsanalyse der hoch aufgelösten QNV (Bsp. Tagesgang – nicht gezeigt) Einführung eines neuartigen Fehlermaßes für die Niederschlagsverifikation: S A L bestehend aus 3 Komponenten Erfassung und Verifikation der wesentlichen Merkmale von Niederschlagsfeldern in einem definierten Gebiet kein Objekt-Abgleich notwendig (schwierig besonders für kleinere Obkjekte) SAL ist implementiert erste Ergebnisse mit Tagessummen für LM- und ECMWF-Vorhersagen 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli 13 14

2. Projektphase - ab Mitte/Ende 2007: Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick Ausblick Anwendung von SAL auf stündliche Daten: disaggregierter Datensatz und QNVs verschiedener Modelle (ECMWF 40/25km, LM 7km, LMK 2,8km) weitere Tests und eventuelle Verbesserungen/Modifikationen für SAL Untersuchungen zu Differenzen zwischen LM und aLMo 2. Projektphase - ab Mitte/Ende 2007: stetige Ausweitung der Zeitreihe 2001-2008 Vergleich von aLMo/LM und LMK – Auswirkung höherer Modell-Auflösung? Untersuchung auf Zusammenhänge zwischen QNV und den Bedingungen in der Atmosphäre und am Boden 16 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli

Verifikation der hoch aufgelösten QNVs für Deutschland Institut für Physik der Atmosphäre – Universität Mainz, Deutschland Verifikation der hoch aufgelösten QNVs für Deutschland Projekt: VERIPREG Marcus Paulat, Heini Wernli – Institut für Physik der Atmosphäre, Universität Mainz Christoph Frei – Bundesamt für Meteorologie und Klimatologie, MeteoSchweiz Zürich Martin Hagen - Institut für Physik der Atmosphäre, DLR Oberpfaffenhofen 23.Oktober 2006 Diese Arbeit ist ein Teil des SPP 1167 – Quantitative Niederschlagsvorhersage (QNV) und wird von der Deutschen Forschungsgemeinschaft (DFG) gefördert.

RMSE-Vergleich: LM vs. ECMWF Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick RMSE-Vergleich: LM vs. ECMWF Sommer 2002, RMSE für Tagessummen Niederschlag mm/Tag 30.0 25.0 20.0 15.0 10.0 7.0 5.0 4.0 3.0 2.0 1.0 optimal LM ~12mm/Tag ECMWF ~7mm/Tag add 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli

S-Komponente: Sensitivität auf Objektstruktur Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick S-Komponente: Sensitivität auf Objektstruktur R* 1 OBS V(R*) x R* R* 1 1 MOD V(R*) x V(R*) x S > 0 S < 0 add 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli

S A L - Definition der Komponenten Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick S A L - Definition der Komponenten A = (D(Rmod) - D(Robs)) / 0.5*(D(Rmod) + D(Robs)) D(…) bezeichnet das Gebietsmittel (Flusseinzugsgebiet) A  [-2, …, 0, …, +2] mittlerer skalierter Amplituden-Fehler in einem betrachtetet Gebiet L = |r(Rmod) - r(Robs)| / distmax r(…) bezeichnet den Niederschlags-Schwerpunkt im Gebiet L  [0, …, 1] Verschiebungsfehler des Schwerpunkts im Gebiet S = (V(Rmod*) - V(Robs*)) / 0.5*(V(Rmod*) + V(Robs*)) V(…) bezeichnet das mittlere Volumen aller skalierter Objekte im Gebiet S  [-2, …, 0, …, +2] mittlerer skalierter Struktur-Fehler im betrachteten Gebiet add 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli

Niederschlagsmenge [mm/(Gitterpunkt bzw.Station)] Verifikation von hoch aufgelösten Niederschlagsvorhersagen für Deutschland Datensatz Jahresniederschlag S A L Zusammenfassung Ausblick Verifikation des Tagesgangs im Niederschlag Vergleich der Datensätze aus stündlichen Messungen, Disaggregierung und LM Sommermonate 2001-2003: Niederschlagsmenge 40 35 disaggr. Daten stündl. Mess. 30 Niederschlagsmenge [mm/(Gitterpunkt bzw.Station)] LM 25 20 15 00 03 06 09 12 15 18 21 Uhrzeit [UTC] add 23.Oktober 2006 Marcus Paulat Christoph Frei Martin Hagen Heini Wernli