17. Übung: Wettervorhersage Nächste Übung: Freitag, 18.12.2013, 12:00 MEZ Listen Anwesenheitsliste  Schema zur Wetterlage am 20. Januar 2014  Wettervorhersage.

Slides:



Advertisements
Ähnliche Präsentationen
Vorsorge und Gestaltungspotenziale in ländlichen Räumen unter regionalen Wetter- und Klimaänderungen (LandCaRe 2020) Teilprojekt 2.3.
Advertisements

Aufgabentraining Bearbeitung einer Teilaufgabe
A. H. Fink, V. Ermert METSYN: Übung Synoptik WS 2007/2008
A. H. Fink, A. Krüger, V. Ermert Übung Synoptik für Fortgeschrittene WS 2008/2009 Nächste Übung Freitag, , 11:45 Uhr Listen Anwesenheitsliste.
H. Fink, V. Ermert METSYN: Übung Synoptik WS 2011/2012
A. H. Fink, A. Krüger, V. Ermert Übung Synoptik für Fortgeschrittene WS 2006/2007 Nächste Übung Freitag, , 11:45 MEZ Listen Anwesenheitsliste.
A. H. Fink, V. Ermert METSYN: Übung Synoptik WS 2011/2012
Das quasi-geostrophische System
A. H. Fink, V. Ermert METSYN: Übung Synoptik WS 2011/2012
1. Übung: Diagrammpapiere I (schräges T-log(p)-Diagramm)
Zeitreihen Gliederung Allgemeines zu Zeitreihen
Numerik partieller Differentialgleichungen
Tonale Kategorien, Synchronisierung und Nachahmung
3.Februar 2003 SFB Seminar Kiel1 Energie- und Wasserdampftransporte in die Arktis bestimmt aus Radiosondendaten Andreas Hense, Reinhardt Hagenbrock,Martin.
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,
Kick-Off Meeting PQP Phase 3, Bonn, April 10-11, 2008 High-Resolution Reanalyses and Impact Studies for Improving Process Understanding and Precipitation.
STREAMDATA 10° 8° E N 48° 50° Pforzheim Stuttgart Nagold Enz Neckar Höhe [m] Rhein Schwäbische Alb Schwarzwald STREAMDATA Titel: Streamflow data.
Zielsetzung von Modellierung
Die Wirkung der Reibungskraft
Zeitreihenanalyse WS 2004/2005 Michael Hauhs / Gunnar Lischeid
Entwicklung von Simulationsmodellen WS 2007/08 Dr. Falk-Juri Knauft Mittwoch 9.15 Uhr – Uhr S25 Praktikum zur Entwicklung von Simulationsmodellen:
-> Sprachpsychologie -> Blickbewegungen
Tutorium
Tutorium
Variationsformalismus für das freie Teilchen
Über das langfristige Wachstum der Weltwirtschaft
Das wetter.
Es regnet - Wetter oder Klima?
DAS WETTER Mal Sonne, mal Regen…
Luftfeuchtigkeit und Wolkenbildung
Vom Wetter
Wie entsteht eine Wettervorhersage?
10. Übung: Wettervorhersage
4. Übung: Synop-Meldungen
Einführung in die Meteorologie (met210) - Teil VII: Synoptik
3. Übung: Analyse von Wetterkarten in 300 und 500 hPa
Einführung in die Meteorologie (met210) - Teil VII: Synoptik
Einführung in die Meteorologie (met210) - Teil VII: Synoptik
Einführung in die Meteorologie (met210) - Teil VII: Synoptik
2. Übung: Stüvediagramm II
Stationsnetz der ZAMG und Wettervorhersagemodelle Paul RAINER, ZAMG Klagenfurt.
Entwurf, unverbindlicher Vorabzug !
Zentralanstalt für Meteorologie und Geodynamik (ZAMG)
Algorithmen und Datenstrukturen SS 2005 Mag.Th. Hilpold u. Dr. A.Stritzinger Institut für Wirtschaftsinformatik- Software Engineering JKU Linz.
Stoßwellen von Tim M. Hacke, Timm Haake und Marcel Kolb.
deterministisches chaos
Berechenbares Chaos - unvorhersehbare Wirklichkeit
Wie kommt man zu einer Wettervorhersage?????
Was steckt hinter einer Wettervorhersage ?
IPCC Report IV Anhang 3.B: Techniken, Fehler Abschätzung und Messsysteme IPCC Report IV Anhang 3.B: Techniken, Fehler Abschätzung und Messsysteme.
Was will ein Prognostiker beantwortet haben? Temperatur Bewölkung (inkl. Hochnebel/Nebel)/Sonnenschein Niederschlag Wind … für einen Punkt/Station oder.
Statistik – Regression - Korrelation
deterministisches chaos
Wind fields can e.g. be calculated using the so-called momentum equations which are based on the Navier Stokes equations. But this is complicated mathematics.
Struktur des Modulteils Klimageographie
10. KFKI-Seminar • • Bremerhaven
Tutorium zur Vorlesung „Physische Geographie 1“
Universität Karlsruhe (TH) Forschungsuniversität · gegründet 1825 Lehrstuhl für Programmiersysteme Fakultät für Informatik 1 Anforderungen und Probleme.
Multimediale Kartographie Referentin: Alexandra Höfer Vertiefung Kartographie WS 2000 / 2001.
Anfang Präsentation 3. November, 2004 Tarjan’s Schleifenaufbrechalgorithmus In dieser Vorlesung wird ein Verfahren vorgestellt, welches in der Lage ist,
8. Deutsche Klimatagung Bonn – 8. Oktober 2009 Wie gut stimmt der modellierte Niederschlag des COSMO-CLM mit Messungen an Klimastationen des DWD überein?
Numerische Wettervorhersage beim Deutschen Wetterdienst (DWD)
FeWIS Verbesserung des Warnmanagements bei Unwetterkatastrophen
Das Wetter Lernziele: All of you will be able to name at least 7 weather phrases. Most of you will be able to understand a weather forecast. Some of you.
13. Übung: Luftmassenklassifikation
14. Übung: Omegagleichung
16. Übung: Gewitterindizes & potenzielle Labilität
Wetteranalyse Kandidat 1 Mo UTC - Mi UTC.
Nächste Übung: Donnerstag, 19. November 2015, 11:45 MEZ Listen Anwesenheitsliste 7. Übung: Analyse von Wetterlagen I.
 Präsentation transkript:

17. Übung: Wettervorhersage Nächste Übung: Freitag, , 12:00 MEZ Listen Anwesenheitsliste  Schema zur Wetterlage am 20. Januar 2014  Wettervorhersage  Bsp. zur Wettervorhersage  Analyse Pfingstunwetter

Wettervorhersage Die Vorhersage des Wetters ist für viele Bereiche notwendig (z. B. Verkehr, Landwirtschaft, Tourismus,...). Die Atmosphäre stellt ein hydrodynamisches System dar, welches in physikalische Gleichungen gefasst werden kann. Mit sog. partielle Differenzialgleichungen kann der Zustand der Atmosphäre beschrieben werden. Für eine exakte Wettervorhersage ist die Kenntnis über den genauen Anfangszustand notwendig als auch die Lösungen der Differenzialgleichungen. Ungenauigkeiten in der Vorhersage treten auf, da der Zustand der Atmosphäre nicht genau feststellbar ist. Der sog. „Schmetterlingseffekt“ beschriebt, dass kleine Unterschiede im Anfangszustand zu einem späteren Zeitpunkt große Unterschiede in der Vorhersage verursachen. Des Weiteren können die notwendigen Lösungen der Gleichungen nur mit numerischen Näherungs- verfahren und mit Hilfe von Parametrisierungen gelöst werden kann. 100 %-ig sicher ist eine Wettervorhersage deshalb nie und deren Zuverlässigkeit verliert sich je nach Wetterlage und gestellten Anforderungen bereits nach wenigen Tagen.

Prognosemodelle  ECMWF: „European Center for Medium-Range Weather Forecasts“  GFS: „Global Forecast System“ des amerikanischen Wetterdienstes  GME: Globalmodell des Deutschen Wetterdiensts (DWD)  LM: Lokalmodell des DWD  UKMO: „United Kindom Model“ des UK MetOffice  JMA: Globalmodell der „Japan Meteorological Agency“  GEM: Globalmodell des kanadischen Wetterdienstes  NOGAPS: „Navy Operational Global Atmospheric Prediction System“ des amerikanischen "Fleet Numerical Meteorology and Oceanography Center" Wettervorhersage im Internet   

Entwicklung der Vorhersagegüte Jahr Tag 3 Tag 5 Tag 7 Südhemisphäre Quelle: basierend auf Simmons, A. J. und A. Hollingsworth, 2002: Some aspects of the improvement in skill of. numerical weather prediction. Q. J. Roy. Meteor. Soc., 128, Verbesserte Wettervorhersage seit 1980 Häufige und bessere Assimilation von Satellitenbeobachtungen  deutliche Steigerung der Genauigkeit in Südhemisphäre 500 hPa: Anomalie-Korrelation der Vorhersage des Geopotenzials Nordhemisphäre Tag 10

500 hPa Boden 850 hPA Vorhersagekarten (36 h Vorhersage für UTC)

Ensemble-Prognosen Mit Hilfe von sog. Ensemble-Prognosen ist eine Abschätzung der Vorhersagegüte möglich. Die Wettervorhersage ist stark vom Anfangszustand abhängig, der nicht exakt bekannt ist. Deshalb werden mehrere Simulationen des Wettergeschehens mit unterschiedlichen Anfangsbedingungen gestartet. Die Anfangsbedingungen werden dabei vor allem in den Regionen verändert in denen Luftmassen ihren Ursprung haben bzw. in denen atmosphärische Wellen zu wachsen beginnen. Des Weiteren wird die Auflösung der Modellsimulationen variiert, um deren Einfluss auf die Prognose abzuschätzen. Das Ergebnis der vielen Modellläufe ist ein Satz von Vorhersagen (ein sog. Ensemble), welche sich mehr oder weniger deutlich von einander unterscheiden. Zeigen die unterschiedlichen Modellläufe zu bestimmten Zeitpunkten gleiche Atmosphärenzustände, dann ist die Vorhersage recht sicher. Große Abweichungen signalisieren jedoch, dass eine Vorhersage nicht möglich ist. Aus dem zeitlichen Verlauf kann festgestellt werden ab wann eine Vorhersage unsicher wird.

GFS-„Spaghetti“-Plots In den sog. „Spaghetti“-Plots werden ausgewählte Isohypsen (im Bsp. 516, 552 und 576 gpdam in 500 hPa) mehrerer Ensembleläufe gleichzeitig dargestellt. Erzeugen die verschiedenen Läufe in etwa eine gleiche Vorhersage, dann liegen die gleichen Isohypsen nahe zusammen. In diesem Fall kann der Prognose vertraut werden. 24 h Vorhersage für UTC Quelle: Wetterzentrale h Vorhersage für UTC Quelle: Wetterzentrale

Ensemble-Prognosen des ECMWF LaufAuflösungAnfangsbedingungen deterministischer LaufT 799unverändert KontrolllaufT 399unverändert Ensembleläufe (50)T 399verändert Maximaler Wert aller Ensemblewerte Minimaler Wert 25 % der Ensemblewerte Median Bemerkung: In atmosphärischen Modellen werden meteorologische Variablen durch Kugelflächenfunktionen dargestellt. Die Kugelflächenfunktionen werden wiederum mittels Fourierreihen angenähert, wobei ab einem bestimmten Fourierkoeffizienten abgebrochen (Engl.: „truncation (T)“) wird. 90 % der Ensemblewerte 10 % der Ensemblewerte

Box-Whisker-Plot highest value upper quartile = third quartile = 75th percentile lower quartile = first quartile = 25th percentile median (median quartile = second quartile = 50th percentile) lowest value

I Ensemble-Prognosen des ECMWF Untch, A., M. Miller, M. Hortal, R. Buizza und P. Janssen, 2006: Towards a global meso- scale model: The high-resolution system TL799L91 and TL399L62 EPS. ECMWF Newsletter, 108, Buizza, R., J.-R. Bidlot, N. Wedi, M. Fuentes, M. Hamrud, G. Holt, T. Palmer und F. Vitart, 2006: The ECMWF Variable Resolution Ensemble Prediction System (VAREPS). ECMWF Newsletter, 108, Globales meso-skaliges ECMWF-Modell (Stand 2006):  L799L91 (deterministischer Lauf)  T399L62 (51 Ensemble-Läufe; 50 Läufe mit gestörten Anfangsbedingungen und 1 Lauf ohne Störung) Ensemble Prognosen mit variabler Auflösung (Stand 2006/2007):  ab Tag 10: T255L62 bis zum Tag 15  wöchentlich: Monats-Ensemble-Vorhersagen (ab Tag 10: Kopplung mit Ozean)

ECMWF Ensemble-Prognose: Bonn vom UTC

A. H. Fink, V. Ermert METSYN: Übung Synoptik WS 2007/2008 DWD-Meteogramm: Essen Temperatur in 2 m Temperatur in 850 hPa Temperatur in 500 hPa + 10°C Bedeckung Wolken signifikantes Wetter Druck Niederschlag Winde

Autoren. Peter Michael Inness, Steve Dorling Veröffentlichung. Januar 2012 Bibliotheks-Signatur N-INN Inness & Dorling (2012) Literaturtipp: Operational Weather Forecasting

Analyse der Wetterlage a) Beschreibe mit Hilfe der 300 und 500 hPa Karte sowie der Bodenanalyse die generelle Wetterlage, ist sie zonal oder meridional geprägt (Begründung!)?

b) Wo befinden sich lange und kurze Rossby-Wellen? In welche Richtung verlagern sich diese voraussichtlich? Analyse der Wetterlage

c) Wo erstreckt sich in etwa die Polarfront (Begründung!)? Analyse der Wetterlage

d) Hat sich kalte Luft von der Höhenströmung abgelöst? Handelt es sich dabei um einen Kaltlufttropfen oder Cut-Off (Begründung!)? Analyse der Wetterlage

e) Wo befinden sich Tief(Hoch)druckgebiete? Wie sind Tief(Hoch)druckgebiete im Vergleich zur Höhenkarte lokalisiert? Analyse der Wetterlage

f) Wo befinden sich Fronten, Konvergenzlinien? Analyse der Wetterlage

60 h Vorhersage: 500 & 700 hPa a) Wo über Europa entstehen möglicherweise Schauer und Gewitter? Wo ist die Wetterlage stabil (Begründung!)? b) Ist über Deutschland mit Niederschlag zu rechnen (Begründung!)?

60 h Vorhersage: 500 & 850 hPa Welche Temperatur ist über Madrid in 850 hPa und 500 hPa zu erwarten?

60 h Vorhersage: Meteogramm d) Welche Temperatur tritt am Gitterpunkt Essen voraussichtlich in 2 m, 850 hPa und 500 hPa auf?

60 h Vorhersage: 500 hPa „Spaghetti“-Plot e) In welchen Regionen ist die Vorhersage für das Geopotenzial in 500 hPa sicher, wo ist sie weniger sicher?

f) Bis zu welchem Zeitpunkt kann laut der ECMWF-Ensemble- Vorhersage am Gitterpunkt Bonn die Temperatur, die Wolkenbedeckung und der Niederschlag relativ zuverlässig vorhergesagt werden (Begründung!)?

Übungsaufgaben:  60 h Vorhersage (Beispiel online verfügbar) ansehen  Besprechung der Analyse des Pfingstunwetters vom 09. Juni 2014