Beobachtung mit MRR und Disdrometer Cluster: Räumliche und Zeitliche Variation von Niederschlagsparametern Wenchieh Yen, Susanne Crewell Institut für Geophysik.

Präsentation zum Thema: "Beobachtung mit MRR und Disdrometer Cluster: Räumliche und Zeitliche Variation von Niederschlagsparametern Wenchieh Yen, Susanne Crewell Institut für Geophysik."—  Präsentation transkript:

1 Beobachtung mit MRR und Disdrometer Cluster: Räumliche und Zeitliche Variation von Niederschlagsparametern Wenchieh Yen, Susanne Crewell Institut für Geophysik und Meteorologie, Universität zu Köln

2 Feld Experiment E Lichtenau Wielenbach5.5 km W 3 x Disdrometer 9 x Mikro Regenradar 1 x Regenmesser Kontinuierliche Messung über 3 Monate in Süd Bayern Sommer 2006 Zwei auf West-Ost ausgerichtete Messorte mit einem Abstand von 5.5 km Über 200 Regenstunden und > 300 mm Niederschlag registriert

3 Instrumente Typ: mechanisch Zeitliche Auflösung: 60 s Sammelfläche: 50 cm2 RDSD, R, Z Joss-Waldvogel disdrometer Parsivel disdrometer Mikro Regenradar Typ: optisch Zeitliche Auflösung: 60 s Sammelfläche: 54 cm2 RDSD, R, Z Doppler Radar@24.1 GHz, Öffnungswinkel 2° Zeitliche Auflösung: 10 s Vertikale Auflösung: 100 m RDSD, R, Z

4 Motivation Wie gut stimmen unterschiedliche Instrumente überein? Wie stark sind die räumlichen und zeitlichen Variationen? Mit MRR und Disdrometer Cluster an zwei Orten wird untersucht: Zukunft: Verknüpfung von in-situ Messungen am Boden und Radarpixel in Höhe durch MRR

5 Exkurs: Mikrophysikalische Parameter

6 Auswertungszeitraum MRR Messprotokoll Wielenbach Lichtenau Ausfall

7 Auswertungszeitraum MRR Messprotokoll Wielenbach Lichtenau Ausfall Ungültig

8 Auswertungszeitraum MRR Messprotokoll mit QC Wielenbach Lichtenau 2006.07.20 Alle MRRs 2006.10.03 Abbau Disdrometer

9 Ein Bespiel am 2006.08.28 MRR – JWD – MRR@300mMRR@300 JWD Lichtenau Wielenbach R Z

10 Ein Bespiel am 2006.08.28 MRR – JWD – MRR@300mMRR@300 JWD Lichtenau Wielenbach R Z

11 Definition von Regenereignissen Zeitraum 2006.07.20 – 2006.10.03; 79 Tage Disdrometer als “Ground Truth” Dauer > 30 min Zwischen-Interval > 60 min Regenrate > 0.1 mm h-1 Tropfendichte > 30 m-3 Gesamtniederschlag > 1 mm Ereignisränder um ± 30 min JWD Messung in Lichtenau

12 Rauschen in JWD Data Die unterste Tropfenklasse in dem JWD in Wielenbach ist stark verrauscht Vergleich mit einem anderen JWD in Lichtenau (Referenz in Abb.) bei langem stratiformen Niederschlag (2006.08.03 und 2006.09.26-27) Die unterste TropfenklasseBenachbarteTropfenklasse → Die unterste Tropfenklasse wird abgekappt

13 Effekt der Abkappung 2006.08.03 stratiform2006.08.28 gemischt – JWD ohne Abkappung– JWD mit Abkappung– JWD Referenz (ohne Abkappung) Klassisc h M-P Intercept R NtNt N0N0

14 Effekt auf mikrophysikalische Parameter JWD, alle Messdaten Höhere Momente sind wenig beeinflusst Starke Änderung auf N 0 (10 fach) bzw. Λ (Neigung auf Log-Axe) 10% Zunahme des Masse-gewichteten Durchmesser

15 Anmerkungen JWD: 0.36 (0.45) mm < D < 6.0 mm. Parsivel: 0.30 mm < D < 9.6 mm (Dmax bei 24.5 mm), jedoch keine Beschränkung für Fallgeschwindigkeit bei Integration. MRR: 0.11 mm < D < 6.0 mm (Atlas 1973). Daten genommen aus dem 3. Bin und zeitlich integriert auf 60 s ausser sonst spezifiziert.

16 Ereignisanalyse LichtenauWielenbach Insgesamt wurden 36 Ereignisse identifiziert Disdrometer – MRR

17 Disdrometer Vergleich Parsivel stimmt gut mit JWD überein Großer Unsicherheit bei kleiner R JWD Probleme bei großer R und Z Lichtenau, nebeneinander liegende Parsivel und JWD RZ

18 Bias in R und Z LichtenauWielenbach JWD-Parsivel MRR-Parsivel Nebeneinander liegende Instrumente RZ MRR neigt start dazu, R und Z zu überschätzen Gemittelter Bias in R und Z → JWD: 5% und 4%; MRR: 60% und 16% Streuung in R grösser als in Z

19 Z-R Relation Nebeneinander liegende MRR und Disdrometer in Lichtenau MRR Z = 145 * R^1.48 Parsivel Z = 153 * R^1.42 JWD Z = 204 * R^1.5 M-P Z = 200 * R^1.6

20 Niederschlag aller Ereignisse LichtenauWielenbach Gesamtniederschlag in 0.3 mm/h Bins

21 Niederschlag aller Ereignisse LichtenauWielenbach Verhältnis Gesamtniederschlag zwischen MRR und JWD in 0.3 mm/h Bins Ausfall MRR UH2 am 03-04.08.06: ein c.a 15 Std. langes stratiformes Ereignis

22 Niederschlag aller Ereignisse LichtenauWielenbach Gesamtniederschlag in 0.3 mm/h Bins

23 Windrichtung nach DWD Tägliche oktante Zuordung der vorherrschenden Windrichtung bei 750 hPa nach Analyse Ost-relevant: Nicht eindeutig: West-relevant: 3 2 31

24 “On-Site” Korrelation Höchste Korrelation bei 100 m über Grund, obwohl das erste vertraubare Bin bei 300 m sein sollte (links). Rasante Korrelation Abnahme mit zunehmendem Zeitversatz zeigt eine Korrelationslänge kürzer als 5 min (links). Korrelation nimmt mit der Höhe ab. Bei 300 m und 500 m verschiebt sich das Maximum um c.a. 1 min (links). Systematisches Lokalmaxima bei 1400 und 2200 m aufgrund des Brightbands bei 2 langen stratiformen Ereignissen (rechts) Lichtenau, Zeitserien von Regenrate, MRR und Parsivel

25 “Cross-Site” Korrelation Korrelation zwischen MRRs in Lichtenau (west) und Regenmesser in Wielenbach (ost) hat Maximum bei +7 min Zeitversatz, welcher dem vorherrschenden Westwind gut wiedergibt (links) Korrelation in der Vertikale bei 0 Zeitversatz (rot: Lichtenau; green Wielenbach) zu den Regenmesser Messungen in Wielenbach nimmt für die Höhen unter 1500 m stark zu. Zeitserien von Regenrate

26 Zusammenfassung Ähnlicher MRR/Disdrometer Messverlauf an zwei Orten 36 Ereignisse identifiziert von 45 min bis 18 h Dauer Parsivel stimmt gut mit JWD überein f. alle Ereignisse MRR (@300m) überschätzt R (60%) und Z (16%). Unsicherheit bei kurzem/konvektiverem Regen (> 4mm/h) Zeitliche Korrelationslänge an einem Ort für alle Höhen < 5 min Korrelation zwischen zwei Orten unter 800 m wird um 0.4 zunimmt/reduziert.

27 Ausblick Einzelereignisanalyse über die mikrophysikalischen Parameter bei horizontalem und vertikalem Transport, um die Niederschlagsvariation zu verfolgen. Gemeinsame Betrachtung von Ereignisse mit Westwind. Skalierung der Parameter mit der Schmelzschichthöhe. Zusammenhang mit dem Fürholzener Radar ● Kann Wetterradar zwei nahliegende Pixel (Orte) unterscheiden? ● Kann die am Boden beobachtete Inhomogenitaet helfen die Regenschaetzung des Wetterradars zu verbessern? ● Wie gut kann Volumenscan die vertikale Struktur zu repräsentieren?