QUEST Quantitative evaluation of regional precipitation forecasts using multi-dimensional remote sensing observations Projektpartner Susanne Crewell,

Präsentation zum Thema: "QUEST Quantitative evaluation of regional precipitation forecasts using multi-dimensional remote sensing observations Projektpartner Susanne Crewell,"—  Präsentation transkript:

1 QUEST Quantitative evaluation of regional precipitation forecasts using multi-dimensional remote sensing observations Projektpartner Susanne Crewell, Thorsten Reinhardt, Universität zu Köln (IGMK) Jürgen Fischer, Stefan Stapelberg, FU Berlin (FUB) George Craig, Martin Hagen, N.N., DLR Felix Ament, N.N., Universität Hamburg (UHH) Axel Seifert, Deutscher Wetterdienst (DWD) Nicole van Lipzig, Katholieke Universiteit Leuven (KUL), Belgien Beitrag zu folgenden Zielen des SPP I. Identifikation der für die Defizite verantwortlichen physikalischen und chemischen Prozesse bei der QNV II. Bestimmung und Ausschöpfung der Potenziale vorhandener und neuer Daten und Prozessbeschreibungen zur Verbesserung der QNV ExtensiomMesage: we seek the continuation of QUEST to exploit GOP data (1 Postdoc and 3 phD students) evaluating mesoscale model forecasts of water cycle variables combination of detailed case study investigations and long-term model evaluations systematic model deficits by averaging out stochastic errors (initial and/or boundary conditions) changing model physics in order to attribute the errors to the treatment of specific processes remote sensing data currently not used in routine model verification radar/satellite observations with resolution comparable to Lokal-Modell Kürzestfrist (LMK, ~ 2.8 km) polarimetric radar, millimetre wave radiometry to investigate different hydrometeor species life cycle of clouds and precipitating cells from model and reality with MSG

2 QUEST: Strategie General Observation Period GOP
Beobachtungen Vorwärts- Operator Retrieval QUEST: Strategie Evaluierung mesoskaliger Vorhersagen von Variablen des hydrologischen Zyklus Kombination (detaillierter) Fallsstudien und Langzeit-Modellevaluierung Identifikation systematischer Modellfehler Untersuchung der Modellphysik, Zuordnung von Modellfehlern zur Modell-Behandlung spezifischer Prozesse Fernerkundungsdaten, die zur Zeit in der Routineverifikation (noch) nicht genutzt werden Radar-/Satelliten-Beobachtungen in räumlicher Auflösung ähnlich zu NWV polarimetrisches Radar & Millimeter-Radiometrie für Hydrometeore Lebenszyklus von Wolken und Niederschlagszellen (Modell/Realität) Vorhersagen General Observation Period GOP Optical thickness: Matching model and obser-vations involves retrieval and model operator

3 Fallstudien vs Langzeit-Evaluierung Langzeit-Evaluierung
Detailierte Analysis Automated analysis Formulation of hypothesis Low significance High significance Fallstudien Sensitivity runs feasible / physical explanation Difficult to indentify physical mechanism Langzeit-Evaluierung Subjectively chosen cases Objective selection of cases Tool development

4 Fallstudien Pfeifer et al., 2008 COSMO-DE COSMO-DE TB@10.8 m MSG
UTC COSMO-DE AMSU 150 GHz Uhrzeit des TB10.8-Minimums COSMO-DE m MSG IR shows cloud top - Microwave pentrates and reveals large concentrations of snow and graupel! Stratiform precipitation over southern Germany is forecasted rather well except convective development over southern Alps Precipitation system over Netherlands is to weak Water vapor channels only slight spatial mismatch of dynamics presence of strong humidity gradients in Ticino Cloud top pressure - widespread high clouds in LM (reduced radiation?)

5 Wolkenoberkante aus COSMO-DE, verschiedene Methoden (1)
Bedeckungsgrad-Schwellwert (skalige und subskalige Wolken berücksichtigt) COSMO-DE, UTC Wolke ab clc>0.01 Wolke ab clc>0.5

6 Wolkenoberkante aus COSMO-DE, verschiedene Methoden (2)
Eis-Schwellwert: (nur skalige Wolken berücksichtigt) COSMO-DE, UTC Wolke ab (qc>1e-10 or qi>5e-5) Wolke ab (qc>1e-10 or qi>1e-7)

7 Wolkenoberkante aus COSMO-DE, verschiedene Methoden (3)
Berücksichtigung von Schnee (nur skalige Wolken) (1) COSMO-DE, UTC Wolke ab (qc>1e-10 or qi>5e-5) Wolke ab (qc>1e-10 or (qi+qs)>5e-5)

8 Modell-Bias im Tagesgang
Crewell et al., 2008 Langzeit-Evaluierung GPS Wasserdampf Wolkenbasishöhe Modell-Bias im Tagesgang Juli 2007 MSG Wolkenoberkantenhöhe different LMK settings different initial conditions different models (MM4, Meso-NH, RACMO) comparison tools; test of hypotheses Konditionelle multi-variate Verifikation erforderlich Regionalisierung Wetterlagen Modell-Vergleiche

9 Integrierter Wasserdampf: COSMO-DE vs GPS 2007
Modell- Startzeit Mittags/nachmittags gestartete Läufe starten trockener! Trockener Bias der mittags assimilierten Radiosonden-Messungen?

10 Für alle Stationen gilt, dass die 12 Uhr gestarteten Radiosonden trockener messen !

11 Langzeit-Evaluierung
Ceilometer-Wolkenhöhen 2007 different LMK settings different initial conditions different models (MM4, Meso-NH, RACMO) comparison tools; test of hypotheses

12 Langzeit-Evaluierung
Ceilometer-Wolkenhöhen 2007 different LMK settings different initial conditions different models (MM4, Meso-NH, RACMO) comparison tools; test of hypotheses

13 Arbeitspunkte 3. Phase (1)
Wasserdampf und sein Einfluss auf Wolken und Niederschlag (FUB, IGMK) - COSMO-DE vs COSMO-EU, Warum COSMO-EU trockener? Advektion? Verdunstung? - Radiosonden-“Dry bias” - räumliche Variabilität (MODIS, MERIS, MSG) Wolkenentwicklung (FUB, IGMK) - Langzeitevaluierung der Modell-(SynSat-)Strahldichten, Wolkenoberkantenhöhen - Ausdehnung und Intensität (Tracking von MSG- und Radardaten + AMSU) - vertikal (MSG- and Ceilometer-Daten) Systematische Wetterlagenabhängigkeit von Modellfehlern (IGMK,FUB,UHH) Erweiterung der GOP-Auswertung auf MAP D-PHASE (UHH) Fehlerstrukturen in Variablen des hydrologischen Zyklus - multivariate Analyse, “lagged”-Korrelationen, Ensembles Bott VERIPREG Objectively identify case studies from GOP data set Combine analysis with surface rate (VERIBREG) different LMK settings different initial conditions different models (MM4, Meso-NH, RACMO) comparison tools; test of hypotheses DAQUA

14 Arbeitspunkte 3. Phase (2)
Grenzschichtentwicklung und –tagesgang (IGMK, DWD) - Analyse von DWD-Testsuiten zu verschiedenen turbulenten Längenskalen Wolkenmikrophysik (DLR, IGMK) - Behandlung der Eisphase (Schnee/Graupel), Graupel-Größenverteilung und -teilcheneigenschaften - (2-Momenten-Schema) WP3.3 Wolken-Strahlungs-Wechselwirkung (IGMK) Schnee im COSMO-Strahlungsschema berücksichtigen? Vergleich mit Strahlungsmessungen (AMF Murgtal, Lindenberg, Cabauw) WP3.4 Evaluierung von Ensembles (UHH) - verschiedene Ensembles (Multi-Modell-, Startzeit-, Konfiguration-, …) - Einbeziehung von MAP-DPHASE - Spread-Güte-Beziehung? – in multivariater Perspektive! Kottmeier et al. Blahak Objectively identify case studies from GOP data set Combine analysis with surface rate (VERIBREG) different LMK settings different initial conditions different models (MM4, Meso-NH, RACMO) comparison tools; test of hypotheses

15 BIAS im Durchschnitt ungefähr 0 !
Zu jeder Radiosondenstation wurde eine GPS-Station in der Nähe gesucht und dann der durchschnittliche BIAS zu verschiedenen Monaten bestimmt! BIAS im Durchschnitt ungefähr 0 !

16 BIAS im Durchschnitt negativ Radiosondenmessungen um 12 UTC trockener !

17 Wolkenoberkante aus COSMO-DE, verschiedene Methoden (4)
Schnee (nur skalige Wolken) (2) COSMO-DE, UTC Wolke ab (qc>1e-10 or qi>1e-7) Wolke ab (qc>1e-10 or (qi+qs)>1e-7)