FONA MiKlip :: E-WP1

E-WP1 - MOSQUITO

Beobachtungsbasierte Modellergebnis-Verbesserung

Zielsetzung des Projektes

Die erste Phase von MiKlip hat gezeigt, dass die MiKlip Simulationen in der Troposphäre niedrigere Temperaturen erzeugen als beobachtet. Die Modellatmosphäre ist auch feuchter und weniger stabil als beobachtet. Je nach Modell-Initialisierung driften die simulierten Temperaturen während einiger Simulationsjahre. Ziel von MOSQUITO ist eine umfassende Charakterisierung dieser Modellfehler, wobei qualitativ hochwertige Radiosondendaten als Referenz genutzt werden. Außerdem sollen Unsicherheiten durch die grobe Auflösung von Modell-Simulationen und meteorologischen Re-Analysen durch Vergleich mit den feineren Strukturen der Radiosondenaufstiege besser bestimmt werden.

Projektstruktur

MOSQUITO gehört zum Validierungsmodul E, und ist ein Arbeitspaket des DWD Modul-E Projekts. MOSQUITO wird am Meteorologischen Observatorium Hohenpeißenberg bearbeitet.

Aufgabenstellung des Projektes

MOSQUITO wird die bestehende Datenbasis qualitativ hochwertiger Radiosondenaufstiege erweitern. Diese Beobachtungen bilden die Grundlage zur Charakterisierung systematischer Fehler und Unsicherheiten der meteorologischen Reanalysen, und der globalen und regionalen MiKlip Simulationen. Anschließend sollen Korrekturen für die simulierten Temperatur- und Feuchteprofile entwickelt werden. Unter anderem sollte das verbesserte Wahrscheinlichkeitsaussagen zu Schwerwetterereignissen liefern.

Abb. 1. Systematischer Temperaturfehler der MiKlip Simulationen im Vergleich zu Radiosonden-Beobachtungen über Deutschland. B0-LR, B1-LR, B1-MR und P-LR bezeichnen die Baseline 0, Baseline 1 und Prototype low resolution (LR) und mixed resolution (MR) Experimente. B1-LR-reg bezeichnet die COSMO Regionalsimulationen zu B1-LR.

Abb.2 Wie in 1. aber für die zeitliche Entwicklung des Temperaturfehlers bei 500 hPa mit wachsendem Vorhersagejahr. Die Vollfeld-Initialisierung bei P-LR ergibt eine starke zeitliche Drift.

Erwartete Ergebnisse

Die MOSQUITO Datensätze werden auf dem zentralen MiKlip Server bereitgestellt und in das zentrale Evaluierungstool eingebunden. Die zu entwickelnden Korrekturmethoden sollen in die MiKlip Post-Prozessierung eingebaut werden.

Projektfortschritte

Validierung des MiKlip Vorhersagesystems mit Radiosondendaten.

Das Arbeitspaket MOSQUITO2 wurde im Januar 2017 begonnen. Validierung der neuen, präoperationellen MiKlip II Modell-Läufe zeigt, dass die vorher im Modell bestehenden Temperatur- und Feuchteunterschiede (vgl. Abb. 1 und 2 oben) erheblich reduziert werden konnten. Als Beispiel zeigt Abb. 3 gute Übereinstimmung zwischen modellierten und beobachteten Wahrscheinlichkeitsdichteverteilungen für Temperatur (links) und relative Feuchte (rechts) in der freien Atmosphäre über Mitteleuropa. In früheren Modelversionen waren die simulierten Temperaturen häufig zu niedrig und die simulierte Feuchteverteilung zeigte in der Regel zu hohe Feuchten. In beiden Bereichen liefern die neuen MiKlip II MPIESM 1.2 präoperationellen Hindcasts eine deutliche Verbesserung.

Abb. 3: Wahrscheinlichkeitsdichteverteilung für modellierte und beobachtete 500 hPa Temperaturen (links) und für relative Feuchte bei 700 hPa in der Nähe der Radiosondenstation Payerne. Modellergebnisse stammen aus den MiKlipII MPIESM 1.2 präoperationellen Hindcasts.

Vergleich zwischen Reanalysen und Radiosondenbeobachtungen

Ein anderes Thema war die Frage, wie gut klein-skalige Variabilität, die von den Radiosonden beobachtet wird, in den globalen Reanalysen aufgelöst wird. Als Beispiel dazu zeigt Abb. 4 die Standardabweichung zwischen beobachteter Temperatur und Ergebnissen von zwei Reanalysen. Im allgemeinen folgen die Reanalysen (NCEP, MERRA, ERA-Interim, JRA25, 20CR) den Radiosonden-gemessenen Temperaturen sehr genau. Über dem kontinentalen Mitteleuropa ist die Standardabweichung, z.B. für die 300 hPa Fläche und ERA-Interim, in der Regel kleiner als 0.3 K – also vergleichbar mit der Meßgenauigkeit der Radiosonden Temperaturfühler. Im Küstenbereich treten allerdings größere Standardabweichnungen auf, im Bereich von 1 K oder mehr. Bei der 20th Century Reanalysis treten dagegen fast überall größere Differenzen auf, im Bereich von 1 K. Das ist keine Überraschung, da die 20th Century Reanalysis nur auf Bodendruckfeldern beruht, während alle anderen Reanalysen auch Daten aus der freien Atmosphäre berücksichtigen.

Abb. 4: Standardabweichung zwischen Radiosonden- und Reanalysen-Temperaturen für die 300 hPa Fläche über Europäischen Stationen. Links für ERA-Interim, rechts für die 20th Century Reanalysis.

Abschätzung von Extremwetter Häufigkeiten anhand von Radiosondendaten und MiKlip Modell-Läufen (basierend auf dem K-Index)

In der zweiten Projektphase wurde unter anderem die Qualität der MiKlip Modell Hindcasts im Hinblick auf die Häufigkeit extremer Wetterverhältnisse untersucht. Wie in der ersten Projektphase gezeigt, eignet sich dazu der K-Index. Er kann aus den vorhandenen Daten berechnet werden und ist ein guter Indikator z.B. für Gewitterwahrscheinlichkeit.

Der K-Index ist gegeben durch K = (T850 – T500) + TD850 – (T700 – TD700), wobei T die Lufttemperatur ist und TD die Taupunkttemperatur, jeweils in der durch die Zahlen angegebenen Druckfläche. Der K-Index betrachtet den vertikalen Temperaturgradienten und den Feuchtegehalt der unteren Atmosphäre.

Abb. 5 zeigt Beispiele für die Häufigkeitsverteilung des K-Indexes in Radiosondendaten und in verschiedenen MiKlip Modell-Läufen: Baseline 1-LR (b1-LR), prä-operationell LR (PreopLR) und prä-operationell HR (PreopHR). K-Index Werte kleiner als 15 (hellblaue Linie in Abb. 5) deuten eine stabil geschichtete Atmosphäre an und geringe Gewitterwahrscheinlichkeit. K-Index Werte größer als 35 (violette Linie in Abb. 5) zeigen instabile feuchte Atmosphäre und hohe Gewitterwahrscheinlichkeit an. Letzteres gilt vor allem für den warmen Sommer, während im Winter Gewitter auch bei hohem K-Index nicht so wahrscheinlich sind (wegen der im Allgemeinen geringeren absoluten Feuchte).

Die PreopHR Läufe geben für die meisten europäischen Stationen die beste Übereinstimmung mit den Radiosondendaten. Sie überschätzen die Häufigkeit hoher K-Werte nicht, im Gegensatz z.B. zu den b1 Läufen. PreopHR ist im Allgemeinen auch besser als PreopLR, wobei bereits PreopLR bessere Ergebnisse liefert als b1. Einzige Ausnahme zu dieser Regel sind ein paar Küstenstationen im Mittelmeerraum, wo PreopHR und PreopLR die Häufigkeit hoher K-Werte im warmen Sommer leicht unterschätzen, während die b1-Läufe dort (ausnahmsweise) gute Übereinstimmung mit den Radiosondendaten liefern.

Abb.5 Häufigkeitsverteilungen für den K-Index aus Radiosondendaten und MiKlip Modell-Läufen. Links für den warmen Sommer, rechts für den kälteren Winter. Ergebnisse sind für die Jahre 1996 bis 2016 und den 12 UTC Termin, die Modelldaten sind für die Vorhersagejahre 2 bis 9. Hellblaue vertikale Linie: Schwelle unterhalb der Gewitter sehr unwahrscheinlich sind. Violette vertikale Linie: Schwelle oberhalb der Gewitter sehr wahrscheinlich auftreten.

Korrektur des Modell-Bias anhand von Radiosondendaten

Hierzu wurden Korrektur-Plugins, die bereits in MiKlip entwickelt wurden (Recalibration, DriftCorrection), mit Radiosondendaten als Referenzbeobachtungen eingesetzt und getestet. Zusätzlich wurde eine neue Korrekturmethode getestet, die auf der Abbildung von Quantilen der verschiedenen kumulierten Häufigkeiten beruht (Quantile Mapping).

Abb. 6 zeigt einen Vergleich der verschiedenen Methoden anhand von Jahresmitteln der Feuchte. Dabei liefern die verschiedenen Methoden ziemlich ähnliche Ergebnisse.

Betrachtet man dagegen zeitlich höher aufgelöste Daten, z.B. Monatsmittel der Feuchte, dann liefert naturgemäß das Quantile-Mapping bessere Ergebnisse als die anderen Methoden. Abb. 7 zeigt z.B., dass das Quantile-Mapping, per Definition, die beobachtete Häufigkeitsverteilung besser reproduziert als DriftCorrection. Recalibration wurde hier nicht verwendet, da es nur Daten auf Jahresbasis liefert und damit für Häufigkeitsverteilungen nicht eingesetzt werden kann.