AQUARadar Verbesserung der Niederschlagsmessung durch Radar. Clemens Simmer Universität Bonn und das AQUARadar-Team

Transkript

1 AQUARadar Verbesserung der Niederschlagsmessung durch Radar Clemens Simmer Universität Bonn und das AQUARadar-Team

2 R A D A R Advances in Quantitative Areal Precipitation Estimation by Radar DFG-Verbundprojekt von Clemens Simmer, Michael Griebel, Silke Trömel, Malte Diederich, Peter Hartmann, Jürgen Braun, Universität Bonn Peter Winkler, Jörg Seltmann, DWD, Hohenpeissenberg Klaus Beheng, Jan Handwerker, Tim Peters, FZ/Universität Karlsruhe Gerhard Peters, Marco Clemens, MPI/Universität Hamburg Susanne Crewell, Universität Köln Martin Hagen, Wenchieh Yen, Martin Leeb, DLR Oberpfaffenhofen Stephan Borrmann, Subir Mitra, Karoline Diehl, Miklos Szakall, MPI/Universität Mainz

3 Motivation Die Annahme eines statischen Zusammenhangs zwischen Radarsignal und Niederschlagsintensität erzeugt Fehler in der instantanen quantitativen Niederschlagsschätzung um 100%. Die Kalibration von Radarmessungen durch Aneichung an direkte Niederschlagsmessungen ist nur für lange Zeitenräume (mehrere Stunden, Tage) möglich.

4 Lösungsansätze Dynamische Z-R-Beziehungen Mikroregenradare als Untersuchungswerkzeuge Lokale Regression Z-R-Beziehungen aus räumlichzeitlichen Strukturen Integrale Radar-Deskriptoren Polarisationsdiversität Tropfenformen aus Windkanalmessungen Regression

5 vertikale Auflösung: m in 30 Range Gates =>( m Höhe) Mittelungszeit: 10 s 1 h Micro Rain Radar (MRR-2) Low power/low cost FMCW Doppler Radar bei 24.1 GHz Größe 0.6 x 0.6 x 0.6 m misst das Rückstreu- Doppler-Spektrum der Regentropfen zur Schätzung des Tropfenspektrums W/m 2 m/s

6 Beispielsmessung vertikale Auflösung 70 Meter Mittelungszeit 30 Seonden

7 North 3D-Rekonstruktion aus mehreren MRR MRR2 1 km 2D- VidRR3 Tower wind profiler MRR1 MRR3 TARA MRR4

8 Gerhard Peters MRRs als Kalibration für Wetterradare Inhomogene Verteilung im Radarpixel W e t t e r r a d a r s t r a h l Micro Rain Radar Auflösungszelle Micro Regen Radar Strahl Wie kann man MRRs zur Eichung verwenden Wie hängen Tropfenspektren vom Regentyp ab? Gibt es typische Tropfensprekten in Abhängigkeit von der Art der Schmelzschicht? Wie hängen die Tropfensprektren vom Abstand von der Schmelzschicht ab? Wetterradar Auflösungszelle

9 Höhenabhängigkeit der Parameter a und b in Z=aR b

10 Zeitserie des abgeleiteten Niederschlags Zusammenhang mit Radarreflektivität Malte Diederich

11 Aus gemessenen Tropfenverteilungen abgeleitete Z-R-Beziehungen aufeinander folgender Zeitabschnitte innerhalb eines Regenereignisses

12 Güte von Z-R- Relationen aus MRR Zeitserie der Güte der Anpassung von Z-R- Beziehungen zeigt unterbrochene Perioden gut definierter Zusammenhänge (Moden) Marco Clemens

13 Z-R-Beziehungen aus den aus dem Brightband ableitbarem Bildungsprozess (nur stratiformer Niederschlag) Kein Brightband: Z=170*R 1,267 Deposition: Z=289*R 1,645 Aggregation: Z=282*R 1,635 Riming: Z=213*R 1,608 Peter Hartmann

14 Information für die Steuerung dynamischer Z-R-Beziehungen in der Praxis Ableitung aus MikroRegenRadaren Nutzung von räumlich-zeitlichen Variationen des 3D-Radarsignals Nutzung der Wettervorhersage (Zustand der Atmosphäre)

15 Integrale Radardeskriptoren Donnaud et al. 1984, Atlas et al. 1990: Der zeitlich integrierte Gesamtniederschlag eines einzelnen Niederschlagssystems V kann abgeschätzt werden über das so genannte Raum-Zeit-Integral (ATI) über das Gebiet mit Reflektivitäten oberhalb einer bestimmten Schwelle τ mittels V=ATI (τ) S(τ) Der flächengemittelte instantane Niederschlag <R> vieler konvektiver Niederschlagssysteme kann über die relative Fläche F der Reflektivitäten oberhalb einer bestimmten Schwelle τ, F(τ) abgeschätzt werden mittels <R>=F(τ) S(τ) Annahme: hängt nur von dieser Schwelle τ ab.

16 Niederschlagsstationen Anzahl DWD: 96 Stationen Zur Ableitung von S sind Radardaten und der Regen am Boden Anzahl LfU: 154 Stationen notwendig. Verfügbare zeitlich hoch aufgelöste Niederschlagsmessungen im Bereich des Karlsruher Radar

17 Tracking von Niederschlags-systemen am Reflektivitäten [dbz] Niederschlagsrate [mm/h] Niederschlagsmessungen am Boden können kleine konvektive Systeme nicht verfolgen.

18 LM-Vorhersage vom mm/h Wettervorhersagemodelle liefern Niederschlag am Boden UND Radarmessungen simultan. Annahme: Modelle geben die physikalischen Prozesse der Niederschlagsbildung korrekt wieder.

19 Beispiele für Regenzellen

20 S(20 dbz) = V / ATI(τ) V [10 3 mm km 2 ] ATI [km 2 h] bei 20 dbz Restvarianz reduzierbar, durch Nutzung weiterer Radarvolumendeskriptoren

21 Signifikant detektierte Deskriptoren Deskriptor HMEAN 100 HMEAN HMEAN 2 99 (A(τ)/A o ) 5 99 HSTD 4 98 MBB 3 97 RTBB 87 MEANE e 17 (A(τ)/A o ) 9 TBB 3 8 TNBB 3 7 HMEAN 4 2 TBB 5 1 Anzahl (Schrittweise Regression, leaveone-out cross-validation) Erklärte Varianz in V/ATI: 98.9% 100 Schrittweise Regressionen mit jeweils 99 V/ATI-Werten werden durchgeführt um jeweils den Fehler des 100sten Niederschlagsereignisses zu bestimmen. Tabelle zeigt, dass der hor. Erwartungswert HMEAN, HMEAN 3, HMEAN 2, der relative Flächenanteil A(τ)/A o ) 5, die hor. Standardabweichung HSTD 4, der mittlere brightband- Anteil MBB 3 und die robstifizierte Trendschätzung im brightband- Anteil RTBB in den meisten Fällen detektiert werden und die Modellgleichung liefern.

22 Relativer Fehler des IRVD-Modells Relativer Fehler des kumulierten Niederschlags Niederschlagsereignisse

23 POLDIRAD Polarisations- Doppler- Radar, DLR Oberpfaffenhofen Frequenz: GHz Wellenlänge: 5.45 cm (C-band) Sendeleistung: 250 kw Polarisationen: linear, zirkular, elliptisch Reichweite: 300 km (Z), 120 km (Doppler) Martin Hagen)

24 Woher kommt das Polarisationssignal beim Radar Zusammenhang Tropfengröße Abplattung muss untersucht werden. Martin Hagen, Karolin Diehl Horizontale Wellen sehen größere Tropfen

25 Herkömmliche Z-R-Relation (links), Z- ZDR-R-Relation (mitte) und eine Konsistenzprüfung (rechts) auf Basis von Disdrometer-Messungen. Dieses Potential für eine massive Verbesserung hat sich bislang noch nicht materialisiert!

26 Bestimmung des Achsenverhältnis b/a von Tropfen im Windkanal 1,0 Present results Beard and Chuang, ,9 Axis ratio 0,8 0,7 0,6 0, Drop diameter (mm) Mit einer Hochgeschwindigkeits-Kamera aufgenommene zeitliche Abfolge eines oszillierenden Regentropfens mit 6.5 mm Äquivalentdurchmesser x Miklos Szakall

27 Zusammenfassung Z-R-Relationen existieren aber variieren meist abrupt Detektion der Moden der Z-R-Relation ist notwendig für die Verbesserung der QPE Integrale Radarvolumendeskriptoren könnten eine Alternative für die QPE sein. Polarisationsradare haben großes Potential zu einer deutlichen Verbesserung der QPE beizutragen.

28 Ausblick AQUARadar Umsetzung des Moden-Konzepts Kalibration mit MRR-Netz Korrelation mit lokaler 3D-Struktur des Radarvolumens Nutzung von Zusatzinformation Integrale Radarvolumendeskriptoren Übergang von simulierten Radarmessungen auf reale Messungen Kombination mit Modenkonzept Radar mit Polarisation DWD-Radarnetz wird auf Polarisation erweitert SFB/TR32+HGF/TERENO installiert 2 X-Band-Radare mit Polarisation im 50 km Abstand für Rur-, Erft und Sieg- Einzugsgebiete