Statistical and Dynamical Downscaling of Numerical Climate Simulations

Transkript

1 Statistical and Dynamical Downscaling of Numerical Climate Simulations Enhancement and Evaluation for East Asia Thorsten Simon Meteorologisches Institut Universität Bonn

2 Projektbeschreibung Drying of the North, Flooding of the South Haihe Einzugsgebiet: Hauptstadt Beijing 10% China s Bevölkerung Wasserknappheit Poyang Einzugsgebiet: größter Süßwassersee Chinas hohe Variabilität des Wasserstandes großes Überflutungspotential 2

3 Ost-Asiatischer Sommermonsun (EASM) Horizontalwind 850hPa (links) und Niederschlag in mm (rechts) aus ERA-40 gemittelt von 12.Mai bis 17.Mai 3

4 Ost-Asiatischer Sommermonsun (EASM) Horizontalwind 850hPa (links) und Niederschlag in mm (rechts) aus ERA-40 gemittelt von 17.Juni bis 22.Juni 4

5 Ost-Asiatischer Sommermonsun (EASM) Horizontalwind 850hPa (links) und Niederschlag in mm (rechts) aus ERA-40 gemittelt von 29.Juli bis 3. August 5

6 Statistisches Downscaling (SD) Zielgrößen aus Beobachtungsdaten Statistisches Modell Verifikation Anwendung Prädiktoren aus GCM Daten GCM Daten 6

7 Dynamisches Downscaling (DD) räumlich limitiertes Zirkulationsmodell: Regionales Klimamodell (RCM) Komponenten: Dynamischer Kern, z.b. COSMO, WRF,.. Randbedingungen, z.b. CMIP Läufe, globale Re-analysen,.. source: htp:// Numerische Parameter, z.b. Auflösung, Breite der Spongezone, 7

8 CONTRA PRO Vergleich der Ansätze Statistisches Downscaling Einfache Implementierung Automatisch bias-korrigiert Skala der Beobachtung Dynamisches Downscaling Physikalisch konsistent Rasterdaten Unbeobachtete Größen Annahme der Stationarität Datenbasis ggf. unzureichend Technisch und numerisch komplex Fehlerquelle Randbedingungen Kovarianzen i.a. nicht physikalisch konsistent Räumliche Modellierung nichtnormal verteilter Zielgrößen Fehlerquelle Parametrisierung Validierung komplex 8

9 Dynamical Downscaling Statistical Downscaling Zielsetzung Aufbau eines Statistischen Modells für Niederschlagsereignisse Physikalische Interpretation der Prädiktoren Validierung der RCM Läufe Entwicklung einer Methode zur Quantifizierung der Eigendynamik in RCMs 9

10 Dynamical Downscaling Statistical Downscaling Zielsetzung Aufbau eines Statistischen Modells für Niederschlagsereignisse Physikalische Interpretation der Prädiktoren Validierung der RCM Läufe Entwicklung einer Methode zur Quantifizierung der Eigendynamik in RCMs 10

11 Daten Zielgrößen aus Beobachtungsdaten tägliche Niederschlagsmessungen Transformation zu Schwellwertüberschreitung Prädiktoren aus GCM Daten ERA-40 Variablen: Horizontalwind Relative Vorticity Vertikalwind Gesamt-Wassergehalt Zeitraum: Lage der Messstationen im Poyang Einzugsgebiet 11

12 Methode EOF Analyse der ERA-40 Daten Statistisches Modell Generalisiertes lineares Modell (GLM) für binäre Variablen Maximum Likelihood Schätzer (MLE) 4-fold Cross-Validation Verifikation Brier Skill Score (BSS) mit Klimatologie als Referenzvorhersage Reliability-Diagramm 12

13 Verifikation des statistischen Modells 13

14 Physikalische Interpretation EOF-Prädiktor ERA-40: 16.Juni 1994 [s -1 ] [Pa s -1 ] 14

15 Dynamical Downscaling Statistical Downscaling Zielsetzung Aufbau eines Statistischen Modells für Niederschlagsereignisse Physikalische Interpretation der Prädiktoren Validierung der RCM Läufe Entwicklung einer Methode zur Quantifizierung der Eigendynamik in RCMs 15

16 Dynamical Downscaling Statistical Downscaling Zielsetzung Aufbau eines Statistischen Modells für Niederschlagsereignisse Physikalische Interpretation der Prädiktoren Validierung der RCM Läufe Entwicklung einer Methode zur Quantifizierung der Eigendynamik in RCMs 16

17 COSMO-CLM East Asia COSMO-CLM Haihe COSMO-CLM Poyang ERA40 ECHAM5 20C3M ECHAM5 A1B East Asia 50km Haihe 7km Poyang 7km

18 Validierung der RCM Läufe EASM- und EAWM-Dynamiken werden realistisch simuliert Lokale Niederschlagsverteilungen sind näher an den Beobachtungen EASM im COSMO hoch korreliert mit dem EASM in ECHAM5 Niederschlagsverteilung [mm/24h] für die Station Nanchang im Poyang- Catchment 18

19 Quantifizierung der Eigendynamik im RCM GCM bilinear interpoliert punktweise Schätzung der Kohärenzspektren räumliche Verteilung der Kohärenz für eine Frequenz RCM 19

20 Eigendynamik: Beispiele COSMO East Asia mit ECHAM5_20C3M Rand COSMO East Asia mit ERA-40 Rand 20

21 Dynamical Downscaling Statistical Downscaling Zielsetzung Aufbau eines Statistischen Modells für Niederschlagsereignisse Physikalische Interpretation der Prädiktoren Validierung der RCM Läufe Entwicklung einer Methode zur Quantifizierung der Eigendynamik in RCMs 21

22 Schlussfolgerungen Statistical Downscaling Aufbau eines Statistischen Modells für Niederschlagsereignisse Machbarkeit eines GLM für Schwellwertüberschreitung mit EOF Prädiktoren gezeigt Gute Kalibrierung des Modells ist mit Kreuzvalidierung und Zerlegung des Brier Scores belegt Physikalische Interpretation der Prädiktoren EOF-Muster aus relativer Vorticity auf 850hPa und Vertikalwind auf 500hPa assoziieren mit zyklonalen Wirbeln auf der meso-α-skala Vorticity und Vertikalwind spiegeln geostrophische und ageostrophische Komponenten wider Gesamt-Wassergehalt brachte keine zusätzliche Vorhersagbarkeit 22

23 Schlussfolgerungen Dynamical Downscaling Validierung der RCM Läufe EASM und EAWM Dynamiken werden gut aufgelöst, Niederschlagsverteilungen sind näher an Beobachtungen Entwicklung einer Methode zur Quantifizierung der Eigendynamik Kohärenzspektren stellen ein sinnvolles Werkzeug zur Quantifizierung der Eigendynamik eines RCMs dar Räumliche Kohärenzmuster hängen von regionaler Dynamik, numerischen Parametern und den Randbedingungen ab Die Definition der Eigendynamik als Mehrwert ist essentiell für das Verständnis von RCMs Dynamisches Downscaling einer Re-analyse unterscheidet sich konzeptionell von einer regionalen Re-analyse 23

24 Statistical and Dynamical Downscaling of Numerical Climate Simulations Enhancement and Evaluation for East Asia Thorsten Simon Meteorologisches Institut Universität Bonn

25 Referenzen Simon, T., Hense A., Su B., Jiang, T., Simmer, C. and Ohlwein, C. (2013): Patternbased statistical downscaling of East Asian Summer Monsoon precipitation, Tellus A. DOI: /tellusa.v65i Simon, T., Wang, D., Hense, A., Simmer, C. and Ohlwein, C. (2013): Generation and transfer of internal variability in a regional climate model, Tellus A. DOI: /tellusa.v65i Wand, D., Menz, C., Simon, T., Simmer, C. and Ohlwein, C. (2013): Regional dynamical downscaling with CCLM over East Asia. Meteorol. Atmos. Phys. DOI: /s z 25