Niederschlag: Radarbasierte Schätzung und Vorhersage

Größe: px

Ab Seite anzeigen:

Download "Niederschlag: Radarbasierte Schätzung und Vorhersage"

Rudolph Heinrich
vor 6 Jahren
Abrufe

1 OPAQUE Status-Workshop 28. Nov Niederschlag: Radarbasierte Schätzung und Vorhersage Maik Heistermann Universität Potsdam, Institut für Geoökologie * Slide 1

2 OPAQUE Status-Workshop 28. Nov Niederschlag: Radarbasierte Schätzung und Vorhersage Gliederung 1. Quantitative Precipitation Estimation: Merging-Verfahren 2. Quantitative Precipitation Forecasting: STEPS-Verfahren Slide 2

3 Quantitative Precipitation Estimation (QPE) Übersicht Niederschlagsradar als Alternative zur Regionalisierung It may be possible therefore to determine with useful accuracy the intensity of rainfall at a point quite distant (say 100 km) by the radar echo from that point. Slide 3

4 Quantitative Precipitation Estimation (QPE) Übersicht Z.Zt. keine operationelle Nutzbarkeit ohne Anneichung! Raw radar QPE Corrected radar QPE Philosophy 1: Gauge adjustment Philosophy 2: Gauge interpolation corrected by radar observation Radar observation corrected by gauge observation e.g. Merging e.g. Residual interpolation Gauge adjusted radar QPE Slide 4

5 Quantitative Precipitation Estimation (QPE) Übersicht Wann sind geostat. Aneichverfahren Erfolg versprechend fehlerhafte Z/R-Beziehung Wann sind sie mit etwas Glück Erfolg versprechend ämpfung der Radarstrahlung Clutter Bright Band Wann sind sie evtl. gar schädlich wenn die Feldstruktur unzureichend durch das Ombrometermessnetz erfasst wird Slide 5

6 Quantitative Precipitation Estimation (QPE) as Merging Verfahren Idea (Ehret, 2003) a) Interpoliere Niederschlagsfeld aus Ombrometermessungen Präge räumliche Variabilität gemäß Radarbild auf b) radar radar gauges gauges c) radar gauges d) merging result radar gauges Slide 6

7 Quantitative Precipitation Estimation (QPE) as Merging Verfahren RA obs Radarbild RA int Kriged Radar a) radar Stauchung Ratio c = RA obs /RA int c = ln(c) c = a. arctan(b. c) c = exp(c) ratio ratio attenuated b) c) radar gauges gauges radar STAT int Kriging der Stationswerte d) gauges merging result MERG = c. STAT int Merging radar gauges Slide 7

8 RAint Kriged Radar c = ln(c) c = a.arctan(b.c) c = exp(c) a=0.4,b=1.7 a ratio attenuated 10 a=0.8,b=1.7 1 Ratio c = RAobs/RAint Stauchung 10 a=1.2,b= ratio ratio a=0.8,b=1.7 STATint Kriging der Stationswerte. STAT int MERG = c Merging b 1 a=0.8,b=0.7 a=0.8,b= ratio attenuated RAobs Radarbild ratio attenuated Quantitative Precipitation Estimation (QPE) as Merging Verfahren 10 ratio Slide 8

9 Quantitative Precipitation Estimation (QPE) as Merging Verfahren Gültigkeit der Stauchungsparameter {a,b} RMSE intensity > 1mm/h RMSE intensity > 20mm/h RMSE surface abs(bias) surface abs(bias) surface RMSE surface 3.1 Bias intensity > 20 mm/h Bias intensity > 1mm/h a=0.75,b= a=0.8,b=1.7 a=0.8,b=1.7 6 b a=0.8,b= a=0.7,b=2.2 a=0.8,b= b 1.86 b b a=0.85,b= a=1.45,b= a a a a {a=0.8, b=1.7}, nach Ehret (2003) und Gerlach et al. (2004) {aopt,bopt} Slide

Variogrammkarten (Marcotte, 1996) schnell und robust ermöglicht

10 Quantitative Precipitation Estimation (QPE) as Merging Verfahren Variographie auf Basis der Radarbeobachtung Erzeugung von Variogrammkarten (Marcotte, 1996) schnell und robust ermöglicht anisotrope Betrachtungen Variogrammkarte 6/8/2006 8:50 UTC Radarbeobachtung Slide 10

11 Quantitative Precipitation Estimation (QPE) Validierung Benchmarking Stationsinterpolation: IW mit Quadrantensuche Unangeeichtes Radar: W Borama Produkt Residueninterpolation 1: Faktormethode Residueninterpolation 2: ifferenzenmethode IW BOR FAC IF Leave-One-Out Kreuzvalidierung N/A-Modellierung (AP3) Merging MRG Slide 11

12 Quantitative Precipitation Estimation (QPE) Radardaten Aneichzeiträume z.zt. - 9 RAVOR-OP Ereignisse zwischen 2000 und April 2004 bis Juli 2008 (durchgehend) atengrundlage QPE - stündliches Radar-Komposit des W - Borama-Produkt (Clutter-Korrektur, Abschattungskorrektur, verfeinerte Z/R) atengrundlage QPF - 5 min. Radarkomposit des W - RY-Produkt (qualitätsgeprüft) Slide 12

13 Quantitative Precipitation Estimation (QPE) Validierung Alb, 150 km2 Weisseritz, 318 km2 resden Upper anube, 524 km2 Upper Iller, 955 km2 Frankfurt Türkheim München Feldberg Slide 13

14 Slide FAC IF MRG BOR IW RMSE BIAS COR NSE FAC IF MRG BOR IW RMSE BIAS COR NSE Weisseritz Upper anube Quantitative Precipitation Estimation (QPE) Validierung FAC IF MRG BOR IW RMSE BIAS COR NSE FAC IF MRG BOR IW RMSE BIAS COR NSE Alb Upper Iller

15 Quantitative Precipitation Estimation (QPE) Validierung Interpolationsgüte für unterschiedliche Nd.intensitäten: Weisseritz Nash-Sutcliffe Efficiency IW BOR MERG IF FAC Min. rainfall [mm/h] No of available time steps IW BOR BIAS MERG IF FAC Min. rainfall [mm/h] No of available time steps IW BOR RMSE MERG IF FAC Min. rainfall [mm/h] No of available time steps Slide 15

16 Quantitative Precipitation Estimation (QPE) Validierung Interpolationsgüte für unterschiedliche Nd.intensitäten: Obere onau Nash-Sutcliffe Efficiency IW BOR MERG IF FAC Min. rainfall [mm/h] No of available time steps IW BOR BIAS MERG IF FAC Min. rainfall [mm/h] No of available time steps IW BOR RMSE MERG IF FAC Min. rainfall [mm/h] No of available time steps Slide 16

17 Quantitative Precipitation Estimation (QPE) Validierung Interpolationsgüte für unterschiedliche Nd.intensitäten: Alb Nash-Sutcliffe Efficiency IW BOR MERG IF FAC Min. rainfall [mm/h] No of available time steps IW BOR BIAS MERG IF FAC Min. rainfall [mm/h] No of available time steps IW BOR RMSE MERG IF FAC Min. rainfall [mm/h] No of available time steps Slide 17

18 Quantitative Precipitation Estimation (QPE) Grenzen der Kreuzvalidierung: Kleine Zellen UTC Slide 18

19 Quantitative Precipitation Estimation (QPE) Grenzen der Kreuzvalidierung: Clutter Borama (uncorrected) "no rain" data "no rain" data all data Rainfall sum from [mm] and clutter identification Rainfall sum from [mm] and clutter identification all data Rainfall sum from [mm] and clutter identification Rainfall sum from [mm] and clutter identification [0,2000] (2000,4000] (4000,6000] (6000,8000] (8000,1e+04] (1e+04,1.2e+04] (1.2e+04,1.4e+04] (1.4e+04,1.6e+04] [0,2000] (2000,4000] (4000,6000] (6000,8000] (8000,1e+04] (1e+04,1.2e+04] (1.2e+04,1.4e+04] (1.4e+04,1.6e+04] [0,2000] (2000,4000] (4000,6000] (6000,8000] (8000,1e+04] (1e+04,1.2e+04] (1.2e+04,1.4e+04] (1.4e+04,1.6e+04] < RW < RW [2000,2500] (2500,3000] (3000,3500] (3500,4000] (4000,4500] (4500,5000] (5000,5500] (5500,6000] HW HW HW HW Merging < RW < RW Slide

20 Quantitative Precipitation Estimation (QPE) Grenzen der Kreuzvalidierung: Clutter Windräder Nash: 0.67 RMSE: 0.21 ME: Slide 20

21 Quantitative Precipitation Estimation (QPE) Grenzen der Kreuzvalidierung: Clutter mehr Windräder Slide 21

22 Quantitative Precipitation Estimation (QPE) Zusammenfassung Zusammenfassung Merging scheint insgesamt robuster und weniger biased Residueninterpolation und unangeeichtes Radar werden bei hohen Intensitäten besser Verhalten der unterschiedlichen EZG uneinheitlich einige Effekte entziehen sich der direkten Bewertung durch CV Ergebnisse der N/A-Modellierung essentiell zur Bewertung Slide 22

23 Quantitative Precipitation Estimation (QPE) Ausblick Nächste Schritte Plausibilitätsprüfung für Ombrometer (v.a. Obere Iller) Clutteridentifizierung Aneichbarkeit kleiner Zellen Integration des Qualitätsprodukts Benchmarking mit Messnetzausdünnung Laufzeittests- und Optimierung Slide 23

24 Quantitative Precipitation Forecasting (QPF) Zielstellung Vorhersage für die nächsten 2-3 Stunden Extrapolation des Geschehens aus Zeitreihe von Radar-Scans Generierung stochastischer Vorhersage-Ensembles STEPS: Short Term Ensemble Prediction System (Bowler et al. 2006) courtesy of Centre for Australian Weather and Climate Research & UK MetOffice Optical Flow Verlagerung des Feldes + S-PROG Entwicklung im Feld Skalensensitive Methodik Identifizierung von Unsicherheiten Slide 24

25 Quantitative Precipitation Forecasting (QPF) Verlagerung des Niederschlagsfeldes Konzept des Optical Flow Algorithmus (Bowler et al., 2004) Optical flow constraint R R R u +v + =0 x y t ideal noisy Smoothness constraint min 2V, with V = (u, v) Slide 25

26 Quantitative Precipitation Forecasting (QPF) Verlagerung des Niederschlagsfeldes Raum-zeitliche ynamik des Verlagerungfeldes e s a e pl F I G l d a e n t i a g m i i r n o a t s e u q e r t n e m u c do Slide 26

27 Quantitative Precipitation Forecasting (QPF) Entwicklung des Niederschlagsfeldes S-PROG (Seed, 2003) Annahme: Persistenz eines Objektes nimmt mit Ausdehnung zu spektrale Zerlegung des Feldes via Band-Pass Filter autoregressives Modell für jeden Teil der spektralen Kaskade kleinskalige Elemente sukzessive durch stochast. Noise ersetzt km km 16-8 km km 8-4 km km 4-2 km Cascade decomposition (Seed, 2003) Slide 27

28 Quantitative Precipitation Forecasting (QPF) Entwicklung des Niederschlagsfeldes Vorhersagegüte in Abhängigkeit von Raum- und Zeitskala 90 min. lead time, 5 ens. members, mean 30 min sums 256 km 128 km 64 km 32 km 16 km 8 km 4 km 2 km [mm] 2 km 4 km 8 km 16 km 32 km 64 km 128 km 256 km 512 km [mm] [mm] 512 km Slide 28

29 Next STEPS Quantitative Precipitation Forecasting (QPF) Nächste Schritte Vorhersagegüte in Abhängigkeit von - der Raumskala - Vorhersagehorizont - Akkumulationsinterval Separation der Fehler durch Verlagerungsanteil und Entwicklungsanteil Betrachtung der Persistenz der Verlagerungsfelder Aneichung der Vorhersagen (z.b. mean field bias mit Persistenzannahme) Validierung in der Abflussvorhersage für ausgewählte Ereignisse Slide 29

Ähnliche Dokumente

Gekoppelte Meteorologie-Hydrologie-Simulation Von der technischen Strategie hin zum Frühwarnsystem

Forschungszentrum Karlsruhe in der Helmholtz-Gemeinschaft Institut für Meteorologie & Klimaforschung IMK-IFU, Garmisch-Partenkirchen High-Tech-Offensive Zukunft Bayern Gekoppelte Meteorologie-Hydrologie-Simulation