Deutscher Wetterdienst

Transkript

1 Deutscher Wetterdienst Assimilation des aus GNSS - Daten abgeleiteten integrierten Wasserdampfgehaltes in ein numerisches Wettermodell Karolin Eichler, Klaus Stephan und Christoph Schraff Deutscher Wetterdienst Referat FE12 Datenassimilation

2 Outline Einleitung und Motivation GNSS - Daten im COSMO Modell Ergebnisse mit Schlussfolgerungen Sommerexperiment Winterexperiment Zusammenfassung und Ausblick

3 Einleitung und Motivation GNSS = Global Navigation Satellite System GPS (USA) GLONASS (Russland) GALILEO (EU)... Verzögerung eines Signals durch die Atmosphäre Totaler Delay (integrierter Wert) als Wegdifferenz zwischen geometrischem und realem Weg (ca. 2,3 m) Wet Delay ist proportional zum integrierten Wasserdampfgehalt der Atmosphäre Troller, M.R. (2004): "'GPS based Determination of the Integrated and Spatially Distributed Water Vapor in the Troposphere.

4 Stationsnetz Europa Stationen Modellgebiet

5 Vom ZTD zum IWV D = D v t IWV ob = R v p 1 ε ( k + k T ) s D v l M Stationsdruck Konstante (abhängig von Höhe und geografischer Breite) Gaskonstante Wasserdampf k s, k l Konstanten p ε R v T M = T T Temperatur an der Station

6 Assimilation des IWV im COSMO-DE IWV ist keine Modellvariable und ein integrierter Wert, daher erfolgt Umwandlung in spezifische Feuchte durch die Definition eines beobachteten Feuchteprofils = q q v ob v gs IWV IWV ( corr ) ob gs Wenn Ergebnis Sättigung überschreitet, erfolgt Korrektur Endet nach 20 Iterationen oder wenn Abweichung geringer als 0.1% ist Redundancy Check: Einige Prozessierungszentren werden bevorzugt Qualitätsgewichte werden in jeder Modellschicht berechnet

7 Sommerexperiment ( ) Experiment 7678: Lauf mit GNSS - Daten Experiment 7151: Kontrollexperiment Überwiegend konvektiv geprägtes Wetter (mäßig warm) Ziel: Untersuchung des Einflusses von GNSS - Daten auf die Assimilation und Vorhersage des COSMO-DE inbesondere im Bezug auf den Niederschlag im Sommer

8 Niederschlagsverifikation Assimilation Scores ( ) Fraction Skill Score - gleitendes Mittel über 5 GP RR > 0.1 mm Rot = Kontrolllauf Blau = GNSS - Lauf Equitable Thread Score Frequency Bias Fast durchgängige Verbesserung der Scores

9 Niederschlagsverifikation 00 UTC Vorhersage für 21 h Scores und Tagesgang ( ) Equitable Thread Score Frequency Bias Tagesgang RR > 0.1 mm Rot = Kontrolllauf Blau = GNSS - Lauf Größtenteils positive Einflüsse Fraction Skill Score - gleitendes Mittel über 5 GP Start und Ende der 21 h Vorhersage im Tagesgang besser Fraction Skill Score - gleitendes Mittel über 201 GP Scores zum großen Teil besser

10 Fallbeispiel Problem der langsamen Fronten - Kaltfront mit vorlaufender Konvergenz überquert Deutschland Kleines Tief im Süden

11 GNSS - Lauf Radar Kontrolllauf UTC Vorhersage für 16 UTC RR > 0.1 mm

12 Ergebnisse Sommer Vorhersage: In Scores der Niederschlagsverifikation überwiegend positiver Einfluss Upper Air Verifikation der relativen Feuchte: - Bias und RMSE etwas besser, vor allem in der Höhe Synop - Verifikation: - Bias in Temperatur, Taupunkt, Druck und Windrichtung oft geringer mit GNSS - Keine negativen Einflüsse mit GNSS Assimilation: Scores der Niederschlagsverifikation durchgängig besser Tagesgang des Niederschlages ähnlich zum Kontrollexperiment Upper Air Verifikation der relativen Feuchte: - etwas schlechter (feuchter Bias in der Höhe) Modellproblem der langsamen Fronten durch die Nutzung von GNSS Daten nicht verbessert Nur wenige Daten im Nudgecast

13 Winterexperiment ( ) Experiment 7672: Lauf mit GNSS Daten Experiment 7431: Kontrollexperiment Überwiegend winterliche Troglage mit Hochnebel und auch Schneefall Ziel: Untersuchung des Einflusses von GNSS - Daten auf die Assimilation und die Vorhersage des COSMO-DE im Winter insbesondere im Bezug auf Wolkenauflösung und Niederschlag

14 Niederschlagsverifikation Scores und Tagesgang ( ) RR > 0.1 mm Rot = Kontrolllauf Blau = GNSS - Lauf Fast durchgängige Verbesserung der Vorhersage Überschätzung des Niederschlags in der Assimilation FSS über 5 GP ETS Assimilation Assimilation FBI Assimilation Tagesgang Assimilation ETS Vorhersage FSS über 5 GP Vorhersage FBI Vorhersage Tagesgang Vorhersage

15 UTC - Assimilation Tiefe Wolken im Vergleich mit Satellitenbild GNSS - Lauf Kontrolllauf

16 Niederschlagsüberschätzung Assimilation (Plots by Axel Seifert) Lauf mit GNSS Beobachtung Kontrolllauf

17 Gründe und Schlussfolgerungen im Winter Gebietsmittel zeigt Unterschiede in: - Wolkenwasser, Wolkeneis (mehr Eis mit GNSS, weniger Wasser) - Regensumme, Schneesumme (mehr Schnee mit GNSS) Bei Mischwolken geringerer Sättigungsdampfdruck über Eis Bildung von Wolkeneis in wasseruntersättigter Umgebung, Eiswachstum und Schneebildung Weitere Feuchtezufuhr durch IWV Daten führt zur überhöhten Schnee und Eisbildung Feuchteprofil wird in der Höhe angefeuchtet (weniger niedrige Wolken) und am Boden abgetrocknet Neuer Lauf: GNSS - Daten werden nur in Schichten ohne Wolkeneis genutzt

18 Neuer Lauf mit weniger Wolkeneis GNSS Lauf alt GNSS Lauf neu Kontrolllauf

19 Vorhersage: Ergebnisse Winter Unterschiede in Niederschlagsvorhersage gering Nierschlagsverifikation zeigt größtenteils positive Einflüsse Upper Air Verifikation: - Bias RH: neutral bis leicht negativer Einfluss - RMSE RH: neutral bis leicht positiver Einfluss Synoptische Verifikation: Assimilation: - Leicht negative Einflüsse bei Gesamtbewölkung (FBI, Hits), tiefe Wolken (POD), Temperatur (Bias, RMSE, STDV, Hits) Überschätzung des Niederschlages in den meisten Fällen Maximale Werte werden oft besser wiedergegeben Niederschlagsverifikation: meist negative bzw. maximal neutrale Einflüsse Upper Air Verifikation zeigt negativen Einfluss bei relativer Feuchte

20 Zusammenfassung Positiver Einfluss im Sommer auf Vorhersage und Assimilation (vor allem bei Nutzung von mehr GNSS Daten als im operationellen Fall) Keine negativen Einflüsse auf synoptische Verifikation im Sommer Modellproblem der langsamen Fronten bleibt bestehen Im Winter Probleme mit Wolkeneis und Wolkenauflösung Ausblick Anpassung des Nudgings an Winterkonditionen im Bezug auf GNSS - Daten und Nachrechnen des vollen Zeitraumes sowie Tests zu anderen Zeiten Impactstudie mit mehr GNSS - Daten im Nudgecast und Codeänderung im Sommer (und evtl. Winter) Verifikation der Ergebnisse Dreimonatige COPS Reanalyse mit reprozessierten GNSS Daten Operationelle Nutzung der Daten

21 Vielen Dank für die Aufmerksamkeit Fragen?

22 UTC - Assimilation Tiefe Wolken im Vergleich mit Satellitenbild GNSS - Lauf Kontrolllauf

23 GNSS - Lauf Radar Kontrolllauf UTC Vorhersage für 16 UTC RR > 0.1 mm

24 UTC 06 UTC Vorhersage Tiefe Wolken im Vergleich mit Satellitenbild GNSS - Lauf Kontrolllauf