Die Wettervorhersage und ihre Tücken

Transkript

1 Lehrerfortbildung 11. Juni 2008 Die Wettervorhersage und ihre Tücken M. Kunz Institut für Meteorologie und Klimaforschung Universität / Forschungszentrum Karlsruhe die Realität Orkantief Lothar am Bilanz: über 80 Tote (Europa) 12 Mrd. Schäden 3 Millionen Versicherungsfälle in F 1

2 Orkantief Analyse Vorhersage (+24 h) Orkantief nicht vorhergesagt!! unzureichende Warnung durch schlechte Vorhersage Niederschlagsepisode August 2005 Bilanz: 9 Tote (D A CH) 3.5 Mrd. Schäden (Schweiz) 2

3 Niederschlagsepisode August 2005 Vergleich Niederschlag mit Beobachtungen; akkumuliert August Vorhersage alle Gitterpunkte Vorhersage Beobachtung 12:00 Uhrzeit 12:00 Beobachtung Gitterpunkte oberhalb 1500 m NN Vorhersage Beobachtung Zufrieden stellende und frühzeitige Warnungen durch gute Niederschlagsprognose agenda Wie entsteht eine Wettervorhersage? Ablauf Voraussetzungen und Prinzip Numerische Verfahren Probleme der Wettervorhersage Parametrisierungen Modellauflösung Neue Wege Ensemble-Vorhersagen Hochaufgelöste Wettervorhersagemodelle weitere Forschung 3

4 Aufgabe der Wettervorhersage Warnung vor Gefahren aus der Atmosphäre Abwendung von Schaden an Leben und Vermögen Sicherung von Luftfahrt, Schifffahrt Information wetterabhängige Wirtschaftszweige: Landwirtschaft, Bauwirtschaft, Energiewirtschaft, Verkehrswesen Vorsorgeverpflichtung des Staates Grundgesetz Gesetz über den Deutschen Wetterdienst Ablauf der Wettervorhersage 1. Beobachtung: Messungen - Wind (u,v,w) - Temperatur - Luftdruck - Feuchte - weltweit! 4

5 Ablauf der Wettervorhersage 1. Beobachtung: Messungen Datenassimilation 2. Analyse: Anfangszustand - Wind (u,v,w) - Temperatur - Luftdruck - Feuchte - weltweit! Ablauf der Wettervorhersage 1. Beobachtung: Messungen Datenassimilation 2. Analyse: Anfangszustand Numerische Wettervorhersage 3. Vorhersage 5

6 Ablauf der Wettervorhersage 1. Beobachtung: Messungen Datenassimilation 2. Analyse: Anfangszustand Numerische Wettervorhersage 3. Vorhersage Interpretation 4. Anwendung Wie entsteht eine Wettervorhersage? Voraussetzung für Wettervorhersagen: Atmosphäre folgt physikalischen Gesetzen physikalische Randbedingungen sind bekannt Anfangsbedingungen sind messbar und bestimmbar Prinzip: Erhaltungssätze der Physik Masse (Luft, Wasserdampf, Flüssigwasser, Eisteilchen) Energie Impuls (3 Raumrichtungen) Acht Bilanzgleichungen müssen gelöst werden im Prinzip partielle, nicht-lineare Differentialgleichungen müssen durch endliche Differenzen approximiert werden 6

7 Wettervorhersage: numerische Lösung Lösung I: Numerische Verfahren Aufteilung Atmosphäre in viele kleine Gitterboxen Berechnung der Gleichungen an Gitterknoten Wetter in Zukunft z.b. COSMO-DE Mitteleuropa: 322 x 322 x 40 = Gitterpunkte Wettervorhersage: zu berücksichtigende Prozesse Zeitskala T in sec Raumskala L in m 7

8 Wettervorhersage: numerische Lösung Lösung II: Nesting COSMODE Modelle in Deutschland (DWD) Mittelfristvorhersage (1-10 Tage) globales Modell: GME 40 km Auflösung horizontal Kurzfristvorhersage (0-3 Tage) Lokales Modell COSMO-EU 7 km Auflösung Kürzestfristvorhersage (0-24 h) Lokales Modell COSMO-DE 2.8 km Auflösung COSMO-EU GME Nesting: GME COSMO-EU COSMO-DE Probleme auf dem Weg zur Wettervorhersage nichtlineare, partielle Differentialgleichungen numerische Lösungsverfahren hoher Rechenaufwand, Ungenauigkeiten 8

9 Probleme auf dem Weg zur Wettervorhersage nichtlineare, partielle Differentialgleichungen numerische Lösungsverfahren hoher Rechenaufwand, Ungenauigkeiten : an jedem Gitterpunkt müssen Modellvariablen bekannt sein Verfahren: Datenassimilation Stationen: Land +Schiff 9

10 Stationen: Land +Schiff Bojen Radiosonden Stationen: Land +Schiff Bojen Radiosonden Flugzeuge (00:00 UTC) 10

11 Stationen: Land +Schiff Bojen Radiosonden Flugzeuge (00:00 UTC) Satelliten: Temperatur und Feuchte Retrievals Stationen: Land +Schiff Bojen Radiosonden Flugzeuge (00:00 UTC) Satelliten: Temperatur und Feuchte Retrievals Satelliten: Windfelder aus Wolkendrift unterbestimmtes 11

12 Chaos: System sensitiv bezüglich Anfangsbedingungen Analogie: Annahme: Ball rollt über Buckelpiste 1. Einfache Bahn (Lorenz, 1953) Chaos: System sensitiv bezüglich Anfangsbedingungen Analogie: Annahme: Ball rollt über Buckelpiste 1. Einfache Bahn 2. Verschiebung Ausgangsposition: verschiedene Realisationen (Lorenz, 1953) 12

13 Chaos: System sensitiv bezüglich Anfangsbedingungen Analogie: Annahme: Ball rollt über Buckelpiste 1. Einfache Bahn 2. Verschiebung Ausgangsposition: verschiedene Realisationen 3. Minimale unterschiede Ausgangsposition: erst gleicher Weg, danach Divergenz Eigenschaft Chaos: benachbarte Zustände (Ausgangspositionen) können divergieren auch bei noch so geringen Unterschieden in der Ausgangsposition (Lorenz, 1953) Chaos: System sensitiv bezüglich Anfangsbedingungen Wettervorhersage: Vorhersagbarkeit endet bei 14 Tagen DWD,

14 Probleme auf dem Weg zur Wettervorhersage nichtlineare, partielle Differentialgleichungen numerische Lösungsverfahren hoher Rechenaufwand, Ungenauigkeiten : an jedem Gitterpunkt müssen Modellvariablen bekannt sein Verfahren: Datenassimilation Auflösung Modell: Wiedergabe von lokalen Effekten, z.b. Berg-Talwinde Auflösung nur von skaligen Prozessen Probleme auf dem Weg zur Wettervorhersage nichtlineare, partielle Differentialgleichungen numerische Lösungsverfahren hoher Rechenaufwand, Ungenauigkeiten : an jedem Gitterpunkt müssen Modellvariablen bekannt sein Verfahren: Datenassimilation Auflösung Modell: Wiedergabe von lokalen Effekten, z.b. Berg-Talwinde Auflösung nur von skaligen Prozessen Parametrisierungen: für subskalige Vorgänge z.b. Konvektion 14

15 Parametrisierungen: z.b. Niederschlag Wolkenmikrophysik in COSMO Niederschlag und Verdunstung am Boden Probleme auf dem Weg zur Wettervorhersage nichtlineare, partielle Differentialgleichungen numerische Lösungsverfahren hoher Rechenaufwand, Ungenauigkeiten : an jedem Gitterpunkt müssen Modellvariablen bekannt sein Verfahren: Datenassimilation Auflösung Modell: Wiedergabe von lokalen Effekten, z.b. Berg-Talwinde Auflösung nur von skaligen Prozessen Parametrisierungen: für subskalige Vorgänge z.b. Konvektion viele, viele nicht verstandene Phänomene 15

16 Wettervorhersage: Die Realität Verbesserung der Vorhersagegüte in Vergangenheit ( ) Korrelation Geopotential 500 hpa Damrath, 2004 Neue Ansätze zur Verbesserung der Vorhersage Ensemble-Modellierung Hoch aufgelöste Modelle Weitere Forschung 16

17 Ensemble-Vorhersage Schema einer Ensemble-Vorhersage Temperature Temperature Vorhersage der Temperatur T=0 T=1 Forecast time Ensemble-Vorhersage Schema einer Ensemble-Vorhersage Temperature Temperature Vorhersage der Temperatur Wahrheit T=0 T=1 Forecast time 17

18 Ensemble-Vorhersage Ensemblevorhersage: Schema einer Ensemble-Vorhersage Variation des Anfangszustands (p, T, q, u, v) um alle Temperature Temperature möglichen Zustände in der Zukunft abzudecken; Damit auch Bestimmung der Unsicherheiten, die Mitglieder des sich Ensembles aus dem (unterbestimmten) Anfangszustand ergeben Wahrheit PDF(t) Vorhersage der Temperatur Verteilung kleiner Temperaturabweichungen PDF(0) T=0 T=1 Forecast time Ensemble-Vorhersage: ECMWF (51 Vorhersagen) Beispiel: Ensemblevorhersage von Lothar 18

19 Ensemblevorhersage: COSMO-LEPS Quantifizierung der Wahrscheinlichkeiten mit COSMO-LEPS Wahrscheinlichkeit in % Hoch aufgelöste regionale Modelle In der Regel Vorhersage für Kürzestfrist (bis 24 h) Hohe räumliche Auflösung führt zu erheblicher Zunahme der CPU-Zeit je mehr Gitterpunkte, umso größer Rechenaufwand CFL-Kriterium (Courant-Friedrich-Levi): t x/u max Halbierung Gitterweite Verachtfachung Rechenzeit 7000 m Auflösung 2800 m Auflösung 1000 m Auflösung 1 x 1 x 1 = x 2.5 x 2.5 = x 7 x 7 =

20 Hoch aufgelöste regionale Modelle Auflösung einer Multizelle am Beispiel COMSO-DE Hoch aufgelöste regionale Modelle: COSMO-DE 24-h Niederschlagssummen für den Radarbeobachtung COSMO-DE ohne COSMO-DE mit Assimilation Radardaten Assimilation Radardaten Stephan,

21 Aktuelle Forschung: Beispiel COPS