Deutscher Wetterdienst

Transkript

1 Deutscher Wetterdienst Klimatologie heute, morgen, übermorgen Dr. Paul Becker Vizepräsident des Deutschen Wetterdienstes

2 2

3 Klima verstehen Umgang mit Klimarisiken Klimaforschung in der demokratischen Gesellschaft 3

4 Konventionelle Klimadaten + - lange Zeitreihen bekannte/bewährte Größen direkte quantitative Messungen mangelnde Repräsentanz fehlende Daten über Ozeanen etc. zeitliche Inhomogenität teilw. unzureichende Messgenauigkeit RADAR Lösung Reanalysen neue/optimierte Messverfahren und - technik 4

5 Konventionelle Klimadaten + - lange Zeitreihen bekannte/bewährte Größen direkte quantitative Messungen mangelnde Repräsentanz fehlende Daten über Ozeanen etc. zeitliche Inhomogenität teilw. unzureichende Messgenauigkeit RADAR RADAR Reanalysen Lösung neue/optimierte Messverfahren und - technik 5

6 RADAR Radarverbund des DWD Verbund-Status Umrüstung aller Standorte auf Doppler-Systeme abgeschlossen 2009 Start des RadSys-E-Projektes Austausch der Doppler-Radare mit neuen polarimetrischen Doppler-Radar-Systemen Erweiterung des Verbundsystems um einen zusätzlichen Standort (Memmingen) Optimierung des bestehenden Verbundsystems durch Verlegung von Standorten 6

7 RADAR Radarverbund des DWD Status 2015 Flächendeckendes Netz mit 17 Geräten Radius je 150 km, C-Band 5 cm, Niederschlags-Scan alle 5 min Dual-Pol Doppler Technik Verlegung des Standorts Emden noch geplant (Umrüstung auf Dual-Polarisationstechnik steht dabei noch aus) 7

8 RADAR Neue 5-minütige Scan-Strategie seit Dezember verschiedene Höhenwinkel: beginnend mit 5,5 abwärts bis zur minimalen Elevation und aufwärts von 8 bis zur maximalen Elevation; maximal Reichweite von 180 km Height [km] Range [km] 8

9 RADAR Möglichkeiten des polarimetrischen C-Band Doppler Radars Mesozyklonenerkennung (Radialgeschwindigkeitswer te auf Basis des Doppler- Effekts) Erkennung der Niederschlagsart (über Verhältnis von Höhe und Breite sowie der räumlichen Orientierung der Hydrometeore) verbesserte Qualitätssicherung von Wetterradardaten (zusätzliche Verringerung von Fehlechos mittels spezieller Techniken der Signal- und Bildverarbeitung) 9

10 RADAR Dual-Polarisationstechnik Rückschlüsse auf die Art des Niederschlags (Hydrometeorklassifikation): Münster Münster Radar Essen zeigt Monsun-Charakter der Niederschläge am (Münster) mit nur flüssigen Hydrometeoren 10

11 RADAR Dual-Polarisationstechnik Rückschlüsse auf die Art des Niederschlags (Hydrometeorklassifikation): Klima verstehen: Wasserkreislauf Münster in einer wärmeren Welt Münster Radar Essen zeigt Monsun-Charakter der Niederschläge am (Münster) mit nur flüssigen Hydrometeoren 11

12 RADAR Erfassung der hydrologischen Einzugsgebiete Deutschlands EX Radarkomposit aus Radardaten: DE, DK, PL, CZ, CH, F, B, NL alle 5 Minuten (DK und PL: alle 10 Minuten) Integration österreichischer Radardaten 12

13 PDF-Hybrid RADAR Erfassung der hydrologischen Einzugsgebiete Deutschlands EX Mitteleuropäisches Radarkomposit zur vollständigen Erfassung der hydrologischen Einzugsgebiete Deutschlands (Oder, Elbe, Donau und Rhein) durch Einbindung aktueller Radardaten der benachbarten Wetterdienste (DK, PL, CZ, CH, F, B, NL) Verfügbar alle 5 Minuten (außer DK und PL: nur alle 10 Minuten) Österreichische Radardaten fehlen derzeit (Bereitstellung durch ZAMG geplant) Nächste Schritte: Integration österreichischer Radardaten Qualitative Radarniederschlagsanalyse vom , 00:35 UTC aus originären, nicht-quantifizierten, nicht-korrigierten und nicht-angeeichten Radardaten 13

14 RADAR Niederschlagsmonitoring - Ombrometer vs. Radar STARKREGEN Münster 28. Juli 2014 Ereignis wird nur vom Radar erfasst Bessere Quantifizierung durch zusätzliche Bodendaten in Radarklimatologie Bodenmessnetz (REGNIE) RADOLAN-Online RADOLAN-Offline 14

15 PDF-Hybrid RADAR Niederschlagsmonitoring - Ombrometer vs. Radar STARKREGEN Münster 28. Juli 2014 Ereignis wird nur vom Radar erfasst Bessere Quantifizierung durch zusätzliche Bodendaten in Radarklimatologie Bodenmessnetz (REGNIE) RADOLAN-Online RADOLAN-Offline Quellen: DWD, BKG 15

16 RADAR Vergleich Extremwert-Auswertung Statistischer Niederschlag (mm) in Sachsen D=24h, T=20a Bodenmessnetz (KOSTRA) Radarklimatologie mittel mittel niedrig Quellen: DWD, BKG 16

17 RADAR Einbindung tschechischer Ombrometerdaten und polnischer Radardaten zur Radaraneichung Stationsdaten Routine D PL CZ D CZ Test PL interpolierte Stationsdaten geben nun lückenlose Niederschlagsverteilung in Tschechien wieder Minimierung der Kanten durch Radar- bzw. Kompositgrenzen angeeichte Niederschlagsanalyse in der Grenzregion deutlich verbessert angeeichte Radardaten D CZ PL D CZ PL in Polen Niederschlagsanalyse überhaupt erst möglich Integration polnischer Stationsdaten zur Aneichung Erhöhung des polnischen Radarscans auf 5 Min 17

18 Konventionelle Klimadaten + - lange Zeitreihen bekannte/bewährte Größen direkte quantitative Messungen mangelnde Repräsentanz fehlende Daten über Ozeanen etc. zeitliche Inhomogenität teilw. unzureichende Messgenauigkeit RADAR - Wie geht es weiter? Qualitätsabschätzung z.b. durch Vergleich mit gemessenen Pegeln Verlängerung der Zeitreihen Niederschlags-Abfluss-Simulation zur kommunalen Überflutungsvorsorge 18

19 Video: Dr. Pecher AG, WSW Energie & Wasser AG und Stadt Wuppertal 19

20 Konventionelle Klimadaten + - lange Zeitreihen bekannte/bewährte Größen direkte quantitative Messungen mangelnde Repräsentanz fehlende Daten über Ozeanen etc. zeitliche Inhomogenität teilw. unzureichende Messgenauigkeit RADARRADAR Lösung Reanalysen neue/optimierte Messverfahren und - technik 20

21 Reanalysen 2014 global wärmstes Jahr oder doch nicht? Land- & Ozean Oberflächentemperaturen-Abweichung von Jan-Dez 2014 in C NOAA Quelle: bbc.com keine Datenwerte mangelnde Berücksichtigung der Variabilität in hohen Breiten bei ausschließlicher Nutzung von Stationsdaten Quelle: NOAA, GHCN-M version & ERSST version 3b October 29,

22 Reanalysen Nein, 2014 nicht wärmstes Jahr Land- & Ozean Oberflächentemperaturen-Abweichung von Jan-Dez 2014 in C ERA-Interim Analysen NOAA hauptsächlich in der Antarktis geringfügig kälter konsistent mit Beobachtungen der Meereisausdehnung Datenquelle: ERA-Interim (ECMWF) keine Datenwerte mangelnde Berücksichtigung der Variabilität in hohen Breiten bei ausschließlicher Nutzung von Stationsdaten Quelle: NOAA, GHCN-M version & ERSST version 3b October 29,

23 PDF-Hybrid Reanalysen Nein, 2014 nicht wärmstes Jahr Land- & Ozean Oberflächentemperaturen-Abweichung von Jan-Dez 2014 in C ERA-Interim Analysen NOAA keine Datenwerte geringfügig kälter als ausschließlich stationsbasierte Verfahren Hauptsächlich aufgrund der Temperaturen in der Antarktis konsistent mit unabhängigen Beobachtungen der Meereisausdehnung Datenquelle: ERA-Interim (ECMWF) Mangelnde Berücksichtigung der Variabilität in hohen Breiten bei ausschließlicher Nutzung von Stationsdaten Quelle: NOAA, GHCN-M version & ERSST version 3b October 29,

24 Reanalysen Vollständige 3-dimensionale Datenverfügbarkeit Für Windenergie relevante Höhen nicht durch Messungen abgedeckt (nur vereinzelte Türme) COSMO-REA6 Windgeschwindigkeit auf 116m, 18:00 am , in m/s. 24

25 Reanalysen Zur Reanalyse: Vorhersagelauf Vorhersage Anfangsbedingungen Randbedingungen Freier Modellauf 25

26 Reanalysen Zur Reanalyse: Vorhersagelauf mit Analyse Analyse Anfangsbedingungen Randbedingungen Datenassimilation Datenredaktionsschluss (Cut-off) Freie Vorhersage Freier Modellauf 26

27 Reanalysen Zur Reanalyse: Vergleich Analyse / Reanalyse Anfangsbedingungen Randbedingungen Analyse Datenassimilation Datenredaktionsschluss (Cut-off) Reanalyse Datenassimilation Keine grundsätzlich andere Methodik! Warum also nicht gleich die aus der NWV vorliegenden Analysen verwenden? 27

28 Reanalysen Warum Reanalyse? mehr und teilweise nachträglich korrigierte Beobachtungsdaten bessere Randbedingungen (globale Reanalysen als Antrieb regionaler Reanalysen) kein Datenredaktionsschluss bessere Anfangsbedingungen (Ausgangspunkt für neuen Zeitschritt ist letzter Reanalyse-Schritt) laufende Änderungen in den NWV-Modellen (neue Modelle & Modellversionen! Verwendung einer konkreten Modellversion für den gesamten Analysezeitraum aktuell: COSMO-Modellfamilie 28

29 Reanalysen Modellbasierte Reanalyse zur Klimaüberwachung konsistente Parameterfelder (2D, 3D) in stündlicher Auflösung, COSMO-REA , 6 x 6 km Auflösung, Randbedingungen: ERA-Interim COSMO-REA , 2 x 2 km Auflösung, Randbedingungen: COSMO-REA6 29

30 Reanalysen 10 m Wind-Anomalien, monatliche Skala Monatliche Anomalien räumlich repräsentativer Stationen stimmen mit den Reanalysen bemerkenswert überein Über komplexem Terrain größere Abweichungen 30

31 Reanalysen Küstenstation Putbus Häufigkeitsverteilung täglicher Windmittel Obs besser schlechter ERA-Interim ERA-20C Beobachtung reg. Reanalyse HErZ Bias gegenüber den globalen Reanalysen deutlich verringert Klar bessere Annäherung an beobachtete Häufigkeitsverteilung 31

32 Reanalysen Küstenstation Putbus Korrelation besser ERA-Interim ERA-20C Beobachtung reg. Reanalyse HErZ Verbesserung zeigt sich auch in der Korrelation zw. Beobachtung und der jeweiligen Reanalyse 32

33 Reanalysen Vertikales Windprofil Vergleich mit Windmast-Messungen Windprofil am Standort Lindenberg und simulierte Werte in m/s Gute Übereinstimmung monatlicher Mittelwerte in verschiedenen Höhen 33

34 Reanalysen Vertikales Windprofil Vergleich mit Windmast-Messungen Jahresgang der relativen Windgeschwindigkeit am Standort Lindenberg und simulierte Werte Jahresgang und Langzeitvariabilität ebenfalls gut wiedergegeben 34

35 Reanalysen Vertikales Windprofil Vergleich mit Windmast-Messungen Tagesgang am Standort Lindenberg simulierter Tagesgang Tagesgang insbesondere in Höhen oberhalb von 60 m dagegen noch problematisch Ursache ist Simulation des Low-Level-Jets 35

36 Reanalysen Vergleich 10 m & 116 m Höhe Windfeld mit steigender Höhe räumlich immer homogener 36

37 Reanalysen Herausforderungen für die Zukunft Umgang mit den sich ständig ändernden Beobachtungssystemen: Entwicklung optimierter Bias-Control-Verfahren (Daten-Vorprozessierung) Erhöhung der Auflösung Rechenkapazität Datenassimilations-Methodik Menge und Qualität der Beobachtungen Ensemble-Erzeugung: optimale Charakterisierung der Fehler in Beobachtungen Randbedingungen Modell 37

38 Konventionelle Klimadaten + - lange Zeitreihen bekannte/bewährte Größen direkte quantitative Messungen mangelnde Repräsentanz fehlende Daten über Ozeanen etc. zeitliche Inhomogenität teilw. unzureichende Messgenauigkeit RADAR Lösung Reanalysen neue/optimierte Messverfahren und - technik 38

39 neue/optimierte Messverfahren und - technik Schneehöhen- und Wasseräquivalentmessung des DWD Schneehöhe Wasseräquivalent Sowohl Handmessung als auch automatische Messung problematisch (Repräsentativität des Messpunkts etc.) Automatische Messungen: zusätzliche Probleme an Bergstationen (Nebelfrostablagerungen bzw. Reifansatz) Weiterhin knapp 500 Handmessungen im nebenamtlichen Messnetz vorhanden 39

40 neue/optimierte Messverfahren und - technik Lösungsansatz Nr. 1: Schneewaage Testfeld Wasserkuppe 40

41 neue/optimierte Messverfahren und - technik Lösungsansatz Nr. 2: GPS-basierte Bestimmung GPS-Empfänger am Boden (unter Schneedecke) Messung der Dämpfung des GPS-Signals in Abhängigkeit des Wasseräquivalents 41

42 neue/optimierte Messverfahren und - technik Lösungsansatz Nr. 2: GPS-basierte Bestimmung GPS-Empfänger am Boden (unter Schneedecke) Klima verstehen/verlängerung der Wettervorhersage und Verbindung zur subsaisonalen Klimavorhersage: Kenntnis der atmosphärischen Randbedingungen Messung der Dämpfung des GPS-Signals in Abhängigkeit des Wasseräquivalents 42

43 neue/optimierte Messverfahren und - technik Sondermessnetze (Innovationen) Stadtklimauntersuchung Halle (Saale) Profilfahrten Straßenbahnen Stadtklimastationen Berlin, München,Frankfurt Lufttemp. & -feuchtesensor Thermische Profilmessfahrten (Halle) Stadtklimastation (Berlin Alexanderplatz) 43

44 neue/optimierte Messverfahren und - technik Sondermessnetze (Innovationen) Stadtklimauntersuchung Halle (Saale) Profilfahrten Straßenbahnen Klima verstehen/verringerung Lufttemp. & -feuchtesensor der Fehler in Klimamodellen: Weiterentwicklung von Beobachtungsmethoden und Modellen Stadtklimastationen Berlin, München,Frankfurt Thermische Profilmessfahrten (Halle) Stadtklimastation (Berlin Alexanderplatz) 44

45 Donwscaling globaler Klimaprojektionen: EPISODES 45

46 EPISODES Hintergrund Empirisch-statistische Downscalingmethode für Klimaprojektionsrechnungen und saisonale sowie dekadische Klimavorhersagen Bereitstellung eines soliden Fundaments regionalisierter Klimainformation für Nutzer und Entscheidungsträger Erweiterung des vorhandenen Ensembles zusätzliche Informationen zur langfristigen Klimavariabilität in Klimaprojektionsrechnungen 46

47 EPISODES Hintergrund Klima verstehen: Verlängerung der Wettervorhersage zur Klimavorhersage Empirisch-statistische nahtlose Downscalingmethode Vorhersage für Klimaprojektionsrechnungen und saisonale sowie dekadische Klimavorhersagen Bereitstellung eines soliden Fundaments regionalisierter Klimainformation für Nutzer und Entscheidungsträger Erweiterung des vorhandenen Ensembles zusätzliche Informationen zur langfristigen Klimavariabilität in Klimaprojektionsrechnungen 47

48 EPISODES Empirisch-Statistisches Downscaling (ESD) Es gibt eine Vielzahl an Herangehensweisen beim statistischen Downscaling. Die ESD-Methoden, die flächendeckende Daten für Deutschland liefern, sind konditionierte Wettergeneratoren (WETTREG, STARS). Diese Wettergeneratoren erzeugen synthetische Zeitreihen auf der Basis einer Rekombination beobachteter Tage unter Beachtung unterschiedlicher Randbedingungen (z.b. Wetterlagenhäufigkeit). Zeitstrahl 48

49 EPISODES Empirisch-Statistisches Downscaling (ESD) Zeitstrahl 49

50 EPISODES Vergleich dynamisches vs. statistisches Downscaling + - Dynamisch Simulation neuartiger meteorologischer Bedingungen möglich Simulation auch in Regionen ohne Beobachtungsdaten möglich Sehr hoher Ressourcenbedarf Oft Bias behaftet Artefakte in den Randregionen + - Statistisch Geringer Ressourcenbedarf Kaum Bias Simulation neuartiger meteorologischer Bedingungen problematisch aber! Benötigt vorhandene Beobachtungsdatensätze 50

51 EPISODES Spezifika EPISODES Individuelle Analyse jeden einzelnen Simulationstages im GCM- Lauf (Methodik: analoge Fälle + Regression [AFREG]) Wettergenerator erstellt synthetische Zeitreihe aus den Informationen Trend und Anomalie (Extraktion aus AFREG- Ergebnissen) Verfahren beugt der Problematik eines sich stark reduzierenden Pools an Beobachtungstagen bei starken Klimaänderungen vor ist durch Einbindung der Delta-Approach-Technik in der Lage, neuartige Situationen zu interpretieren 51

52 EPISODES Spezifika EPISODES ist durch Einbindung der Delta-Approach-Technik in der Lage, neuartige Situationen zu interpretieren Simulation neuartiger Temperaturverhältnisse besser möglich Methodik für Niederschlag in Testphase 52

53 EPISODES Modellgebiet EPISODES Niederschlag Temperatur 53

54 EPISODES Vergleich Beobachtung / Resimulation Vergangenheit (historical) Mitteltemperatur Niederschlagshöhe Sehr gute Wiedergabe der Verteilungen von Temperatur und Niederschlag 54

55 EPISODES Vergleich Häufigkeitsverteilungen historical / Zukunft (RCP zu Beobachtung ) Mitteltemperatur Niederschlagshöhe - Deutliche Verschiebung zu wärmeren Temperaturen - (noch?) keine Verschiebung beim Niederschlag 55

56 EPISODES GCM-Datenbasis für EPISODES-Analyseläufe Klimamodell MPI-ESM-LR CanESM2 EC-EARTH NorESM1-M CNRM-CM5 Szenario RCP2.6 RCP4.5 RCP6.0 RCP Ergebnisdatensatz Räumliche Auflösung: Rasterdatensatz 12,5 km Zeitliche Auflösung: Tag Elemente: Mitteltemperatur (2 m), Niederschlagssumme, rel. Luftfeuchte (2 m) Zeitraum: 01/01/1951 bis 31/12/

57 EPOSODES Mittleres Änderungssignal für das Gebiet von Sachsen (Jahr) RCP8.5; im Vergleich zu Niederschlag in % MPI-ESM-LR CanESM2 EC-EARTH CNRM-CM5 NorESM1-M Temperatur in C 57

58 EPISODES Mittleres Änderungssignal für das Gebiet von Sachsen (Jahreszeiten) RCP8.5; im Vergleich zu Frühling Sommer Niederschlag in % Herbst Winter MPI-ESM-LR CanESM2 EC-EARTH CNRM-CM5 NorESM1-M Temperatur in C 58

59 EPISODES Temperaturänderung für das Gebiet von Sachsen (Jahr) EPISODES-Ensemble-Auswertung für RCP2.6, RCP4.5, RCP6.0 und RCP8.5 Temperatur in C RCP8.5 RCP6.0 RCP4.5 RCP2.6 Jahr 59

60 EPISODES Ausblick Die vorliegende Version von EPISODES erfüllt die grundsätzlichen Erwartungen Einige Detailaspekte, wie das Andauer-Verhalten, müssen noch geprüft werden Fertigstellung Spätsommer/Herbst 2016 Ergebnisse werden einer eingeschränkten Nutzergruppe zu Analysezwecken in einer ersten Testphase bereitgestellt 60

61 Deutscher Wetterdienst Vielen Dank! Dr. Paul Becker Vizepräsident des Deutschen Wetterdienstes