Möglichkeiten und Grenzen der Vorhersage

Transkript

1 Möglichkeiten und Grenzen der Vorhersage am Beispiel Stürme Uwe Ulbrich mit Beiträgen von G.C. Leckebusch, T. Pardowitz, R. Osinski, Ph. Lorenz, M Göber, Göb D. D M j ki (DWD) M. Majewski Freie Universität Berlin 1

2 Themen: 1. Warum Stürme vorhersagen? 2. Numerische Vorhersage von Sturmereignissen 3. Risikoeinschätzungen für Sturmschäden 4. Unsicherheiten: Skalen und Wirkungen 2

3 Warum Stürme vorhersagen? 1. Anpassung 2. Vorbereitung 3. Akute Aktion Bild: L. Barring, Universität Lund Quelle: GDV 3

4 Orkanartige Böen: km/h (Bft 11) Orkanböen ab 120 km/h (Bft 12) Aus: Steinhorst, Vortrag DKKV

5 Themen: 1. Warum Stürme vorhersagen? 2. Numerische Vorhersage von Sturmereignissen 3. Risikoeinschätzungen für Sturmschäden 4. Unsicherheiten: Skalen und Wirkungen 5

6 Modelle im Bereich Wetter und Klima 6

7 Ensemble-Simulationen, hier: ECMWF 3-Tages-Vorhersage g zum

8 Nach E. Lorenz Quelle: ECMWF, Tim Palmer 8

9 9

10 Windwarnungen Winter Erkennu ungsrate in % 100% 90% Markante Ereignisse 80% 70% landkreisgenau zu % in ihrer Stärke richtig erkannt. 60% Unwetterartige Ereignisse 50% wurden zur Hälfte mit 40% ausreichender Stärke vorhergesagt, aber in vielen 30% Fällen nur 1-2 Stufen zu niedrig, 20% nie komplett ungewarnt. 10% 0% Wind Sturm schw. Sturm orkanartig Orkan beobachtete Böenstärke Zeitpunkt: 12 Stunden vor Ereignis Erkennungsrate 1 Stufe zu tief gewarnt 2 Stufen zu tief gewarnt 3 Stufen zu tief gewarnt Orkanartige Böen: km/h (Bft 11) Sturmböen: 65 bis 85 km/h (8-9 Bft) Orkanböen ab 120 km/h (Bft 12) Windböen: >= 50 km/h, (7 Bft) 10

11 Wettervorhersagemodelle des DWD COSMO-DE x =2.8 km COSMO-DE: Maschenweite: 2.8 km 421*461 * 50 Gitterpunkte Zeitschritt: 25 sec. Vorhersagen bis 21 Stunden COSMO-EU x = 7 km COSMO-EU: Maschenweite: 7 km 665*657 * 40 Gitterpunkte Zeitschritt: 40 sec. Vorhersagen bis 78 Stunden GME x = 40 km GME: Maschenweite: 40 km * 40 Gitterpunkte Zeitschritt: 133 sec. Vorhersagen bis 7 Tage 11

12 Themen: 1. Warum Stürme vorhersagen? 2. Numerische Vorhersage von Sturmereignissen 3. Risikoeinschätzungen für Sturmschäden 4. Unsicherheiten: Skalen und Wirkungen 12

13 Schadenmodellierung Daria max. wind (ERA40) Daria loss potential Loss Ratio GdV and ERA40 (Germany) 0,7 0,6 05 0,5 0,4 0,3 0,2 Loss Ratio [ ] 01 0,1 0, GdV ERA40 Methodik: Klawa und Ulbrich, 2003,, Natural Hazards and Earth System Sciences 13

14 Themen: 1. Warum Stürme vorhersagen? 2. Numerische Vorhersage von Sturmereignissen 3. Risikoeinschätzungen für Sturmschäden 4. Unsicherheiten 14

15 Verteilung der Schäden Kyrill Lothar Jeanett Anna Schad densatz GD DV [ ] Schad denmodell ERA A-Interim Schade enmodell CC CLM Schadensatz = aufgetretener Schaden [ ] / versicherte Werte [ ] 15

16 Ensemble-Simulationen, hier: ECMWF 3-Tages-Vorhersage g zum

17 Kyrill UTC MSLP 2 Tage 12 Stunden vor Sturmbeginn initialisiert EPS Initialisiert UTC - Sturmbeginn UTC 17

18 Sturm Kyrill ERA-Int Mittel EPS 18

19 Zugbahn der zugeordneten EPS Realisierungen Initialisiert 2.5 Tage vor Sturmbeginn ERA-Interim EPS 19

20 Stürme im EPS Beispiel Kyrill SSI EPS SSI EraINT SSI EPS SSI EPS < > SSI EraINT SSI EraINT 20

21 Sturm Emma, UTC MSLP 6 Stunden vor Sturmbeginn initialisiert EPS Initialisiert UTC - Sturmbeginn UTC 21

22 Sturm Emma Zugbahn der zugeordneten EPS Realisierungen Initialisiert 6h vor Sturmbeginn ERA-Interim EPS 22

23 Sturm Emma: Storm Severity Index ERA-Int Mittel EPS 23

24 Sturm Emma ERA-Int Mittel EPS 24

25 Dynamisches Downscaling - Regionalmodell Globales Klimamodell (ERA40 bzw. ECHAM5) Regionales Klimamodell (CCLM4) 25

26 Regionalmodell-Ensemble Initialisierung der Simulation 5 Tage vor Sturmereignis 26

27 Regionalmodell-Ensemble Regional unterschiedliche Vulnerabilitäten Kleine Zugbahn-Unterschiede, aber deutlicher Unterschied im Schadenbild Schadensatz = aufgetretener Schaden [ ] / Versicherte Werte [ ] 27

28 Fazit Sturmausprägungen variieren z.t. selbst bei Simulation mit 6-stündigem Vorlauf hinsichtlich: - genauer Zugbahn / lokalen Extrema - zeitlicher Entwicklung - Andauer Vorhersagbarkeit von Wettersituation abhängig Unsicherheit nimmt mit der Vorlaufzeit zu Auch bei genauer Vorhersage kann Wirkung durch durch lokale Vulnerabilität variieren 28

29 Kyrill, , 15:00 MEZ, vis. Sat. Danke für Ihre Aufmerksamkeit! 29