WETRAX (Weather Patterns, Storm TRAcks and related precipitation Extremes) Arbeitspaket 3 Wetterlagen

Transkript

1 WETRAX (Weather Patterns, Storm TRAcks and related precipitation Extremes) Arbeitspaket 3 Wetterlagen Markus Homann, Christoph Beck, Jucundus Jacobeit, Andreas Philipp University of Augsburg, Institute of Geographie markus.homann@geo.uni-augsburg.de

2 Erfolgte Analysen - Überblick Erste Zirkulationsklassifikationen Cost733 Niederschlagsanalyse E-Obs 6 Datensatz, WETRAX-Hybrid Vorschlag zur Regionalisierung Verknüpfung Zirkulationsklassifikation und Niederschlag Evaluationstools: erklärte Varianz, Brier-Skill-Score Ergebnisse

3 Zirkulationsklassifikation Cost733 Klassifikationssoftware Methoden: DKM Nichthierarchische Clusteranalyse Optimierungsverfahren min. typinterne Variabilität, max. Typ-zu-Typ Variabilität geringer Rechenaufwand gute Abbildungsleistung für NDS in ME GWT Schwellenwertbasiert Winkel der Strömungsrichtung Klassen: 9 (10), 18, 27 Levels: MSLP, Z500, MSLP+Z500 Raum: Domain 06 (cost733) Datengrundlage: ERA40, NCEP1 Standard 3

4 Domain 06 (Alps): 41N-52N 3E-20E In Kombination vorerst 30 Varianten. Quantifizierte Abbildungsleistung aller Klassifikationen bezüglich des NDS?!? 4

5 Zirkulationsklassifikation Bsp. CKM MSLP 27 5

6 Niederschlagsanalyse Datensätze Testdatensatz E-Obs 6: Region ~ D06 mit 0.25 Auflösung Neu: WETRAX-Hybrid: Region D, AUT mit 6km Auflösung => Untersuchungsraum Österreich, Süddeutschland Regionen?!? Administrative Einheiten Einzugsgebiete Ausweisung Regionen ähnlicher Variabilität statistischer Hintergrund (PCA) regionale Zeitreihen (gewichtetes arithm. Mittel,...) weiterer Vorteil: saisonale Variabilität findet Beachtung Möglichkeit: nachgeschaltete Hierarchische Clusteranalyse 6

7 Niederschlagsanalyse Beispiel: E-Obs 6 Datensatz und Regionen ähnlicher Niederschlagsvariabilität Regionen ähnlicher Niederschlagsvariabilität (PC 1-8). Ladungen als KKE zwischen der jeweiligen PC und den einzelnen Gitterpunkten. 7

8 Niederschlagsanalyse E-Obs 6 Daten WETRAX-Hybrid Einflüsse Datengrundlage 8

9 Niederschlagsanalyse WETRAX-Hybrid WETRAX-Hybrid Einflüsse Datengrundlage Raumausschnitt, Variabilität der Räume 9

10 Einflüsse Datengrundlage Raumausschnitt, Variabilität der Räume saisonale Abschnitte 10

11 Evaluierung: Allgemein Güte der Klassifikationen für den Niederschlag: 1. tägliche Niederschlagssummenwerte Kriterium: Erklärte Varianz (ev) Anteil an Gesamtvarianz des NDS, der durch eine Klassifikation erklärt werden kann 2. NDS- Events Definition: vorerst 90% Perzentil (geplant: 95%, 98%) Kriterium: Brier-Skill-Score (BSS), dichotome Ausprägungsformen CTC als Wahrscheinlichkeitsvorhersage: Ø Anzahl an Überschreitungen bei einem CT als Erwartungswert aller Tage mit CT BSS [0,1]: hohe Werte bessere Erfassung der Events durch CTs (einer CTC) 11

12 Evaluierung: Allgemein Leitende Fragestellungen: Welche Klassenanzahl? Welcher Luftdrucklevel? Datengrundlage mit Auswirkungen auf Ergebnisse? Welche Klassifikation? Unterschiede zwischen Abbildungsleistung NDS vs. Events? Zusätzlich: regionale Differenzen? saisonale Unterschiede? 12

13 Evaluierung: Klassifikationen und Niederschlag Vorgehensweise Grundlage (noch) E-Obs 6 Mittelung der ev aller übrigen Klassifikationen Keine Regionalisierung Keine saisonale Unterteilung Allgemeine Aussagen 13

14 Evaluierung: Klassifikationen und Events Vorgehensweise Grundlage (noch) E-Obs 6 Mittelung der BSS aller übrigen Klassifikationen Keine Regionalisierung Keine saisonale Unterteilung Allgemeine Aussagen 14

15 Evaluierung: Klassifikationen und Niederschlag Regionalisierung Reg. 1 BW, Schweiz Reg. 2 NW-Deutschland Reg. 3 BY, N-Österreich Reg. 4 W-Polen, NE-Tschechien Reg. 5 E-Deutschland Reg. 6 E-Österreich Reg. 7 S-Österreich, N-Italien Reg. 8 Rhein-Main Regionale Unterschiede: Methode Ansonsten ähnliches Verhalten (Levels, Klassen, Daten) 15

16 Evaluierung: Klassifikationen und Events Regionalisierung Reg. 1 BW, Schweiz Reg. 2 NW-Deutschland Reg. 3 BY, N-Österreich Reg. 4 W-Polen, NE-Tschechien Reg. 5 E-Deutschland Reg. 6 E-Österreich Reg. 7 S-Österreich, N-Italien Reg. 8 Rhein-Main Regionale Unterschiede: Methode Ansonsten ähnliches Verhalten (Levels, Klassen, Daten) 16

17 Evaluierung: Klassifikationen und Niederschlag Erklärte Varianzen der Regionen im Winter mit ERA40 BW, CH NW-D BY, N-AUT! erklärte Varianz West-Ost Gefälle DKM: subozeanisch GWT: subkontinental E-DEU E-AUT S-AUT 17

18 Evaluierung: Klassifikationen und Events Brier-Skill-Scores der Regionen im Winter mit ERA40 BW, CH NW-D BY, N-AUT! erklärte Varianz West-Ost Gefälle DKM: subozeanisch GWT: subkontinental E-DEU E-AUT S-AUT 18

19 Evaluierung: Klassifikationen und Niederschlag Erklärte Varianzen der Regionen im Sommer mit ERA40 BW, CH NW-D BY, N-AUT! erklärte Varianz West-Ost Gefälle DKM: subozeanisch GWT: subkontinental geringere ev einheitlich (Levels, Methoden, Räume) E-DEU E-AUT S-AUT 19

20 Evaluierung: Klassifikationen und Events Brier-Skill-Scores der Regionen im Sommer mit ERA40 BW, CH NW-D BY, N-AUT! erklärte Varianz West-Ost Gefälle DKM: subozeanisch GWT: subkontinental geringere BSS einheitlich (Levels, Methoden, Räume) E-DEU E-AUT S-AUT 20

21 Evaluierung: Klassifikationen und Niederschlag/ Events Ähnliche Ergebnisse: CTC vs. NDS bzw. CTC vs. NDS- Events Daten NCEP 1 ERA 40 Methode DKM (so W), (S) GWT (sc W) Klassenzahl 9 (10) (W),(S) Level MSLP (W),(S) Z500 MSLP + Z500 subozeanisch (so) ERA40 Daten i.a. besser geeignet subkontinental (sc) DKM, GWT je nach Region/Saison zu bevorzugen Winter (W) 27 Klassen im Winter, im Sommer geringe Differenzen Sommer (S) MSLP insbesondere im Winter empfehlenswert 21

22 Fazit und Ausblick Gute Evaluierungsergebnisse für Niederschlag (subskalige Elemente, viele Zeitreihen) Ähnliche Abbildung von Niederschlagssummen und NDS- Events Steigerung der Abbildungsleistung durch spätere, konditionierte Klassifikation Ziel: Ensemble Members (unterschiedliche Methoden, Räume und Jahreszeiten) mit spezifischen Gewichte unmittelbares, weiteres Vorgehen: SANDRA (im Vergleich zu GWT, DKM) ebenfalls nichthierarchische Clusteranalyse höherer Rechenaufwand, bessere Lösungen WETRAX Datensatz und Klassifikationen: evaluieren (alle Ebenen) Hierarchische Clusteranalyse an PCA für den Untersuchungsraum anschließen 22

23 Vielen Dank für Ihre Aufmerksamkeit!

24 Zirkulationsklassifikation Bsp. CKM MSLP 27 24

25 Zirkulationsklassifikation Bsp. CKM MSLP 27 25

26 Zirkulationsklassifikation Bsp. CKM MSLP 27 26