Das konvektionserlaubende Ensemblevorhersagesystem COSMO-DE-EPS. Von der Entwicklung zu den Anwendungen
|
|
- Claus Sachs
- vor 6 Jahren
- Abrufe
Transkript
1 Das konvektionserlaubende Ensemblevorhersagesystem COSMO-DE-EPS Von der Entwicklung zu den Anwendungen Michael Buchhold Christoph Gebhardt, Susanne Theis, Zied Ben Bouallègue und weitere Deutscher Wetterdienst
2 Themen Allgemeines zu Ensemblevorhersagen (EPS) Was ist das COSMO-DE und warum wurde COSMO-DE-EPS entwickelt? Aufbau des COSMO-DE-EPS Vorhersageprodukte des COSMO-DE-EPS und ein Fallbeispiel Verifikation (Ansatz und Zahlen) Anwendungen (Flughafen, erneuerbare Energien, ) Weitere Pläne für das COSMO-DE-EPS Literatur (Veröffentlichungen + Fortbildung)
3 Allgemeines zur Ensemblevorhersage
4 Unsicherheit in der numerischen Wettervorhersage Anfangsbedingungen (Beobachtungen und Verfahren) Mathematische Approximierungen Modelldynamik Vorhersageunsicherheit Parametrisierungen Modellphysik Es gibt KEINE Vorhersage OHNE Vorhersageunsicherheit Diskretisierung(sverfahren) räumliche / zeitliche Auflösung Numerik Randbedingungen
5 Was ist ein Ensemble? 0 Vorhersagezeit mehrere parallele Läufe eines (verschiedener) numerischen/-r Vorhersagemodells/-modelle mit gleichem Zieltermin der Vorhersage ( Member ) Generierung der Member soll die Quellen von Vorhersageunsicherheiten widerspiegeln
6 Was ist ein Ensemble? 0 Vorhersagezeit ein Ensemble soll die Vorhersageunsicherheit quantifizieren / schätzen (einschließlich ihrer zeitlichen Entwicklung) stichprobenhafte Beschreibung der Statistik der möglichen Wetterentwicklung
7 Was ist ein Ensemble? 0 Vorhersagezeit Mittlere Entwicklung Quantifizierung der Vorhersagevariabilität ( Spread ) Eintrittswahrscheinlichkeiten für Ereignisse Quantile (extreme) Szenarien
8 COSMO-DE -- Was ist das? COSMO-DE-EPS -- Warum wird das gemacht?
9 NWV Modell COSMO-DE Gitterweite 2,8 km ohne Parametrisierung hochreichender Konvektion (konvektions-erlaubend) Vorhersage: 0-27 Stunden, 8 Starts pro Tag (00, 03 UTC,...) Assimilation von Radardaten COSMO-EU (7km) GME (20km) COSMO-DE (2,8km) Verbesserte Genauigkeit in zeit-räumlicher Auflösung und den explizit modellierten atmosphärischen Prozessen
10 Beispiel einer Vorhersage ( , 18 UTC) Zunächst: beobachtete Realität Komposit der Radarreflektivität (15-minütig) --
11 Niederschlag (Stundensumme in mm) 20km
12 Niederschlag (Stundensumme in mm) 7km 20km
13 Niederschlag (Stundensumme in mm) 2,8km 20km 7km
14 Niederschlag (15-Minuten-Summe in mm) 2,8km 2,8km 20km 7km
15 Nutzen feinerer Gitterauflösungen Verbesserte Vorhersagen bodennaher Variablen Niederschlag, 2m-Temperatur, Windböen Verbesserte Beschreibung atmosphärischer Prozesse auf der synoptischen, meso-skaligen, konvektiven Skala Verbesserte Vorhersagen gefährlicher Wettererscheinungen (Horanyi et al. 2011) (Iversen et al. 2011) (Marsigli et al. 2008) (Bowler et al. 2008) etc
16 All in one 2,8km 2,8km 20km 7km
17 Beispiel einer Vorhersage ( , 18 UTC) Detailbetrachtung der COSMO-DE Vorhersage Niederschlag (Stundensumme in mm)
18 Beispiel einer Vorhersage ( , 18 UTC) Leicht unterschiedliche Einstellungen der Modellphysik im COSMO-DE Gleiche Rand- und Anfangsbedingungen
19 charakteristische Zeit Feinere Auflösung höhere Vorhersagbarkeit? Skalendiagramm Vorhersagbarkeit Woche Stunde konvektive Skala synoptische Skala 100 m 10 km 1000 km charakteristische horizontale Länge Vorhersagezeit
20 Feinere Auflösung höhere Vorhersagbarkeit? konvektive Prozesse sind kurzlebig und nichtlinear dadurch deterministische Vorhersagbarkeit stark begrenzt Uncertainties in small scales grow faster (Lorenz 1969) Modell täuscht auf der Gitterpunktsskala zu hohe Sicherheit bzw. Genauigkeit vor Vorhersagen des COSMO-DE sind zu gewissem Grade zufällig Vorhersageunsicherheit Eine probabilistische / statistische Sichtweise ist notwendig, um den Modellfortschritt optimal zu nutzen
21 COSMO-DE-EPS Wie wird das Ensemble generiert? Welche Quellen von Vorhersageunsicherheit werden wie berücksichtigt?
22 Ensemblevorhersagesystem COSMO-DE-EPS (operationell seit ) Gitterweite 2,8 km ohne Parametrisierung hochreichender Konvektion (konvektions-erlaubend) Vorhersage: 0-27 Stunden, 8 Starts pro Tag (00, 03 UTC,...) Assimilation von Radardaten COSMO-EU (7km) GME (20km) COSMO-DE (2,8km) 20 Member Störung von Modellphysik, Anfangs- und Randbedingungen
23 Erzeugung der Ensemble Member Variationen im Vorhersagesystem zur Repräsentierung der Vorhersageunsicherheit Anfangsbedingungen Randbedingungen Modellphysik
24 Erzeugung der Ensemble Member Variationen im Vorhersagesystem zur Repräsentierung der Vorhersageunsicherheit Anfangsbedingungen Randbedingungen Modellphysik Multi-Konfiguration Variation der Parameter der Modellphysik Feste Konfiguration pro Member Nicht stochastisch
25 Erzeugung der Ensemble Member Variationen im Vorhersagesystem zur Repräsentierung der Vorhersageunsicherheit Anfangsbedingungen Randbedingungen Modellphysik Multi-Modell angetrieben von verschiedenen Globalmodellen Multi-Konfiguration Variation der Parameter der Modellphysik Feste Konfiguration pro Member Nicht stochastisch
26 Erzeugung der Ensemble Member plus Variationen der Anfangsbedingungen Modellphysik Variation der Randbedingungen COSMO-DE-EPS 2,8km COSMO 7km GME, IFS, GFS, GSM
27 Niederschlag (Stundensumme in mm) 2 Member des COSMO-DE-EPS gleiche Störung der Modellphysik andere Rand- und Anfangsbedingungen Rand/Anfang aus GME Radar Rand/Anfang aus GFS
28 Erzeugung der Ensemble Member Variationen im Vorhersagesystem zur Repräsentierung der Vorhersageunsicherheit Anfangsbedingungen Randbedingungen Modellphysik Multi-Modell angetrieben von verschiedenen Globalmodellen Multi-Konfiguration Variation der Parameter der Modellphysik Feste Konfiguration pro Member Nicht stochastisch
29 Erzeugung der Ensemble Member Variationen im Vorhersagesystem zur Repräsentierung der Vorhersageunsicherheit Anfangsbedingungen Randbedingungen Modellphysik Multi-Modell die verschiedenen Globalmodelle werden genutzt, um die COSMO-DE Anfangsbedingungen zu modifizieren Multi-Modell angetrieben von verschiedenen Globalmodellen Multi-Konfiguration Variation der Parameter der Modellphysik Feste Konfiguration pro Member Nicht stochastisch
30 Die 20 Ensemble Member IFS GME GFS GSM
31 Die 20 Ensemble Member IFS GME GFS GSM
32 Die 20 Ensemble Member + Anomalie der Bodenfeuchte - Anomalie der Bodenfeuchte IFS GME GFS GSM
33 Vorhersageprodukte des COSMO-DE-EPS Fallbeispiel
34 Probabilistische Produkte Produktart Wahrscheinlichkeiten, Quantile, EPS-Mittel, -Spread, Maximum und Minimum der Member pro Gitterpunkt Variablen: Niederschlag, 2m-Temperatur, 10m-Windböen, Schneefall, Tmin und Tmax auf 2m neu: Wolkenbedeckung, synthetische Radarreflektivität, CAPE
35 Probabilistische Produkte Produktart Wahrscheinlichkeiten, Quantile, EPS-Mittel, -Spread, Maximum und Minimum der Member pro Gitterpunkt Variablen: Niederschlag, 2m-Temperatur, 10m-Windböen, Schneefall, Tmin und Tmax auf 2m neu: Wolkenbedeckung, synthetische Radarreflektivität, CAPE Zeitbezug (z.b. für Wahrscheinlichkeiten): 1, 6 und 12 Stunden Raumbezug: Gitterpunkt und 10 x 10 Gitterpunkte (nur Niederschlagswahrsch.)
36 Fallstudie vom 23. Mai 2012 starke Niederschläge über Nordrhein-Westfalen und Hessen Stundensummen bis 40 mm Hagel, Gewitter, leichte Überflutungen und Hangrutschungen Bilder: Bernd Brandt / wetteronline.de wirsiegen.de
37 Fallstudie vom 23. Mai 2012, 12 UTC angeeichte Radarmessung
38 Fallstudie vom 23. Mai 2012, Stundensumme UTC EPS, 90%-Perzentil angeeichte Radarmessung 00 UTC + 12 deterministisch 00 UTC + 12
39 Fallstudie vom 23. Mai 2012, Stundensumme UTC EPS, 90%-Perzentil deterministisch 00 UTC UTC + 12
40 Fallstudie vom 23. Mai 2012, Stundensumme UTC EPS, 90%-Perzentil deterministisch 03 UTC UTC + 09
41 Fallstudie vom 23. Mai 2012, Stundensumme UTC EPS, 90%-Perzentil deterministisch 06 UTC UTC + 06
42 Fallstudie vom 23. Mai 2012, Stundensumme UTC EPS, 90%-Perzentil deterministisch 09 UTC UTC + 03
43 Verifikation Fragestellung: Stimmt die Statistik der EPS-Vorhersagen mit der tatsächlichen (beobachteten) Statistik der atmosphärischen Größen überein (ereignisbezogen und allgemein)? z.b. 10mm Niederschlag in 6 Stunden (Wahrscheinlichkeit!!) z.b. mittlere 2m- Temperatur oder Ensemble-Spread
44 Bewertung von EPS-Vorhersagen Vorhersage für das Eintreten eines Ereignisses : 90% Ist das Ereignis eingetreten? JA War die Vorhersage gut oder schlecht?
45 Bewertung von EPS-Vorhersagen Vorhersage für das Eintreten eines Ereignisses : 90% Ist das Ereignis eingetreten? NEIN War die Vorhersage gut oder schlecht?
46 Bewertung von EPS-Vorhersagen Vorhersage für mehrere ähnliche Situationen: ähnlich heißt: unter Berücksichtigung der Quellen von (numerischer) Vorhersageunsicherheit nicht zu unterscheiden V: 90% 90% 90% 90% 90% 90% 90% 90% 90% 90% B: JA JA JA JA JA NEIN JA JA JA JA In diesem Zusammenhang ist 90% - NEIN nicht grundsätzlich eine schlechte Vorhersage. Das lässt sich aber im Einzelfall nicht entscheiden.
47 Bewertung von EPS-Vorhersagen Vorhersage für mehrere ähnliche Situationen: V: 90% 90% 90% 90% 90% 90% 90% 90% 90% 90% B: JA JA JA JA JA NEIN JA JA JA JA V: 90% 90% 90% 90% 90% 90% 90% 90% 90% 90% B: NEIN NEIN NEIN JA NEIN NEIN NEIN NEIN NEIN NEIN Im unteren Vorhersagesystem sind die Wahrscheinlichkeitsvorhersagen schlecht
48 Bewertung von EPS-Vorhersagen Die Qualität von vorhergesagten Wahrscheinlichkeiten kann streng genommen nicht im Einzelfall bewertet werden auch vorhergesagte Wahrscheinlichkeiten können falsch sein (Diskrepanz zwischen Vorhersage- und Ereignisstatistik) Evaluierung bezogen auf den Einzelfall natürlich dennoch sinnvoll : Bewertung der räumlichen Struktur der Wahrscheinlichkeiten Erfahrungs(!!)werte der Nutzer unterstützen die Entwicklung Training für die Nutzer
49 Brier Score (BS) Maß für die Distanz zwischen EPS-Wahrscheinlichkeiten (0 100%) und Beob. (0 oder 100%) Brier Skill Score (BSS) vergleicht den BS des EPS mit dem BS einer Referenzvorhersage ereignisbezogen (z.b. Niederschlag > 5mm in der letzten Stunde) BSS für stündlichen Niederschlag im Sommer Referenz: deterministisches COSMO-DE
50 Reliability Wie oft wird das Ereignis in den Fällen beobachtet, in denen es zu p % vorhergesagt wurde? ereignisbezogen (z.b. Niederschlag > 5mm in der letzten Stunde) Reliability-Diagramm für stündlichen Niederschlag im Sommer
51 Postprocessing -- Kalibrierung Anpassung der EPS-Statistik an die beobachtete Statistik z.b. mit Regressionsverfahren ( Trainingsdatensatz ) Beispiel: Wahrscheinlichkeit Niederschlag > 5/10 mm in 6h Kalibriert mittels logistischer Regression (noch nicht operationell) 5 mm/6h 10 mm/6h kalibriert unkalibriert
52 Postprocessing-Kalibrierung Beispiel Windgeschwindigkeit (in Entwicklung) Hamburg, 110 m wind speed: Threshold 6 m/s Raw Ensemble Calibrated by EMOS bivariate Gaussian distribution TP 2 04/
53 Ist ausreichend Spread im EPS? Beobachtung Rank Histogram U-Form EPS ist unterdispersiv (= nicht genügend Variabilität) Rankhistogram für stündlichen Niederschlag im Sommer
54 Anwendungen des COSMO-DE-EPS
55 Example of a customer : the DWD forecaster percentiles, exceeding probabilities, ensemble mean and spread, precipitation & snow, 10m wind gusts, 2m temperature, simulated radar reflectivity, CAPE, low level cloud cover tailored to DWD warning criteria forecaster can see the forecast: 2 ¼ hours after start of simulation
56 Visualization in NinJo EPSgrams at each grid point
57 Nutzeranforderung: COSMO-DE-EPS 28 km Produkte = 2.8 km Box = Niederschlag Member 1 Member 2 Member 3 Member 4 Member 5 frequency Häufigkeit 10/10 9/10 8/10 7/10 6/10 5/10 4/10 3/10 2/10 1/10 0/10 Member 6 Member 7 Member 8 Member 9 Member 10 Probability that precipitation occurs? 2.8 km 28 km
58 probability of precipitation > 20 mm/6h probability of precipitation > 20 mm/6h somewhere within a region
59 Anwendung in der Flugmeteorologie Das Projekt LuFo iport WiWi (DFS/DWD, ) Kernziel: Steigerung der Flughafen- Verkehrsleistung durch Optimierung des Flughafenverkehrsmanagements Minimierung des Wettereinflusses DWD: Bereitstellung eines Ensemblebasierten Windvorhersagesystem für den Flughafen Frankfurt (I. Alberts // N. Schuhen // M.Buchhold)
60 Circumstances and challenges Landings and take-offs should be performed under headwind conditions Critical situations: Tailwinds exceed a certain threshold Severe crosswinds Impact: Change of operational direction Runway closure there is a need for more reliable forecasts as basis for making optimal decisions and pro active reaction Minimise operational costs!
61 Frankfurt/Main Airport Runway Northwest: landings only -5 kn operational direction: east operational direction: west -15 kn parallel runways: landings and take-offs Runway West: take-offs only critical tailwind component
62 iport Wiwi Concept 1) COSMO-DE-EPS 2.8 km 2) Product generation Customer-oriented probabilistic forecasting products 5) Decision making with prob. forecasts 3) Calibration categorical decision change of runway YES or NO Which critical probability? chance for e.g. tail wind > v crit longer than 1 hour 4) Visualisation N 250
63 iport WiWi Products Developing products corresponding to the customer s requirements Regular meetings with forecasters and air traffic controllers Forecasts for 10 m wind and at glide path points up to 1500 m Ensemble mean as deterministic forecast Exceedance probabilities Tailwind +5, -5, -8, -10, -15 kn Crosswind ± 20 kn Selected quantiles Products based on calibrated distribution
64 iport WiWi Visualization visualization internal website for flight weather forecaster and air traffic controller choose between different glide path points
65 Beispiel RW 25 bahnparall.komp RW25 Querwind RW 18 Rückenwind
66 iport wiwi Kalibrierung und Verifikation EMOS, bivariate Gaussian distribution RW 18: prob tailwind > 8 kt Brier Skill Score 0.23
67 Anwendung im Sturmflutwarndienst (BSH) Deutsche Nordseeküste
68 Orkantief Xaver am 5. Dez MSLP UTC
69
70
71 Anwendung im Bereich der erneuerbaren Energien Forschungsprojekte EWeLiNE and ORKA Kristina Lundgren EWeLiNE & ORKA-Team Deutscher Wetterdienst, DWD
72 Hintergrund Anteil der Erneuerbaren Energien (EE) am Strommix steigt?? 2012: 25% 2010: 18%?? Hauptanteil durch Wind- und Solarstrom gedeckt Wetterabhängig, fluktuierende Stromerzeugung!
73 Herausforderung für den DWD Größtes Potenzial zur Optimierung der Leistungsprognosen liegt in der Verbesserung der Wettervorhersagen. Optimierung der Prognosen und Erstellung neuer Prognoseprodukte führt zu: erhöhter Netzsicherheit geringere Risiken verbessertes Modellsystem abschätzbare Risiken verlässliche Ensembleinformation Senkung der Kosten Minimierung der Reserve- und Ausgleichsleistungen und der EEG- Umlage allgemein Risikomanagement gewinnt generell an Bedeutung, d.h. zuverlässige probabilistische Prognosen werden für den operationellen Betrieb benötigt
74 Probabilistische Wetterprognosen für Wind- und PV-Leistungsprognosen Für eine sichere Einspeisung von EE in das Stromnetz (Risikoabschätzung) Anpassung der Ensemblegenerierung und Kalibrierungsverfahren an die Anforderungen der Anwender
75 Beispiel Windkraft: Kennlinie für Windenergie
76 Horizon. wind in m/s COSMO-DE-EPS Vorhersage der Windgeschwindigkeit in 100 m Höhe an der Plattform FINO1 in der Nordsee Abschaltgeschwindigkeit 60 MW 0 MW Forecast time in hours
77 Fallstudie Front Passage 18 Juli, 2012 COSMO-DE-EPS vs. Observations Lindenberg FINO 1 Global radiation Lindenberg Wind speed at 100 m FINO 1
78 EE research topics Improved ensemble generation Adapt post-processing methods to user requirements
79 EE research topics Improved ensemble generation Adapt post-processing methods to user requirements First step: Verify the forecasts for critical periods Example: Arkona, July (3 UTC run) Pyranometer obs. Global radiation quantile forecasts
80 Verifikation Globalstrahlung Example: Arkona, July (3 UTC run) Global radiation quantile forecasts Example: Germany, July to September 2013 (3 UTC run) Reliability diagram for 50% quantile-forecast Pyranometer obs. Reliable forecast if the Reliability curve is on the diagonal
81 Postprocessing Kalibrierung Beispiel Windgeschwindigkeit in Nabenhöhe, Hamburg Raw Ensemble Calibrated by EMOS TP 2 04/
82 Verifikation Wind in 100m Example: Meridional wind at 100 m, Karlsruhe, reliability, threshold 6 m/s
83 Anwendung in der Hydrologie
84 Anwendung in der Hydrologie Zur Verfügung gestellt von: LUWG Rheinland-Pfalz, Norbert Demuth 2014
85 Pläne und Weiterentwicklungen
86 Pläne und Weiterentwicklungen Operationalisierung der Kalibrierung Erweiterung auf 40 Member (Randdaten von COSMO-LEPS) Weitere Physikstörungen testen Ensemble-Kalmanfilter (LETKF) zur Störung der Anfangsbedingungen ICON-EPS zur Störung der Randbedingungen alternative Ansätze testen (stochastische Physikstörung)
87 Informationen zur Fortbildung S. Theis, C. Gebhardt (2011): COSMO-DE-EPS: das konvektionserlaubende Ensemble am DWD in promet 37, Heft 3/4, Probabilistische Wettervorhersage. S. Theis, C. Gebhardt (2009): Grundlagen der Ensembletechnik und Wahrscheinlichkeitsaussagen in promet 35, Heft 1-3, Moderne Verfahren und Instrumente der Wettervorhersage im Deutschen Wetterdienst. Archiv
88 Publikationen in Fachzeitschriften Ben Bouallègue, Z. (2013): Calibrated short-range ensemble precipitation forecasts using extended logistic regression with interaction terms. Wea. Forecasting, 28, Ben Bouallègue, Z., Theis, S.E. and C. Gebhardt (2013): Enhancing COSMO-DE ensemble forecasts by inexpensive techniques. Meteorologische Zeitschrift, 22 (1), Ben Bouallègue, Z. and S.E. Theis (2013): Spatial techniques applied to precipitation ensemble forecasts: From verification results to probabilistic products. Accepted by Meteorological Applications. Gebhardt, C., Theis, S.E., Paulat, M. and Z. Ben Bouallègue (2011): Uncertainties in COSMO-DE precipitation forecasts introduced by model perturbations and variation of lateral boundaries. Atmospheric Research, 100, Peralta, C., Z. Ben Bouallègue, S.E. Theis, C. Gebhardt, and M. Buchhold (2012): Accounting for initial condition uncertainties in COSMO-DE-EPS. J. Geophys. Res., 117 (D7), doi: /2011jd016581
89 Vielen Dank für Ihre Aufmerksamkeit!
90 Verification of operational forecasts EPS not calibrated or post-processed observations: rain-gauge adjusted radar or SYNOP STATUS
91 summer 11 Brier Skill Score (reference: deterministic run of COSMO-DE) hourly precipitation winter 11/12 summer 12 winter 12/13
92 summer 11 ROC area hourly precipitation winter 11/12 summer 12 winter 12/13
93 summer 11 Reliability hourly precipitation winter 11/12 summer 12 winter 12/13
94 summer 11 Rank histogramm hourly precipitation winter 11/12 summer 12 winter 12/13
95 Nutzer A Nutzer B Tag A Tag B Wer weiß mehr über die Wetterentwicklung?
96 Vorhersageunsicherheit gut oder böse? Es gibt KEINE Vorhersage OHNE Vorhersageunsicherheit deterministische Vorhersage ist nicht genauer, sondern ignoriert die Vorhersageunsicherheit ( Pseudo-Genauigkeit des Ein-Member-Ensembles ) ein Ensemble erfindet keine Vorhersageunsicherheit, sondern quantifiziert sie inklusive ihrer Variabilität Zusatzinfo
97 Vorhersageunsicherheit gut oder böse? Es gibt KEINE Vorhersage OHNE Vorhersageunsicherheit deterministische Vorhersage ist nicht genauer, sondern ignoriert die Vorhersageunsicherheit ( Pseudo-Genauigkeit des Ein-Member-Ensembles ) ein Ensemble erfindet keine Vorhersageunsicherheit, sondern quantifiziert sie inklusive ihrer Variabilität Zusatzinfo Nutzen hängt von den Vorhersageprodukten und den Arbeitsbedingungen und der Ausbildung des Nutzers ab interdisziplinäre Aufgabe
98 Was soll ich mit Wahrscheinlichkeiten? Ich will wissen, wie das Wetter wird! Was soll ich ohne Abschätzung der Verlässlichkeit der Vorhersage? Ich will wissen, welche möglichen Entwicklungen das Wetter nehmen könnte!
COSMO-DE-EPS. Vorhersageunsicherheit meteorologischer Parameter auf kurzen Zeit- und Raumskalen
COSMO-DE-EPS Vorhersageunsicherheit meteorologischer Parameter auf kurzen Zeit- und Raumskalen Christoph Gebhardt, Susanne Theis, Michael Buchhold, Zied Ben Bouallègue, Carlos Peralta, Marcus Paulat, Andreas
MehrDeutscher Wetterdienst
Deutscher Wetterdienst Ensemble Vorhersagen im Deutschen Wetterdienst: aktuelle Entwicklungen und Zukunftspläne S. Theis, C. Gebhardt, M. Buchhold, Z. Ben Bouallègue, R. Ohl, Marcus Paulat, C. Peralta,
MehrCOSMO-DE Ensemblevorhersagen
COSMO-DE Ensemblevorhersagen Dr. Annegret Gratzki S. Theis, C. Gebhardt, M. Buchhold, Z. Ben Bouallègue, R. Ohl, M. Paulat, C. Peralta Frankfurter Straße 135, 63067 Offenbach Email: Annegret.Gratzki@dwd.de
MehrEin ensemblebasiertes Windvorhersagesystem
Ein ensemblebasiertes Windvorhersagesystem AP FRAPORT AG B. Beyer Isabel Alberts // Michael Buchhold DWD, Forschung & Entwicklung Meteorologische Analyse und Modellierung Referat Interpretation und Verifikation
Mehr4. Fachtagung Energiemeteorologie Bremerhaven
Erstellung innovativer Wetter- und Leistungsprognosemodelle für die Netzintegration wetterabhängiger Energieträger Uwe Schlick / pixelio.de Bremerhaven Andreas Röpnack, Renate Hagedorn Demonstrator Wind
MehrWettervorhersagen des DWD als Grundlage für Windleistungsprognosen. aktuelle und zukünftige Potenziale
Wettervorhersagen des DWD als Grundlage für Windleistungsprognosen aktuelle und zukünftige Potenziale Renate Hagedorn Deutscher Wetterdienst Geschäftsbereich Wettervorhersage (Zentrale Fachleitung) 21.
MehrProbabilistische Vorhersage von konvektivem Niederschlag
Probabilistische Vorhersage von konvektivem Niederschlag durch Verbindung eines Nowcastingverfahrens mit einem hochaufgelösten Ensemble Kirstin Kober George C. Craig, Christian Keil DACH 2010 Bonn 22.09.2010
MehrWIEVIEL STROM ERZEUGEN WIND UND SONNE MORGEN?
WIEVIEL STROM ERZEUGEN WIND UND SONNE MORGEN? Das Forschungsprojekt EWeLiNE * * Erstellung innovativer Wetter- und Leistungsprognosemodelle für die Netzintegration wetterabhängiger Energieträger Strom
MehrProbabilistic Forecasts
Probabilistic Forecasts Susanne Theis Deutscher Wetterdienst Forschung & Entwicklung Meteorologische Analyse und Modellierung Interpretation und Verifikation Inhalt historischer Abriss heutige Ensemblesysteme
MehrErfahrungen bei der Verwendung von COSMO-DE-EPS-Wettervorhersagen im operationellen Betrieb
Erfahrungen bei der Verwendung von COSMO-DE-EPS-Wettervorhersagen im operationellen Betrieb Margret Johst, Norbert Demuth (LUWG Rheinland-Pfalz) LARSIM-Anwenderworkshop 19./20.03.2015 Gliederung 1. Integration
MehrFRAUNHOFER-INSTITUT FÜR SOLARE ENERGIESYSTEME ISE
FRAUNHOFER-INSTITUT FÜR SOLARE ENERGIESYSTEME ISE Probabilistische Solarstrahlungsprognosen mit Analog Ensembles auf Basis von numerischen Wetterprognosen und Satellitendaten Elke Lorenz 1, Jan Kühnert
MehrDeutscher Wetterdienst
Deutscher Wetterdienst Mehr Extremereignisse durch den Klimawandel und nun? Antworten der Meteorologie Quelle: DPA (Auto) Dr. Paul Becker Vizepräsident des Deutschen Wetterdienstes Fakten CO 2 Globale
MehrRequirements stemming from QPF user community
. Werner Schulz / Dr. Manfred Bremicker, Flood Forecasting Centre Baden-Württemberg, Karlsruhe Requirements stemming from QPF user community Werner Schulz State Institut for Environmental Protection Griesbachstr.
MehrDie Wettervorhersage und ihre Tücken
Lehrerfortbildung 11. Juni 2008 Die Wettervorhersage und ihre Tücken M. Kunz Institut für Meteorologie und Klimaforschung Universität / Forschungszentrum Karlsruhe die Realität Orkantief Lothar am 26.12.1999
MehrForschung und Entwicklung - Abteilung Meteorologische Analyse und Modellierung Operationelles NWV-System Änderungsmitteilung
Forschung und Entwicklung - Abteilung Meteorologische Analyse und Modellierung Operationelles NWV-System Änderungsmitteilung Operationelles NWV-System Hier: Globales NWV-System: Ensemble-Datenassimilation
MehrRegionale Reanalysen
Regionale Reanalysen Frank Kaspar mit Beiträgen von Andrea Kaiser-Weiss, Michael Borsche (DWD) sowie dem Hans-Ertel-Zentrum für Wetterforschung Teilbereich Klimamonitoring, Universität Bonn the Climate
MehrGrundlagen der numerischen Wetterprognose
Federal Department of Home Affairs FDHA Federal Office of Meteorology and Climatology MeteoSwiss Grundlagen der numerischen Wetterprognose D-PHASE End User Workshop 20. Juni 2007 Mathias Rotach, MeteoSchweiz
MehrDie Berücksichtigung der Unsicherheit der meteorologischen Eingangsdaten in der Hochwasservorhersage
LARSIM-Workshop 2015 Straßbourg Die Berücksichtigung der Unsicherheit der meteorologischen Eingangsdaten in der Hochwasservorhersage Alfons Vogelbacher, Daniel Waldmann Inhalt Unsicherheitsbereiche und
Mehr7. Wettervorhersage und Vorhersagbarkeit (aus der Theorie-Vorlesung von K. Fraedrich)
7. Wettervorhersage und Vorhersagbarkeit (aus der Theorie-Vorlesung von K. Fraedrich) Begriffe Vorhersagbarkeit Vorhersagbarkeit charakterisiert die sensitive Abhängigkeit (Wetter- und Klima) von Anfangs-
Mehrin Dano, Burkina Faso
Energy Balance Measurements and Radiosoundings in Dano, Burkina Faso Martin Kohler, Norbert Kalthoff, Stephanie Heidt Forschungszentrum Karlsruhe (FZK) Institute for Meteorology and Climate Research (IMK-TRO)
MehrRegionale Vorhersage der PV-Leistung zur Netzintegration von Solarstrom
Regionale Vorhersage der PV-Leistung zur Netzintegration von Solarstrom Elke Lorenz Thomas Scheidtsteger, Detlev Heinemann Universität Oldenburg 7.4.2011, 2. Fachtagung Energiemeteorologie, Bremerhaven
MehrDeMarine-2 Seegangsmonitor
Entwicklung von Vorhersageprodukten zur Unterstützung der Offshore-Industrie und anderer Nutzer DeMarine-2 Seegangsmonitor Dr. Frank Janssen 1, Dr. Thomas Bruns 2, Dr. Jens Kieser 2, Dr. Susanne Lehner
MehrBereitstellung hochaufgelöster Wettervorhersagen für Geoportale
Bereitstellung hochaufgelöster Wettervorhersagen für Geoportale Frank Schwarzbach, Andreas Bublak & Thomas Kloß F. Schwarzbach Bereitstellung hochaufgelöster Wettervorhersagen für Geoportale Seite 1 Gliederung
MehrModel Output Statistics (MOS)
Model Output Statistics (MOS) Numerische Modelle zur Wettervorhersage (NWV Modelle) berechnen den zukünftigen Zustand der Atmosphäre zu bestimmten Zeitpunkten (Prognose). Als Basis für die Berechnung der
MehrPV Streamer über dem subtropischen Nordatlantik in ECWMF Ensemble Vorhersagen: Vorhersagequalität, Vorhersagbarkeit und Dynamik
DACH Konferenz Bonn (21. 24. September 2010) PV Streamer über dem subtropischen Nordatlantik in ECWMF Ensemble Vorhersagen: Vorhersagequalität, Vorhersagbarkeit und Dynamik Lars Wiegand & Peter Knippertz
MehrBerechnung von Unsicherheitsbändern durch Kombination von Ensemble-Technik und ProFound-Analyse
Berechnung von Unsicherheitsbändern durch Kombination von Ensemble-Technik und ProFound-Analyse DANIEL VARGA REFERAT 43 - HYDROLOGIE, HOCHWASSERVORHERSAGE Operationeller Betrieb an der HVZ BW Vorhersagen
MehrHochaufgelöste Niederschlagsmessung während COPS
Hochaufgelöste Niederschlagsmessung während COPS Radar und Niederschlagsmesser im Vergleich N. Filipović, R. Steinacker, M. Dorninger, L. Tüchler Universität Wien, Institut für Meteorologie und Geophysik
MehrA central repository for gridded data in the MeteoSwiss Data Warehouse
A central repository for gridded data in the MeteoSwiss Data Warehouse, Zürich M2: Data Rescue management, quality and homogenization September 16th, 2010 Data Coordination, MeteoSwiss 1 Agenda Short introduction
MehrNumerische Wettervorhersage beim Deutschen Wetterdienst (DWD)
Deutscher Wetterdienst Numerische Wettervorhersage beim Deutschen Wetterdienst (DWD) Detlev Majewski, DWD, Forschung und Entwicklung e-mail: detlev.majewski@dwd.de Tel.: 069 8062 2728 Atmosphärische Strukturen
MehrHochauflösende Simulation künftiger Starkniederschlagsereignisse (ReSiPrec)
G. Schädler Statusseminar erausforderung Klimawandel 29.9.2008 Hochauflösende Simulation künftiger Starkniederschlagsereignisse () G. Schädler, H. Feldmann, H.-J. Panitz, B. Früh, R. Kohlhepp, Ch. Kottmeier
MehrHochauflösende Simulation künftiger Starkniederschlagsereignisse (ReSiPrec)
G. Schädler Statusseminar erausforderung Klimawandel 29.9.2008 Hochauflösende Simulation künftiger Starkniederschlagsereignisse () G. Schädler, H. Feldmann, H.-J. Panitz, B. Früh, R. Kohlhepp, Ch. Kottmeier
MehrStatistical and Dynamical Downscaling of Numerical Climate Simulations
Statistical and Dynamical Downscaling of Numerical Climate Simulations Enhancement and Evaluation for East Asia Thorsten Simon Meteorologisches Institut Universität Bonn Projektbeschreibung Drying of the
MehrDetlev Majewski und Dr. Erland Lorenzen LMK -1-
Das neue Lokal-Modell-Kürzestfrist (LMK) des Deutschen Wetterdienstes und seine Möglichkeiten für die bessere meteorologische Betreuung von kommerzieller Luftfahrt und Luftsport Detlev Majewski und Dr.
MehrKlimawandel in Deutschland: Was wissen wir und worauf fußen diese Erkenntnisse? Dr. Thomas Deutschländer Deutscher Wetterdienst.
Klimawandel in Deutschland: Was wissen wir und worauf fußen diese Erkenntnisse? Dr. Thomas Deutschländer Deutscher Wetterdienst Seite 1 Entwicklung der Globaltemperatur 1850 bis 2015 von der Klimareferenzperiode
MehrEnsemble-Vorhersage. von Nils Kaiser Seminar Medienmeteorologie im WS 06/07
Ensemble-Vorhersage von Nils Kaiser Seminar Medienmeteorologie im WS 06/07 Was ist die Wettervorhersage? 2 Gliederung 1. Einleitung 2. Numerische Wettervorhersage 3. Erzeugen eines Ensembles 4. Bewertung
MehrAufbereitung von GRIB2 Daten als Eingangsdaten für LARSIM
Aufbereitung von GRIB2 Daten als Eingangsdaten für LARSIM Internationaler LARSIM- Anwenderworkshop 22. & 23. März 2010, TU Kaiserslautern Inhalt 1. Veranlassung 2. Allgemeines zum GRIB2-Datenformat 3.
MehrErmittlung und Visualisierung von Vorhersageunsicherheit bei der HVZ BW. Daniel Varga (Hydron) LUBW - Referat 43 - Hydrologie, Hochwasservorhersage
Ermittlung und Visualisierung von Vorhersageunsicherheit bei der HVZ BW Daniel Varga (Hydron) LUBW - Referat 43 - Hydrologie, Hochwasservorhersage Veröffentlichung im Routinebetrieb Vorhersage und Abschätzung
MehrStatistics, Data Analysis, and Simulation SS 2015
Mainz, June 11, 2015 Statistics, Data Analysis, and Simulation SS 2015 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler
MehrWettervorhersage -modelle
Wettervorhersage -modelle Voraussetzungen Alle Vorgänge in der Atmosphäre gehorchen bekannten physikalischen Gesetzen! Wenn der Ausgangszustand der Atmosphäre bekannt ist, kann mit Wettermodellen die Entwicklung
MehrMeteorological measurements at the Offshore Platform FINO 2 - new insights -
FINO 2011 Conference May 11 th 2011, Hamburg, Germany Meteorological measurements at the Offshore Platform FINO 2 - new insights - Dipl.-Geoök. Stefan Müller, Dipl.-Ing Joachim Schwabe Content 1. FINO
MehrPart I: Verification in DWD
Part I: Verification in DWD Maximumtemperatur 100 90 Trefferquote (+- 2K) in % 80 70 60 50 40 30 20 linear 1970 1975 1980 1985 1990 1995 2000 2005 2 Tage 4 Tage 6 Tage 1 History of verification of public
MehrVL Klimasysteme 12 April Wettersysteme: ihre Bedeutung und Vorhersage. Stephan Pfahl. Gruppe Atmospheric Dynamics
VL Klimasysteme 12 April 2017 Wettersysteme: ihre Bedeutung und Vorhersage Stephan Pfahl Gruppe Atmospheric Dynamics Was sind Wettersysteme? Zyklone = Tiefdruckgebiet Blocking = Hochdruckgebiet Front Föhn
MehrDeutscher Wetterdienst
Deutscher Wetterdienst - 2013 - - 2016 - Klimawandel? Quelle: DLR (CC-BY 3.0) Die Starkniederschläge des Sommers 2016 Quelle: DLR (CC-BY 3.0) dpa (c) dpa Eine Laune der Natur oder doch schon eine Folge
MehrHochaufgelöste regionale Reanalysen für Europa und Deutschland
Hans-Ertel-Zentrum für We2erforschung Themenbereich Klimamonitoring und Diagnos=k Hochaufgelöste regionale Reanalysen für Europa und Deutschland Christian Ohlwein 1,3, Jan Keller 1,2 Christoph Bollmeyer
MehrNeue Datengrundlagen im Bereich Windenergie: C3S und regionale Reanalysen
Neue Datengrundlagen im Bereich Windenergie: C3S und regionale Reanalysen Dr. Andrea Kaiser-Weiss, Referat Nationale Klimaüberwachung (KU21), Deutscher Wetterdienst (DWD) Gliederung 1) Bedarf an Daten
MehrWettervorhersage Damals und heute
Wettervorhersage Damals und heute Bernd Richter Deutscher Wetterdienst 7 Sep 1991 7 Sep 2011 20 years Oden Polarstern at the North Pole Wettervorhersage Eine kurze Geschichte der Wettervorhersage Neue
Mehr2 Grad globale Erwärmung: Was bedeutet das für unser Klima?
2 Grad globale Erwärmung: Was bedeutet das für unser Klima? Daniela Jacob Climate Service Center, Abteilung: Klimasystem Gliederung NAS- Bericht Das E1 Szenario Klima in Europa Zusammenfassung und Ausblick
MehrOperational low flow forecasts
Operational low flow forecasts Silke Rademacher Department Water Balance, Forecasting and Predictions Federal Institute of Hydrology (BfG) Koblenz KHR-CHR Workshop Low flows and droughts 25 & 26 September
MehrPOLDIRAD Measurements
POLDIRAD Measurements Martin Hagen and Hartmut Höller Jens Reimann, Lothar Oswald, Hermann Scheffold, DLR Oberpfaffenhofen Polarization Doppler Radar POLDIRAD 1986 installed as the first fully polarimetric
MehrDeutscher Wetterdienst
Deutscher Wetterdienst Assimilation des aus GNSS - Daten abgeleiteten integrierten Wasserdampfgehaltes in ein numerisches Wettermodell Karolin Eichler, Klaus Stephan und Christoph Schraff Deutscher Wetterdienst
MehrTowards operational probabilistic runoff forecasts
Diss. ETH No. 17817 Towards operational probabilistic runoff forecasts Assessment of uncertainties within a coupled hydrometeorological modelling system A dissertation submitted to the ETH ZURICH for the
MehrGRIPS - GIS basiertes Risikoanalyse-, Informations- und Planungssystem
GRIPS - GIS basiertes Risikoanalyse-, Informations- und Planungssystem GIS based risk assessment and incident preparation system Gregor Lämmel TU Berlin GRIPS joined research project TraffGo HT GmbH Rupprecht
MehrShock pulse measurement principle
Shock pulse measurement principle a [m/s²] 4.0 3.5 3.0 Roller bearing signals in 36 khz range Natural sensor frequency = 36 khz 2.5 2.0 1.5 1.0 0.5 0.0-0.5-1.0-1.5-2.0-2.5-3.0-3.5-4.0 350 360 370 380 390
MehrMöglichkeiten und Grenzen der Vorhersage
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
MehrNutzung regionaler Reanalysen im Anwendungsbereich regenerativer Energien
Nutzung regionaler Reanalysen im Anwendungsbereich regenerativer Energien Christopher Frank1,2,Jan Keller1,4, Christian Ohlwein1,3, Susanne Crewell2, Petra Friederichs3, Andreas Hense3, Ulrich Löhnert2,
MehrSummary Details for Performance, Duration and Acoustic Measurements for the. Aircon 10S Wind Turbine. UK MCS Certification Summary
Summary Details for Performance, Duration and Acoustic Measurements for the Aircon 10S Wind Turbine UK MCS Certification Summary Certificate Number MCS TUV0007 Small Wind Turbine Certification Summary
MehrCoupled Meteorological-Hydrological. Early Flood Warning. for Alpine Catchments
Coupled Meteorological-Hydrological Early Flood Warning for Alpine Catchments H. Kunstmann, A. Marx, G. Smiatek, J. Werhahn Challenge Alpine Catchments Fast precipitation-runoff response times short warning
MehrWelche Anforderungen an das zukünftige Stromversorungssystem diktiert der Treibstoff Wetter?
Welche Anforderungen an das zukünftige Stromversorungssystem diktiert der Treibstoff Wetter? Lueder von Bremen ForWind Zentrum für Windenergieforschung der Universitäten Oldenburg, Hannover und Bremen
MehrWoche 5: Sammlung der Dozenten-Anleitungen
Woche 5: Sammlung der Dozenten-Anleitungen Anleitungen zum Umgang mit dem FreVast-System Kurseinheit 25-27, Woche 5 FreVast Team https://vast.klimod.de/portal/ 5. April 2017 Woche 5: Sammlung der Dozenten-Anleitungen
MehrGekoppelte Klima-Hydrologie Modellierung von Hochwässern in der Steiermark das Projekt CHC-FloodS
Klimatag 2016, Graz Gekoppelte Klima-Hydrologie Modellierung von Hochwässern in der Steiermark das Projekt CHC-FloodS Christian Reszler, Matt Switanek, Heimo Truhetz, Christophe Ruch Themenstellung Lokale,
MehrForschung und Entwicklung - Abteilung Meteorologische Analyse und Modellierung Operationelles NWV-System Änderungsmitteilung
Forschung und Entwicklung - Abteilung Meteorologische Analyse und Modellierung Operationelles NWV-System Änderungsmitteilung Operationelles NWV-System Hier: Operationelle Einführung des ICON-EU Nestes
MehrWettervorhersagen und ihre Aussagekraft
Eidgenössisches Departement des Innern EDI Bundesamt für Meteorologie und Klimatologie MeteoSchweiz Wettervorhersagen und ihre Aussagekraft Andreas Asch, Meteorologe MeteoSchweiz Was steckt hinter den
MehrModerne Wettervorhersage Numerische Modelle in der Meteorologie. Alexander Beck. Zentralanstalt für Meteorologie und Geodynamik
Moderne Numerische Modelle in der Meteorologie Alexander Beck (alexander.beck@zamg.ac.at) Überblick Moderne 1. Okt 2011 Folie 2 Ein kurzer Blick in die Vergangenheit Beobachten und Messen Vorhersagemodelle
MehrGeostatistics for modeling of soil spatial variability in Adapazari, Turkey
1 Geostatistics for modeling of soil spatial variability in Adapazari, Turkey Jack W. Baker Michael H. Faber (IBK) ETH - Zürich 2 Practical evaluation of liquefaction occurrence Obtained from empirical
MehrBachelor- und Masterarbeiten der AG s Klimadynamik und Stochastische Dynamik
Bachelor- und Masterarbeiten der AG s Petra Friederichs, Andreas Hense, Christian Ohlwein, Jan Keller 12. November 2013 Es wird bei der Vorstellung der Themenbereiche im wesentlichen kein Unterschied zwischen
MehrMethoden zur Nutzung meteorologischer Vorhersageunsicherheiten für die Betriebsoptimierung eines solarthermischen Kraftwerks
DLR.de Folie 1 Methoden zur Nutzung meteorologischer Vorhersageunsicherheiten für die Betriebsoptimierung eines solarthermischen Kraftwerks Konstantin Bubolz, Marion Schroedter-Homscheidt, Tobias Hirsch
MehrNehmen die extremen Wetterereignisse zu?
Nehmen die extremen Wetterereignisse zu? Möglichkeiten und Grenzen der Prognose bei wasserwirtschaftlichen Fragestellungen im Ruhreinzugsgebiet Dr. Paul Becker Vizepräsident des Deutschen Wetterdienstes
MehrMeteorologische Extremereignisse im Klimawandel
Meteorologische Extremereignisse im Klimawandel Michael Kunz, Susanna Mohr, Marc Puskeiler Institut für Meteorologie und Klimaforschung (IMK) Center for Disaster Management and Risk Reduction Technology
MehrClimate change and availability of water resources for Lima
Climate change and availability of water resources for Lima András Bárdossy bardossy@iws.uni-stuttgart.de Lima Marzo 12. 2009 1 Engineers and the future Knowledge about Past Design for Future Lima Marzo
MehrExtremereignisse im Klimawandel Gewitter- und Hagelstürme
Extremereignisse im Klimawandel Gewitter- und Hagelstürme Michael Kunz, Susanna Mohr, Marc Puskeiler 2.REKLIM-Konferenz 2011 Klimawandel in Regionen, Leipzig Institut für Meteorologie und Klimaforschung
MehrKlimawandel in Bayern Veränderungen und Perspektiven
Klimawandel in Bayern Veränderungen und Perspektiven Dr. Harald Maier Deutscher Wetterdienst Agrarmeteorologie Weihenstephan Email: Harald.Maier@dwd.de 1 Grundsätzliches Sicherheit: Das Klima ändert sich
MehrMöglichkeiten und Grenzen von Wettervorhersagen Integration von Wetterdaten in das Düngeberatungsprogramm BEFU
Möglichkeiten und Grenzen von Wettervorhersagen Integration von Wetterdaten in das Düngeberatungsprogramm BEFU Falk Böttcher mit Beiträgen von Frank Förster und Dr. Michael Grunert (LfULG) sowie Dr. Kristina
MehrDienstleistungsmanagement Übung 5
Dienstleistungsmanagement Übung 5 Univ.-Prof. Dr.-Ing. Wolfgang Maass Chair in Economics Information and Service Systems (ISS) Saarland University, Saarbrücken, Germany Besprechung Übungsblatt 4 Slide
Mehra) Name and draw three typical input signals used in control technique.
12 minutes Page 1 LAST NAME FIRST NAME MATRIKEL-NO. Problem 1 (2 points each) a) Name and draw three typical input signals used in control technique. b) What is a weight function? c) Define the eigen value
MehrTest Report. Test of resitance to inertia effects of Zirkona Backwall. Sled Test (Frontal Impact) 20 g / 30 ms
Test Report Test of resitance to inertia effects of Zirkona Backwall Sled Test (Frontal Impact) 20 g / 30 ms This report serves solely as a documentation of test results. 93XS0002-00_TdC.doc Page 1 1.
MehrNowcasting von Winterwetter mit INCA
Nowcasting von Winterwetter mit INCA R & D, Anwendung und internationale Vernetzung Franziska Strauss Ingo Meirold-Mautner Clemens Wastl Martin Suklitsch Benedikt Bica Alexander Kann Yong Wang Entwicklung
MehrSturmgefährdung Schweiz
Sturmgefährdung Schweiz 12. November 2015, Messe Sicherheit Stefan Müller, Meteotest, Bern Quelle: PLANAT Silke Dierer, Stefan Müller, Meteotest, Bern Peter Stucki, Stefan Brönnimann, Olivia Romppainen-Martius,
MehrDeutscher Wetterdienst
Deutscher Wetterdienst 100 Jahre Klimaentwicklung in Deutschland und Hessen eine Bilanz Dr. Paul Becker Vizepräsident des Deutschen Wetterdienstes Was betrachten wir? Parameter Temperatur Niederschlag
MehrKlimadynamik, Wettervorhersage und Paläo: wie geht das zusammen? Andreas Hense Meteorologisches Institut Universität Bonn
Klimadynamik, Wettervorhersage und Paläo: wie geht das zusammen? Andreas Hense Meteorologisches Institut Universität Bonn http://www.meteo.uni-bonn.de/forschung/gruppen/klimadynamik 1 Assistentin 2 wissenschaftliche
MehrVorwarnung für Allergiker Neue Wege der Pollenvorhersage
Vorwarnung für Allergiker Neue Wege der Pollenvorhersage B. Vogel, H. Vogel, A. Pauling *, M. Rotach *, U. Kaminski +, J. Förstner + * MeteoSchweiz; + Deutscher Wetterdienst René Ostrowski René Ostrowski
MehrPrimärspannungsmessungen mit der. CSIRO Triaxialzelle
Blatt Nr.: 1 STRESS CELL REDUCTION PROGRAM ******************************** ******************************** Authorized & accredited by the CSIRO Division of Geomechanics. Copyright Mindata Ltd, July 1990
MehrCABLE TESTER. Manual DN-14003
CABLE TESTER Manual DN-14003 Note: Please read and learn safety instructions before use or maintain the equipment This cable tester can t test any electrified product. 9V reduplicated battery is used in
MehrDatenbankbeschreibung von COSMO-EU und COSMO-DE. für das DFG-Projekt SPP 1167
Offenbach, den 22.02.2011 Datenbankbeschreibung von COSMO-EU und COSMO-DE für das DFG-Projekt SPP 1167 Andreas Röpnack und Thomas Hanisch Dauerhafte Speicherung von LM / COSMO-EU / COSMO-DE Routine Vorhersagen
MehrBayesian updating in natural hazard risk assessment
International Forum on Engineering Decision Making, Third IFED Forum, Shoal Bay, Australia, 12-15 15 December 2007 1/23 Bayesian updating in natural hazard risk assessment Mathias Graf, Kazuyoshi Nishijima,
MehrStahl-Zentrum. Koksqualität und Hochofenleistung - Theorie und Praxis. Düsseldorf, 05. Dezember Peter Schmöle
Koksqualität und Hochofenleistung - Theorie und Praxis Düsseldorf, 05. Dezember 2013 1 ThyssenKrupp Steel Europe Coke quality and blast furnace performance Introduction Roles of coke Flooding effects Effects
MehrRegistration of residence at Citizens Office (Bürgerbüro)
Registration of residence at Citizens Office (Bürgerbüro) Opening times in the Citizens Office (Bürgerbüro): Monday to Friday 08.30 am 12.30 pm Thursday 14.00 pm 17.00 pm or by appointment via the Citizens
MehrOptimierungsmöglichkeiten der Solarleistungsprognose Dr. Michael Christoph, Dr. Thomas Sperling, EuroWind GmbH
Optimierungsmöglichkeiten der Solarleistungsprognose Dr. Michael Christoph, Dr. Thomas Sperling, EuroWind GmbH 23. Windenergietage, Potsdam 13. November 2014 Gliederung Wer ist EuroWind? Leistungsvorhersagen
MehrContext-adaptation based on Ontologies and Spreading Activation
-1- Context-adaptation based on Ontologies and Spreading Activation ABIS 2007, Halle, 24.09.07 {hussein,westheide,ziegler}@interactivesystems.info -2- Context Adaptation in Spreadr Pubs near my location
Mehrv+s Output Quelle: Schotter, Microeconomics, , S. 412f
The marginal cost function for a capacity-constrained firm At output levels that are lower than the firm s installed capacity of K, the marginal cost is merely the variable marginal cost of v. At higher
MehrMetric Optimisation for Analogue Forecasting based on Simulated Annealing. EGU General Assembly, April 2009, Vienna* bearbeiten
Metric Optimisation for Analogue Forecasting based on Simulated Annealing EGU General Assembly, April 2009, Vienna* J. Bliefernicht and A. Bárdossy University of Stuttgart durch Klicken Institute of Hydraulic
MehrSturzflutwarnsystem Thüringen
Sturzflutwarnsystem Thüringen STUWASYS Workshop: Klimamonitoring Klimaveränderungen erkennen und verstehen 26. Oktober 2010, TLUG Jena Sturzflutwarnsystem Thüringen ringen - Pilotprojekt Trusetal - Sturzflutwarnsystem
MehrCOPERNICUS-Projekt Satellitenbasierte Dienste und mobile Anwendungen für Luftqualität
Für Mensch & Umwelt Fachsession CAMS - Copernicus Forum 2017 COPERNICUS-Projekt Satellitenbasierte Dienste und mobile Anwendungen für Luftqualität Ute Dauert & Jewgenia Bär Fachgebiet II 4.2 Beurteilung
MehrUsing TerraSAR-X data for mapping of damages in forests caused by the pine sawfly (Dprion pini) Dr. Klaus MARTIN klaus.martin@slu-web.
Using TerraSAR-X data for mapping of damages in forests caused by the pine sawfly (Dprion pini) Dr. Klaus MARTIN klaus.martin@slu-web.de Damages caused by Diprion pini Endangered Pine Regions in Germany
MehrKlima(wandel) und Enegie(wende) Aktivitäten des Deutschen Wetterdienstes
Hannover, 13.10.2015 EnerKlim - Auftaktveranstaltung Klima(wandel) und Enegie(wende) Aktivitäten des Deutschen Wetterdienstes Guido Halbig Leiter der Niederlassung Essen Deutscher Wetterdienst Klimaschutz
MehrLufft UMB Sensor Overview
Lufft Sensor Overview Wind Radiance (solar radiation) Titan Ventus WS310 Platinum WS301/303 Gold V200A WS300 WS400 WS304 Professional WS200 WS401 WS302 Radiance (solar radiation) Radiation 2 Channel EPANDER
MehrPrécision des prévisions applications de LARSIM avec différentes prévisions météorologiques numériques dans le Vorarlberg
Précision des prévisions applications de LARSIM avec différentes prévisions météorologiques numériques dans le Vorarlberg Vorhersagegenauigkeit Larsim- Anwendungen mit unterschiedlichen numerischen Wettervorhersagen
MehrRegional Atmospheric Soaring Prediction
Regional Atmospheric Soaring Prediction Anwendung im Wellenflug Hendrik Hoeth http://rasp.linta.de/niedersachsen WAVE/ http://rasp.linta.de/blackforest WAVE/ Leewellen im Mittelgebirge, Hannover, 14. Februar
MehrStatistisch-probabilistische Einordnung von Sturmfluten mit sehr geringen Eintrittswahrscheinlichkeiten. Jürgen Jensen & Christoph Mudersbach
MUSE Statistisch-probabilistische Einordnung von Sturmfluten mit sehr geringen Eintrittswahrscheinlichkeiten KFKI-Nr. 78 bmbf-nr. 03KIS039 Jürgen Jensen & Christoph Mudersbach Folie 1 fwu (2004) Inhalt
MehrZuverlässigkeitsaussagen in der Praxis der Hochwasserwarnung und vorhersage in Bayern
BfG-Kolloquium "Unsicherheiten in der hydrologischen Vorhersage - quantifizieren, reduzieren, kommunizieren" Zuverlässigkeitsaussagen in der Praxis der Hochwasserwarnung und vorhersage in Bayern Alfons
MehrTitelmasterformat Object Generator durch Klicken bearbeiten
Titelmasterformat Object Generator durch Klicken bearbeiten How to model 82 screws in 2 minutes By Pierre-Louis Ruffieux 17.11.2014 1 Object Generator The object generator is usefull tool to replicate
Mehr