Assimilierung von GRACE-Daten in ein hydrologisches Modell mit Hilfe eines Ensemble-Kalman-Filter Ansatzes M. Schumacher, A. Eicker, E. Kurtenbach, J. Kusche (Universität Bonn) P. Döll, H. Hoffmann-Dobrev, H. Müller Schmied (Universität Frankfurt) 11. Oktober 2012
Motivation Der globale Wasserkreislauf 2 Bildquelle: http://iopscience.iop.org/1748-9326/5/2/025202 (letzter Aufruf: 25.07.2012)
Modellierung LaD Der globale Wasserkreislauf SMOS: Bodenfeuchte WGHM GLDAS Wasserbilanzgleichung: P E R S P E R S P: Niederschlag (precipitation) E: Verdunstung (evapotranspiration) Fernerkundung: R: Abfluss (run-off) Landbedeckung, Seen, S: Speicheränderung Wettersatelliten: TerraSAR-X Landsat Envisat Meteosat Altimetrie: Wasserstände (Seen, Flüsse) GRACE: Gesamtspeicher MetOp 3
Der kontinentale Wasserkreislauf Modellierung LaD SMOS: Bodenfeuchte WGHM GLDAS Altimetrie: Wasserstände (Seen, Flüsse) 4 P E R S GRACE: Gesamtspeicher Fernerkundung: Landbedeckung, Seen, TerraSAR-X Landsat Envisat Wettersatelliten: Meteosat MetOp
Ansätze Werth und Güntner (2010) Modell: WGHM Beob.: Mittelwert über Einzugsgebiet GRACE, gefiltert Fehlerinform.: Varianzen Methode: Genetischer Alg. Nur Kalibrierung Zaitchik et al. (2008) Modell: NASA CLSM Beob.: Mittelwert über Einzugsgebiet GRACE, gefiltert Fehlerinform.: gleich genau Methode: EnKS Nur Assimilierung 5 Dieser Ansatz: Modell: WGHM Beob.: GRACE (volle räumliche Aufl.), Stromdurchfluss Fehlerinform.: volle Kovarianzmatrix von GRACE Methode: EnKF (EnKS) Kalibrierung und Assimilierung
Kalman Filter Prädiktion (Modell): mit Kalman Filter Beobachtungen (GRACE) mit Gesamtwasserspeicher (Gitter) volle Kovarianzmatrix (Gitter) 6 0.5 x0.5 Gitter 27 Kalibrier- + parameter 10 Kompartments: BEWUCHS SCHNEE BODEN SEE lokal FEUCHTGEB. lokal SEE global FEUCHTGEB. global RESERVOIR FLUSS GRUNDWASSER GRACE monatliche Lösungen ITG-Grace2010 Potentialkoeff. N max =60 volle Kovarianzmatrix
Kalman Filter Prädiktion (Modell): mit Kalman Filter Beobachtungen (GRACE) mit Update Beobachtungen Gainmatrix K 7 Modellprädiktion Kovarianzmatrix des Updates
Fehlerinformation Modell Prädiktion (Modell): 2. zentrales Moment mit 1. Moment 8 Monte Carlo Sampling Mittelwert Empirische Kovarianzmatrix
Ensemble Kalman Filter Prädiktion (Modell): mit Ensemble Kalman Filter Beobachtungen (GRACE) mit Update Beobachtungen Gainmatrix K 9 Modellprädiktion Kovarianzmatrix des Updates
Ensemble Sample 1 Zustandsvektor x: 10 Speicher pro Gitterzelle 27 Kalibrierparameter a-priori Verteilungen der Kalibrierparameter Sample 2 10 Sample N Ensemble Mittelwert empirische Ensemble Kovarianzmatrix Varianzen und Korrelationen der Speicher und Parameter
Sensitivitätsanalyse Schneeschmelze M M = K S ( T - T m ) K S : Proportionalitätsfaktor T: aktuelle Temperatur T m : Schneeschmelztemperatur 11 0.5 x 0.5 Gitter Bildquelle: Döll et al. (2012, S. 146)
Schneeschmelztemperatur Modellprädiktion: Mittelwert über Mississippigebiet, 2008 Feuchtgebiet Feuchtgebiet Gesamtwasserspeicher ewh [mm] Modellsensitivität der Speicherkompartiments in Abhängigkeit verschiedener Parameter standard run Fluss Fluss 12 Zeit [MJD] Schnee Boden Grundwasser
Schneeschmelztemperatur Standardabweichungen der Modellspeicher nach einem Jahr Feuchtgebiet Fluss 13 Räumliche Verteilung der Modellunsicherheiten Schnee in verschiedenen Boden Speicherkompartments Grundwasser ewh [mm]
Beitrag der Beobachtungen T m : Schneeschmelztemperatur α PT : Priestley-Taylor Koeffizient rp: Strahlungsanteil m gw : Multiplikator Grundwasserentnahmen 14 0.5 x 0.5 Gitter Bildquelle: Döll et al. (2012, S. 146)
Beitrag der Beobachtungen (II) Kalman Filter: Update Beobachtungen Modellprädiktion Gainmatrix K Wie viel tragen alle GRACE- Beobachtungen zum Mittelwert über das Einzugsgebiet der einzelnen Speicherkompartments bei? 15 Anwendung eines Mittelwertoperators Mittelwert über das Einzugsgebiet für die einzelnen Speicherkompartments Beitrag jeder einzelnen GRACE Gitterzellenbeobachtung zum Mittelwert über Einzugsgebiet Summe der Gewichte
Beitrag von GRACE zum Mittelwert Jahr 2008 Beitrag von GRACE variiert zwischen Kompartments und verändert sich mit der Zeit 16 Mississippigebiet
Zusammenfassung und Ausblick Ansatz zur Kalibrierung und Assimilierung: komplette GRACE Auflösung und volle Kovarianzinformation Disaggregation des GRACE Signals in individuelle Speicherkompartments scheint möglich 17 Nächster Schritt: Kalibrierung und Datenassimilation (weitere Anpassungen des WGHMs erforderlich)
Zusammenfassung und Ausblick Verbesserungen der Methode: Sampling-Strategie für das Start-Ensemble square root Algorithmus Validierung der assimilierten Modellläufe: gegen unabhängige Stromdurchflussmessungen 18 Außerdem: Einführung von Fehlern für die Klima-Inputdaten Kalibrierung und Assimilierung von Stromdurchfluss-Daten
19 Danke für Ihre Aufmerksamkeit!