statistical and dynamical downscaling of numerical climate simulations enhancement and evaluation...
TRANSCRIPT
Statistical and Dynamical Downscaling of Numerical Climate
Simulations
Enhancement and Evaluation for East Asia
Thorsten SimonMeteorologisches Institut – Universität Bonn
2
Projektbeschreibung
“Drying of the North, Flooding of the South”
Haihe Einzugsgebiet: Hauptstadt Beijing 10% China’s Bevölkerung Wasserknappheit
Poyang Einzugsgebiet: größter Süßwassersee
Chinas hohe Variabilität des
Wasserstandes großes
Überflutungspotential
3
Ost-Asiatischer Sommermonsun (EASM)
Horizontalwind 850hPa (links) und Niederschlag in mm (rechts) aus ERA-40 gemittelt von 12.Mai bis 17.Mai
4
Ost-Asiatischer Sommermonsun (EASM)
Horizontalwind 850hPa (links) und Niederschlag in mm (rechts) aus ERA-40 gemittelt von 17.Juni bis 22.Juni
5
Ost-Asiatischer Sommermonsun (EASM)
Horizontalwind 850hPa (links) und Niederschlag in mm (rechts) aus ERA-40 gemittelt von 29.Juli bis 3. August
6
Statistisches Downscaling (SD)
Zielgrößen aus
Beobach-tungsdaten
Prädiktoren aus
GCM Daten
Statistisches Modell
Verifikation Anwendung
GCM Daten
7
Dynamisches Downscaling (DD) räumlich limitiertes
Zirkulationsmodell:
Regionales Klimamodell (RCM)
Komponenten:
Dynamischer Kern, z.B. COSMO, WRF, ..
Randbedingungen, z.B. CMIP Läufe, globale Re-analysen, ..
Numerische Parameter, z.B. Auflösung, Breite der Sponge-zone, …
source: htp://www.wmo.int
8
Vergleich der Ansätze
Statistisches Downscaling Dynamisches Downscaling
PRO
Einfache Implementierung
Automatisch bias-korrigiert
Skala der Beobachtung
Physikalisch konsistent
Rasterdaten
Unbeobachtete Größen
CONTRA
Annahme der Stationarität
Datenbasis ggf. unzureichend
Kovarianzen i.A. nicht physikalisch konsistent
Räumliche Modellierung nicht-normal verteilter Zielgrößen
Technisch und numerisch komplex
Fehlerquelle Randbedingungen
Fehlerquelle Parametrisierung
Validierung komplex
9
Zielsetzung
Aufbau eines Statistischen Modells für
Niederschlagsereignisse
Physikalische Interpretation der
Prädiktoren
Validierung der RCM Läufe
Entwicklung einer Methode zur
Quantifizierung der Eigendynamik in RCMs
Sta
tisti
cal
Dow
nscali
ng
Dyn
am
ical
Dow
nscali
ng
10
Zielsetzung
Aufbau eines Statistischen Modells für
Niederschlagsereignisse
Physikalische Interpretation der
Prädiktoren
Validierung der RCM Läufe
Entwicklung einer Methode zur
Quantifizierung der Eigendynamik in RCMs
Sta
tisti
cal
Dow
nscali
ng
Dyn
am
ical
Dow
nscali
ng
11
Daten tägliche Niederschlags-
messungen
Transformation zu Schwellwertüberschreitung
ERA-40 Variablen:
– Horizontalwind– Relative Vorticity– Vertikalwind– Gesamt-Wassergehalt
Zeitraum: 1960 - 1999
Zielgrößen aus
Beobach-tungsdaten
Prädiktoren aus
GCM Daten
Lage der Messstationen im Poyang Einzugsgebiet
12
Methode EOF Analyse der ERA-40 Daten
Generalisiertes lineares Modell (GLM) für binäre Variablen
Maximum Likelihood Schätzer (MLE)
4-fold Cross-Validation
Brier Skill Score (BSS) mit Klimatologie als Referenzvorhersage
Reliability-Diagramm
Statistisches Modell
Verifikation
13
Verifikation des statistischen Modells
14
Physikalische Interpretation
EOF-Prädiktor
ERA-40: 16.Juni 1994
[s-1]
[Pa s-1]
15
Zielsetzung
Aufbau eines Statistischen Modells für
Niederschlagsereignisse
Physikalische Interpretation der
Prädiktoren
Validierung der RCM Läufe
Entwicklung einer Methode zur
Quantifizierung der Eigendynamik in RCMs
Sta
tisti
cal
Dow
nscali
ng
Dyn
am
ical
Dow
nscali
ng
16
Zielsetzung
Aufbau eines Statistischen Modells für
Niederschlagsereignisse
Physikalische Interpretation der
Prädiktoren
Validierung der RCM Läufe
Entwicklung einer Methode zur
Quantifizierung der Eigendynamik in RCMs
Sta
tisti
cal
Dow
nscali
ng
Dyn
am
ical
Dow
nscali
ng
17
COSMO-CLM East Asia
ERA40 ECHAM5 20C3M
ECHAM5 A1B
East Asia 50km
1971 – 2000
1971 – 2000
2011 – 2050
Haihe 7km
1971 – 2000
1971 – 2000
2021 – 2050
Poyang 7km
1971 – 1975
1971 – 1997
2021 – 2050
COSMO-CLM Haihe
COSMO-CLM Poyang
18
Validierung der RCM Läufe
EASM- und EAWM-Dynamiken werden realistisch simuliert
Lokale Niederschlags-verteilungen sind näher an den Beobachtungen
EASM im COSMO hoch korreliert mit dem EASM in ECHAM5
Niederschlagsverteilung [mm/24h] für die Station Nanchang im Poyang-Catchment
19
Quantifizierung der Eigendynamik im RCM
GCM bilinear interpoliert
RCM
punktweise Schätzung der
Kohärenzspektren
räumliche Verteilung der Kohärenz für eine
Frequenz
20
Eigendynamik: Beispiele
COSMO East Asia mit ECHAM5_20C3M Rand
COSMO East Asia mit ERA-40 Rand
21
Zielsetzung
Aufbau eines Statistischen Modells für
Niederschlagsereignisse
Physikalische Interpretation der
Prädiktoren
Validierung der RCM Läufe
Entwicklung einer Methode zur
Quantifizierung der Eigendynamik in RCMs
Sta
tisti
cal
Dow
nscali
ng
Dyn
am
ical
Dow
nscali
ng
22
Schlussfolgerungen – Statistical Downscaling Aufbau eines Statistischen Modells für
Niederschlagsereignisse
– Machbarkeit eines GLM für Schwellwertüberschreitung mit EOF Prädiktoren gezeigt
– Gute Kalibrierung des Modells ist mit Kreuzvalidierung und Zerlegung des Brier Scores belegt
Physikalische Interpretation der Prädiktoren
– EOF-Muster aus relativer Vorticity auf 850hPa und Vertikalwind auf 500hPa assoziieren mit zyklonalen Wirbeln auf der meso-α-Skala
– Vorticity und Vertikalwind spiegeln geostrophische und ageostrophische Komponenten wider
– Gesamt-Wassergehalt brachte keine zusätzliche Vorhersagbarkeit
23
Schlussfolgerungen – Dynamical Downscaling Validierung der RCM Läufe
– EASM und EAWM Dynamiken werden gut aufgelöst, Niederschlagsverteilungen sind näher an Beobachtungen
Entwicklung einer Methode zur Quantifizierung der Eigendynamik
– Kohärenzspektren stellen ein sinnvolles Werkzeug zur Quantifizierung der Eigendynamik eines RCMs dar
– Räumliche Kohärenzmuster hängen von regionaler Dynamik, numerischen Parametern und den Randbedingungen ab
– Die Definition der Eigendynamik als Mehrwert ist essentiell für das Verständnis von RCMs
– Dynamisches Downscaling einer Re-analyse unterscheidet sich konzeptionell von einer regionalen Re-analyse
Statistical and Dynamical Downscaling of Numerical Climate
Simulations
Enhancement and Evaluation for East Asia
Thorsten SimonMeteorologisches Institut – Universität Bonn
25
ReferenzenSimon, T., Hense A., Su B., Jiang, T., Simmer, C. and Ohlwein, C. (2013): Pattern-based statistical downscaling of East Asian Summer Monsoon precipitation, Tellus A. DOI: 10.3402/tellusa.v65i0.19749.
Simon, T., Wang, D., Hense, A., Simmer, C. and Ohlwein, C. (2013): Generation and transfer of internal variability in a regional climate model, Tellus A. DOI: 10.3402/tellusa.v65i0.22485
Wand, D., Menz, C., Simon, T., Simmer, C. and Ohlwein, C. (2013): Regional dynamical downscaling with CCLM over East Asia. Meteorol. Atmos. Phys. DOI: 10.1007/s00703-013-0250-z