DACH2007-A-00241 - Copernicus Meetings
Transcrição
DACH2007-A-00241 - Copernicus Meetings
Validierung von MM5 Vorhersagen für die Küstenregion Ostspaniens in Abhängigkeit von der meteorologischen Situation Hinnerk Ries, K. Heinke Schlünzen Meteorologisches Institut, Universität Hamburg Bundesstrasse 55 20146 Hamburg Deutschland [email protected] [email protected] 1. Einführung Für die Bucht von Valencia wurden kurzfristige Windvorhersagen in hoher räumlicher Auflösung durchgeführt. Die Güte der Simulationen wird an Hand der meteorologischen Standardparameter Wind, Temperatur und Feuchte bewertet. So kann eine Aussage über die Modellgüte für die Region in Hinblick auf Windvorhersagen für Segler (Americas Cup) getroffen werden. 2. Methodik Für die Vorhersagen wurde die nicht hydrostatische Version des Modells MM5 (Grell et al. 1995) verwendet und mit dreistündigen globalen Vorhersagen des GFS (Kalnay et al. 1990) angetrieben. Die GFS Daten liegen in einer Auflösung von 1 Grad vor. Als topografische Randdaten dienten GTOPO30 und 24-Kategorien-Landnutzungsklassen des USGS mit je 30 Bogensekunden Auflösung. Folgende Modellgebiete wurden für die Läufe gewählt: 1. Nest 1 mit x= 85 * y= 85 Gitterpunkten und 27km Gitterpunktabstand. 2. Nest 2 mit x=154 * y=154 Gitterpunkten und 9km Gitterpunktabstand. 3. Nest 3 mit x=154 * y=154 Gitterpunkten und 3km Gitterpunktabstand. Die Gebiete sind in Abbildung 1 dargestellt. -1- Abbildung 1: Geografische Positionen von Nest 1 (schraffiert), Nest 2 und Nest 3 (durch Kästen angedeutet). Die Position von Nest 3 ist angegeben, wie sie ab dem 13. Juni verwendet wurde. Schraffur und Konturlinie zeigen die Orografie [m üNN] beziehungsweise die Küstenlinie wie für Nest 1 verwendet. Gefüllte Kreise markieren die Stationen des nationalen Wetterdienstes, die mindesten 3 Gitterpunkte vom Rand von Nest 3 entfernt sind. Kreise markieren Stationen, die vor dem 13 Juni nicht im Modellgebiet lagen. Für alle Nester wurden 52 vertikale atmosphärische, zum Boden gedrängte Sigma-Level gerechnet. Das unterste Modellniveau liegt ca. 6m über dem Meeresspiegel, das oberste in 100hPa. Als Parametrisierungsoptionen wurden für Wolkenmikrophysik das Reisner-Graupel-Schema (Reisner et al. 1998) für die Turbulenz MRF (Hong, Pan 1996), für die Strahlung CCM2 (Hack et al. 1993) und für die Cumulusparametrisierung in Nest 1. und Nest 2. Kain-Fritsch 2 (Kain 2004) gewählt. Prozesse im Boden wurden mit NOAH-LSM (Chen, Dudhia 2001) simuliert. Gerechnet wurden 81 17- bis 24-stündige Vorhersagen auf der SX-8 (NEC) in Stuttgart. Die Bewertung der Modellergebnisse erfolgt durch zeit- und ortsgenauen Vergleich der Vorhersagen mit den Messungen der Wetterdienste (24 Stationen). Statistische Maße zur Beurteilung der Güte der Modellergebnisse sind Trefferquoten (Schlünzen, Katzfey 2003), Korrelationskoeffizienten, Standardabweichungen sowie weitere Fehlermaße. -2- 3. Ergebnisse und Ausblick Die Ergebnisse der Validation werden in Tabelle 1 für den Wind und in Tabelle 2 für Temperatur, Taupunkt und Druck dargestellt. Dabei sind die Beurteilungsmasse als mittlere Werte für alle in der jeweiligen Konfiguration gerechneten Fälle berechnet worden. DOM1 OLD NEW ff ME RMSE IOA H dd PSS RMSE H N .34 RMSE of VWD 6.82 2.38 5.32 .29 .06 51.91 .53 624 1.19 -.47 4.11 2.21 .31 .66 5.49 3.18 .30 .39 .02 .08 51.86 47.23 .51 .58 636 2008 Tabelle 1: Beurteilungsmasse für den Wind für das Nest 1 (DOM1), die anfänglichen Modellversion mit 34 vertikalen Schichten (OLD) und die letzte Version mit 52 vertikalen Schichten (NEW) jweils im Nest 3 verglichen mit Stationsmessungen. N stellt die Anzahl der Beobachtungen dar, die für die Berechnung von mittleren Fehler (ME), Wurzel aus dem mittleren quadratischen Fehler (RMSE), Index der Übereinstimmung (IOA), Vektor Wind Difference (VWD), Trefferquote (H) und Peirce Skill (PSS) herangezogen wurden. Die Berechnung ist den Gleichungen (1) bis (5) zu entnehmen. In den folgenden Formeln repräsentieren P und PO die simulierten und beobachteten Werte, MO die mittlere Windgeschwindigkeit für N Werte. Hi, Oi, Fi und S repräsentieren die TrefferZählungen, Anzahl der Beobachtungen und Anzahl der Vorhersagen in einem bestimmten Intervall und die Gesamtzahl der Werte einer Kontingenttabelle: 1 N (1) ME = ∑ ( P − PO ) N i =1 N ( RMSE ) 2 IOA = 1 − N (2) 2 ∑ ( P − M O + PO − M O ) i =1 VWD = (u − u 0 ) 2 + (v − v0 ) 2 RMSE = k PSS = 1 N (3) N ∑ (P − P ) i =1 2 (4) 0 k ∑ H i ∑ Oi Fi i =1 i =1 k (5) S − ∑ Oi Oi i =1 -3- DOM1 OLD NEW T ME .90 .09 .69 RMSE 3.51 H .41 PSS .17 N 1173 3.23 .43 .15 774 2.36 .61 .26 3307 Td ME 0.85 1.29 1.15 RMSE 2.59 H .57 PSS .24 N 1173 2.87 .53 .18 774 2.77 .59 .26 3306 p ME 0.92 0.90 1.36 RMSE 1.55 H .82 PSS .36 N 921 1.3 .89 .47 669 1.74 .73 .31 2919 Tabelle 2: Wie Tabelle 1 aber für Temperatur, Taupunkt und Druck. Werden nur Trefferquoten H betrachtend, so lässt sich keine nennenswerte Verbesserung durch die erhöhte Auflösung von Nest 1 zu Nest 3 erkennen. Dagegen führt die Verwendung von 52 vertikalen Schichten bei allen Variablen (Ausnahme: Druckwerte) zu einer Verbesserung der Vorhersage. Besonders verbessert hat sich die Temperaturberechnung. Die Vorhersagegüte bleibt jedoch auch hier hinter der von Schlünzen und Katzfey (2003) zurück, wobei die Ergebnisse sich dort nur auf einen Tag beziehen und hier mittlere Werte über verschiedene Situationen dargestellt sind. In einem nächsten Schritt soll die Abhängigkeit der Modellgüte von der simulierten meteorologischen Situation analysiert werden. Danksagung Wir bedanken uns für die Bereitstellung von Daten und Modell bei der “Pennsylvania State University” (Penn State) und der “University Corporation for Atmospheric Research (UCAR)”, bei U.S. Geological Survey (USGS), National Oceanic and Atmospheric Administration (NOAA) und dem deutschen Wetterdienst (DWD). Literaturverzeichnis Chen, Fei; Dudhia, Jimy (2001): Coupling an Advanced Land Surface-Hydrology Model with the Penn State-NCAR MM5 Modeling System. Part I: Model Implementation and Sensitivity. Monthly Weather Review, Jg. 129, H. 4, S. 569–585. Grell, G.; Dudhia, Jimy; Stauffer, D. (1995): A description of the Fifth-Generation Penn State/NCAR Mesoscale Model (MM5). (NCAR Technical Note, NCAR/TN398+STR). Hack, James; Boville, Byron; Briegleb, Bruce; Kiehl, Jeffrey; Rasch, Philip; Williamson, David (1993): Description of the NCAR Community Climate Model (CCM2). (NCAR Technical Note, NCAR/TN-382+STR). Hong, S.; Pan, H. (1996): Nonlocal boundary layer vertical diffusion in a Medium-Range Forecast Model. Monthly Weather Review, Jg. 124, H. 10, S. 2322–2339. Kain, John (2004): The Kain-Fritsch Convective Parameterization: An Update. Journal of applied Meteorology, Jg. 43, H. 1, S. 170–181 Kalnay, E.; Kanamitsu, M.; Baker, W. (1990): Global numerical weather prediction at the National-Meteorological-Center. Bulletin of the American Meteorological Society, Jg. 71, H. 10, S. 1410–1428. -4- Reisner, J.; Rasmussen, R.; Bruintjes R. (1998): Explicit forecasting of supercooled liquid water in winter storms using the MM5 mesoscale model. Quarterly Journal of the royal meteorological society, Jg. 124, H. 548, S. 1071–1107. Schlünzen, Heinke; Katzfey, Jack (2003): Relevance of sub-grid-scale land-use effects for mesoscale models. Tellus. Series A, Dynamic meteorology and oceanography, Jg. 55, S. 232–246. -5-