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-