A-WP1 - A-Coordination2

Zielsetzung des Projektes

A-Coordination2 koordiniert Modul A. Eine der Hauptaufgaben dieses Arbeitspakets ist es, die Zusammenarbeit und Verbindung sowohl zwischen verschiedenen APs in Modul A als auch zwischen Modul A und den anderen Modulen in MiKlip II zu ermöglichen. Insbesondere die Kooperation mit Modul D ist wichtig, um die unmittelbare Relevanz der Modul-A-Ergebnisse für die Entwicklung des MiKlip-Vorhersagesystems sicherzustellen. Die wissenschaftlichen Hauptziele des AP sind:

  • Die GECCO2 (German contribution to the 'Estimating Circulation and Climate of the Ocean')-Anfangsbedingungen für MiKlip II herzustellen und das Ozean-Setting für den Deutscher Wetterdienst (DWD) geeignet zu machen.
  • Eine Mode-Initialisierungsmethode zu entwickeln, um die Vorhersagen durch eine Initialisierung von Klimamoden zu verbessern und somit einer Verminderung von Initialisierungsschocks zu erreichen.  
  • Die Initialisierung durch Anwendung einer Flusskorrektur der Auftriebsflüsse und des Windes zu erforschen, um die Vorhersagegüte für den äquatorialen Pazifik zu verbessern. 
  • Die Auswirkung der Klimamodellverbesserungen durch Parameterabschätzung auf die Vorhersagegüte des Vorhersagesystems  abzuschätzen.

Struktur des Projektes

Die Hauptziele des A-Coordination2 sind auf drei Arbeitspakete verteilt:


AP1.1: Abschätzung der  Anfangsbedingungen und Entwickelung der Klimamode-Initialisierungsmethode.
AP1.2: Untersuchung der Flusskorrekturmethode.
AP1.3: Entwicklung einer gekoppelten Dataassimilationsmethode.
 

Aufgabenstellung des Projektes

AP1.1: Die Bestimmung der Anfangsbedingungen durch die globale GECCO-Methode unter Berücksichtigung der verfügbaren Ozean- und Meereis-Beobachtungen wird fortgeführt. Die Erprobung der neue Klimamode-Initialisierungsmethode ist in folgende Aufgaben unterteilt: die Klimamoden für das MPI-ESM abzuschätzen, die Komponenten der Ozeansynthese, die sich nicht durch die Klimamoden des MPI-ESM dargestellt werden können herauszufiltern, und die weiteren Assimilationsläufe und Hindcasts, die mit diesen gefilterte Anfangsbedingungen starten, durchzuführen. 

Abb. 1. Illustration der Klima-Modi Initialisierungsmethode: ein Anfangszustand des Ozeans für eine dekadische Klimavorhersage wird auf die "Klima-Modi" des Vorhersagesystems projiziert. Die Relevanz verschiedener Beiträge, wie die Rastergröße oder Dichteanomalien etc., für die Klima-Modi wird durch Gewichtungskoeffizienten, die Teil der der Singulärwertzerlegung, aus denen die empirische orthogonale Funktionen (EOF) abgeleitet angewendet werden, sind, kontrolliert.

AP1.2: Für die  Erprobung der vollständigen  Initialisierungsmethode mit einer Flusskorrektur, sind folgende Aufgaben geplant: Berechnung einer Flusskorrektur durch Wiederholung der Klimasimulation mit Relaxation von Meeresoberflächenparametern wie Temperatur, Salzgehalt zu den saisonalen Werten der Beobachtungen/Reanalysen, entsprechend der von Polkova et al. (2014 a,b) beschriebenen Methode. Weiterhin werden Assimilationsläufe und Hindcasts mit der diagnostizierten Flusskorrektur durchgeführt. Abschließend werden eine Vorhersagegüteanalyse und ein Vergleich mit den Prototyp-Hindcasts durch den MiKlip Central Evaluation System (CES)  durchgeführt.  

Abb.2. Illustration des Flusskorrekturverfahrens. Nach Sausen et al. (1988) angepasst.

AP1.3: Wir werden die Assimilierungsexperimente basierend auf dem CESAM-Model durchführen, um die Leistungsfähigkeit der Methode von Abarbanel et al. (2010), die die Klimamodellparameter durch Datenassimilierung verbessern soll, zu testen. Die Hauptziel ist hierbei zweiteilig: erstens werden wir testen, ob die verbesserte Übereinstimmung von Klimamodel und Daten zu einer verbesserten Vorhersagegüte des Klimamodels auf verschiedenen Raum- und Zeitskalen führt. Zweitens beabsichtigen wir, eine gekoppelte Datenassimilationssynthese herzustellen. Die Synthese wird zuerst mit einem vereinfachten Modell mit grober Modellauflösung  berechnet werden. Retrospektive Klimaprognosen, die mit diesem optimierten Modell initialisiert werden, können einen Einblick in die Problematik des Einflusses der konsistenten Initialisierung auf die Vorhersagegüte des Vorhersagesystems ermöglichen. 

Zu liefernde Ergebnisse des Projektes

Die folgenden Lieferungen sind geplant:

⦁    Die GECCO2-Anfangsbedingungen für MiKlip II
⦁    Klimamode-Initialisierungsmethode und eine Flusskorrektur-Initialisierungsmethode
⦁    Gekoppelte Datenassimilationsexperimente
 

Projektfortschritte

AP1.1: Updates der GECCO2 Synthese sind unter http://icdc.zmaw.de/1/daten/reanalysis-ocean/gecco2.html verfügbar.

Wir haben eine Initialisierung mit Klimamoden (als eine Alternative zur traditionellen Anomalie-Initialisierung des MiKlip Baseline-1 und PreOp-LR) entwickelt, um das Problem von Initialisierungsschocks aufgrund von Modellinkonsistenzen zu reduzieren. Zur Erstellung von Ausgangsbedingungen wurden Temperatur- und Salzgehaltsanomalien der ORAS4-Ozeanreanalyse gefiltert. Diese Anomalien sind möglicherweise nicht mit der Variabilität des Vorhersagesystems kompatibel und wurden deshalb durch eine Projektion auf 3D-EOFs des Ensembles der historischen Simulationen gefiltert. Der gefilterte ORAS4-Zustand erklärt 66% der Varianz im Vergleich zum ursprünglichen Produkt. Die dargestellte Varianz hängt von der Wahl der Gewichtung und Normalisierung während der multivariaten EOF-Analyse ab. Initialisiert mit diesem Zustand, zeigen Hindcasts ("Nachhersagen") eine leichte Verringerung der Vorhersagegüte der Oberflächentemperatur im ersten Vorhersagejahr, aber eine anhaltendere Vorhersagegüte für spätere Jahre (J.2-5). Daher zeigt im Vergleich zu PreOp-LR die Klimamoden-Initialisierung eine Verbesserung der Vorhersagegüte im Äquatorialen- und Nordostpazifik. Der Vergleich dieser Vorhersagegüte mit historischen Simulationen deutet jedoch darauf hin, dass weder die Klimamoden-Initialisierung noch PreOp-LR die Vorhersagegüte für J.2-5 in der Pazifik Region von historischen Simulationen übertreffen könnten. Derzeit wird die Vorhersagegüte für andere Klimavariablen untersucht. Wir betrachten auch Möglichkeiten zur Verbesserung der Filtermethode.

AP1.3: Das gekoppelte Datenassimilationsmodell ist das gekoppelten adjungierte CESAM (CEN Earth System Assimilation Model, https://www.cen.uni-hamburg.de/research/cen-models/cesam.html). Mit einer Auswahl von Steuerparametern und verschiedenen Modellkonfigurationen: niedrige Auflösung (Ozean: 4 Grad-Auflösung und 15 Schichten, Atmosphäre: T21-Auflösung und 10 Schichten) und mittlere Auflösung (Ozean: 1 Grad-Auflösung und 23 Schichten, Atmosphäre: T42-Auflösung und 10 Schichten) wurden die Vorwärts-Integrationen des Klimamodells (für jeweils 500 Jahre) durchgeführt um (i) die Performance des CESAM in einer Vorwärts-Integrationen auszuwerten und (ii) die Anfangsbedingungen für Sensitivitätsstudien zu generieren.

Literatur

  • Abarbanel, Henry DI, Mark Kostuk, and William Whartenby, 2010: Data assimilation with regularized nonlinear instabilities. Quarterly Journal of the Royal Meteorological Society, 136.648 : 769-783.
  • Köhl A., 2015: Evaluation of the GECCO2 Ocean Synthesis: Transports of Volume, Heat and Freshwater in the Atlantic. Quart. J. Roy. Meteor. Soc., 141(686), 166-181. doi:10.1002/qj.2347.
  • Polkova I., A. Köhl, and D. Stammer, 2014a: Impact of initialization procedures on the predictive skill of a coupled ocean–atmosphere model. Clim. Dyn., 42, 3151-3169 doi:10.1007/s00382-013-1969.
  • Polkova, I., 2014b: Impact of initialization procedures on the predictive skill of a coupled ocean–atmosphere mode and related mechanisms for predictability, thesis. Reports on Earth System Science, 146.
  • Sausen R., Barthel K. and Hasselmann K,1988: Coupled ocean-atmosphere models with flux correction. Climate Dynamics, 2:145-163.

Kontakt

Institut für Meereskunde,Universität Hamburg
Prof. Dr. Detlef Stammer
detlef.stammer(at)nospamuni-hamburg.de
+49 40 42838-5052

Predictive Skill for Regional Interannual Steric Sea Level and Mechanisms for Predictability

2015 - J. Climate, Vol. 28(18), pp. 7407-7419

Polkova, I. | A. Köhl, and D. Stammer

Impact of initialization procedures on the predictive skill of a coupled ocean–atmosphere model

2014 - Climate Dynamics, Vol. 42(11), pp. 3151-3169

Polkova, I. | A. Köhl, and D. Stammer

Evaluation of the GECCO2 ocean synthesis: transports of volume, heat and freshwater in the Atlantic

2014 - Quart. J. Roy. Meteor. Soc., Vol. 141 (686), pp. 166–181

Köhl, A.

Testing variational estimation of process parameters and initial conditions of an earth system model

2014 - Tellus A, Vol. 66(2260)

Blessing, S. | T. Kaminski, F. Lunkeit, I. Matei, R. Giering, A. Köhl, M. Scholze, P. Herrmann, K. Fraedrich, and D. Stammer