A-WP2 - AODA-PENG II

Die Ziele von Modul A während der zweiten Phase von MiKlip sind (1) verbesserte Schätzungen des Anfangszustands in Ozean, Kryosphäre und Bodenfeuchte zu liefern, (2) basierend auf diesen Zustandsschätzungen bessere  Initialisierungsverfahren für das Vorhersagesystem zu entwickeln und (3)  die Prozeduren zur Schätzung der Unsicherheiten in den Anfangszuständen zur Erzeugung des Vorhersageensembles zu optimieren. Das Arbeitspaket WP3 des Moduls A ist das Teilprojekt AODA-PENG2 (Atmospheric and Oceanic Data Assimilation & Ensembles Generation). Das zentrale Ziel des Teilprojektes ist die Ensembleerzeugung mit Hilfe zweier unterschiedlicher Herangehensweisen. Diese werden für das Erdsystemmodell MPI-ESM1.1 implementiert. Aus Ensemblesimulation mit den gestörten Anfangsbedingungen über den Vorhersagebereich von 10 Jahren wird  das Fehlerwachstum bestimmt und somit die Vorhersageunsicherheit quantifiziert.

Als erste Methode wird die weitgehend dynamische breeding Methode eingesetzt. Es wird eine modifizierte Variante genutzt, die es ermöglicht für ausgewählte Zeit- und Raumskalen die Unsicherheitsstrukturen mit Hilfe des dynamischen Modells MPI-ESM1.1 zu ermitteln. Speziell sollen dabei großräumige, gemeinsame Störungsmuster in Temperatur, Salzgehalt und Strömungsgeschwindigkeit für den Ozean berechnet werden, die für interannuelle und dekadische Vorhersagen relevant sind. In skalierter Form werden diese dann auf den Anfangszustand addiert und generieren so die Anfangszustände für die einzelnen Ensemblerealisierungen.

Die zweite Methode kombiniert Statistik mit Dynamik und basiert auf dem bereits implementierten Ensemble Kalman Filter in der ozeanischen Komponente von MPI-ESM1.1. Für die gegenwärtige Version wurde Vorhersagegüte bereits nachgewiesen, wenn man das in der Datenassimilation entstehende Ensemble von Realisierungen als freie Simulationen über den Zeitraum von 10 Jahren fortsetzt. Allerdings haben Arbeiten aus der Literatur gezeigt, dass diese Qualität noch deutlich gesteigert werden kann, wenn man die sogenannte lokalisierte und varianzerhöhte Version des Kalman Filters nutzt und die Anzahl der Ensemblerealisierungen auf mehr als 30 Simulationen erhöht.

Zusammen werden dann umfangreiche Datensätze zur Verfügung stehen, mit denen das Fehlerwachstum und die Unsicherheitsquantifizierung detailliert erfasst und analysiert werden kann.


Einschätzung der Zuverlässigkeit der durch die Ensemble-Kalman-Filter-Assimilation initialisierten Vorhersage, daß die Anomalie des Süßwasserflusses (Verdunstung minus Niederschlag) nach einem Jahr Vorhersagedauer positiv ist. Zur Evaluierung dient die GFDL Reanalyse des Süßwasserflusses an der Ozeanoberfläche.
In grünen Regionen stimmt die Häufigkeit positiver Anomalien zwischen Vorhersage und Reanalyse überein, die Vorhersage ist zuverlässig. In roten Regionen stimmen die Häufigkeiten nicht überein, die Vorhersage ist nicht zuverlässig, gelbe Regionen kennzeichnen den Übergang.

Bisheriger Fortschritt

WP 3.1

Das Bred Vector Modul wurde in MPIESM (T63L47/GR15L40) eingekoppelt. Die Methode zeigt die am stärksten anwachsenden Störungen auf dekadischen Skalen und der erwartete Spread wird erreicht. Die Amplitude der Störungen wird überschätzt. Das Hauptaugenmerk liegt auf der Verbesserung des Algorithmus, so dass die Störungsamplituden besser getroffen werden. Dazu werden die Koeffizienten genutzt, die die Kovarianz der Störungen mit der Kovarianz der Beobachtungen verbinden (Romanova and Hense 2015).

WP3.2

In der ozeanischen Datenassimilation in MPI-ESM-LR haben wir die globale Variante des Ensemble Kalman Filter aus MiKlip I (Brune et al. 2015) durch die lokalisierte Variante ersetzt. Dies sollte den Einfluss der Ozeanbeobachtungen auf die Qualität der Assimilation in konsistenter Weise verbessern. Testsimulationen über mehrere Dekaden wurden durchgeführt, um ein Setup für die lokale Variante zu etablieren, das für die Assimilation von 1950 bis heute genutzt werden kann. Der Einfluss der Beobachtungen hängt dabei von folgenden Parametern ab: horizontaler und vertikaler Lokalisierungsradius, Ensemblegröße, Inflation des Ensemblespreads. Die Qualität der Assimilation hängt auch von der Stabilität der langfristigen Ozeanzirkulation ab. Unsere Tests zeigen, dass zumindest die Atlantische Meridionale Umwälzzirkulation eine Spinup-Periode von mehr als einer Dekade benötigt.

Referenzen

  • Brune, S., L. Nerger, J. Baehr (2015): Assimilation of oceanic observations in a global coupled Earth system model with the SEIK filter. Ocean Modelling 96, Part 2:254–264, DOI 10.1016/j.ocemod.2015.09.011
  • Romanova, V and Hense, A, (2015) Anomaly Transform Method Based on Total Energy and Ocean Heat Content Norms for Generating Ocean Dynamic Disturbances for Interannual to Decadal Climate Forecasts, Clim. Dyn., DOI 10.1007/s00382-015-2567-4

Kontakt

Institut für Meereskunde Universität Hamburg
Prof. Dr. Johanna Baehr
Dr. Sebastian Brune

Meteorologisches Institut Universität Bonn
Prof. Dr. Andreas Hense
Dr. Vanya Romanova

Hindcast skill for the Atlantic meridional overturning circulation at 26.5°N within two MPI-ESM decadal climate prediction systems.

2016 - Clim. Dyn.

Müller, V. | H. Pohlmann, A. Düsterhus, D. Matei, J. Marotzke, W. A. Müller, M. Zeller and J. Baehr

Assimilation of oceanic observations in a global coupled Earth system model with the SEIK filter

2015 - Ocean Modelling, Vol. 96(2), pp. 254–264

Brune, S. | L. Nerger and J. Baehr

Predicting multiyear North Atlantic Ocean variability

2013 - Journal of Geophysical Research-Oceans, Vol. 118, pp. 1087-1098

Hazeleger, W. | B. Wouters, G. van Oldenborgh, S. Corti, D. Smith, N. Dunstone, J. Kroeger, H. Pohlmann, and J.-S. von Storch