Module D - Zusammenfassung der ersten Phase

Die Hauptaufgabe der zwei Projekte FLEXFORDEC und INTEGRATION von Module D ist es das zentrale dekadische Vorhersage- und Evaluierungssystem zusammenzufügen und es den anderen Projekten aus MiKlip bereit zu stellen, sowieso es mit deren Unterstützung weiterzuentwickeln.

Das zentrale Vorhersagesystem

Die Bauteile des Vorhersagesystems

Das Vorhersagesystem setzt sich Zusammen aus dem Erdsystem-Modell des Max-Planck-Instituts für Meteorologie (MPI-ESM) in seiner niedrigen (LR) und gemischten (MR) Auflösung und einem Initialisierungsverfahren. Das Vorhersagesystem wird zur Generierung von Ensembles von Hindcasts (retrospektiven Vorhersagen) und Zukunftsprognosen verwendet. Beide werden auf identische Art und Weise erstellt. Ihr einziger Unterschied ist, dass die Zukunftsprognosen mit den gegenwärtigen Beobachtungsdaten initialisiert werden und die Hindcasts mit Beobachtungsdaten aus der Vergangenheit. Die Hindcasts werden gebraucht um eine Vorstellung über die Güte des Systems zu erhalten und stellen die wesentlichen Simulationen dar, die vom gesamten Projekt analysiert wurden.

Die verschiedenen Generationen des zentralen Vorhersagesystems
Im Laufe der ersten MiKlip Phase sind drei Generationen des Vorhersagesystems entwickelt worden: Baseline 0, Baseline 1 und Prototype. Um von einer Generation in die nächste überzugehen hat man Verbesserungsvorschläge aller MiKlip Module gesammelt. Eine gewisse Anzahl von Vorschlägen wurde im Zuge von Testexperimenten geprüft, bevor die endgültige Entscheidung über Änderungen des Systems gegenüber seiner Vorgängerversion getroffen wurde. Die Systeme unterscheiden sich in ihrem Initialisierungsverfahren und in der Anzahl von Ensemblemitgliedern. Alle weiteren Dinge sind gleich geblieben, siehe Tabelle 1.

Der MiKlip Server

Das Vorhersagesystem erzeugt eine enorme Menge an Daten, die gesamten Hindcasts einer Generation des Systems summieren sich auf über 6000 Simulationsjahre. Um die Arbeit mit den Daten zu erleichtern wurden die Hindcasts standardisiert nach dem CMOR-Standard, der auch für CMIP5 zum Einsatz kam. Auf Nachfrage der Projektpartner wurde die CMIP5 Listen von Variablen um einige MiKlip spezifischer Variablen erweitert. Die Hindcasts sind zusammen mit weiteren Simulationen und den Beobachtungsdaten, zur Evaluierung der Hindcasts, alle im selben standardisierten Format auf einem dedizierten Server – dem MiKlip Server - untergebracht, der für alle Projektmitglieder zugänglich ist. Der Server hat schon um die 140 registriert Benutzer, von denen etwa 50 aktiv von ihm gebrauch machen. Der MiKlip Server beheimatet ebenfalls das zentrale Evaluationssystem (CES), welches den Nutzern einfachen Zugriff auf alle Hindcasts und Beobachtungsdaten ermöglicht.

Modul D Zusammenfassung - Tabelle
Tabelle 1. Der experimentelle Aufbau für die drei Generationen vom MiKlips mittelfristigen Vorhersagesystem.

Das zentrale Evaluationssystem

Um eine Aussage über die Leistungsfähigkeit des Systems zu machen, muss es bewertet werden. Die Auswertung erfolgt durch den Vergleich von Hindcasts mit Beobachtungsdaten und mit anderen potentiellen Vorhersagesystemen, wie den nicht initialisierten Simulationen des CMIP5 Projekts („historische“ Simulationen), der Klimatologie oder der Persistenz. Das ist die Hauptaufgabe von Modul E, wobei die Evaluierung des Systems auch in anderen Modulen gemacht wird. Die verschiedenen Arten das Modell auszuwerten, beides, Werkzeuge und Datensätze, werden in das zentrale Vorhersagesystem durch das INTEGRATION Projekt zusammengeführt.

Das Evaluationssystem kann über ein „Shell“ oder über das Web-Interface erreicht werden, welches den Gebrauch sehr flexibel und Nutzer-Orientiert macht. Im Kern des Evaluationssystems steckt das Plugin MurCSS (Illing et. al, 2014) - Murphy-Epstein decomposition of the MSESS and the CRPSS, ei n Software, welches das Verifizierungsgerüst von Goddard et al. (2012) nutzt und erweitert. Es wird als erster Schritt bei der Analyse der Hindcasts empfohlen. Das Evaluationssystem beinhaltet nun schon etwa 20 weitere Plugins, die von einfachen Grafik-Routinen bis hin zu weiteren statistischen Analyseprogrammen reichen. Alle diese Werkzeuge erlauben einen standardisierten Vergleich zwischen den Generationen des dekadischen Vorhersagesystems und ebenso zwischen ihnen und anderen alternativen Hindcasts, die im Projekt oder von anderen Modellierungs-Gruppen vorgeschlagen wurden.

Module D Summary - Fig. 1
Abbildung 1.(INTEGRATION) Das zentrale Evaluationssystem und sein dreigliedriges Software Model beschreiben die wesentlichen Komponenten und Oberflächen für standardisierte Daten und Tools

An den Anforderungen der Projektpartner zugeschnitten

Dank der beiden Interfaces für das CES haben Nutzer leichten Zugriff auf Daten und Werkzeuge. Um einige Funktionalitäten des CES hervorzuheben; im “Daten-Browser” ist eine einfache Suche nach allen verfügbaren Datensätzen und Variablen möglich und mit der zusätzlichen Funktion der „Historie“ kann man sich alle vorherigen Analysen anzeigen lassen und nachvollziehen, so dass auf einfache Art und Weise die Einstellung für weitere Analysen angepasst werden können. Benutzer haben ebenfalls die Option ihre eigenen Daten über die Funktion “Projekt-Daten” auszuwerten. Darüber werden Daten zur Suchroutine des CES hinzugefügt und können mit den zentralen Hindcasts und anderen Simulationen verglichen werden. Um einen Eindruck von dem was das Evaluationssystem zu bieten hat zu bekommen, besuchen Sie die Website unter: www-miklip.dkrz.de .Klicken Sie auf den „Guest“ Button um die Tour durchs System zu starten!

Modul D Zusammenfassung - Fig. 2
Abbildung 2. (FLEXFORDEC/INTEGRATION) Nutzung der Analyse-Werkzeuge auf dem MiKlip Server.

Einige Ergebnisse der letzten Jahre

Beide Projekte in Modul D haben sich mit der Analyse der Hindcasts in den verschiedenen Generationen beschäftigt, wodurch eine Vielzahl an Publikationen erschienen sind, sowohl direkt aus den Projekten, als auch in Kooperation mit anderen MiKlip Projekten, insbesondere mit DroughtClip, AODA-PENG, EnsDiVal und ALARM. Hier haben wir ein Paar Aussagen zu den verschiedenen Vorhersagesystemen gesammelt.

Modul B Zusammenfassung - Abb. 3
Abbildung 3. (INTEGRATION) Unterschiede in der Korrelationsgüte der Anomalien. (a und b) b1-LR minus b0-LR. (c und d) b1-MR minus b1-LR. Jahr 1 in Abbildung 3a und 3c. Jahre 2–5 in Abbildung 3b und 3d. Kreuze deuten die unterschiede an, welche dem 5-95% Konfidenzintervall überschreiten. Reproduziert aus Abbildung 2., Pohlmann et al. (2013) – Hier verfügbar: http://onlinelibrary.wiley.com/doi/10.1002/2013GL058051/full

Baseline 0

Die Hindcasts wurden mit nicht initialisierten Experimenten verglichen, welche Aerosol- und Treibhausgaskonzentrationen für die Jahre 1850-2005 berücksichtigen und das RCP4.5 Szenario danach. Müller et al. (2012) hat die Vorhersagegüte von Baseline-0 in ihrer Arbeit analysiert. Es zeigt sich, dass die Initialisierung von MPI-ESM-LR die Vorhersage verbessert gegenüber den nicht initialiserten Experimenten vorwiegend über dem Nord Atlantik für alle Laufzeiten (Zeit nach der Initialisierung). Basierend auf der Erkennung, dass die Variabilität entscheidender Parameter, wie der Oberflächentemperatur der Luft (SAT), dem Druck auf dem Meeresspiegel und deren zugrundeliegenden Prozessen, welche beachtlichen Veränderungen in Raum und Zeit als Funktion der Saison unterliegen können, hat Müller et al. (2012) darüber hinaus enorm variierende Vorhersagegütel z.B. von SAT für die verschiedenen Jahreszeiten gefunden. Für mehrjährige Mittel der Wintermonate, zeigt sich eine positive Vorhersagegüte vorwiegend im Norden Europas. Für mehrjährige Mittel der Frühlings- und Herbstmonate taucht eine positive Vorhersagegüte für Zentral und Süd-Ost Europa auf.
Allerdings spiegelt eine negative Vorhersagegüte über dem tropischen Pazifik einen systematischen Fehler in der Initialisierung von Baseline-0 wieder. Als Konsequenz daraus ist die gesamte Vorhersagegüte, was globale Durchschnittstemperaturen betrifft, niedriger als die Güte anderer Systeme (Bellucci et al. 2015). 

Baseline 1

Die Ergebnisse zeigen dass die neue Ozean-Initialisierung die Güte, hinsichtlich der Oberflächen Luft Temperaturen über dem tropischen Ozean im ersten Jahr und dem Zeitbereich der Jahre 2-5, merklich verbessern konnte (Abb. 1, Pohlmann et al. 2013). Dies hilft außerdem die durchschnittliche globale Oberflächenlufttemperatur in diesem Zeitbereich zu verbessern. Weiterhin auf Grund der höheren vertikalen Auflösung von ECHAM6, wird die Klimavariabilität in der Stratosphäre, wie die Quasi-Zweijährige-Schwingung (QBO), in MPI-ESM-MR verbessert. Durch die neu eingeführte atmosphärische Initialisierung, zeigt sich, dass die QBO von bis zu vieren Jahren vorhergesagt werden kann, wenn eine genügend hohe vertikale atmosphärische Auflösung benutzt wird (Pohlmann et al. 2013, Scaife et al. 2014). Ein weiterer Vorteil des Baseline-1 Systems wird deutlich, wenn man sich die atlantische meridionale Umwälzzirkulation (AMOC) anschaut, welche einen höheren Vorhersagegüte im Baseline-1 System besitzt als in dem Baseline-0 System (Müller et al. 2015).
Die beiden Projekte haben gemeinsam einer aktuelle Publikation (Kadow et al. 2015) veröffentlicht, bei dem man die Vorhersagegüte und die Ensemble-Streuung der Oberflächentemperatur in Baseline-1-LR und die Vorhersage in 2014 gestartet mit MurCSS untersucht. Es wird gezeigt, dass die Ensemble-Streuung ein gutes Maß zur Abschätzung der Unsicherheit in vielen Regionen ist. Kombiniert man dieses Maß mit dem der Vorhersagegüte, so ist es möglich die Regionen zu identifizieren, dessen Vorhersagen man etwas mehr trauen kann.

Prototype

Für das Prototyp System wurde die Ensemble-Größe nochmals auf insgesamt 30 Simulationen vergrößert. In einer gemeinsamen Publikation zwischen FLEXFORDEC und DroughtClip wurde gezeigt, dass die Ensemble-Größe essentiell für den Nachweis von Vorhersagegüte ist (Sienz et. al., 2015).

Bereitstellung von MiKlip Hindcast und Vorhersagen

Außerhalb von MiKlip gibt es aktive Beteiligung an das EU-FP7 Projekt SPECS, für welche die Hindcasts von Baseline-1 (LR und MR) zur Verfügung gestellt wurden. Zudem wurden aktuelle Prognosen des zentralen Vorhersagesystems für ein Echt-Zeit Multi-Modell Vorhersagesystems welches vom UK MetOffice geleitet wird (Smith et al. 2013), bereitgestellt. 

MiKlip II und Modul D

Für MiKlip II wird sich Modul D aus FLEXFORDEC, INTEGRATION und drei neuen Arbeitspakete, die ihren Sitz am DWD und bei GERICS haben, zusammensetzen. Mit diesem Zuwachs soll ein zusätzlicher Fokus auf den operationellen Betrieb des zentralen Vorhersage- und Evaluationssystems gelegt und die direkte Einbindung potentieller Nutzer bewerkstelligt werden. Eine genauere Beschreibung des Module D von MiKlip II wird auf der Webseite zu finden sein, nachdem die zweite Phase begonnen hat. 

Referenzen

Bellucci, A., Haarsma, R., Gualdi, S., Athanasiadis, P., Caian, M., Cassou, C., Fernandez, E., Germe, A., Jungclaus, J. H., Kröger, J., Matei, D., Mueller, W. A., Pohlmann, H., Salas y Melia, D., Sanchez, E., Smith, D., Terray, L., Wyser, K., & Yang, S., 2015:. An assessment of a multi-model ensemble of decadal climate predictions. Climate Dynamics, 44, 2787-2806. doi:10.1007/s00382-014-2164-y.

Goddard, L., et al., 2013: A verification framework for interannual-to-decadal predictions experiments. Climate Dynamics, Volume 40, Issue 1-2, pp 245-272.

Illing, S., C. Kadow, O. Kunst, and U. Cubasch, 2014: MurCSS: A Tool for Standardized Evaluation of Decadal Hindcast Systems. Journal of Open Research Software, 2(1):e24, DOI:10.5334/jors.bf

Kadow, C., S. Illing, O. Kunst, H.W. Rust, H. Pohlmann, W.A. Müller and U. Cubasch, 2015: Evaluation of forecasts by accuracy and spread in the MiKlip decadal climate prediction system, Meteorol. Z., doi:10.1127/metz/2015/0639.

Pohlmann, H., W. A. Müller, K. Kulkarni, M. Kameswarrao, D. Matei, F. S. E. Vamborg, C. Kadow, S. Illing, J. Marotzke, 2013: Improved forecast skill in the tropics in the new MiKlip decadal climate predictions. Geophys. Res. Lett., 40, 5798-5802. doi:10.1002/2013GL058051.

Scaife, A. A., M. Athanassiadou, M. Andrews, A. Arribas, M. Baldwin, N. Dunstone, J. Knight, C. MacLachlan, E. Manzini, W. A. Müller, H. Pohlmann, D. Smith., T. Stockdale, and A. Williams, 2014: Predictability of the Quasi-Biennial Oscillation and its Northern Winter Teleconnection on Seasonal to Decadal Timescales. Geophys. Res. Lett., 41(5), pp. 1752–1758, doi:10.1002/2013GL059160.

Sienz, F., H. Pohlmann, and W.A. Müller, 2015: Ensemble size impact on the decadal predictive skill assessement, under revision.

Smith, D. M., A. A. Scaife, G. J. Boer, M. Caian, F. J. Doblas-Reyes, V. Guemas, E. Hawkins, W. Hazeleger, L. Hermanson, C. K. Ho, M. Ishii, V. Kharin, M. Kimoto, B. Kirtman, J. Lean, D. Matei, W. A. Müller, H. Pohlmann, A. Rosati, B. Wouters, and K. Wyser (2013): Real-time multi-model decadal predictions. Clim. Dyn, 41, 2875-2888. doi:10.1007/s00382-1600-0.

Müller, V., H. Pohlmann, H. Haak, J. H. Jungclaus, D. Matei, J. Marotzke, W. A. Müller, and J. Baehr, 2014: Predictions of the Atlantic meridional overturning circulation at 26.5°N within two MPI-ESM decadal climate prediction systems. Clim. Dyn., submitted.

Mehr zu Modul DNews-Icon

Diese Darstellung fasst die Arbeiten in Modul D während der ersten Phase zusammen. Modul D arbeitet in MiKlip II weiter, hier lesen Sie mehr dazu.