C2-WP2 - Vorhersage von starken regionalen Klimaanomalien

Zielsetzung des Projektes

Das allgemeine Ziel dieses Arbeitspaketes ist die Fähigkeit des regionalen Klimamodells COSMO-CLM zu quantifizieren zuverlässige dekadische Vorhersagen für Europa bereitzustellen, zu bestimmen wie weit und warum die Prognosen auf dekadischen Zeitskalen schwanken und die Prozesse aufzudecken, die der Vorhersehbarkeit zugrunde liegen. Daher analysieren wir die Vorhersagefähigkeiten der MiKlip Hindcasts und identifizieren die physikalischen Prozesse, die zu diesen Vorhersagefähigkeiten in Europa führen.
Für diese Aufgabe verfolgen wir zwei verschiedene Ansätze. Zum einen analysieren wir Statistiken der regionalen Vorhersagefähigkeiten in Abhängigkeit von Großwetterlagen oder Phasen der multi-dekadischen Variabilität. Die zweite Herangehensweise hat den Fokus auf großen Klimaanomalien in Verbindung mit dem vermehrten Auftreten von Extremereignissen wie Hitzewellen, Dürren, Überschwemmungen und Stürmen in der Zielregion. Dies hat aufgrund ihrer hohen Auswirkungen und Bedeutung für die Gesellschaft hohe Relevanz. Beide Ansätze ergänzen sich gegenseitig.

 

Struktur des Projektes

Zwei Gruppen (Deutscher Wetterdienst (DWD) und Karlsruhe Institute of Technology (KIT)) kooperieren im Arbeitspaket C2-WP2. Es ist unterteilt in vier Aufgabenbereiche mit zwei thematischen Aspekten: die bedingte Evaluierung der Hindcasts und die Analyse von großen Klimaanomalien.
 

Aufgabenstellung des Projektes

T1 Bedingte Evaluierung der Hindcasts

Die regionalen dekadischen Hindcasts werden gemäß der Phase der großräumigen relevanten Telekonnektions-Muster (z.B. der Nord-Atlantischen Oszillation NAO) sortiert und ihrer Auswirkungen auf die Vorhersagegüte untersucht (Beitrag des DWD).

T2 Vorhersagbarkeit großer Klimaanomalien
Für diesen Aufgabenbereich werden drei Arten von Klima-Extremen untersucht: Hitzewellen, Starkniederschläge und Stürme. Dazu werden die dekadische Variabilität, die Häufigkeit dieser Extreme und die Verbindung zu den Telekonnektions-Mustern analysiert, um die Vorhersagbarkeit solcher Klima-Anomalien zu ermitteln (Beitrag des KIT).

Zu liefernde Ergebnisse des Projektes

D1a Methoden zur Untersuchung der klassifizierten Hindcasts
D1b Ergebnisse der klassifizierten Evaluierung
D2a Methoden zur Untersuchung der großen Klimaanomalien
D2b Ergebnisse der großen Klimaanomalie-Analyse

 

Projektfortschritte

  • Es wurde eine Methode entwickelt um eine bedingte Evaluierung der dekadischen Hindcasts (siehe C3-WP3) in Bezug auf Telekonnektions-Mustern durchzuführen.

  • Die (Multi-)dekadische Variabilität und ihre Beziehung zu den Telekonnektions-Mustern wurde für drei Arten von Extremen analysiert (in Zusammenarbeit mit C2-WP1 und C2-WP3)

    • Hitzewellen

    • Starkniederschläge die Fluten auslösen könnten

    • Windstürme

Bedingte Evaluierung

Für die bedingte Evaluierung werden Datenklassen auf Basis von Terzilen großräumiger Zirkulationsindizes erzeugt. Das bedeutet, dass z.B. die globale Zeitreihe des NAO-Index genutzt wird, um negative, neutrale und positive NAO-Phasen zu bestimmen, und die Daten aller zu analysierenden Variablen (Temperatur, Niederschlag, Wind etc.) in die drei zugehörigen gleichgroßen Klassen bezüglich ihrer NAO-Phase aufzuteilen. Da die aus den Modelldaten abgeleiteten Zirkulationsindizes und der aus Reanalysen berechnete Zirkulationsindex nur bei einer perfekten Vorhersage identisch wären, gibt es innerhalb jeder Klasse noch zwei Möglichkeiten: Fälle, für die die Indizes nicht übereinstimmen (verschiedene Phasen), und Fälle, für die sie übereinstimmen (gleiche Phase).

Bei der Strukturierung nach NAO zeigen die letzteren Fälle (gleiche Phase) generell einen deutlich geringeren Fehler (Root Mean Square Error, RMSE) und eine höhere Vorhersagegüte (Mean Square Error Skill Score, MSESS) für alle betrachteten Vorhersagejahre. Die Verbesserungen sind aber zeitlich, räumlich und abhängig von der Variable, unterschiedlich. Während beispielsweise im ersten Vorhersagejahr für die Bodentemperatur vor allem im skandinavischen Bereich ein entsprechendes Signal erkennbar ist, verlagert sich dieses für die folgenden Vorhersagejahre (2-5) weiter in Richtung der Britischen Inseln. Für die NAO zeigen sich die Verbesserungen der Vorhersage also vor allem innerhalb charakteristischer Aktionszentren. Es gibt damit weder eine monotone (räumlich gleiche), noch eine konstante (zeitlich gleiche) Verbesserung bei richtig vorhergesagter Zirkulationsphase.

Hitzewellen

Bei der Definition der Hitzewellen (HW) wird ein Perzentile-basierter Index verwendet der die Tagesmaximums-Temperaturen nutzt um die Hitzewellen-Tage zu ermitteln (siehe Abbildung 1). Die zeitlichen und räumlichen Eigenschaften der Hitzewellen werden charakterisiert bezüglich ihrer Dauer, Ausdehnung und Intensität. Es wurde eine große Jahr-zu-Jahr Variabilität der räumlichen Verteilung von Hitzewellen gefunden. Dabei traten oft zusammenhängende Muster über große Regionen auf, was auf einen Zusammenhang mit größeren Anomalien der Strömungsmuster (CA) hindeutet. Abbildung 1 (rechts) zeigt die Korrelation von 4-jährigen Mitteln der HW-Tage zwischen den rekalibrierten regionalen b1 Hindcasts (Vorhersagejahre 2-5) und den E-OBS Beobachtungen dar. Besonders für Zentral- und Süd-Europa werden hohe Korrelationen zwischen den Hindcasts und den Beobachtungen gefunden.

Abb. 1 links: Maximale HW-Temperatur für Europa für E-OBS 1960-2010, rechts: Korrelation der HW-Tage zwischen den CCLM b1 Hindcasts für die Vorhersagejahre 2-5 und E-OBS 1960-2010 rekalibriert mit dem CALIBRATION-Tool (Modul E CALIBRATION) und evaluiert mit dem MiKlip-CES-Plug-In MURCSS (Modul D INTEGRATION).

Um den Zusammenhang zwischen dem Hitzewellen Index und den CAs zu untersuchen wurden diese mit den Monatswerten der Telekonnektions-Muster korreliert. Die Telekonnektionen wurden nach Barnston uns Livezey (1987) definiert und umfassen unter anderem die Nord-Atlantische Oszillation (NAO), die „Pacific Transition (PT)“, das „East Atlantic (EA)“, das Polar (POL) oder das „Scandinavian Pattern (SCAND)“ für Europe und verschiedene „PRUDENCE Regionen“ (Abbildung 2; vgl. Abb. 1 Work Package C3-WP3 für die Lage der PRUDENCE Regionen).

Die CA Indizes wurden in positive und negative Phase unterteilt. Die Korrelation mit dem HW-Index erreicht r ≤ ±0.5 in einigen Regionen: Dabei traten große Variationen zwischen den Regionen und den Index-Phasen auf. Teilweise waren die Ergebnisse nicht symmetrisch zwischen positiver und negativer Phase. Es wurden also nur für bestimmte Telekonnektions-Muster eindeutige Beziehungen zum Hitzewellen-Index gefunden

Abb. 2: Korrelation der monatlichen HW-Tagessummen, der positiven Phase der CA-Indizes für Europa, und der PRUDENCE-Regionen auf der Basis von E-OBS, Zeitraum 1961-2010
Starkniederschläge

In diesem Abschnitt werden Starkniederschlags-Ereignisse als Beispiel für Klimaanomalien diskutiert, inklusive der Relation zu den Telekonnektions-Indizes und der Vorhersagbarkeit solcher Ereignisse.

Im ersten Schritt analysierten wir wie das b1 hindcast Ensemble die verschiedenen Telekonnektions-Muster wiedergibt. Mit dem Blick auf Europe, wurden die Nord-Atlantische Oszillation (NAO), das “East Atlantic (EA)”, das “East Atlantic/Western Russia (EAWR)” und das „Scandinavian Pattern (SCAND)“ (definiert nach Barnston and Livezey, 1987) ausgewählt. Die b1 Hindcasts zeigen in den ersten Vorhersagejahren eine positive Vorhersagegüte in Bezug auf zeitliche Korrelation, den Mean Square Error Skill Score und weitere probabilistische Metriken.

Abb. 3: E-OBS Winterniederschläge. Haupteinzugsgebiete europäischer Flüsse in Farbe: Rhein (gelb), Elbe (lila), Oder (orange), Weichsel (grün) und Donau (rot).

Der Vergleich dieses Index mit den gewählten Telekonnektions-Mustern zeigt einen deutlichen Zusammenhang zwischen den Mustern und winterlichen Starkregenereignissen, welcher zwischen den Flusseinzugsgebieten von West nach Ost variiert (s. Abbildung 4).

Der Index ist für die westlich gelegenen Flüsse positiv korreliert mit den drei Atlantischen Mustern (EA, EAWR, NAO), aber anti-korreliert für die östlich gelegenen Gebiete. Für das „Scandinavian Pattern“, welches im Prinzip eine südwärts verschobene NAO darstellt, ist das Vorzeichen umgekehrt und wechselt ebenfalls von Ost nach West. Daraus kann man schließen, dass die Wahrscheinlichkeit von Starkniederschlägen sich in den westlichen Einzugsgebieten bei einer positiven Phase der Atlantischen Pattern erhöht und bei den östlichen bei positiver Phase des „Scandinavian Pattern“. Für die in der Mitte liegende Oder wurde kein eindeutiges Signal gefunden.

Abb. 4: Zeitkorrelation zwischen Niederschlagsindex (basierend auf dem 95. Perzentil und pro Einzugsgebiet) für die Wintermonate DJF und den dargestellten Telekonnektionsmustern.

Die Langzeit-Variabilität von Niederschlags-Extremen und ihr Bezug zur Atlantischen Multi-dekadischen Oszillation (AMO) wurde mit Hilfe der „Centennial“ Downscaling Experimente aus dem Work Package C2-WP3 analysiert, die den gesamten Zeitraum seit 1900 abdecken. Verschiedene Indizes deuten auf eine höhere Niederschlagsintensität in den positiven Phasen der AMO hin. Diese Ergebnisse werden noch einer genauen Evaluierung unterzogen, da für die erste Hälfte des 20. Jahrhunderts zu wenige belastbare Beobachtungen vorliegen.

Weiterhin wurden die hohen Perzentile des 7-tägigen Niederschlags aus den regionalen baseline1 hindcasts nach einer Rekalibrierung (nach der Methode von Pasternack et al (2017) aus MiKlip Modul E RECALIBRATION) analysiert. Es finden sich große Regionen mit positiver Vorhersagegüte in Europa für die frühen Vorhersagejahre (s. Abbildung 5).

Insgesamt zeigt sich, dass die Telekonnektions-Muster einen Indikator für Starkniederschläge mit Flut-Potential liefern. Außerdem gibt es eine Vorhersagegüte für solche Starkniederschlage in den regionalen MiKlip Hindcasts für kurze Vorhersagezeiträume.

Abb. 5: Zeitliche Korrelation zwischen dem Extremniederschlagsindex (95. Perzentil des 7-tägigen Niederschlags) aus dem regionalen baseline 1-Ensemble (Vorhersagejahre 2-5) und den E-OBS-Beobachtungen
Wind storms

Wind storms and phases with increased storm activity for several European regions (PRUDENCE) are analysed using a meteorological storm severity index (MI). This index depends on the exceedance of the 98th percentile of daily maximum surface wind speeds and the affected area. Within this work package, we focus on the number of MI days per extended winter season (ONDJFM) and its correlation with different teleconnection patterns. For CCLM-ERA, results show that the MI (and therefore the storm activity over Europe) is related to the occurrence of certain teleconnection patterns (Fig. 6).

Fig. 6: Correlation between number of MI-days per ONDJFM and different teleconnection patterns for the individual PRUDENCE regions for CCLM-ERA

Kontakt

Deutscher Wetterdienst - Klima- und Umweltberatung
Dr. Barbara Früh
Barbara.Frueh[at]dwd.de
+49 (0)69 8062-2968

Deutscher Wetterdienst - Klima- und Umweltberatung
Dr. Sascha Brand
Sascha.brand(at)nospamdwd.de
+49 (0)69 8062-2967

Institute for Meteorology and Climate Research (IMK-TRO) Karlsruhe Institute of Technology (KIT)
Hendrik Feldmann
Hendrik.feldmann(at)nospamkit.edu
+49 (0)721 608-24942

Institute for Meteorology and Climate Research (IMK-TRO) Karlsruhe Institute of Technology (KIT)
Natalie Laube
Natalie.laube(at)nospamkit.edu
+49 (0)721 608-22844

Skill and added value of the MiKlip regional decadal prediction system for temperature over Europe

2019 - Tellus A: Dynamic Meteorology and Oceanography, 71:1, 1-19

Feldmann, H. | Pinto, J.G., Laube, N., Uhlig, M., Moemken, J., Pasternack, A., Früh, B., Pohlmann, H., Kottmeier, C.