C3-WP2 - Optimierte Ensemble-Charakteristika

Zielsetzung des Projektes

Dieses Arbeitspaket zielt auf die Optimierung der Ensemble-Charakteristika des operationellen regionalen dekadischen Vorhersagesystems hin zu einer realistischen Unsicherheitsspanne zwischen unterschiedlichen Ensemble-Simulationen. Eine optimale Teilmenge der globalen MPI-ESM Ensemble-Simulationen wird für das dynamische Downscaling mit CCLM definiert und die Ensemble-Streuung der dekadischen Vorhersagen wird an externen Multi-Modell-Ensembles kalibriert, wobei dynamisches und kostengünstiges statistisch-dynamisches Downscaling kombiniert werden. Die Verwendung einer Ensemble-Teilmenge ermöglicht im Hinblick auf die Rechenzeit eine effizientere Regionalisierung der MPI-ESM dekadischen hindcasts für das operationelle Vorhersagesystem.
 

Struktur des Projektes und Aufgabenstellungen

Das Arbeitspaket wird strukturiert durch unterschiedliche Aufgabenstellungen:
1) Mittels multivariater und Bayes-Statistik wird eine optimale Teilmenge an globalen MPI-ESM Ensemble-Simulationen für das dynamische Downscaling mit CCLM ausgewählt, welche die statistischen Eigenschaften des gesamten Ensembles repräsentiert. Dieser Ansatz ermöglicht eine Echtzeit-Anwendung im Rahmen der operationellen Vorhersagen (C3-2.1). 

2) Die Ensemble-Streuung der regionalen Vorhersagen in Zentraleuropa wird anhand einer Kombination von Regressionsmodellen, Probability-Matching und Bayes-Theorem an die adäquate Streuung der regionalen Multi-Modell-Ensembles der MiKlip I-, EURO-CORDEX- und ENSEMBLES-Projekte für verschiedene Variablen, Jahreszeiten und Regionen angepasst (C3-2.2). 

3) Statistisch-dynamische Downscaling-Methoden für die Regionalisierung der Standardvariablen Temperatur, Niederschlag und Wind werden entwickelt und auf das gesamte MPI-ESM Hindcast-Ensemble angewendet (C3-2.3 und C3-2.4).

4) Eine Strategie zur Kombination der Ergebnisse des dynamischen und statistisch-dynamischen Downscalings zur Optimierung der Ensemble-Charakteristika wird entwickelt und auf alle regionalen Vorhersagen in MiKlip II angewendet (C3-2.5).

5) Die resultierende Teilmenge an globalen Ensemble-Simulationen und die optimierte Ensemble-Streuung der regionalen Vorhersagen definieren die optimale Konfiguration und Post-Prozessierung des operationellen regionalen Vorhersagesystems und die entwickelten Methoden werden zum Vergleich mit globalen Vorhersagen in das zentrale Evaluierungssystem integriert (C3-2.6).
 

Zu liefernde Ergebnisse des Projektes

Die zu liefernden Ergebnisse des Arbeitspakets sind gegeben durch die Meilensteine der unterschiedlichen Aufgaben: die optimierte Teilmenge an globalen Ensemble-Simulationen (M1, Monat 12), die optimierte Ensemble-Streuung für verschiedene Variablen, Jahreszeiten und Regionen (M2, Monat 30), Methoden zum statistisch-dynamischen Downscaling (M3, Monat 27), homogene Zeitserien für Temperatur, Niederschlag und Wind aus dem statistisch-dynamischen Downscaling (M4, Monat 33), die Ensemble-Optimierung durch Kombination von dynamischem und statistisch-dynamischem Downscaling (M5, Monat 33) und die Integration der entwickelten Methoden in das zentrale Evaluierungssystem und das operationelle Vorhersagesystem (M6, Monat 36).
 

Projektfortschritte

Wir haben eine statistische Methode zur Drift-Korrektur in einem multivariaten Kontext entwickelt, um die Drift im dekadischen Vorhersagensystem (MPI-ESM) zu beheben. Wir haben die Auswirkungen dieser Driftkorrektur auf Simulationen des regionalen Klimamodells (CCLM) für Europa demonstriert. Diese Methode basiert auf einer Empirischen Orthogonalfunktionsanalyse (EOF), die für eine sehr große Datenmatrix angepasst wird. Die Drift äußert sich als einen dramatische Abkühlungstrend in der Nordatlantischen Meersoberflächentemperatur (SSTs), und wird mit der ersten EOF des multivariaten Outputs von MPI-ESM erfasst. Die Entfernung dieser EOF bewirkt nicht nur die Driftkorrektur, sondern erhält auch die anderen Komponenten der intra- und interannuellen sowie der dekadischen Variabilität. Die Driftkorrektur dieses Inputs von CCLM beseitigt die Abkühlungstendenzen in den meisten westeuropäischen Landregionen, und reduziert systematisch die Diskrepanz zwischen Modellvorhersage und Beobachtungen. Ein Artikel mit dem Titel ‘An effective drift correction for dynamical downscaling of decadal global climate predictions’ ist von der Zeitschrift ‘Climate Dynamics’ zur Veröffentlichung akzeptiert [Paeth et al. 2018].

 

Kontakt

Institut für Geographie und Geologie, Universität Würzburg
Prof. Dr. Heiko Paeth

Institut für Geophysik und Meteorologie, Universität zu Köln
PD Dr. Joaquim G. Pinto

Bias adjustment for decadal predictions of precipitation in Europe from CCLM

2019 - Climate Dynamics

Li, J. | Pollinger, F., Panitz, HJ., Feldmann, H., Paeth, H.

An effective drift correction for dynamical downscaling of decadal global climate predictions

2018 - Climate Dynamics

Paeth, H. | J. Li, F. Pollinger, W. A. Müller, H. Pohlmann, H. Feldmann, H.-J. Panitz