Statistical and Dynamical Downscaling of Numerical Climate

Simulations

Enhancement and Evaluation for East Asia

Thorsten SimonMeteorologisches Institut – Universität Bonn

2

Projektbeschreibung

“Drying of the North, Flooding of the South”

Haihe Einzugsgebiet: Hauptstadt Beijing 10% China’s Bevölkerung Wasserknappheit

Poyang Einzugsgebiet: größter Süßwassersee

Chinas hohe Variabilität des

Wasserstandes großes

Überflutungspotential

3

Ost-Asiatischer Sommermonsun (EASM)

Horizontalwind 850hPa (links) und Niederschlag in mm (rechts) aus ERA-40 gemittelt von 12.Mai bis 17.Mai

4

Ost-Asiatischer Sommermonsun (EASM)

Horizontalwind 850hPa (links) und Niederschlag in mm (rechts) aus ERA-40 gemittelt von 17.Juni bis 22.Juni

5

Ost-Asiatischer Sommermonsun (EASM)

Horizontalwind 850hPa (links) und Niederschlag in mm (rechts) aus ERA-40 gemittelt von 29.Juli bis 3. August

6

Statistisches Downscaling (SD)

Zielgrößen aus

Beobach-tungsdaten

Prädiktoren aus

GCM Daten

Statistisches Modell

Verifikation Anwendung

GCM Daten

7

Dynamisches Downscaling (DD) räumlich limitiertes

Zirkulationsmodell:

Regionales Klimamodell (RCM)

Komponenten:

Dynamischer Kern, z.B. COSMO, WRF, ..

Randbedingungen, z.B. CMIP Läufe, globale Re-analysen, ..

Numerische Parameter, z.B. Auflösung, Breite der Sponge-zone, …

source: htp://www.wmo.int

8

Vergleich der Ansätze

Statistisches Downscaling Dynamisches Downscaling

PRO

Einfache Implementierung

Automatisch bias-korrigiert

Skala der Beobachtung

Physikalisch konsistent

Rasterdaten

Unbeobachtete Größen

CONTRA

Annahme der Stationarität

Datenbasis ggf. unzureichend

Kovarianzen i.A. nicht physikalisch konsistent

Räumliche Modellierung nicht-normal verteilter Zielgrößen

Technisch und numerisch komplex

Fehlerquelle Randbedingungen

Fehlerquelle Parametrisierung

Validierung komplex

9

Zielsetzung

Aufbau eines Statistischen Modells für

Niederschlagsereignisse

Physikalische Interpretation der

Prädiktoren

Validierung der RCM Läufe

Entwicklung einer Methode zur

Quantifizierung der Eigendynamik in RCMs

Sta

tisti

cal

Dow

nscali

ng

Dyn

am

ical

Dow

nscali

ng

10

Zielsetzung

Aufbau eines Statistischen Modells für

Niederschlagsereignisse

Physikalische Interpretation der

Prädiktoren

Validierung der RCM Läufe

Entwicklung einer Methode zur

Quantifizierung der Eigendynamik in RCMs

Sta

tisti

cal

Dow

nscali

ng

Dyn

am

ical

Dow

nscali

ng

11

Daten tägliche Niederschlags-

messungen

Transformation zu Schwellwertüberschreitung

ERA-40 Variablen:

– Horizontalwind– Relative Vorticity– Vertikalwind– Gesamt-Wassergehalt

Zeitraum: 1960 - 1999

Zielgrößen aus

Beobach-tungsdaten

Prädiktoren aus

GCM Daten

Lage der Messstationen im Poyang Einzugsgebiet

12

Methode EOF Analyse der ERA-40 Daten

Generalisiertes lineares Modell (GLM) für binäre Variablen

Maximum Likelihood Schätzer (MLE)

4-fold Cross-Validation

Brier Skill Score (BSS) mit Klimatologie als Referenzvorhersage

Reliability-Diagramm

Statistisches Modell

Verifikation

13

Verifikation des statistischen Modells

14

Physikalische Interpretation

EOF-Prädiktor

ERA-40: 16.Juni 1994

[s-1]

[Pa s-1]

15

Zielsetzung

Aufbau eines Statistischen Modells für

Niederschlagsereignisse

Physikalische Interpretation der

Prädiktoren

Validierung der RCM Läufe

Entwicklung einer Methode zur

Quantifizierung der Eigendynamik in RCMs

Sta

tisti

cal

Dow

nscali

ng

Dyn

am

ical

Dow

nscali

ng

16

Zielsetzung

Aufbau eines Statistischen Modells für

Niederschlagsereignisse

Physikalische Interpretation der

Prädiktoren

Validierung der RCM Läufe

Entwicklung einer Methode zur

Quantifizierung der Eigendynamik in RCMs

Sta

tisti

cal

Dow

nscali

ng

Dyn

am

ical

Dow

nscali

ng

17

COSMO-CLM East Asia

ERA40 ECHAM5 20C3M

ECHAM5 A1B

East Asia 50km

1971 – 2000

1971 – 2000

2011 – 2050

Haihe 7km

1971 – 2000

1971 – 2000

2021 – 2050

Poyang 7km

1971 – 1975

1971 – 1997

2021 – 2050

COSMO-CLM Haihe

COSMO-CLM Poyang

18

Validierung der RCM Läufe

EASM- und EAWM-Dynamiken werden realistisch simuliert

Lokale Niederschlags-verteilungen sind näher an den Beobachtungen

EASM im COSMO hoch korreliert mit dem EASM in ECHAM5

Niederschlagsverteilung [mm/24h] für die Station Nanchang im Poyang-Catchment

19

Quantifizierung der Eigendynamik im RCM

GCM bilinear interpoliert

RCM

punktweise Schätzung der

Kohärenzspektren

räumliche Verteilung der Kohärenz für eine

Frequenz

20

Eigendynamik: Beispiele

COSMO East Asia mit ECHAM5_20C3M Rand

COSMO East Asia mit ERA-40 Rand

21

Zielsetzung

Aufbau eines Statistischen Modells für

Niederschlagsereignisse

Physikalische Interpretation der

Prädiktoren

Validierung der RCM Läufe

Entwicklung einer Methode zur

Quantifizierung der Eigendynamik in RCMs

Sta

tisti

cal

Dow

nscali

ng

Dyn

am

ical

Dow

nscali

ng

22

Schlussfolgerungen – Statistical Downscaling Aufbau eines Statistischen Modells für

Niederschlagsereignisse

– Machbarkeit eines GLM für Schwellwertüberschreitung mit EOF Prädiktoren gezeigt

– Gute Kalibrierung des Modells ist mit Kreuzvalidierung und Zerlegung des Brier Scores belegt

Physikalische Interpretation der Prädiktoren

– EOF-Muster aus relativer Vorticity auf 850hPa und Vertikalwind auf 500hPa assoziieren mit zyklonalen Wirbeln auf der meso-α-Skala

– Vorticity und Vertikalwind spiegeln geostrophische und ageostrophische Komponenten wider

– Gesamt-Wassergehalt brachte keine zusätzliche Vorhersagbarkeit

23

Schlussfolgerungen – Dynamical Downscaling Validierung der RCM Läufe

– EASM und EAWM Dynamiken werden gut aufgelöst, Niederschlagsverteilungen sind näher an Beobachtungen

Entwicklung einer Methode zur Quantifizierung der Eigendynamik

– Kohärenzspektren stellen ein sinnvolles Werkzeug zur Quantifizierung der Eigendynamik eines RCMs dar

– Räumliche Kohärenzmuster hängen von regionaler Dynamik, numerischen Parametern und den Randbedingungen ab

– Die Definition der Eigendynamik als Mehrwert ist essentiell für das Verständnis von RCMs

– Dynamisches Downscaling einer Re-analyse unterscheidet sich konzeptionell von einer regionalen Re-analyse

Statistical and Dynamical Downscaling of Numerical Climate

Simulations

Enhancement and Evaluation for East Asia

Thorsten SimonMeteorologisches Institut – Universität Bonn

25

ReferenzenSimon, T., Hense A., Su B., Jiang, T., Simmer, C. and Ohlwein, C. (2013): Pattern-based statistical downscaling of East Asian Summer Monsoon precipitation, Tellus A. DOI: 10.3402/tellusa.v65i0.19749.

Simon, T., Wang, D., Hense, A., Simmer, C. and Ohlwein, C. (2013): Generation and transfer of internal variability in a regional climate model, Tellus A. DOI: 10.3402/tellusa.v65i0.22485

Wand, D., Menz, C., Simon, T., Simmer, C. and Ohlwein, C. (2013): Regional dynamical downscaling with CCLM over East Asia. Meteorol. Atmos. Phys. DOI: 10.1007/s00703-013-0250-z