Probabilistic forecasting of convective precipitation by combining a nowcasting method with several interpretations of a high resolution ensemble [Elektronische Ressource] / Kirstin Kober

Kober, Kirstin

Sujets

• Physik

Informations

• Publié par: ludwig-maximilians-universitat_munchen
• Publié le: 01 janvier 2010
• Nombre de lectures: 23
• Langue: English
• Poids de l'ouvrage: 16 Mo

Extrait

Probabilistic forecasting of convective
precipitation by combining a nowcasting
method with several interpretations of a
high resolution ensemble
Dissertation
Fakultat fur Physik
Ludwig-Maximilians-Universitat
Munchen
Dipl.-Met. Kirstin Kober
Munc hen
Munchen, August 2010Gutachter der Dissertation:
1. Gutachter: Prof. Dr. G. C. Craig
2.hter: Prof. Dr. U. Schumann
Tag der mundlichen Prufung: 30.07.2010 Contents
Contents i
Zusammenfassung 1
Abstract 3
1 Introduction 5
2 Probabilistic forecasts of convective precipitation 9
2.1 Convective precipitation and its Observation . . . . . . . . . . . . . . . . . . 9
2.1.1 Convective Precipitation . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.1.2 Observation of Precipitation with Radar . . . . . . . . . . . . . . . . 11
2.2 Forecasts based on Observations . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.1 Brief review of existing forecasting methods . . . . . . . . . . . . . . 12
2.2.2 European Radar Composite . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.3 Radar Tracker Rad-TRAM . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3 Forecasts based on Numerical Weather Prediction . . . . . . . . . . . . . . . 19
2.3.1 COSMO-DE-EPS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.3.2 Probabilistic Forecasts with COSMO-DE-EPS . . . . . . . . . . . . . 24
2.4 Quality of Probability forecasts of discrete predictands . . . . . . . . . . . . 26
2.4.1 Aspects of quality . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4.2 Quality measures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.5 Calibration of COSMO-DE-EPS forecasts . . . . . . . . . . . . . . . . . . . 31
3 Quality of probabilistic forecasts - Selected case studies 35
3.1 IOP 14: 9 August 2007 (Synoptic scale ascent) . . . . . . . . . . . . . . . . . 37
3.1.1 Synoptic overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
i3.1.2 Quality of probabilistic forecasts . . . . . . . . . . . . . . . . . . . . . 39
3.1.3 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.2 IOP 15: 12 August 2007 (Regime change) . . . . . . . . . . . . . . . . . . . 47
3.2.1 Synoptic overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.2.2 Quality of probabilistic forecasts . . . . . . . . . . . . . . . . . . . . . 48
3.2.3 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.3 IOP 16: 15 August 2007 (Forced frontal convection) . . . . . . . . . . . . . . 56
3.3.1 Synoptic overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.3.2 Quality of probabilistic forecasts . . . . . . . . . . . . . . . . . . . . . 58
3.3.3 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.4 Summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4 Quality of probabilistic forecasts - Overview over general performance 67
4.1 Overview over relative frequency of event in observations . . . . . . . . . . . 67
4.2 Quality of probabilistic Rad-TRAM . . . . . . . . . . . . . . . . . . . . . . . 68
4.3 Quality of COSMO-DE-EPS . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.3.1 Quality of uncalibrated COSMO-DE-EPS probabilistic forecasts . . . 72
4.3.2 Quality of calibrated forecasts . . . . 75
4.3.3 E ect of Calibration on quality of COSMO-DE-EPS probabilities . . 77
4.4 Comparison of performances of Rad-TRAM and COSMO-DE-EPS . . . . . . 79
4.5 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5 Blending of probabilistic forecasts from Rad-TRAM and COSMO-DE-
EPS 82
5.1 Literature overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.2 Method for blending the probabilistic forecasts . . . . . . . . . . . . . . . . . 84
5.3 Quality of blended probabilities . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.3.1 Skill of blended forecasts in the case studies . . . . . . . . . . . . . . 89
5.3.2 Skill of blended forecasts over entire period . . . . . . . . . . . . . . . 94
5.4 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
6 Discussion 97
7 Conclusions and Outlook 101
iiA List of abbreviations and symbols 105
Bibliography 108
Acknowledgements 114
Curriculum Vitae 115
iiiZusammenfassung
Qualitativ hochwertige Vorhersagen fur konvektiven Niederschlag im Bereich von 0 bis 8
Stunden Vorhersagezeit sind nur durch die Kombination verschiedener Ansatze moglich.
In dieser Arbeit werden Vorhersagen einer Nowcastingmethode mit Vorhersagen, die aus
einem konvektionserlaubenden Ensemble abgeleitet wurden, zu nahtlosen probabilistischen
Niederschlagsvorhersagen zusammengefugt. Diese kombinierten Vorhersagen sollen die Gute
des jeweils besten Vorhersageverfahrens zu den verschiedenen Vorhersagezeiten erhalten.
Probabilistische Vorhersagen werden erzeugt, um sowohl die inharente Unsicherheit beider
Verfahren als auch die stochastische Natur des Phanomens Konvektion zu beruc ksichtigen.
Zum ersten Mal werden Vorhersagen eines hochaufgelosten Ensembles, das explizit Kon-
vektion berechnet, mit beobachtungsbasierten Vorhersagen auf ahnlic her Skala kombiniert,
so dass die Darstellung des physikalischen Phanomens vergleichbar ist. Die Kombination
im Wahrscheinlichkeitsraum erlaubt einen glatten Ubergang von einer Vorhersagequelle zur
anderen mit eindeutiger Bedeutung der kombinierten Gro e.
Zur Berechnung der probabilistischen Vorhersagen mit Beobachtungsdaten wird das ex-
istierende deterministische Extrapolationsverfahren Rad-TRAM um die ’Local Lagrangian’
Methode erweitert. Diese Methode berechnet die Wahrscheinlichkeit, mit der ein bestimmter
Schwellenwert in der Radarre ektivit at ub erschritten wird. Zur Berechnung der numerischen
Wettervorhersagen wird das experimentelle, hochaufgeloste Ensemble COSMO-DE-EPS ver-
wendet. Mit drei verschiedenen Verfahren werden aus den Feldern der instantanen syn-
thetischen Radarre ektivit at probabilistische Vorhersagen abgeleitet. Diese Vorhersagen
werden mit der ’Reliability diagram statistics’ Methode kalibriert. Die Gute der Vorher-
sagen des Nowcastingverfahrens und des Ensembles wird mit verschiedenen probabilistis-
chen Qualitatsma en in unterschiedlichen Kon gurationen evaluiert. Die Entwicklung der
Vorhersagegute mit der Vorhersagezeit de niert die Wichtungsfunktionen f ur die additive
Kombination der beiden Vorhersagequellen.
Die Untersuchung der Entwicklung der Vorhersagegute von Rad-TRAM und COSMO-DE-
EPS mit der Vorhersagezeit zeigt, dass die ’Cross-over’ Zeit, d.h. die Zeit ab der das Modell
eine hohere Gute als das Nowcastingverfahren hat, etwa im Bereich von 5 bis 7 Stunden
liegt. Die Unterschiede in der Qualitat der drei auf das Ensemble angewendeten Verfahren
zur Ableitung der probabilistischen Vorhersagen sind gering. Deswegen werden alle Mod-
ellvorhersagen mit der gleichen Wichtungsfunktion mit Rad-TRAM verbunden. Durch die
Kombination wird eine nahtlose probabilistische Vorhersage von konvektivem Niederschlag
erzeugt. Die Untersuchung der Gute der kombinierten Vorhersagen zeigt, dass das Hauptziel
dieser Arbeit erreicht wurde. Die Kombination die Vorhersagegute zu den verschiedenen
Vorhersagezeiten ist in sofern optimiert, als dass die Qualitat der jeweils besten Methode zu
den verschiedenen Vorhersagezeiten reproduziert wird. Fur Vorhersagezeiten im Bereich der
’Cross-over’ Zeit wird die Gute durch die Kombination sogar erhoh t.
1Innerhalb dieser Arbeit wurden Verfahren entwickelt und angewandt, die es ermoglichen,
probabilistische Vorhersagen der Uberschreitung eines Schwellenwertes in der beobachteten
oder simulierten Radarre ektivit at zu berechnen und diese zu kombinieren. Obwohl dies die
Gute optimiert und somit di erenzierte Entscheidungs ndungen unter Ber uc ksichtigung der
Zuverlassigk eit der Vorhersage erlaubt, zeigt die Studie auch, dass es Verbesserungsmoglich-
keiten gibt.
2