FOR2131
Titel: Data Assimilation for Improved Characterization of Fluxes across Compartmental Interfaces “, Teilprojekt der Forschergruppe FOR2131 Phase II
Duration: from 10/17 to 09/19
Funding institution: DFG
Funded sum: 306.600,00
Principal Investigator(s): Harald Kunstmann
Associate Researchers: Prof. Dr. Dr. András Bárdossy, Universität Stuttgart
Dr. Sebastian Hörning, Universität Queensland, Australien
Previous Project(s): „Geostatistical Analysis and Copula-Based Data Merging Algorithms for a Stochastic Quantification of Precipitation fields“, Teilprojekt der Forschergruppe FOR2131 Phase I
Follow-up Project(s):
Research topics: climate change, environment and landuse change
Das Hauptaugenmerk unseres Teilprojekts P3 liegt auf der Simulation der korrekten raum-zeitlichen Verteilung des Niederschlags.
In Phase I von P3 haben wir eine Methodik entwickelt, die verschiedene Niederschlagsbeobachtungen zu einem Niederschlagsfeld vereinigt. Die hierfür verwendeten Beobachtungsdaten stammen von Niederschlagsstationen, Richtfunkverbindungen des Mobilfunknetzes sowie Wetterradaren. Der große Vorteil unserer Methode ist, dass man mit ihr Ensemble von Feldern beliebiger Größe simulieren kann, bei der jedes einzelne Niederschlagsfeld die Beobachtungen wiederspiegelt.
In der aktuellen Phase II des Projekts widmen wir uns der Frage, wie diese beobachtungsbasierten Niederschlagsfelder die Vorhersage des Niederschlags selbst sowie von ihm abhängige Größen (z. B. Bodenfeuchte oder Oberflächenabfluss) verbessern und beeinflussen können. Dazu testen wir verschiedene Ansätze diese Niederschlagsfelder einem Datenassimilationssystem für ein Atmosphären-Landoberflächen-Boden Model zuzuführen. Im ersten Ansatz wird der Modellniederschlag einfach durch das Ensemble der beobachtungsbasierten Niederschlagsfelder ersetzt (Insertion). Zwei weitere Ansätze nutzen die Niederschlagsfelder direkt zur Assimilation der Atmosphäre. Hierbei wird im ersten Ansatz ein schwach gekoppeltes Modell und im zweiten Ansatz ein vollständiges Modell verwendet. Das Ziel ist es, eine effiziente Methode zu entwickeln, welche die Fehler in Vorhersagen minimiert.
Publications
Haese, B., Hörning, S., Chwala, C., Bárdossy, A., Schalge, B., Kunstmann, H. (2017), Stochastic Reconstruction and Interpolation of Precipitation Fields Using Combined Information of Commercial Microwave Links and Rain Gauges, Water Resources Research, Volume: 53, Issue: 12, Pages: 10740-10756, doi: 10.1002/2017WR021015.