Description: Die Durchführung von sog. 'seamless predictions' stellt eine neue Methode der numerischen Wettervorhersage dar, in der alle Zeitskalen, von Tagen bis zu mehreren Monaten, einheitlich behandelt werden. Jede Skala profitiert auf diese Weise von den Forschungsfortschritten der jeweils anderen Skalen. Auf der anderen Seite stellen probabilistische Aussagen mithilfe von Ensemblerechnungen den de-facto Standard in operationellen Vorhersagen sowohl der Meteorologie als auch der Hydrologie dar. Die zugrundeliegende Physik und Statistik ist für den gesamten Vorhersagebereich allerdings für beide Disziplinen sehr unterschiedlich. Meteorologische Vorhersagbarkeit ist i. W. durch den unsicheren Anfangszustand begrenzt. Die gesamte Unsicherheit im Vorhersagezeitraum wird dargestellt, indem man jedes Ensemble-Mitglied einmal passend initialisiert und sich dann gemäß der deterministischen Dynamik entwickeln lässt. Für jede hydrologische Vorhersage stellt diese meteorologische Unsicherheit eine wesentliche Randbedingung dar. Es treten jedoch andere, mindestens ebenso wichtige Faktoren hinzu: die Struktur des hydrologischen Modells sowie dessen Parameter, welche zusammen i. d. R. als hydrologische Unsicherheit zusammengefasst werden. Dies liegt vor allem an dem wesentlich heterogeneren Forschungsgegenstand, denn ein Flusseinzugsgebiet besitzt deutlich mehr unabhängige Komponenten als die globale Atmosphäre. Die Zusammenführung meteorologischer und hydrologischer Unsicherheit für eine 'seamless prediction' von Abflüssen stellt daher eine erhebliche Schwierigkeit dar und wird in zwei von insgesamt drei Teilen im Projektvorschlag SHIVA angegangen. Der dritte Teil analysiert derartige Vorhersagen auf die jeweiligen Anteile der meteorologischen und hydrologischen Unsicherheit. Diese lassen sich mit der sog. Analysis Of VAriance (ANOVA) quantifizieren. Hierbei gibt es drei wichtige Aspekte. 1) für die ANOVA werden spezielle Prädiktanden für die Kurz-, Mittel- und Langfrist definiert; 2) mögliche Fehlerquellen zeigen sich anhand der Größe jedes Anteils für eine gegebene Vorhersagezeit; 3) der resultierende Zusammenhang zwischen Vorhersagezeit und den Unsicherheitsanteilen liefert ein generelles Bild der prinzipiellen Grenzen der Vorhersagbarkeit von Abflüssen für den gesamten Vorhersagebereich. Das Einzugsgebiet des Mahanadi (A-E= 141.500 km2) im Osten Indiens stellt für diese Fragestellung ein ideales Studienobjekt dar. Erstens, da durch starke Kopplungen zwischen Ozean und Atmosphäre im tropischen Monsungürtel saisonale Vorhersagen überhaupt erst ermöglicht werden (im Gegensatz etwa zu den Bedingungen in den mittleren Breiten). Zweitens sind Abflussvorhersagen für das dortige Wassermanagement generell von höchster Wichtigkeit, und zwar über den gesamten Zeitbereich von täglichen bis zu saisonalen Vorhersagen: beispielsweise für die Hochwasserwarnung, die Steuerung mehrfach genutzter Speicher, sowie das Bewässerungsmanagement.
Types:
SupportProgram
Origins:
/Bund/UBA/UFORDAT
Tags:
Hochwasserprognose
?
Meteorologischer Parameter
?
Meteorologie
?
Hydrogeologie
?
Physik
?
Varianzanalyse
?
Prognose
?
Abflussmodell
?
Einzugsgebiet
?
Hydrochemie
?
Limnologie
?
Mensch
?
Siedlungswasserwirtschaft
?
Tropengebiet
?
Wettervorhersage
?
Meeresgewässer
?
Meteorologische Analyse
?
Probabilistische Methode
?
Atmosphäre
?
Hydrologie
?
Statistik
?
Globale Aspekte
?
Integrierte Wasser-Ressourcen Bewirtschaftung
?
Mehrkomponente
?
Region:
Brandenburg
Bounding boxes:
13.01582° .. 13.01582° x 52.45905° .. 52.45905°
License: cc-by-nc-nd/4.0
Language: Deutsch
Organisations
-
Deutsche Forschungsgemeinschaft (Geldgeber*in)
-
Indian Institute of Technology, Department of Agricultural and Food Engineering (Mitwirkende)
-
Umweltbundesamt (Bereitsteller*in)
-
University of Pune, Department of English (Mitwirkende)
-
Universität Potsdam, Institut für Geowissenschaften (Mitwirkende)
-
Universität Potsdam, Institut für Umweltwissenschaften und Geographie, Lehrstuhl für Hydrologie und Klimatologie (Betreiber*in)
Time ranges:
2014-01-01 - 2020-12-31
Alternatives
-
Language: Englisch/English
Title: Seamless Hydrological prediction of east Indian summer monsoon and Variance Analysis of its meteorological and hydrological uncertainty (SHIVA)
Description: Conducting predictions seamlessly, in a streamlined and uniform way for lead times ranging from one day to one season, is a relatively novel method in meteorological research; it provides the mutual benefit that is often found when two formerly separated research branches are merged. Probabilistic predictions by means of ensemble simulations, on the other hand, is the de-facto standard in operational meteorological forecasting, and it is becoming a standard in hydrological forecasting as well. The underlying physics and statistics of meteorological and hydrological ensembles are very different, however, especially along the full range of lead times. The main constraint for meteorological predictability is the uncertain initial state: once initialized, each ensemble member evolves according to deterministic dynamics, which largely characterizes meteorological predictability as a function of lead time. Naturally, that is one major constraint for hydrological predictability as well, but other factors, collectively termed hydrological uncertainty, are at least as important: an imperfect modeling structure, uncertain parameters, and (like in meteorology) uncertain initial states. Structural and parameter uncertainty are so important because a river basin is a far more heterogeneous object of study than it is the global atmosphere for meteorology. Simultaneous treatment of meteorological and hydrological uncertainties in the framework of seamless prediction poses a major challenge, accordingly, and coping with this challenge represents two out of three tasks in our proposed project SHIVA. The third task deals with a given seamless probabilistic streamflow forecast. We analyze the relative contributions of meteorological and hydrological uncertainty to the overall prediction. They can be quantified using a two-way analysis of variance (ANOVA) of the predicted streamflow for each lead time. Three aspects deserve attention: 1) we use dedicated predictands for the short, medium, and long range; 2) for any single lead time the meteorological and hydrological uncertainties reveal important sources of errors and, perhaps, possible remedies; 3) while the uncertainty estimates for the single lead times are likely affected by data insufficiencies, it should be possible to define a smooth function that maps lead times to relative uncertainties, revealing the principal limitations of seamless probabilistic streamflow prediction. The Mahanadi Catchment (A-C = 141,500 km2) of East India constitutes an ideal site for the planned research. First, due to the strong atmosphere-ocean interaction in the tropical Monsoon belt, the potential for making skillful long-term predictions is high compared to, for example, the mid latitudes. Second, streamflow forecasts covering lead times from days to months are of utmost importance for effective water resources management in the Mahanadi Basin, including flood warning and control, reservoir operation, and irrigation.
https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1083907
Resources
Status
Quality score
- Overall: 0.47
-
Findability: 0.53
- Title: 0.00
- Description: 0.27
- Identifier: false
- Keywords: 0.92
- Spatial: RegionIdentified (1.00)
- Temporal: true
-
Accessibility: 0.67
- Landing page: Specific (1.00)
- Direct access: false
- Publicly accessible: true
-
Interoperability: 0.00
- Open file format: false
- Media type: false
- Machine-readable metadata: false
- Machine-readable data: false
-
Reusability: 0.67
- License: ClearlySpecifiedAndFree (1.00)
- Contact info: false
- Publisher info: true
Accessed 1 times.