Innerhalb der Forschergruppe GlobalCDA wird das Projekt P5 die erforderlichen Wasserstände von Inlandsgewässern bereitstellen, die später in Wasservolumina und -abflüsse umgerechnet werden und als Beobachtungsdaten für die Kalibrierung und zur Assimilation in das WaterGAP Modell verwendet werden. Neben der Bereitstellung der Wasserhöhen innerhalb der Test- und Untersuchungsregionen wird sich das Projekt schwerpunktmäßig mit der Entwicklung der notwendigen Ansätze und Methoden beschäftigen, die für eine automatische, schnelle, zuverlässige und hochgenaue Ableitung von Inlandgewässerhöhen auf globaler Skala benötigt werden. Im Einzelnen werden im Projekt Forschungen zu folgenden Schwerpunkten durchgeführt: (1) Automatische Erkennung und Definition von permanenten und nicht-permanenten Wasserflächen, (2) Zuverlässige Klassifizierung von Radarechos von unterschiedlichen Oberflächenreflektoren und konsistent für verschiedene Missionen, (3) Verbesserter Retracking-Algorithmus für Inland-Altimetermessungen, der die konsistente Verwendung und Kombination verschiedener Altimetermessungen erlaubt, und (4) Zuverlässige Ableitung von Fehlerinformationen für jede gemessene Wasserhöhe. Alle erarbeiteten Methoden werden im Rahmen des Projektes sorgfältig validiert und mit existierenden Ansätzen und Daten verglichen.
Wir werden eine Strategie zur Assimilation der Landoberflächentemperatur implementieren, bei der verschiedene Beobachtungen innerhalb eines Tages verwendet werden, um sensitive Landoberflächenparameter und -zustandsgrößen anzupassen. Wir werden zudem einen Operator zur Assimilation des Blattflächenindex entwickeln, um damit dynamische Vegetationszustandsgrößen und sensitive Ökosystemparameter anzupassen. Der Nutzen der genannten Daten in Kombination mit Bodenfeuchtebeobachtungen wird mit Hilfe synthetischer Experimente ermittelt. Im Besonderen wird dabei untersucht, ob die Parameterschätzung verbessert werden kann und in welchem Ausmaß die Assimilation bestimmter Datentypen die Zustandsgrößen anderer Kompartimente verbessert. Hierbei werden realistische Szenarien verwendet, welche verschiedene Unsicherheitsquellen und unbekannte Parameter beinhalten. Synthetische Experimenten werden zunächst mit der Landkomponente von TerrSysMP-PDAF (CLM-ParFlow-PDAF) mit Hilfe eines gemeinsamen Testfalles mit P5, P6 und P7 durchgeführt. Wir werden zudem Beiträge zu den Experimenten mit dem gesamten TerrSysMP-PDAF liefern, welche von C1 koordiniert werden. Im letzten Schritt werden Tests mit dem Rureinzugsgebiet durchgeführt.
Bei der Datenassimilation für die numerische Wettervorhersage (NWP) wird die Kurzfristvorhersage (genannt als Hintergrund) durch die neuesten Beobachtungen korrigiert, um erste Bedingungen (Analyse) für die nächste Vorhersage zu schaffen. In diesem Prozess müssen die räumlichen Eigenschaften der Vorhersagefehler modelliert werden, damit sich die Auswirkungen der Beobachtungen physikalisch optimal ausbreiten. Die Reduzierung von Vorhersagefehlern auf synoptischen Skalen in mittleren Breiten, wo die Divergenz eine Größenordnung kleiner ist als die relative Vorticity, wurde erfolgreich mit Hilfe der quasi-geostrophischen Theorie modelliert. Auf diese Weise können Temperaturbeobachtungen Hintergrundfehler im Windfeld korrigieren und umgekehrt. Die Analyseunsicherheiten und kurzfristigen Vorhersagefehler in globalen NWP-Systemen sind jedoch in den Tropen am größten, wo die Divergenz mit der Vorticity vergleichbar oder sogar größer ist. Tropische Analyseunsicherheiten können einen dominierenden Einfluss auf die Genauigkeit der mittel- und weiträumigen Vorhersage in den mittleren Breiten haben. Es wird hier argumentiert, dass die Verringerung der Analyseunsicherheiten in den Tropen ein entscheidender Schritt ist, der erforderlich ist, um das Spektrum nützlicher Vorhersagen in globalen NWP-Modellen zu erweitern. Ziel dieses Projekts ist es, eine neue Randbedingung für die Hintergrundfehlermodelle bei der Datenassimilation zu entwickeln, die Divergenz-dominierte Beziehungen zwischen den tropischen Temperatur- und Windvariablen über viele Skalen hinweg berücksichtigen. Die vorgeschlagene Randbedingung verwendet die Masse-Wind-Beziehungen, die tropische Schwerewellen beschreiben. Es hat sich gezeigt, dass diese Randbedingung viel versprechend für die Verbesserung tropischer Analysen ist. Dieses Projekt wird diese Ideen auf die globale Atmosphäre ausdehnen, indem es 1) einen neuen Datenassimilierungsrahmen entwickelt, der die tropischen und mittleren Breiten Aspekte der atmosphärischen Dynamik miteinander verbindet, 2) die strömungsabhängigen Hintergrundfehlerinformationen aus den Ensemble-Vorhersagen verwendet und 3) das Potential verbesserter tropischer Analysen auf Extratropen abschätzt.
Das Ziel des Heisenberg-Programms ist es, herausragenden Wissenschaftlerinnen und Wissenschaftlern, die alle Voraussetzungen für die Berufung auf eine Langzeit-Professur erfüllen, zu ermöglichen, sich auf eine wissenschaftliche Leitungsfunktion vorzubereiten und in dieser Zeit weiterführende Forschungsthemen zu bearbeiten. In der Verfolgung dieses Ziels müssen nicht immer projektförmige Vorgehensweisen gewählt und realisiert werden. Aus diesem Grunde wird bei der Antragstellung und auch später bei der Abfassung von Abschlussberichten - anders als bei anderen Förderinstrumenten - keine "Zusammenfassung" von Projektbeschreibungen und Projektergebnissen verlangt. Somit werden solche Informationen auch in GEPRIS nicht zur Verfügung gestellt.