Seit 2003 wird am Institut für Meteorologie und Geophysik in Verbindung mit dem Analysesystem VERA (Vienna Enhanced Resolution Analysis) ein operationelles Modellvergleichssystem mit mehreren namhaften Wettervorhersagemodellen betrieben (ALADIN, ECMWF, LME). Im Rahmen des internationalen Projekts MAP D-PHASE (2007) wurde das System an eine Neuversion von VERA, VERAXX, angepasst, und um einige Modelle (COSMO, MM5, GEM-LAM) erweitert. Diese Erneuerung erlaubt, die räumliche Auflösung (bis zu 2km) und den geographischen Ausschnitt flexibel zu wählen, und so auf skalenabhängige Phänomene besser einzugehen. Im Rahmen von VERITA soll eine Reihe von hochauflösenden Modellen mit Hilfe der aktuellsten Verifikationsmethoden ausgewertet und verglichen werden. Besonders Methoden, die sich mit der spektralen Dekomposition von Modellfeldern, der getrennten Behandlung einzelner Skalen und der Bestimmung und Fortpflanzung (in Modellketten) von Phasenfehlen befassen, sollen entwickelt, getestet und eingesetzt werden. Im Zuge dieser Arbeiten, sollen aber auch Fragen bezüglich der Anwendbarkeit von VERA für Verifikationszwecke, einerseits im Vergleich mit alternativen Analysemethoden, und andererseits im Vergleich mit Beobachtungsdaten meteorologischer Stationen, beantwortet werden. Festzustellen ist z.B., ob, und ab welcher räumlichen Skala, bei welcher Stationsdichte und bei welcher Modellauflösung Analyse und (räumlich unregelmäßige) Beobachtungsdaten äquivalent einsetzbar wären. Die Datengrundlage des Projekts, hochauflösende Prognosemodelle und ein dichtes Netz an Beobachtungen, stammt von zwei internationalen Projekten, and denen das IMGW beteiligt ist: Im Rahmen von COPS (Convective and Orographically-induced Precipitation Study) wurde von Juni bis August 2007 eine Messkampagne im Gebiet Vogesen, Rheintal, Schwarzwald und Schwäbischer Alb durchgeführt. Ziel des Projekts ist ein erweitertes Verständnis von Konvektionsprozessen in der Atmosphäre. Dieses ist nötig, um die Niederschlagsvorhersagen der gängigen, feinmaschigen Lokalmodelle zu verbessern, sowie deren Fehler und Schwachstellen ausfindig zu machen. In zeitlicher Übereinstimmung mit COPS fand die Demonstrationsphase des Forecast Demonstration Projects (FDP) MAP D-PHASE (Demonstration of Probabilistic Hydrological and Atmospheric Simulation of flood Events in the Alpine region) von Juni bis November 2007 statt. In der Demonstrationsphase wurde eine durchgehende Vorhersagekette, vom Modellentwickler bis zum Anwender, für Starkniederschlags- und Überflutungsereignisse betrieben. Die Modellprognosen, die von verschiedensten Institutionen für diesen Zeitraum und für den Alpenraum gerechnet wurden, stehen den Projektpartnern ebenso für weitere wissenschaftliche Anwendungen zur Verfügung, wie die Messergebnisse aus der COPS-Region. Um die Datendichte im gesamten Alpenraum zu erhöhen, wurden zudem bei sämtlichen nationalen Wetterdiensten im Einflussbereich der Alpen zusätzliche Daten angefordert.
The classical point wise Cornell-McGuire probabilistic seismic hazard assessment (PSHA), which is widely used for seismic hazard mapping and development of design codes, does not allow direct estimation of multiple-location hazard for distributed structures and facilities: what is the (annual) probability that specific level of ground motion will be exceeded simultaneously in several sites? It is possible to extent the classical methodology to the multiple sites problem considering also ground-motion correlation. We study multiple-location PSHA, as compared with the classical point wise PSHA, using Monte Carlo simulation. Specific items are:(1) Development of the algorithms for multiple-location PSHA;(2) Analysis of the role of the geometry of multiple sites, correlation of ground motion, and evel of seimicity for multiple-location PSHA;(3) Study of correspondence and differences between multiple-location PSHA and classical point wise PSHA and analysis of possibility of utilization of classical PSHA procedures for simplified multiple-location hazard assessment.The project is innovative because only few attempts have been made so far regarding our research questions.
Der menschengemachte Klimawandel bedroht langfristig die Stabilität der Ökosysteme des Planeten, und damit auch die Stabilität der menschlichen Gesellschaft durch Verknappung von Wasser, Nahrung und Lebensraum. Insbesondere die landwirtschaftliche Nahrungsmittelproduktion blickt einer ungewissen Zukunft entgegen und es besteht erheblicher Informationsbedarf hinsichtlich geeigneter Klimaschutzstrategien. Übergeordnetes Ziel des Vorhabens ist die Identifizierung von geeigneten Bewirtschaftungsmaßnahmen und betrieblichen Strategien zur Optimierung der Pflanzenproduktion im Sinne des Klimaschutzes. Das Projekt ModOKlim verfolgt dabei vorrangig folgende wissenschaftliche Ziele: (i) die verlässliche Reproduktion von räumlichen und zeitlichen Mustern der Produktivität landwirtschaftlicher Kulturen in Deutschland über die vergangenen 30 Jahre mit Hilfe von Agrarökosystemmodellen, (ii) die deterministische Projektion der Ertragsaussichten und damit verbundener THG-Emissionen landwirtschaftlicher Kulturen in Deutschland, (iii) die Szenarienanalyse mit Hilfe von biophysikalischen und ökonomischen Modellen zur Beurteilung von Erfolgsaussichten von Klimaschutzstrategien in Richtung von profitablen, klimaangepassten und artenreichen Anbausystemen und (iv) die Integration des aktuellsten Stands der Wissenschaft in Bezug auf die probabilistische Projektion von Extremwetterereignissen in die Projektionen der deterministischen Modelle. Ziel des Arbeitspakets 2 ist die Erarbeitung einer Methode zur konsistenten Darstellung von deterministischen und probabilistischen Modellergebnissen und einer methodenübergreifenden Quantifizierung der Ertragsveränderungen. Arbeitspaket 4 erarbeitet ein Bild über die Verteilung der Zusatzbewässerung in Deutschland. Ziel des Arbeitspaketes 6 ist es, mit einem deterministischen Modell die Ertragsveränderungen und die damit verbundenen THG-Emissionen sowie andere Ökosystemleistungen unter verschiedenen Klima- und Bewirtschaftungsszenarien zu simulieren.
The North Atlantic Waveguide and Downstream Impact Experiment (NAWDEX) aims to provide the foundation for future improvements in the prediction of high impact weather events over Europe. The concept for the field experiment emerged from the WMO THORPEX program and contributes to the World Weather Research Program WWRP in general and to the High Impact Weather (HIWeather) project in particular. An international consortium from the US, UK, France, Switzerland and Germany has applied for funding of a multi-aircraft campaign supported by enhanced surface observations, over the North Atlantic and European region. The importance of accurate weather predictions to society is increasing due to increasing vulnerability to high impact weather events, and increasing economic impacts of weather, for example in renewable energy. At the same time numerical weather prediction has undergone a revolution in recent years, with the widespread use of ensemble predictions that attempt to represent forecast uncertainty. This represents a new scientific challenge because error growth and uncertainty are largest in regions influenced by latent heat release or other diabatic processes. These regions are characterized by small-scale structures that are poorly represented by the operational observing system, but are accessible to modern airborne remote-sensing instruments. HALO will play a central role in NAWDEX due to the unique capabilities provided by its long range and advanced instrumentation. With coordinated flights over a period of days, it will be possible to sample the moist inflow of subtropical air into a cyclone, the ascent and outflow of the warm conveyor belt, and the dynamic and thermodynamic properties of the downstream ridge. NAWDEX will use the proven instrument payload from the NARVAL campaign which combines water vapor lidar and cloud radar, supplemented by dropsondes, to allow these regions to be measured with unprecedented detail and precision. HALO operations will be supported by the DLR Falcon aircraft that will be instrumented with wind lidar systems, providing synergetic measurements of dynamical structures. These measurements will allow the first closely targeted evaluation of the quality of the operational observing and analysis systems in these crucial regions for forecast error growth. They will provide detailed knowledge of the physical processes acting in these regions and especially of the mechanisms responsible for rapid error growth in mid-latitude weather systems. This will provide the foundation for a better representation of uncertainty in numerical weather predictions systems, and better (probabilistic) forecasts.
Real time control will get more important to reduce CSO emissions. Most of the already existing real time control strategies minimize spill flows from the viewpoint of volume minimization. For receiving water the reduction of emissions is much more important. Measured waste water data and probabilistic approach of these data are the focal points in this research. With an UV-VIS spectrometer installed in a swimming pontoon absorption is measured directly and constant. Based on absorption measurements waste water time series curves of COD, TSS and nitrate are shown. A forecast of CSO emissions and the adjustment of ANN for the control system will be the next step included for this project. By statistical evaluation of rain and measured waste water data as well as forecast of CSO emissions with ANN, spill loads can be reduced. The results of this research are basis for future real time control of CSOs in Graz (Austria).
Am Projekt Water vapour Lidar Network Assimilation (WaLiNeAs) sind mehrere Forschungsinstitute in ganz Europa beteiligt. Ihr Fachwissen wird kombiniert, um einen Einblick in das Potenzial eines Netzwerks thermodynamischer Lidar-Systeme für die probabilistische quantitative Niederschlagsvorhersage (PrQPF) von Starkniederschlagsereignissen (HPEs) im Mittelmeerraum zu gewinnen. Das Beobachtungsnetz WaLiNeAs wird ab Anfang September 2022 für drei Monate aufgebaut und betrieben.Dieser Vorschlag zielt darauf ab, sich dem einzigartigen WaLiNeAs-Projekt anzuschließen und mit seinem Forschungsteam in Bezug auf die Durchführung thermodynamischer Messungen mit dem Atmospheric Raman Temperature and Humidity Sounder (ARTHUS) des Instituts für Physik und Meteorologie (IPM) an der Universität Hohenheim zusammenzuarbeiten. Darüber hinaus werden die WaLiNeAs-Messungen für hochqualitative Datenassimilationsstudien in Bezug auf ihren Einfluss auf die Vorhersage der präkonvektiven Umgebung, der Auslösung von hochreichender Konvektion und der HPEs eingesetzt.Das übergeordnete Ziel dieses Antrags ist es, die folgenden Hypothesen zu untersuchen:Eine genauere Darstellung der präkonvektiven Umgebung im Mittelmeer durch ein Netzwerk thermodynamischer Raman-Lidar-Systeme wird zu 1) einer genaueren Initialisierung und Simulation der präkonvektiven Umgebung sowie der Auslösung von Konvektion sowie 2) zu einer Verbesserung der PrQPF führen.Während der WaLiNeAs-Kampagne werden sechs autonome Wasserdampf-Raman-Lidar-Systeme für kontinuierliche Messungen während der intensiven Beobachtungsperioden (IOPs) eingesetzt. Alle ihre Daten werden in Echtzeit gesammelt, verbreitet und überwacht.Insbesondere werden wir unsere Hypothesen beantworten, indem wir die folgenden Forschungsziele erreichen: I) Entwurf eines effizienten regionalen, hybriden, Ensemble-basierten Kurzfrist-Wettervorhersagesystems für HPEs im Mittelmeerraum auf der Grundlage des WRF-NOAHMP-Modellsystems, II ) Untersuchung der Verbesserung der Vorhersagefähigkeit in Bezug auf die Auslösung von Konvektion und PrQPF durch Datenassimilation von Temperatur- und Feuchtigkeitsprofilen aus dem WaLiNeAs-Lidar-Netzwerk, und III) Analyse der ARTHUS-Daten und Ableitung von Feuchtigkeits- und Temperaturstatistiken während des Experiments.Diese Forschungsziele werden den Weg für zukünftige Datenassimilationsstrategien und das Verständnis der Bedeutung und Dichte thermodynamischer Lidar-Netzwerke für die Kurzfristvorhersage von Extremereignissen ebnen. Dieses wird eine gemeinsame Anstrengung von Wissenschaftlern des Laboratoire atmosphères, milieux, observations spatiales (LATMOS), des Centre National de Recherches Météorologiques (CNRM) in Frankreich und der National Oceanic and Atmospheric Administration (NOAA) in den USA sein.
Downscaling von Atmosphärenmodellausgaben, insbesondere von Niederschlagsdaten, ist erforderlich um Variablen von der niedrigaufgelösten Skala des Modells zur Punktskala des Standortes hin zu transformieren, auf der die entsprechenden Variablen für praktische Anwendungen genutzt werden. Dazu gehören unter anderem, das Füllen von Datenlücken, hydrologische oder glaziologische Anwendungen, Klimaprognosen, Anwendungen in der Bewässerung oder Vorhersagen für Energieversorger. Statistisches Downscaling besteht darin, stochastische Beziehungen zwischen Beobachtungen oder Modellausgaben auf großer Skala, die als Prädiktoren dienen, und die an einem Standort zu schätzende Größe, dem Prädiktand, herzustellen. Die dazu angewandten Beziehungen sind häufig lineare Regressionen, es kommen aber auch nicht-lineare Transformationen, wie nicht-lineare Regressionen oder das Quantile-Matching zur Anwendung. In besagten Fällen wird ein stationärer, homoskedastischer Zusammenhang zwischen stochastischen Variablen angenommen, die zwar den bedingten Erwartungswert, aber nicht die Ränder der Verteilung, welche die meteorologischen Extreme abbilden, adäquat transformieren. Im vorliegendem Antrag wird ein probabilistischer Prozessor für das Downscaling von Niederschlagsdaten als Ansatz vorgeschlagen, der als bedingter Bayesscher Prozessor implementiert wird und die nicht-lineare Umformungen zwischen Prädiktoren von der Meso-Skala hin zur Skala eines Standortes unterstützt. In diesem Zusammenhang werden stochastische Zusammenhänge zwischen Prädiktoren und Prädiktanden im Gaußschen Raum modelliert. Die Methode ermöglicht es, mehrere Indikatoren innerhalb eines räumlichen Fensters von Modellzellen gleichzeitig zu verwenden, und kann auf die Anwendung von Prädiktoren, die von mehreren unterschiedlichen Vorhersagemodellen stammen, ausgeweitet werden. Durch die Anwendung multivariater abgeschnittener Normalverteilungen können auch heteroskedastische Beziehungen von stochastischen Variablen abgebildet, analytisch nach den Prädiktoren marginalisiert und anschließend in den Herkunftsraum zurücktransformiert werden. Das Downscaling der Schätzung des Prädikanten von der Skala der Modellzelle auf den Standort erfolgt anschließend mit Hilfe eines nicht-Markovschen, nicht-stationären stochastischen Wettergenerators. Sowohl der Bayessche Prozessor als auch der stochastische Wettergenerator müssen über ein ausreichend weites Zeitfenster anhand von Beobachtungsreihen und Simulationsergebnissen geeicht und validiert werden.
| Organisation | Count |
|---|---|
| Bund | 353 |
| Land | 2 |
| Wirtschaft | 1 |
| Wissenschaft | 133 |
| Zivilgesellschaft | 2 |
| Type | Count |
|---|---|
| Förderprogramm | 348 |
| Text | 5 |
| License | Count |
|---|---|
| Geschlossen | 5 |
| Offen | 348 |
| Language | Count |
|---|---|
| Deutsch | 306 |
| Englisch | 86 |
| Resource type | Count |
|---|---|
| Dokument | 3 |
| Keine | 214 |
| Webseite | 139 |
| Topic | Count |
|---|---|
| Boden | 186 |
| Lebewesen und Lebensräume | 244 |
| Luft | 213 |
| Mensch und Umwelt | 349 |
| Wasser | 166 |
| Weitere | 353 |