Detailansicht

Clustering ECMWF ENS ensemble predictions to optimise FLEXPART plume dispersion ensembles

Robert Klonner

Art der Arbeit

Masterarbeit

Universität

Universität Wien

Fakultät

Fakultät für Geowissenschaften, Geographie und Astronomie

Betreuer*in

Leopold Haimberger

Volltext herunterladen
Volltext in Browser öffnen

DOI

10.25365/thesis.29278

URN

urn:nbn:at:at-ubw:1-30429.92025.799770-3

Link zu u:search

(Print-Exemplar eventuell in Bibliothek verfügbar)

Abstracts

Abstract

(Deutsch)

Es ist allgemein bekannt, dass Ensemblevorhersagen wertvolle Informationen über die Unsicherheit von Vorhersagen geben können. Die Implementierung solcher Systeme für operationelle Anwendungen wird jedoch durch die großen Datenmengen die bearbeitet werden müssen und durch die rechenaufwendigen Ausbreitungssimulationen erschwert. Deshalb beschäftigt sich diese Masterarbeit mit der Konstruktion reduzierter Ensembles und der Anwendung dieser Methode für die Vorhersage von Vulkanascheausbreitung. Es wird ein Verfahren entwickelt um die Anzahl der Ensemblemitglieder aufgrund physikalischer Zusammenhänge zu verringern. Die Idee ist eine Verbindung zwischen dem horizontalen Windfeld in den meteorologischen Eingangsdaten und den zugehörigen Aschekonzentrationsfeldern vom Ausbreitungsmodel FLEXPART mittels Clusteranalyse (CA) zu finden. Die Ergebnisse von drei Clusteralgorithmen Ward’s method, K-means und Partitioning Around Medoids (PAM) wurden untersucht. Es zeigt sich, dass ein Großteil der Muster nur anhand von Informationen über das Windfeld reproduziert werden kann. Das erlaubt die Zusammenstellung eines reduzierten Ensembles während die Bearbeitungs- und Simulationszeit auf ein Minimum beschränkt wird. Um die Verbindung zwischen den beiden Feldern zu validieren wurden drei Verfahren entwickelt. Die Hauptaufgabe dabei ist die Definition einer Referenzlösung um die Ergebnisse zu kontrollieren. Das Problem wird durch Heranziehen einer Clusterlösung von Konzentrationsensemblevorhersagen gelöst. Ein qualitativer Ansatz basiert auf der Visualisierung von Klassifikationen mithilfe einer multidimensionalen Skalenanalyse (MDS) um die reproduzierten Gruppen zu analysieren. Weiters werden die Indizes Rand Index (RI) und Variation of Information (VI), die zum Vergleich von Clusterlösungen dienen, herangezogen. Ein Hauptziel ist es, den Spread des originalen Ensembles zu erhalten. Als Maß für den Spread wurde die Varianz gegen das Ensemblemittel für beide Ensembles berechnet und verglichen. Ein weiteres Konzept wird entwickelt um die Fläche für das Clustering der von der Aschewolke betroffenen Region anzupassen. Um die Methode an einer praktischen Anwendung zu demonstrieren, wird diese an theoretischen Vulkanausbrüchen getestet. Bei synoptischen Situationen mit ausreichend Einfluss des horizontalen Windfeldes kann der originale Spread des Ensembles mit 5-7 repräsentativen Mitgliedern ausreichend abgebildet werden.

Abstract

(Englisch)

It is commonly known today that ensemble forecasting can yield very valuable information about the uncertainty of a forecast. However, implementing ensemble forecasts in an operational environment is difficult due to the huge amounts of data that have to be retrieved and preprocessed and the computational demands for simulating several dispersion forecasts. Therefore, this thesis deals with the construction of reduced ensembles and the designed methodology is used to forecast the dispersion of volcanic ash. A method is developed to reduce the number of ensemble members to a reasonable amount according to a physical basis. The idea is to find a linkage between the horizontal wind field in the meteorological input data and corresponding ash concentration fields in the output of the dispersion model FLEXPART with the help of cluster analysis (CA). Results of three clustering algorithms are investigated, namely Ward’s method, K-means and Partitioning Around Medoids (PAM). The clustering is also refined by adapting the area of clustering to the domain that is affected by the ash plume. It is shown that the main patterns can be reproduced only with information about the wind field. This allows the construction of a reduced ensemble while keeping retrieval, preprocessing and simulation times short enough for operational purposes. To prove the connection between wind and ash concentration fields three validation methods have been developed. The essential part for validation is the definition of a reference cluster solution to compare the findings. This is solved by using the cluster solution of an ensemble of concentration forecasts simulated with all members of the meteorological input. A qualitative approach is based on the visualisation of a classification by using multidimensional scaling (MDS) to analyse the reproduced groups. Furthermore, the cluster comparison measures Rand Index (RI) and Variation of Information (VI) are used. As a main target, the reduced ensemble should have the same ensemble spread as the original one. For measuring the reproduced spread the variance against the ensemble mean for both ensembles is calculated and compared. To test the method for practical applications it is applied to hypothetical volcanic events. It is found that for synoptic situations where the forcing through the horizontal wind field is strong enough, the original ensemble spread is sufficiently reproduced with a set of 5-7 representative members.

Autor*innen

Robert Klonner

Haupttitel (Englisch)

Clustering ECMWF ENS ensemble predictions to optimise FLEXPART plume dispersion ensembles

Paralleltitel (Deutsch)

Clusteranalyse von ECMWF ENS Ensemblevorhersagen zur Optimierung von FLEXPART Ausbreitungsensembles

Publikationsjahr

2013

Umfangsangabe

XI, 86 S. : Ill, graph. Darst.

Sprache

Englisch

Beurteiler*in

Leopold Haimberger

Klassifikation

38 Geowissenschaften > 38.84 Meteorologie: Sonstiges

AC Nummer

AC11087554

Utheses ID

26121

Studienkennzahl

UA | 066 | 614 | |

Detailansicht

Abstracts

Schlagwörter