Detailansicht
Assimilation of cloud-affected satellite observations for convective-scale numerical weather prediction
Lukas Kugler
Art der Arbeit
Dissertation
Universität
Universität Wien
Fakultät
Fakultät für Geowissenschaften, Geographie und Astronomie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Doktoratsstudium Naturwissenschaften: Meteorologie
Betreuer*in
Martin Weißmann
DOI
10.25365/thesis.75648
URN
urn:nbn:at:at-ubw:1-20170.22074.213979-3
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Unwetter verursachen erhebliche wirtschaftliche Schäden und menschliches Leid. Trotz beeindruckender Fortschritte in der numerischen Wettervorhersage (NWP) in den letzten Jahrzehnten ist die Vorhersage von Gefahren auf konvektiver Skala (4-40 km) besonders herausfordernd. Kleinräumige Vorhersagen sind abhängig von hochaufgelösten Anfangsbedingungen, die den Zustand der Atmosphäre zu Vorhersagebeginn beschreiben. Konventionelle Wetterbeobachtungen bieten jedoch nicht die notwendige Auflösung, im Gegensatz zu sichtbaren und infraroten Satellitenkanälen. Die Assimilation dieser Kanäle in operationellen NWP-Systemen ist jedoch noch sehr begrenzt, da dies mit der Verwendung von nichtlinearen Beobachtungsoperatoren, nicht-gaußschen Fehlerverteilungen und potenziell mehrdeutiger Informationen verbunden ist. Das Ziel der vorliegenden Arbeit ist es, das Potenzial der Assimilation von wolkenbeeinflussten Satellitenbeobachtungen im infraroten und sichtbaren Spektrum zur Vorhersage schwerer Stürme abzuschätzen und unser Verständnis des Effektes von nichtlinearen Beobachtungsoperatoren zu verbessern. Diese Dissertation untersucht den potenziellen Nutzen von Satellitenbeobachtungen in einem idealisierten Rahmen, in dem der wahre Zustand der Atmosphäre bekannt ist und systematische Modell- und Operatorfehler vernachlässigt werden. Der wahre Zustand wird mit dem Weather Research and Forecasting Vorhersagemodell simuliert. Beobachtungen werden mittels Beobachtungsoperatoren aus dem wahren Zustand der Atmosphäre generiert und zur Assimilation mittels Ensemble Adjustment Kalman Filter verwendet. Es werden zwei Wetterszenarien untersucht. Im ersten Szenario wird isolierte und hochreichende Konvektion durch eine Warmluftblase ausgelöst, deren Position unsicher ist. Im zweiten Fall tritt hochreichende Konvektion im Bereich der gesamten Modelldomäne auf, wobei zusätzlich zur Position auch das Entwicklungsstadium der Konvektion unsicher ist. Die Arbeit gliedert sich in drei Teile. Der erste Teil untersucht den Vorhersagenutzen der Assimilation von entweder sichtbaren oder infraroten Satellitenmessungen in den beiden zuvor genannten Szenarien im Vergleich zum Nutzen der Assimilation von Radarreflektivitätsmessungen. Die Ergebnisse zeigten, dass die Assimilation von Satellitenmessungen einen vergleichbaren Nutzen brachte wie die Assimilation von 3D-Radarreflektivitätsmessungen, wenn die Position der Warmluftblase unsicher war. Im Fall des unbekannten Entwicklungsstadiums der Konvektion war der Nutzen von Satellitenmessungen ähnlich dem von 2D-Radarmessungen. Im zweiten Teil wurde die Assimilation einzelner Satellitenkanäle auf die kombinierte Assimilation mehrerer Kanäle erweitert und die Analyse der vertikalen Wolkenverteilung für unterschiedliche Wolkenbedingungen untersucht. Es zeigte sich, dass die kombinierte Assimilation die Mehrdeutigkeit einzelner sichtbarer und infraroter Kanäle verringern und die Analyse der Wolken verbessern kann. Im dritten Teil wurde der Nichtlinearitätseffekt des Beobachtungsoperators von sichtbaren und infraroten Messungen untersucht, der eine grundlegende Annahme der Assimilation verletzt. Dazu wurde die Abweichung berechnet, die durch den nichtlinearen Beobachtungsoperator entsteht. Schlussendlich wurde beurteilt, ob Messungen assimiliert werden sollten, selbst wenn sie nur auf geringe Vorhersagefehler hinweisen. Trotz gelegentlicher negativer Auswirkungen solcher Messungen, war es dennoch vorteilhaft sie in die Assimilation einzubeziehen, da sie dem Ensemble signalisieren, dass die ursprüngliche Vorhersage bereits sehr genau war. Diese Arbeit trägt dazu bei, ein besseres Verständnis über den Nutzen von sichtbaren und infraroten Satellitenmessungen für kleinräumige Unwettervorhersagen zu gewinnen.
Abstract
(Englisch)
Severe convective storms cause enormous loss of life and damage to property. Despite tremendous improvements in numerical weather prediction (NWP) over the last decades, predicting hazards at the convective scale (4-40 km) remains particularly challenging. Convective-scale forecasts are sensitive to small-scale errors which conventional observations fail to resolve. Visible and infrared satellite channels observe the convective scale at sufficient resolution in time and space. However, their assimilation in operational NWP systems is still very limited as their assimilation involves nonlinear observation operators, non-Gaussian error distributions and potentially ambiguous information. This thesis tries to estimate the potential of assimilating cloud-affected infrared and visible satellite observations for the prediction of severe storms and to improve our understanding of observation operator nonlinearity. This thesis focuses on the potential impact of satellite observations in an idealized framework, where the truth is perfectly known and systematic model and operator deficiencies are excluded. Idealized observing-system simulation experiments (OSSE) are employed, in which a model simulation is used as virtual truth. This virtual truth is simulated by integrating two selected initial conditions with the Weather Research and Forecasting (WRF) model. The first scenario represents isolated convection triggered by a warm air bubble, whose location is uncertain in the forecast ensemble. The second scenario features deep convection scattered throughout the domain with a forecast ensemble that is uncertain about the location and the life-cycle stage of convection. Observations are generated synthetically from both scenarios and assimilated into a 40-member forecast ensemble using the Ensemble Adjustment Kalman Filter. The thesis is based on three publications. The first publication estimates the potential forecast impact of assimilating either visible (0.6 µm) or infrared (6.2 and 7.3 µm) satellite observations in the two aforementioned scenarios relative to the impact of assimilating radar reflectivity observations. Results showed that the assimilation of satellite observations was nearly as beneficial as the assimilation of three-dimensional radar reflectivity observations when the prior forecast's uncertainty was mostly in the horizontal position. When the location and the stage of convection were unknown, the impact of satellite observations was similar to that of 2D radar observations. The second publication extends previous research on assimilating individual satellite channels to the combined assimilation of multiple channels and evaluates the vertical distribution of the resulting analysis error for different cloud conditions. It is revealed that the combined assimilation can mitigate the ambiguity of individual visible and infrared channels and improve the analysis of clouds. In the third manuscript, the effect of observation operator nonlinearity of visible and infrared radiances, which violates a basic assumption of current data assimilation schemes, is studied. This is done by estimating the deviation of the analysis from the expected analysis that would result from a linear observation operator. Furthermore, it is investigated if observations with small deviations from the model first-guess should be excluded from the assimilation. While these observations sometimes exhibit a detrimental impact, the results reveal that it is still beneficial to include them in the assimilation as they tell the ensemble that the first-guess is already very accurate. This work contributes to a better understanding of the potential benefits of assimilating cloud-affected satellite observations for early and accurate convective-scale severe weather warnings.
Schlagwörter
Schlagwörter
(Deutsch)
Meteorologie Wettervorhersage Datenassimilation
Schlagwörter
(Englisch)
ensemble data assimilation data assimilation numerical weather prediction
Autor*innen
Lukas Kugler
Haupttitel (Englisch)
Assimilation of cloud-affected satellite observations for convective-scale numerical weather prediction
Paralleltitel (Deutsch)
Assimilation von wolkenbeeinflussten Satellitenmessungen für die konvektiv-skalige numerische Wettervorhersage
Publikationsjahr
2024
Umfangsangabe
vi, 105 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*innen
Takemasa Miyoshi ,
Yong Wang
Klassifikation
38 Geowissenschaften > 38.80 Meteorologie. Allgemeines
AC Nummer
AC17151551
Utheses ID
70638
Studienkennzahl
UA | 796 | 605 | 415 |