FOR2131
Titel:? Data Assimilation for Improved Characterization of Fluxes across Compartmental Interfaces “, Teilprojekt der Forschergruppe FOR2131 Phase II
Duration:?? from 10/17 to 09/19
Funding institution: DFG
Funded sum:?306.600,00
Principal Investigator(s): Harald Kunstmann
Associate Researchers: Prof. Dr. Dr. András Bárdossy, Universit?t Stuttgart
????????Dr. Sebastian H?rning, Universit?t Queensland, Australien
Previous Project(s): ?Geostatistical Analysis and Copula-Based Data Merging Algorithms for a Stochastic Quantification of Precipitation fields“, Teilprojekt der Forschergruppe FOR2131 Phase I
Follow-up Project(s):
Research topics: climate change, environment and landuse change
?
?
Das Hauptaugenmerk unseres Teilprojekts P3 liegt auf der Simulation der korrekten raum-zeitlichen Verteilung des Niederschlags.
In Phase I von P3 haben wir eine Methodik entwickelt, die verschiedene Niederschlagsbeobachtungen zu einem Niederschlagsfeld vereinigt. Die hierfür verwendeten Beobachtungsdaten stammen von Niederschlagsstationen, Richtfunkverbindungen des Mobilfunknetzes sowie Wetterradaren. Der gro?e Vorteil unserer Methode ist, dass man mit ihr Ensemble von Feldern beliebiger Gr??e simulieren kann, bei der jedes einzelne Niederschlagsfeld die Beobachtungen wiederspiegelt.
In der aktuellen Phase II des Projekts widmen wir uns der Frage, wie diese beobachtungsbasierten Niederschlagsfelder die Vorhersage des Niederschlags selbst sowie von ihm abh?ngige Gr??en (z. B. Bodenfeuchte oder Oberfl?chenabfluss) verbessern und beeinflussen k?nnen. Dazu testen wir verschiedene Ans?tze diese Niederschlagsfelder einem Datenassimilationssystem für ein Atmosph?ren-Landoberfl?chen-Boden Model zuzuführen. Im ersten Ansatz wird der Modellniederschlag einfach durch das Ensemble der beobachtungsbasierten Niederschlagsfelder ersetzt (Insertion). Zwei weitere Ans?tze nutzen die Niederschlagsfelder direkt zur Assimilation der Atmosph?re. Hierbei wird im ersten Ansatz ein schwach gekoppeltes Modell und im zweiten Ansatz ein vollst?ndiges Modell verwendet. Das Ziel ist es, eine effiziente Methode zu entwickeln, welche die Fehler in Vorhersagen minimiert.
?
?
?
Publications
Haese, B.,?H?rning, S.,?Chwala, C.,?Bárdossy, A., Schalge, B., Kunstmann, H. (2017), Stochastic Reconstruction and Interpolation of Precipitation Fields Using Combined Information of Commercial Microwave Links and Rain Gauges,?Water Resources Research, Volume: 53, Issue: 12, Pages: 10740-10756, doi:? 10.1002/2017WR021015.