Einfluss atmosphärischer Umgebungsbedingungen auf den Lebenszyklus konvektiver Zellen im Nowcasting

Abstract

<p>Trotz signifikanter Verbesserungen in den vergangenen Jahren sind die Unsicherheiten insbesondere bei der Vorhersage von Gewittern und ihren Begleiterscheinungen wie Starkregen, Hagel oder Sturmböen selbst mit konvektionsauflösenden Wettervorhersagemodellen der Wetterdienste noch immer zu groß, um daraus verlässliche und möglichst punktgenaue Warnungen abzuleiten. Für kurzfristige Präventionsmaßnahmen bis hin zur Evakuierung von Menschen beispielsweise bei Veranstaltungen im Freien sind präzise Vorhersagen auf kurzen Zeitskalen jedoch unerlässlich. Mit den Verfahren der Echtzeit-Vorhersage (Nowcasting) lassen sich Gewitterereignisse und ihre wesentlichen Merkmale identifizieren und aus der Kenntnis der Historie für Zeitskalen von einigen Minuten bis zu wenigen Stunden extrapolieren beziehungsweise vorhersagen. Die üblicherweise kurze Lebensdauer konvektiver Ereignisse und deren schnelle Entwicklung während instabiler Wetterlagen führen jedoch oftmals zu einer erheblichen Diskrepanz zwischen den Nowcasting-Vorhersagen und den beobachteten Wetterbedingungen. Hier besteht folglich ein großes Verbesserungspotential.</p> <p>Präsentiert wird eine Analyse der Lebenszyklen von konvektiven Zellen in Deutschland, welche die vorherrschenden atmosphärischen Bedingungen miteinbezieht. Außerdem werden verschiedene statistische Modelle zur Abschätzung der Lebensdauer und Größe konvektiver Zellen im Sinne des Nowcastings vorgestellt. Ein Vergleich dieser Modelle ermöglicht es zu beurteilen, welche Methode am besten geeignet ist, Nowcasting-Verfahren für Warnmanagementsysteme von Wetterdiensten zu verbessern.</p> <p>Unter Verwendung von Daten des radarbasierten Zellverfolgungsalgorithmus KONRAD des Deutschen Wetterdienstes (DWD) wurden objektbasierte Lebenszyklen von isolierter Konvektion (Einzel- und Superzellen) für die Sommerhalbjahre 2011-2016 analysiert. Zusätzlich wurde eine Vielzahl konvektionsrelevanter atmosphärischer Variablen (z.B. Deep Layer Shear, CAPE, Lifted Index), die mittels hochauflösender COSMO-EU Assimilationsanalysen berechnet wurden, mit den Lebenszyklen kombiniert. Auf der Grundlage dieses kombinierten Datensatzes werden statistische Zusammenhänge zwischen verschiedenen Zellattributen und atmosphärischen Variablen diskutiert. Wie die Analysen zeigen, sind insbesondere Maße der vertikalen Windscherung aufgrund ihres Einflusses auf die Organisationsform der Zellen geeignet, zwischen solchen mit kurzer und langer Lebensdauer zu unterscheiden. Erhöhte thermische Instabilität ist mit einem schnelleren anfänglichen Zellwachstum verbunden, was eine größere horizontale Zellexpansion (Zellfläche) während des Lebenszyklus und indirekt eine längere Lebensdauer begünstigt.</p> <p>Drei verschiedene multivariate Methoden (logistische Regression, <em>Random Forest</em>, nichtlinearer polynomialer Ansatz) wurden als statistische Modelle zur Schätzung der Lebensdauer und der maximalen Zellfläche konvektiver Zellen unter Verwendung eines Ensemble-Ansatzes untersucht ("Überwachtes Maschinelles Lernen"). Die Vorhersagegüte der Modelle wurde mittels probabilistischer Evaluation bewertet und die Bedeutung der anfänglichen Zellentwicklung und der atmosphärischen Variablen für den weiteren Verlauf des Lebenszyklus quantifiziert. Es werden Potentiale und Grenzen der drei Methoden aufgezeigt, die verdeutlichen, dass die Wahl einer geeigneten Methode von dem genauen Nowcasting-Problem bzw. der Anforderung abhängt. Die Untersuchungen legen nahe, dass die maximale Zellfläche konvektiver Zellen besser abgeschätzt werden kann als ihre Lebensdauer. Atmosphärische Variablen, die den dynamischen und thermodynamischen Zustand der Atmosphäre charakterisieren, sind zu Beginn der Zellentwicklung besonders wichtig für die Abschätzung der zukünftigen Entwicklung der Zellattribute, während mit zunehmendem Zellalter die Zellhistorie immer relevanter wird.</p>

Statistical relevance of meteorological ambient conditions and cell attributes for nowcasting the life cycle of convective storms

“…Fourth, only uni‐ and bivariate relations between the predictors (ambient variables and some cell attributes at the initial stage) and life‐cycle properties $$$ T $$$ and $$$ {A}_{\mathrm{max}} $$$ were presented. Similar investigations of combined dependencies with even more than two ambient variables, however, hardly reveal combinations with a sufficiently large sample size for establishing robust statistical relations and, at the same time, remarkably stronger signals with regard to the mean lifetime or mean maximum area (Wilhelm, 2022). Fifth, the ambient conditions are characterised by high‐resolution model analysis data, which are a very good approximation but do not completely reflect the actual reality.…”

“…The values of the other scores in the respective diagrams relate to that same optimised threshold. The score values depend on the lifetime separator $$$ \tau $$$ as alluded to earlier herein (Wilhelm, 2022). For example, PSS values generally increase for increasing values of $$$ \tau $$$, mainly due to an increase in POD.…”

“…The analyses enable the calculation of a multitude of meteorological variables and convective indices that are not stored by default in the DWD database (Wilhelm, 2022). This is accomplished by extending the COSMO‐EU‐internal post‐processing routines, initialising the model with the analyses and re‐outputting the desired quantities at forecast time $$$ t=0 $$$ for pressure and/or height levels.…”

“…These questions are addressed in the study at hand, where the main element is the statistical analysis of the relationships between life‐cycle attributes and ambient variables. In particular, following the investigations of Wilhelm (2022), this article addresses the following two main scientific questions:Under which range of prevailing ambient conditions does DMC develop, and how are the related ambient variables statistically correlated with each other and with cell attributes at the beginning of the cells' life cycles? Which ambient variables and cell attributes correlate best with the storm properties of lifetime and maximum area, indicating the potential for the improvement of nowcasting procedures? …”