Model evaluation and data assimilation impact studies in the framework of COPS

Abstract

The goal of this thesis was the study of new approaches for improving and investigating quantitative precipitation forecasting (QPF), e.g., by optimizing model resolution, physics combination, and data assimilation. A forecasting system based on the Mesoscale Model 5 (MM5) was compared against other operational numerical weather prediction models from Meteo France, MeteoSwiss and the German Weather Service primarily with respect to daytime precipitation. First, a notable daytime dry bias was observed. It appears to be the result of a too small high-resolution domain and the switched-off convection parameterization from the second to the innermost domain. Even the application of a 4-dimensional variational data assimilation (4DVAR) with GPS slant total delays (STD) does not solve this problem due to inconsistent model physics between the 4DVAR and the forecasting model. Nevertheless, the MM5 is in good agreement with the shape of the observed diurnal cycle after the spin-up phase. As the development of the MM5 was suspended, a transition to the new Weather Research and Forecasting (WRF) model system was made after the D-PHASE period (end of 2007). This system features state-of-the-art physics packages and also a variational data assimilation system. As a new observing system, GPS Zenith Total Delay (ZTD) data from Central Europe were incorporated into the 3-dimensional variational data assimilation (3DVAR) system to further improve the initial water vapor field. A first study with this system revealed an improvement of the integrated water vapor RMSE of about 15% and a small but positive impact on the spatial and quantitative precipitation forecast. Additionally, the importance of assimilating upper air observations and the necessity to select a large, convection permitting model domain emerged. Finally a rapid update cycle (RUC) approach, comparable to operational forecast centers, has been developed for a convection-permitting configuration of the WRF model. The system is capable to assimilate radar observations from Germany and France, GPS-ZTD data and satellite radiances and can be applied even for near real-time applications. First experiments with this system show promising results in comparison to other operational models.

Das Ziel dieser Arbeit war die Untersuchung von neuen Ansätzen zur Verbesserung und Evaluierung der quantitativen Niederschlagsvorhersage z.B. durch anpassen der Modellauflösung, der Kombination von verschiedenen Parametrisierungen sowie der Datenassimilation. Ein Vorhersagesystem auf Basis des mesoskaligen Atmosphärenmodells MM5 wurde mit anderen operationellen Vorhersagesystemen von Meteo France, MeteoSchweiz und dem Deutschen Wetterdienst hinsichtlich des Tagesniederschlags verglichen. Zu Beginn wurde eine deutliche Unterschätzung des Niederschlags festgestellt. Diese ist das Resultat eines zu kleinen hoch aufgelösten Modellgebiets sowie des Abschaltens der Konvektionsparametrisierung im innersten Modellgebiet. Der Einsatz einer 4-dimensionalen, variationellen Datenassimilation mit GPS slant total delays (STD) brachte auch keine wesentlich Verbesserung der Resultate. Dennoch konnte eine gute Übereinstimmung mit der Gestalt des beobachteten Tagesgangs nach Ablauf der spin-up Phase erzielt werden. Nachdem die Entwicklung des MM5 zwischenzeitlich eingestellt worden war, wurde am Ende der D-PHASE Periode (November 2007) auf das Weather Research and Forecasting (WRF) Modellsystem gewechselt. Dieses beinhaltet dem aktuellen Stand der Forschung entsprechende Modellphysik sowie ein variationelles Datenassimilationssystem. Als neuartige Beobachtungen wurden GPS zenith total delay (ZTD) Messungen in die 3DVAR mit eingebunden, um das Wasserdampfanfangsfeld weiter zu verbessern. Eine erste Fallstudie ergab eine Verbesserung des RMSE des integrierten Wasserdampfgehalts um 15%, und einen schwachen, aber positiven Einfluß auf die räumliche und quantitative Niederschlagsvorhersage. Außerdem ergaben sich Hinweise, dass es wichtig ist, Höheninformationen zu assimilieren und ein möglichst großes, konvektionserlaubendes Modellgebiet zu wählen. Im letzten Teil wurde ein rapid update cycle (RUC) Ansatz, vergleichbar mit anderen Vorhersagezentren, entwickelt. Zusätzlich ist das 3DVAR-System nun so vorbereitet, dass es gleichzeitig Radardaten aus Deutschland und Frankreich, GPS-ZTDs sowie Satellitendaten benutzen und in nahezu Echtzeit verwendet werden kann. Ein erstes Experiment mit diesen System ergab Erfolg versprechende Resultate im Vergleich zu anderen operationellen Modellen.