image
image
image
image
1
*
S
eamless
IN
tegrated
FO
recasti
N
g s
Y
stem
- Die Verzahnung
von Nowcasting und
numerischer Wettervorhersage
*
Ulrich Blahak, Deutscher Wetterdienst
Projektteam & Friends:
Roland Potthast, Kathleen Helmert, Alberto De Lozar, Axel Seifert, Elisabeth Bauernschubert,
Christian Welzbacher, Matthias Zacharuk, Manuel Werner, Robert Feger, Rafael Posada Navia Osorio, Lilo Bach,
Michael Hoff, Martin Rempel, Lisa Neef, Kathrin Feige, Markus Schultze, Sven Ulbrich, Kobra Khosravian, Jana
Mendrok, Mareike Burba, Jana Mendrok, Klaus Vobig, Leonhard Scheck, Christoph Müller, Christian Berndt, Gregor
Pante, Vera Maurer, Maike Ahlgrimm, Annett Strauß, Beke Kremmling, Ulrich Friedrich, Arne Spitzer, Lukas Josipovic,
Thomas Deppisch, Matthias Gottschalk, Tobias Bergmann, Cornelius Hald, Isabel Urbich, Malte Schmid, Jan Bondy,
Matthias Brechtel, Michael Buchhold, Marcus Paulat, Felix Fundel, Vanessa Fundel, Harald Kempf, Christoph Schraff,
Tanja Winterrath, Ewelina Walawender, Katharina Lengfeld, Kathrin Wapler, Julia Bachmann, Julia Keller

image
image
image
image
2
In unserem Fall: „seamless“ = „von Minuten zu Stunden“
Derzeit im Rahmen des DWD-internen Projektes
SINFONY-Forschung
Entwicklung eines gekoppelten
probabilistischen
Systems aus
Niederschlags-Nowcasting
und
Kürzestfrist-NWV (bis +12 h)
auf der
konvektiven Skala mit stündlich neu gestarteten Vorhersagen (RUC)
S
eamless
IN
tegrated
FO
recasti
N
g s
Y
stem

image
image
image
image
image
image
Bisherige Vorhersage-Verfahren @ DWD
3
Nowcasting
(0-2 h, alle 5‘ neu)
Beobachtungsbasiert, effizient,
determ., sehr rasch verfügbar
Numerische Wettervorhersage
(NWV, ab +2 h, alle 3 h neu)
Sehr teuer, determ. & Ensemble,
verfügbar erst > 1,5 h nach Termin
Beobachtung
DWD Radarnetz
9.Juli 2021, Nördliches BaWü

image
image
image
image
image
image
Bisherige Vorhersage-Verfahren @ DWD
4
Nowcasting
(0-2 h, alle 5‘ neu)
Beobachtungsbasiert, effizient,
determ., sehr rasch verfügbar
Numerische Wettervorhersage
(NWV, ab +2 h, alle 3 h neu)
Sehr teuer, determ. & Ensemble,
verfügbar erst > 1,5 h nach Termin
Beobachtung
DWD Radarnetz
Beide Verfahren …
9.Juli 2021, Nördliches BaWü
• … haben ihre spezifische Probleme
• … werden bisher getrennt voneinander entwickelt
• ... und es gibt keine gemeinsamen Produkte!

image
image
image
image
image
image
image
Bisherige Vorhersage-Verfahren @ DWD
5
Nowcasting
(0-2 h, alle 5‘ neu)
Beobachtungsbasiert, effizient,
determ., sehr rasch verfügbar
Numerische Wettervorhersage
(NWV, ab +2 h, alle 3 h neu)
Sehr teuer, determ. & Ensemble,
verfügbar erst > 1,5 h nach Termin
Beobachtung
DWD Radarnetz
9.Juli 2021, Nördliches BaWü
verbessert beide Verfahren, verzahnt sie miteinander
und erstellt daraus kombinierte Produkte -- bruchfrei für Nutzende
Beide Verfahren …
• … haben ihre spezifische Probleme
• … werden bisher getrennt voneinander entwickelt
• ... und es gibt keine gemeinsamen Produkte!

image
image
image
image
6
„Bruchfreiheit“ als eines der Ziele von SINFONY
Verminderung / Glättung des
Vorhersagebruchs im Übergangszeitbereich
zwischen
Nowcasting
und
Kürzestfrist-NWV
Das Problem ist stark vereinfacht in der
WarnWetter-App plastisch dargestellt:
Links: Nowcasting 13:15 MESZ + 02:00 h
Rechts: COSMO-D2 (det) 11 MESZ + 04:15 h
(12-UTC-Lauf)
Beispiele für „Brüche“ nahe Eberswalde
und Prenzlau
COSMO-D2
(11:00
15:15)
„Umblättern“ von
Nowcasting zum
COSMO-D2 (15:15)
Nowcasting
(13:15
15:15)

image
image
image
image
image
image
image
image
image
Stündlich neue
Vorhersagen bis
+ 12 h (RUC*)
ICON-LAM
Δx= 2 / 1 km
angepasste
Modellphysik
Grundidee und Konzept des SINFONY
7
Irgendein Verifikations-
score für konvektive Zellen
1
0
Vorhersagezeit
t
0
Nowcasting
NWV
… verbessert
…verbessert
…kombinierte Produkte
Assimilation neuer Daten**
in KENDA-LETKF:
Radarvolumendaten
v
r
, dBZ, Zell-Objekte
Meteosat VIS / IR
Blitze
Zunächst Radar-basiertes
Niederschlags-Nowcasting
1)
Flächenfelder auf Gitter
(mm/h, dBZ)
2)
Zell-Objekte
Verfahren verbessern
Ensembles, die folgende
Unsicherheiten abbilden:
1)
Verfahrensparameter
2)
Skalenabhängige
Vorhersagbarkeit
3)
Tendenzen / Zell-
Lebenszyklen
**) Zusätzlich zu den „konventionellen“ Daten wie z.B. SYNOP, TEMP, Profiler, MODE-S
Vergleichende Verifikation:
Räuml. Nachbarschaftsmethoden
Zell-Objekt-Verifikation
*) Rapid Update Cycle

image
image
image
image
image
image
image
image
image
image
image
image
8
Nowcasting-
ENS (5‘ updates)
t
0
Kombinierte Produkte:
Konzept und mögliche Anwendungen
NWV-RUC-ENS (1 h updates)
Δx = 2 / 1 km
ICON-LAM
KENDA-LETKF
ENS Datenassimilation
Vorhersagezeit
- Kombinierte
Produkte
„Best of both worlds“:
Optimaler Skill für jede VZeit
*) Zusätzlich zu den „konventionellen“ Daten wie z.B. SYNOP, TEMP, Profiler, MODE-S
*)
Gitterbasiertes Niederschlags- und
Reflektivitäts- ENS
Zell-Objekt ENS
(ident, tracking)
Lebenszyklus

image
image
image
image
image
Was ist mit „nahtlos“ gemeint?
Ein anschauliches Beispiel aus der Experimentierküche
9
Nowcasting
Kombination
NWV

image
image
image
10
In unserem Fall: „seamless“ = „von Minuten zu Stunden“
Derzeit im Rahmen des DWD-internen Projektes
SINFONY-Forschung
Entwicklung eines gekoppelten
probabilistischen
Systems aus
Niederschlags-Nowcasting
und
Kürzestfrist-NWV (bis +12 h)
auf der
konvektiven Skala mit stündlich neu gestarteten Vorhersagen (RUC)
Fokus in SINFONY-Forschung:
Grundlegende Entwicklungen für die beiden Vorhersageverfahren
Fokus auf Starkniederschlag sommerlicher konvektiver Ereignisse
Kundenzielgruppen: interner DWD-Warnprozess, Hydrologie (Hochwasserwarnwesen)
Erste „kombinierte“ Produkte: Niederschlag, dBZ, konv. Zellen (“Objekte“)
S
eamless
IN
tegrated
FO
recasti
N
g s
Y
stem

image
image
image
image
image
image
image
image
image
image
Entwicklung
Ensemble-basierter
Nowcasting-Methoden, Update alle
5‘ und Vorhersagezeitbereich bis zu
t
0
+ 6 h
Gitterbasiert (Komposits): Reflektivität, mm/h
„Optical-flow“ Bewegungsanalyse
Objekte repräsentieren Zellen in einfacher Weise
Zelldetektion und -Verfolgung in 3D Volumenscans
ENS aufgespannt von Unsicherheiten
durch skalenabhängige Vorhersagbarkeit
11
EPS
SINFONY Radar Nowcasting-Ensembles:
Gitterbasiert und Zell-Objekte
ENS aufgespannt von Unsicherheiten durch
Wachstum / Zerfall („Lebenszyklus“)
ENS = Parabelschar von möglichen Szenarien für
Zeitverlauf von Zelleigenschaften
Ensemble-Kalman-Filter zur Anpassung des ENS
STEPS-DWD

image
image
image
image
image
image
image
image
image
image
Entwicklung
Ensemble-basierter
Nowcasting-Methoden, Update alle
5‘ und Vorhersagezeitbereich bis zu
t
0
+ 6 h
Gitterbasiert (Komposits): Reflektivität, mm/h
„Optical-flow“ Bewegungsanalyse
Objekte repräsentieren Zellen in einfacher Weise
Zelldetektion und -Verfolgung in 3D Volumenscans
ENS aufgespannt von Unsicherheiten
durch skalenabhängige Vorhersagbarkeit
12
EPS
SINFONY Radar Nowcasting-Ensembles:
Gitterbasiert und Zell-Objekte
ENS aufgespannt von Unsicherheiten durch
Wachstum / Zerfall („Lebenszyklus“)
ENS = Parabelschar von möglichen Szenarien für
Zeitverlauf von Zelleigenschaften
Ensemble-Kalman-Filter zur Anpassung des ENS
STEPS-DWD
Klimatologie (Wapler et al. 2020):
Median
Zellgröße als Funktion des Zell-Alters in
verschiedenen Lebenszeitklassen (Farben);
Deutschland, 2007 – 2016.
Aber: sehr große Streubreite der Einzelfälle!
Parabelmodell motiviert durch:

image
image
image
image
image
image
image
image
image
image
Entwicklung
Ensemble-basierter
Nowcasting-Methoden, Update alle
5‘ und Vorhersagezeitbereich bis zu
t
0
+ 6 h
Gitterbasiert (Komposits): Reflektivität, mm/h
„Optical-flow“ Bewegungsanalyse
Objekte repräsentieren Zellen in einfacher Weise
Zelldetektion und -Verfolgung in 3D Volumenscans
ENS aufgespannt von Unsicherheiten
durch skalenabhängige Vorhersagbarkeit
13
EPS
SINFONY Radar Nowcasting-Ensembles:
Gitterbasiert und Zell-Objekte
ENS aufgespannt von Unsicherheiten durch
Wachstum / Zerfall („Lebenszyklus“)
ENS = Parabelschar von möglichen Szenarien für
Zeitverlauf von Zelleigenschaften
Ensemble-Kalman-Filter zur Anpassung des ENS
STEPS-DWD
Klimatologie (Wapler et al. 2020):
Median
Zellgröße als Funktion des Zell-Alters in
verschiedenen Lebenszeitklassen (Farben);
Deutschland, 2007 – 2016.
Aber: sehr große Streubreite der Einzelfälle!
Parabelmodell motiviert durch:

image
image
image
image
Probabilistisches KONRAD3D Zell-Nowcasting
14
5.6.2021
Nähe Regensburg:
Intensive Zellen bis zur
höchsten Stufe 4 (Lila)

image
image
image
image
Probabilistisches KONRAD3D Zell-Nowcasting
15
5.6.2021
Nähe Regensburg:
Intensive Zellen bis zur
höchsten Stufe 4 (Lila)
• Basiert auf allen Elevationen der Volumenscans, nicht nur auf einer Einzigen
• Kalman-Filter zur Glättung der Zugbahnvorhersage
• Gauß‘sche Unsicherheitsellipsen (1 σ) für die vorhergesagte Zentroid-Position
im 5-min-Abstand
• Diagnose des Schweregrads (1 - 4)
Verfügbar, im täglichen Testbetrieb (aber noch nicht völlig konsolidiert)

image
image
image
image
image
Ergänzung der NWV durch SINFONY-RUC ab 2023
16
ICON global ENS / DET
ICON-EU Nest ENS / DET: 6.5 km
ICON-LAM
ICON-D2 ENS: 2 km
IC:
KENDA-LETKF Datenassimilation
BC:
ICON-EU Nest ENS
Neue Vorhersagen alle 3 h bis + 48 h

image
image
image
image
image
image
SINFONY-RUC-ENS:
ICON-D2
(1)
RUC: 2
(+ 1)
km
IC:
KENDA-LETKF Datenassimilation
mit 3D Radar, SEVIRI-VIS / IR, Blitzen
BC:
ICON-EU Nest ENS
Neue Vorhersagen jede 1 h bis + 12 h
Kombination mit Nowcasting
(Niederschlag, Zell-Objekte)
Ergänzung der NWV durch SINFONY-RUC ab 2023
17
ICON global ENS / DET
ICON-EU Nest ENS / DET: 6.5 km
ICON-LAM
ICON-D2 ENS: 2 km
IC:
KENDA-LETKF Datenassimilation
BC:
ICON-EU Nest ENS
Neue Vorhersagen alle 3 h bis + 48 h

image
image
image
image
image
image
SINFONY-RUC-ENS:
ICON-D2
(1)
RUC: 2
(+ 1)
km
IC:
KENDA-LETKF Datenassimilation
mit 3D Radar, SEVIRI-VIS / IR, Blitzen
BC:
ICON-EU Nest ENS
Neue Vorhersagen jede 1 h bis + 12 h
Kombination mit Nowcasting
(Niederschlag, Zell-Objekte)
Ergänzung der NWV durch SINFONY-RUC ab 2023
18
ICON global ENS / DET
ICON-EU Nest ENS / DET: 6.5 km
ICON-LAM
ICON-D2 ENS: 2 km
IC:
KENDA-LETKF Datenassimilation
BC:
ICON-EU Nest ENS
Neue Vorhersagen alle 3 h bis + 48 h

image
image
image
image
image
image
image
SINFONY-RUC-ENS:
ICON-D2
(1)
RUC: 2
(+ 1)
km
IC:
KENDA-LETKF Datenassimilation
mit 3D Radar, SEVIRI-VIS / IR, Blitzen
BC:
ICON-EU Nest ENS
Neue Vorhersagen jede 1 h bis + 12 h
Kombination mit Nowcasting
(Niederschlag, Zell-Objekte)
Ergänzung der NWV durch SINFONY-RUC ab 2023
19
ICON global ENS / DET
ICON-EU Nest ENS / DET: 6.5 km
ICON-LAM
ICON-D2 ENS: 2 km
IC:
KENDA-LETKF Datenassimilation
BC:
ICON-EU Nest ENS
Neue Vorhersagen alle 3 h bis + 48 h
Damit das alles zusammen klappt:
Massiver Ausbau der DWD-HPC und
Speichersysteme in mehreren Stufen
bis Ende 2023

image
image
image
image
image
image
image
Numerisches Modell
Begonnen mit COSMO, Umstieg auf ICON-LAM erfolgt
Modellsetup angepasst für die km-Skala:
Alternative Wolkenmikrophysik-Parametrisierung
Seifert-Beheng 2-Momenten-Schema mit Graupel und Hagel
Neues stochastisches Grenzschichtschema zur Parametrisierung flacher Konvektion
Wird „aggressiv“ optimiert für die ersten Vorhersagestunden
Output:
„Volle“ 3D-Modellfelder und –Diagnostiken wie bei ICON-LAM-D2, aber in höherer Frequenz (alle 15‘)
Zusätzlich alle 5‘ simulierte Radar-Volumenscans (Reflektivitäten) analog zu beobachteten Scans
Synthetische Radarkomposits und KONRAD3D-Objekte mittels
Radaralgorithmen
Assimilation von Radarvolumendaten (Radialwind, Reflektivität) sehr weit fortgeschritten
Assimilation von MSG-VIS auf gutem Weg
Assimilation von Objekten und Blitzen brauchen noch etwas Zeit
20
ICON-LAM

image
image
image
image
image
21
Modellgitter
und
Wetterradar
Radarvorwärtsoperator EMVORADO:
synthetische Radarvolumenscans aus der NWV
Simulierte Größen entlang aller Radarstrahlen von Volumenscans:
Radarreflektivität Z
(Mie, optional mit Effekten von Dämpfung, Schmelzen, Strahlverbreiterung)
Radialwind V
r
(optional mit Effekten der Strahlgewichtsfunktion)
In Entwicklung:
Polarisationsparameter

image
image
image
image
image
image
22
Modellgitter
und
Wetterradar
Radarvorwärtsoperator EMVORADO:
synthetische Radarvolumenscans aus der NWV
Simulierte Größen entlang aller Radarstrahlen von Volumenscans:
Radarreflektivität Z
(Mie, optional mit Effekten von Dämpfung, Schmelzen, Strahlverbreiterung)
Radialwind V
r
(optional mit Effekten der Strahlgewichtsfunktion)
In Entwicklung:
Polarisationsparameter

image
image
image
image
Synthetische Objekte aus dem Modell
23
14.07.2021 12 UTC bis +8 h
KONRAD3D
(POLARA-Software)
angewendet auf die
synthetischen
Radarvolumenscans
„Paintball Plot“
Die Farben
kennzeichnen die
verschiedenen Member

image
image
image
image
Synthetische Objekte aus dem Modell
24
14.07.2021 12 UTC bis +8 h
KONRAD3D
(POLARA-Software)
angewendet auf die
synthetischen
Radarvolumenscans
„Paintball Plot“
Die Farben
kennzeichnen die
verschiedenen Member
Arbeiten an:
• Objekt-basierter Verifikation
(bereits in Anwendung)
• Kombination mit dem KONRAD3D-EPS (erster
Prototyp in „mittlerem“ Entwicklungsstadium)

image
image
image
image
image
Aktuelle Verifikation
Reflektivität
aus 07/2021
25
Zeitraum:
01.07. – 31.07.2021
Vorhersageläufe:
06 –18 UTC
(deterministisch)
Parameter:
Radarreflektivität (dBZ)
Score:
Fraction Skill Score (FSS)
ICON-D2-RUC (SINFONY)
ICON-D2 (Routine)
46 dBZ
30 dBZ
„Gut“
„Schlecht“
„Gut“
„Schlecht“

image
image
image
image
Aktuelle Verifikation
1-h-Summe gegen RW
aus 07/2021
26
Zeitraum:
01.07. – 31.07.2021
Vorhersageläufe:
06 –18 UTC
(deterministisch)
Parameter:
Niederschlagssumme 1 h
Score:
Fraction Skill Score (FSS)
ICON-D2-RUC (SINFONY)
ICON-D2 (Routine)
5 mm/h
1 mm/h
„Gut“
„Schlecht“
„Gut“
„Schlecht“

image
image
image
image
Aktuelle Verifikation
1-h-Summe gegen RW
aus 07/2021
27
Zeitraum:
01.07. – 31.07.2021
Vorhersageläufe:
06 –18 UTC
(deterministisch)
Parameter:
Niederschlagssumme 1 h
Score:
Fraction Skill Score (FSS)
ICON-D2-RUC (SINFONY)
ICON-D2 (Routine)
5 mm/h
1 mm/h
„Gut“
„Schlecht“
„Gut“
„Schlecht“
Hier Erstversion des ICON-D2-RUC gezeigt!
• Inzwischen weitere Verbesserungen bei der Daten-
assimilation und Modellphysik erreicht
• Erste Anzeichen, dass damit auch der Niederschlag
leicht besser verifiziert als in der Routine

image
image
image
image
image
UTC
Qualtitätssteigerung durch den RUC aus Sicht eines
Nutzers der NWV zu einer bestimmten Tageszeit
28
Zeitraum:
01.07. – 31.07.2021
Vorhersageläufe:
06 –18 UTC
(deterministisch)
Parameter:
Niederschlagssumme 1 h
Score:
Fraction Skill Score (FSS)
ICON-D2-RUC (SINFONY)
ICON-D2
Tageszeit (UTC)
FSS
1 mm/h
„Gut“
„Schlecht“

image
image
image
image
image
UTC
Qualtitätssteigerung durch den RUC aus Sicht eines
Nutzers der NWV zu einer bestimmten Tageszeit
29
Zeitraum:
01.07. – 31.07.2021
Vorhersageläufe:
06 –18 UTC
(deterministisch)
Parameter:
Niederschlagssumme 1 h
Score:
Fraction Skill Score (FSS)
ICON-D2-RUC (SINFONY)
ICON-D2
Tageszeit (UTC)
FSS
1 mm/h
6, 9, 12, … UTC
Läufe des
ICON-D2
,
verfügbar erst 2 h später
, daher beginnen
Kurven erst um
8, 11, 14, … UTC
„Gut“
„Schlecht“

image
image
image
image
image
UTC
Qualtitätssteigerung durch den RUC aus Sicht eines
Nutzers der NWV zu einer bestimmten Tageszeit
30
Zeitraum:
01.07. – 31.07.2021
Vorhersageläufe:
06 –18 UTC
(deterministisch)
Parameter:
Niederschlagssumme 1 h
Score:
Fraction Skill Score (FSS)
ICON-D2-RUC (SINFONY)
ICON-D2
Tageszeit (UTC)
FSS
1 mm/h
6, 9, 12, … UTC
Läufe des
ICON-D2
,
verfügbar erst 2 h später
, daher beginnen
Kurven erst um
8, 11, 14, … UTC
6, 7, 8, … UTC
Läufe des
ICON-D2-RUC
,
verfügbar schon 1 h später
, daher
beginnen Kurven um
7, 8, 9, … UTC
„Gut“
„Schlecht“

image
image
image
image
image
image
UTC
Tageszeit (UTC)
FSS
1 mm/h
Qualtitätssteigerung durch den RUC aus Sicht eines
Nutzers der NWV zu einer bestimmten Tageszeit
31
Zeitraum:
01.07. – 31.07.2021
Vorhersageläufe:
06 –18 UTC
(deterministisch)
Parameter:
Niederschlagssumme 1 h
Score:
Fraction Skill Score (FSS)
ICON-D2-RUC (SINFONY)
ICON-D2
Zu allen Tageszeiten ist das
aktuell beste verfügbare Modell immer der ICON-D2-RUC
Qualitätssteigerung
gegenüber
ICON-D2
hier
bis zu 0.2
im FSS!
„Gut“
„Schlecht“

image
image
image
Relevante SINFONY Komponenten für den Bereich
Hochwasservorhersage
I.
STEPS-DWD Nowcasting:
Niederschlags-Flächenfelder, 20-40 Member
II.
KONRAD3D:
probabilitisches Zell-Nowcasting, 20-40 Member
III.
NWV RUC Ensemble:
Zusätzliches ICON LAM EPS mit Δx=2 km, 20-40 Member, stündlich neue
Vorhersagen bis + 12 h.
IV.
Kombinierte Niederschlagsfelder
aus STEPS-DWD und RUC:
a)
Kombinierte Wahrscheinlichkeiten nach Kober et al (2012)
für R > R
0
:
>
0
; , ,
=
( )
>
0
; , ,
+1−
( >
0
; , , )
b)
Kombiniertes Ensemble auf Member-Ebene nach Nerini et al (2019):
Die NWV-Member
,
, , ∆
dienen als „Beobachtungsensemble“, um in einer Art
Datenassimilationszyklus die NWC-Member
,
, ,
in Zeitschritten von
sukzessive gegen
die NWV-Member zu ziehen: Wechselspiel aus NWC-Vorhersageschritt von bis
+ ∆
und
Korrekturschritt mit Ensemble Kalman Filter
V.
Reduktion der Memberzahl
durch nachfolgendes lokalisiertes Clustering auf b)
32

image
image
image
image
image
image
image
33
SINFONY Niederschlags-Nowcasting Ensemble
Beispiel:
STEPS-DWD für Reflektivität
,
13:00 – 15:00
, 9.7.2021, Nördliches BaWü
Verlagerung mit überlagerten kleinräumigen Variationen der Felder, die sich aus der meteorologisch
bedingten Vorhersagbarkeit auf verschiedenen Größenskalen ergeben
Aktualisierung alle 5 min, 20 – 40 Member, verfügbar 5 min nach Termin
Komposits (dBZ, mm/h, mm_1h) auf regelmäßigem Gitter
lokale Wahrscheinlichkeiten für Schwellwertsüberschreitungen
Nowcasting Member 1
Member 10
Member 20
Beobachtung

image
image
image
image
SINFONY Niederschlags-Nowcasting Ensemble
Beispiel:
STEPS-DWD für
Niederschlag
1-h Summe
gleitend aktualisiert
alle 5‘
34

image
image
image
image
image
image
image
image
image
SINFONY NWV Rapid Update Cylce ENS
35
Je näher der Vorhersagestarttermin an der Zielzeit ist, desto genauere Vorhersagen erhofft man sich
Hier ist es sicherlich nicht perfekt gegeben, aber die Vorhersage um 14:00 + 1 h ist im Detail räumlich am
Besten lokalisiert
NWV 09:00 + 6 h
12:00 + 3 h
13:00 + 2 h
14:00 + 1 h
Beobachtung 15:00
(9.7.2021, Nördliches BaWü)

image
image
image
image
image
image
image
SINFONY NWV Rapid Update Cylce ENS
36
Je näher der Vorhersagestarttermin an der Zielzeit ist, desto genauere Vorhersagen erhofft man sich
Hier ist es sicherlich nicht perfekt gegeben, aber die Vorhersage um 14:00 + 1 h ist im Detail räumlich am
Besten lokalisiert
Aber dafür haben wir ja ein Ensemble, das viele mögliche Realisierungen („Member“) liefert
NWV 14:00+1h (Mem 1) 14:00+1h (Mem 10)
14:00+1h (Mem 20)
Beobachtung 15:00
(9.7.2021, Nördliches BaWü)

image
image
image
image
image
image
image
image
image
Bruchfrei kombinierte Produkte
Gibt es bisher im DWD in der Form noch nicht!
Entwicklung ist Teil des SINFONY-Pilotprojekts und daher
Gegenstand aktueller Forschung
Es gibt noch keine finalen Produkte, aber verschiedene
Ansätze / Prototypen
Herausforderung dabei:
Die Strukturen im Nowcasting-Ensemble werden sich nicht
eins-zu-eins mit den Strukturen im NWV-RUC-Ensemble
decken (Orts- und Zeitabweichungen)
Es wird nicht möglich sein, Member x aus dem Nowcasting
und Member y aus dem NWP-RUC zu einem EPS-Member
zusammenzuführen, welcher während der 12 h Vorhersage
wirklich nahtlos vom Einen zum Anderen übergeht
Daher „bruchfrei “ im Ensemble-Sinn zu verstehen
Member 1
Member 2
Member 3
NWV-RUC-EPS
Member 1
Member 2
Member 3
Nowcasting-EPS

image
image
image
image
image
Nahtlos kombiniertes Wahrscheinlichkeitsprodukt
Berechnung der Überschreitungswahrscheinlichkeiten
in beiden Ensembles
>
0
; , ,
und
>
0
; , ,
Verifikation der Ensembles in der unmittelbaren
Vergangenheit, auch „Error of the day“ möglich
Konstruktion einer zeitlichen Wichtungsfunktion
( )
auf Basis der Verifikationsergebnisse („Training“)
Additives Verknüpfen der aktuell vorhergesagten
Wahrscheinlichkeiten für R > R
0
:
, ,
=
( )
, ,
+1−
( , , )
38
COSMO-DE-EPS
Nowcasting-EPS
Kombination
Beobachtung
Überschreitungswahrscheinlichkeit 19 dBZ
(0-3 h lead-time, 40 member)
24.6.2016 16:45 UTC

image
image
image
Nahtlos kombiniertes Member-Produkt
Kombiniertes Ensemble auf Member-Ebene nach Nerini et al (2019):
Die NWV-Member
,
, , ∆
dienen als „Beobachtungsensemble“, um in einer Art
Datenassimilationszyklus die NWC-Member
,
, ,
in Zeitschritten von
sukzessive gegen die
NWV-Member zu ziehen
Wechselspiel aus NWC-Vorhersageschritt von bis
+ ∆
und Korrekturschritt mit Ensemble Kalman Filter
Ergibt ein Ensemble aus kombinierten Membern. Daraus wiederum alle denkbaren Statistiken ableitbar
(Perzentile, Schwellwerte)
39

image
image
image
image
Nahtlos kombiniertes Member-Produkt:
STEPS-DWD Nowcasting
SINFONY-RUC
40
Ein Beispiel:
Nowcasting Mem 1
Kombination Mem 1
NWV Mem 1

image
image
image
image
image
image
image
Nahtlos kombiniertes Member-Produkt:
STEPS-DWD Nowcasting
SINFONY-RUC
41
Wiederum am Beispiel 9.7.2021, 12:00 – 15:00, Nördliches BaWü:
Member alle unterschiedlich
Sinnvoller nahtloser Übergang Obs
Nowcasting-ENS
NWV-ENS
Kombi ab 12:00 Mem 1
Mem 10
Mem 20
Beobachtung

image
image
image
image
Aktuelle Verifikation aus 07/2021
42
Zeitraum:
01.07. – 31.07.2021
Vorhersageläufe:
06 –18 UTC
(deterministisch + ENS)
Parameter:
Radarreflektivität (dBZ)
Score:
Fraction Skill Score (FSS)
Neighborhood Ens Prob (NEP)
Nowcasting
ICON-D2-RUC
Kombiniertes Ensemble nach Nerini

image
image
image
Verdichtung der Ensemble-Information
Kombinierte Member dürfen nicht für sich allein stehen, sondern nur im Ensemble zu
interpretieren!
Aus den kombinierten Membern prinzipiell wiederum Wahrscheinlichkeiten ableitbar. Aber Nutzer aus
Hochwasserbereich brauchen eher die „rohen“ Felder. Aber nicht jeder Nutzer kann technisch das volle
Ensemble verarbeiten.
Haben begonnen, an Aggregationen über
Flußeinzugsgebiete
zu arbeiten
Zusätzlich arbeiten wir an lokalem Clustering, um die Zahl der Ensemblemember zu verringern, ohne
wesentlich an Unsicherheitsinfo zu verlieren.
Diese Arbeiten stecken noch in den Kinderschuhen. Ideen:
Repräsentative Member weniger Cluster: „schwach“, „mittel“, „stark“
„Wahrscheinlichste Realisierung“ (z.B. aus dem „mittleren“ Cluster die „Mitte“)
Clustering lokal in sich überlappenden Unterregionen („Grobe“ Gitterboxen)
Clustering für Aggregationen in Einzugsgebieten
43

image
image
image
I.
STEPS-DWD Nowcasting:
Niederschlags-Flächenfelder, 20-40 Member
II.
KONRAD3D:
probabilitisches Zell-Nowcasting, 20-40 Member
III.
NWV RUC Ensemble:
Zusätzliches ICON LAM EPS mit Δx=2 km, 20-40 Member, stündlich neue
Vorhersagen bis + 12 h.
IV.
Kombinierte Niederschlagsfelder
aus STEPS-DWD und RUC:
a)
Kombinierte Wahrscheinlichkeiten nach Kober et al (2014)
für R > R
0
:
>
0
; , ,
=
( )
>
0
; , ,
+1−
( >
0
; , , )
b)
Kombiniertes Ensemble auf Member-Ebene nach Nerini et al (2019):
Die NWV-Member
,
, , ∆
dienen als „Beobachtungsensemble“, um in einer Art
Datenassimilationszyklus die NWC-Member
,
, ,
in Zeitschritten von
sukzessive gegen
die NWV-Member zu ziehen: Wechselspiel aus NWC-Vorhersageschritt von bis
+ ∆
und
Korrekturschritt mit Ensemble Kalman Filter
V.
Reduktion der Memberzahl
durch nachfolgendes lokalisiertes Clustering auf b)
44
Stand Komponenten Q3/2021
Sehr weit entwickelt, echtzeitfähig, täglicher Testbetrieb
Erster interner Testbetrieb ab Mai 2021, interne
Evaluierung ab 2022, verfügbar frühestens 2023
Prototyp konsolidiert, echtzeitfähig
Prototyp konsolidiert, Software muss jetzt in die
operationelle Umgebung (POLARA) portiert werden
Sehr frühes Stadium
Sehr weit entwickelt, echtzeitfähig, täglicher Testbetrieb

image
image
image
image
image
Kontakt LAWA – Interaktion mit Nutzenden
Co-Design von Vorhersageprodukten
Aktive Einbindung von Nutzenden aus Hochwasservorhersage in Entwicklungsprozess
Erfassung von Anforderungen über Fragebogen:
Gewinn von Kenntnisse über Arbeitsweisen und Prozessketten in der
Hochwasservorhersage, um eine bedarfsgerechte Entwicklung zu ermöglichen
Themen: Kapazitäten/Ausstattung der Hochwasservorhersageeinrichtung, Daten für die
Hochwasservorhersage, Pre- and Postprocessing, Besonderheiten im Fall von
konvektiven Ereignissen
Versendet im Dezember 2020 an Teilnehmende des „Kundenforum Wasserwirtschaft“,
17 Rückmeldungen werden aktuell analysiert
Bereitstellung von SINFONY Testprodukten
Vorstellung verfügbarer SINFONY Testprodukte bei LAWA-Expertengruppe
Hydrometeorologie
Bereitstellung Testdaten/Produkte für interessierte Hochwasservorhersagezentralen zur
testweisen Integration in deren Verfahren derzeit in Vorbereitung, Koordiniertes
Feedback über bestehende Kanäle
45

image
image
image
image
image
Danke für Eure Aufmerksamkeit!
46
www.dwd.de/sinfony
(SINFONY Retreat, September 2020, Kaub am Rhein)

image
image
image
image
image
image
image
image
image
image
image
Begleitende interne und externe Projekte
Andere Projekte und Partner, mit denen SINFONY enge Kontakte pflegt:
EMF, HErZ
MeteoSchweiz
Projekt an der Uni Ulm zur Kombination im Wahrscheinlichkeitsraum mittels Neuronaler Netze
IAFE-Projekt zum Vorwärtsoperator MFASIS für sichtbare Satellitenkanäle
Projekt am KIT zur besseren Beschreibung des Lebenszyklus von Zell-Objekten
DFG Scherpunktprogramm PROM:
Polarimetrischer Radarvorwärtsoperator EMVORADO-Pol (DWD, Uni Bonn)
Assimilation polarimetrischer Radarmessungen (LMU München)
DFG Forschergruppe RealPeP (koordiniert von Uni Bonn)
LMU München:
Ursprung des Vorwärtsoperators MFASIS für sichtbare Satellitenkanäle
Modellverifikation mit SEVIRI-VIS und IR
DFG Transregio „Waves2Weather“ (Radar-DA, Ensemble-Störungen)
ESSL-Testbed
(bisher: STEPS-DWD, KONRAD3D, ICON-D2-EPS)
47

image
image
image
image
Weitere Infos
www.dwd.de/sinfony
ulrich.blahak@dwd.de
48

image
image
image
image
image
image
image
image
image
Erweiterung von
mit Fokus auf bessere
Vorhersage von Starkregenereignisse und Sturzfluten
Nachhaltiger Ausbau der
IT Infrastruktur
um die
entwickelten Verfahren und
Modelle operationell
betreiben zu können
Fachliche Entwicklung
bruchfreier, zeitlich und
räumlich hoch aufgelöster
Vorhersagen
Verbesserung der Beobachtungsbasis
durch die Ertüchtigung des Messnetzes
Beitrag zur Sensibilisierung der
Bevölkerung
durch Deutschlandweite
Kartierung des Starkregengefährdung
und Sturzflutrisikos sowohl aktuell als
auch im Kontext des Klimawandels
basierend auf Radarniederschlags
-reihen und Klimavorhersagen
IVS-Unwetter

image
image
image
image
image
Neue Verfahren für die Vorhersage von
Schwergewittern als „Zell-Objekte“
50
50
Beobachete Zellen
Nowcasting
Mögliche Szenarien
aus Modell-ENS
Deterministisches
Modell
„Pseudo-Member“:
Unsere Festlegung
auf die tatsächliche
Realisierung mit
Angabe einer
Wahrscheinlichkeit
(über eine Farbe)