A modified shallow water model is used as a test model for convective-scale data assimilation. The model description is published here or shortly introduced below. The impact of the different observation strategies (spatial and temporal resolution) on the analysis and forecast qualities has been investigated. It has been found that high resolution observations tend to introduce too much noise into the model. Although theses analyses are good, the forecasts that evolve from them have a very large error growth and soon are even worse than forecasts which evolve from assimilations with lower resolved observations.

Root-mean squared error of ensemble mean of the rain field for different experiments. The assimilation runs for 3 hours followed by 3 hours of free forecast.

Das modifizierte Flachwassermodell ist ein einfaches, idealisiertes Modell welches die wesentlichen Eigenschaften für Datenassimilation auf konvektiver Skala beinhaltet. Es soll damit besser geeignet zum Testen von Datenassimilationsmethoden für die konvektive Skala sein als andere idealisierte Modelle. Da das Modell auf den Flachwassergleichungen basiert enthält es auch Schwerewellen und somit die Wechselwirkung benachbarter Gitterpunkte. Es wird gezeigt dass das Modell, obwohl es auf zwei einfachen Gleichungen basiert, fähig ist realistische konvektive Lebenszyklen darzustellen und die wichtigsten Charakteristika von Konvektion enthält. Dieses Modell ist eine Stufe höher in der Hierarchie von Testmodellen, in welcher das weiter unten erwähnte stochastische Modell das einfachste ist.

Das Modell wird dazu verwendet, Datenassimilationsmethoden (zB. LETKF) zu testen.

Typische Entwicklung der Wolken über einen längeren Zeitraum.

Logarithmische Verteilung der Wolkengrössen für alle Wolken (blau) und für Wolken, in denen kein Niederschlag vorkommt.

Ein einfaches, stochastischen Modell, welches auf einem Poission Prozess basiert, wurde als Testbed für Datenassimilationsmethoden verwendet. Das Modell soll die Nichtlinearität und nicht-Gaussheit von sich schnell entwickelnden Gewittern darstellen. In diesem Zusammenhang wurden der ETKF (Ensemble Transform Kalman Filter) und SIR (Sequential Importance Resampling) Filter ausgewertet. Ausserdem wurden zwei Strategien zur Verbesserung der Methoden angewendet: Lokalisierung und Mittelung der Beobachtungen.

Publikation dieser Arbeit beim QJRMS: http://onlinelibrary.wiley.com/doi/10.1002/qj.1980/abstract

Präsentation am EMS Annual Meeting, 12.-16. September 2011 in Berlin.: wuersch_ems_2011.pptx

Resultate des Fehlers einer Assimilation mit dem Partikelfilter (Sequential Importance Resampling, oben) und dem ETKF (Ensemble Transform Kalman Filter, unten) mit durchgezogenen Linien. Gezeigt sind auch Resultate mit Lokalisierung in gestrichelter Linie.