Kombination von NWV- und Nowcasting-Ensembles zur Verbesserung der Vorhersagen konvektiven Starkniederschlags des DWD im Rahmen von SINFONY

Verlässliche Niederschlagsvorhersagen innerhalb des Kürzestfristbereichs sind unerlässlich für präzise Warnungen und können die Vorlaufzeit für Entscheidungsträger im Bereich der Gefahrenabwehr und des Rettungswesens erhöhen. In der operationellen Wettervorhersage beruhen Vorhersage und Warnung vor konvektivem Starkniederschlag innerhalb der ersten zwei Stunden auf radarbasierten Nowcastingverfahren, während für spätere Zeitpunkte Simulationen konvektionserlaubender Ensemblevorhersagesysteme genutzt werden.

Im Rahmen des Projekts SINFONY (Seamless INtegrated FOrecastiNg sYstem) des Deutschen Wetterdienstes wird ein integriertes Ensemblesystem auf konvektiver Skala im Bereich der Kürzestfristvorhersage entwickelt. Um die optimale Kombination der bisher unabhängigen Systeme von Nowcasting und numerischer Wetterverhorsage zu erleichtern, wurde mit STEPS-DWD eine Adaption des weitverbreiteten STEPS (u.a. Seed 2003, Bowler et al., 2006) als Nowcast-Ensemble in den Testbetrieb überführt. Basis der NWV ist ICON-D2-RUC, welches derzeit stündlich initialisiert  Ensemblevorhersagen bis +8h Stunden mit einer horizontalen Auflösung von 2,2km liefert. Kernkomponenten dieser Modellversion sind die Nutzung eines Zwei-Momenten-Mikrophysikschemas sowie die zusätzliche Assimilation von hochaufgelösten Fernerkundungsdaten wie 3D-Radardaten und Meteosat-SEVIRI-Daten.

Auf Basis der zwei vorangenannten Ensemblesysteme STEPS-DWD und ICON-D2-RUC werden zwei Methoden zur Kombination der Vorhersagen dieser Systeme präsentiert. In einem ersten Verfahren wird die Methode nach Nerini et al., 2019 adaptiert. Hierbei werden die Vorhersagen von Reflektivitäten und Regenraten im physischen Raum auf Basis eines Ensemble-Kalmanfilters kombiniert. Durch eine zeitlich und räumliche Auflösung von fünf Minuten bzw. 1x1km wird unter Beibehaltung eines realistischen Aussehens der Niederschlagssysteme eine Möglichkeit zur Abschätzung der weiteren Entwicklung bis +6h geschaffen.

Weiterhin wird eine neue statistische Methode vorgestellt, mit der prognostizierte Niederschlagssummen auf Basis Neuronaler Netze (NN) im Wahrscheinlichkeitsraum kombiniert werden (vgl. Schaumann et al., 2021). Ziel ist es, mit einem Training sowohl nahtlose und kalibrierte Vorhersagen zu erhalten, als auch konsistente Überschreitungswahrscheinlichkeiten gegenüber allen Schwellwerten zu erreichen. Für die Optimierung wurden drei Datensätze von jeweils drei Monaten verwendet, wobei die Datensätze A & B Ensemble-MOS und RadVOR mit einer jeweiligen horizontalen Auflösung von 20km beinhalten. In Datensatz C werden Vorhersagen eines dreistündig initialisierten ICON-D2-RUC sowie STEPS-DWD mit einer Auflösung von 2,2km verwendet. Die Hyperparameter der NN wurden mit Datensatz A optimiert und die daraus resultierenden NN mittels Rolling Origin Validation auf Datensatz B & C validiert. Hieraus werden Vorhersagen mit einer zeitlichen Auflösung von 1h bis +6h erzeugt.

Für beide Verfahren wird durch mehrere Verifikationsmetriken (FSS, Bias, Brier Skill Score, Reliability und Reliability-Diagramm) gezeigt, dass die kombinierten Vorhersagen für alle Vorhersagezeiten gleich oder besser als die der individuellen Systeme sind.