DACH-6

Spaceborne synthetic aperture radar (SAR) is a powerful tool for monitoring marine environmental parameters of the seas. The ability to work independently of sun illumination, cloud coverage and atmospheric conditions, as well as the capability of delivering spatial information, makes SAR one of the most perceptive instruments. The newest methods for processing SAR data with increased precision allow sea state fields to be estimated with local variabilities. For large areas in oceans where no in-situ measurements and only forecast predictions are available, this information is indispensable for global shipping and over human activity. Due to newest developments, the derived meteo-marine parameters can be transferred to weather services and to a ship’s bridge several minutes after acquisition, where the ship route can be optimized.

The study presents a method and application for estimating series of integrated sea state parameters from satellite-borne SAR, allow processing of data from different satellites and modes in near real time (NRT). The developed Sea State Processor (SSP) estimates total significant wave height H_s, dominant and secondary swell and windsea wave heights, first, and second moment wave periods, mean wave period and period of wind sea. The algorithm was applied for the Sentinel-1 (S1) C-band Interferometric Wide Swath Mode (IW), Extra Wide (EW) and Wave Mode (WM) Level-1 (L1) products and also extended to the X-band TerraSAR-X (TSX) StripMap (SM) mode. The scenes are processed in raster and result in continuous sea state fields with the exception of S1 WV. Each 20 km × 20 km WV imagette, acquired every 100 km along the orbit, presents averaged values for each sea state parameter.

The SSP was tuned and validated using two independent global wave models WAVEWATCH-3 (NOAA) and CMEMS (Copernicus) and NDBC buoys. The accuracy of H_s reaches an RMSE of 0.25  m by comparison with models (S1 WV); comparisons to NDBC worldwide buoys result into an RMSE of 0.31  m. Due to implemented parallelization, a fine rater step for scene processing can be practical applied: for example, S1 IW scene with coverage of 200  km  ×  250  km can be processed using raster step of 1  km (corresponds to ~50.000 subscenes) during minutes.

The DLR Ground Station “Neustrelitz” applies SSP as part of a near real-time demonstrator service that involves a fully automated daily provision of surface wind and sea state parameters estimates from S1 IW for the North and Baltic Sea. All results and the presented methods are novel and provide a wide field for applications and implementations in prediction systems.

How to cite: Pleskachevsky, A., Tings, B., Jacobsen, S., Schwarz, E., and Krause, D.: Multiparametric Sea State from Spaceborne Synthetic Aperture Radar for Near Real Time Services, DACH2022, Leipzig, Deutschland, 21–25 Mar 2022, DACH2022-4, https://doi.org/10.5194/dach2022-4, 2022.

Bedeckungsgrad, Struktur und Dicke von Meereis bilden eine wichtige Komponente der maritimen Meteorologie in polaren Breiten.

Die Copernicus-Satelliten Sentinel-1 mit Radarsensor und Sentinel-3 mit dem SLSTR-Sensor für den optischen bis thermal-infraroten Bereich lassen jeweils unterschiedliche Rückschlüsse auf das Meereis zu. Beide Missionen bestehen aus jeweils zwei Satelliten und befinden sich im niederen Erdorbit (LEO) auf einer pol-nahen Umlaufbahn. Dadurch ergibt sich in polaren Breiten eine sehr hohe kombinierte Aufnahmefrequenz von teils mehreren Aufnahmen pro Tag im selben Gebiet.

Die Radaraufnahmen von Sentinel-1 erfolgen mit einer Schwadbreite von 410 km und einer räumlichen Auflösung von 25 m oder 40 m. In dieser Auflösung sind kleinskalige Eisstrukturen noch gut erkennbar. Ein neu entwickelter Algorithmus klassifiziert das Meereis basierend auf den Unterschieden in der Radarrückstreuung und somit der Eisoberflächenstruktur. Es wird zwischen Neueis, einjährigem und mehrjährigem Eis unterschieden. Der Vorteil der Radartechnik ist die Unabhängigkeit von Bewölkung und Sonnenstand, was insbesondere während der Polarnacht entscheidend ist.

Die optischen Aufnahmen von Sentinel-3 mit dem SLSTR-Instrument haben eine räumliche Auflösung von 500 m und eine Schwadbreite von 1420 km. In 9 Spektralkanälen werden Wellenlängen zwischen 550 nm und 12 µm gemessen. Hiermit konnte ein Algorithmus von K&P entwickelt werden, der eine kontinuierliche Klassifikation der Eis-/Schnee-Situation ermöglicht. Sie erlaubt eine Differenzierung von mindestens 4 Klassen der Eisdicken bis ca. 30 cm, sowie bei dickerem Eis die Ableitung von Eigenschaften der Schneeoberflächen in Bezug auf Alter und Feuchtigkeit. Besonders in Abschmelzphasen wird die Zunahme der Feuchtigkeit in der Schneeoberfläche sowie die Bildung von Schmelzwassertümpeln fein abgestuft erkennbar.

Beide Sensortypen erfassen also unterschiedliche Eigenschaften des Eises. Derzeit wird eine gemeinsame Klassifikation beider Datenquellen entwickelt, die eine genauere Meereisklassifikation durch Fernerkundung ermöglichen soll.

How to cite: Wiehle, S., Murashkin, D., Frost, A., Singha, S., König, C., and König, T.: Meereisklassifikation aus Satellitendaten von Sentinel-1 und Sentinel-3, DACH2022, Leipzig, Deutschland, 21–25 Mar 2022, DACH2022-94, https://doi.org/10.5194/dach2022-94, 2022.

Im September des Jahres 2019 startete im nord-norwegischen Tromsø die rund einjährige, internationale MOSAiC-Expedition (Multidisciplinary drifting Observatory for the Study of Arctic Climate). Hierbei ließ sich der deutsche Forschungseisbrecher POLARSTERN in der Nähe des Nordpols einfrieren, um dann für viele Monate, angedockt an einer Eisscholle, mit der natürlichen Eisdrift durch die zentrale Arktis zu treiben und umfangreiche Daten über den Zustand der Polarregion zu sammeln.

Neben Schiffs-Crew und wissenschaftlichem Personal waren, wie bei allen Expeditionen der POLARSTERN, Wetterfunktechniker sowie Meteorologinnen und Meteorologen des Deutschen Wetterdienstes (DWD) an Bord des Forschungseisbrechers. Mit ihren täglichen Wetterbeobachtungen und –vorhersagen, adressiert an Schiffsführung, Wissenschaft und Hubschrauberbesatzung, leisteten sie einen wichtigen Beitrag zur sicheren Durchführung der Expedition. Dabei stellten nicht nur die außergewöhnlichen Umgebungseinflüsse, wie extrem niedrige Temperaturen im Winter, monatelange Dunkelheit in der Polarnacht und später ständige Helligkeit während des Sommerhalbjahres, besondere Herausforderungen bei der Erledigung der täglichen Aufgaben von Meteorologinnen und Meteorologen dar. Die außergewöhnlich hohe Verantwortung bei der Arbeit, in Verbindung mit einer sehr eingeschränkten Verfügbarkeit von meteorologischen Mess- und Vorhersagedaten, forderten das Personal der Bordwetterwarte auf POLARSTERN an jedem Expeditionstag.

Im Vortrag berichten Bordmeteorologinnen und -meteorologen des Deutschen Wetterdienstes über ihre Erfahrungen und Eindrücke sowie die täglichen Herausforderungen bei der Wettervorhersage während der MOSAiC-Expedition.

How to cite: Kieser, J., Hausen, R., Schröter, S., Stöckle, S., Wenzel, J., and Paulmann, C.: Wettervorhersage in der Polarregion – Ein Erfahrungsbericht von der MOSAiC-Expedition, DACH2022, Leipzig, Deutschland, 21–25 Mar 2022, DACH2022-112, https://doi.org/10.5194/dach2022-112, 2022.

Ziel dieser Studie (Wiese et al., 2020) ist, die Signifikanz des Einflusses des Wellenmodells auf das regionale Atmosphärenmodell und die interne Modellvariabilität sowohl des Atmosphärenmodells, als auch des gekoppelten Systems bestehend aus Wellen- und Atmosphärenmodell zu bestimmen. In einer vorhergehenden Studie wurde gezeigt, dass die Rauigkeit, die im Wellenmodell berechnet wird, größer ist, als die Rauigkeit, die im Atmosphärenmodell approximiert wird, was zu Unterschieden im Atmosphärenmodell führt (Wiese et al. 2019). Hier soll nun untersucht werden, ob diese Unterschiede im Atmosphärenmodell signifikant sind.  Dazu werden Ensemblesimulation mit einem Referenz Setup (das Atmosphärenmodell sendet den Wind an das Wellenmodell) und dem gekoppelten Setup (zusätzlich zum Windaustausch, sendet das Wellenmodell die Rauigkeitslänge über dem Meer zurück an das Atmosphärenmodell) durchgeführt. Bei der Analyse der internen Modellvariabilität zwischen beiden Ensembles zeigt sich, dass die interne Modellvariabilität im gekoppelten Ensemble gegenüber dem Referenzensemble reduziert ist. Dieser Effekt tritt während Extremereignissen am stärksten auf, ist aber auch bei einer generellen Analyse der internen Modellvariabilität über den gesamten Zeitraum sichtbar. Außerdem können die Effekte der Kopplung von der internen Modellvariabilität unterschieden werden, da die Effekte der Kopplung größer sind, als die interne Modellvariabilität. Diese Studie zeigt daher das Potential sowohl in operationellen Systemen als auch Systemen für Klimastudien die Unsicherheit zu reduzieren, wenn das Wellenmodell mit dem Atmosphärenmodell gekoppelt wird. Hinzu kommt, dass die Effekte der Kopplung klar von der internen Modellvariabilität unterschieden werden können, wodurch außerdem eine verbesserte Übereinstimmung des gekoppelten Systems gegenüber dem Referenzensemble mit Beobachtungsdaten erzielt werden kann. In einem nächsten Schritt soll nun zusätzlich der Ozean gekoppelt und die Auswirkungen auf das gesamte System untersucht werden.

Literatur:

Wiese A, Stanev E, Koch W, Behrens A, Geyer B and Staneva J (2019) The Impact of the Two-Way Coupling between Wind Wave and Atmospheric Models on the Lower Atmosphere over the North Sea. Atmosphere. 10(7):386. doi: 10.3390/atmos10070386

Wiese A, Staneva J, Ho-Hagemann HTM, Grayek S, Koch W and Schrum C (2020) Internal Model Variability of Ensemble Simulations With a Regional Coupled Wave-Atmosphere Model GCOAST. Front. Mar. Sci. 7:596843. doi: 10.3389/fmars.2020.596843

How to cite: Wiese, A., Staneva, J., Ho-Hagemann, H. T. M., Grayek, S., Koch, W., and Schrum, C.: Interne Modellvariabilität von Ensemblesimulationen des gekoppelten Wellen- und Atmosphärenmodells GCOAST, DACH2022, Leipzig, Deutschland, 21–25 Mar 2022, DACH2022-137, https://doi.org/10.5194/dach2022-137, 2022.

Wind-driven ocean gravity surface waves affect basic physical processes such as heat, momentum, and mass exchange between the ocean and the atmosphere. Wind wave energy generates additional turbulence, modifies ocean currents, and controls the state of the sea surface. As of now, DWD's operational weather forecast system ICON-NWP does not explicitly account for ocean surface waves. Wave effects, for example, the effect on sea surface roughness, are represented by parameterisations based on local wind speed. However, the physics of the ocean-atmosphere interaction is more complex, and therefore methods of wave-spectrum-based coupling of atmosphere and ocean are necessary and have the potential for improving both weather and wave forecasts. To this end, in the framework of the Innovation Programme for Applied Research and Developments (IAFE) funded by the DWD, a new coupled ICON-NWP-waves system is currently under development. This project aims at using ICON's dynamical core and the wave spectrum physics from the wave model WAM, and will combine both into the new ICON-waves model. A parameterisation of sea surface roughness based on the wave spectrum will provide a two-way coupling mechanism at the ocean-atmosphere interface. The concept of ICON-waves, the current status of development as well as some preliminary results will be presented. 

How to cite: Dobrynin, M., Reinert, D., Prill, F., Zängl, G., Sievers, O., Bruns, T., Günther, H., and Behrens, A.: ICON-waves: towards an atmosphere-waves coupled coupled operational system at DWD, DACH2022, Leipzig, Deutschland, 21–25 Mar 2022, DACH2022-167, https://doi.org/10.5194/dach2022-167, 2022.

Sturmfluten sind gekennzeichnet durch das gleichzeitige Auftreten von Tidehochwasser und eines hohen Windstaus. Im letzten Jahrhundert gab es verschiedene schwere Sturmereignisse, die teilweise starke Schäden an den Küsten der Deutschen Bucht verursachten.

Wir haben drei verschiedene historische Sturmereignisse herausgesucht, die sich in ihrer Zugbahn und Tide unterscheiden.

• Für die ostfriesische Nordseeküste gilt die Sturmflut vom 13.03.1906 heute noch als Bemessungsgrundlage für den Küstenschutz. Bisher war es nicht möglich, mangels atmosphärischen Antriebsdaten, diese Sturmflut zu simulieren.
• Der Sturm vom 10.02.1949 ereignete sich während Tideniedrigwasser und erzeugte einen hohen Windstau. An der Pegelstation Husum wurde das höchste und in Cuxhaven das dritthöchste Niedrigwasser gemessen.
• Die schwere Sturmflut von 16./17.02.1962 verursachte starke Schäden an der deutschen Nordseeküste und Hamburg.

In unseren Untersuchungen haben wir folgende Fragestellungen behandelt:

• Können mit den atmosphärischen Daten aus dem 20th Century Reanalysis Project die Stürme simuliert werden?
• Können wir mit einem hydrodynamischen Modell die Wasserstände dieser Sturmereignisse simulieren?
• Wieviel höher wäre der Wasserstand, wenn die Stürme bei Springtide stattgefunden hätte?

Für die Beantwortung dieser Fragen wurde das hydrodynamische TRIM-NP-Modell mit Druck- und Winddaten aus dem 20th Century Reanalysis Project (20CR) angetrieben und die daraus resultierenden Wasserstände mit Messungen an Pegelstationen verglichen. An den seitlichen Rändern des TRIM-NP-Modells wurden Daten aus dem FES2004 Tide-Modell verwendet.

Für die Sturmflut von 1906 wurde eine synoptische Rekonstruktion basierend auf historische Druckdaten angefertigt und die Windgeschwindigkeit daraus berechnet. 

Erste Ergebnisse zeigen, dass für die einzelnen Sturmereignisse die Wasserstände, angetrieben durch einzelne Ensemble Member aus 20CR-Reanalysedaten, gut mit den Messungen übereinstimmen. Durch die Verschiebung der Tide erhöhen sich die Wasserstände für die Sturmereignisse 1949 und 1962 um einige Dezimeter, das heißt, dass die Sturmfluten hätten noch höher auflaufen können.   

---------

Die Sturmflut im März 1906

https://www.dkrz.de/de/projekte-und-partner/HLRE-Projekte/focus/sturmflut1906

How to cite: Meyer, E. M. I., Scholz, R., Weisse, R., Grabemann, I., and Tinz, B.: Simulationen von historischen Stürmen und Sturmfluten in der Deutschen Bucht, DACH2022, Leipzig, Deutschland, 21–25 Mar 2022, DACH2022-242, https://doi.org/10.5194/dach2022-242, 2022.