Beheng, K. D.

Peters, Tim

Die radargestützte Niederschlagsmessung erfolgt seit etwa 60 Jahren anhand sogenenanter Z-R-Beziehungen der Form Z = aRb, die rigide unabhängig von dem vorherrschenden Niederschlagstyp (konvektiv, stratiform) angewendet werden. In der Anwendung dieser Z-R Beziehungen ist eine der Hauptfehlerquellen bei der Ableitung von Niederschlagsintensitäten aus Radardaten zu sehen. Eine Verbesserung der radargestützen Niederschlagsmessung wird durch die Klassifzierung der Niederschläge in Teilkollektive erreicht. Dazu werden aus den Volumendaten großräumig Parameter (z.B. radialer Reflektivitätsgradient, die Anzahl der Bright-Band-Signaturen und die mittlere Höhe der Radar-Bins mit einer Mindestreflektivität von 15 dBZ) abgeleitet, die eine Unterscheidung konvektiver und stratiformer Niederschläge ermöglichen. Die Einteilung der Niederschläge erfolgt nach einer Hauptkomponentenanalyse anhand der Faktorenwerte und dem partitionierenden Clusterverfahren k-means. Für die entstandenen Niederschlagsklassen wird anhand neuronaler Netze eine Abbildungsvorschrift zwischen zehn lokal aus dem Vertikalprofil der Reflektivität abgeleiteten Parametern und der Niederschlagsrate entwickelt. Durch die Kombination von Niederschlagsklassifizierung und der Anwendung neuronaler Netze kann der mittlere quadratische Fehler zwischen der am Boden gemessenen und anhand der Radardaten abgeleiteten Niederschlagsrate im Vergleich zur Ableitung anhand der vom Deutschen Wetterdienst operationell eingesetzten Z-R-Beziehung um 25 % reduziert werden.