Statistische Emulation: Eine alternative Methode for Sensitivitätsanalysen

Abbildung: Balkendiagramme des relativen Einflusses der untersuchten Parameter auf die Unsicherheit der Vorhersage von Wolken- und Niederschlagsvariablen für verschiedene Auslösungsmechanismen von Konvektion ( a) warm bubble, b) cold pool, c) Orographie).

Schwere Gewitter sind oft mit starkem Niederschlag verbunden; Windböen und Hagel können Schäden an Gebäuden und der Infrastruktur verursachen. Daher ist die Modellierung und die Vorhersage von Gewitterstürmen ein wichtiges Forschungsgebiet der Meteorologie. Weiterhin ist ein besseres Verständnis dessen nötig, wie die Dynamik und Mikrophysik konvektiver Ereignisse an die Umgebungsbedingungen gekoppelt sind.

Dazu wird hier der in den letzten Jahren entwickelte Ansatz der statistischen Emulation benutzt. Bei dieser Methode werden die aufwendigen Modellsimulationen durch statistische Beschreibungen der Beziehung zwischen Ein- und Ausgabevariablen ersetzt, was die benötigte Computerrechenzeit deutlich reduziert. In dieser Studie werden der Einfluss von sechs Umgebungsparametern, z.B. der Konzentration von Wolkenkondensationskeimen (CCN) und der Windscherung, auf Hagelstürme untersucht und Quellen der Unsicherheit in deren Vorhersage identifiziert. Außerdem wird überprüft, ob die Sensitivitäten für drei verschiedene Auslösemechanismen von Konvektion robust sind.

Die Ergebnisse zeigen, dass die Unsicherheit der meisten Wolken- und Niederschlagsvariablen hauptsächlich durch Unsicherheiten des vertikalen Temperaturprofils und der CCN Konzentration verursacht wird. So könnte zum Beispiel die Unsicherheit der Vorhersage von Hagel am Boden um etwa 44% reduziert werden, wenn die CCN Konzentration exakt bekannt wäre. Das Temperaturprofil beeinflusst auch die Anzahlkonzentration von Hagelkörnern am Boden, wo eine höhere Anzahl an Hagelkörnern für kältere Temperaturen festgestellt wird. Obwohl die Parameter, die den größten Beitrag zur Unsicherheit leisten, für alle Auslösemechanismus ähnlich sind, variieren die Beiträge der einzelnen Parameter für jeden der drei Mechanismen. Daher sind Sensitivitäten, die für unterschiedliche Auslösemechanismen bestimmt werden, nur eingeschränkt miteinander vergleichbar.

Weitere Informationen:
Wellmann, C., Barrett, A. I., Johnson, J. S., Kunz, M., Vogel, B., Carslaw, K. S., & Hoose, C. (2018). Using emulators to understand the sensitivity of deep convective clouds and hail to environmental conditions. Journal of Advances in Modeling Earth Systems, 10. https://doi.org/10.1029/2018MS001465

[Arbeitsgruppe: Wolkenphysik]