Sources of predictability for deep convection

Bachmann, Kevin (2019): Sources of predictability for deep convection: radar data assimilation, orography and weather regime. Dissertation, LMU München: Fakultät für Physik

Abstract

The advent of convection-permitting ensemble prediction systems at most operational weather centers within the last 15 years constitutes a step-change in our ability to forecast convection. This is a fundamental task for weather services, as not only the general public demands good and reliable forecasts of convection, but they can also be accompanied by heavy precipitation and destructive hail, and so comprise a risk to human life. Unfortunately, their prediction is challenging and their predictability limited by the chaotic nature of the atmosphere, so there is an intrinsic limit to their prediction in the order of a few hours. But for all that, the possible existence of sources of predictability that are able to extend the forecast horizon on the convective scales is being discussed. More precisely, those scales might inherit predictability from larger-scale features, such as orography or the prevailing weather regime. Furthermore, radar data will be operationally assimilated at \acf{DWD} within the year and provide similar information as the natural sources of predictability---the position of convection. The identification of predictability limits of convection poses significant challenges, which we address within a hierarchy of model configurations, combined with radar DA and two sets of \acfp{IC}. First, we reduce the complexity in an idealized setup with simplified \acp{IC} and orography before we reintroduce complex orography and natural variability of the synoptic weather regime. We apply a combination of sophisticated verification metrics to address specific facets of practical predictability, namely the predictability of the model state and the model predictability of the atmospheric state. In the idealized setup, we find increased predictability of convection in the presence of orography if the \acp{IC} depict only small-scale errors, representing perfect large-scale predictability. In the presence of large-scale errors, the beneficial effect of the orography is greatly diminished. However, the assimilation of radar observations proved its ability to account for these errors and provide high-quality analyses. In both sets of \acp{IC}, the forecast horizon is extended by \SI{6}{h}, where scales up to \SI{50}{km} remain predictable for small-scale errors, and scales up to \SI{100}{km} do so with additional large-scale uncertainty. The experiments also highlight increased predictability for convection with a high level of organization. We were also able to confirm these results in the pre-operational COSMO-KENDA system of the \ac{DWD}. More specifically, we found increased predictability of the model state and model predictability of the atmospheric state in the orographically more influenced South than in the comparatively plain North of Germany. Throughout three summers in an older \ac{DWD} system, we found locally forced weather situations to be less predictable than those forced by the synoptic weather regime and no significant effect of orography.

Abstract

Die Einführung von Konvektion auflösenden Vorhersagemodellen in den meisten operationellen Wetterzentren während der letzten 15 Jahre markiert einen Fortschritt in der Vorhersagbarkeit von Konvektion. Ein öffentliches Interesse an akkuraten Gewittervorhersagen ebenso wie die mit Gewittern verbundenen Sicherheitsrisiken machen diese zu einer zentrale Aufgabe für Wetterdienste. Eine Herausforderung ergibt sich hierbei aus der natürlichen Begrenztheit der Vorhersage auf wenige Stunden aufgrund der chaotischen Eigenschaften der Atmosphäre. Jedoch gibt es Hypothesen zu möglichen Quellen von Vorhersagbarkeit, die den Vorhersagehorizont auf den konvektiven Skalen erweitern können. Diese Skalen könnten Vorhersagbarkeit von anderen Merkmalen, wie z.B. Orographie oder dem Wetterregime, übernehmen. Darüberhinaus plant der Deutsche Wetterdienst noch 2019 operationell Radardaten zu assimilieren, was ebenso wie Orographie die Position von Konvektion beeinflusst. Wir nähern uns der Ermittlung der Grenzen von Gewittervorhersagbarkeit mittels einer Reihe von Modellkonfigurationen, kombiniert mit Radardatenassimilation und zweierlei Arten von Anfangsbedingungen, an. Wir verringern die Komplexität in einem idealisierten Setup mit vereinfachten Anfangsbedingungen (AB) und Orographie, ehe wir komplexe Orographie und die natürlich Variabilität des synoptischen Wetterregimes erneut einführen. Wir wenden eine Kombination von Verifikationsmethoden an und berücksichtigen so spezifische Facetten der praktischen Vorhersagbarkeit, d.h. der Modellvorhersagbarkeit und derjenigen der Atmosphäre. Im idealisierten Setup finden wir gesteigerte Vorhersagbarkeit von Konvektion unter Einfluss von Orographie, sofern die AB nur kleinskalige Fehler aufweisen, die eine perfekte synoptische Vorhersage repräsentieren. Wenn synoptische Fehler auftreten, wird die positive Wirkung der Orographie verringert. Jedoch kann die Assimilation von Radardaten diese Fehler kompensieren und hochwertige Analysen liefern. Der Vorhersagehorizont wird unter beiderlei AB um 6 Stunden erweitert, wobei Skalen bis zu 50 km vorhersagbar bleiben, wenn nur kleinskalige Fehler vorliegen. Wenn synoptische Unsicherheiten auftreten, sind Skalen bis 100 km vorhersagbar. Die Experimente zeigen ferner die gestiegene Vorhersagbarkeit bei Konvektion mit hohem Organisationsgrad. Auch konnten wir diese Ergebnisse im ab Mai 2019 operationellen COSMO-KENDA-System des DWD bestätigen. Des weiteren fanden wir eine höhere Vorhersagbarkeit von Regimen mit synoptischem Einfluss sowie im bergigen Süden Deutschlands verglichen mit dem flacheren Norden. Über drei Sommer hinweg fanden wir in einem älteren DWD-Modell, das Wetterlagen, die mehr von lokalen Prozessen abhängen und weniger vorhersagbar sind als diejenigen, die einem synoptischen Einfluss unterliegen. Beide Wetterlagen zeigen keinen signifikanten Effekt der Orographie.

• Dokumententyp: Dissertationen (Dissertation, LMU München)
• Keywords: convection, radar data assimilation, predictability, OSSE, orography
• Themengebiete: 500 Naturwissenschaften und Mathematik ; 500 Naturwissenschaften und Mathematik > 530 Physik
• Fakultäten: Fakultät für Physik
• Sprache der Hochschulschrift: Englisch
• Datum der mündlichen Prüfung: 13. Mai 2019
• 1. Bericht­erstatter:in: Craig, George C.