pdf 1.4 mb

AQUARadar –
Verbesserung der
Niederschlagsmessung
durch Radar
Clemens Simmer
Universität Bonn
und das AQUARadar-Team
RADAR
•
•
•
•
•
•
•
Advances in
Quantitative Areal
Precipitation
Estimation by Radar
DFG-Verbundprojekt
von
Clemens Simmer, Michael Griebel, Silke Trömel, Malte Diederich, Peter Hartmann,
Jürgen Braun, Universität Bonn
Peter Winkler, Jörg Seltmann, DWD, Hohenpeissenberg
Klaus Beheng, Jan Handwerker, Tim Peters, FZ/Universität Karlsruhe
Gerhard Peters, Marco Clemens, MPI/Universität Hamburg
Susanne Crewell, Universität Köln
Martin Hagen, Wenchieh Yen, Martin Leeb, DLR Oberpfaffenhofen
Stephan Borrmann, Subir Mitra, Karoline Diehl, Miklos Szakall, MPI/Universität
Mainz
2006-2008
http://www.meteo.uni-bonn.de/projekte/aquaradar-wiki/
Motivation
• Die Annahme eines statischen
Zusammenhangs zwischen Radarsignal
und Niederschlagsintensität erzeugt Fehler
in der instantanen quantitativen
Niederschlagsschätzung um 100%.
• Die Kalibration von Radarmessungen durch
Aneichung an direkte
Niederschlagsmessungen ist nur für lange
Zeitenräume (mehrere Stunden, Tage)
möglich.
Lösungsansätze
• Dynamische Z-R-Beziehungen
– Mikroregenradare als
Untersuchungswerkzeuge
– Lokale Regression
• Z-R-Beziehungen aus räumlichzeitlichen Strukturen
– Integrale Radar-Deskriptoren
• Polarisationsdiversität
– Tropfenformen aus Windkanalmessungen
– Regression
Micro Rain Radar
(MRR-2)
Low power/low cost
FMCW Doppler Radar
bei 24.1 GHz
Größe 0.6 x 0.6 x 0.6 m
misst das RückstreuDoppler-Spektrum der
Regentropfen zur Schätzung
des Tropfenspektrums
W/m2
vertikale Auflösung: 10-200 m in 30 Range Gates
=>(300-6000 m Höhe)
Mittelungszeit: 10 s – 1 h
m/s
Beispielsmessung
vertikale Auflösung
70 Meter
Mittelungszeit
30 Seonden
North
MRR2
∼1 km
2DVidRR3 Tower
wind
profiler
MRR3
TARA
MRR4
MRR1
3D-Rekonstruktion aus
mehreren MRR
MRRs als Kalibration für
Wetterradare
• Inhomogene Verteilung im Radarpixel
Wetterrada
r
strahl
Micro Rain Radar
Auflösungszelle
Micro
Regen
Radar
Strahl
• Wie kann man MRRs zur Eichung
verwenden
• Wie hängen Tropfenspektren
vom Regentyp ab?
• Gibt es typische
Tropfensprekten in
Abhängigkeit von der Art der
Schmelzschicht?
• Wie hängen die
Tropfensprektren vom Abstand
Wetterradar
von der Schmelzschicht ab?
Auflösungszelle
Gerhard Peters
Höhenabhängigkeit der
Parameter a und b in Z=aRb
Zeitserie des abgeleiteten
Niederschlags – Zusammenhang
mit Radarreflektivität
Malte Diederich
Aus gemessenen Tropfenverteilungen
abgeleitete
Z-R-Beziehungen aufeinander folgender
Zeitabschnitte innerhalb eines Regenereignisses
Güte von Z-RRelationen aus MRR
Zeitserie der Güte der
Anpassung von Z-RBeziehungen zeigt
unterbrochene
Perioden gut
definierter
Zusammenhänge
(Moden)
Marco Clemens
Z-R-Beziehungen aus den aus
dem Brightband ableitbarem
Bildungsprozess (nur
stratiformer Niederschlag)
Kein Brightband:
Z=170*R1,267
Deposition:
Z=289*R1,645
Aggregation:
Z=282*R1,635
Riming:
Z=213*R1,608
Peter Hartmann
Information für die
Steuerung dynamischer
Z-R-Beziehungen in der
Praxis
• Ableitung aus MikroRegenRadaren
• Nutzung von räumlich-zeitlichen
Variationen des 3D-Radarsignals
• Nutzung der Wettervorhersage
(Zustand der Atmosphäre)
Integrale Radardeskriptoren
Donnaud et al. 1984, Atlas et al. 1990:
Der zeitlich integrierte Gesamtniederschlag eines
einzelnen Niederschlagssystems V kann abgeschätzt
werden über das so genannte Raum-Zeit-Integral (ATI)
über das Gebiet mit Reflektivitäten oberhalb einer
bestimmten Schwelle τ mittels
V=ATI (τ) S(τ)
Der flächengemittelte instantane Niederschlag <R>
vieler konvektiver Niederschlagssysteme kann über die
relative Fläche F der Reflektivitäten oberhalb einer
bestimmten Schwelle τ, F(τ) abgeschätzt werden mittels
<R>=F(τ) S(τ)
Annahme:
hängt nur von dieser Schwelle τ ab.
Niederschlagsstationen
Anzahl DWD: ≈ 96
Stationen
Zur Ableitung von S sind
Radardaten und der
Regen am Boden
Anzahl LfU: ≈ 154 Stationen
notwendig.
Verfügbare zeitlich hoch
aufgelöste
Niederschlagsmessungen
im Bereich des Karlsruher
Radar
Tracking von
Niederschlags-systemen
am 24.8.2004
Reflektivitäten [dBZ]
Niederschlagsrate [mm/h]
Niederschlagsmessungen am Boden können kleine konvektive
Systeme nicht verfolgen.
LM-Vorhersage vom
8.7.2005
mm/h
Wettervorhersagemodelle liefern Niederschlag am Boden UND
„Radarmessungen“ simultan.
Annahme: Modelle geben die physikalischen Prozesse der
Niederschlagsbildung korrekt wieder.
Beispiele für Regenzellen
S(20 dBZ) = V / ATI(τ)
50
V [103mm km2]
40
30
20
10
0
0
2
4
6
8
10
12
14
16
18
ATI [km2 h] bei 20 dBZ
Restvarianz reduzierbar, durch Nutzung weiterer Radarvolumendeskriptoren
Signifikant detektierte
Deskriptoren
Deskriptor Anzahl
HMEAN
100
HMEAN3
100
HMEAN2
99
(A(τ)/Ao)5
99
HSTD4
98
MBB3
97
RTBB
87
MEANEe
17
(A(τ)/Ao)
9
TBB3
8
TNBB3
7
HMEAN4
2
TBB5
1
(Schrittweise Regression, leaveone-out cross-validation)
Erklärte Varianz in V/ATI: 98.9%
100 Schrittweise Regressionen mit jeweils 99
V/ATI-Werten werden durchgeführt um jeweils
den Fehler des 100sten Niederschlagsereignisses
zu bestimmen. Tabelle zeigt, dass der hor.
Erwartungswert HMEAN, HMEAN3, HMEAN2,
der relative Flächenanteil A(τ)/Ao)5, die hor.
Standardabweichung HSTD4, der mittlere
brightband- Anteil MBB3 und die robstifizierte
Trendschätzung im brightband- Anteil RTBB in
den meisten Fällen detektiert werden und die
Modellgleichung liefern.
Relativer Fehler des kumulierten Niederschlags
Relativer Fehler des IRVD-Modells
1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
-0.1
-0.2
-0.3
0
10
20
30
40
50
60
70
Niederschlagsereignisse
80
90
100
POLDIRAD – PolarisationsDoppler- Radar, DLR
Oberpfaffenhofen
•
•
•
•
Frequenz:
5.5027 GHz
Wellenlänge: 5.45 cm (C-band)
Sendeleistung: 250 kW
Polarisationen: linear, zirkular,
elliptisch
• Reichweite: 300 km (Z), 120 km
(Doppler)
Martin Hagen)
Woher kommt das
Polarisationssignal beim
Radar
Horizontale
Wellen „sehen“
größere Tropfen
Zusammenhang Tropfengröße – Abplattung
muss untersucht werden.
Martin Hagen, Karolin Diehl
Herkömmliche Z-R-Relation (links), ZZDR-R-Relation (mitte) und eine
Konsistenzprüfung (rechts) auf Basis
von 16000 Disdrometer-Messungen.
Dieses Potential für eine massive Verbesserung
hat sich bislang noch nicht materialisiert !
Bestimmung des
Achsenverhältnis b/a von Tropfen
im Windkanal
Present results
Beard and Chuang, 1990
1,0
Axis ratio
0,9
0,8
0,7
0,6
0,5
0
1
2
3
4
5
6
7
8
9
D rop diam eter (m m )
Mit einer Hochgeschwindigkeits-Kamera
aufgenommene zeitliche Abfolge eines
oszillierenden Regentropfens mit 6.5 mm
Äquivalentdurchmesser x
Miklos Szakall
Zusammenfassung
• Z-R-Relationen existieren – aber variieren
meist abrupt
• Detektion der „Moden“ der Z-R-Relation ist
notwendig für die Verbesserung der QPE
• Integrale Radarvolumendeskriptoren
könnten eine Alternative für die QPE sein.
• Polarisationsradare haben großes Potential
zu einer deutlichen Verbesserung der QPE
beizutragen.
Ausblick AQUARadar
•
Umsetzung des Moden-Konzepts
– Kalibration mit MRR-Netz
– Korrelation mit lokaler 3D-Struktur des Radarvolumens
– Nutzung von Zusatzinformation
•
Integrale Radarvolumendeskriptoren
– Übergang von simulierten Radarmessungen auf reale Messungen
– Kombination mit Modenkonzept
•
Radar mit Polarisation
– DWD-Radarnetz wird auf Polarisation erweitert
– SFB/TR32+HGF/TERENO installiert 2 X-Band-Radare mit
Polarisation im 50 km Abstand für Rur-, Erft und SiegEinzugsgebiete