Modifizierung des Niederschlags über urbanen Gebieten am Beispiel Berlin

<p>Vielzählige Beschreibungen vorwiegend aus dem nordamerikanischen Raum weisen auf einen Einfluss urbaner Gebiete auf den Niederschlag hin. Dabei sind die zugrundeliegenden Ursachen nicht hinlänglich geklärt.</p> <p>Eingebettet in das BMBF-ClimXtreme-Projekt wird im Rahmen der Studie der Einfluss urbaner Gebiete auf den Niederschlag am Beispiel Berlins untersucht. Dazu werden sowohl 5-Minuten/1km-Radardaten (YW-Produkt des Deutschen Wetterdienstes) als auch das mesoskalige Weather Research and Forecasting Model (WRF) verwendet. Rückgrat der Analysen ist ein Algorithmus zur Identifikation und zum Tracking hochreichender konvektiver Zellen. Indem der Algorithmus auf die Radardaten angewendet wurde, wurden Zelltracks für den Großraum Berlin im Zeitraum 2001 bis 2020 ermittelt.</p> <p>Entsprechend wurden Situationen identifiziert, in denen a.) Zellen über dem Stadtgebiet entstehen, während im Umland keine hochreichende Konvektion vorhanden ist, b.) Zellen bei der Überquerung Berlins über dem Stadtgebiet eine Verstärkung der Niederschlagsintensität und/oder Größenzunahme zeigen und c.) Zellen, die nach Überquerung des Stadtgebiets im Lee der eine verstärkte Niederschlagsintensität und/oder Größenzunahme zeigen.</p> <p>Für die einzelnen Fälle werden die atmosphärischen Bedingungen / mögliche Ursachen, wie Zirkulation, Stabilität, Urbane Wärmeinsel und Aerosolgehalt aus Messdaten (z.B. Stationen) und Modellen (ERA5) ermittelt. Weiterhin wird versucht entsprechende Effekte mit konvektionsauflösenden WRF-Simulationen (ERA5 als Input) nachzubilden. Hierbei wird der Einfluss der Stadtstruktur durch “Local Climate Zones” beschrieben, welche im Rahmen von Sensitivitätsanalysen variiert werden. Für entsprechende Vergleiche mit den Radardaten wird der Zellidentifizierungs- und trackingalgorithmus auch auf die WRF-Simulationen angewendet. </p>

Hochaufgelöste Simulation von meteorologischen Feldern in urbanen Räumen mit dem Weather Research and Forecasting (WRF) Modell

<p><span>Städte und Kommunen sind für mehr als 70% </span><span>der globalen, fossilen CO2-Emissionen</span><span> verantwortlich, sodass hier ein enormes Mitigationspotential besteht. Informationen über (inner-)städtische CO2-Emissionen stehen allerdings oft nicht </span><span>in hoher zeitlicher und räumlicher Auflösung</span><span> zur Verfügung und sind </span><span>meist</span><span> mit großen Unsicherheiten behaftet. Diese Umstände erschweren eine zielgerichtete und effiziente Mitigation im urbanen Raum. </span><span>Städtische Messnetzwerke können als unabhängige Informationsquelle einen Beitrag leisten, um CO2-Emissionen in Städten zu quantifizieren und Mitigation zu verifizieren</span><span>. </span><span>Verschiedene denkbare Beobachtungsstrategien sollten</span><span> im Vorfeld abgewägt werden, um urbane Emissionen bestmöglich, d.h. mit der erforderlichen Genauigkeit und </span><span>Kosteneffizienz</span><span> zu quantifizieren. So können Messnetzwerke die Basis für zielgerichtete und kosteneffiziente Mitigation legen.</span></p><p><span>Im Rahmen des Verbundvorhabens „Integrated Greenhouse Gas Monitoring System for Germany“ (ITMS) werden wir verschiedene Beobachtungsstrategien für urbane Räume entwerfen und mit Hilfe von Modellsimulation evaluieren und abwägen. Notwendige Voraussetzung für </span><span>die Evaluation der Strategien</span><span> ist eine akkurate Repräsentation des atmosphärischen Transports im Modell.</span></p><p><span>Diese Studie zeigt</span><span> erste Ergebnisse der hochauflösenden (1kmx1km) meteorologischen Simulationen für den Rhein-Neckar-Raum mit dem WRF Modell. </span><span>Die in WRF simulierten meteorologischen Größen werden für verschiedene Modellkonfigurationen mit </span><span>re-analysierten Daten des European Centre for Medium-Range Weather Forecasts (ECMWF) und ausgewählten Messstationen verglichen. Damit evaluieren wir </span><span>den Einfluss unterschiedlicher Nudging-Strategien, Parametrisierungen physikalischer Prozesse und urbaner Interaktionen</span><span> auf </span><span>die Modellperformance</span> <span>von</span><span> Lufttemperatur, Windrichtung, Windgeschwindigkeit und Grenzschichthöhe. Durch diese Analysen gewährleisten wir, dass die Simulation der Beobachtungsstrategien auf robuste</span><span>m</span><span> und realistische</span><span>m</span><span> atmosphärischen Transport basieren und schlussendlich repräsentative Empfehlungen für den Aufbau von Messnetzwerken liefern können. </span></p>

Rainstorm Disaster Prediction Based on Weather Research and Forecast (WRF): A Case of Nanjing, China

Rainstorm disaster causes great damage to human lives, environment and economies. Many environmental catastrophes happened every summer in southern China as result of the rainstorm. Therefore, heavy rain prediction remains the main focus of many scholars’ attention. However, the weather forecast is inaccurate and not prompt enough, causing casualties and financial losses. Weather Research Forecast (WRF) is an effective method and is utilized in this study to predict the precipitable water vapor (PWV) in meso-and small-scale in Nanjing. Rain is formed because of the PWV in the atmosphere, and therefore precipitation could be predicted according to the PWV. A method is proposed that the amount of rainstorm precipitation could be predicted based on the PWV, which can be simulated by WRF. The experimental results are consistent with the actual rainstorm situation. It demonstrates that promising measures based on the reliable WRF model could be taken to reduce the impending disasters.

Astronomical seeing forecast for the Thai National Observatory

Forecasting the astronomical seeing above an observatory can assist astronomers plan their observations. In this study, the astronomical seeing above the Thai National Observatory (TNO) in Doi Inthanon, Chiang Mai, Thailand was simulated using the Weather Research and Forecasting (WRF) model. The model outputs were then compared to Polaris seeing observations and using the Differential Image Motion Monitor (DIMM). Results showed that the forecasts capture the variation of the astronomical seeing fairly well. However, bias correction is needed on the simulations due to lack of data from meteorological balloons to constrain the model.