Operationelles NWV-System: ICON

Forschung und Entwicklung - Abteilung Meteorologische Analyse und Modellierung
                                      Operationelles NWV-System Änderungsmitteilung

Operationelles NWV-System: ICON

Am Mittwoch, den 27.02.2019, wird ab dem 09-UTC-Assimilationslauf für das ICON-
Modellsystem folgende Änderung wirksam:

   a) Bei der Assimilation von Messdaten des hyperspektralen Infrarot (IR) Sondierers IASI
      werden jetzt Beobachtungsfehlerkorrelationen explizit berücksichtigt.
   b) Es werden Daten des ATMS Mikrowellensondierers auf dem NOAA-20 Satelliten
      assimiliert.
   c) Tuningänderung der molekularen Rauhigkeitslänge über Wasser zur Reduktion des
      Temperaturbias in den Tropen

Nähere Beschreibung der Maßnahmen und Auswirkungen:

a) Beobachtungsfehlerkorrelationen für IASI
Wesentlich für die erfolgreiche Verwendung von Beobachtungsdaten ist eine hinreichende
Charakterisierung der Unsicherheit, d.h. des Beobachtungsfehlers, der in den bei der
Datenanalyse verwendeten Gewichtungsfaktor maßgeblich eingeht. Dabei spielt nicht nur die
Größe der einzelnen Beobachtungsfehler eine wichtige Rolle, sondern auch die Korrelation
der Fehler verschiedener Beobachtungen.
Im bisherigen Datenassimilationsprogramm werden solche Beobachtungsfehlerkorrelationen
allerdings nicht explizit berücksichtigt und alle Beobachtungsfehler werden als statistisch
unabhängig behandelt. Zwei Arten von Maßnahmen wurden im bisherigen System ergriffen
um mögliche resultierende Probleme zu vermeiden oder zu kompensieren. Zum einen das
sogenannte Ausdünnen, bei dem zu eng benachbarte Daten nicht zusammen in der
Assimilation verwendet werden. Zum anderen die „Inflation“, d.h. das künstliche Hochsetzen
der Varianz von Beobachtungsfehlern bei Daten, deren Fehlerkorrelationen vernachlässigt
werden.

Solche Maßnahmen erlauben die Assimilation von Daten mit korrelierten Fehlern, indem sie
ihren Einfluss generell heruntersetzen und dadurch Situationen, in denen sie ein zu großes
Gewicht hätten, weitgehend vermeiden.
Dies    führt   allerdings   zu    einer
reduzierten (sub-optimalen) Nutzung
dieser Daten.

Besonders wichtig sind Beobachtungs-
fehlerkorrelationen für die hyperspek-
tralen Infrarot (IR) Sondierer mit ihren
tausenden spektral dichten Kanälen.
Auch wenn davon nur eine kleine
Auswahl in der Assimilation tatsächlich
genutzt wird („vertikales Ausdünnen“),
weisen diese doch nicht vernachlässig-
bare Fehlerkorrelationen auf (s. Abb. 1).

Abb. 1: Mit der Desroziers Methode diagnostizierte Beobachtungsfehlerkor-relationen für
IASI Messdaten.

Durch die hier vorgestellte Änderung werden jetzt für Messdaten des hyperspektralen IR
Sondierers IASI die Beobachtungsfehlerkorrelationen bei der Assimilation explizit
berücksichtigt. Mathematisch bedeutet dies, dass nun mit der vollen Fehlerkorrelations-
matrix, der R-Matrix, gerechnet wird (bisher wurde nur eine diagonale R-Matrix verwendet).
Diese Änderung erforderte zwei Schritte.
      Zum einen die statistische Schätzung der R-Matrix (wofür wir die sogenannte
         Desroziers Methode verwenden) und
      Zum anderen das Einlesen und Verarbeiten einer nicht diagonalen R-Matrix in
         unserem Datenassimilationsprogramm (LETKF und ENVar).
Eine wichtige technische Maßnahme hierbei ist die Begrenzung kleiner Eigenwerte der
statistisch gewonnen R-Matrix durch eine untere Schranke. Da in der Datenassimilation vor
allem die inverse R-Matrix verwendet wird, können kleine absolute (aber große relative)
Ungenauigkeiten bei den Eigenwerten sehr große (schädliche) Auswirkungen auf die
Analyse haben.

b) ATMS auf NOAA-20
ATMS ist ein Mikrowellensondierer, der Information über Temperatur und Feuchte liefert. Im
DWD werden seit Juni 2014 ATMS-Messungen vom Suomi-NPP-Satelliten assimiliert. Seit
November 2017 ist mit NOAA-20 ein zweiter Satellit im Orbit, der ATMS-Daten liefert. Diese
Daten sollen in Zukunft auch assimiliert werden.

c) Tuningänderung der molekularen Rauhigkeitslänge über Wasser

Im Transferschema des ICON-Modells wurde ein Tuningparameter für die molekulare
Rauhigkeitslänge über Ozeanen reduziert. Dies führt in der tropischen Troposphäre zu einer
relativ gleichförmigen Temperaturerhöhung um 0,05 - 0,1 K nach 7 Vorhersagetagen, in den
Extratropen ist die Änderung ungefähr halb so groß. Dadurch verringert sich insbesondere in
den Tropen das vertikale Integral des Temperaturbias (im Vergleich zu Radiosondendaten),
was eine Reduktion der Geopotentialfehler zur Folge hat. Davon abgesehen treten keine
messbaren Änderungen der Vorhersagequalität auf.

Auswirkungen auf die Vorhersagen:

Die Änderungen in der Datenassimilation (a,b) zeigten in der Vorhersage deutlich positive
Auswirkungen, welche sowohl in der Verifikation gegen Analyse (Abb.2) wie auch gegen
Beobachtungen (Abb.3a) klar zu sehen sind. Der Effekt der Modelltuningänderung (c) ist in
Abb. 3b illustriert.

Abb. 2: Verifikation gegen Analysen. Gezeigt wird die Differenz des RMSE (Root Mean
Square Error) der Vorhersagen gegenüber Analysen zwischen Parallelroutine (mit der
Änderung) und Routine. Grüne (rote) Töne zeigen Bereiche an, in denen die Einbeziehung
der Beobachtungsfehlerkorrelationen zu einer Verbesserung (Verschlechterung) geführt hat.

a)                                                    b)

Abb. 3: Verifikation der Vorhersagen gegen Radiosondenbeobachtungen. Gezeigt wird die
Differenz vom RMSE (Root Mean Square Error) der Vorhersagen gegenüber
Beobachtungen zwischen Parallelroutine (mit der Änderung) und Routine. Grüne, negative
(rote, positive) Werte zeigen Verbesserungen (Verschlechterungen) der Vorhersagen durch
die Einbeziehung der Fehlerkorrelationen. Das linke Teilbild bezieht sich auf die unter (a)
und (b) beschriebenen Änderungen der Datenassimilation, das rechte Teilbild auf die unter
(c) beschriebene Modelltuningänderung.

Ansprechpartner:
a) Dr. O. Stiller, FE12, Tel.: 069 8062 2910, Olaf.Stiller@dwd.de
b) Dr. R. Faulwetter, FE12, Tel.: 069 8062 2746, Robin.Faulwetter@dwd.de
c) Dr. G. Zängl, FE 13, Tel. 069 8062 2728, Guenther.Zaengl@dwd.de