Überlegungen zur Niederschlagsgenauigkeit

Diese Seite behandelt die folgenden Themen:

  • Inkonsistenzen in Niederschlagskarten aufgrund unterschiedlicher Modellauflösungen;
  • Geringere Genauigkeit bei höchstauflösendem Rohmodell;
  • Schwäche der Wettersimulationsmodelle in tropischen Regionen;
  • Andere räumliche Datensätze zum Vergleich verfügbar;
  • Zunehmende Schwäche der Satellitenbeobachtungsdatensätze mit grösserer äquatorialer Entfernung;
  • Inkonsistenzen zwischen zusammengesetzten Zeitreihen aus verschiedenen Modellen;
  • Übersicht über die durchgeführten umfangreichen Langzeitverifizierungsstudien;

Niederschlagsereignis- und -mengensimulationen sowie tatsächliche Niederschlagsmengen gehören zu den wichtigsten Variablen in der Meteorologie, die aufgrund ihrer komplexen physikalischen Beschaffenheit gleichzeitig ein sehr variables Auftreten über kleine Entfernungen aufweisen und somit zu den schwierigsten Variablen gehören wenn es um hoch-präzise Simulationen geht.

Während wir kontinuierlich an der Verbesserung unserer Simulationen arbeiten, wollen wir mit dieser Seite sicherstellen, dass sich unsere Nutzer einiger der wichtigsten Genauigkeitsprobleme im Zusammenhang mit Niederschlagsvorhersagen bewusst sind, um die Daten und potenzielle Mängel richtig interpretieren zu können.

Im Allgemeinen ist es wichtig, zwischen der Genauigkeit der Niederschlagsmenge und der Genauigkeit des Niederschlagsereignisses zu unterscheiden, mit teilweise abweichenden Ergebnissen. Bei der Bewertung von Genauigkeitsmessungen bedenken Sie bitte zuerst Ihre Prioritäten: Ist ein Niederschlagsereignis das wichtigste Kriterium (d.h. ist es wichtig, ob es morgen völlig trocken ist oder ob es Regen gibt) oder die Niederschlagsmenge (d.h. ist es wichtig, ob es in den nächsten 2 Tagen 10 oder 30 mm regnet).

Inkonsistenzen in Niederschlagskarten aufgrund unterschiedlicher Modellauflösungen

Die meteoblue Wetterkarten wählen automatisch die Daten aus dem am besten geeigneten Modell aus, was sich mit dem Kartenansichtsbereich und der Zoomstufe ändert (z.B. für Mitteleuropa zeigt Zoomstufe 4 die NEMSGLOBAL-Daten, Zoomstufe 5 die NEMS12-Daten und Zoomstufe 6 die NEMS4-Daten).

Für den Niederschlag hat dies zur Folge, dass die Karten mit niedriger Auflösung eine breitere räumliche Niederschlagsverteilung aufweisen als die Karten mit hoher Auflösung. Umgekehrt zeigen die hochauflösenden Karten zwar eine engere räumliche Niederschlagsverteilung, aber höhere lokale Niederschlagsmengen.

Das lässt sich leicht erklären: Besteht eine Gitterzelle mit einer Auflösung von 30x30 km aus 3x3 Gitterzellen mit einer Auflösung von 10x10 km, und hat eine dieser kleineren Gitterzellen ein Gewitter simuliert, so zeigt die gesamte 30x30 km Gitterzelle in der gering aufgelösten Ansicht ein Gewitter und wird blau gefärbt (= Niederschlag ist vorhanden), da sie nicht unterscheiden kann, in welchem Teil der Gitterzelle das Gewitter auftritt: Das niedrig aufgelöste Modell weiss nur, dass irgendwo innerhalb der großen Gitterzelle Niederschlag auftreten wird. Und gleichzeitig mittelt es die Niederschlagsmenge dieses lokalen Ereignisses über die gesamte Gitterzelle, was die Intensität reduziert.

Geringere Genauigkeit bei höchstauflösendem Rohmodell

Unsere Verifikationsstudien zeigten, dass die Genauigkeit der Niederschlagssimulation aus dem höchstauflösenden Modell (4 km in Europa) im Durchschnitt niedriger ist als aus den niederauflösenden Modellen (12 km und 30 km), da Niederschlagsereignisse in einem kleineren Massstab auftreten.

Dies lässt sich leicht verstehen, wenn man sich ein kleines Gewitter vorstellt, das sich auf einer Zugbahn bewegt, die in Wirklichkeit um 2 km von der simulierten Bahn versetzt ist (was leicht passieren kann). Bei einer Gitterzelle von 4 km ist es nun wahrscheinlich, dass die eigentliche Bahn durch andere Gitterzellen verläuft als die simulierte Bahn. Infolgedessen wird die Simulation zwei falsche Gitterzellenspuren (eine, bei der das Gewitter simuliert wurde, aber nicht stattfand, und eine, bei der kein Gewitter simuliert wurde, jedoch tatsächlich stattfand. Die Wahl eines Modells mit geringerer Auflösung reduziert dieses Problem, da die Verschiebung zwischen simulierter und tatsächlicher Bahn viel grösser sein muss, um die gleiche Wahrscheinlichkeit zu haben, dass zwei Gitterzellenspuren gleichzeitig falsch vorhergesagt werden.

Die präzisesten Rohmodellergebnisse werden mit einer räumlichen Auflösung von 6-12 km erreicht. Die 12 km-Simulation erwies sich als genauer als die 30 km-aufgelöste Simulation. Ausnahmen von diesen Ergebnissen finden sich in Berggebieten, wo die Modelle mit höherer Auflösung eine bessere Niederschlagsgenauigkeit erzielen als die Modelle mit niedrigerer Auflösung, da sie die Topographie besser verstehen.

Bei der Verwendung von meteoblue-Daten erhalten Sie die folgende Modellausgabe:

  • Sowohl im history+ Interface (wenn die hochauflösenden Niederschlagsdaten ausgewählt werden) als auch in der History-API (wenn keine Domäne ausgewählt wird) wird das Modell mit mittlerer Auflösung (12 km für Europa) automatisch extrahiert, anstelle des Modells mit der höchsten Auflösung (4 km für Europa). Für Langzeitdaten haben Sie die Wahl zwischen dem niedrigauflösenden Modell.
  • Für Daten, die speziell von einem bestimmten Modell angefordert werden, erhalten Sie diese Modelldaten. Einige Datenlücken können mit Daten aus dem Modell mit geringerer Auflösung aufgefüllt werden. Solche Lücken können bei Bedarf markiert werden.

Die Prognosen (für die API: wenn keine Domäne angegeben ist) unterscheiden nicht zwischen Modellen, da es sich bei den gelieferten Daten um eine Multimodell-Zusammensetzung handelt, der keine spezifische Auflösung zugeordnet werden kann; dieses Problem gilt daher nicht. Die historischen Datenreihen sind jedoch nicht in der Lage, die Multimodell-Prognose exakt wiederzugeben, da die Verfügbarkeit der Modelle zum Zeitpunkt der Vorhersage-Produktion im Nachhinein nicht exakt reproduzierbar ist. Wenn eine Überprüfung der historischen Niederschlagsvorhersage erforderlich ist, sollte die aktuelle Niederschlagsvorhersage mindestens einmal täglich gespeichert werden.

Schwäche der Wettersimulationsmodelle in tropischen Regionen

In tropischen Regionen (sowie in Regionen mit starken Monsunregenfällen) ist die Niederschlagssimulation besonders schwierig. Dies ist auf das hohe Auftreten von Niederschlagsereignissen zurückzuführen, mit großen Regenmengen in kurzer Zeit. Darüber hinaus sind konvektive Niederschläge sowie Niederschläge während Gewitterereignissen häufiger anzutreffen. Beide Niederschlagsformen können sehr komplex und lokal sehr inkonsistent sein und sind daher im Vergleich zu anderen Niederschlagsformen noch schwieriger zu simulieren.

Diese Schwierigkeit mit präzisen Simulationen hat zur Folge, dass die Niederschlagsmenge in tropischen Regionen im Allgemeinen deutlich unterschätzt wird (Ausnahmen sind möglich, was eine systematische Korrektur sehr schwierig macht).

Andere räumliche Datensätze zum Vergleich verfügbar

Um diese Genauigkeitsprobleme mit Niederschlagssimulationen zu lösen, sammelt und vertreibt meteoblue neben eigenen Modellen eine Vielzahl von verschiedenen Niederschlagsdatensätzen von Drittanbietern.

Neben einer hohen Anzahl eigener globaler (2 Modelle) und regionaler Modelle (14 Modelle) enthält die Datenbank von meteoblue auch Prognosemodelle wie GFS (NOAA) und ICON (DWD), Reanalysemodelle wie ERA5 (ECMWF), Satellitenbeobachtungsdatensätze wie CHIRPS2 und CMORPH, die durch Korrekturen mit Niederschlagsmessungen weiter verbessert werden, sowie Radardaten in einigen Regionen (aus verschiedenen Gründen können keine umfassenden Radardaten für die ganze Welt angeboten werden). Da alle diese Datensätze mit unterschiedlichen Stärken und Ungenauigkeiten ausgestattet sind und es je nach Zeitpunkt und Ort der Anfrage große Unterschiede in der Genauigkeit geben kann. Mehr dazu finden Sie auf unseren Verifizierungsseiten.

Verschiedene Niederschlagsdatensätze aus der meteoblue-Datenbank verfügbar

Zusammenfassend lässt sich sagen, dass es nicht möglich ist, einen einzigen Datensatz zu definieren, um die beste Genauigkeit für alle Anwendungen und Standorte zu erreichen. Darüber hinaus ist es ohne eine qualitativ hochwertige Messung in angemessener Entfernung schwierig zu schätzen, welcher Datensatz in dieser Situation die beste Qualität aufweist. Weitere Informationen zur Qualität der verschiedenen Datensätze finden Sie auf unserer Seite zur Verifikation der Niederschlagssimulationen.

Mit den meteoblue History- und Forecast-APIs können durch Einstellen des Domänen-Attributs auf das gewünschte Modell spezifische Niederschlagssimulationsdaten angefordert werden.

Mit der historischen Niederschlags-API können alle oben genannten Datensätze für spezifische Kundenbedürfnisse bezüglich Niederschläge geliefert werden.

Für history+ werden wir in diesem Jahr eine erweiterte Version veröffentlichen, die alle verschiedenen Niederschlagsdatensätze über das beliebte Interface zur Verfügung stellt.

Zunehmende Schwäche der Satellitenbeobachtungsdatensätze mit zunehmender äquatorialer Entfernung

Sowohl die CHIRPS2 als auch die CMORPH-Datensätze werden von geosynchronen Satelliten erzeugt, die über dem Äquator platziert werden und mit der gleichen Geschwindigkeit wie die Erdrotation um die Erde zirkulieren. Daher ist ihre Sicht auf äquatoriale Bereiche präzise und rechteckig, während die Satellitenansicht in höheren Breitengraden durch mehr atmosphärischere Schichten und in einem flacheren Winkel gehen muss. Daher ist die Qualität am besten in äquatorialen Bereichen und nimmt zu den Polen hin stetig ab.

CHIRPS2 ist nur für Bereiche zwischen 50°S und 50°N und CMORPH nur zwischen 70°S-70°N verfügbar. Es wird jedoch vorgeschlagen, dass diese Datensätze noch restriktiver verwendet werden, von 45°S bis 45°N oder sogar nur zwischen 30°S und 30°N. Aus unseren jüngsten Verifikationsstudien geht hervor, dass für Standorte, die weiter vom Äquator entfernt sind, andere Niederschlagsdatensätze die bessere Genauigkeit aufweisen.

Inkonsistenzen innerhalb zusammengeführter Zeitreihen aus verschiedenen Modellen

Da die Inkonsistenz des Niederschlags keine sinnvolle Bias-Korrektur zulässt (so wie die MOS-Postprocessing auch keine Verbesserungen bringt), da sie für andere Variablen automatisch durchgeführt werden kann, ist ein Zusammenführen verschiedener Modelle und Zeitreihen nicht möglich, ohne wesentliche Dateninkonsistenzen zu hinterlassen.

Kein plötzlicher Rückgang der gesamten jährlichen Niederschläge... ... ein fehlgeschlagener Verbund von zwei Niederschlagsdatensätzen.

Dies ist wichtig, wenn Sie lange Zeitreihen von Niederschlagsdaten aus der meteoblue history API sammeln. Wenn keine Domäne (oder eine lokale Domäne) angegeben wird (was im Allgemeinen und für die meisten anderen Variablen vorgeschlagen wird), liefert die API hochauflösende Daten, beginnend mit der Implementierung des Modells mit der höchsten Auflösung. Wenn Daten aus früheren Daten angefordert werden, liefert die API Daten mit niedriger Auflösung aus dem NEMSGLOBAL-Modell (bis 1985). Um diese Inkonsistenz zu vermeiden, empfehlen wir die Verwendung der spezifischen historischen Niederschlags-API, zusätzlich zur regulären Historien-API, die für alle anderen Variablen am besten geeignet bleibt.

Innerhalb der history+-Schnittstelle ist es wichtig, dass der richtige Niederschlagsdatensatz ("hochauflösend, zeitlich begrenzt" oder "niedrigauflösend, seit 1985") angefordert wird, je nach den spezifischen Anforderungen der Nutzung. Beachten Sie, dass, wenn für einen bestimmten Standort überhaupt kein lokales Modell existiert, das "hochauflösende, begrenzte Zeitspanne" ohnehin das niedrigauflösende globale Modell liefert. Die vor Ort verfügbare Auflösung kann durch Betrachtung der Rasterzellgröße des rainSPOT leicht bestätigt werden.

Die Prognosedaten sind das Ergebnis einer multimodalen Zusammensetzung, der keine spezifische Auflösung zugeordnet werden kann, so dass dieses Problem nicht vorliegt.

Übersicht über die durchgeführten umfangreichen Langzeitverifikationsstudien

meteoblue führt umfangreiche Langzeitverifikationsstudien durch, um die Qualität der Niederschlagsdaten zu verstehen, die sowohl von eigenen Modellen als auch von verschiedenen Drittanbietern im Vergleich zu mehreren tausend Niederschlagsmessstationen produziert werden.

Im Allgemeinen kann eine gute Niederschlagssimulation 85% der Trocken-/Regenstunden korrekt schätzen, mit einem Heidke Skill Score von 0.3 - 0.6 für Ereignisse größer als 1mm/Tag. Bezüglich der Niederschlagsmengen haben 90% der Simulationsdaten eine Genauigkeit von +- 30% im Vergleich zu Messungen.

Nachbearbeitungsmethoden wie Multimodel-Mixing oder MLM sind in der Lage, die Genauigkeit der Niederschlagssimulation auf ein höheres Niveau zu bringen.

Weitere Informationen und die neuesten Verifikationsberichte finden Sie auf unserer Seite zur Niederschlagsverifizierung.