SHIVA

Auftraggeber:

DFG

Laufzeit:

2015 - 2019

Projektbeschreibung:

"Seamless" hydrologische Vorhersage des ostindischen Sommermonsuns und Varianzanalyse seiner meteorologischen und hydrologischen Unsicherheit

Die Durchführung von sog.  "seamless predictions" stellt eine neue Methode der numerischen Wettervorhersage dar, in der alle Zeitskalen, von Tagen bis zu mehreren Monaten, einheitlich behandelt werden. Jede Skala profitiert auf diese Weise von den Forschungsfortschritten der jeweils anderen Skalen. Auf der anderen Seite stellen probabilistische Aussagen mithilfe von Ensemblerechnungen den de-facto Standard in operationellen Vorhersagen sowohl der Meteorologie als auch der Hydrologie dar. Die zugrundeliegende Physik und Statistik ist für den gesamten Vorhersagebereich allerdings für beide Disziplinen sehr unterschiedlich. Meteorologische Vorhersagbarkeit ist im Wesentlichen durch den unsicheren Anfangszustand begrenzt. Die gesamte Unsicherheit im Vorhersagezeitraum wird dargestellt, indem man jedes Ensemble-Mitglied einmal passend initialisiert und sich dann gemäß der deterministischen Dynamik entwickeln lässt. Für jede hydrologische Vorhersage stellt diese meteorologische Unsicherheit eine wesentliche Randbedingung dar. Es treten jedoch andere, mindestens ebenso wichtige Faktoren hinzu: die Struktur des hydrologischen Modells sowie dessen Parameter, welche zusammen i. d. R. als hydrologische Unsicherheit zusammengefasst werden. Dies liegt vor allem an dem wesentlich heterogeneren Forschungsgegenstand, denn ein Flusseinzugsgebiet besitzt deutlich mehr unabhängige Komponenten als die globale Atmosphäre. Die Zusammenführung meteorologischer und hydrologischer Unsicherheit für eine "seamless prediction" von Abflüssen stellt daher eine erhebliche Schwierigkeit dar und wird in zwei von insgesamt drei Teilen im Projektvorschlag SHIVA angegangen.Der dritte Teil analysiert derartige Vorhersagen auf die jeweiligen Anteile der meteorologischen und hydrologischen Unsicherheit. Diese lassen sich mit der sog. Analysis Of VAriance (ANOVA) quantifizieren. Hierbei gibt es drei wichtige Aspekte.

1) für die ANOVA werden spezielle Prädiktanden für die Kurz-, Mittel- und Langfrist definiert;

2) mögliche Fehlerquellen zeigen sich anhand der Größe jedes Anteils für eine gegebene Vorhersagezeit;

3) der resultierende Zusammenhang zwischen Vorhersagezeit und den Unsicherheitsanteilen liefert ein generelles Bild der prinzipiellen Grenzen der Vorhersagbarkeit von Abflüssen für den gesamten Vorhersagebereich.

Das Einzugsgebiet des Mahanadi (A_E= 141.500km²) im Osten Indiens stellt für diese Fragestellung ein ideales Studienobjekt dar. Erstens, da durch starke Kopplungen zwischen Ozean und Atmosphäre im tropischen Monsungürtel saisonale Vorhersagen überhaupt erst ermöglicht werden (im Gegensatz etwa zu den Bedingungen in den mittleren Breiten). Zweitens sind Abflussvorhersagen für das dortige Wassermanagement generell von höchster Wichtigkeit, und zwar über den gesamten Zeitbereich von täglichen bis zu saisonalen Vorhersagen: beispielsweise für die Hochwasserwarnung, die Steuerung mehrfach genutzter Speicher, sowie das Bewässerungsmanagement.