Open Access

Tanja Christina Portele

• The increasing tension within the water-energy-food nexus in face of climate change requires the sustainable use and management of available water resources. This is particularly relevant in semi-arid regions of South America, Africa and West Asia: already, these regions are facing high precipitation variability, and are additionally exposed to high population growth rates, politically induced unsustainable use of water resources, and transboundary water management conflicts. It is shown that for the climate-sensitive regions of Northeast Brazil, Iran, West Africa, and Northeast Africa, the relative frequency of droughts has increased significantly from 10 to 30 % in recent decades. This calls for proactive measures to aid climate proofing and mitigate climate risks. For water allocation during drought or for flood control, improved knowledge of the upcoming rainy season in semi-arid regions can be the basis for a more robust and sustainable water management. Here, seasonal forecastsThe increasing tension within the water-energy-food nexus in face of climate change requires the sustainable use and management of available water resources. This is particularly relevant in semi-arid regions of South America, Africa and West Asia: already, these regions are facing high precipitation variability, and are additionally exposed to high population growth rates, politically induced unsustainable use of water resources, and transboundary water management conflicts. It is shown that for the climate-sensitive regions of Northeast Brazil, Iran, West Africa, and Northeast Africa, the relative frequency of droughts has increased significantly from 10 to 30 % in recent decades. This calls for proactive measures to aid climate proofing and mitigate climate risks. For water allocation during drought or for flood control, improved knowledge of the upcoming rainy season in semi-arid regions can be the basis for a more robust and sustainable water management. Here, seasonal forecasts with forecast horizons up to seven months ahead can offer great opportunities to support regional water management. State-of-the-art seasonal forecasting systems already reach resolutions that are suitable for regional applications, e.g., the latest seasonal forecasting system version 5 (SEAS5) of the European Centre for Medium-Range Weather Forecasts (ECMWF) with a horizontal resolution of 36 km. Indeed, with skillful and reliable forecasts for the coming months, decision-makers in the water, agriculture, and energy sectors could induce a more timely, proactive and sustainable reservoir management and seed selection, thereby reducing damage and loss. Decision-makers, however, often still hesitate to use seasonal forecasts claiming their lack of reliability and the inherent uncertainty due to their probabilistic nature. In many cases, statistical performance measures for forecast quality cannot provide actual decision support. Therefore, the potential economic value (PEV) is implemented demonstrating the possible relative savings when basing decisions for preventative water management action on seasonal forecasts compared to optimal early action. This measure of forecast value therewith demonstrates the economic benefit of integrating seasonal forecasts in decisions incorporating the user’s cost-loss situation and the fore- cast probability. The methodology used in this study allows the use of unprocessed global seasonal forecasts for regional analysis. It is shown that a proactive approach based on seasonal forecasts in the case of droughts can achieve potential economic savings of up to 70 % of those from optimal early action. For very warm months and droughts, savings of at least 20 % are achieved even with forecast horizons of up to seven months ahead. For one particular large dam in Sudan, the Upper-Atbara Dam, the savings are explicitly quantified in monetary terms if the dam was operated with early drought mitigation. In fact, avoidable losses of 16 Mio US$ are revealed in one example year. Though shown to provide substantial economic value to users, for some applications, the seasonal forecasts SEAS5 are still not applicable. If absolute values and high spatial resolution are required, the global seasonal forecasts need to be corrected for biases and model drifts with increasing forecast horizon (lead time), and a spatial refinement is required. In this study, the forecast quality of global seasonal forecasts is considerably improved regionally with statistical correction methods of quantile mapping for daily data. In this approach, more than 100 000 forecast days are corrected for each of the 25 (until 2016) and 51 (since 2017) ensemble members of a 1981-2019 reforecast period for each of the five analyzed variables. The forecast thus provides more accurate information about future precipitation amounts, temperatures and incoming solar radiation, allowing a concrete decision support in practice. Monthly forecast biases and lead-dependent drift effects of up to 4 mm d1 and 2 K are corrected and the forecasts are spatially disaggregated to the higher resolution of 0.1 of the reanalysis dataset ERA5-Land, further increasing the agreement of spatial patterns with ERA5-Land com- pared to the raw forecasts. The computational efficiency of this approach allows to provide region-tailored, corrected hydrometeorological seasonal forecasts for the study regions in Northeast Brazil, Sudan/Ethiopia and Iran operationally in an online decision support system (viewer). In addition to statistical approaches, spatial refinement to higher spatial resolution and reduction of global model errors can be achieved through dynamical downscaling with regional climate models. The dynamical approach has the advantage of resolving or better representing smaller-scale processes that are not captured in the global model products, and thereby reducing possible model biases. Therefore, the potential of a physically-based refinement approach is investigated. In particular, the dependence on the physical parameters in the atmospheric model, which are known to determine the quality of the hydrometeorological information produced, is analyzed. For this purpose, the Weather Research and Forecasting (WRF) model is applied to dynamically downscale reanalysis data in the climatically sensitive study regions of Ecuador/Peru and Brazil with different parameterization setups. Downscaling is performed to a horizontal resolution of 9 km for both domains, and to an additional 3 km for the orographically highly complex domain of Ecuador/Peru. This study reveals that a high uncertainty in the simulated precipitation is introduced with the combination of physical parameterizations of four different cumulus convection (CU) physics, two microphysics (MP), two planetary boundary layer (PBL) physics and two radiation (RA) physics schemes (32 parameterization runs in total). Up to four times the monthly reference precipitation can be modeled according to different setups. A special focus of this study is on spatial patterns, which are analyzed in detail using an ensemble-tailored evaluation approach via the eSAL metric. The pooled results from ensemble-tailored distributional, temporal and the spatial pattern evaluation metrics reveal that the CU schemes, followed by the RA schemes, produce the dominant tendencies in the simulated precipitation within the WRF ensemble (too dry/wet, too large/small precipitation features etc.). No single setup is found to be superior, but the metrics allow for appropriate se- lection based on application needs and reference data. Future application of the setup to SEAS5 seasonal forecasts is proving to be less than straightforward. The double random perturbation of the initial conditions of SEAS5 impedes a necessary selection of ensemble members to reduce the computational cost of the dynamical downscaling. Since the parameterization sensitivity study also shows that biases still exist after dynamical downscaling compared to the reference, whether in distributional, temporal, or spatial patterns, additional dynamical downscaling of long reforecast periods would be required for post-processing, adding an immense computational cost. This work therewith demonstrates the opportunities and highlights the challenges in using seasonal forecasts for decision support in water resources management, and in refining and correcting these forecasts for impact studies and direct operational applications. It enables the final transfer of acquired scientific knowledge into practice and provides the tools to actively contribute to sustainable water resources management in semi-arid regions that urgently need adaptation and mitigation strategies to combat the impacts of climate change and policy-driven water use and management challenges. It turns out that global datasets of seasonal forecasts and reanalyses can provide concrete value for decision support, but depending on the application, further post-processing is needed to make these data regionally usable.…
• Die zunehmende Spannung innerhalb des Wasser-, Energie-, und Ernährungssicherheitsnexus angesichts des Klimawandels erfordert die nachhaltige Nutzung und Bewirtschaftung der verfügbaren Wasserressourcen. Dies ist vor allem in den semiariden Regionen Südamerikas, Afrikas und Westasiens von Bedeutung: Diese Regionen sind bereits jetzt einer hohen Niederschlagsvariabilität ausgesetzt und haben zudem mit hohen Bevölkerungswachstumsraten, politisch veranlasster nicht-nachhaltiger Nutzung von Wasserressourcen und grenzüberschreitenden Wasserbewirtschaftungskonflikten zu kämpfen. Diese Arbeit zeigt, dass in den klimasensiblen Regionen Nordostbrasiliens, Irans, Westafrikas und Nordostafrikas die relative Häufigkeit von Dürren in den letzten Jahrzehnten von 10 auf 30 % gestiegen ist. Diese Entwicklung verlangt nach proaktiven Maßnahmen zur Unterstützung des Klimaschutzes und zur Minderung von Klimarisiken. Für die Wasserverteilung während einer Dürre bzw. für den Hochwasserschutz kann eineDie zunehmende Spannung innerhalb des Wasser-, Energie-, und Ernährungssicherheitsnexus angesichts des Klimawandels erfordert die nachhaltige Nutzung und Bewirtschaftung der verfügbaren Wasserressourcen. Dies ist vor allem in den semiariden Regionen Südamerikas, Afrikas und Westasiens von Bedeutung: Diese Regionen sind bereits jetzt einer hohen Niederschlagsvariabilität ausgesetzt und haben zudem mit hohen Bevölkerungswachstumsraten, politisch veranlasster nicht-nachhaltiger Nutzung von Wasserressourcen und grenzüberschreitenden Wasserbewirtschaftungskonflikten zu kämpfen. Diese Arbeit zeigt, dass in den klimasensiblen Regionen Nordostbrasiliens, Irans, Westafrikas und Nordostafrikas die relative Häufigkeit von Dürren in den letzten Jahrzehnten von 10 auf 30 % gestiegen ist. Diese Entwicklung verlangt nach proaktiven Maßnahmen zur Unterstützung des Klimaschutzes und zur Minderung von Klimarisiken. Für die Wasserverteilung während einer Dürre bzw. für den Hochwasserschutz kann eine bessere Vorhersage über die bevorstehende Regenzeit in semiariden Regionen die Grundlage für ein robusteres und nachhaltigeres Wassermanagement bilden. Hier eröffnen saisonale Vorhersagen mit Vorhersagehorizonten von bis zu sieben Monaten im Voraus große Möglichkeiten zur Unterstützung des regionalen Wassermanagements. Moderne saisonale Vorhersagesysteme erreichen bereits Auflösungen, die für regionale Anwendungen geeignet sind, z. B. das neueste saisonale Vorhersagesystem Version 5 (SEAS5) des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF) mit einer horizontalen Auflösung von 36 km. Mit leistungsfähigen und zuverlässigen Vorhersagen für die kommenden Monate könnten Entscheidungsträger im Wasser-, Landwirtschafts- und Energiesektor das Management von Wasserreservoirs und die Auswahl von Saatgut zeitnaher, proaktiver und nachhaltiger gestalten und so Schäden und Verluste verringern. Entscheidungsträger zögern jedoch oft noch, saisonale Vorhersagen zu verwenden, und verweisen auf deren mangelnde Zuverlässigkeit und die ihnen innewohnende Unsicherheit aufgrund ihres wahrscheinlichkeitsbasierten Charakters. In vielen Fällen können statistische Leistungskennzahlen für die Vorhersagequalität keine wirkliche Entscheidungshilfe bieten. Daher wird der potenzielle wirtschaftliche Wert (PEV) eingeführt. Dieser zeigt die möglichen relativen Einsparungen auf, wenn Entscheidungen für vorbeugende wasserwirtschaftliche Maßnahmen auf saisonale Vorhersagen gestützt werden, im Vergleich zu optimalen frühzeitigen Maßnahmen. Dieses Maß für den Prognosewert zeigt damit den wirtschaftlichen Nutzen der Einbeziehung von saisonalen Vorhersagen in Entscheidungen unter Berücksichtigung der Kosten-Verlust-Situation des Nutzers und der Vorhersagewahrscheinlichkeit. Die in dieser Arbeit angewandte Methodik ermöglicht die Verwendung unbearbeiteter globaler saisonaler Vorhersagen für regionale Analysen. Es wird gezeigt, dass ein proaktiver Ansatz auf der Grundlage von saisonalen Vorher- sagen im Falle von Dürreperioden potenzielle wirtschaftliche Einsparungen von bis zu 70 % derjenigen von optimalen frühzeitigen Maßnahmen erzielen kann. In sehr warmen Monaten und bei Dürreperioden werden sogar bei einem Vorhersagehorizont von bis zu sieben Monaten im Voraus noch Einsparungen von mindestens 20 % erzielt. Für einen ausgewählten Großstaudamm im Sudan, den Upper-Atbara-Damm, werden die Einsparmöglichkeiten explizit in Geldwerten beziffert, wenn der Damm mit frühzeitigen Maßnahmen zur Dürrebekämpfung betrieben würde. Tatsächlich werden dabei in einem Beispieljahr vermeidbare Verluste von 16 Mio US$ festgestellt. Obwohl sie den Nutzern nachweislich einen erheblichen wirtschaftlichen Vorteil bieten, sind die saisonalen Vorhersagen SEAS5 für einige Anwendungen noch immer nicht geeignet. Wenn absolute Werte und eine hohe räumliche Auflösung erforderlich sind, müssen die globalen saisonalen Vorhersagen um Verzerrungen und Modelldrift mit zunehmendem Vorhersagehorizont (Vorlaufzeit) korrigiert werden, und es bedarf einer räumlichen Verfeinerung. In dieser Studie wird die Vorhersagequalität globaler saisonaler Vorhersagen mit statistischen Korrekturmethoden der Quantilabbildung (Quantile Mapping) für tägliche Daten regional bedeutend verbessert. Dabei werden mehr als 100.000 Vorhersagetage für jedes der 25 (bis 2016) und 51 (seit 2017) Ensemblemitglieder des Vorhersagezeitraums 1981-2019 für jede der fünf analysierten Variablen korrigiert. Die Vorhersage liefert damit genauere Informationen über zukünftige Niederschlagsmengen, Temperaturen und die einfallende Sonnenstrahlung, und ermöglicht so eine konkrete Entscheidungshilfe in der Praxis. Monatliche Vorhersageverzerrungen und vorlaufzeitabhängige Drifteffekte von bis zu 4 mm d-1 und 2 K werden korrigiert, und die Vorhersagen werden räumlich auf die höhere Auflösung von 0,1 des Reanalysedatensatzes ERA5-Land disaggregiert, wodurch die Übereinstimmung der räumlichen Muster mit ERA5-Land im Vergleich zu den Rohvorhersagen weiter verbessert wird. Die rechnerische Effizienz dieses Ansatzes ermöglicht es, regional angepasste, verbesserte hydrometeorologische saisonale Vorhersagen für die Untersuchungsregionen in Nordostbrasilien, Sudan/Äthiopien und im Iran in einem Online-Entscheidungsunterstützungssystem (Viewer) bereitzustellen. Zusätzlich zu dem statistischen Ansatz kann eine räumliche Verfeinerung auf eine höhere räumliche Auflösung und die Verringerung der Fehler globaler Modelle durch dynamisches Downscaling mit regionalen Klimamodellen erreicht werden. Der dynamische Ansatz hat den Vorteil, dass er kleinskalige Prozesse, die in den globalen Modellprodukten nicht erfasst werden, auflöst bzw. besser darstellt und dadurch mögliche Modellfehler reduziert. Daher wird in dieser Arbeit auch das Potenzial eines physikalisch basierten Verfeinerungsansatzes untersucht. Insbesondere wird die Abhängigkeit von den physikalischen Parametern im Atmosphärenmodell analysiert, die bekanntlich die Qualität der erzeugten hydrometeorologischen Informationen bestimmen. Dazu wird das Weather Research and Forecasting (WRF) Modell zum dynamischen Downscaling von Reanalysedaten in den klimatisch sensiblen Untersuchungsregionen Ecuador/Peru und Brasilien mit unterschiedlichen Parametrisierungssetups eingesetzt. Das Downscaling wird für beide Gebiete mit einer horizontalen Auflösung von 9 km und für das orografisch hochkomplexe Gebiet von Ecuador/Peru mit einer zusätzlichen Auflösung von 3 km durchgeführt. Diese Studie zeigt, dass die Kombination von unterschiedlichen physikalischen Parametrisierungen mit vier Schemata für die Kumuluskonvektion (CU), je zwei für die Mikrophysik (MP), planetare Grenzschicht (PBL) und Strahlung (RA) (insgesamt 32 Parametrisierungen) eine hohe Unsicherheit in den simulierten Niederschlag einbringt. Dabei kann bis zum Vierfachen des monatlichen Referenzniederschlags mit verschiedenen Konfigurationen modelliert werden. Ein besonderer Schwerpunkt dieser Studie liegt auf den räumlichen Mustern, die mit einem auf Ensemble zugeschnittenen Bewertungsansatz über die Metrik eSAL im Detail analysiert werden. Die zusammengefassten Ergebnisse für Verteilungs-, zeitliche und räumliche Muster zeigen, dass die CU-Schemata, gefolgt von den RA-Schemata, die dominierenden Tendenzen des simulierten Niederschlags innerhalb des WRF- Ensembles erzeugen (zu trocken/nass, zu große/kleine Niederschlagsmuster usw.). Ins- gesamt hat sich keine einzige Konfiguration als deutlich überlegen erwiesen, aber die angewandten Metriken ermöglichen eine angemessene Auswahl auf der Grundlage der Anwendungsanforderungen und der Referenzdaten. Eine zukünftige Übertragung des Setups auf die saisonalen Vorhersagen von SEAS5 erweist sich jedoch als nicht ganz einfach. Die doppelte zufällige Störung der Anfangsbedingungen von SEAS5 erschwert eine notwendige Auswahl von Ensemblemitgliedern, um den Rechenaufwand des dynamischen Downscaling zu reduzieren. Da die Studie zur Sensitivität der Parametrisierung auch zeigt, dass nach dem dynamischen Downscaling im Vergleich zur Referenz immer noch Abweichungen bestehen, sei es bei den Verteilungsmustern, den zeitlichen oder den räumlichen Mustern, wäre ein zusätzliches dynamisches Downscaling langer Vorhersagezeiträume in der Vergangenheit für das Post-Processing erforderlich, was einen immensen Rechenaufwand bedeutet. Diese Arbeit zeigt damit die Möglichkeiten auf und stellt die Herausforderungen heraus, die sich bei der Verwendung von saisonalen Vorhersagen zur Entscheidungsunterstützung in der Wasserwirtschaft und bei der Verfeinerung und Korrektur dieser Vorhersagen für Impaktstudien und direkte operationelle Anwendungen ergeben. Sie ermöglicht den finalen Transfer der gewonnenen wissenschaftlichen Erkenntnisse in die Praxis und liefert die erforderlichen Instrumente, um aktiv zu einer nachhaltigen Bewirtschaftung der Wasserressourcen in semiariden Regionen beizutragen. Denn diese Regionen benötigen dringend Anpassungs- und Abmilderungsstrategien, um die Auswirkungen des Klimawandels und die politisch bedingten Herausforderungen der Wassernutzung und -bewirtschaftung zu bekämpfen. Es zeigt sich, dass globale Datensätze mit saisonalen Vorhersagen und Reanalysen einen konkreten Nutzen für die Entscheidungsfindung bieten können, aber je nach Anwendung sind weitere Nachbearbeitungen erforderlich, um diese Daten regional nutzbar zu machen.…