Open Access

Andreas Wagner

• State-of-the-art distributed hydrological models require high quality and high resolution precipitation input in space and time. This applies especially to urban areas with sewage systems, a high degree of soil sealing and limited retention areas. Weather radar systems largely fulfill these requirements and are chosen in this work as a very promising device for precipitation measurement. If datasets of precipitation measurements show a poor quality, their time series are too short or they are not even available, then the simulation of precipitation by state-of-the-art Regional Climate Models (RCM) may close this gap. Nowadays, high resolution simulations are able to provide similar resolutions in space and time as radar data do. The present work investigates the performance and the limitations of radar measurement and high resolution RCM simulations regarding the spatiotemporal variability of precipitation. The specific objectives are the investigation of systematic effects in radarState-of-the-art distributed hydrological models require high quality and high resolution precipitation input in space and time. This applies especially to urban areas with sewage systems, a high degree of soil sealing and limited retention areas. Weather radar systems largely fulfill these requirements and are chosen in this work as a very promising device for precipitation measurement. If datasets of precipitation measurements show a poor quality, their time series are too short or they are not even available, then the simulation of precipitation by state-of-the-art Regional Climate Models (RCM) may close this gap. Nowadays, high resolution simulations are able to provide similar resolutions in space and time as radar data do. The present work investigates the performance and the limitations of radar measurement and high resolution RCM simulations regarding the spatiotemporal variability of precipitation. The specific objectives are the investigation of systematic effects in radar data and the development of statistical correction algorithms to improve precipitation estimates from radar data. The main innovation regarding the investigation of radar measurements is the long term observation of systematic effects in radar products of the German Met. Service (DWD) based on accumulated radar images. The net effect of these systematic deficiencies are analyzed and used to develop new statistical post-correction schemes which are also applicable to composite radar products. In addition, the added value of high resolution RCM modeling with WRF (Weather Research and Forecasting Model) including the influence of key land surface properties on simulation results of precipitation is investigated. As new features, a new WRF setup for high resolution simulations in Germany is identified. Based on different simulations, the influence of topography, convection parametrization and the application of an Urban Canopy Model (UCM) with respect to the added value of high resolution simulations is evaluated. In order to identify systematic effects in single radar data as well as additional effects in the German radar composite, a multi-annual analysis of radar data of DWD from 2000 to 2009 is performed. These effects are described and analyzed in this work regarding their dependences on time and reflectivity level. The most striking feature is the dependence of radar measurements on the altitude. On an annual basis, a robust linear relationship can be observed for all radar systems, whereas for shorter temporal scales a higher variability become apparent. Besides effects such as overshooting, partial beam filling and growing range-bin sizes, the dependence of the reflectivity on the state of aggregation of water drops and thus the dependence on temperature mainly cause this feature. Consequently, the winter half year is more affected, not only by a reduction of the reflectivity signal but also by an absence of precipitation echoes. Further systematic effects are caused by clutter remnants, shading behind obstacles and the way of compositing single radar data. Subsequently, the identified effects and their dependences are then implemented into statistical corrections to eliminate these effects. Four modules are developed to capture these effects namely the altitude correction, the correction of spokes due to shading effects, the adjustment to rain gauge data and clutter correction. The correction schemes are robust, produces reliable precipitation patterns and show significant improvements compared to uncorrected radar data for the annual time scale. With shorter time steps the spatiotemporal variability of precipitation increases significantly and thus the correction algorithm becomes more error-prone. However, the RMSE values for hourly and 5-minute rain amounts compared to available rain gauge data are improved by the applied corrections, both in space and time. To tackle the objectives of the high resolution RCM simulations, several simulations in two investigation areas in northern Germany (22000 km²) and southern Germany (15000 km²) with grid sizes of 15 km, 5 km and 1 km are performed from June 2005 to May 2006. The simulation results are compared to the new, above mentioned corrected radar dataset and to interpolated rain gauge data. According to the obtained results, a 15 km grid size is hardly able to represent precipitation patterns adequately, in particular in complex terrain, whereas significant improvements of simulation results are observed for grid sizes of 5 km and 1 km. Smaller grid sizes than 5 km are only obviously superior for higher rain intensities. The influence of convection parametrization based on the 5 km grid size becomes obvious for simulated spatial precipitation patterns and the dry hour probability. Nevertheless, a similar quality can be achieved with and without convection parametrization. The impact of the topography becomes apparent in complex terrain, where the localization of precipitation maxima are better realized with smaller grid sizes, but the maxima are overestimated, simultaneously. An improvement of simulated spatial precipitation patterns can be achieved by the additional application of an UCM, although its influence is minor compared to model resolution or convection parametrization. In general, both, weather radar and high resolution RCM simulations have a high potential to capture the spatiotemporal variability of precipitation. For the weather radar, individual radar image corrections as well as post-corrections have to be applied to minimize systematic effects. High resolution simulations are able to represent the diurnal cycle of precipitation as well as the structure and the intensity distribution of precipitation well. The simulation of the exact locations of precipitation maxima and the temporal accordance with validation datasets is moderate and must be improved in future studies. In this respect, simulations cannot compete with radar data.…
• Aktuelle diskretisierte hydrologische Modelle erfordern einen Niederschlagsinput von hoher Qualität und hoher räumlicher und zeitlicher Auflösung. Dies gilt insbesondere für Stadtgebiete mit Abwassersystemen, einem hohen Versiegelungsgrad und begrenzten natürlichen Rückhalteflächen. Wetterradarsysteme werden den genannten Anforderungen gerecht und daher in dieser Studie als vielversprechendes Niederschlagsmesssystem verwendet. Sollten die Niederschlagsmessungen jedoch eine unzureichende Qualität aufweisen, ihre Zeitreihen zu kurz sein oder Messungen komplett fehlen, können Regionale Klimamodelle (RCM) diese Lücke schließen. Heutzutage können hochaufgelöste Simulationen ähnliche Auflösungen in Raum und Zeit wie Radardaten liefern. Die vorliegende Arbeit untersucht Leistungsfähigkeit und Grenzen von Radarmessung und hochaufgelösten RCM-Simulationen hinsichtlich der räumlich-zeitlichen Variabilität des Niederschlags. Konkret werden systematische Fehler und Effekte in RadardatenAktuelle diskretisierte hydrologische Modelle erfordern einen Niederschlagsinput von hoher Qualität und hoher räumlicher und zeitlicher Auflösung. Dies gilt insbesondere für Stadtgebiete mit Abwassersystemen, einem hohen Versiegelungsgrad und begrenzten natürlichen Rückhalteflächen. Wetterradarsysteme werden den genannten Anforderungen gerecht und daher in dieser Studie als vielversprechendes Niederschlagsmesssystem verwendet. Sollten die Niederschlagsmessungen jedoch eine unzureichende Qualität aufweisen, ihre Zeitreihen zu kurz sein oder Messungen komplett fehlen, können Regionale Klimamodelle (RCM) diese Lücke schließen. Heutzutage können hochaufgelöste Simulationen ähnliche Auflösungen in Raum und Zeit wie Radardaten liefern. Die vorliegende Arbeit untersucht Leistungsfähigkeit und Grenzen von Radarmessung und hochaufgelösten RCM-Simulationen hinsichtlich der räumlich-zeitlichen Variabilität des Niederschlags. Konkret werden systematische Fehler und Effekte in Radardaten betrachtet und statistische Korrekturalgorithmen entwickelt, um die Niederschlagsbestimmung aus Radardaten zu verbessern. Die wichtigste Innovation hinsichtlich der Untersuchung von Radarmessungen ist die langfristige Beobachtung systematischer Effekte bei Radarprodukten des Deutschen Wetterdienstes (DWD) auf Basis akkumulierter Radarbilder. Der Nettoeffekt dieser systematischen Mängel dient der Entwicklung neuer statistischer Post-Korrektursysteme, die auch für Kompositradarprodukte gelten. Darüber hinaus wird der Mehrwert der hochaufgelösten RCM-Modellierung mit WRF (Weather Research and Forecasting Model) einschließlich des Einflusses der wichtigsten Landoberflächeneigenschaften auf die Niederschlags-Simulationsergebnisse untersucht. Als Neuerungen werden zum einen ein neues WRF-Setup für hochaufgelöste Simulationen in Deutschland identifiziert. Zum anderen, wird basierend auf verschiedenen Simulationen, der Einfluss der Topographie, der Konvektionsparametrisierung und der Anwendung eines Stadtmodells in Bezug auf den Mehrwert hochauflösender Simulationen ausgewertet. Die Analyse von Radardaten basiert auf Daten des DWD von 2000 bis 2009, um systematische Effekte in Einzelradardaten sowie zusätzliche Effekte im deutschen Radarkomposit zu identifizieren. Diese Effekte werden in dieser Arbeit hinsichtlich ihrer Abhängigkeit von Zeit und Reflektivitätsniveau beschrieben und ausgewertet. Auffällig ist die Abhängigkeit von Radarmessungen von der Messhöhe. Auf jährlicher Basis zeigt sich für alle Radarstandorte eine robuste lineare Beziehung, während bei kürzeren zeitlichen Skalen eine höhere Variabilität sichtbar wird. Dies beruht auf der Abhängigkeit der Reflektivität vom Aggregatzustand des Wassers und damit der Abhängigkeit von der Temperatur. Daneben tragen die Messung in Höhen, in denen die Radarvoxel nur noch teilweise oder gar nicht mehr mit Niederschlag gefüllt sind, und die generelle Vergrößerung der Radarvoxel mit der Entfernung vom Radar zu dieser Variabilität bei. Infolgedessen ist das Winterhalbjahr sowohl durch verringerte Reflektivitätssignale als auch durch ausbleibende Niederschlagsechos stärker betroffen. Weitere systematische Effekte werden durch Clutterreste, Abschattungseffekte hinter Hindernissen sowie die Art und Weise der Kompositierung von Einzelradardaten verursacht. Um diese Effekte zu eliminieren, werden sie und ihre Abhängigkeiten in statistische Korrekturen umgesetzt. Die vier neu entwickelten Module sind: die Höhenkorrektur, die Korrektur von Speichen durch Abschattungseffekte, die Aneichung an Stationsdaten und die Clutterkorrektur. Die Korrekturschemata sind robust, produzieren zuverlässige Niederschlagsmuster und zeigen deutliche Verbesserungen gegenüber unkorrigierten Radardaten auf jährlicher Zeitskala. Bei kürzeren Zeitschritten nimmt die räumlich-zeitliche Variabilität des Niederschlags deutlich zu, womit der Korrekturalgorithmus fehleranfälliger wird. Trotzdem werden die RMSE-Werte für stündliche und fünf-minütige Regenmengen im Vergleich zu den verfügbaren Regenmessdaten durch die Korrekturen sowohl räumlich als auch zeitlich verbessert. Zum Erreichen der Ziele der hochauflösenden RCM-Simulationen werden von Juni 2005 bis Mai 2006 verschiedene Simulationen in zwei Untersuchungsgebieten in Norddeutschland (22000 km²) und Süddeutschland (15000 km²) mit Rastergrößen von 15 km, 5 km und 1 km durchgeführt. Die Simulationsergebnisse werden mit dem neuen korrigierten Radardatensatz und mit interpolierten Stationsdaten verglichen. Demnach ist eine Rastergröße von 15 km kaum in der Lage, Niederschlagsmuster adäquat, insbesondere im komplexen Gelände, darzustellen, während für Rastergrößen von 5 km und 1 km deutlich bessere Simulationsergebnisse beobachtet werden. Kleinere Rastergrößen als 5 km sind nur bei höheren Regenintensitäten offensichtlich überlegen. Der Einfluss der Konvektionsparametrisierung basierend auf der 5 km Gittergröße wird für simulierte räumliche Niederschlagsmuster und die Trockenzeitwahrscheinlichkeit auf stündlicher Basis deutlich. Trotzdem ist die erzielte Qualität mit und ohne Konvektionsparametrisierung ähnlich. Der Einfluss der Topographie wird im komplexen Gelände sichtbar: hier werden die Niederschlagsmaxima mit kleineren Rastergrößen besser lokalisiert, auch wenn die Maxima gleichzeitig überschätzt werden. Eine Verbesserung der simulierten räumlichen Niederschlagsmuster kann durch die zusätzliche Anwendung eines Stadtmodells erreicht werden, obwohl dessen Einfluss im Vergleich zur Modellauflösung oder Konvektionsparametrisierung gering ist. Im Allgemeinen haben sowohl das Wetterradar als auch die hochauflösenden RCM Simulationen ein hohes Potential, die räumlich-zeitliche Variabilität des Niederschlags zu erfassen. Für das Wetterradar müssen individuelle Radarbildkorrekturen sowie Post-Korrekturen angewendet werden, um systematische Effekte zu minimieren. Hochauflösende Simulationen sind in der Lage, den täglichen Zyklus des Niederschlags sowie die Struktur und die Intensitätsverteilung des Niederschlags gut darzustellen. Die Simulation der genauen Lokalisierungen der Niederschlagsmaxima und die zeitliche Übereinstimmung mit Validierungsdatensätzen ist mäßig und muss in zukünftigen Studien verbessert werden. Diesbezüglich können Simulationen nicht mit Radardaten konkurrieren.…