Untersuchungen zu Atlantisch-Europäischen Winterstürmen anhand des operationellen Ensemblevorhersagesystems des EZMW

Abstract

Europäische Winterstürme bergen ein für Europa enormes Schadensrisiko in sich. Eine Abschätzung der Auftrittshäufigkeiten der extremsten Ereignisse ist aufgrund der geringen Anzahl aufgetretener Ereignisse mit großen Unsicherheiten behaftet. In dieser Arbeit wird diese beschränkte Stichprobe an aufgetretenen Ereignissen dadurch vergrößert, indem operationelle Ensemble Wettervorhersagen des EZMW benutzt werden. Damit ist jeder einzelne Tag des betrachteten Zeitraumes bis zu 1020-fach repräsentiert, bestehend aus 51 Ensemblemitgliedern, zwei Initialisierungen pro Tag, und zehn Vorhersagetagen. Diese Studie hat gezeigt, dass das EPS im Mittel gut das jeweilige Sturmklima repräsentiert, womit die Stichprobenvergrößerung mittels des EPS gegenüber bsplw. Reanalysen mit bis zu 1020 skaliert. Eine Schwierigkeit, welche sich aus der Verwendung der Ensemblevorhersagen ergibt, sind Abhängigkeiten zwischen einer Vielzahl von Ereignissen aus den verschiedenen Mitgliedern. Diese Arbeit zeigt zwei Verfahren auf, mit denen das EPS gewinnbringend mittels der Extremwerttheorie verwendet werden kann, um eine gegenüber bisherigen Studien genauere Abschätzung von Auftrittshäufigkeiten von Europäischen Winterstürmen vornehmen zu können. Untersuchungen mit einer entsprechenden Zielsetzung unter Benutzung von statistisch erzeugten Stichproben von einigen zehntausend Ereignissen gibt es bereits. Der große Unterschied des hier verwendeten Ansatzes besteht darin, dass sämtliche darin verwendeten Ereignisse auf einem ”echten“ physikalisch konsistenten Modell, also einem operationell verwendeten numerischen Wettervorhersagemodell, basieren, und damit auch alternative Entwicklungen mit in Betracht gezogen werden, welche durch rein statistische Ansätze nicht erzeugt werden können. Die Stichprobengröße, welche für die Extremwertstatistik genutzt wird, übertrifft mit 160.000 Ereignissen dabei deutlich die bisheriger Studien. Die Studie zeigt bzgl. der Anzahl und räumlichen Verteilung der Stürme ein zu ERA- Interim vergleichbares Ergebnis, jedoch mit einer leichten Unterschätzung des Sturmschadenpotentials. Der Gewinn des EPS konnte anhand eines Sturmzuordnungsverfahrens quantifiziert werden. Aufgrund der enormen Datenmenge kann das EPS gut für Untersuchungen charakteristischer Eigenschaften von Stürmen herangezogen werden, welche in beobachtungsnahen Datensätzen aufgrund der beschränkten statistischen Basis nicht identifizierbar sind.

European winter storms are among the most risky and damaging natural hazards for Europe. An estimation of the frequency of occurrence includes large uncertainties owing to the small number of severe events occurring. The idea behind this thesis is to increase this limited number of events using ensemble predictions from the operational Ensemble Prediction System of the ECMWF. Thus it is possible to represent each single day by up to 1020 forecast days, using 51 ensemble members, initialized twice a day, over ten forecast days. This study shows that the EPS represents the specific storm climate well in the average, which makes it possible to increase the sample size for storm risk assessments by the same factor of 1020. A difficulty by using the ensemble prediction is the fact that it includes a number of representations of a single event, which are not independent. Such dependencies have to be taken into account in order to use the dataset for extreme value statistics. Two methods are presented, which allow to use the EPS for estimations of return periods of severe winter storms with a higher certainty compared to conventional methods. Studies with a comparable aim like in this study exist already, based on statistically generated samples of about a ten thousand events. The big difference of this approach is the fact that all of the events used in this study are produced by an operational weather prediction model, which is physically consistent. This makes it possible that events with an alternative development are taken into account, what is not possible to predict from purely statistical models. The sample size used in this study for the estimation of return periods is about 160.000 events and much larger than in studies with a comparable aim. The number and spatial distribution of the events is comparable to the ERA-Interim data, but this ECMWF Reanalysis show a slightly underestimation of potential storm damages. Based on the enormous amount of data, the EPS is applicable to investigate characteristic features of storms in cases for which observation near datasets are not able to reproduce typical properties due to a limited statistical basis.