Der Dynamische Zustandsindex: Berechnung aus Reanalysedaten und Anwendung auf das El Nino-Phänomen

Abstract

Der Dynamische Zustandsindex (DSI) wurde aus ERA40-Reanalysedaten und operationellen Analysedaten des ECMWF berechnet. Dazu wurde ein numerisches Verfahren auf isentropen Flächen entwickelt, das Gradienten spektral berechnet und Interpolationsunsicherheiten früherer Berechnungen vermeidet. Bisher unbekannte räumlich-spektrale Eigenschaften des DSI traten dabei zu Tage: So steigt die räumliche spektrale Dichte des DSI bei Verwendung der operationellen Daten bis zur Auflösungsgrenze immer weiter an. Dies konnte auf spektrale Eigenschaften von Vorticity und Geopotenzial zurückgeführt werden. Einige Konsequenzen, die sich daraus für die Verwendung des DSI in meteorologischen Analysen ergeben, wurden dargelegt. Im zweiten Teil wurde der Index auf ENSO angewendet. Die Zeitreihe der Stärke eines DSI-Dipols im Bereich der Tropopause über dem äquatorialen Pazifik zeigte signifikant höhere Werte im Vorfeld von schweren El Nino-Ereignisse mit einer Vorlaufzeit von ein bis zu drei Jahren.Weitere räumliche und zeitliche Eigenschaften dieses Dynamischen ENSO-Index (DEI) wurden untersucht. Anhand von Näherungen konnte gezeigt werden, dass sich wesentliche Eigenschaften des Index auf das Geopotenzialfeld in 100hPa zurückführen lassen. Es konnten außerdem Zusammenhänge zu La Nina-artigen Zirkulationsmustern und zu Anomalien der nordpazifischen Meeresoberflächentemperaturen (SST) hergestellt werden. Vergleichsrechnungen mit anderen Reanalysedaten und Klimamodellläufen wurden ebenfalls durchgeführt, zeigten allerdings in keinem Fall das bei ERA40 gefundene prognostisches Potenzial. Es konnte gezeigt werden, dass vermutlich unterschiedliche Antworten der Modelle auf die SSTs des subtropischen Nordpazifik der Hauptgrund für diese Unterschiede sind.

The Dynamic State Index (DSI) has been calculated from ERA40 reanalysis and operational data of the ECMWF. A numerical procedure on isentropic surfaces was developed, which calculates spatial derivatives in spectral space and avoids interpolation uncertainties of former calculations. This procedure also revealed unknown spatial-spectral properties of the DSI: For example, the spectral density of the DSI calculated from operational data showed an increase up to the available resolution. This could be explained by spectral properties of Vorticity and Geopotential height. Some consequences on the usage of the DSI in meteorological analysis resulting from that have been discussed. In the second part of the work, the DSI has been applied to the El Nino phenomenon. The time series of the strength of a DSI-dipole located at the tropopause of the equatorial Pacific Ocean showed significant higher values before a severe El Nino had occurred. The leading time varied from one up to three years. Further spatial and temporal characteristics of that Dynamic ENSO Index (DEI) have been investigated. Due to approximations of the DSI, it could be investigated that the essential properties can be reduced to the Geopotential height in 100hPa. Apart from that, connections of the DEI to La Nina-like circulation patterns and northern Pacific SSTs could be shown. Calculations from other reanalysis data such as NCEP, JRA25 and CFSR had been performed for comparison. However, none of them showed the prognostic properties that were present in ERA40-data. Different responses of the models to Northern Pacific SSTs could be identified as a likely reason for the differences.