Forschungsprojekt ::

Towards the assimilation of dual-polarization radar data

Projektbeschreibung

Eine der Schwierigkeiten bei der Assimilierung von Dual-Polarisations-Radardaten ist der sogenannte Modellfehler. Die Quantifizierung des Modellfehlers ist für die Datenassimilation unerlässlich, da sie eine Voraussetzung für eine optimale Gewichtung zwischen Beobachtungen und früheren Vorhersagen (Prior, Background) und damit für die Berechnung der Analyse ist. In diesem Projekt konzentrieren wir uns auf den Einsatz moderner Methoden des stochastischen neuronalen Netzes, die auf maschinellem Lernen (ML) basieren, um den Modellfehler von mikrophysikalischen Schemata abzuschätzen und die Darstellung von Wolken und Niederschlag in der Analyse und in nachfolgenden Vorhersagen zu verbessern. Wir erwarten, dass die bessere Darstellung konvektiver Stürme aufgrund der Assimilation dieses neuen Datensatzes zu einer besseren Vorhersage von Hochwasserereignissen führen wird, deren Intensität und Häufigkeit aufgrund des Klimawandels zunehmen.

Englische Projektbeschreibung siehe den Link: https://www.dwd.de/EN/research/researchprogramme/idea_s4s_network/science_for_service/project_t_pol/project_t_pol.html