Original paper
Assimilation of radar and satellite data in mesoscale models: A physical initialization scheme
Milan, Marco; Venema, Victor; Schü ttemeyer, Dirk; Simmer, Clemens
Meteorologische Zeitschrift Vol. 17 No. 6 (2008), p. 887 - 902
published: Dec 9, 2008
DOI: 10.1127/0941-2948/2008/0340
Open Access (paper may be downloaded free of charge)
Abstract
The quality of numerical precipitation prediction depends on the accuracy of the model reproducing the true initial state of the atmosphere prior to the forecast. Typically a numerical model needs a spin-up time of several hours until its hydrological cycle is established. Assimilation of precipitation data can reduce the spin-up time significantly and consequently opens the possibility of nowcasting with Numerical Weather Prediction (NWP) models. We further enhanced the physical initialisation scheme (PIB, Physical Initialisation Bonn) by Haase (2002) in order to improve quantitative precipitation nowcasting with a high-resolution NWP model. The assimilation scheme takes as an input a radar based precipitation product and a cloud top height field retrieved from satellite observations. During the assimilation window, PIB adjusts the vertical wind, humidity, cloud water, and cloud ice to force the model state towards the measurements. The most distinctive feature of the algorithm is the adjustment of the vertical wind profile in the framework of a simple precipitation generation scheme. In this paper, we present an identical twin experiment, which reveals how the model variables are adjusted during the assimilation window, and which demonstrates the consistency of PIB with the physics of the NWP model. Three case studies with real measurements demonstrate that the scheme improves the forecast of the precipitation patterns, as well as the dynamics of the events. These improvements are found both during the assimilation window and for the first hours of the free forecast.
Kurzfassung
Die Qualität einer numerischen Niederschlagsvorhersage hängt davon ab wie genau das Modell den Zustand der Atmosphäre zu Beginn der Vorhersage wiedergibt. Numerische Wettervorhersagemodelle benötigen meist eine Einschwingzeit von mehreren Stunden bis sich der hydrologische Kreislauf im Modell eingestellt hat. Die Assimilation von Regendaten kann diese Einschwingzeit stark verkürzen und somit Nowcasting mit numerischen Wettervorhersagemodellen (NWV) möglich machen. Wir haben ein physikalisches Initialisierungsschema (PIB, Physical Initialisation Bonn) von HAASE (2002) weiterentwickelt, um die quantitative Niederschlagskurzfristvorhersage mit einem hoch aufgelösten Wettervorhersagemodell zu verbessern. Das Assimilationsschema benutzt als Input ein radarbasiertes Niederschlagsprodukt und Wolkenobergrenze abgeleitet aus Satellitendaten. Während des Assimilationsfensters passt das PIB den Vertikalwind, die Feuchte, das Wolkenwasser und Wolkeneis in der Weise an, dass das Modell die Messungen gut wiedergibt. Das markanteste Merkmal des Algorithmus ist die Anpassung des Vertikalwindprofils im Rahmen eines einfachen Niederschlagsschemas. In diesem Artikel stellen wir ein Identical Twin Experiment vor, welches zeigt, wie die Modellvariablen während der Assimilation angepasst werden. Es belegt die Konsistenz zwischen PIB und Wettervorhersagemodell. Drei Fallstudien mit realen Messungen zeigen die Verbesserung der Vorhersage der Niederschlagsfelder und der Dynamik durch das Schema insbesondere während der Assimilation und während der ersten Stunden der freien Vorhersage.