Statistische Nachbearbeitung von ensemble Vorhersagen für verschiedene Wetter Variablen

• Antragstellerin: Dr. Annette Möller
• Fachliche Zuordnung: Physik und Chemie der Atmosphäre ; Statistik und Ökonometrie
• Förderung: Förderung von 2018 bis 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 395388010

Statistische Nachbearbeitsungmodelle für ensemble Vorhersagen aus numerischen Wettermodellen (NWP Modelle) sind bereits eine Standardmethode geworden, um die Zuverlässigkeit und Kalibration der numerischen Vorhersagen zu erhöhen. Es gibt bereits eine Reihe etablierter Modelle, welche zu diesem Zweck eingesetzt werden. Viele Modelle sind allerdings darauf ausgelegt, nur für eine spezifische Wettervariable oder an einem spezifischen Ort oder Zeitpunkt eine probabilistische Vorhersage zu liefern. Multivariate Abhängigkeiten werden dabei oft nicht mit modelliert. Wir planen existierende statistische Nachbearbeitungsmodelle für ensemble Vorhersagenzu erweitern und zu verfeinern, so dass sie zum einen auch für nicht Normalverteilte Wettervariablen geeignet sind und zum anderen auch multivariate Abhängigkeitsstrukturen zwischen Variablen, räumlichen Punkten und Zeitpunkten mit berücksichtigen. Die modellierung von verschiedenen multivariaten Abhängigkeit wird auch in der Wettervorhersage immer wichtiger, da viele Ökonomische und Gesellschaftliche Sektoren angewiesen sind auf physikalisch realistische und kohärente Vorhersagen von diversen Aspekten des Wetters, wie Windgeschwindigkeit, Niederschlag oder auch hydrologischen Vorhersagen wie Wasserdurchflussmenge in einem Fluss oder Kanal. Die Entwicklung multivariater statischer ensemble Nachbearbeitungsmodelle ist derzeit ein sehr aktives Forschungsgebiet. Deshalb planen wir weiterhin unsere neu Entwickelten Modelle in der Statistik Software R zu implementieren und bereits existierende Implementierungen zu vereinheitlichen, so dass auch andere Anwender und Forscher die Möglichkeit haben, bereits existierende Modelle zu verwenden.

• DFG-Verfahren: Wissenschaftliche Netzwerke