|
Zweck der Simulation 
|
|
Je besser man
beispielsweise einen Sturm nachträglich simulieren kann, umso besser
versteht man die Vorgänge und man kann schliesslich die gewonnenen
Erkenntnisse in der Praxis für eine bessere Vorhersage (Forecast)
nutzen.
André Walser unterteilt die Ziele der Simulation in zwei Punkte:
| 1. |
Besseres Verständnis der Zyklone im Bezug auf ihre Erstreckung
(horizontal und vertikal), ihre Achse, ihre Intensität und ihren
Verlauf. Weiter möchte man herausfinden, welche Prozesse bei der
Verstärkung und Abschwächung der Zyklone eine Rolle spielten.
|
| 2. |
Im Bezug auf die Simulation selbst möchte man herausfinden, ob eine
höhere Auflösung (siehe unten) bessere Daten liefert.
|
|
|
Unterschied "messen" und "simulieren"
|
|
Messdaten werden
an fixen Stellen erfasst (Punktmessungen) und ergeben einzelne, genaue
Werte der meteorologisch/klimatologisch
interessanten Variablen. Sie sagen aber nichts aus über
die Verhältnisse an einem nahe gelegenen Ort, wo zum Beispiel der Wind
und der Niederschlag ganz andere Werte haben können. Die Variablen
können sich schon in einem kleinen Betrachtungsraum stark unterscheiden
und deshalb sind Punktmessungen für eine weitere Betrachtung nicht
repräsentativ genug.
Bei einer Simulation muss man klar
unterscheiden, ob man eine Vorhersage (zukünftige Entwicklung
unbekannt) macht oder ein Ereignis im Nachhinein (man kennt die
Entwicklung des Vorgangs und nutzt dieses Wissen) simuliert. Eine
Simulation liefert aber immer einen 2- bzw. 3-dimensionalen Output und
beschreibt so eine Fläche oder einen Raum deckend (die Auflösung
kann aber höchstens so gross sein wie das verwendete Rechengitter).
Vorhersage
Beim Forecast ist nur der Anfangszustand
bekannt und das Modell rechnet dann damit in die Zukunft. Temperatur,
Luftdruck, Wind etc., die sich zeitlich verändern, werden mit Hilfe von
vereinfachten Gleichungen, die die Atmospähre beschreiben, berechnet.
Nachträgliche Simulation
Bei
der nachträglichen Simulation ist nicht nur der Anfangszustand bekannt,
sondern auch die Entwicklung, anhand der operationell
erhobenen Messdaten. Am Modellrand werden
die Messdaten eingeschoben (Interpolation der Messdaten). Das Modell
selber unterscheidet sich aber nicht von dem des Forecasts, nur kommen
bei der nachträglichen Simulation noch die laufend erneuerten Messdaten
(Randantrieb) hinzu.
|
meteorologisch:
auf das Wetter und seine Änderung bezogen.
klimatologisch:
auf die Witterungsverhältnisse an einem festen Ort
bezogen.
Auflösung:
je höher die Auflösung, umso "schärfer" und detaillierter
wird das "Bild".
Rechengitter:
der Computer rechnet jeden einzelnen Gitterpunkt des Gitters, das über ein
Gebiet "gelegt" wird. Je engmaschiger das Gitter, umso höher die
Auflösung und desto höher der Rechenaufwand.
operationell:
in regelmässigen Abständen erfasst und sofort an Zentrale
übermittelt.
|
Funktionsweise der "Lothar"-Simulation
|
|
Bei
der nachträglichen Simulation werden, wie bereits erwähnt, die
Messdaten der Entwicklung dem Modell laufend bereitgestellt.
Eine
Auswahl von Messdaten werden in einem sehr komplizierten und aufwendigen
Verfahren (Assimilations-Verfahren) am ECMWF
den Modellen zur Verfügung gestellt. Der Computer rechnet die einzelnen
Gitterpunkte des Rechengitters, das über eine Domain gelegt wurde, und
zusammengefasst entsteht so ein Bild.
Der erste
Run (mit dem HRM)
wies eine Auflösung von 28 km auf, das heisst die
Maschen des Rechengitters sind 28 km gross. Danach wurde das Gebiet
verkleinert und ein 14 km Run (mit dem MC2-Modell)
durchgeführt. Mit dem Output von diesem
kann man das Rechengebiet auf die Schweiz und die nähere Umgebung reduzieren und
schliesslich kann so ein 3 km Run realisiert werden, der auch auf dem
MC2-Modell basiert.
Die "Lothar"-Simulation
an der ETH Zürich rechnet mit dieser Auflösung von 3 km und die
Vertikale wird mit 50 Schichten berücksichtigt. Mit dem Initialzustand
(Anfangszustand) und den ständig erneuerten Messdaten als Basis rechnet
das Modell die Werte der Knotenpunkte aus (Wind, Temperatur, Druck,
Feuchtigkeit etc.). Das Modell hat unter anderen Daten ein Bodenfile zur
Verfügung, das Informationen über die
Orographie, die
Land-Wasser-Anteile und die Vegetationsparameter eines Gebietes
beinhaltet.
Die MC2 Simulationen wurden am Swiss Center for Scientific Computing (CSCS)
der ETH Zürich in Manno TI auf dem NEC SX-4 Computer, einer der
leistungsfähigsten Supercomputer, der in der Schweiz verfügbar ist,
durchgeführt. Er besitzt 12 Prozessoren und 8 Gbyte SSRAM Speicher.
Beipielsweise benötigte der 27 stündige 3 km Lauf eine Rechenzeit von
4,5 Stunden.
|
ECMWF: Europäisches
Zentrum für mittelfristige Wettervorhersage.
Domain:
Rechengebiet, Integrationsgebiet.
Run:
Ablauf des Modelles.
HRM:
High Resolution Model des Deutschen Wetterdienstes (DWD)
MC2:
Mesoscale Compressible Community
Die verschiedenen Domains
Initialisierung von tiefer zu hoher Auflösung
Die Schweizer Topograpie-Daten
Orograpie:
Gebirgs-, Geländebeschreibung.
|
Perfekte Simulation möglich?
|
|
Wiederum
muss man zwischen dem Forecast und der nachträglichen Simulation eines
Ereignisses unterscheiden.
Theorie
Für kurz- und
mittelfristige Prognosen wäre der Anspruch auf 100%-ige Richtigkeit
theoretisch möglich, wenn unendlich viele Messdaten erfasst werden
könnten und diese in einem perfekten Modell verarbeitet würden. Doch
bei einer langfristigen Betrachtung scheitert das Vorhaben perfekter
Prognosen schon in der Theorie. Noch so geringe Abweichungen zu Beginn
der Rechnung können sich in der späteren Entwicklung fatal auswirken
(Chaos-Theorie, Schmetterlingseffekt) und die gesamte Prognose
entscheidend verfälschen, so dass sie schliesslich nutzlos wird.
Praxis
In der Praxis ist heute schon eine 7-Tage-Prognose sehr heikel. Man hat
ja nur eine begrenzte Anzahl Messdaten zur Verfügung, die
Rechenleistungen der Computer sind begrenzt und das perfekte Modell gibt
es nicht, weil die dahinterstehenden Gleichungen nur Annäherungen an
die Realität sein können. Deshalb rechnet das ECMWF nicht nur mit
einem Modell, sondern mit 50 verschiedenen (sogenannte Ensemble-Runs) und anhand der Streubreite
der Runs lässt sich dann als Synthese eine möglichst gute Prognose
erstellen.
Idealfall einer Simulation
Eine nachträgliche
Simulation, wie sie von "Lothar" gemacht wurde, muss für eine
möglichst gute Abhandlung des Ereignisses ein gutes Modell (perfektes
Modell ist nicht möglich) haben und auf möglichst viele Messdaten
zugreifen können. Das gute Modell, ergänzt mit unendlich vielen,
exakten Messdaten (Antrieb am Rand des Modells), würde die Simulation
theoretisch in die richtige Richtung zwingen. Die unendlich vielen,
exakten Messdaten, die alle verrechnet werden können, sind aber
Wunschdenken. Doch eine gute Annäherung an die Wirklichkeit gelingt
auch heute, indem man sich auf die wichtigsten Faktoren beschränkt und
eine gute Auswahl der Messdaten trifft.
|
|
Output der Runs
|
|
Nun können
diverse Animationen und Abbildungen mit Erklärungen und Erläuterungen gezeigt werden, die als Output der
nachträglichen Simulation des Orkans "Lothar" entstanden
sind.
|
Luftdruck 14 km Run um 9 Uhr UTC
Luftdruck-Animation des 3 km Runs (0.25 MB)
Wind-Animation des 3 km Runs (2.3 MB)
Temperatur- und Geopotential-Animation des 14 km Runs (0.9 MB)
Definition Geopotential 
Stabilität der Atmosphäre- und Geopotential-Animation des 14 km Runs (0.8
MB)
|
|
LEHREN
|
|
|
|
