Alpine Neuschneevorhersage für die Sicherheit von Mensch, Infrastruktur und Transport
Forecasting Alpine snow amounts for the safety of people, infrastructure and transport
Wissenschaftsdisziplinen
Geowissenschaften (40%); Mathematik (60%)
Keywords
-
Snow Depth Forecast,
Model Output Statistics,
Avalanches,
Spatial Effects
Das Ziel dieses Projektes ist, ein automatisiertes System zu entwickeln, um (Neu)schneemengen probabilistisch vorherzusagen. Die Vorhersagen sollen Lawinenwarndienste und Behörden unterstützen um die Sicherheit von Mensch, Infrastruktur und Verkehr zu gewährleisten. Dazu werden Vorhersagen von +12 Stunden bis zu einer Woche in die Zukunft erstellt. Zu diesem Zweck werden neue statistische Modelle entwickelt, welche auf langen Datenreihen von Messungen und numerischen Wettervorhersagen basieren. Damit sollen Schneehöhen an Messstationen und mit Hilfe eines digitalen Höhenmodells auch an beliebigen Orten dazwischen vorhergesagt werden können.
Für viele Bereiche des täglichen Lebens spielt das Wetter eine wichtige Rolle. Speziell dann, wenn es um die Sicherheit von Personen, Gebäuden, und des Transportwesens geht. Für eine Region wie Tirol, gelegen im Herzen der Ostalpen, spielt dabei im Winter der Neuschnee eine spezielle Rolle. Gute Schneebedingungen sind für den Wintertourismus essentiell, das weisse Gold kann aber auch zur starken Behinderungen oder sogar lebensgefährlichen Situationen führen. Im Rahmen dieses Projektes wurde eine Bandbreite an neuen und flexiblen statistischen Verfahren sowie passende Schätzmethoden zur probabilistischen Vorhersage entwickelt. Diese erlauben es, sowohl räumlich als auch zeitlich hochaufgelöste korrigierte Wettervorhersagen für Neuschnee zu erstellen. Die Methoden vergleichen Wettervorhersagen aus physikalisch basierten Wettermodellen und Messungen aus der Vergangenheit und lernen dabei die Struktur der Vorhersagefehler. Die daraus gewonnenen Korrekturen können dann auf die Vorhersage für die nahe Zukunft angewendet werden um die Prognosequalität stark zu verbessern. Aufgrund der komplexen Topographie der Alpen kann sich jedoch das Wetter, beziehungsweise das Klima, zweier Orte stark unterscheiden, selbst wenn nur wenige Kilometer zwischen ihnen liegen. Um diese kleinskaligen Unterschiede zu berücksichtigen und trotzdem alle vorliegende Information zu nutzen verwenden die neuen Verfahren standardisierte Anomalien. Standardisierte Anomalien sind die Abweichungen der Messung vom lokalen Klima, wodurch die Orts- und Zeitabhängigkeit aus den Daten entfernt wird ohne diese Information jedoch zu verlieren. Dadurch lassen sich korrigierte Wetterprognosen für die kommenden Tage für jeden beliebigen Ort und Zeitpunkt innerhalb des untersuchten Gebietes unter der Berücksichtigung des für diesen Ort charakteristischen Klimas beziehungsweise Wetters berechnen.Mit der neu entwickelten Methode sind verlässliche probabilistische Vorhersagen für Temperatur, Niederschlagsmengen sowie Neuschneemengen für jeden Ort und Zeitpunkt in Tirol möglich.
- Universität Innsbruck - 100%
- Thomas Hamill, NOAA - Vereinigte Staaten von Amerika
Research Output
- 341 Zitationen
- 11 Publikationen
-
2016
Titel Ensemble Post-Processing over Complex Terrain Using High-Resolution Anomalies. Typ Conference Proceeding Abstract Autor Stauffer R Konferenz Proceedings of the 31st International Workshop on Statistical Modelling -
2016
Titel Ensemble Postprocessing of Daily Precipitation Sums over Complex Terrain Using Censored High-Resolution Standardized Anomalies DOI 10.1175/mwr-d-16-0260.1 Typ Journal Article Autor Stauffer R Journal Monthly Weather Review Seiten 955-969 Link Publikation -
2015
Titel Somewhere Over the Rainbow: How to Make Effective Use of Colors in Meteorological Visualizations DOI 10.1175/bams-d-13-00155.1 Typ Journal Article Autor Stauffer R Journal Bulletin of the American Meteorological Society Seiten 203-216 Link Publikation -
2017
Titel Spatial ensemble post-processing with standardized anomalies DOI 10.1002/qj.2975 Typ Journal Article Autor Dabernig M Journal Quarterly Journal of the Royal Meteorological Society Seiten 909-916 Link Publikation -
2017
Titel Probabilistic Temperature Post-Processing Using a Skewed Response Distribution. Typ Conference Proceeding Abstract Autor Gebetsberger M Konferenz Proceedings of the 32st International Workshop on Statistical Modelling -
2017
Titel Fine-Tuning Nonhomogeneous Regression for Probabilistic Precipitation Forecasts: Unanimous Predictions, Heavy Tails, and Link Functions DOI 10.1175/mwr-d-16-0388.1 Typ Journal Article Autor Gebetsberger M Journal Monthly Weather Review Seiten 4693-4708 Link Publikation -
2017
Titel Simultaneous Ensemble Postprocessing for Multiple Lead Times with Standardized Anomalies DOI 10.1175/mwr-d-16-0413.1 Typ Journal Article Autor Dabernig M Journal Monthly Weather Review Seiten 2523-2531 Link Publikation -
2018
Titel Hourly probabilistic snow forecasts over complex terrain: a hybrid ensemble postprocessing approach DOI 10.5194/ascmo-4-65-2018 Typ Journal Article Autor Stauffer R Journal Advances in Statistical Climatology, Meteorology and Oceanography Seiten 65-86 Link Publikation -
2016
Titel Non-Homogeneous Boosting for Predictor Selection in Ensemble Post-Processing DOI 10.1175/mwr-d-16-0088.1 Typ Journal Article Autor Messner J Journal Monthly Weather Review Seiten 137-147 Link Publikation -
2016
Titel Heteroscedastic Censored and Truncated Regression with crch. Typ Journal Article Autor Messner Jw -
2016
Titel Spatio-temporal precipitation climatology over complex terrain using a censored additive regression model DOI 10.1002/joc.4913 Typ Journal Article Autor Stauffer R Journal International Journal of Climatology Seiten 3264-3275 Link Publikation