Please use this identifier to cite or link to this item: http://doi.org/10.25358/openscience-3179
Authors: Hogewind, Florian
Title: Raum-zeitliche Analyse der Klimavariabilität anhand von hochaufgelösten interpolierten Klimakarten am Beispiel von Europa (Region VI der Weltorganisation für Meteorologie)
Online publication date: 7-Sep-2011
Year of first publication: 2011
Language: german
Abstract: Klimamontoring benötigt eine operative, raum-zeitliche Analyse der Klimavariabilität. Mit dieser Zielsetzung, funktionsbereite Karten regelmäßig zu erstellen, ist es hilfreich auf einen Blick, die räumliche Variabilität der Klimaelemente in der zeitlichen Veränderungen darzustellen. Für aktuelle und kürzlich vergangene Jahre entwickelte der Deutsche Wetterdienst ein Standardverfahren zur Erstellung solcher Karten. Die Methode zur Erstellung solcher Karten variiert für die verschiedenen Klimaelemente bedingt durch die Datengrundlage, die natürliche Variabilität und der Verfügbarkeit der in-situ Daten.rnIm Rahmen der Analyse der raum-zeitlichen Variabilität innerhalb dieser Dissertation werden verschiedene Interpolationsverfahren auf die Mitteltemperatur der fünf Dekaden der Jahre 1951-2000 für ein relativ großes Gebiet, der Region VI der Weltorganisation für Meteorologie (Europa und Naher Osten) angewendet. Die Region deckt ein relativ heterogenes Arbeitsgebiet von Grönland im Nordwesten bis Syrien im Südosten hinsichtlich der Klimatologie ab.rnDas zentrale Ziel der Dissertation ist eine Methode zur räumlichen Interpolation der mittleren Dekadentemperaturwerte für die Region VI zu entwickeln. Diese Methode soll in Zukunft für die operative monatliche Klimakartenerstellung geeignet sein. Diese einheitliche Methode soll auf andere Klimaelemente übertragbar und mit der entsprechenden Software überall anwendbar sein. Zwei zentrale Datenbanken werden im Rahmen dieser Dissertation verwendet: So genannte CLIMAT-Daten über dem Land und Schiffsdaten über dem Meer.rnIm Grunde wird die Übertragung der Punktwerte der Temperatur per räumlicher Interpolation auf die Fläche in drei Schritten vollzogen. Der erste Schritt beinhaltet eine multiple Regression zur Reduktion der Stationswerte mit den vier Einflussgrößen der Geographischen Breite, der Höhe über Normalnull, der Jahrestemperaturamplitude und der thermischen Kontinentalität auf ein einheitliches Niveau. Im zweiten Schritt werden die reduzierten Temperaturwerte, so genannte Residuen, mit der Interpolationsmethode der Radialen Basis Funktionen aus der Gruppe der Neuronalen Netzwerk Modelle (NNM) interpoliert. Im letzten Schritt werden die interpolierten Temperaturraster mit der Umkehrung der multiplen Regression aus Schritt eins mit Hilfe der vier Einflussgrößen auf ihr ursprüngliches Niveau hochgerechnet.rnFür alle Stationswerte wird die Differenz zwischen geschätzten Wert aus der Interpolation und dem wahren gemessenen Wert berechnet und durch die geostatistische Kenngröße des Root Mean Square Errors (RMSE) wiedergegeben. Der zentrale Vorteil ist die wertegetreue Wiedergabe, die fehlende Generalisierung und die Vermeidung von Interpolationsinseln. Das entwickelte Verfahren ist auf andere Klimaelemente wie Niederschlag, Schneedeckenhöhe oder Sonnenscheindauer übertragbar.
Climate monitoring requires an operational analysis of the variability of climatic quantities in space and time. For this purpose, operational maps generated for regular time intervals are very useful to see at a glance, the spatial variability of climate elements and its change with time. For some recent years, the German Meteorological Service develops methods for generating such operational maps. These methods are not exactly the same for all\r\nclimate elements due to various databases on in-situ data, their special nature of variability and the data availability. It is desirable to use consistently the same method for each climate element to achieve consistent maps. The present strategy is to develop a basic approach, which is applicable for most of the in-situ data.\r\nTo study the space-time variability this dissertation refers specifically to spatial interpolation of mean decade temperature for the period 1951-2000 in a relatively large area, the World Meteorological Organization Region VI (Europe and the Middle East). The Region covers quite a large and climatically very heterogeneous area.\r\nThe main goal of the dissertation is to propose a method of spatial interpolation of mean decade temperature data in WMO Region VI, which is suitable for an operational generation of monthly climate monitoring maps. However, it is intended that this approach is applicable to other climate elements as well to receive maps of various elements, which\r\nare consistent to each other as far as possible (at least for in-situ data). Two important data sets in this case are used: CLIMAT data over land and weather reports from ships over sea.\r\nIn principle, the used spatial interpolation method for monthly averages consists of three steps. The first step is a multi-dimensional linear reduction of the station data, which means a multiple linear regression of latitude, altitude, continentality and yearly amplitude of temperature to zero level. The second Step is the interpolation of residuals with the method Radial Basis Functions with the subtype Multiquadratic, which belongs to the group of Neuronal Networks. In the last step the interpolated residuals are recomputed to\r\nthe original values of the four climatic parameters.\r\nFor all station points the difference between the residual station value and the\r\ncorresponding interpolated value at this point has been computed. Finally the root mean square error (RMSE) has been computed over the differences for all points. The main advantages are exactness at data points, no smoothing, but no unrealistic interpolation islands either. The developed method in three steps is alienable to other climatic parameters like precipitation or snow depths and also capable for reducing the time period to monthly data.
DDC: 910 Geografie
910 Geography and travel
Institution: Johannes Gutenberg-Universität Mainz
Department: FB 09 Chemie, Pharmazie u. Geowissensch.
Place: Mainz
ROR: https://ror.org/023b0x485
DOI: http://doi.org/10.25358/openscience-3179
URN: urn:nbn:de:hebis:77-28717
Version: Original work
Publication type: Dissertation
License: In Copyright
Information on rights of use: https://rightsstatements.org/vocab/InC/1.0/
Extent: 304 S.
Appears in collections:JGU-Publikationen

Files in This Item:
  File Description SizeFormat
Thumbnail
2871.pdf16.56 MBAdobe PDFView/Open