Identification, tracking and analysis of 3-D meteorological features

Abstract

Meteorological data sets, which detail the state of the Earth's atmosphere, have become increasingly complex and diverse over the past decades. The growing volume and quality of these data have created a demand for advanced tools capable of efficiently handling and analyzing large, multidimensional atmospheric data sets. This dissertation meets this demand by combining computer science techniques with meteorological research to develop practical software tools and novel algorithms. These tools aim to help atmospheric scientists extract valuable insights from vast data sets through efficient feature identification, tracking, and analysis.

The main focus of this work is the development of new algorithms for identifying and tracking meteorological features in three dimensions. By utilizing algorithmic geometry, this dissertation introduces low-dimensional, geometry-based descriptors that simplify the analysis of wave-related features such as tropical waves and anomalies along the dynamical tropopause. These descriptors significantly reduce the complexity of the data while preserving important information, making the analysis more efficient and potentially improving the predictability of weather events linked to these features.

A key aspect of this dissertation is the application of the Potential Vorticity (PV) framework, a well-established method for studying atmospheric dynamics. We introduce a novel algorithm for identifying and tracking 3-D PV anomalies along the tropopause, offering new insights that traditional 2-D methods might overlook and addressing the associated challenges. Another application involves identifying and tracking PV features associated with African easterly waves (AEWs). These tropical waves are known to be linked to tropical cyclone development and contribute to high weather prediction uncertainty in tropical West Africa.

To support these advancements, a dedicated software framework has been developed, tailored specifically to the needs of meteorologists. This framework allows for the easy implementation of the proposed algorithms, with configurable options and templates for straightforward feature identification and tracking. Additionally, a near-real-time web display has been created to visualize identified and tracked AEWs, which evolved into a valuable tool for both researchers and operational forecasters.

Summarized, this dissertation bridges the gap between computer science and meteorology, showing how advanced computational techniques can improve the understanding and predictability of complex atmospheric phenomena. The developed tools and algorithms provide a solid foundation for future research and practical applications. They pave the way for more accurate weather predictions and a deeper understanding of meteorological processes.

Meteorologische Datensätze, die den Zustand der Erdatmosphäre beschreiben, sind in den letzten Jahrzehnten zunehmend komplexer und vielfältiger geworden. Das wachsende Volumen und die steigende Qualität dieser Daten haben die Nachfrage nach fortschrittlichen Werkzeugen erhöht, die in der Lage sind, große, mehrdimensionale atmosphärische Datensätze effizient zu verarbeiten und zu analysieren. Diese Dissertation erfüllt diese Anforderungen, indem sie Techniken der Informatik mit meteorologischer Forschung kombiniert, um praktische Softwarewerkzeuge und neuartige Algorithmen zu entwickeln. Diese Werkzeuge sollen Meteorologen helfen, wertvolle Erkenntnisse aus umfangreichen Datensätzen durch effiziente Merkmalserkennung, -verfolgung und -analyse zu gewinnen.

Der Schwerpunkt dieser Arbeit liegt auf der Entwicklung neuer Algorithmen zur Identifizierung und Verfolgung meteorologischer Merkmale in drei Dimensionen. Durch die Nutzung algorithmischer Geometrie führt diese Dissertation niedrigdimensionale, geometriebasierte Beschreibungen ein, die die Analyse von wellenbezogenen Merkmalen wie tropischen Wellen und Anomalien entlang der dynamischen Tropopause vereinfachen. Diese Beschreibungen reduzieren die Komplexität der Daten erheblich, während wichtige Informationen erhalten bleiben, was die Analyse effizienter macht und potenziell die Vorhersagbarkeit wetterbedingter Ereignisse, die mit diesen Merkmalen verbunden sind, verbessert.

Ein zentraler Aspekt dieser Dissertation ist die Anwendung des Potential Vorticity (PV)-Frameworks, einer bewährten Methode zur Untersuchung atmosphärischer Dynamiken. Wir stellen einen neuartigen Algorithmus zur Identifizierung und Verfolgung dreidimensionaler PV-Anomalien entlang der Tropopause vor, der neue Einblicke bietet, die traditionelle zweidimensionale Methoden möglicherweise übersehen, und die damit verbundenen Herausforderungen in Angriff nimmt. Eine weitere Anwendung umfasst die Identifizierung und Verfolgung von PV-Merkmalen, die mit afrikanischen Ostwellen (African easterly waves, AEWs) verbunden sind. Diese tropischen Wellen sind bekanntermaßen mit der Entwicklung tropischer Wirbelstürme verbunden und tragen zu hoher Unsicherheit bei Wettervorhersagen in Westafrika bei.

Um diese Fortschritte zu unterstützen, wurde ein spezielles Framework entwickelt, das auf die Bedürfnisse von Meteorologen zugeschnitten ist. Dieses Framework ermöglicht die einfache Implementierung der vorgeschlagenen Algorithmen mit konfigurierbaren Optionen und Vorlagen für eine unkomplizierte Merkmalserkennung und -verfolgung. Zusätzlich wurde eine nahezu in Echtzeit arbeitende Webanzeige erstellt, um identifizierte und verfolgte AEWs zu visualisieren, die sich zu einem wertvollen Werkzeug sowohl für Forscher als auch für operative Wettervorhersagedienste entwickelt hat.

Zusammenfassend überbrückt diese Dissertation die Lücke zwischen Informatik und Meteorologie und zeigt, wie fortschrittliche Rechentechniken das Verständnis und die Vorhersagbarkeit komplexer atmosphärischer Phänomene verbessern können. Die entwickelten Werkzeuge und Algorithmen bieten eine solide Grundlage für zukünftige Forschung und praktische Anwendungen. Sie ebnen den Weg für genauere Wettervorhersagen und ein tieferes Verständnis meteorologischer Prozesse.