Skip to main content

Free Content Towards a GME ensemble forecasting system: Ensemble initialization using the breeding technique

Download Article:
 Download
(PDF 1712.279296875 kb)
 
The quantitative forecast of precipitation requires a probabilistic background particularly with regard to forecast lead times of more than 3 days. As only ensemble simulations can provide useful information of the underlying probability density function, we built a new ensemble forecasting system (GME-EFS) based on the GME model of the German Meteorological Service (DWD). For the generation of appropriate initial ensemble perturbations we chose the breeding technique developed by Toth and Kalnay (1993, 1997), which develops perturbations by estimating the regions of largest model error induced uncertainty. This method is applied and tested in the framework of quasi-operational forecasts for a three month period in 2007. The performance of the resulting ensemble forecasts are compared to the operational ensemble prediction systems ECMWF EPS and NCEP GFS by means of ensemble spread of free atmosphere parameters (geopotential and temperature) and ensemble skill of precipitation forecasting. This comparison indicates that the GME ensemble forecasting system (GME-EFS) provides reasonable forecasts with spread skill score comparable to that of the NCEP GFS. An analysis with the continuous ranked probability score exhibits a lack of resolution for the GME forecasts compared to the operational ensembles. However, with significant enhancements during the 3 month test period, the first results of our work with the GME-EFS indicate possibilities for further development as well as the potential for later operational usage.

German
Die quantitative Vorhersage von Niederschlag erfordert eine probabilistische Grundlage besonders im Hinblick auf Vorhersagezeiten von mehr als 3 Tagen. Da nur Ensemble-Simulationen nützliche Informationen der zugrundeliegenden Wahrscheinlichkeitsdichtefunktion liefern können, haben wir ein neues Ensemble-Vorhersagesystem (GME-EFS) basierend auf dem GME-Modell des Deutschen Wetterdienstes (DWD) erstellt. Um geeignete Störungen zur Ensembleinitialisierung zu generieren, kommt die Breeding-Technik zur Anwendung, die von Toth und Kalnay (1993, 1997) entwickelt wurde. Mit dieser Methode werden Störungen durch die Abschätzung der Regionen größter Modellunsicherheit entwickelt. Angewandt und getestet wird das Breeding im Rahmen von quasioperationellen Vorhersagen für einen dreimonatigen Testzeitraum im Jahr 2007. Die Ergebnisse werden mit der Leistungsfähigkeit der operationellen Ensemble-Vorhersagesysteme ECMWF EPS und NCEP GFS verglichen. Dies geschieht sowohl im Hinblick auf den Ensemble-Spread in freier Atmosphäre bezüglich der Parameter Geopotential und Temperatur als auch auf den Ensemble-Skill der Niederschlagsvorhersage. Die Ergebnisse dieses Vergleichs zeigen, dass die Vorhersagen des GME Ensemble-Vorhersagesystems (GME-EFS) vernünftige Vorhersagen liefern, die im Bereich des Ensemble-Spreads vergleichbar mit denen des NCEP GFS sind. Eine Analyse mit dem Continuous ranked probability score zeigen jedoch noch einige Schwächen des GME-EFS im Bereich der Resolution an. Allerdings weisen die Verbesserungen des Skill-Score während der dreimonatigen Testperiode auf die Entwicklungsmöoglichkeiten des GME-EFS und die Möglichkeiten für einen späteren operationellen Einsatz hin.

26 References.

No Supplementary Data.
No Article Media
No Metrics

Document Type: Research Article

Publication date: 2008-12-01

More about this publication?
  • Meteorologische Zeitschrift (originally founded in 1866) is the joint periodical of the meteorological societies of Austria, Germany and Switzerland. It accepts high-quality peer-reviewed manuscripts on all aspects of observational, theoretical and computational research out of the entire field of meteorology, including climatology. Meteorologische Zeitschrift represents a natural forum for the meteorological community of Central Europe and worldwide.
  • Editorial Board
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Ingenta Connect is not responsible for the content or availability of external websites
  • Access Key
  • Free content
  • Partial Free content
  • New content
  • Open access content
  • Partial Open access content
  • Subscribed content
  • Partial Subscribed content
  • Free trial content
Cookie Policy
X
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more