Inhaltsbereich

COALITION-4

Projekt

Der Zweck des operationell orientierten Systems COALITION-4 ist es, die Vorhersage von Unwetterwarnungen zu verbessern. Es werden moderne Deep-Learning-Methoden angewandt, um die Entstehung von Gewittern sowie ihre Gefahren wie Blitzschlag und Hagel vorherzusagen. Hierfür werden insbesondere die Beobachtungen der Satellitensensoren der neuen geostationären Satellitengeneration (GOES-R und Meteosat Third Generation) genutzt. Die Produkte von COALITION-4 werden für Unwetterwarnungen für die Öffentlichkeit, zur Sicherheit des Flugverkehrs und zum Katastrophenschutz verwendet werden.

Projektanfang01.10.2020
Projektende30.09.2023
RegionNational
StatusAktuelle Projekte
  • Mess- & Prognosesysteme
  • Wetter
  • Forschung & Zusammenarbeit

Fussbereich

Top Bar Navigation

Alle Schweizer BundesbehördenAlle Schweizer Bundesbehörden

COALITION-4: Context and Scale Oriented Thunderstorm Satellite Predictors Development Version 4

Während der warmen Jahreszeit entstehen im Alpenraum regelmäßig starke Gewitter. Sie werden oft von Hagel, starken Regenfällen und stürmischen Windböen begleitet. Darüber hinaus können Blitze und Sturzfluten schwere Schäden an Grundstücken und Infrastruktur verursachen und zu lebensbedrohlichen Situationen führen. Genaue Unwetterwarnungen sind essentiell, um Schäden zu reduzieren und die Bevölkerung zu schützen. Die Entwicklung von Gewittern wird durch dynamische und physikalische Prozesse von mikrophysikalischen bis hin zu synoptischen Skalen bestimmt. Die Prozesse sind auf konzeptioneller Ebene gut verstanden, aber wenn es um die explizite Vorhersage einer Gewitterzelle geht, ist die Fähigkeit unserer Vorhersagemodelle aus mehreren Gründen begrenzt. Erstens geht die Komplexität der mikrophysikalischen Prozesse über das hinaus, was aus Rechenzeitgründen in einem operationellen Wettervorhersagemodell explizit dargestellt werden kann. Zweitens bestehen weiterhin Unsicherheiten bei der Simulation von turbulenten und mikrophysikalischen Prozessen. Drittens ist die Entwicklung von Gewittern ein nichtlinearer Prozess. Sie ist somit sehr sensitiv gegenüber kleinen Unsicherheiten des Zustands der Atmosphäre, was der Vorhersagbarkeit begrenzt (deterministisches Chaos). Aus all diesen Gründen werden für Gewitter auch Methoden des sogenannten Nowcastings verwendet, um verlässliche Unwetterwarnungen mit Vorhersagezeiten von bis zu 45 min zu generieren.

Ziele und Eingangsdatensätze

Das Ziel von COALITION-4 besteht darin, Kurzfristvorhersagen über die Entstehung und Entwicklung von Gewittern zu erstellen. Hierfür werden Satellitenbeobachtungen in Kombination mit bodengestützten Radar- und Blitzdaten, NWP-Modellvorhersagen sowie Methoden künstlicher Intelligenz verwendet. Das Projekt baut auf den Ergebnissen aus COALITION-2, COALITION-3 und TRT auf. Insbesondere wird in COALITION-4 die Nutzung von MTG-Beobachtungen vorbereitet. Folgende Arbeitsschritte sind vorgesehen:

  • Vorbereitung auf die Verwendung von Beobachtungen der MTG-Sounder und Imager Satellitenmissionen für Gewitter-Nowcasting, indem qualitativ ähnliche Beobachtungen von GOES ABI, GOES GLM und IASI als Vorläuferdaten für MTG-Messungen verwendet werden.
  • Erweiterung des Multisensor-Gewitter-Nowcasting-Algorithmus COALITION-3 durch Anwendung fortgeschrittener Techniken des maschinellen Lernens.
  • Testen der Fähigkeit des Algorithmus zur Vorhersage im Kurzfirst-Bereich und deren nahtlosen Übergang zur Vorhersage von Wettermodellen.

Methodik

Beim Nowcasting werden verschiedene Messungen wie Regenintensität und Wolkeneigenschaften sowie Vorhersagen aus Wettermodellen verwendet, um den aktuellen Zustand des Gewitters und der atmosphärischen Umgebung zu beschreiben. Diese bestimmen die weitere Entwicklung des Gewitters und werden daher Prädiktoren genannt. Da es zahlreiche mögliche Prädiktoren gibt, muss eine Auswahl getroffen werden, in die unser Wissen über die zugrundeliegenden dynamischen und physikalischen Prozesse einfließt.

Die Auswertung des Informationsgehalts der Prädiktoren ist Inhalt aktueller Forschung. In COALITION-4 werden dazu Techniken des maschinellen Lernens (künstliche Intelligenz) verwendet. Diese sind in der Lage, multivariate nichtlineare Prozesse komplexer Systeme darzustellen und eine große Anzahl von Prädiktoren zu berücksichtigen. Innerhalb des COALITION-4-Projekts wird insbesondere, die Nutzung des Meteosat Third Generation (MTG) Satelliten vorbereitet, der 2023 ins Weltall geschossen wird. MTG hat verbesserte sowie komplett neu entwickelte Sensoren an Bord, die uns noch nie dagewesene Möglichkeiten bieten, Gewitter zu beobachten:

  • Der Infrared Sounder (IRS) auf MTG wird Temperatur- und Feuchtigkeitsprofile vermessen, die die atmosphärische Instabilität bestimmen (z.B. CAPE, CIN). Der Effekt von MTG IRS wird mit Messungen von ähnlichen Sensoren (IASI, CrIS und AIRS) auf polaren Satelliten simuliert.
  • Der MTG Lightning Imager (LI) vermisst die Blitzaktivität vom Weltraum aus. Blitze sind eine direkte Gefahr für den Flugverkehr sowie Freiluft-Veranstaltungen. Weiterhin entstehen Blitze nur in schweren Gewittern. Somit ist die Blitzaktivität auch ein guter Prädiktor für Hagelbildung und schwere Windböen. Um den Nutzen vom MTG LI zu quantifizieren, werden in diesem Projekt ähnliche Messungen des Global Lightning Mapper auf dem amerikanischen GOES-Satelliten verwendet.
  • Der MTG Flexible Combined Imager (FCI) ist eine Weiterentwicklung des SEVIRI-Instruments, das zurzeit auf dem Meteosat Second Generation ist. Wesentliche Verbesserungen werden von der höheren räumlichen, zeitlichen und spektralen Auflösung von FCI im Vergleich zu SEVIRI erwartet. Die höhere zeitliche Auflösung wird das Tracking von Gewittern weiter verbessern und es ermöglichen, zusätzliche Charakteristika wie Overshooting Tops sowie die Divergenz im oberen Wolkenbereich zu erkennen. Zusätzliche spektrale Kanäle werden genauere Informationen über die Wolkenphase, die Mikrophysik und mehrschichtige Wolken liefern. Die Nutzung des FCI wird mit Beobachtungen des Advanced Baseline Imagers auf dem amerikanischen GOES vorbereitet.

Der Forschungsplan von COALITION-4 wurde auf dem EUMETSAT's MTG / EPS-SG User Days, 2019, in Darmstadt, Deutschland vorgestellt.
Für weitere Informationen über das COALITION-4 Projekt wenden Sie sich bitte an Jussi Leinonen und Ulrich Hamann.

Publikationen

Leinonen, J., U. Hamann, U. Germann, & J. R. Mecikalski, 2021
Nowcasting thunderstorm hazards using machine learning: the impact of data sources on performance
Natural Hazards and Earth System Sciences 22.2 (2022): 577-597; https://nhess.copernicus.org/articles/22/577/2022/

Leinonen, J., U. Hamann, U. Germann, & J. R. Mecikalski, 2022
Seamless lightning nowcasting with recurrent-convolutional deep learning
Artificial Intelligence for the Earth Systems https://doi.org/10.1175/AIES-D-22-0043.1
also as preprint here https://arxiv.org/abs/2203.10114