Klimpt, Johannes (2016) CO2 State and Flux Estimation by Four-Dimensional Variational Data Assimilation. PhD thesis, Universität zu Köln.

[img]
Preview
PDF
dissertation_jklimpt.pdf - Submitted Version

Download (19MB)

Abstract

The four-dimensional variational data assimilation system EURAD-IM is extended for the realisation of CO2 inversions. These analysis techniques seek to optimise CO2 surface-atmosphere uxes by the use of atmospheric CO2 concentration observations and atmospheric transport models. In this work, CO2 surfaceatmosphere uxes are optimised jointly with atmospheric CO2 concentrations. The optimisation is characterised by a high degree of freedom of the optimisation space and by the use of frequent observations. The system traces location, time, and strength of surface-atmosphere CO2 uxes due to their weak signal in the atmospheric concentration. This enables new possibilities for the determination of sinks and sources of atmospheric CO2. In order to increase the sensitivity of the assimilation system for small surface-atmosphere uxes, the modelling of the background error variances is improved. Numerical experiments with synthetic observations demonstrate the benefits of the joint optimisation of CO2 concentrations and uxes compared to optimising uxes only. A long-term simulation of June 2012 is executed to evaluate the extended data assimilation system. A significant improvement of analysed concentration time-series is obtained. The analysed fields of CO2 surface-atmosphere uxes show spatially inhomogeneous structures close to surface measurement stations. This reveals the high requirements on the modelled CO2 uxes and their error characterisation for this optimisation approach, in order to control the high degree of freedom of the optimisation space. The ability of the system to trace back and improve biogenic uxes is shown with the aid of several examples.

Item Type: Thesis (PhD thesis)
Translated abstract:
AbstractLanguage
Das vierdimensionale variationelle Datenassimilationssytem EURAD-IM wurde erweitert für die Realisierung von CO2-Inversionen. Diese Analysetechniken optimieren CO2- Oberflächen-Atmosphärenflüsse durch die Verwendung von Messungen der CO2-Konzentration in der Atmosphäre und von atmosphärischen Transportmodellen. In dieser Arbeit werden CO2-Flüsse und CO2-Konzentrationen gemeinsam optimiert. Die Optimierung ist gekennzeichnet durch einen hohen Freiheitsgrad des Optimierungsraums und durch die Verwendung zeitlich hoch aufgelöster Beobachtungen. Das Analysesystem kann den Ort, die Zeit und die Größe von CO2-Oberflächen-Atmosphärenflüssen aufgrund ihres Fußabrucks in den atmosphärischen CO2-Konzentrationen zurückverfolgen. Dies eröffnet neue Möglichkeiten zur Bestimmung von CO2-Quellen und -Senken. Die Optimierung der CO2-Oberflächen-Atmosphärenflüsse wird von der absoluten Größe der betreffenden Flüsse beeinflusst. Aus diesem Grund werden die Hintergrundfehler der Flüsse in Abhängigkeit der Flussgröße modelliert, wodurch die Analyse von kleinen Flüssen verbessert wird. Numerische Experimente mit synthetischen Beobachtungen beweisen die Vorteile der gemeinsamen Optimierung von CO2-Konzentrationen und -Flüssen gegenüber der alleinigen Optimierung von CO2-Flüssen. Um das erweiterte Datenassimilationssytem zu testen wurde eine Langzeitstudie für den Juni 2012 durchgeführt. Die Analyse bewirkt eine deutliche Verbesserung der modellierten CO2-Konzentrationen. Die optimierten CO2-Flüsse sind räumlich inhomogen in der Nähe von Messstationen, die sehr dicht am Boden sind. Für eine verbesserte Analyse mit der verwendeten Optimierungsstrategie müssen die a priori Flüsse und ihre Fehlercharakterisierung sehr hohe Ansprüche erfüllen. Die Fähigkeit des Assimilationssystems biogene Flüsse zurückzuverfolgen und zu verbessern, wird anhand mehrerer Beispiele gezeigt.German
Creators:
CreatorsEmailORCID
Klimpt, Johannesjohannes.klimpt@gmail.comUNSPECIFIED
URN: urn:nbn:de:hbz:38-74679
Subjects: Earth sciences
Uncontrolled Keywords:
KeywordsLanguage
data assimilationEnglish
co2 inversionEnglish
co2 flux modellingEnglish
adjoint transport modelEnglish
background error covariance matricesEnglish
Faculty: Faculty of Mathematics and Natural Sciences
Divisions: Faculty of Mathematics and Natural Sciences > Institut für Geophysik und Meteorologie
Language: English
Date: 5 September 2016
Date Type: Completion
Date of oral exam: 2 November 2016
Referee:
NameAcademic Title
Elbern, HendrikPD Dr.
Crewell, SusanneProf. Dr.
Full Text Status: Public
Date Deposited: 30 Mar 2017 17:00
URI: http://kups.ub.uni-koeln.de/id/eprint/7467

Downloads

Downloads per month over past year

Export

Actions (login required)

View Item View Item