Universität zu Köln

Vogel, Annika ORCID: 0000-0001-8868-5646 (2020). Optimized Ensemble Generation for Probabilistic Chemistry Transport Modeling by Coupled Parameter Perturbation. PhD thesis, Universität zu Köln.

Preview

PDF Diss_AnnikaVogel.pdf - Published Version Download (34MB) | Preview

Abstract

Progressing developments in atmospheric modeling increase the complexity of modeling systems to improve forecast skills. At the same time, this augmented complexity hampers a reliable and efficient estimation of forecast uncertainties from a limited ensemble of forecasts. Especially chemistry transport models are highly sensitive to uncertainties in model parameters like emissions. Current algorithms for estimating related uncertainties suffer from the high dimensionality of the system. But multiple interactions of chemical compounds also induce multi-variational couplings in model states and uncertainties. This study introduces an optimized ensemble generation approach in which model parameters are efficiently perturbed according to their coupling. The approach applies the Karhunen-Loève expansion which approximates covariances of the model parameters by a limited set of leading eigenmodes. These modes represent the coupled leading uncertainties from which random perturbations can be sampled efficiently. For correlated model parameters, it is shown that leading uncertainties can be represented by a low number of perturbations driven by a few eigenmodes. Focusing on model parameters which depend on local atmospheric and terrestrial conditions, state-dependent covariances are approximated from various related sensitivities. As the simulation of all combined sensitivities is computationally demanding, independent input sensitivities are introduced in this study. Assuming tangent linearity, multiple combined sensitivities can be represented by a low number of independent sensitivities. Besides the reduction of computational resources, this setup allows for the integration of different kinds of uncertainties in a convenient way. The Karhunen-Loève ensemble algorithm is applied to biogenic emissions, dynamical boundary layer parameters and dry deposition in order to account for various uncertainties affecting concentrations of biogenic gases in the atmosphere. A case study in the Po valley in July 2012 indicates exceptionally high sensitivity of biogenic emissions on land surface properties. These sensitivities induce large perturbations of biogenic emissions by the ensemble algorithm. Resulting forecast uncertainties are at least as large as mean concentrations, which is in accordance to high-resolution Zeppelin observations. Results from the case study demonstrate a sufficient uncertainty estimation for selected model parameters by the Karhunen-Loève ensemble with about 10 members. As total leading uncertainties arise from sensitivities to land surface properties, forecast uncertainties of biogenic trace gases appear to be almost time-invariant. Thus, this study shows that the predictability of biogenic gases is more dependent on regional characteristics than on forecast time.

Item Type:	Thesis (PhD thesis)
Translated abstract:	Abstract Language Fortschreitende Entwicklungen in der atmosphärischen Modellierung erhöhen die Komplexität der Modelle um eine bessere Vorhersagegenauigkeit zu erzielen. Gleichzeitig erschwert diese erhöhte Komplexität eine zuverlässige und effiziente Abschätzung von Vorhersageunsicherheiten mit einer begrenzten Zahl an Ensembleläufen. Besonders atmosphären-chemische Modelle sind sehr empfindlich gegenüber Unsicherheiten in Modellparametern wie Emissionen. Vielfältige Wechselwirkungen chemischer Größen führen aber auch zu internen Kopplungen im Modellzustand sowie deren Unsicherheiten. In dieser Arbeit wird ein Verfahren zur optimierten Generierung von Ensembleläufen vorgestellt, in der Modellparameter anhand ihrer Kopplungen effizient gestört werden. Das Verfahren nutzt die Karhunen-Loève Entwicklung, mit der Kovarianzen von Modellparametern durch eine begrenzte Anzahl an führenden Eigenmodi genähert werden. Dabei stellen diese Eigenmodi die kombinierten führenden Unsicherheiten dar, von welchen Zufallsstörungen effizient generiert werden können. Es konnte gezeigt werden, dass mit diesem Verfahren die führenden Unsicherheiten von korrelierten Modellparametern durch eine kleine Anzahl von Störungen abgedeckt werden können. Der Schwerpunkt dieser Arbeit liegt auf Modellparametern, welche von atmosphärischen und terrestrischen Gegebenheiten abhängen. Deswegen werden situationsabhängige Kovarianzen durch verschiedene Sensitivitäten abgeschätzt. Da die Simulation aller kombinierter Sensitivitäten jedoch mit viel Rechenaufwand verbunden ist, werden unabhängige Sensitivitäten eingeführt. Unter der Annahme von tangentialer Linearität kann eine große Zahl von kombinierten Sensitivitäten durch einige wenige unabhängige Sensitivitäten dargestellt werden. Neben der Verringerung des Rechenaufwands ermöglicht dieser Ansatz die Integration verschiedenartiger Unsicherheiten. Das Karhunen-Loève Ensemble Verfahren wird auf biogene Emissionen, dynamische Grenzschichtparameter und trockene Deposition angewandt um verschiedene Unsicherheitsquellen von biogenen Gasen in der Atmosphäre zu berücksichtigen. Bei einer Fallstudie in der Po-Ebene im Juli 2012 zeigen sich besonders hohe Sensitivitäten von biogenen Emissionen zu Landoberflächen. Diese Sensitivitäten führen zu großen Störungen in biogenen Emissionen durch das Ensembleverfahren. Daraus resultierende Vorhersageunsicherheiten sind mindestens so groß wie mittlere Konzentrationen, was mit hoch-auflösenden Zeppelin-Beobachtungen übereinstimmt. Die Ergebnisse der Fallstudie zeigen eine realistische Unsicherheitsabschätzung für die betrachteten Modellparameter durch das Karhunen-Loève Ensemble von etwa 10 Vorhersagen. Da die führenden Unsicherheiten durch Sensitivitäten zu Landoberflächen entstehen, sind Vorhersageunsicherheiten von biogenen Gasen nahezu unveränderlich bezüglich der Vorhersagezeit. Somit zeigt diese Arbeit, dass die Vorhersagbarkeit von biogenen Gasen eher räumlich als zeitlich begrenzt ist. German
Creators:	Creators Email ORCID ORCID Put Code Vogel, Annika av@eurad.uni-koeln.de orcid.org/0000-0001-8868-5646 UNSPECIFIED
URN:	urn:nbn:de:hbz:38-107873
Date:	23 March 2020
Language:	English
Faculty:	Faculty of Mathematics and Natural Sciences
Divisions:	Faculty of Mathematics and Natural Sciences > Department of Geosciences > Institute for Geophysics and Meteorology
Subjects:	Earth sciences
Uncontrolled Keywords:	Keywords Language Ensemble Generation English Probabilistic Chemistry Transport Modeling English Parameter Perturbation English
Date of oral exam:	4 February 2020
Referee:	Name Academic Title Elbern, Hendrik PD Dr. Shao, Yaping Prof. Dr.
Refereed:	Yes
URI:	http://kups.ub.uni-koeln.de/id/eprint/10787