@article{MurawskiVorogushynBuergeretal.2018, author = {Murawski, Aline and Vorogushyn, Sergiy and B{\"u}rger, Gerd and Gerlitz, Lars and Merz, Bruno}, title = {Do changing weather types explain observed climatic trends in the rhine basin?}, series = {Journal of geophysical of geophysical research-atmosheres}, volume = {123}, journal = {Journal of geophysical of geophysical research-atmosheres}, number = {3}, publisher = {American Geophysical Union}, address = {Washington}, issn = {2169-897X}, doi = {10.1002/2017JD026654}, pages = {1562 -- 1584}, year = {2018}, abstract = {For attributing hydrological changes to anthropogenic climate change, catchment models are driven by climate model output. A widespread approach to bridge the spatial gap between global climate and hydrological catchment models is to use a weather generator conditioned on weather patterns (WPs). This approach assumes that changes in local climate are characterized by between-type changes of patterns. In this study we test this assumption by analyzing a previously developed WP classification for the Rhine basin, which is based on dynamic and thermodynamic variables. We quantify changes in pattern characteristics and associated climatic properties. The amount of between- and within-type changes is investigated by comparing observed trends to trends resulting solely from WP occurrence. To overcome uncertainties in trend detection resulting from the selected time period, all possible periods in 1901-2010 with a minimum length of 31 years are analyzed. Increasing frequency is found for some patterns associated with high precipitation, although the trend sign highly depends on the considered period. Trends and interannual variations of WP frequencies are related to the long-term variability of large-scale circulation modes. Long-term WP internal warming is evident for summer patterns and enhanced warming for spring/autumn patterns since the 1970s. Observed trends in temperature and partly in precipitation are mainly associated with frequency changes of specific WPs, but some amount of within-type changes remains. The classification can be used for downscaling of past changes considering this limitation, but the inclusion of thermodynamic variables into the classification impedes the downscaling of future climate projections.}, language = {en} } @article{MurawskiBuergerVorogushynetal.2016, author = {Murawski, Aline and B{\"u}rger, Gerd and Vorogushyn, Sergiy and Merz, Bruno}, title = {Can local climate variability be explained by weather patterns? A multi-station evaluation for the Rhine basin}, series = {Hydrology and earth system sciences : HESS}, volume = {20}, journal = {Hydrology and earth system sciences : HESS}, publisher = {Copernicus}, address = {G{\"o}ttingen}, issn = {1027-5606}, doi = {10.5194/hess-20-4283-2016}, pages = {4283 -- 4306}, year = {2016}, abstract = {To understand past flood changes in the Rhine catchment and in particular the role of anthropogenic climate change in extreme flows, an attribution study relying on a proper GCM (general circulation model) downscaling is needed. A downscaling based on conditioning a stochastic weather generator on weather patterns is a promising approach. This approach assumes a strong link between weather patterns and local climate, and sufficient GCM skill in reproducing weather pattern climatology. These presuppositions are unprecedentedly evaluated here using 111 years of daily climate data from 490 stations in the Rhine basin and comprehensively testing the number of classification parameters and GCM weather pattern characteristics. A classification based on a combination of mean sea level pressure, temperature, and humidity from the ERA20C reanalysis of atmospheric fields over central Europe with 40 weather types was found to be the most appropriate for stratifying six local climate variables. The corresponding skill is quite diverse though, ranging from good for radiation to poor for precipitation. Especially for the latter it was apparent that pressure fields alone cannot sufficiently stratify local variability. To test the skill of the latest generation of GCMs from the CMIP5 ensemble in reproducing the frequency, seasonality, and persistence of the derived weather patterns, output from 15 GCMs is evaluated. Most GCMs are able to capture these characteristics well, but some models showed consistent deviations in all three evaluation criteria and should be excluded from further attribution analysis.}, language = {en} } @misc{MurawskiBuergerVorogushynetal.2016, author = {Murawski, Aline and B{\"u}rger, Gerd and Vorogushyn, Sergiy and Merz, Bruno}, title = {Can local climate variability be explained by weather patterns?}, series = {Postprints der Universit{\"a}t Potsdam : Mathematisch-Naturwissenschaftliche Reihe}, journal = {Postprints der Universit{\"a}t Potsdam : Mathematisch-Naturwissenschaftliche Reihe}, number = {525}, issn = {1866-8372}, doi = {10.25932/publishup-41015}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-410155}, pages = {24}, year = {2016}, abstract = {To understand past flood changes in the Rhine catchment and in particular the role of anthropogenic climate change in extreme flows, an attribution study relying on a proper GCM (general circulation model) downscaling is needed. A downscaling based on conditioning a stochastic weather generator on weather patterns is a promising approach. This approach assumes a strong link between weather patterns and local climate, and sufficient GCM skill in reproducing weather pattern climatology. These presuppositions are unprecedentedly evaluated here using 111 years of daily climate data from 490 stations in the Rhine basin and comprehensively testing the number of classification parameters and GCM weather pattern characteristics. A classification based on a combination of mean sea level pressure, temperature, and humidity from the ERA20C reanalysis of atmospheric fields over central Europe with 40 weather types was found to be the most appropriate for stratifying six local climate variables. The corresponding skill is quite diverse though, ranging from good for radiation to poor for precipitation. Especially for the latter it was apparent that pressure fields alone cannot sufficiently stratify local variability. To test the skill of the latest generation of GCMs from the CMIP5 ensemble in reproducing the frequency, seasonality, and persistence of the derived weather patterns, output from 15 GCMs is evaluated. Most GCMs are able to capture these characteristics well, but some models showed consistent deviations in all three evaluation criteria and should be excluded from further attribution analysis.}, language = {en} } @phdthesis{Murawski2017, author = {Murawski, Aline}, title = {Trends in precipitation over Germany and the Rhine basin related to changes in weather patterns}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-412725}, school = {Universit{\"a}t Potsdam}, pages = {112}, year = {2017}, abstract = {Niederschlag als eine der wichtigsten meteorologischen Gr{\"o}ßen f{\"u}r Landwirtschaft, Wasserversorgung und menschliches Wohlbefinden hat schon immer erh{\"o}hte Aufmerksamkeit erfahren. Niederschlagsmangel kann verheerende Auswirkungen haben, wie z.B. Missernten und Wasserknappheit. {\"U}berm{\"a}ßige Niederschl{\"a}ge andererseits bergen jedoch ebenfalls Gefahren in Form von Hochwasser oder Sturzfluten und wiederum Missernten. Daher wurde viel Arbeit in die Detektion von Niederschlags{\"a}nderungen und deren zugrundeliegende Prozesse gesteckt. Insbesondere angesichts von Klimawandel und unter Ber{\"u}cksichtigung des Zusammenhangs zwischen Temperatur und atmosph{\"a}rischer Wasserhaltekapazit{\"a}t, ist großer Bedarf an Forschung zum Verst{\"a}ndnis der Auswirkungen von Klimawandel auf Niederschlags{\"a}nderungen gegeben. Die vorliegende Arbeit hat das Ziel, vergangene Ver{\"a}nderungen in Niederschlag und anderen meteorologischen Variablen zu verstehen. F{\"u}r verschiedene Zeitr{\"a}ume wurden Tendenzen gefunden und mit entsprechenden Ver{\"a}nderungen in der großskaligen atmosph{\"a}rischen Zirkulation in Zusammenhang gebracht. Die Ergebnisse dieser Arbeit k{\"o}nnen als Grundlage f{\"u}r die Attributierung von Hochwasserver{\"a}nderungen zu Klimawandel genutzt werden. Die Annahmen f{\"u}r die Maßstabsverkleinerung („Downscaling") der Daten von großskaligen Zirkulationsmodellen auf die lokale Skala wurden hier getestet und verifziert. In einem ersten Schritt wurden Niederschlagsver{\"a}nderungen in Deutschland analysiert. Dabei lag der Fokus nicht nur auf Niederschlagssummen, sondern auch auf Eigenschaften der statistischen Verteilung, {\"U}bergangswahrscheinlichkeiten als Maß f{\"u}r Trocken- und Niederschlagsperioden und Extremniederschlagsereignissen. Den r{\"a}umlichen Fokus auf das Rheineinzugsgebiet, das gr{\"o}ßte Flusseinzugsgebiet Deutschlands und einer der Hauptwasserwege Europas, verlagernd, wurden nachgewiesene Ver{\"a}nderungen in Niederschlag und anderen meteorologischen Gr{\"o}ßen in Bezug zu einer „optimierten" Wetterlagenklassifikation analysiert. Die Wetterlagenklassifikation wurde unter der Maßgabe entwickelt, die Varianz des lokalen Klimas bestm{\"o}glich zu erkl{\"a}ren. Die letzte hier behandelte Frage dreht sich darum, ob die beobachteten Ver{\"a}nderungen im lokalen Klima eher H{\"a}ufigkeits{\"a}nderungen der Wetterlagen zuzuordnen sind oder einer Ver{\"a}nderung der Wetterlagen selbst. Eine gebr{\"a}uchliche Annahme f{\"u}r einen Downscaling-Ansatz mit Hilfe von Wetterlagen und einem stochastischen Wettergenerator ist, dass Klimawandel sich allein durch eine Ver{\"a}nderung der H{\"a}ufigkeit von Wetterlagen ausdr{\"u}ckt, die Eigenschaften der Wetterlagen dabei jedoch konstant bleiben. Diese Annahme wurde {\"u}berpr{\"u}ft und die F{\"a}higkeit der neuesten Generation von Zirkulationsmodellen, diese Wetterlagen zu reproduzieren, getestet. Niederschlagsver{\"a}nderungen in Deutschland im Zeitraum 1951-2006 lassen sich zusammenfassen als negativ im Sommer und positiv in allen anderen Jahreszeiten. Verschiedene Niederschlagscharakteristika best{\"a}tigen die Tendenz in den Niederschlagssummen: w{\"a}hrend mittlere und extreme Niederschlagstageswerte im Winter zugenommen haben, sind auch zusammenh{\"a}ngende Niederschlagsperioden l{\"a}nger geworden (ausgedr{\"u}ckt als eine gestiegene Wahrscheinlichkeit f{\"u}r einen Tag mit Niederschlag gefolgt von einem weiteren nassen Tag). Im Sommer wurde das Gegenteil beobachtet: gesunkene Niederschlagssummen, untermauert von verringerten Mittel- und Extremwerten und l{\"a}ngeren Trockenperioden. Abseits dieser allgemeinen Zusammenfassung f{\"u}r das gesamte Gebiet Deutschlands, ist die r{\"a}umliche Verteilung von Niederschlagsver{\"a}nderungen deutlich heterogener. Vermehrter Niederschlag im Winter wurde haupts{\"a}chlich im Nordwesten und S{\"u}dosten Deutschlands beobachtet, w{\"a}hrend im Fr{\"u}hling die st{\"a}rksten Ver{\"a}nderungen im Westen und im Herbst im S{\"u}den aufgetreten sind. Das saisonale Bild wiederum l{\"o}st sich f{\"u}r die zugeh{\"o}rigen Monate auf, z.B. setzt sich der Anstieg im Herbstniederschlag aus deutlich vermehrtem Niederschlag im S{\"u}dwesten im Oktober und im S{\"u}dosten im November zusammen. Diese Ergebnisse betonen die starken r{\"a}umlichen Zusammenh{\"a}nge der Niederschlags{\"a}nderungen. Der n{\"a}chste Schritt hinsichtlich einer Zuordnung von Niederschlagsver{\"a}nderungen zu {\"A}nderungen in großskaligen Zirkulationsmustern, war die Ableitung einer Wetterlagenklassifikation, die die betrachteten lokalen Klimavariablen hinreichend stratifizieren kann. Fokussierend auf Temperatur, Globalstrahlung und Luftfeuchte zus{\"a}tzlich zu Niederschlag, wurde eine Klassifikation basierend auf Luftdruck, Temperatur und spezifischer Luftfeuchtigkeit als am besten geeignet erachtet, die Varianz der lokalen Variablen zu erkl{\"a}ren. Eine vergleichsweise hohe Anzahl von 40 Wetterlagen wurde ausgew{\"a}hlt, die es erlaubt, typische Druckmuster durch die zus{\"a}tzlich verwendete Temperaturinformation einzelnen Jahreszeiten zuzuordnen. W{\"a}hrend die F{\"a}higkeit, Varianz im Niederschlag zu erkl{\"a}ren, relativ gering ist, ist diese deutlich besser f{\"u}r Globalstrahlung und nat{\"u}rlich Temperatur. Die meisten der aktuellen Zirkulationsmodelle des CMIP5-Ensembles sind in der Lage, die Wetterlagen hinsichtlich H{\"a}ufigkeit, Saisonalit{\"a}t und Persistenz hinreichend gut zu reproduzieren. Schließlich wurden dieWetterlagen bez{\"u}glich Ver{\"a}nderungen in ihrer H{\"a}ufigkeit, Saisonalit{\"a}t und Persistenz, sowie der Wetterlagen-spezifischen Niederschl{\"a}ge und Temperatur, untersucht. Um Unsicherheiten durch die Wahl eines bestimmten Analysezeitraums auszuschließen, wurden alle m{\"o}glichen Zeitr{\"a}ume mit mindestens 31 Jahren im Zeitraum 1901-2010 untersucht. Dadurch konnte die Annahme eines konstanten Zusammenhangs zwischen Wetterlagen und lokalem Wetter gr{\"u}ndlich {\"u}berpr{\"u}ft werden. Es wurde herausgefunden, dass diese Annahme nur zum Teil haltbar ist. W{\"a}hrend Ver{\"a}nderungen in der Temperatur haupts{\"a}chlich auf Ver{\"a}nderungen in der Wetterlagenh{\"a}ufigkeit zur{\"u}ckzuf{\"u}hren sind, wurde f{\"u}r Niederschlag ein erheblicher Teil von Ver{\"a}nderungen innerhalb einzelner Wetterlagen gefunden. Das Ausmaß und sogar das Vorzeichen der Ver{\"a}nderungen h{\"a}ngt hochgradig vom untersuchten Zeitraum ab. Die H{\"a}ufigkeit einiger Wetterlagen steht in direkter Beziehung zur langfristigen Variabilit{\"a}t großskaliger Zirkulationsmuster. Niederschlagsver{\"a}nderungen variieren nicht nur r{\"a}umlich, sondern auch zeitlich - Aussagen {\"u}ber Tendenzen sind nur in Bezug zum jeweils untersuchten Zeitraum g{\"u}ltig. W{\"a}hrend ein Teil der Ver{\"a}nderungen auf {\"A}nderungen der großskaligen Zirkulation zur{\"u}ckzuf{\"u}hren ist, gibt es auch deutliche Ver{\"a}nderungen innerhalb einzelner Wetterlagen. Die Ergebnisse betonen die Notwendigkeit f{\"u}r einen sorgf{\"a}ltigen Nachweis von Ver{\"a}nderungen m{\"o}glichst verschiedene Zeitr{\"a}ume zu untersuchen und mahnen zur Vorsicht bei der Anwendung von Downscaling-Ans{\"a}tzen mit Hilfe von Wetterlagen, da diese die Auswirkungen von Klimaver{\"a}nderungen durch das Vernachl{\"a}ssigen von Wetterlagen-internen Ver{\"a}nderungen falsch einsch{\"a}tzen k{\"o}nnten.}, language = {en} } @misc{DelgadoVossBuergeretal.2018, author = {Delgado, Jos{\´e} Miguel Martins and Voss, Sebastian and B{\"u}rger, Gerd and Vormoor, Klaus Josef and Murawski, Aline and Rodrigues Pereira, Jos{\´e} Marcelo and Martins, Eduardo and Vasconcelos J{\´u}nior, Francisco and Francke, Till}, title = {Seasonal drought prediction for semiarid northeastern Brazil}, series = {Hydrology and Earth System Sciences}, journal = {Hydrology and Earth System Sciences}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-418461}, pages = {16}, year = {2018}, abstract = {A set of seasonal drought forecast models was assessed and verified for the Jaguaribe River in semiarid northeastern Brazil. Meteorological seasonal forecasts were provided by the operational forecasting system used at FUNCEME (Cear{\´a}'s research foundation for meteorology)and by the European Centre for Medium-Range Weather Forecasts (ECMWF). Three downscaling approaches (empirical quantile mapping, extended downscaling and weather pattern classification) were tested and combined with the models in hindcast mode for the period 1981 to 2014. The forecast issue time was January and the forecast period was January to June. Hydrological drought indices were obtained by fitting a multivariate linear regression to observations. In short, it was possible to obtain forecasts for (a) monthly precipitation,(b) meteorological drought indices, and (c) hydrological drought indices. The skill of the forecasting systems was evaluated with regard to root mean square error (RMSE), the Brier skill score (BSS) and the relative operating characteristic skill score (ROCSS). The tested forecasting products showed similar performance in the analyzed metrics. Forecasts of monthly precipitation had little or no skill considering RMSE and mostly no skill with BSS. A similar picture was seen when forecasting meteorological drought indices: low skill regarding RMSE and BSS and significant skill when discriminating hit rate and false alarm rate given by the ROCSS (forecasting drought events of, e.g., SPEI1 showed a ROCSS of around 0.5). Regarding the temporal variation of the forecast skill of the meteorological indices, it was greatest for April, when compared to the remaining months of the rainy season, while the skill of reservoir volume forecasts decreased with lead time. This work showed that a multi-model ensemble can forecast drought events of timescales relevant to water managers in northeastern Brazil with skill. But no or little skill could be found in the forecasts of monthly precipitation or drought indices of lower scales, like SPI1. Both this work and those here revisited showed that major steps forward are needed in forecasting the rainy season in northeastern Brazil.}, language = {en} } @article{DelgadoVossBuergeretal.2018, author = {Delgado, Jos{\´e} Miguel Martins and Voss, Sebastian and B{\"u}rger, Gerd and Vormoor, Klaus Josef and Murawski, Aline and Rodrigues Pereira, Jos{\´e} Marcelo and Martins, Eduardo and Vasconcelos J{\´u}nior, Francisco and Francke, Till}, title = {Seasonal drought prediction for semiarid northeastern Brazil}, series = {Hydrology and Earth System Sciences}, volume = {22}, journal = {Hydrology and Earth System Sciences}, number = {9}, publisher = {Copernicus Publ.}, address = {G{\"o}ttingen}, issn = {1027-5606}, doi = {10.5194/hess-22-5041-2018}, pages = {5041 -- 5056}, year = {2018}, abstract = {A set of seasonal drought forecast models was assessed and verified for the Jaguaribe River in semiarid northeastern Brazil. Meteorological seasonal forecasts were provided by the operational forecasting system used at FUNCEME (Cear{\´a}'s research foundation for meteorology)and by the European Centre for Medium-Range Weather Forecasts (ECMWF). Three downscaling approaches (empirical quantile mapping, extended downscaling and weather pattern classification) were tested and combined with the models in hindcast mode for the period 1981 to 2014. The forecast issue time was January and the forecast period was January to June. Hydrological drought indices were obtained by fitting a multivariate linear regression to observations. In short, it was possible to obtain forecasts for (a) monthly precipitation,(b) meteorological drought indices, and (c) hydrological drought indices. The skill of the forecasting systems was evaluated with regard to root mean square error (RMSE), the Brier skill score (BSS) and the relative operating characteristic skill score (ROCSS). The tested forecasting products showed similar performance in the analyzed metrics. Forecasts of monthly precipitation had little or no skill considering RMSE and mostly no skill with BSS. A similar picture was seen when forecasting meteorological drought indices: low skill regarding RMSE and BSS and significant skill when discriminating hit rate and false alarm rate given by the ROCSS (forecasting drought events of, e.g., SPEI1 showed a ROCSS of around 0.5). Regarding the temporal variation of the forecast skill of the meteorological indices, it was greatest for April, when compared to the remaining months of the rainy season, while the skill of reservoir volume forecasts decreased with lead time. This work showed that a multi-model ensemble can forecast drought events of timescales relevant to water managers in northeastern Brazil with skill. But no or little skill could be found in the forecasts of monthly precipitation or drought indices of lower scales, like SPI1. Both this work and those here revisited showed that major steps forward are needed in forecasting the rainy season in northeastern Brazil.}, language = {en} }