Subseasonal tropical cyclone activity over the North Atlantic: A systematic comparison of different forecast approaches

• Main Author: Maier-Gerber, Michael
• Other Authors: Fink, Andreas H., Knippertz, Peter, Riemer, Michael
• Format: Doctoral or Postdoctoral Thesis
• Language: English
• Published: KIT-Bibliothek, Karlsruhe 2023
• Subjects: North Atlantic Ocean; Tropical cyclones; Forecast verification/skill; Numerical weather prediction/forecasting; Statistical forecasting; Probability forecasts/models/distribution; ddc:550; Earth sciences; info:eu-repo/classification/ddc/550; North Atlantic
• Online Access: https://publikationen.bibliothek.kit.edu/1000158754; https://publikationen.bibliothek.kit.edu/1000158754/150721870; https://doi.org/10.5445/IR/1000158754

Die zerstörerischen Winde, sintflutartigen Regenfälle und Sturmfluten, die mit tropischen Wirbelstürmen (TCs) einhergehen, fordern häufig zahlreiche Todesopfer und verursachen großflächige und kostenintensive Schäden. Die Planung von Evakuierungen und Vorsichtsmaßnahmen erfordert genaue Vorhersagen der TC-Aktivität mit einer möglichst großen Vorlaufzeit. Vergangene Bemühungen haben zumeist darauf abgezielt entweder einzelne TCs mit einer Vorlaufzeit von mehreren Tagen oder die Aktivität einer ganzen Saison vorherzusagen. Diese Trennung ist in erster Linie auf die subsaisonale Vorhersagbarkeitslücke (mehr als 2 Wochen aber weniger als 3 Monate) zurückzuführen, und spiegelt sich auch in der Tatsache wider, dass für jeden der beiden Vorhersagebereiche vorwiegend unterschiedliche Modellierungsansätze zur Anwendung kommen. Mittelfristige Vorhersagen (bis zu 2 Wochen) basieren in hohem Maße auf numerischen Wettervorhersagemodellen (NWP-Modell; auch als 'dynamisches Modell' bezeichnet), während statistische Modelle in der Regel für saisonale Vorhersagen (3-6 Monate) trainiert werden. Während frühere Forschung zur sub-saisonalen TC-Aktivität sich überweigend entweder auf die Validierung von NWP-Modellen oder auf die Entwicklung statistischer Modelle, trainiert auf vergangenen Daten, konzentriert hat, kombiniert die vorliegende Arbeit beide Ansätze zu einem statistisch-dynamischen (oder hybriden) Modell für probabilistische Vorhersagen im nordatlantischen Ozean. Diese Dissertation zielt darauf ab, NWP-basierte Prädiktoren, die für die Vorhersage subsaisonaler TC-Aktivität relevant sind, zu identifizieren und zu bewerten, ein statistisch-dynamisches Vorhersagemodell zu entwickeln und zu validieren und dessen Vorhersageleistung systematisch mit einer Vielzahl von unterschiedlichen Vorhersageansätzen zu vergleichen. Obwohl es modernen NWP-Modellen nachweislich an der Fähigkeit zur Vorhersage subsaisonaler, wöchentlicher TC-Aktivität mangelt, könnten sie in der Lage sein die Umgebungsbedingungen ausreichend gut ...