A stochastic multi-scale space-time hourly weather generator

Lange kontinuierliche Zeitreihen meteorologischer Größen (z.B. Niederschlag, Temperatur) werden unter anderem für abgeleitete Hochwasserstatistik zur Hochwasserschutzplanung, für landwirtschaftliche Studien oder für die Klimafolgenforschung benötigt. Beobachtete Zeitreihen dieser Variablen sind jedoch, insbesondere für untertägige Zeitschritte, häufig zu kurz, nicht flächendeckend verfügbar oder unvollständig. Stochastische Wettergeneratoren überwinden diese Probleme der Datenverfügbarkeit durch die Simulation beliebig langer Zeitreihen. Unbeobachtete Standorte können durch Regionalisierungsmethoden modelliert werden. Statistische Downscaling-Techniken ermöglichen es, das zukünftige Klima mit höherer zeitlicher und räumlicher Auflösung und geringerem systematischen Fehler im Vergleich zu globalen und regionalen Klimamodellen zu simulieren. In dieser Arbeit wird ein hybrider stochastischer stündlicher Wettergenerator vorgestellt, der für ein breites Spektrum räumlicher Skalen geeignet ist. Die Grundlage des Wettergenerators ist ein neu überarbeitetes stündliches stochastisches Raum-Zeit-Niederschlagsmodell, das auf einem punktuellen alternierenden Erneuerungsprozess (Alternating Renewal) basiert. Das punktuelle Niederschlags-modell wird räumlich erweitert, indem die simulierten Niederschlagsereignisse mit Hilfe eines neuartigen und skalierbaren nicht-sequenziellen verzweigten Shuffle-Ansatzes umverteilt werden. Die beobachtete räumliche Abhängigkeit, die durch drei bivariate räumliche Niederschlagskriterien beschrieben wird, wird durch einen Simulated Annealing-Optimierungsansatz erzwungen. Das Niederschlagsmodell wird durch Kopplung mit einem nichtparametrischen k-NN-Resampling-Modell zur konditionierten Simulation täglicher, über das Einzugsgebiet gemittelter, nicht niederschlagsbezogener Klimavariablen erweitert. Die nicht niederschlagsbezogenen Klimavariablen werden schließlich auf stündliche Daten disaggregiert. Der entwickelte Wettergenerator wurde an 400 Einzugsgebieten unterschiedlicher Größe (50 - 20.000 km²) in ganz Deutschland mit insgesamt 696 untertägigen Niederschlagsstationen validiert. Für das Punktniederschlagsmodell konnten Leistungsverbesserungen gegenüber dem Vorgängermodell nachgewiesen werden, insbesondere bei Extremniederschlägen. Die räumliche Erweiterung des Niederschlagsmodells durch Resampling erwies sich auch für die größten Stationsnetze (N>50) als effektiv, ohne signifikanten Verlust der beobachteten räumlichen Abhängigkeit. Bei den Klimavariablen ohne Niederschlag blieben die beobachteten Autokorrelations- und Kreuzkorrelationsstrukturen sehr gut erhalten. Im Allgemeinen deuten die Ergebnisse darauf hin, dass die Modellleistung mit zunehmender Einzugsgebietsgröße nicht signifikant abnimmt und die beobachteten Klima- und Niederschlagsstatistiken gut wiedergegeben werden. Abschließend wird ein objektiver, auf Fuzzy-Regeln basierender Ansatz zur Klassifizierung von Circulation Patterns (CPs) vorgestellt, der CPs mit unterschiedlichen Niederschlagsantworten erzeugt. Die Konditionierung des Punktniederschlagsmodells auf CPs zeigte leichte Verbesserungen hinsichtlich extremer Niederschläge und der modellierten Niederschlagsintensität. Ihre Verwendung im Rahmen eines statistischen Downscaling-Ansatzes erwies sich jedoch als problematisch und kann nicht ohne weitere Modifikationen empfohlen werden.