Die meteorologische Reanalyse ist eine Methode Wetter zum erneuten Scannen objektiver Oberflächen- und Höhendaten, die über einen Zeitraum von Jahrzehnten zur Datenassimilation in Modelle NWP aufgenommen wurden . Mehrere Zentren auf der ganzen Welt führen diese Art der erneuten Analyse durch, um historische Daten zu standardisieren und zu korrigieren, um die Wettervorhersage und die Untersuchung früherer Fälle besser durchführen zu können.
Selbst ein perfektes Modell könnte keine perfekte Prognose erstellen, da die Fehler in den Anfangsbedingungen (Temperatur, Luftfeuchtigkeit usw.) während der Prognose zunehmen und die Prognose von der Realität abweicht. Es ist daher notwendig, den Ausgangszustand der Atmosphäre so genau wie möglich zu kennen. Die Bestimmung dieses Zustands, Analyse genannt, ist an sich eine große wissenschaftliche Herausforderung, die mathematische und rechnerische Ressourcen erfordert, die mit denen vergleichbar sind, die für die Vorhersage selbst vorgesehen sind. Die Datenquellen sind unterschiedlich und bestehen traditionell aus Oberflächenbeobachtungen sowie Daten von Radiosonden , Windprofilern und Messungen von Verkehrsflugzeugen. Derzeit stellen Satellitenmessungen die wichtigste Datenquelle dar, und in jüngster Zeit werden in einigen mesoskaligen Modellen auch Reflexionsvermögen und Radarradialgeschwindigkeiten berücksichtigt .
Die Verwendung von Beobachtungsdaten allein reicht jedoch nicht aus. Einerseits ist die Anzahl der Variablen eines numerischen Modells größer als die Anzahl der Beobachtungen, andererseits würde eine Analyse, die direkt durch Interpolation der Beobachtungen durchgeführt wird, zu einem instabilen Verhalten des Modells führen. Dies ist einer der Gründe für das Scheitern der ersten Versuche von Richardson, das Verhalten der Atmosphäre zu modellieren .
Um die Analyse zu erstellen, greifen wir daher auf einen Entwurf zurück, dh auf die zuvor gemachte Prognose, in der Regel 6 oder 12 Stunden zuvor. Dieser Umriss wird dann korrigiert, um den Beobachtungen so genau wie möglich zu entsprechen, wobei im Allgemeinen Beobachtungsfehler berücksichtigt werden. Der heute am häufigsten verwendete Ansatz verwendet die Methoden zur Berechnung von Abweichungen , um den besten Kompromiss zwischen dem Entwurf und den Beobachtungen unter Berücksichtigung ihrer jeweiligen Fehler zu ermitteln. Dieser Ansatz wird mit dem Begriff „ 3D-Var “ bezeichnet, wenn nur der Zustand des Modells und die zum Zeitpunkt der Analyse gültigen Beobachtungen berücksichtigt werden, und mit „ 4D-Var “, wenn auch die Entwicklung dieser Faktoren berücksichtigt wird ein Zeitfenster.
Die oben beschriebenen Methoden stellen eine Datenassimilation dar , die zu einem eigenständigen Forschungsgebiet geworden ist. Die täglich von den verschiedenen Prognosezentren auf der ganzen Welt erhaltenen Analysen werden gespeichert und zu einer Bank historischer meteorologischer Bedingungen zusammengefasst. Dies ist jedoch zeitlich auf den Zeitraum der numerischen Wettervorhersagemodelle begrenzt. Um konsistente Ergebnisse zu erzielen, wenn Forscher eine Modifikation von Modellen testen, müssen sie in der Lage sein, eine längere historische Datenbank zu führen, die sich im Laufe der Zeit verbessern kann, indem Fehler vermieden werden, die durch Datenlücken in einigen Bereichen verursacht werden.
Die meteorologische Reanalyse ist daher eine Technik, die darauf abzielt, die ersten Analysen ständig zu aktualisieren, um eine solche Bank zu haben. Diese scheinbar einfache Aufgabe ist in der Tat schwierig, da für den von den Wettervorhersagemodellen abgedeckten Zeitraum die horizontale und vertikale Auflösung sukzessive verbessert wurde, während einige Variablen verschwunden sind, während neue eingeführt wurden. Darüber hinaus haben sich Messgeräte und ihre Typen im Laufe der Jahrzehnte vor und nach der Modellära verändert. Wie bereits erwähnt, am Anfang des XX - ten Jahrhunderts , nur eine begrenzte Menge an Daten von der Oberfläche Wetterstationen und Schiffen zur Verfügung stand. Anschließend wurden aerologische Daten aus den 1920er Jahren, Satellitendaten aus den 1970er Jahren und Radar in jüngerer Zeit hinzugefügt. Jedes zu einem bestimmten Zeitpunkt analysierte meteorologische Ereignis verfügt daher nicht immer über den vollständigen Satz. Diese mangelnde Homogenität erschwert die Verwendung von Analysen, insbesondere für diejenigen, die das Klima über lange Zeiträume analysieren möchten.
Der EZMW / EZMW in Europa, der NCEP in den USA und mehrere andere auf der ganzen Welt leisten solche Arbeiten, die ein konsistentes System und die Korrektur mehrerer manueller Anpassungen in den Bereichen fehlender Daten ermöglichen, in denen die Schätzung von Szenarien üblich war .
Um eine erneute Analyse durchzuführen, wählen diese Zentren die neueste Version ihres Wettervorhersagemodells sowie ihren Datenassimilierungsalgorithmus. Sie bestimmen dann eine einheitliche horizontale und vertikale Auflösung, die bei der Assimilation historischer Daten für den gesamten überarbeiteten Zeitraum verwendet wird. Neue Beobachtungsquellen, die verfügbar waren, aber zum Zeitpunkt der vorherigen Analyse nicht verwendet wurden, können sogar integriert werden, um die Darstellung des Klimas zu verbessern. Diese Arbeit wird im Allgemeinen für Zeiträume durchgeführt, in denen die Beobachtungsnetzwerke über mehrere Jahrzehnte hinweg unterschiedlich, dicht und zuverlässig sind.
Obwohl die Reanalyse die "beste" Schätzung von Wettervariablen sein soll, sollte sie mit Kenntnis ihrer Vorurteile und Mängel verwendet werden. In der Tat werden die Instrumente regelmäßig gewechselt und verschlechtern sich mit dem Gebrauch. Somit verbessern sich die Sensoren eines meteorologischen Satelliten von einer Generation zur nächsten, aber ihre Systeme verschlechtern sich während ihrer Lebensdauer.
Darüber hinaus stammen die verschiedenen Reanalysen aus verschiedenen Prognosemodellen, die nicht dieselben Assimilationsschemata verwenden, nicht dieselbe Auflösung und Auswahl von Beobachtungen haben. Die Reanalysen verwenden auch Variablen, für die es keine direkten Beobachtungen gibt, die möglicherweise die größten Unterschiede aufweisen, da sie ausschließlich vom Prognosemodell bestimmt werden. Eine der Einschränkungen der Modelle besteht auch darin, die Luftfeuchtigkeit ( Niederschlag , Evapotranspiration usw.) nicht zu erhalten .
Aus all diesen Gründen gibt es manchmal signifikante Unterschiede zwischen verschiedenen Reanalysedatenbanken, insbesondere in Bereichen, in denen Beobachtungen selten sind.