Open Access

Christine Sgoff

• The weather of the atmospheric boundary layer significantly affects our life on Earth. Thus, a realistic modelling of the atmospheric boundary layer is crucial. Hereby, the processes of the atmospheric boundary layer depend on an accurate representation of the land-atmosphere coupling in the model. In this context the land surface temperature (LST) plays an important role. In this thesis, it is examined if the assimilation of LST can lead to improved estimates of the boundary layer and its processes. To properly assimilate the LST retrievals, a suitable model equivalent in the weather prediction model is necessary. In the weather forecast model of the German Weather Service used here, the LST is modelled without a vegetation temperature. To compensate for this deficit, two different vegetation parameterizations were investigated and the better one, a conductivity scheme, was implemented. In order to make optimal use of the influence of the assimilation of the LST observation on the model system, it is useful to pass on the information of the observation to land and atmosphere already in the assimilation step. For that reason, a fully coupled land-atmosphere prediction model was used. Therefore, the existing control vector of the assimilation system, a local ensemble transform Kalman filter, was extended by the soil temperature and moisture. In two-day case studies in March and August 2017, different configurations of the augmented assimilation system were evaluated based on observing system simulation experiments (OSSE). LST was assimilated hourly over two days in the weakly and strongly coupled assimilation system. In addition, every six hours a free 24-hour forecast was simulated. The experiments were validated with the simulated truth (a high-resolution model run) and compared against an experiment without assimilation. It was shown that the prediction of the boundary layer temperature, especially during the day, and the prediction of the soil temperature, during the whole day and night, could be improved. The best impact of LST assimilation was achieved with the fully coupled system. The humidity variables of the model benefited only partially from the LST assimilation. For this reason, covariances in the model ensemble were investigated in more detail. To check their compatibility with the high-resolution model run the ensemble consistency score was introduced. It was found that the covariances between the LST and the temperatures of the high-resolution model run were better represented in the ensemble than those between the LST and the humidity variables.
• Das Wetter innerhalb der atmosphärischen Grenzschicht bestimmt maßgeblich unser Leben auf der Erde. Daher ist eine realistische Modellierung der Grenzschicht von großer Bedeutung. Die Prozesse der Grenzschicht sind dabei von einer genauen Darstellung der Kopplung zwischen Land und Atmosphäre im Modell abhängig. In diesem Rahmen spielt die Landoberflächentemperatur (engl. land surface temperature, LST) eine wesentliche Rolle. In dieser Dissertation wird untersucht, ob die Assimilation der LST zu verbesserten Vorhersagen der Grenzschicht und ihrer Prozesse führen kann. Um die LST nutzbringend zu assimilieren, ist ein geeignetes Modelläquivalent im Wettervorhersagemodell erforderlich. Im hier verwendeten Wettervorhersagemodell des Deutschen Wetterdienstes wird die LST ohne eine Vegetationstemperatur modelliert. Um dieses Defizit auszugleichen, wurden zwei unterschiedliche Vegetationsparametrisierungen untersucht und die bessere, ein Konduktivitätsschema, implementiert. Um den Einfluss der Assimilation der LST-Beobachtung auf das Modellsystem optimal auszunutzen, ist es sinnvoll, die Informationen der Beobachtung bereits im Assimilationsschritt an Land und Atmosphäre weiterzugeben. Aus diesem Grund wurde ein vollständig gekoppeltes Land-Atmosphären-Vorhersagemodell verwendet. Dazu wurde der bestehende Kontrollvektor des Assimilationssystems, ein lokaler Ensemble-Transform-Kalman-Filter, um Bodentemperatur und -feuchte erweitert. In zweitägigen Fallstudien in März und August 2017 wurden auf Basis synthetisch erzeugter Beobachtungen (engl. observing system simulation experiment, OSSE) verschiedene Konfigurationen des erweiterten Assimilationssystems getestet. Die LST wurde im schwach und stark gekoppelten Assimilationssystem stündlich über zwei Tage assimiliert. Zusätzlich wurde alle sechs Stunden eine freie Vorhersage mit einem Vorhersagehorizont von 24 Stunden simuliert. Die Experimente wurden mit der simulierten Wahrheit (einem hochaufgelösten Modelllauf) validiert und gegen ein Experiment ohne Assimilation verglichen. Dabei zeigte sich, dass die Vorhersage der Grenzschichttemperatur, insbesondere tagsüber, und die Vorhersage der Bodentemperatur, im gesamten Tagesverlauf, verbessert wurde. Die besten Ergebnisse wurden mit dem vollständig gekoppelten System erzielt. Die Feuchtevariablen des Modells profitierten nur teilweise von der LST-Assimilation. Aus diesem Grund wurden die Kovarianzen des Modellensembles eingehender untersucht. Um ihre Kompatibilität mit dem hochaufgelösten Modelllauf zu überprüfen, wurde der Ensemble-Konsistenz-Score entwickelt. Es zeigte sich, dass die Kovarianzen zwischen der LST und den Temperaturen des hochaufgelösten Modelllaufs im Ensemble besser dargestellt wurden als jene zwischen der LST und den Feuchtevariablen.