Surrogate-based uncertainty quantification and parameter optimization in simulations of the West African monsoon

Der westafrikanische Monsun (WAM) ist ein bedeutendes meteorologisches System mit weitreichenden Auswirkungen, dessen komplexe Wechselwirkungen Wetter- und Klimamodelle vor große Herausforderungen stellen. Unsicherheiten in Modellparametrisierungen, beispielsweise bei hochreichender Konvektion oder der Wolkenmikrophysik, beeinflussen die Vorhersagegenauigkeit erheblich. Diese Arbeit stellt einen Ansatz auf Basis von Ersatzmodellen vor, um diese Unsicherheiten zu quantifizieren und Modellparameter gezielt zu verbessern.

Dazu wird ein Verfahren entwickelt, das den Parameterraum zunächst in einen gleichverteilten Eingangsparameterraum überführt, in dem Stichprobenverfahren sowie Surrogatmethoden angewandt werden. ... mehrErgebnisse aus Simulationen mit dem Icosahedral Non-Hydrostatic (ICON)-Modell des Deutschen Wetterdienstes werden mithilfe der Gaußprozess- und Hauptkomponentenregression analysiert, um den Rechenaufwand zu reduzieren. Der Einfluss der Modellparameter wird durch globale Sensitivitätsanalysen und Parameterstudien untersucht, gefolgt von Optimierungen unter Einbezug von meteorologischen Referenzdaten.

Die Ergebnisse zeigen, dass unter den untersuchten Parametern insbesondere die Entrainment-Rate, die die Durchmischung zwischen aufsteigender Luft und Umgebungsluft beeinflusst, die Endfallgeschwindigkeit von Eispartikeln und der verdunstungsaktive Bodenanteil, der die Bodenfeuchte und damit die Verdunstung reguliert, den größten Einfluss auf das WAM-System haben. Eine Verringerung der Entrainment-Rate führt zu einer Verbesserung der Simulation von Niederschlag, bodennaher Luftfeuchte und Luftdruck. Allerdings sind Verbesserungen über alle Variablen hinweg begrenzt, was auf eine bereits gut abgestimmte Standardkonfiguration des ICON-Modells hindeutet. Die Ergebnisse verdeutlichen strukturelle Herausforderungen, etwa die begrenzte Möglichkeit, die gewünschten räumlichen Muster durch Parameteranpassungen zu erzielen, sowie Zielkonflikte zwischen verschiedenen meteorologischen Größen. Dies unterstreicht die Notwendigkeit, neben den Parameterwerten auch die Modellphysik und die räumliche Auflösung weiterzuentwickeln.

The West African monsoon (WAM) is a key climatic system with far-reaching impacts, and its complex interactions pose a challenge for weather and climate models. Uncertainties in model parameterizations, for example, in deep convection or cloud microphysics, significantly affect forecast accuracy. This dissertation presents a surrogate-based approach to quantify these uncertainties and systematically improve model parameters.

To achieve this, a framework is developed that first transforms the parameter space into a uniformly distributed input space, where sampling techniques and surrogate methods are applied. ... mehrResults from simulations with the Icosahedral Non-Hydrostatic (ICON) model of the German Meteorological Service are analyzed using Gaussian process regression and principal component regression to reduce computational costs. The influence of model parameters is examined through global sensitivity analyses and parameter studies, followed by optimizations incorporating meteorological reference data.

The results show that among the investigated parameters, the entrainment rate, which governs the mixing between rising air and the surrounding atmosphere, the terminal fall velocity of ice particles and the evaporative soil surface fraction, which controls soil moisture and evaporation, have the greatest impact on the WAM system. Reducing the entrainment rate leads to a more accurate simulation of precipitation, near-surface humidity and mean sea-level pressure. However, improvements across all variables remain limited, suggesting that the default configuration of the ICON model is already well-calibrated. The findings highlight structural challenges, such as the limited ability to achieve desired spatial pattern changes through parameter adjustments and the trade-offs between different meteorological variables. This underscores the need to refine not only parameter values but also model physics and spatial resolution.