GEO-NET bietet für Deutschland die GN-WRF_ML-Spek-Windzeitreihen an. Diese haben eine zeitliche Auflösung von 10 Minuten. Die räumliche Auflösung der Windzeitreihen beträgt 3 km.
Methode
Die Datengrundlage der GN-WRF_ML-Spek-Zeitreihen bilden die ERA5-Reanalysedaten, die weltweit stündlich mit einer räumlichen Auflösung von etwa 30 km verfügbar sind. Die Daten werden täglich mit einem zeitlichen Versatz von rund fünf Tagen aktualisiert.
Mit dem Wettervorhersagemodell WRF (Weather Research and Forecasting model) wird ein Downscaling der ERA5-Daten auf eine räumliche Auflösung von 3 km und eine zeitliche Auflösung von 10 Minuten durchgeführt. Mikrophysikalischen Prozesse, Oberflächenphysik, Grenzschichtphysik, atmosphärische Strahlungsphysik sowie Wolkenprozesse werden über verschiedene Parametrisierungsansätze abgebildet. Die optimalen Einstellungen dieser Parametrisierungen für eine möglichst realitätsnahe Windverteilung wurden im Rahmen einer Sensitivitätsstudie ermittelt. Validiert wurden die WRF-Windzeitreihen mit ein- oder mehrjährigen Messzeitreihen von 69 Standorten (100 m Höhe) bzw. 43 Standorten (150 m Höhe).
Zur Verbesserung der Modellgüte kommt ein mehrstufiges Optimierungssystem zum Einsatz. In einem ersten Schritt werden systematische Abweichungen anhand empirischer Korrekturfaktoren reduziert. Dabei werden tageszeitliche und saisonale Muster berücksichtigt. Im Anschluss wird ein künstliches neuronales Netzwerk verwendet, das auf der Basis standortspezifischer und zeitabhängiger Größen die Übereinstimmung zwischen Simulation und Messung gezielt erhöht. Ergänzend sorgt eine spektrale Korrektur für eine realitätsnähere Abbildung der zeitlichen Variabilität der simulierten Windgeschwindigkeit.
Validierung
Zur Validierung der GN-WRF_ML-Spek-Zeitreihen wurden u.a. die Windgeschwindigkeiten und Windrichtungen aus 100 m bzw. 150 m Höhe mit den Werten von 37 bzw. 24 Messstandorten verglichen. Zur Bewertung der Qualität der Daten wurden als statistische Größen u.a. der Bias, das Bestimmtheitsmaß R², der Variationskoeffizient CV und die Abweichung der Windrichtung MAE betrachtet.
Vergleich der 10-min-Werte
Der Median des Korrelationskoeffizient, der ein Maß für den Grad eines linearen Zusammenhangs zwischen zwei Datensätze ist, liegt bei den WRF-GN_ML-Zeitreihen bei 0,73. Vor der Optimierung mittels des maschinellen Lernens lag er in 100m Höhe noch bei 0,66 (siehe WRF-GN). Auch die anderen Modelle wie ERA5, EMD-WRF EUROPE+ und ConWx weisen im Durchschnitt eine geringere Korrelation mit den Messdaten auf als WRF-GN_ML.
Neben dem Korrelationskoeffizient wird noch der Variationskoeffizient CV, der ein Maß für die Windverteilung ist, für die Bewertung der Ergebnisse aufgegriffen. Bei einem ähnlichen CV der Modell- und Messdaten lässt sich auf eine ähnliche Weibullverteilung der beiden Zeitreihen schließen. In der Abbildung ist die prozentuale Abweichung zwischen den CV-Werten der Modell- und Messdaten dargestellt. Der Median dieser Abweichung liegt bei den WRF-GN_ML-Zeitreihen bei 1,20 %. Damit verringert sich die Abweichung der WRF-GN-Zeitreihen durch die ML-Optimierung um 2,80 Prozentpunkte.
Für die Windrichtung wird bei den WRF-GN_ML-Zeitreihen keine ML-Optimierung durchgeführt, so dass die Windrichtungen der WRF-GN_ML-Zeitreihen denen der WRF-GN entsprechen. Der Median der Abweichung der Windrichtung von den Messwerten liegt bei diesen Modellen mit 24,39° im Bereich der anderen betrachteten Modelle (EMD-WRF EUROPE+: 22,02°; ERA5: 21,13°; ConWx: 26,78°).
100 m Höhe 10 Minuten-Werte | WRF-GN | WRF-GN_ML | EMD-WRF EUROPE+ | ConWx | ERA5 |
Bias (Mittelwert ± Standardabweichung) [m/s] | 1,67 ± 0,62 | -0,25 ± 0,41 | 0,88 ± 0,53 | 1,08 ± 0,54 | -0,12 ± 0,71 |
R² (Mittelwert ± Standardabweichung) | 0,65 ± 0,08 | 0,72 ± 0,07 | 0,70 ± 0,07 | 0,63 ± 0,07 | 0,70 ± 0,09 |
Betrag CV (Mittelwert ± Standardabweichung) [%] | 4,00 ± 1,54 | 1,20 ± 0,97 | 2,44 ± 1,37 | 2,94 ± 1,64 | 1,87 ± 1,79 |
Windrichtungsdifferenz (Mittelwert ± Standardabweichung) [°] | 26,72 ± 13,76 | 26,72 ± 13,76 | 24,98 ± 13,72 | 27,83 ± 8,99 | 25,05 ± 14,09 |
Anwendungszweck