API src

Found 8903 results.

Related terms

Model Output Statistics for Saldenburg-Entschenreuth (P586)

DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]

Model Output Statistics for SULEJOW (12469)

DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]

GTS Bulletin: ISND09 EDZW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISND09 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISN): Synoptic observations from fixed land stations at non-standard time (i.e. 0100, 0200, 0400, 0500, ... UTC) A2 (D): 90°E - 0° northern hemisphere(The bulletin collects reports from stations: 10756;Feuchtwangen-Heilbronn;10761;Weißenburg;10765;Roth;10771;Kümmersbruck;10777;Gelbelsee;10782;Waldmünchen;10796;Zwiesel;10803;Freiburg;10818;Klippeneck;10827;Meßstetten;10837;Laupheim;10840;Ulm-Mähringen;10850;Harburg;10853;Neuburg/Donau (Flugplatz);10856;Lechfeld;10857;Landsberg (Flugplatz);10860;Ingolstadt (Flugplatz);10863;Weihenstephan-Dürnast;10865;München-Stadt;10872;Gottfrieding;10875;Mühldorf;10945;Leutkirch-Herlazhofen;10954;Altenstadt;10963;Garmisch-Partenkirchen;10970;Bichl;10982;Chieming;) (Remarks from Volume-C: SYNOP)

Model Output Statistics for Mühldorf (10875)

DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]

Forschungsgruppe (FOR) 2589: Zeitnahe Niederschlagsschätzung und -vorhersage; Near-Realtime Quantitative Precipitation Estimation and Prediction (RealPEP), sub project: Coordination Funds

High-quality near-real time Quantitative Precipitation Estimation (QPE) and its prediction for the next hours (Quantitative Precipitation Nowcasting, QPN) is of high importance for many applications in meteorology, hydrology, agriculture, construction, water and sewer system management. Especially for the prediction of floods in small to meso-scale catchments and of intense precipitation over cities timely, the value of high-resolution, and high-quality QPE/QPN cannot be overrated. Polarimetric weather radars provide the undisputed core information for QPE/QPN due to their area-covering and high-resolution observations, which allow estimating precipitation intensity, hydrometeor types, and wind. Despite extensive investments in such weather radars, QPE is still based primarily on rain gauge measurements since more than 100 years and no operational flood forecasting system actually dares to employ radar observations for QPE. RealPEP will advance QPE/QPN to a stage, that it verifiably outperforms rain gauge observations when employed for flood predictions in small to medium-sized catchments. To this goal state-of-the?art radar polarimetry will be sided with attenuation estimates from commercial microwave link networks for QPE improvement, and information on convection initiation and evolution from satellites and lightning counts from surface networks will be exploited to improve QPN. With increasing forecast horizons the predictive power of observation-based nowcasting quickly deteriorates and is outperformed by Numerical Weather Prediction (NWP) based on data assimilation, which fails, however, for the first hours due to the lead time required for model integration and spin-up. Thus, RealPEP will merge observation-based QPN with NWP towards seamless prediction in order to provide optimal forecasts from the time of observation to days ahead. Despite recent advances in simulating surface and sub-surface hydrology with distributed, physicsbased models, hydrologic components for operational flood prediction are still conceptual, need calibration, and are unable to objectively digest observational information on the state of the catchments. RealPEP will prove that in combination with advanced QPE/QPN physics-based hydrological models sided with assimilation of catchment state observations will outperform traditional flood forecasting in small to meso-scale catchments.

Abflussprojektionen für die großen Flüsse Deutschlands basierend auf Bias-korrigierten Klimaprojektionen und dem Wasserhaushaltsmodell LARSIM-ME

Die Bundesanstalt für Gewässerkunde (BfG) erstellt Abflussprojektionen für Pegel in den Einzugsgebieten von Donau, Elbe, Ems, Rhein und Weser und stellt diese als Beitrag und Grundlage zur Deutschen Anpassungsstrategie an den Klimawandel (DAS) über den DAS-Basisdienst "Klima und Wasser" bereit. Die Projektionen fußen auf den Szenarien und Daten, die auch den Berichten des Weltklimarates zugrunde liegen. Diese globalen Klimadaten werden durch Europäische Wetterdienste und Klimaforschungsinstitute für Europa regionalisiert. Für Deutschland und die internationalen Einzugsgebietsanteile werden diese Daten durch den Deutschen Wetterdienst (DWD) ebenfalls im Rahmen des DAS-Basisdienstes aufbereitet. Die BfG setzt die hydrometeorologischen Größen (Lufttemperatur, Niederschlag, Globalstrahlung, Wind, relative Luftfeuchte) und deren für die Zukunft projizierten Änderungen mittels eines Wasserhaushaltsmodells in Tageswerte hydrologischer Größen (u.a. Abfluss) um. Die hier bereitgestellten Daten basieren auf einem Klimadatenfundus, der im Kontext des 5. IPCC-Sachstandsberichts (IPCC, 2013) durch das globale Coupled Model Intercomparison Project Nr. 5 (CMIP5, Meehl und Bony, 2011) und den europäischen Teil des Coordinated Regional Climate Downscaling Experiment (EURO-CORDEX, Jacob et al., 2014) sowie nationale Modellaktivitäten (ReKliEs-De, Hübner et al., 2017) generiert wurden. Die rohen Klimamodelldaten wurden durch die BfG einer grundlegenden Prüfung unterzogen (Nilson, 2021; Nilson et al., 2014) um unplausible Projektionen auszuschließen. Auf Basis dieser Prüfung ergeben sich somit Ensembles von 16 Abflussprojektionen für das Hochemissionsszenario RCP8.5, 11 Projektionen für das mittlere Szenario RCP4.5 und 10 Simulationen für das bzgl. klimaschutzfortgeschritten optimistische RCP2.6-Szenario. Die verbliebenen Klimaprojektionen wurden durch den DWD aufbereitet. Zu den Aufbereitungsschritten gehört eine multivariate Biasadjustierung (Cannon, 2018) auf Basis des hydrometeorologischen Referenzdatensatzes HYRAS (Tageswerte; z.B. Rauthe et al., 2013) sowie eine räumliche Disaggregierung auf das ebenfalls von HYRAS vorgegebene Raster von 5 km x 5 km. Auf dieser Grundlage wurden durch die BfG Simulationen mit dem Wasserhaushaltsmodell LARSIM-ME (Version 2019; Fleischer et al., in Vorber.) durchgeführt und in die bereitgestellten 37 Abflussprojektionen generiert. Die Projektionen sind u.a. in Teile der Klimawirkungs- und Risikoanalyse des Bundes für Deutschland eingeflossen (KWRA 2021). Die Veröffentlichung der nächsten Risikoanalyse ist für 2028 geplant (KRA 2028). Die Pflege und Weiterentwicklung der Modelle und Daten erfolgt kontinuierlich u.a. im Rahmen der Ressortforschung der Bundesministerien für Verkehr und Umwelt.

RX Bilder für Gesamtdeutschland - RX Images of the German area as a whole

Bilder für Gesamtdeutschland - Images of the German area as a whole

Radolan RX Bilder für Gesamtdeutschland - Radolan RX Images of the German area as a whole

Bilder für Gesamtdeutschland - Images of the German area as a whole

GTS Bulletin: ISND41 UMRR - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISND41 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISN): Synoptic observations from fixed land stations at non-standard time (i.e. 0100, 0200, 0400, 0500, ... UTC) A2 (D): 90°E - 0° northern hemisphere (Remarks from Volume-C: NilReason)

GTS Bulletin: ISND89 AMDN - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISND89 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISN): Synoptic observations from fixed land stations at non-standard time (i.e. 01, 02, 04, 05, ... UTC) A2 (D): 90°E - 0° northern hemisphere (Remarks from Volume-C: NATIONAL AUTOMATIC SYNOP)

1 2 3 4 5 … 889 890 891