Extreme rainfall events in simulations, theory and related large-scale dynamic processes

Abstract

Extreme rainfall events on various time scales causing floods, generating landslides and damaging ecological systems, get raising concerns under detected climate variability. Many studies show that there is an increasing chance of intense rainfall and flooding in future warmer climates. This thesis aims to further develop an understanding of extreme rainfall following two different aspects: firstly rainfall maxima covering a wide range of time scales and space scales are analyzed revisiting Jennings (1950) observationally established scaling law; and secondly, daily-scales extreme rainfall events are related to large-scale dynamic processes with the aim to provide an extreme value downscaling scheme. First, global climate model (GCM) simulations are compared with observations in terms of resolution dependence and climate change. The analysis shows the following results: (i) the observed scaling law relating rainfall maxima to duration (Jennings 1950) is basically reproduced but exhibits resolution dependence, (ii) the intensity of rainfall extremes is up to one order of magnitude smaller in the model data, (iii) the increase of rainfall maxima on short time scales in the warmer climate simulations (RCP 8.5) vanishes beyond monthly time scales. The Jennings’ law may provide guidance for cascade dependent bias correction of rainfall extremes in simulations. Then, a conceptual stochastic rainfall model which reveals similar scaling behavior is introduced as a first order auto-regressive process AR(1) to represent the lower tropospheric vertical moisture fluxes, whose upward components balance the rainfall while the downward components are truncated and defined as no-rain. Estimates of ERA-40 vertical moisture flux autocorrelations (at grids near the rainfall stations) provide estimates for the truncated AR(1). Subjected to maximum depth-duration analysis, the scaling coefficient, b ≈ 0.5, is obtained extending for about two orders of magnitude, which is associated with a wide range of vertical moisture flux autocorrelations 0.1 < a < 0.7. Finally, to link daily-scale rainfall extremes with large-scale circulations, extreme value statistics (the Point Process PP, model) is employed to identify warm season (MJJAS) daily-scale rainfall extremes over continental China. The Western Pacific Subtropical High (represented by the WPSH-index) is implanted as a covariate of one or more parameters into the PP model. Observations show that WPSH statistically significant influences extreme rainfall in vast regions except south China. The relation between WPSH and extreme rainfall is also analyzed in MPI-ESM simulated present-day and future climates and then compared with the observations. The results suggest the extreme value statistics as a function of WPSH could be used for statistical downscaling of extreme rainfall events statistics over China.

Extreme Niederschlagsereignisse verschiedener Zeitskalen bekommen eine wachsende Bedeutung, da sie Hochwasser und Erdrutsche verursachen können, und das Ökosystem schädigen. Zahlreiche vorhergehende Studien zeigen eine zunehmende Wahrscheinlichkeit von Starkniederschlagsereignissen und Fluten in Modellsimulationen eines erwärmten Klimas. Diese Arbeit hat das Ziel, das Verständnis von Extremniederschlägen im Hinblick auf zwei verschiedene Punkte zu erweitern: 1) Niederschlagsmaxima umfassen einen grossen Bereich zeitlicher und räumlicher Skalen, die nach Jennings (1950) Beobachtungen einem Skalierungsgesetz folgen und 2) auf regionaler Skala werden tägliche Extremeniederschläge mit dynamische Prozessen in Verbindung gebracht mit dem Ziel, Grundlagen für ein ‚Downscaling’ Schema der Statistik von Extremereignissen zu entwickeln. Zunächst werden Simulationen eines Globalen Zirkulationsmodells (GCM) mit dem beobachtete Skalierungsgesetz unter dem Aspekt der Klimaveränderung und der Modellauflösung verglichen. Dabei ergeben sich folgende Ergebnisse: (i) das Skalierungsgesetz von Niederschlagsmaxima und -dauer kann im wesentlichen reproduziert werden. Jedoch zeigt sich Auflösungsabhängigkeit. (ii) In den Modellsimulationen ist die Stärke der Niederschlagsereignisse um bis zu einer Größenordnung kleiner als in den Beobachtungen. (iii) Die Zunahme von Niederschlagsmaxima auf kurzen zeitlichen Skalen verschwindet im erwärmten Klima (RCP 8.5) ab monatlichen Zeitskalen. Ein konzeptionelles stochastisches Niederschlagsmodell, welches ein ähnliches Skalierungsverhalten wie die Beobachtungen aufweist, wird als autoregressiver Prozess erster Ordnung, AR(1), eingeführt, um die unteren troposphärischen vertikalen Feuchtefluss wiederzugeben. Dabei balanciert die Aufwärtskomponente des Flusses den Niederschlag, wohingegen die Abwärtskomponente abgeschnitten und als „kein Niederschlag“ definiert wird. Schätzungen der Autokorrelationen des vertikalen Feuchteflusses (ERA-40) an Gitterpunkten nahe von Stationsmessungen liefern Schätzungen für den abgeschnitten AR(1) Prozess. Die Analyse der maximalen Niederschlagsmenge und -dauer ergibt einen Skalierungsparameter von b ≈ 0.5, für zwei bis drei Größenordnungen. Diese Wertbereich ist von b mit der Autokorrelationen des vertikalen Feuchteflusses verbunden (mit 0.1 < a < 0.7). Abschließend wird die Extremwertstatistik (Punktprozessmodell, PP) für Niederschlagsextreme eingeführt mit der Möglichkeit, Kovariable in einen Parameter (oder mehrere) einzuführen. Als Testgebiet dient das chinesische Festland, das in der warmen Jahreszeit (MJJAS) unter dem Einfluss des West-Pazifische Subtropen-Hochs (dargestellt durch den WPSH Index) steht. Beobachtungen zeigen, dass der WPSH Index statistisch signifikant die extremen Niederschläge in weiten Bereichen (Ausnahme Südchina) beeinflusst. Diese Beziehung zwischen WPSH Index und der Extremwertstatistik der Niederschläge wird für Simulationen (MPI-ESM) des gegenwärtigen Klimas analysiert und mit Beobachtungen verglichen. Das gute Ergebnis ermutigt dieses Verfahrens auch als mögliches ‚Down-Scaling’ der Extremwert-Statistik in Abhängigkeit vom WPSH auch (wie hier gezeigt) für Klima-Szenarien einzusetzen.