Contributions towards a downscaling scheme for urban climate modeling integrating mobile measurements and improved roughness representation for Hamburg (Germany)

Abstract

Global climate change is affecting the local climate within the city, leading to potentially more heat waves and other health risks for the people. This research adds knowledge to improve numerical urban climate models. It implements a differentiated land use classification (LUC, available at 100 meter resolution) for Hamburg, Germany, within the open source regional climate model (RCM) Weather Research and Forecasting (WRF) at 1 kilometer resolution. While there are already different dynamical downscaling approaches available to model the urban canopy since WRF v3.1 (Noah LSM, SLUCM, BEP, BEP+BEM, and coupling to microscale models), they are all more demanding of scarce computing capacity. Thus, our approach uses the default WRF land surface model and demands almost no more computing time, while improving the model output. To safe additional computing time, a benchmark of WRF using different compilers was accomplished. The main enhancement of the new LUC (nLUC, Daneke, Bechtel, and Langkamp 2010, based on local climate zones (LCZ) by Stewart and Oke 2009, 2012) lies in providing more classes of urban roughness through a recently proposed roughness parameterization (cf. Bechtel and Langkamp et al. 2011). Further land use characteristics such as albedo, emissivity etc. could also be added to the classification and thus to WRF in the long run. At the same time the nLUC is backwards compatible to the LCZs and transferable to other cities in the world. The classes can automatically be derived from multisensor remote sensing data (Bechtel and Daneke 2012). Another enhancement of the nLUC is, that future scenarios of the city’s evolution are available because of its implementation in a dynamic urban land use model. Thus, changes of the city surface are also implementable in WRF or any other RCM using the nLUC. Current available RCMs and their urban canopy models implement static urban morphology only. To evaluate its added value, a sensitivity study of WRF with the embedded nLUC was accomplished. For this evaluation – and to collect more data for statistical downscaling applications – this research also presents a mobile measurement campaign that utilized 15 buses of the local public transportation company Hochbahn AG. The huge amount of collected mobile air temperature data was implemented in a newly developed database together with numerous stationary data. The database is available to other scientists and is used here for evaluating different WRF runs for the metropolitan area of Hamburg, for May and June 2011.

Der globale Klimawandel verändert auch das städtische Klima. Dies führt potenziell zu häufigeren und stärkeren Hitzewellen und weiteren Gesundheitsrisiken für die Bevölkerung. Unter diesem Gesichtspunkt verbessert und ergänzt die vorliegende Forschungsarbeit das Know-How zur numerischen Modellierung des Stadtklimas durch die Nutzung einer differenzierten Landnutzungs-Klassifikation für Hamburg (verfügbar ab einer Auflösung von 100 m). Die Klassifikation wurde dazu bei einer Auflösung von einem Kilometer in das regionale, open source Klimamodell WRF integriert. Seit Version 3.1 verfügt WRF zwar bereits über mehrere auf das Stadtklima abgestimmte Oberfläche-Boden-Modelle, jedoch benötigen sie alle deutlich mehr Rechenkapazität. Deshalb ist der vorgestellte Ansatz rechenzeit-neutral, verbessert aber dennoch die Modellergebnisse. Um weitere wertvolle Rechenzeit einzusparen wurde eine Benchmark-Studie durchgeführt, die WRFs Leistung bei der Verwendung verschiedener Compiler vermisst. Der Hauptvorteil der neuen Landnutzung (Daneke, Bechtel, und Langkamp 2010, basierend auf der Klassifikation der lokalen Klimazonen (LCZ) von Stewart und Oke 2009, 2012) liegt in der differenzierteren Darstellung städtischer Oberflächenrauigkeit, welche auf eine neue Rauigkeitsparameterisierung von Bechtel und Langkamp et al. 2011 zurückgreift. Auf lange Sicht, können weitere Landnutzungs-Parameter wie Albedo, Emissivität etc. in der Klassifikation und somit in WRF ergänzt werden. Trotz einer weiter erhöhten Klassenzahl bleibt die Klassifikation nach Daneke, Bechtel, und Langkamp (2010) rückwärts-kompatibel zu den LCZs und kann auf andere Städte weltweit übertragen werden. Die Klassen können mit Hilfe von multi-sensorischen Fernerkundungsdaten automatisiert erhoben werden, wie in Bechtel und Danke 2012 beschrieben. Ein weiterer Vorteil der neuen Klassifikation liegt darin, dass für sie Szenarien des Stadtwachstums verfügbar sind, da sie in ein dynamisches Landnutzungsmodell eingebettet ist. Somit können Veränderungen der städtischen Oberfläche auch in WRF oder anderen regionalen Modellen implementiert werden. Aktuelle verfügbare regionale Modelle und ihre Oberfläche-Boden-Modelle verfügen nur über statische städtische Oberflächen. Um WRF in Kombination mit der neuen Landnutzung zu validieren und mehr Daten für ein statistisches Downscaling zu erhalten, welches die Auflösung der WRF-Ergebnisse auf 100 Meter erhöhen soll, wurde zudem eine mobile Messkampagne mit 15 Bussen des öffentlichen Personennahverkehrs der Hochbahn AG durchgeführt. Die große Menge gesammelter Luft-Temperaturdaten wurde zusammen mit zahlreichen stationären Messungen in eine neu entwickelte Datenbank integriert. Die Datenbank steht anderen Wissenschaftlern für ihre Forschungsfragen oder zur Erweiterung der Datenbasis offen. In dieser Arbeit diente ihr Datenbestand der Auswertung verschiedener WRF-Simulationen im Gebiet der Metropolregion Hamburg über den Zeitraum von Mai bis Juni 2011.