1. Jahresbericht (german version) - Foresight & Policy Development
1. Jahresbericht (german version) - Foresight & Policy Development
1. Jahresbericht (german version) - Foresight & Policy Development
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Für eine solche 2-D Anwendung müssen jeweils Eckpunkte eines Fünfecks mit<br />
einem zentralen Punkt als Stützstellen vorliegen, die miteinander vernetzt sind, um<br />
den Satz von Gleichungen exakt lösen zu können. Dabei bedeuten<br />
k: Zentralstation/Gitterpunkt, die/der überprüft wird<br />
j: 5 Nachbarstationen (nah(k,j)) um k<br />
i: 5 Nachbarstationen (nahj(k,j,i) um j.<br />
Der spline Algorithmus erlaubt natürlich eine Erweiterung auf 3-D und 4-D. Das<br />
mechanische Äquivalent ist beim 3-D Ansatz durch ein elastisches Volumen<br />
gegeben, beim 4-D Ansatz durch ein elastisches Volumen mit Rotations-,<br />
Kompressions- und Deformations- Schwingungen bzw. -wellen.<br />
Für vektorielle Feldgrößen (zB Windvektor) kann der spline Algorithmus analog<br />
angewandt werden, wobei bei einer 2-D Anwendung auf 2-D Vektoren wahlweise<br />
gewichtete Kombinationen aus Rotation (ζ), Divergenz (D) und Deformation (E bzw.<br />
F) minimiert werden können, zB<br />
2<br />
2<br />
2 2<br />
J = ∫ [ ας + βD + γ(E + F ) ] dσ → Min , (7)<br />
wobei α, β und γ Gewichtungsfaktoren darstellen.<br />
Ist die spline Interpolation physikalisch sinnvoll?<br />
Falls die behandelte Feldvariable kontinuierlich verteilt ist (in der Atmosphäre etwa<br />
der Luftdruck; unendlich große Druckgradienten können ja nicht existieren !) und der<br />
Abstand der Stützstellen klein gegen die Längenskala des betrachteten Phänomens<br />
ist, liefert die cubic spline Interpolation die (statistisch) geringste Abweichung zu den<br />
„wahren“ Werten. Unter diesen Voraussetzungen konvergieren im Übrigen die<br />
Lösungen der „successive correction Methode“ und der „optimum Interpolation“<br />
gegen die Lösung des cubic spline. Aber auch bei Variablen mit Unstetigkeiten<br />
(Brüchen) in der Feldverteilung, zB bei der Temperatur an Fronten, lässt sich die<br />
spline Methode, durch eine entsprechende Wahl und Gewichtung der zu<br />
minimierenden Terme – wie zB in (6) – hervorragend anwenden.<br />
Der obige Ansatz kann sowohl in einem Qualitätskontroll- als auch in einem<br />
Analysemodus angewandt werden.<br />
2.<strong>1.</strong>2 Qualitätskontrolle von Daten<br />
Ist der Wert an der Stützstelle bekannt (Beobachtungspunkt), so kann der mittels<br />
Minimierungsverfahren interpolierte Wert an dieser Stelle mit dem Messwert<br />
verglichen werden. Auf statistischem Wege kann nun entschieden werden, ob der<br />
Messwert eine systematische Abweichung (bias) bezüglich der Nachbarstationen<br />
aufweist oder ob ein grober Fehler („gross error“) vorliegt. Dadurch kann dieser<br />
Messwert gegebenenfalls korrigiert werden. Es muss natürlich jeder Messwert in der<br />
betrachteten Domäne sukzessive diesem Prüfverfahren unterworfen werden, da ja<br />
nicht von vornherein bekannt ist, welcher Wert in welchem Umfang als fehlerhaft<br />
einzustufen ist. Derjenige Messwert der die größte „Beruhigung“ bezüglich der<br />
Krümmung der Kurve bewirkt, ist am wahrscheinlichsten fehlerbehaftet. Für<br />
mesoskalige Analysen ist die Qualitätskontrolle und Korrektur von fundamentaler<br />
Bedeutung. Das Anbringen aller berechneten Korrekturvorschläge repräsentiert<br />
einen Filter, der die kürzesten, durch die Stützstellen definierten Wellen dämpft, bzw.<br />
eliminiert.<br />
4 Anhang 1<br />
Teilbericht 1