Limitationen von Wettermodellen

Transkript

1 Limitationen von Wettermodellen Reto Stauffer Roger Oechslin Korrektorin: Stephanie Westerhuis EINLEITENDE WORTE Dies ist die Online-Version des Artikels Limitationen von Wettermodellen, welcher im Meteo Spezial - Heft zum 40-jährigen Jubiläum des Schweizerischer Hängegleiter-Verbandes (SVH) erschienen ist. Aufgrund des vorgegebenen Umfangs der gedruckten Artikel im Jubiläumsheft mussten wir unseren Artikel etwas einkürzen. Um der interessierten Leseschaft ein etwas umfangreicheres Bild zu diesem Thema liefern zu können, entschieden wir uns zu dieser zusätzlichen Online-Version. Besten Dank an dieser Stelle an das Redaktoren-Team, welches unseren Vorschlag gerne entgegengenommen hat. Viel Spass beim lesen. MOTIVATION Das Internet bietet Zugriff zu einer überwältigenden Fülle von Wetterinformationen. Darunter sind auch viele Wettermodelle, welche dem Benutzer meist in Form von Wetterkarten zugänglich gemacht werden. Die Anbieter legen viel daran, diese Karten im Bezug auf Lesbarkeit immer einfacher und intuitiver zu gestalten. Diese Entwicklung hat viele positive Seiten. So befassen sich Outdoorsportler, insbesondere Hängegleiterpiloten, intensiver mit dem Thema Wetter. Viele nutzen diese Wetterkarten, um eine eigene Prognose zu erstellen. Oft fehlt jedoch das Verstäntnis, wann und warum Wettermodelle überfordert sind. Dieser Umstand führt unweigerlich zu Frustration. Dieser Artikel soll ein gewisses Verständnis dafür schaffen, wo und weshalb in der heutigen Zeit Modellvorhersagen teilweise ungenau sind und warum die Vorhersagbarkeit limitiert ist.

2 GESCHICHTE DER WETTERPROGNOSE Als Erstes muss man verstehen, weshalb das Wetter überhaupt vorhergesagt werden kann. Noch bis Ende des 19ten Jahrhundersts wurden Wettervorhersagen anhand des aktuellen Himmelsbildes erstellt. Basierend auf dem was man sah, versuchte man die Entwicklung der nächsten Stunden und Tage abzuleiten (Synoptik, lat. Zusammenschau ). Daraus entstanden Bauernregeln, von welchen jeder von uns einige kennt ( Abendrot, schlecht Wetter droht, Hat der Niesen einen Hut, bleibt das Wetter gut ). Bauernregeln sind lokal sehr verschieden und gelten oft (wenn überhaupt) nur für kurze Zeit und selten bei starken Wetterumschwüngen. Im Jahre 1900 veröffentlichte ein Norweger namens Bjerknes das erste Buch der modernen Wettervorhersage. Er beschrieb darin als Erster die Physik der Atmosphäre. Das Problem: Er konnte seine eigenen Gleichungen nicht lösen. Viele Entwicklungen waren notwendig (vor allem die Erfindung des Computers) bis im Jahre 1955 von der US Air Force erstmals täglich Wettervorhersagen berechnet werden konnten. Auch wenn heutige Modelle um ein Vielfaches präziser und besser sind das Grundprinzip ist bis heute dasselbe geblieben. Beobachtungen und Messungen aus Satelliten, Flugzeugen, Wetterballonen, Bojen und Schiffen sowie Landstationen (Abbildung 1). Diese Informationen über das aktuelle Wetter sind jedoch nicht regelmässig über den Globus verteilt. In einigen Regionen gibt es sehr wenige Daten, in anderen wiederum sehr viele. Zudem ist das Netz an Wetterstationen auf der Nordhalbkugel viel dichter als auf der Südhalbkugel. Dies führte in der Vergangenheit dazu, dass die Vorhersagen südlich des Äquators signifikant schlechter waren als nördlich davon. Seit etwa 15 Jahren werden auch vermehrt Satellitendaten verwendet, was die Vorhersagequalität vor allem auf der Südhalbkugel stark verbesserte (Abbildung 2). Die Diagnose verschlingt oft mehr Computerzeit als die Prognose selbst und ist eines der wichtigsten Puzzleteile einer Wettervorhersage. Abbildung 2: Entwicklung der Vorhersagequalität des Europäischen Vorhersagezentrums ECMWF getrennt in Nord- und Südhalbkugel. Gezeigt ist die Anomalie-Korrelation des 500 hpa Niveaus (dieses wiederspiegelt die Vorhersagegüte der globalen Zirkulation), jeweils für den 3/5/7/10-ten Vorhersagetag. Gut zu sehen sind die Unterschiede zwischen der Nord- und Südhalbkugel bis etwa ins Jahr Durch die Integration der Satelliten-Beobachtungen bei der Analyse konnte dieses Defizit fast komplett eliminiert werden. Abbildung 1: Übersicht des globalen Beobachtungsnetzwerkes. Rund um die Uhr werden weltweit diverse Daten über den aktuellen Atmosphärenzustand gesammelt. Dazu gehören unter anderem Messstationen an Land, Radiosonden sowie Wetterradars. Aber auch Schiffe, Flugzeuge und ozeanische Bojen komplettieren das Netzwerk. Da Radiosonden und (v.a. manuelle) Landbeobachtungen relativ teuer sind, wird immer mehr auf Satellitendaten gesetzt. Neben Bildern (analog einem Foto aus dem Weltall) werden mittels Satelliten auch vertikale Profile gemessen. [Quelle: World Meteorological Organization; original in Englisch]. WIE FUNKTIONIERT EIN WETTERVORHERSAGEMODELL? Ein Wettervorhersagemodell besteht im Wesentlichen aus sieben physikalischen Grundgleichungen, welche den Zustand der Atmosphäre beschreiben. Kennt man den Zustand von heute (Diagnose), so kann dieser auch in die Zukunft gerechnet werden (Prognose). Das klingt doch recht einfach wie können da falsche Vorhersagen entstehen? Diagnose/Anfangszustand: Kennt man den aktuellen Zustand der Atmosphäre nicht, kann man auch keine akkurate Prognose rechnen. Die Diagnose wird somit zu einem zentralen Element der Wettervorhersage. Die Informationen dafür stammen von weltweiten Prognose: Sobald der Anfangszustand bestmöglich analysiert und auf das Modellgitter gebracht wurde, kann die eigentliche Vorhersage gestartet werden. Schritt für Schritt werden alle notwendigen Gleichungen gelöst. So arbeitet sich das Wettermodell in kleinen Zeitschritten in die Zukunft. Die Zeitschritte sind von der Auflösung der Modelle abhängig und bewegen sich im ein- bis zweistelligen Sekundenbereich, auch wenn die Vorhersagen (Wetterkarten) meist nur in 1-3 stündigen Intervallen abgespeichert werden. Um eine 24h Prognose zu erhalten, müssen die Gleichungen also ein paar tausend mal gelöst werden. Auf allen Gitterpunkten (horizontal wie vertikal, siehe Abbildung 3) müssen alle relevanten meteorologischen Grössen berechnet werden. Dazu gehören neben bekannten Grössen wie Temperatur, Feuchte und Wind auch Strahlungsprozesse, Austauschprozesse an der Oberfläche, Flüsse etc.. Insgesammt werden mehrere hundert Variablen pro Zeitschritt berechnet, um die Atmosphäre so perfekt wie eben möglich abzubilden und zu prognostizieren. Wie bereits erwähnt, ist das Prinzip der Wettervorhersage in den Grundzügen bereits relativ alt. Die Verfahren scheinen ausgeklügelt zu sein und es wird ein immenser Aufwand in Entwicklung, Forschung und Unterhalt betrieben. Weshalb stimmt die Modellvorhersage trotzdem nicht immer? Seite 2/6

3 Abbildung 3: Beispiel eines numerischen Gitters, welches für Wettermodelle verwendet wird. Man kann sich dieses Gitter wie einen Zauberwürfel vorstellen, wobei jedes Segment des Würfels ein gewisses Luftvolumen darstellt. Die unterste Schicht interagiert mit der Erdoberfläche: Austausch von Feuchte, Erwärmung des Bodens durch die Sonne, Windreibung etc. was sich desweiteren auf die darüberliegenden Schichten auswirkt. Die Gitterboxen sind sowohl horizontal als auch vertikal miteinander gekoppelt und können so die Eigenschaften austauschen. detaillierteren Prozessverständnis und genaueren Parametrisierungen zeigt sich ein positiver Effekt. Parallel zu einer feineren Auflösung müssen auch die Zeitschritte in der Prognose reduziert werden. Dies bedeutet, dass mehr Zeitschritte (und somit Rechenschritte) benötigt werden, um einen Tag in die Zukunft zu rechnen als bei einem vergleichbaren jedoch gröber aufgelösten Modell. Globale Modelle erreichen heute Auflösungen von 16-55km, Lokalmodelle rechnen mit Auflösungen bis zu 2-3km. Vergleichen wir die Auflösungen mit einer Gewitterzelle in Mitteleuropa (Fussabdruck - oder Durchmesser ca. 10 Kilometer), so wird schnell ersichtlich, dass Globalmodelle mit Auflösungen von 16-55km solche subskaligen Prozesse nie präzise vorhersagen können (subskalig = kleiner als die Modellauflösung). Für die Vorhersage von globalen Strömungen stehen jedoch Auflösungen von 2-3km in keiner Relation zum Aufwand und zum Ertrag. LIMITATIONEN DER WETTERVORHERSAGE Um zu verstehen, warum eine Wettervorhersage auch einmal daneben liegen kann, muss man die Grenzen solcher Modelle kennen. Der Laie spricht oft leichtfertig von einer falschen Vorhersage, was einem auch nicht zu verübeln ist, wenn es an einem sonnigen Tag mit vereinzelten Cumuluswolken in den Alpenregionen plötzlich wie aus Kübeln auf den neuen Gleitschirm regnet. Für solche Fehlprognosen gibt es unzählige Gründe, von denen hier die wichtigsten erläutert werden. Die Basis aller Wettermodelle sind physikalisch-mathematische Gleichungen. Für einige dieser Gleichungen (zum Beispiel die NavierStokes-Gleichung) gibt es jedoch bis heute keine eindeutige Lösung. In der Modellierung benutzt man deswegen numerische Verfahren, um sich der exakten Lösung so gut wie möglich zu nähern. Dabei entstehen jedoch Abweichungen, die je nach Prozess und Näherungsverfahren tragend werden könnnen. Weiters sind bis heute noch viele Prozesse nicht genügend erforscht oder zu komplex, als dass diese überhaupt mathematisch eindeutig beschrieben werden könnten. Solche Prozesse müssen deshalb parametrisiert werden. Parametrisierungen sind meist stark vereinfachte Formeln, die einen Prozess empirisch (statistisch) beschreiben. Als Beispiel etwa der Austausch von Feuchtigkeit zwischen Oberfläche und Atmosphäre oder die Bildung von Wolken. Während die Grundgleichungen bei allen Modellen identisch sind, unterscheiden sich die numerischen Verfahren und Parametrisierungen zwischen den Modellen zum Teil enorm. Die Unterschiede sind an die Anforderungen der Modelle gekoppelt so werden hochaufgelöste Modelle in den (komplexen) Alpenregionen auf andere Prozesse getrimmt als etwa globale (weltumspannende) Modelle. Die Liste der Ursachen für Modelllimitationen ist sehr umfangreich. Obwohl jede davon wichtig ist, werden in den kommenden Absätzen lediglich einige davon genauer beschrieben. Horizontale Auflösung: Ein treibender Faktor ist die Modellauflösung also die Abstände zwischen den Gitterpunkten in den Modellen. Abbildung 4 zeigt dies anhand der Topographie. Durch immer höhere Auflösungen konnte die Vorhersagequalität in den letzten Jahrzehnten stark verbessert werden. Aber Achtung: Lediglich die Modellauflösung ständig zu verfeinern ist kein Garant für präzisere Wettervorhersagen. Erst in Kombination mit einem Abildung 4: Als Beispiel für die notwendigen Vereinfachungen in Wettermodellen zeigt diese Abbildung den Vergleich zwischen der realen Topographie (farbig) und der Topographie eines aktuellen globalen Wettermodells (gitter; weiss-transparente Fläche). Der Ausschnitt zeigt den Bereich um den Säntis mit Blick in Richtung Süden. Aufgrund der horizontalen Auflösung gehen viele der (so schönen) Details unserer Alpen verloren. Das Gelände innerhalb der Boxen muss auf einen einzigen Wert eine mittlere Gebirgshöhe reduziert werden. Zudem sind aus technischen Gründen weitere Glättungen notwendig. Das Resultat ist (in diesem Beispiel) ein Modellgelände, welches signifikant tiefer liegt als in Wirklichkeit und keine Täler oder Gipfel mehr aufweist. Der Verlust an Details wird sofern möglich durch subskalige Prozesse kompensiert (z.b. Rauhigkeit der Oberfläche, Anteil Tal/Gipfelflächen,...). Vertikale Auflösung: Neben der horizontalen Auflösung spielt auch die vertikale Auflösung eine wichtige Rolle. Eine verbesserte vertikale Auflösung führt zu einem realistischerem Bild im Bezug auf Inversionen, Hochnebel, der Wolkenuntergrenze etc.. In Bodennähe ist diese für viele Phänomene, wie zum Beispiel Nebel, in den heutigen Modellen noch immer zu grob um konstant zuverlässigen Vorhersagen liefern zu können. Die ungenügende Auflösung in der Vertikalen äussert sich auch in einer für Gleitschirmpiloten zentralen Fragestellung: Muss ich mit Föhn rechnen oder nicht? Föhn bricht in den Modellen oft zu schnell in die Täler durch, da Inversionen über Kaltluftseeen in den Tälern zu schwach dargestellt werden. Dadurch kann in der Modellwelt die Föhnluft oft rascher absinken als in der Realität. Seite 3/6

4 Rechenpower: Die Auflösung ist eng verbunden mit der notwendigen Rechenleistung. Verdoppelt man die Auflösung horizontal (z.b. von 30x30km auf 15x15km), ist das Vierfache (2^2) an Computerleistung notwendig. Die Leistung moderner Computer steigt stetig, ist aber ebenfalls nicht unendlich. Als Beispiel: der Piz Diant Supercomputer am CSCS (Swiss National Supercomputing Center) besitzt 120'000 Prozessoren und führt in einer Sekunde 6 Billiarden Rechenoperationen durch (eine 6 mit 15 Nullen). Dabei verbraucht dieser Supercomputer unter Volllast etwa soviel Strom wie 2700 durchschnittliche schweizer Einfamilienhäuser. Neben vielen anderen Anwendungen nutzt Meteoschweiz diesen Computer für ihre täglichen Modellberechnungen. Modellfokus vs. Zeithorizont: Verschiedene Wettermodelle sind auf unterschiedliche Zwecke ausgerichtet, weswegen einige Modelle gewisse Wetterphänomene gar nicht erst erfassen können. Ein für uns Piloten entscheidendes Phänomen ist der Föhn. Ein globales Modell tut sich schwer, diesen vorherzusagen, da Föhn oft ein sehr lokales Ereignis ist. Grosse Hochdruckgebiete und Frontensysteme erfasst es hingegen auch mehrere Tage im Voraus gut. Lokalmodelle andererseits prognostizieren teilweise den Föhn am kommenden Tag korrekt, haben jedoch kaum mehr eine gute Trefferquote für den dritten oder vierten Tag. Der nächste Abschnitt befasst sich im Detail mit diesem Problem. Chaos: Das Wetter unterliegt einem natürlichen Chaos. Im Jahre 1963 veröffentlichte Edward N. Lorenz einen bahnbrechenden Artikel zu diesem Thema, welcher stark mit einem uns allen bekannten Zitat in Verbindung steht: Der Flügelschlag eines Schmetterlings kann einen Hurrikan auslösen. Original sprach Lorenz übrigens vom Flügelschlag einer Möve, der das Wetter für immer verändern könne. Gemeint ist damit, dass jede Störung in der Atmosphäre sich in der Zukunft auf das gesamte System auswirkt und die Vorhersage gewisser Wetterphänomene zeitlich limitiert (siehe Abbildung 5). Bezogen auf Wettermodelle: Ungenau beschriebene oder unbekannte Prozesse, notwendige Vereinfachungen, fehlende Messungen, zu geringe Auflösungen und hunderte andere Störungen im Modell breiten sich im System aus und können stark anwachsen. Diese anfangs meist kleinen Störungen beeinflussen massgeblich die Qualität der Wettervorhersage. Gemäss Lorenz reicht bereits ein Schmetterling in den Modellen ist der Schmetterling eines der kleinsten Probleme. VERSCHIEDENE KONZEPTE/ANWENDUNGEN IN DER WETTERVORHERSAGE Abildung 5: Übersicht der Beziehung zwischen räumlichen Ausdehnung von atmosphärischen Phänomenen (Abszisse) und deren zeitliche Vorhersagbarkeit (Ordinate). Achtung: diese Charakteristik hat nichts mit den Wettermodellen direkt zu tun, sondern beschreiben allgemeine Vorhersagbarkeit. Selbst mit höchstaufgelössten Modellen lassen sich einzelne Phänomene nicht unendlich weit in die Zukunft prognostizieren. Grosskalige Wetterphänomene wie planetare Wellen (Rossby-Wellen) oder Hoch- und Tiefdruckgebiete weisen eine Ausdehnung von wenigen hundert bis mehrere tausend Kilometer auf und sind je nach Grösse und Intensität mehrere Tage gut vorhersagbar. Gewitterzellen oder etwa eine grossräumige Kumuluskonvektion mit einer Ausdehnung von wenigen hundert Metern lassen sich auf einige Stunden noch akkurat Vorhersagen. Am unteren Ende des Spektrums befinden sich Downbursts, niederschlagsinduzierte Böenfronten, Leeturbulenzen oder einzelne Thermikschläuche. Diese lassen sich aufgrund des Chaos lediglich für wenige Sekunden oder Minuten gut vorhersagen, danach entfernen sie sich zu stark von der Wahrheit und verlieren ihren Informationsgehalt. Begleitend (unten links): Cumulonimbus mit Downburst als Beispiel eines kleinskaligen Prozesses. Besten Dank an dieser Stelle an den Fotografen Benedicht Stucki. Daneben (unten rechts) eine Zyklone über der Westküste von Island mit der Ausdehnung von mehreren duzend Kilometern. Wie bereits erwähnt spielen bei der modernen Wettervorhersage viele Faktoren eine Rolle es gibt kein ideales Modell. Weltweit entwickeln verschiedenste Wettervorhersagezentren, Wetterdienste und Forschungszentren eigene Modelle, die auf spezielle Anwendungen und Fragestellungen zugeschnitten sind. Der Fokus globaler Wettermodelle liegt meist auf langen Zeithorizonten (10-15 Tage; GCM, global circulation model) und einer möglichst genauen Vorhersage auf grossen Skalen (Rossby-Wellen, Hoch- und Tiefdruckgebiete, El-Nino, Monsun). Nationale Wetterdienste hingegen möchten für ihr Vorhersagegebiet möglichst genaue Vorhersagen mit allen lokalen Phänomenen (Stichwort: Föhn, Gewitterzellen, Starkniederschläge) auf kleinen Skalen. Neben dem Rechenaufwand, der durch diese Verfeinerungen stark anwächst, wachsen auch die Modellfehler rascher. Dies führt zwangsweise zur einer Reduktion des Zeithorizontes. Da lokale Wettermodelle (LAM, local area model) rechnen deshalb nur 2-5 Tage in die Zukunft. Modellen mit noch kleineren Skalen bedienen sich hingegen Gutachter, Forschungseinrichtungen und Universitäten. Mit Wettermodellen dieser Art werden Turbulenzen in der Grössenordnung von 10m bis 100 m modelliert, um Prozesse nahe der Erdoberfläche besser verstehen zu können oder Schadstoffausbreitungen zu modellieren. Der Zeithorizont solcher Anwendungen umfasst oft nur wenige Stunden, um beispielsweise genauer zu verstehen, wie sich Luftströmungen oder Hindernisse in einem Alpental verhalten. Abbildung 6 gibt einen schematischen Überblick über die verschiedenen Zeithorizonte der Modelltypen. Seite 4/6

5 Klimamodelle Saisonale Ensemble Monate Ensemble GCM's Deterministische GCM's Ensemble LAM's Deterministische LAM's Jahre ~15d ~10d 2-5d 2-3d Abbildung 6: Durch die unzähligen Modelle, welche weltweit betrieben werden, ist es unmöglich eine allgemeingültige Einteilung vorzunehme. Die Abbildung zeigt einen schematischen Überblick über die verschiedenen Modellkonzepte und deren Vorhersagezeit. Von unten nach oben: Lokalmodelle (LAM; local area model) besitzen meist eine hohe Aulösung, sind räumlich beschränkt und rechnen meist einige wenige Tage in die Zukunft. Immer stärker verbreitet: Ensemble-LAM's. Diese vorhersagen sind meist etwas länger als die deterministischer LAM's, sie decken jedoch ebenfalls nur einige wenige Tage ab. Im Gegensatz dazu rechnen Globalmodelle (GCM's; global circulation models) auf einem weniger feinmaschigen Gitter, sind nicht räumlich beschränkt und haben einen Vorhersagehorizont von etwa 10 Tagen. Ergänzt werden sie durch die globalen Ensemble-Modelle. Saisonale Modelle sind an der Schnittstelle der Wettermodelle zu den Klimamodellen. Erstere überspannen wenige Monate, Klimamodelle mehrere Jahrzehnte bis Jahrhunderte. Eine Spezialgruppe von Modellen sind Klimamodelle, die hier nur aus Gründen der Vollständigkeit kurz erwähnt werden. Obwohl sie grundsätzlich gleich funktionieren wie Wettermodelle, gibt es einen entscheidenden Unterschied. In die Klimamodellierung (Zeithorizont Jahre) fliessen zusätzlich Klimaszenarien mit ein wie wird beispielsweise die Menschheit in 50 Jahren mit erneuerbarer Energie umgehen? Werden neue technische Errungenschaften entwickelt, welche Auswirkungen auf die Zusammensetzung der Atmosphäre haben? Wie wächst die Erdbevölkerung weiter? Solche Überlegungen spielen in Wettermodellen keine Rolle. DETERMINISTISCHE VORHERSAGE Bisher wurden verschiedene Konzepte von Wettermodellen sowie deren möglichen Limitationen gezeigt. Modelle können die Wirklichkeit also nur teilweise Abbilden und produzieren unumgänglich Fehler beziehungsweise Abweichungen zur echten Welt. Die kleinsten Fehler sind dann zu erwarten, wenn die Anfangsbedingungen (Analyse) bestmöglich bekannt sind. Startet man mit diesen Anfangsbedingungen einen Vorhersagelauf (Prognose), so erhält man eine Vorhersage für das erwaretete Wetter, auch deterministische Vorhersage genannt. Als Beispiel: 14.5 Grad Celsius in St.Gallen mit 57% tiefen Wolken um 12Z. Die deterministische Vorhersage liefert jedoch keine Information darüber, ob eine Wetterlage basierend auf den bekannten Limitationen der Modelle sicher oder unsicher vorhersagbar ist. Um einen Nutzen aus dem Wissen der Fehlerquellen zu ziehen wurden sogenannte Ensemble-Modelle entwickelt. ENSEMBLE VORHERSAGEN Ensemble-Modelle sind ebenfalls Wettermodelle und unterliegen denselben Limitationen wie bereits in diesem Artikel beschrieben. Der wichtigste Unterschied zu den deterministischen Vorhersagen: Ensemble-Modelle rechnen nicht eine einzige Vorhersage sondern gleich mehrere. Dabei spricht man von Ensemble-Mitgliedern, die zusammen das Ensemble bilden. Heutige Ensemble-Systeme umfassen 10 bis 50 Mitglieder plus meistens einen sogenannten Kontrollauf und werden sowohl für Globalmodelle als auch immer öfters für Lokalmodelle gerechnet. Diagnose/Anfangszustand: Auch für Ensemble-Modelle wird zuerst ein Anfangszustand benötigt, der den best möglichen Zustand der aktuellen Atmosphäre beschreibt. Prognose Kontrollauf: Der Kontrollauf ist sozsuagen die deterministische Vorhersage innerhalb eines Ensemble-Modells und verwendet die besten Anfangsbedingungen. Störung des Anfangszustandes: Der zuvor berechnete Anfangszustand zeigt den best möglichen Zustand, ist aber keinesfalls perfekt. Als Repetition: Alle Messdaten müssen auf ein vereinfachtes Modellgitter gebracht werden; Messungen haben Fehler; gewisse Prozesse in der Atmosphäre sind ungenügend oder gar nicht bekannt. Um dies zu berücksichtigen wird nun der Anfangszustand minimal gestört/manipuliert und zur Prognose der Ensemble-Mitglieder verwendet. Prognose Ensemble-Mitglieder: Jedes Ensemble-Mitglied besitzt also seinen eigenen gestörten Anfangszustand. Basierend darauf wird für jedes Mitglied wieder eine eigene deterministische Vorhersage gerechnet. Die interessante Frage ist nun: Wie unterscheiden sich die verschiedenen Vorhersagen? Aufgrund der gestörten Anfangsbedingungen entwickeln sich die Wetterlagen und Fehler in jedem der Ensemble-Mitglieder unterschiedlich. Entscheidend ist, ob die Störung (der Flügelschlag des Schmetterlings) sich stark oder schwach auf die Vorhersage auswirkt (entsteht ein Hurrikan?). Abildung 7: Beispiel einer ECMWF-Ensemble Vorhersage für Zürich. Von Oben nach Unten: Tagesniederschlag, Windrichtung sowie Minimum/Maximum-Temperaturen. Die Box-Whisker (Balken) zeigen den Bereich an, in welchen die Vorhersagen der einzelnen EnsembleMitglieder liegen. Decken die Box-Whisker einen grossen Bereich ab, so unterscheiden sich die einzelnen Vorhersagen stark vorneinander die Vorhersage ist unsicherer. Diese Information ist für die Wettervorhersage essentiell und wird in der modernen Vorhersage immer stärker verwendet. [Quelle: European Center for MediumRange Weather-Forecasts; Rechenpower: Ensemble-Modelle haben oft eine etwa eine halb so hohe Auflösung wie deterministische Modelle. Der Grund ist offensichtlich: Bei 20+1 Ensemble-Mitgliedern (20 EnsembleMitglieder + 1 Kontrollauf) müssen 21 komplette Vorhersageläufe gerechnet werden. Abbildung 7 zeigt ein Beispiel einer 15-tages Ensemble-Vorhersage des europäischen Globalmodells für einen Modell-Gitterpunkt um Zürich. Abgebildet sind die Vorhersage aller Ensemble-Mitglieder (50+1), dargestellt als sogenannte Box-Whiskers. Zur Erklärung für all jene, die diese Abbildung nicht täglich verwenden: Ein BoxWhisker zeigt die Spannweite der Vorhersagen an. Die feinen Seite 5/6

6 aussenliegenden Linien zeigen den höchsten/niedrigsten Wert an, die Balken dazwischen verschiedene Perzentilen (10/25/75/90%). 10% bedeutet dabei, dass 10% aller Ensemble-Mitglieder einen Wert unter entsprechend 90% über diesem Wert vorhergesagt haben. Der Median entspricht dabei dem 50% Perzentil, bei dem die Hälfte aller Ensemble-Mitglieder darüber, die anderen darunter liegen. Betrachten wir die Temperatur-Maximumvorhersage für die ersten paar Tage etwas genauer. Zu Beginn unterscheiden sich die Vorhersagen der einzelnen Mitglieder kaum, die Box-Whiskers sind sehr eng, die Vorhersagbarkeit ist gut und befindet sich mit einer Wahrscheinlichkeit von 80% zwischen Grad Celsius für den Samstag, 5. Juli. Am Montag, 7. Juli, ist die Wetterlage schwieriger vorherzusagen, das Ensemble prognostiziert eine MaximumTemperatur zwischen Grad, wobei die Hälfte der Vorhersagen unter 21 Grad, die Hälfte über 21 Grad liegt. In diesem Fallbeispiel ist der Auslöser eine Kaltfront, die von Westen her kommend die Schweiz streift/überquert. Die verschiedenen Ensemble-Mitglieder prognostizieren sowohl den Zeitpunkt des Kaltfrontdurchgangs als auch die Stärke der Front unterschiedlich ein. Betrachten wir die Niederschlagsvorhersage für eben diesen Montag so liefert uns das Ensemble-Modell einen Tagesniederschlag von Montag von etwa 335mm, wobei die Mehrheit der Modelle eine Regenmenge von etwa 8-22mm prognostiziert. Am Folgetag sind sich die Modelle wieder stärker einig insgesamt ist weniger Niederschlag zu erwarten und die Maximum-Temperatur bewegt sich zwischen 16 und 21 Grad hinter der Kaltfront. Man beachte, dass die Unsicherheit nicht nur mit dem Zeithorizont ansteigt sondern beschreibt, wie gut eine gewisse Wettersituation vorhergesagt werden kann. einen Punkt in einem Tal oder einen Veranstaltungsort) zu verbessern, müssen die Vorhersagen aus Wettermodellen weiter optimiert werden. Diese Arbeit übernehmen ausgebildete Meteorologen oder automatisierte statistische Nachbearbeitungen, sogenannte MOS-Systeme (Model Output Statistics). ABSCHLIESSENDE WORTE Wir hoffen, dass wir in diesem Beitrag einen groben Überblick über die Welt der Wettermodelle geben konnten. Neben den hier erwähnten Aspekten spielen unzählige weitere eine wichtige Rolle in dieser Form auf alle Details einzugehen wäre gar nicht möglich. Zusammenfassend kann man sagen, dass die Entwickler und Wissenschaftler weltweit gute Arbeit leisten. Heute ist der Vorhersagefehler am 5. Prognosetag vergleichbar mit jenem am 3. vor gut 20 Jahren. Kommende Innovationen im Prozessverständnis, der Physik, beim Bau neuer Wettersatelliten oder in der Computerindustrie werden die Entwicklung Schritt für Schritt vorantreiben. Eine perfekte Vorhersage wird dennoch nie möglich sein in einem chaotischen System, wie die Atmosphäre eines ist man kann nur versuchen, Fehler so klein wie möglich zu halten und die dazugehörenden Unsicherheiten zu berücksichtigen. Wie der Mathematiker und Statistiker George Box einmal sagte: All models are wrong, but some are useful (Alle Modelle sind Falsch, aber manche sind nützlich). Ensemble-Modellen wird eine grosse Zukunft vorausgesagt. Obwohl diese wesentlich rechenintensiver sind, liefern sie eine wertvolle Zusatzinformation. Es gibt bereits Wettervorhersagezentren in welchen diskutiert wird, ob bei den heutigen, qualitativ hochwertigen und detaillierten Ensemble-Modellen ein eigenständiges deterministisches Modell überhaupt noch notwendig ist. Deterministische Vorhersagen liegen oft in den ersten 1-3 Tagen qualitativ noch vor den Ensemble-Vorhersagen, verlieren dann aber rasch an Bedeutung. Längerfristige Vorhersagen (ab 2-3 Tagen) werden heute fast ausschliesslich mit Einbeziehen von EnsembleVorhersagen erstellt. WEITERVERARBEITUNG VON MODELLWETTEVORHERSAGEN Ohne die Vorhersagen aus Wettermodellen wäre eine moderne Wettervorhersage - wie wir sie aus unserem täglichen Leben kennen gar nicht möglich. Globale Wettermodelle beziehen die weltweite Entwicklung des Wettergeschhens mit ein, eine Notwendigkeit, die unumgänglich ist. Die Atmosphäre ist ein komplexes System mit diversen Interaktionen und sogenannten Teleconnections. Wird zum Beispiel die Äquatoriale Zirkulation (Madden-Julian oscillation) in einem Globalmodell nicht korrekt wiedergegeben, so hat dies auch einen Einfluss auf die Vorhersagequalität in Europa. Lokalmodelle wiederum werden von Globalmodellen gefüttert. Dies ist notwendig, da sie lokal beschränkt sind. Ein europäisches LAM hat ohne die Information eines Globalmodells keine Ahnung, was z.b. über dem Atlantik passiert. Andererseits sind moderne Modellvorhersagen immer noch zu grob, um für einen einzelnen Punkt eine genaue Vorhersage liefern zu können. Ein Modell mit 20x20 Kilometern horizontaler Auflösung liefert mittlere Werte für die entsprechende Gitterbox nicht aber für einen einzelnen Punkt innerhalb dieser Box. Um die Vorhersagequalität für einen einzelnen Punkt (z.b. eine Gemeinde, Seite 6/6