Was kann ein dekadisches Vorhersagesystem vorhersagen? Von der Klimasimulation zur Klimainformation

Um eine gewünschte Klimainformationen auf der dekadischen Zeitskala potentiell vorhersagen zu können, muss diese Klimainformation in den Gedächtnissen der unterschiedlichen Komponenten des Klimasystems vorhanden sein. Außerdem müssen die Anfangsbedingungen und die physikalischen Grundgleichungen der Komponenten ausreichend bekannt sein. Daher variiert die Vorhersagbarkeit für unterschiedliche Klimavariablen, Raum- und Zeitskalen. In manchen Fällen findet sich überhaupt keine Vorhersagbarkeit.

Das globale Erdsystemmodell liefert Ergebnisse der simulierten Variablen aller Komponenten des Klimasystems, z.B. Niederschlag, Ozeantemperatur oder Bodenfeuchte. Diese werden berechnet für alle Gitterboxen der Erde einer zuvor definierten Auflösung, z.B. 200km x 200km an der Erdoberfläche und in unterschiedlichen Höhenschichten der Atmosphäre und des Ozeans. Die unterschiedlichen Variablen werden je nach Bedarf mit einer 3-stündigen, 6-stündigen, täglichen, wöchentlichen oder monatlichen zeitlichen Auflösung gespeichert.

Es  werden am häufigsten atmosphärischen Variablen untersucht, die aus einem typischen Wetterbericht bekannt sind: Temperatur, Niederschlag und Wind. Da diese Variablen bereits seit mehreren Jahrzehnten beobachtet wurden, können die Vorhersagen gut evaluiert werden. Wissenschaftlich interessant sind auch viele weitere Variablen, vor allem im Ozean, weil dieser in der Theorie ein bedeutendes Gedächtnis der dekadischen Vorhersagbarkeit aufweist.

Für die Variablen Temperatur, Niederschlag und Wind  kann man bereits aus theoretischen Überlegungen auf unterschiedliche Vorhersagebarkeit schließen. Da die Lufttemperatur eher gleichförmig über größere Raum- und Zeitskalen auftritt, weist sie theoretisch eher eine höhere Vorhersagbarkeit auf als der Niederschlag, der in kleinen Raum- und Zeitabschnitten stark variieren kann.  Die Vorhersagbarkeit von Wind-Variablen hängt davon ab, ob eher großräumige, homogene Windfelder  oder eher kleinräumige,  variable Windfelder betrachtet werden, wobei Erstere höhere Vorhersagbarkeit aufweisen.

Weiterhin hängt die Vorhersagequalität einer bestimmten Variable auch davon ab, welche Regionen und Zeitabschnitte betrachtet werden.

Mit einem dekadischen Klimavorhersagesystem wird darauf abgezielt, aus dem Gedächtnis der Komponenten des Klimasystems, die auf einer Zeitskala von Jahren bis zu einer Dekade wirken, Vorhersagbarkeit auszuschöpfen. Die Vorhersagbarkeit kann von Jahr zu Jahr schwanken, wenn sich das Zusammenwirken atmosphärischer Prozesse je nach großräumiger Situation verändert. Um statistisch sichere Aussagen zu gewinnen, werden die Klimavorhersagen möglichst für Mittelwerte über aggregierte Zeiträume getroffen, meist 1-5 Jahre (analog zu 30 Jahren bei Klimaprojektionen), und die zukünftige Vorhersagbarkeit aus langen vergangenen Zeiträumen bestimmt.

In den ersten Vorhersagejahren ist der Einfluss der beobachteten Anfangsbedingungen sehr stark, lässt aber mit zunehmender Vorhersagezeit immer weiter nach, so dass die Vorhersagbarkeit bei höheren Vorhersagezeiten oft nur noch aus dem Einfluss der Randbedingungen resultiert. Theoretisch nimmt die Vorhersagbarkeit mit zunehmender Vorhersagezeit also ab. In der Modellpraxis ist das aufgrund von fehlerhaften Anfangswerten, Prozessverständnis oder numerischen Berechnungen nicht immer so deutlich.

Um ausreichend lange Zeiträume für eine potentielle Vorhersagbarkeit zu betrachten und dabei „nahe“ und „ferne“ Vorhersagen unterscheiden zu können, werden in MiKlip standardmäßig die Mittelwerte über die Vorhersagezeiten Jahr 1-4, Jahr 2-5, … , Jahr 7-10 untersucht. Dabei können sich die ersten Jahre aufgrund von Initialisierungsfehlern absetzen und die erste und zweite Hälfte der Dekade verschiedene Vorhersagegüte aufweisen.

Da die Klimaprozesse in verschiedenen Regionen der Erde aus Wechselwirkungen zwischen unterschiedlichen Komponenten des Klimasystems bestehen, kann die Vorhersagbarkeit einer Klimavariablen auch von der ausgewählten Region abhängen.

Wie auch bei der Zeitskala ist ein dekadisches Vorhersagesystem aufgrund der unterschiedlichen Gedächtnisse der Komponenten des Klimasystems für die Betrachtung von größeren Raumskalen geeignet. Auf kleineren Skalen kann lokale Variabilität auftreten, welche nur bedingt mit den großskaligen Phänomenen zusammenhängt. Weiterhin kann ein Rauschen auf kleineren Skalen die Vorhersagbarkeit reduzieren. Um die statistische Aussagekraft der Klimavorhersagen zu erhöhen, werden diese daher meist über größere Raumskalen betrachtet, z.B. über 250-500km, die Vorhersage wird also über mehrere Modell-Gitterboxen aggregiert. Die Raumskala der Aggregation ist wiederum abhängig von der betrachteten Variable.

In erster Linie werden die dekadischen Klimavorhersagen mit einem globalen Klimamodell mit grober räumlicher Auflösung (etwa 200km x 200km) gerechnet. Wenn man Vorhersagen auf einer kleineren regionalen Skala analysieren möchte, können zwei Methoden angewandt werden: Beim dynamischen Downscaling werden die Globalmodelldaten mittels regionaler Klimamodelle auf eine höhere Auflösung gebracht. Die Regionalmodelle weisen die gleichen physikalischen Prinzipien und Grundgleichungen auf, arbeiten allerdings auf einer höheren Auflösung (25-50km) und aufgrund von beschränkten Rechenkapazitäten über einem kleineren Gebiet (z.B. Europa). Beim statistischen Downscaling erfolgt diese Erhöhung der Auflösung der Globalmodelldaten anhand von statistischen Beziehungen zwischen großskaligen Einflussvariablen, z.B. Luftdruck, und kleinskaligen Zielvariablen, z.B. Niederschlag, die mittels Beobachtungsdaten berechnet werden.

Aber auch hier gelten die oben beschriebenen Abhängigkeiten der Vorhersagbarkeit von Variable, Raum und Zeit. Es muss geprüft werden, ob Vorhersagbarkeit auf einer feineren räumlichen Skala gefunden werden kann und wie sich die Vorhersagbarkeit im Vergleich zur gröberen räumlichen Auflösung verändert.

Mehr Informationen hierzu finden Sie im Bereich der Forschung zu Regionalisierung.

Um vom rohen Modelloutput zur gewünschten Klimainformation zu gelangen, müssen also mehrere Entscheidungen getroffen werden: Auswahl einer Variablen, einer Region und eines Zeitraumes. Das folgende Beispiel präsentiert die Klimavorhersage des globalen MiKlip-Vorhersagesystems für die Temperatur über dem Nordatlantik (räumliche Auflösung 200km) für die Vorhersagezeit Jahr 2-5 (4-Jahresmittel). Dieses Vorhersagebeispiel wird auch in der folgenden Unterseite anhand seiner Vorhersagequalität bewertet.