• Home
  • Perturbation (Streuung) bei Modellen

Defintionen der Perturbation

Grundlagen zur Wetterdaten-Modellierung

Numerische Wettervorhersagen (Numerische Wetterprognose, NWP) sind rechnergestützte Wettervorhersagen. Aus dem Zustand der Atmosphäre zu einem gegebenen Anfangszeitpunkt wird durch numerische Lösung der relevanten Gleichungen (im Kern: Navier-Stokes-Gleichungen, thermische Zustandsgleichung idealer Gase, Erster Hauptsatz der Thermodynamik, Kontinuitätsgleichung) der Zustand zu späteren Zeiten berechnet. Diese Berechnungen umfassen teilweise mehr als 14 Tage und sind die Basis aller heutigen Wettervorhersagen.

In einem solchen numerischen Vorhersagemodell wird das Rechengebiet mit Gitterzellen und/oder durch eine spektrale Darstellung diskretisiert, so dass die relevanten physikalischen Größen, wie vor allem Temperatur, Luftdruck, Dichte, Windrichtung und Windgeschwindigkeit, im dreidimensionalen Raum und als Funktion der Zeit dargestellt werden können. Die physikalischen Beziehungen, die den Zustand der Atmosphäre und seine Veränderung beschreiben, werden als System partieller Differentialgleichungen modelliert. Dieses dynamische System wird mit Verfahren der Numerik, welche als Computerprogramme meist in Fortran implementiert sind, näherungsweise gelöst. Aufgrund des großen Aufwands werden hierfür häufig Supercomputer eingesetzt. Es wird grundsätzlich zwischen Globalmodellen (Maschenweite ca. 10-50 km), deren Rechengebiet den ganzen Globus umfasst und Lokal- oder Ausschnittsmodellen (kurz auch LAM für limited area model) unterschieden. Letztere werden meist mit höherer Auflösung (heute ca. 1-15 km Maschenweite) nur auf einem begrenzten Gebiet gerechnet. Um dann die Werte am Modellgebietsrand während der Vorhersagerechnung sinnvoll festzulegen, werden üblicherweise interpolierte Ergebnisse eines Globalmodells oder großflächigeren Ausschnittsmodells verwendet (so genanntes „Nesting“).

Ensembleprognose

Wegen der chaotischen Natur des Wetters kann in vielen Fällen eine leichte Änderung der Ausgangsdaten insbesondere bei mittel- und langfristigen Vorhersagen zu einer völligen Veränderung der Prognose führen (Schmetterlingseffekt). Daher werden neben dem so genannten Hauptlauf, bei dem die Rechner mit den tatsächlich gemessenen Werten gefüttert werden, weitere Läufe durchgeführt, bei denen mit leicht veränderten Daten und einer etwas gröberen Auflösung der Modell-Gitterpunkte gearbeitet wird. So soll die Prognoseunsicherheit abgeschätzt werden. Die Ergebnisse dieser Läufe werden in Ensembles verglichen. Sind die Ergebnisse für einen Zeitraum der Prognose ähnlich, so ist das ein Indiz dafür, dass die Vorhersage für diesen Zeitraum relativ sicher ist. Während in einigen Fällen die Großwetterlage somit über 10 Tage recht gut prognostizierbar ist, gibt es andere Fälle, bei denen bereits nach wenigen Tagen eine zufriedenstellende Vorhersage kaum möglich ist. Die Anfangsstörungen für die einzelnen Ensemblemitglieder werden mittels zufälliger (stochastischer) Störung, Störung der assimilierten Beobachtungen zur Berücksichtigung der Messfehler (Ensembledatenassimilation), Störung in Richtung größter Störempfindlichkeit mittels sogenannter singulärer Vektoren oder Reskalierung des Auseinanderlaufens früherer Vorhersagen (breeding) generiert. In jüngerer Zeit wird auch die Unsicherheit in den Parametrisierungen während der Modellintegration durch Störung der darin enthaltenen Rechengrößen berücksichtigt (stochastische Modellphysik und Multiphysik). Globale Ensemblemodelle werden beispielsweise am EZMW, UK-Metoffice, NCEP in den USA und in Kanada sowie von Météo France erstellt. Ensembles mit hochaufgelösten Ausschnittsmodellen wie das COSMO-DE-EPS des Deutschen Wetterdienstes kommen erst seit wenigen Jahren zum Einsatz und sind noch Gegenstand intensiver Forschung.

Als Beispiel einer Ensemble-Darstellung unten der 18 Uhr UTC Lauf von GFS vom Sonntag, dem 22.10.2017

aenderung der wettermodelle im november

Zu erkennen ist, dass bis am 26. Oktober quasi alle Einzelläufe der Temperatur einenidentischen Verlauf zeichnen. Solche EIndeutigkeiten sind für Meteorologen ein Glücksfall, sagt dies doch quasi ein fast 100 Prozentiges Eintreffen voraus. Bereits am 28. Oktober treten die ersten Unsicherheiten auf: Die einzelnen Perturbationen beginnen sich zu unterscheiden und der weitere Verlauf wird unsicher. Die Streuung wird gross. Auch der Niederschlag (eingerahmt mit unterem blauem Rechteck) weist grosse Unsicherheiten auf.

Dennoch zeigt dieser Lauf mehrere eindeutige Trends:
  • Am Montag, 23. Oktober noch Niederschlag
  • Vom 25. bis 27. Oktober sicher trocken
  • Ab 28. Oktober beginnt eine allgemein nasser Witterungsabschnitt
  • Von 23. Oktober an stetig ansteigende Temperaturen
  • Vom 25. bis 27. Oktober vor allem inder Höhe sehr mild (Voraussichtlich Nebel inden Niederungen)
  • Danach eindeutiger Trend zu kühlerem Wetter mit teilweise Schnee bis ca 700m
  • Ab 28. Oktober allerdings grosse Temperaturunsicherheiten

Die Analyse der obigen Grafik zeigt nun lediglich eine Momentaufnahme des 18 Uhr Modell-Laufes von GFS. Genau die gleiche Art von Outputs werden noch von vielen anderen Modellen bereitgestellt. Um eine noch treffsicherere Prognose zu erstellen, müssten also auch diese Modelle mit einbezgen werden - wobei jedes Modell so seine EIgenheitenhat, welche man nur durch monatelanges Studieren und Vergleichen zwischen den Modellen und schlussendlichmit dem auch wirklich eingetretenen Wetter herauskristallisieren kann. Das kann keine App, das kann kein Rechner: Dazu braucht es immer noch den Menschen und die Intuition, Erfahrung und vor allem das Gespür fürs Wetter.

Doch es geht noch weiter: Will man wirklich verlässliche Prognosen erhalten, muss man alle 4 Läufe des Tages über mehrere Tage und alle Modell verfolgen. Erst dann wird der Grundtrend ersichtlich. Die grose "Abkühlung" und der viele Regen waren zum Beispiel bei GFS noch vor 5 Tagen NICHT ersichtlich. Es kann gut sein, dass das nur eine Laune des Modells ist und der Regen in den kommendenLäufen wieder nach und nach "weggerechnet" wird.

Modelle >>

 

Drucken E-Mail