Welt der Wissenschaft | Die nächste Generation der Wettermodelle

Dylan Reynolds ist Doktorand am SLF und erforscht, wie man hochauflösende Wettersimulationen verbessern und mit Schneemodellen koppeln kann. Um folgenden Artikel erklärt er seine Forschung und warum auch die Lawinenprognose von schnelleren Wettermodellen profitieren kann.

Die steile, komplizierte Topographie der Alpen ist ein Segen für alle, die gern Skifahren und Bergsteigen. Von schroffen Gipfeln geht es steil hinunter in tiefe Täler. Die Tiefblicke sind wunderschön, aber für die atmosphärischen Modelle, die hier das Wetter vorhersagen sollen, ist das komplexe Gelände ein Albtraum. Um Schneefall im Gebirge vorherzusagen, braucht man sehr hoch aufgelöste Modelle. Lawinenwarndienste nutzen oft Schnee- und Windinformationen, die aus einer Reihe verschiedener Datenprodukte statistisch generiert werden. Das ist nützlich, aber mit hochauflösenden Wettermodellen könnte man die zugrundeliegenden Prozesse direkt berechnen anstatt auf räumliche Statistik zurück zu greifen.

Warum macht man das nicht? Die für entsprechende Modelle benötigte Rechenleistung ist einfach zu groß. Es wird zwar viel in die nächste Generation von Wettermodellen investiert, aber wahrscheinlich dauert es noch mindestens 10 Jahre, bis wir operationelle numerische Wettervorhersagen auf solchen Skalen haben. Um die Vorhersagen trotzdem zu verbessern, können wir Wege suchen, die komplexen, hochauflösenden Modelle zu vereinfachen, ohne dass das Ergebnis zu sehr leidet.

Erste Ergebnisse zeigen, dass die Kombination aus HICAR und einem Schneedriftmodell Verfrachtungen auf der Skala einzelner Rücken und Geländekanten simulieren kann. Eine wichtige Voraussetzung, um Triebschneegefahr mittels Modell vorherzusagen! Wir hoffen, dass HICAR irgendwann Triebschneemengen und -gefahrenstellen in einzelnen Hängen berechnen kann, um die Gefahreneinschätzung der Warndienste zu unterstützen.

HICAR war bereits im Einsatz, um Winterniederschlag über den Schweizer Alpen mit einer räumlichen Auflösung von 250m zu simulieren. Das hat gut funktioniert, teils besser als mit anderen Methoden. Winterniederschlag ist besonders wichtig für den Operational Snow Hydrological Service (OSHD) des SLF. In diesem Rahmen wird ein Schneemodell mit ähnlicher Auflösung betrieben. Wir sind zuversichtlich, dass HICAR in den nächsten Jahren im operationellen Betrieb eingesetzt und mit dem OSHD Modell kombiniert werden kann. HICAR würde durch die spezielle Downscaling Methode eine Art Brücke zwischen den weniger hochaufgelösten Wetterdaten der MeteoSwiss und dem OSHD Schneemodell darstellen. Diese Modellkette könnte Schneeprozesse im Gebirge besser simulieren als die einzelnen Modelle es bisher alleine können.

HICAR wird dabei nicht die bestehenden Wetterprognosen ersetzen. Die geringere Rechenzeit von HICAR ergibt sich aus der Tatsache, dass es viele Daten der anderen Modelle nutzt und nicht erst alles selbst berechnen muss. HICAR soll nicht statt anderer Modelle zum Einsatz kommen, sondern mit ihnen. Modellketten und Downscaling Methoden wie sie bei HICAR im Einsatz sind, können uns helfen, die komplizierten Prozesse, die sich im Gebirge zwischen der Atmosphäre und der Schneedecke abspielen, besser zu verstehen.