Daten der Natur, Natur der Daten

Die Grenze des Vorhersagbaren

21. September 2020 Minimierung der Unsicherheiten in Wettervorhersagen

Nicht nur die Nebelvorhersage lässt noch zu wünschen übrig. Auch die sonstige Wettervorhersage fällt bisweilen erstaunlich schlecht aus. Wissenschaftlerinnen und Wissenschaftler gehen davon aus, dass dies nicht nur an fehlerhaften Vorhersagemethoden liegt, sondern einer bisweilen chaotischen Atmosphäre geschuldet ist – ähnlich wie bei jenem berühmten Schmetterling, der in Brasilien mit seinem Flügelschlag einen Tornado über Texas auslösen kann, aber eben nur dann, wenn bestimmte Bedingungen an einem Ort es zulassen.

Seit 2015 untersuchen die Wissenschaftlerinnen und Wissenschaftler der LMU, des KIT und der Universität Mainz im interdisziplinären Verbund „Wellen, Wolken, Wetter“, wie Unsicherheiten in Wettervorhersagen entstehen und wie sie sich minimieren lassen

Ziel des Sonderforschungsbereichs/ Transregio "Wellen, Wolken, Wetter" ist es, die Grenzen der Vorhersagbarkeit zu identifizieren und die physikalisch bestmögliche Vorhersage zu erstellen. "Es gibt eine natürliche Grenze", sagt dessen Sprecher, der Physiker George Craig, Professor für Theoretische Meteorologie an der Ludwig-Maximilians-Universität (LMU) München. "Nur stellt sich die Frage, ob die mit den vorhandenen Methoden tatsächlich erreicht wird."

Der "chaotische" Teil der Atmosphäre

Seit 2015 untersuchen die Wissenschaftlerinnen und Wissenschaftler aus Meteorologie, Mathematik, Statistik und Informatik an der LMU, am Karlsruher Institut für Technologie (KIT) und an der Universität Mainz in dem interdisziplinären Verbund, wie Unsicherheiten in Wettervorhersagen entstehen und wie sie sich minimieren lassen. In der ersten Förderphase des Sonderforschungsbereichs/ Transregio lag der Schwerpunkt auf der Grundlagenforschung. "Wir wussten zu jenem Zeitpunkt viel über die Dynamik der Atmosphäre und wie Wettersysteme funktionieren, aber nur sehr wenig darüber, wie anfänglich kleine Fehler in diesen Systemen wachsen", erklärt Craig.

In diesem Bereich habe man nun wichtige Erkenntnisse gewonnen: "Wir haben deutlich gesehen, dass die Prozesse, über die sich Fehler ausbreiten, völlig andere sind als die eigentlichen Prozesse von Wettersystemen." Die Konsequenz: Für eine optimale Wettervorhersage reicht das klassische numerische Modell nicht mehr aus. Benötigt werden stattdessen Vorhersagen, die auch jenen nicht vorhersagbaren, "chaotischen" Teil der Atmosphäre berücksichtigen. "Dafür müssen wir auf Statistik und Künstliche Intelligenz zurückgreifen und diese Ansätze mit der klassischen Wettervorhersage kombinieren", erläutert Craig. In diesen Hybridmodellen aus Naturgesetzen und KI liege die Zukunft der Wettervorhersagen.

Neue Visualisierungstechniken

In der zweiten Förderphase nun, die 2019 bewilligt wurde, wollen die Forscherinnen und Forscher nun intensiv die neuen Methoden zur Vorhersage von Unsicherheiten an Daten und in Absprache mit Wetterdiensten testen. "Wichtig ist in diesem Zusammenhang auch die Visualisierung", sagt Craig. Sprich: Wie lassen sich Ungenauigkeit und Unsicherheit der Prognose in Karten überhaupt darstellen? Wie lässt sich zeigen, dass die Forscher davon überzeugt sind, die Windvorhersage sei beispielsweise für einen Ort korrekt, aber es gäbe an einer anderen Stelle große Unsicherheiten? Drei Projekte setzen sich mit neuen Visualisierungstechniken auseinander.

Ein wenig stolz blickt Craig auf die Nachwuchsförderung von "Wellen, Wolken, Wetter": Der SFB/TRR stellt den jungen Wissenschaftlerinnen und Wissenschaftlern ein bestimmtes Budget zur Verfügung, das sie – beispielsweise für Auslandsreisen, Gastvorträge oder Seminare – selbst verwalten. So hätten sie einen mehrtägigen Workshop über Maschinelles Lernen organisiert. "Gleich drei Projekte
haben daraufhin die vorgestellte Methode eingesetzt", sagt Craig. Das allgegenwärtige Thema sei durch den Nachwuchs in den Sonderforschungsbereich/Transregio hineingewachsen.