Look Up! Neue Studie zeigt, wie Wetterradare vertikale Profile durch Schnee und Regen von Bodennähe bis Wolkenoberkante erstellen können.

Brauche ich auf dem Heimweg einen Regenschirm? Bleibt das Wetter während der Grillparty am Abend trocken? Jeder kennt sie vermutlich aus der Wetterapp: die Radar-Regenvorhersage. Für kurzfristige Niederschlagsvorhersagen innerhalb der nächsten Stunden stellt sie eine unverzichtbare Informationsquelle dar. Die Daten liefern dafür die 17 Wetterradare des deutschen Wetterdiensts (im Bild oben das Wetterradar am DWD Observatorium Hohenpeißenberg). Diese stehen gleichmäßig verteilt über ganz Deutschland hinweg, vom Gipfel des Feldbergs im Süden bis zur Insel Borkum im Norden (Bild unten). Um nun Karten des Niederschlags überall zu erstellen, senden diese Radare ihre Signale meist flach über die Landschaft hinweg und drehen sich dabei. Aus den Echos des Signals an Regentropfen und Schneeflocken entsteht so alle fünf Minuten ein flächiges Bild des Niederschlags.
Darüber hinaus gibt es in Deutschland aber noch weitere Radare, die die Atmosphäre beobachten. Sogenannte Wolkenradare stehen zumeist an Universitäten oder Forschungseinrichtungen. Ihre Daten sind nicht in der Wetterapp sichtbar, sondern werden benutzt, um Forschungsfragen rund um die Entstehung von Wolken, Wetter und Niederschlägen zu beantworten. Dazu senden diese Radare ihre Signale meist senkrecht nach oben. Auf diese Weise entstehen vertikale Profile durch die Wettersysteme, die detaillierte Informationen von der Entstehung kleiner Eiskristalle am Oberrand einer Wolke bis zum Niederschlag am Boden liefern (siehe Forschungshighlight Juli 2025).

Tatsächlich "schauen" aber auch die meisten europäischen Wetterradare alle 5 min einmal nach oben. Dies diente bisher lediglich der Signalkalibrierung. Im Rahmen der Forschungskooperation PROM, begannen Wissenschaftler der LMU/MIM und des DWD vor vier Jahren damit, diese vertikalen Daten für die 17 deutschen Radare systematisch abzuspeichern. Eine neue Studie, erschienen im Bulletin der American Meteorological Society, zeigt nun, wie damit in Zukunft auch die Wetterradare des DWD, obwohl ursprünglich nicht dafür vorgesehen, eine ähnliche, vertikale Perspektive wie Forschungsradare liefern können. In der direkten Gegenüberstellung zwischen Wolkenradaren und Wetterradaren zeigt sich, dass letztere zwar nur alle 5 min ein Profil liefern, aber damit trotzdem viele Eigenschaften sowohl stratiformer als auch konvektiver Wetterlagen aufgelöst werden können. So lassen sich zum Beispiel klar die Schmelzschicht (d.h der Übergang von Schnee zu Regen), Bereifungsprozesse von Schneeflocken oder sogar Hagel in den Profilen erkennen. Der große Vorteil der Wetterradare liegt dabei in ihrer breiten Verfügbarkeit. So listet zum Beispiel die Cloudnet Platform aktuell 5 permanente Forschungsstationen mit Wolkenradaren in Deutschland, im Vergleich zu 17 Wetterradaren des DWD. Europaweit sind aktuell sogar 162 solcher Radare in Betrieb. Dies eröffnet sowohl die Möglichkeit zu großflächigen, klimatologischen Vergleichen von Wetterphänomenen als auch die Möglichkeit seltene Phänomene, z.B. starken Hagel, im Vertikalschnitt zu beobachten. Gleichzeitig können vertikale Informationen, z.B. über die genaue Lage der Schmelzschicht, auch die Interpretation der klassischen Radarprodukte wie Niederschlagskarten verbessern. Um die vertikalen Daten dieser Radare meteorologisch nutzbar zu machen, sind weder Investitionen in neue Hardware noch Kompromisse bei den bisherigen Messungen nötig, eine softwareseitige Anpassung genügt.

Die vorliegende Studie stellt somit auch ein Beispiel dar, wie die Kooperation zwischen universitärer Forschung und Wetterdiensten funktionieren kann, um bestehende Messnetze in buchstäblich neuer Perspektive erscheinen zu lassen.

Autor: Paul Ockenfuß

Literatur:

• Frech, M.; Kneifel, S.; Ockenfuß, P. & Gergely, M.: Exploring the untapped potential of operational weather radars for vertical profiling of precipitation and clouds. Bulletin of the American Meteorological Society, American Meteorological Society, 2026, 107(1), E127–E141. https://doi.org/10.1175/BAMS-D-24-0113.1