Ein „Spread-versus-Error“-Modell zur zuverlässigen Quantifizierung des Potenzials für subseasonale Zeitfenster mit guten Prognoseaussichten

Abbildung: Ein Maß für die Zuverlässigkeit subseasonaler Vorhersagen: Werte von 1 würden auf perfekte Zuverlässigkeit hindeuten, während kleine oder negative Werte auf verminderte oder fehlende Zuverlässigkeit schließen lassen. Oben und unten werden Ergebnisse von Ensembles unterschiedlicher Größe verglichen.

Wettervorhersagen auf sogenannten subseasonalen Zeitskalen (2–6 Wochen im Voraus) bilden eine Brücke zwischen herkömmlichen (mittelfristigen) Vorhersagen (mit einer Vorlaufzeit von bis zu 2 Wochen) und Vorhersagen für saisonale Mittelwerte. Aufgrund des „Chaos“ in der Atmosphäre sind diese subseasonalen Vorhersagen mit großer Unsicherheit behaftet. Diese Unsicherheit lässt sich quantifizieren, indem viele identische Vorhersagen mit leicht unterschiedlichen Anfangsbedingungen durchgeführt werden. Die Streuung solcher Ensemble-Vorhersagen liefert nützliche Informationen über die Vorhersageunsicherheit. Diese Ensemble-Streuung kann sich in Abhängigkeit von großräumigen atmosphärischen Bedingungen ändern, beispielsweise aufgrund großräumiger Störungen der stratosphärischen Strömung während des Polarwinters (sogenannte plötzliche stratosphärische Erwärmungen).

Wir stellen eine neue Methode vor, mit der gemessen werden kann, wie gut subseasonale Vorhersagen Schwankungen in der Unsicherheit erfassen. Unsere Ergebnisse zeigen, dass die Zuverlässigkeit der Unsicherheit mit langsamen, vorhersagbaren Mustern in der Atmosphäre zusammenhängt und je nach Region und Ensemblegröße der Vorhersage stark variiert. Diese Erkenntnisse helfen dabei, Zeiträume zu identifizieren, in denen Vorhersagen zuverlässiger sind.

Aktuelle Veröffentlichung: Abstract und Link zum Paper

Die Vorhersagegenauigkeit in den mittleren Breiten auf subseasonalen Zeitskalen hängt oft von „Windows of Oportunity“ ab, die durch sich langsam verändernde Schwingungsmodi wie El-Nino Southern Ocean ENSO, Madden-Julian-Oszillation MJO oder stratosphärische Variabilität geöffnet werden können. Die meisten bisherigen Arbeiten haben sich auf die Vorhersagbarkeit von Ensemble-Mittelwerten konzentriert, wobei der Zuverlässigkeit solcher Vorhersagen und deren Zusammenhang mit der Ensemble-Streuung, die die intrinsische Vorhersageunsicherheit direkt widerspiegelt, weniger Aufmerksamkeit geschenkt wurde. Hier stellen wir einen Rahmen zur Gegenüberstellung von Streuung und Fehler vor, der auf dem Spread-Reliability Slope (SRS) basiert, um zu quantifizieren, ob Schwankungen in der Ensemble-Streuung zuverlässige Informationen über Variationen im Prognosefehler liefern. Anhand von Sub-seasonal-to-seasonal (S2S) Prognosen des ECMWF und Reanalyse-Daten (ERA5) sowie mithilfe von Experimenten mit idealisierten Modellansätzen zeigen wir, dass die Zuverlässigkeit der Streuung von mindestens drei miteinander verflochtenen Faktoren bestimmt wird: (1) dem Stichprobenfehler, (2) dem Ausmaß der physikalisch bedingten Streuungsvariabilität und (3) der Modellgenauigkeit bei der Darstellung dieser Variabilität. Regionen wie Nordeuropa, der mittlere Ostpazifik und der tropische Westpazifik weisen für 50-Mitglieder-Ensembles durchweg hohe SRS-Werte (d. h. zuverlässige Streuungsschwankungen) auf, im Einklang stehend mit einer robusten Streuungsmodulation durch sich langsam verändernde Telekonnektionen. Im Gegensatz dazu weisen Gebiete wie Ostkanada selbst bei 100-Mitglieder-Ensembles einen sehr niedrigen SRS-Wert auf (geringe oder keine Streuungszuverlässigkeit), was auf eine begrenzte Modulation der Prognoseunsicherheit im niedrigen Frequenzbereich hindeutet. Wir zeigen ferner zwei praktische Implikationen auf: (i) Eine einfache Varianzskalierung führt zu einer nachbearbeiteten „korrigierten Streuung“, die die Zuverlässigkeit gewährleistet und dazu beitragen kann, eine Brücke zwischen den Ensemble-Ergebnissen und den Nutzerbedürfnissen zu schlagen; und (ii) die zeitliche Mittelwertbildung vergrößert die Ensemblegröße effektiv, sodass selbst 10-Mitglieder-Ensembles eine mit größeren Ensembles vergleichbare Zuverlässigkeit bei den Streuungsschwankungen erreichen können. Abschließend erörtern wir mögliche Zusammenhänge mit dem Signal-Rausch-Paradoxon und betonen, dass eine angemessene Darstellung der Variabilität der Ensemble-Streuung entscheidend ist, um subseasonale Zeitfenster zu nutzen.

• Rupp, P., Spaeth, J., and Birner, T.: A spread-versus-error framework to reliably quantify the potential for subseasonal windows of forecast opportunity, Weather Clim. Dynam., 7, 767–785, https://doi.org/10.5194/wcd-7-767-2026, 2026.