Wettermodelle bilden die Grundlage der modernen Vorhersage. Sie verbinden Physik, Mathematik, globale Beobachtungsnetze und Supercomputer, um zu simulieren, wie sich die Atmosphäre verhält und entwickelt. In den letzten Jahrzehnten haben sie die Vorhersage zu einem der rechnerisch anspruchsvollsten Bereiche der Wissenschaft gemacht.
Was ist ein numerisches Wettervorhersagemodell?
Im Kern ist ein Wettermodell – formal bekannt als NWP-Modell (engl. Numerical Weather Prediction, „numerische Wettervorhersage“) – eine mathematische Darstellung der Erdatmosphäre. Die Atmosphäre verhält sich wie ein Fluid: Sie bewegt sich, steigt auf, kühlt ab, kondensiert, interagiert mit Land und Ozeanen und reagiert auf Sonneneinstrahlung. Diese Prozesse werden durch physikalische Gesetze beschrieben, darunter die Newtonschen Bewegungsgesetze, die Erhaltung von Masse und Energie sowie die Prinzipien der Thermodynamik. Wettermodelle übersetzen diese Gesetze in Gleichungen, die beschreiben, wie sich Lufttemperatur, Druck, Wind und Feuchtigkeit im Laufe der Zeit verändern.
Da diese Gleichungen äußerst komplex und stark miteinander verknüpft sind, lassen sie sich nicht manuell lösen. Sie werden stattdessen von leistungsstarken Supercomputern berechnet, die Milliarden bis Billionen Rechenoperationen pro Sekunde ausführen können. Jede moderne Wettervorhersage ist letztlich das Ergebnis dieser numerischen Berechnungen.
Von Beobachtungen zu Anfangsbedingungen
Die Vorhersage beginnt mit Beobachtungen. Weltweit werden kontinuierlich Messungen durch Bodenstationen, Wetterballons, Flugzeuge, Schiffe, Meeresbojen, Radarsysteme und Satelliten durchgeführt. Satelliten sind besonders wichtig, da sie nahezu globale Abdeckung bieten – auch über Ozeanen und abgelegenen Regionen, in denen bodengestützte Stationen selten sind. Sie messen die von der Erde und Atmosphäre ausgestrahlte oder reflektierte Strahlung, wodurch Wissenschaftler Eigenschaften von Wolken, Temperaturprofile und Feuchtigkeitsverteilungen ableiten können.
Täglich werden enorme Mengen an Beobachtungsdaten gesammelt. Rohdaten allein reichen jedoch nicht aus, um eine Vorhersage zu erstellen. Zunächst müssen die Daten zu einem konsistenten Bild der Atmosphäre zusammengeführt werden – ein Prozess, der als Datenassimilation bezeichnet wird. Dabei werden aktuelle Messungen mit kurzfristigen vorherigen Vorhersagen kombiniert, um die bestmögliche dreidimensionale Darstellung des aktuellen atmosphärischen Zustands zu erzeugen. Dieses Ergebnis wird als Anfangsbedingung bezeichnet und bildet den Ausgangspunkt für die Modellberechnung.
Die Genauigkeit dieser Anfangsbedingungen ist entscheidend. Die Atmosphäre reagiert äußerst empfindlich auf kleine Unterschiede. Schon minimale Unsicherheiten zu Beginn können sich im Laufe der Zeit verstärken. Tatsächlich erfordert die Erstellung des initialen Atmosphärenzustands oft mehr Rechenleistung als die eigentliche Vorhersageberechnung.
Das Modellgitter und die räumliche Auflösung
Sobald der Anfangszustand definiert ist, wird die Atmosphäre in ein dreidimensionales Gitter unterteilt. Man kann sich dies als ein Netzwerk aus Zellen vorstellen, das die Erde überzieht und von der Oberfläche bis in die hohe Atmosphäre reicht. Jede Gitterzelle enthält Werte wie Temperatur, Druck, Windgeschwindigkeit, Windrichtung, Luftfeuchtigkeit und Wolkeneigenschaften. Der Abstand zwischen den Gitterpunkten bestimmt die räumliche Auflösung des Modells.
Eine höhere Auflösung bedeutet kleinere Gitterzellen und eine detailliertere Darstellung lokaler Strukturen wie Gebirge, Küsten oder Städte. Gleichzeitig steigt der Rechenaufwand erheblich. Globale Modelle arbeiten typischerweise mit Gitterabständen von etwa 9 bis 25 km. Regionale Hochauflösungsmodelle können diesen Abstand auf wenige Kilometer oder weniger reduzieren, wodurch lokale Wetterprozesse deutlich genauer erfasst werden.
Simulation der Atmosphäre Schritt für Schritt
Nachdem das Gitter definiert wurde, beginnt das Modell, die physikalischen Gleichungen Schritt für Schritt in die Zukunft zu lösen. Es berechnet, wie sich Luftmassen zwischen den Gitterzellen bewegen, wie sich Drucksysteme entwickeln, wie Wolken entstehen und sich auflösen, wie Niederschlag gebildet wird und wie Sonnenstrahlung mit der Erdoberfläche und der Atmosphäre interagiert. Diese Berechnungen werden in sehr kleinen Zeitschritten wiederholt, oft in Intervallen von nur wenigen Minuten. Durch Millionen solcher Schritte entstehen Vorhersagen für Stunden, Tage oder sogar Wochen.
Parametrisierung: Darstellung kleinräumiger Prozesse
Nicht alle atmosphärischen Prozesse lassen sich auf der Gitter-Skala direkt darstellen. Manche Phänomene – wie kleinräumige Turbulenzen oder einzelne Gewitter – treten auf Skalen auf, die kleiner sind als die Gitterauflösung. Um diese Effekte zu berücksichtigen, verwenden Modelle Parametrisierungen – vereinfachte mathematische Beschreibungen, die den durchschnittlichen Einfluss kleiner Prozesse auf die großräumige Atmosphäre abschätzen. Parametrisierungen zählen zu den komplexesten und anspruchsvollsten Bereichen der Modellentwicklung. Unterschiede in diesen Ansätzen erklären teilweise, warum verschiedene Wettermodelle leicht unterschiedliche Vorhersagen liefern.
Die Rolle der Erdoberfläche
Wettermodelle benötigen nicht nur Informationen über die Atmosphäre, sondern auch über die Eigenschaften der Erdoberfläche: Topographie, Landnutzung, Vegetation, Bodenfeuchte, Meeresoberflächentemperaturen, Schneebedeckung und Meereis. Diese Faktoren beeinflussen den Austausch von Energie und Feuchtigkeit zwischen Oberfläche und Atmosphäre. Gebirge können Luftströmungen umlenken, Ozeane speichern Wärme und geben sie wieder ab, und städtische Gebiete verändern lokale Temperaturmuster. Eine realistische Darstellung der Oberfläche ist daher zentral für verlässliche Vorhersagen.
Ein kurzer Blick in die Geschichte der numerischen Wettervorhersage
Die Idee der numerischen Wettervorhersage entstand vor mehr als einem Jahrhundert. 1922 versuchte der britische Wissenschaftler Lewis Fry Richardson, eine Wettervorhersage manuell anhand atmosphärischer Gleichungen zu berechnen. Seine Berechnungen dauerten mehrere Wochen und führten aufgrund fehlender Daten und unzureichender Rechenkapazitäten nicht zum gewünschten Ergebnis. Dennoch legte seine Arbeit das theoretische Fundament für die moderne Wettervorhersage. Praktische numerische Vorhersagen wurden erst mit der Entwicklung elektronischer Computer Mitte des 20. Jahrhunderts möglich. Seitdem haben Fortschritte in Rechenleistung, globalen Beobachtungssystemen und Atmosphärenwissenschaft die Genauigkeit von Wetterprognosen kontinuierlich verbessert.
Heute kann eine Vier-Tage-Vorhersage so genau sein wie eine Ein-Tages-Vorhersage vor einigen Jahrzehnten. Dieser Fortschritt spiegelt kontinuierliche Investitionen in Forschung, verbesserte Beobachtungsnetze und leistungsfähigere Supercomputer wider.
Die Grenzen von Wettervorhersagen
Trotz aller Fortschritte sind Wettermodelle nicht perfekt. Die Atmosphäre ist ein chaotisches System. Kleine Unterschiede im Anfangszustand können sich schnell verstärken und zu divergierenden Entwicklungen führen. Beobachtungen sind nie vollständig, einige physikalische Prozesse müssen approximiert werden, und die verfügbaren Rechenressourcen sind begrenzt. Daher nimmt die Vorhersagesicherheit mit zunehmendem Vorhersagehorizont ab. Prognosen für ein bis drei Tage sind in der Regel sehr zuverlässig. Nach fünf bis sieben Tagen steigt die Unsicherheit deutlich, und nach zehn bis vierzehn Tagen werden Vorhersagen zunehmend probabilistisch statt deterministisch.
Diese Grenzen spiegeln die grundlegende Natur der Atmosphäre wider und sind keine Schwäche einzelner Modelle.
Abschließende Betrachtung
Wettermodelle gehören zu den größten wissenschaftlichen Errungenschaften der modernen Zeit. Sie vereinen Physik, internationale Zusammenarbeit, fortgeschrittene Mathematik und Hochleistungsrechnen in einem System, das kontinuierlich den Zustand der Atmosphäre analysiert und vorhersagt. Jede Wettervorhersage – ob für den morgigen Regen oder die Temperaturentwicklung der kommenden Woche – ist das Ergebnis jahrzehntelanger wissenschaftlicher Innovation und globaler Kooperation.
Im zweiten Teil dieses Artikels werden verschiedene globale und regionale Modelle, Ensemble-Vorhersagen, probabilistische Ansätze, Anwendungen des maschinellen Lernens und hybride Modellierungssysteme vorgestellt, die die Zukunft der Wettervorhersage prägen.
Wenn Sie dieses Thema vertiefen oder Fragen stellen möchten, besuchen Sie die entsprechende Rubrik im meteoblue Community Forum. Unsere Expertinnen und Experten sowie die Community freuen sich auf den Austausch.
