Die saisonale Klimavorhersage für die Region um 42.57°N 2.2°O zeigt die monatlichen Durchschnittstemperatur- und Niederschlagsabweichungen für die nächsten 6 Monate in der oberen Grafik. Die Vorhersage gilt regional für Gebiete von 100km auf 100km oder größer.
Die saisonale Vorhersage liefert Klimamerkmale, wie Mittelwerte oder Anomalien, für einen ganzen Monat. Anomalien sind Abweichungen vom klimatologischen Mittelwert. Daher zeigt eine negative Temperatur- und Niederschlagsanomalie kühlere und trockenere Bedingungen an, als die durchschnittlichen Bedingungen.Klimadaten erlauben wenig Rückschlüsse auf das zu erwartende Wetter. Nehmen wir z.B. einen Monat mit einer positiven Anomalie von +1 Grad an. Es ist sehr unwahrscheinlich, dass jede Stunde dieses Monats um 1 Grad wärmer ist. Ein realistischeres Szenario ist, dass einige Tage im Durchschnitt deutlich wärmer sind als andere. Wichtig ist, dass es auch einige Tage geben kann, die kälter oder sogar deutlich kälter als der Durchschnitt sind, so dass die positive Anomalie überhaupt keine Garantie dafür ist, dass es z.B. keinen Frost gibt.
Eine saisonale Wettervorhersage für einen bestimmten Tag ist technisch nicht möglich: Sie ist statistisch unzuverlässiger als ein klimatischer Durchschnitt. Der Grund dafür ist, dass das tägliche Wetter größeren Schwankungen ausgesetzt ist, die durch mesoskale oder mikroskale Ereignisse beeinflusst werden. Deren Ursprungsfaktoren können nicht genau genug gemessen werden, sodass tägliche Wettervorhersagen statistisch unzuverlässiger werden als ein klimatischer Durchschnitt für etwa 10-14 Tage im Voraus. Sie haben wahrscheinlich die Unzuverlässigkeit einer 10-Tage-Wettervorhersage bereits bemerkt, die Vorhersage für mehrerer Monate ist noch deutlich schwieriger.
Da saisonale Vorhersagen nur bedingt zuverlässig sein können, stellen wir die Ergebnisse von mehreren hundert Vorhersagen zusammen, um besser einen Trend abschätzen zu können. Wir kombinieren alle saisonalen Vorhersagen großer Zentren und Institutionen weltweit in ein Super-Ensemble (ENSEMBLE), welches mit höherer Wahrscheinlichkeit korrekt liegt als Vorhersagen einer einzigen Institution. Falls sich die Vorhersagen unterschiedlicher Modelle widersprechen, gibt es wenig Hoffnung, die Saison für einen Zeitabschnitt korrekt vorherzusagen. Es gibt aber auch einige Regionen und Situationen, in denen saisonale Vorhersagen sehr genau sein können. Die wohl bekanntesten Beispiele dafür sind die El Niño und La Niña Phänomene.
Die unterschiedlichen Modelle die wir hier präsentieren wurden berechnet von: dem Europäischen Zentrum für mittelfristige Wettervorhersage (ECMWF), den National Centers for Environmental Prediction (NCEP/NOAA), dem Deutschen Wetterdienst (DWD), dem UK-MetOffice (UKMO), MeteoFrance (METEOFR), der Japan Meteorological Agency (JMA), und dem Euro-Mediterranean Center on Climate Change (CMCC). Diese Institutionen aktualisieren ihre Vorhersagen ungefähr einmal im Monat, aber nicht alle aktualisieren gleichzeitig. Daher geben wir in der Mitte jedes Diagramms die jeweiligen Modelläufe an. Wir berechnen das Ensemble jedes mal neu, sobald eines der Zentren seine Vorhersage aktualisiert.