GFS verstehen

Warum ist es ratsam, die Wetterdaten vom Global Forecast System (GFS) auf eigene Faust zu verstehen?

1. Zunächst bieten die GFS-Ensembles eine sehr gute Wissensgrundlage, um auf eigene Faust die Wetterdaten und Wetterprognosen zu verstehen.

2. Ist es grundsätzlich ratsam, sich nicht auf die Verwertung von Wetterportalen zu verlassen, die ja ebenfalls lediglich die gelieferten Wetterdaten auswerten und in eine optisch schöne Verpackung stecken. Eigenes Denken ist eine zeitlose Tugend, die sich letztlich immer auszahlt!

3. Während die Wetterportale auch einige Zeit benötigen, um ihre Prognosebildchen nach den neuesten Läufen auszurichten, erfährt man durch das GFS-Ensemble ohne Zeitverlust, wie das Wetter* in den kommenden Tagen aussehen wird.

Es gibt natürlich auch noch andere Vorhersagesysteme, doch hat das GFS immer noch eine gewisse Vorreiterrolle inne und ist das populärste Prognosesystem. Wer zusätzlich noch andere Systeme heranziehen möchte, um die Prognosen auf eine breitere und somit sicherere Basis zu legen, kann auch das „Integrated Forecast System“ (IFS) des EZMW (englisch ECMWF; Europäisches Zentrum für mittelfristige Wettervorhersage) verwenden: EZMW und noch zahlreiche andere Systeme.

 

Wie „liest“ und versteht man die GFS-Ensembles?

Das GFS liefert mehrere Ensembles, die auf unterschiedlichen Werten beruhen. Ich erkläre hier die Ensembles (Zeitreihen), die auf den Temperaturen auf 850 hPa (entspricht etwa einer Höhe von 1.500 Meter Höhe über NN) beruhen. Die Temperaturen in dieser Höhe gelten als die Richttemperaturen für Meteorologen, da sie relativ unbeeinflusst von störenden Faktoren sind und eine sehr verlässliche Grundlage für die Wetterentwicklung darstellen. Da diese Temperaturen naturgemäß weit niedriger als jene am Boden sind, die wir selbst fühlen und erleben, muss man ein Gespür dafür entwickeln, welche Temperaturkurven den Bodentemperaturen entsprechen. Das rot dargestellte Mittel aus 30 Jahren (von 1961 bis 1990) hilft allerdings sehr gut dabei, entspricht es doch den Temperaturen, die wir je nach Jahreszeit als „normal“ empfinden.

 

Lektion 1: Das Diagramm der GFS-Zeitreihe (Ensemble)

Die folgende, moderierte Darstellung einer GFS-Zeitreihe ist zwecks besseren Verständnisses mit Erklärungen versehen:

Zeitreihe des Global Forecast Systems (GFS) mit Erklärungen

Zeitreihe des Global Forecast Systems (GFS) mit Erklärungen

 

In einer Zeitreihe sind viele verschiedene Informationen komprimiert zusammengefasst. Was auf den ersten Blick etwas verwirrend erscheinen mag, dekodiert sich allerdings bei einem näheren Blick und Verständnis als eine geniale Darstellung. Grundsätzlich sind in einer GFS-Zeitreihe die Temperaturverläufe und Niederschlagsmengen für die kommenden 16 Tage (384 Stunden) dargestellt.

 

Lektion 2: Das 30-Jahres-Mittel als Richtlinie

Die Temperaturen aus den Jahren 1961 bis 1990 werden als Richtlinie verwendet und sind in Rot dargestellt. Der Temperaturdurchschnitt aus diesen 30 Jahren bietet eine verlässliche Messlatte, mit welchem Temperaturverlauf man im statistischen Durchschnitt rechnen kann.

Gewiss kann man anführen, dass in diesen Jahren der vieldiskutierte Klimawandel noch nicht solch einen gravierenden Einfluss hat wie eine der anderen Referenzperioden (1971 bis 2000 und 1981 bis 2010), allerdings wird aus meiner Sicht so auch in der Grafik viel deutlicher, ob sich das Klima* tatsächlich ändert oder nicht, ob es sich um eine besonders heiße oder besonders kalte Phase im Monat handelt.

 

Lektion 3: Spaghetti-Wahrscheinlichkeiten – die einzelnen Läufe

Die dünnen, farbigen Linien rund um die rote 30-Jahres-Linie bilden vor allem zum Ende des Vorhersagezeitraumes ein recht unübersichtliches Gewirr aus Fäden. Aus diesem Grund wird das GFS-Ensemble auch gerne als „Spaghettilauf“ bezeichnet, man hat auch schon den Begriff „Krisselbild“ als Synonym für die auf Anhieb recht unverständliche Bedeutung herangezogen 🙂

Jeder einzelne der 20 Nebenläufe (gemeint sind die in der linken Leiste farblich aufgeführten Läufe außerhalb des grünen Hauptlaufes) ist eine Vorhersage, die auf lediglich geringfügigen Parameterveränderungen basiert. Ganz im Sinne des chaostheoretischen Wetters können diese minimalen Änderungen aber gewaltige Auswirkungen haben. Um dieses wetterspezifische Problem großer Auswirkungen kleiner Einflüsse angemessen wiederzugeben, wurden diese 20 Nebenläufe in die GFS-Zeitreihe mit aufgenommen.

Man erkennt dann auch in dem Beispiellauf oben, wie sich nach etwa 5 Tagen die einzelnen Nebenläufe teilweise gravierend unterscheiden, da die Vorhersagewahrscheinlichkeit mit fortlaufender Zeit deutlich verringert und die Auswirkungen geringer Parameteränderungen immer größer werden. Damit man dennoch nicht in dem Gewirr der „Spaghettifäden“ den Überblick verliert, wurde eine weiße Linie etabliert, die den Durchschnitt aller Läufe (Nebenläufe plus Hauptlauf) wiedergibt. Auf diese Weise kann man abschätzen, in welche grobe Richtung die Summe der Läufe sich entwickeln – ob sie eher tendentiell in eine temperatursinkende, -ansteigende oder -gleichbleibende Richtung verlaufen.

 

Lektion 4: Der Hauptlauf und der Kontroll-Lauf

Während die Zeitreihenläufe 1 bis 20 unerlässlich sind, um einen Gesamteindruck der Wetterprognose* zu erhalten, so sind der Hauptlauf und der Kontroll-Lauf jedoch die beiden entscheidenden Faktoren.

Was ist der Hauptlauf? Beim Hauptlauf handelt es sich um einen Prognoselauf mit den tatsächlich gemessenen, realen Wetterdaten von allen verfügbaren Wetterstationen während die Nebenläufe auf geringfügig veränderten Werten basieren. Man kann daraus schließen, dass dieser Lauf den höchsten Wahrscheinlichkeitswert aufweist.

Dass dieser Hauptlauf ebenso dem Chaos-Prinzip unterliegt, zeigt der Kontroll-Lauf, der in nichts weiter als einer Wiederholung des Hauptlaufes besteht, jedoch aufgrund der Eigendynamik des Wetters dennoch zu völlig unterschiedlichen Verläufen führen kann.

In jedem Fall sollte dennoch der erste Blick auf dem grünen Hauptlauf liegen, der als grüner Wegweiser durch den Spaghetti-Dschungel dient 😉

 

Lektion 5: Geistige Landung von 1.500 Metern Höhe

Die im Graphen dargestellten Temperaturen sind selbstverständlich nicht die gleichen wie jene auf Bodenhöhe – wäre es so, müssten wir uns eigentlich keine Sorgen machen und könnten selbst im Sommer bei 10 bis 15 Grad freudestrahlend Jubeltänze aufführen.

Es handelt sich um Temperaturen auf 850 Hektopascal (hPa) Luftdruck, das entspricht einer Höhe von etwa 1.500 Metern Höhe. Warum werden die Temperaturen in dieser nahezu himmlischen Höhe verwendet? Meteorologen trachten danach, störende Einflüsse bei den Berechnungen zu vermeiden und da gibt es auf Bodenhöhe sehr viele und in 1.500 m Lufthöhe entsprechend sehr wenige.

Daher ist es unerlässlich, sich geistig von den im Graphen dargestellten Temperaturen im Sturzflug gen Boden zu bewegen, will sagen: Die Temperaturen im Graphen grob umzurechnen, um ein Gefühl dafür zu bekommen, mit welchen Temperaturen man am Boden tatsächlich zu rechnen hat. Als grobe Richtlinie mag der Hinweis dienen, dass …

5 Grad in 1.500 m etwa 18 Grad entsprechen

10 Grad in 1.500 m ca. 25 Grad (und somit eine Schmerzgrenze sind),

15 Grad in 1.500 m ca. 30 Grad bedeuten.

Diese Temperaturabschätzungen gelten für den Sommer. Im Herbst und Winter und zu Beginnd es Frühlings sollte etwas weniger hinzugerechnet werden. 10 Grad in 1.500 Metern höhe entsprechen dann ungefähr 20-22 Grad.

 

Selbstverständlich kann man auch diverse andere Darstellungen verwenden, die das Global Forecast System anbietet, worunter auch Temperaturdarstellungen auf Bodenniveau zu finden sind. Doch im Grunde lernt man schnell das deutlich bessere GFS-Ensemble für 1.500 m Höhe im Laufe der Zeit zu lesen und einzuschätzen, so dass man bald schneller und zuverlässiger als die diversen Wetterportale das Wetter* der Zukunft zu bestimmen in der Lage ist.

 

Lektion 6: Der Niederschlag

Schließlich finden wir in der GFS-Zeitreihe als i-Tüpfelchen die prognostizierten Niederschlagswerte als Spitzen auf der X-Achse. Die dazugehörigen Millimeter-Werte sind auf der rechten Y-Achse dargestellt. Auch hier sind die verschiedenen Nebenläufe farblich unterschieden.

Es hilft hier, weniger den Blick auf das Detail zu richten als vielmehr sich an extremen Niederschlagsspitzen zu orientieren. Wenn sich diese finden, kann man von einem ausgedehnten Tief und/oder häufigen Schauer- und Gewitterzellen ausgehen. Da Niederschlag oftmals stark regional begrenzt ist, sollte man stets berücksichtigen, dass die vorhergesagten Werte sich noch weit weniger sicher zeigen als die Temperaturen.

 

Fazit

Das Global Forecast System gibt uns eine Menge an aufbereiteten Daten an die Hand, die – wenn richtig verstanden und gelesen – die mit Abstand sicherste Methode sind, um selbstständig das Wetter* voraussagen zu können. Aufgrund des Chaos-Charakters des Wetters ist es jedoch nach wie vor nicht möglich, weiter als 5 Tage in die Zukunft zu blicken. Da hilft kein noch so moderner Supercomputer der Welt, kein ausgefeilter Berechnungs-Algorithmus und keine noch so große Datenmenge.

Allerdings werden die GFS-Zeitreihen alle 6 Stunden aktualisiert aufgrund der zwischenzeitlich neu ermittelten, realen Wetterdaten. Von stellenweise radikal auftretenden Änderungen abgesehen bekommt man über ein sorgfältiges Verfolgen der Läufe, gegebenenfalls auch mit dem Heranziehen von anderen Wetterkarten mit Darstellungen der Großwetterlage* von Hochs und Tiefs, ein Gespür dafür, in welche Richtung es in den nächsten 2 Wochen gehen könnte.

Kritisiert wird am GFS-System oft das recht sprunghafte Verhalten des Hauptlaufes, was stellenweise alle 6 Stunden tatsächlich „bocken“ kann im zeitlich hinteren Bereich der Wetterprognose*. Dennoch halte ich das GFS momentan für das umfassendste Prognosesystem. Es steht natürlich jedem frei, zusätzlich auch andere Systeme wie das IFS des EZMW/ECMWF zu verwenden, um die Prognosesicherheit im Detail zu erhöhen.

Dennoch sollte man nie vergessen, dass alle Vorhersagen ab dem Tag 6 sehr unsicher werden. Generell kann man sagen, dass

… die Tage 1 bis 3 eine sehr hohe Vorhersagewahrscheinlichkeit aufweisen, was sich auch in dem Beianderliegen der Nebenläufe manifestiert

… die Tage 4 und 5 die ersten gravierenden Abweichungen erkennen lassen, wo es beginnt, wieder spannend zu werden

… die Tage 6 bis 17 völlig offen sind und teilweise sprunghaften Veränderungen unterworfen sind. Hier sollte der Blick vor allem auf dem grünen Hauptlauf, dem blauen Kontroll-Lauf und dem weißen Ensemble-Mittel liegen, aus deren Summe sich eine Prognose ergibt, die etwas höher als der reine Zufall ist. Nicht mehr und nicht weniger.

Ich hoffe, mit dieser Anleitung für Laien das GFS so weit erklärt zu haben, dass die Zeitreihen-Graphen verwendbar sind. Auf wissenschaftliche Details, algorithmische Spitzfindigkeiten und meteorologische Problematisierungen habe ich aus Gründen der Verständlichkeit daher verzichtet. 🙂