(KIT) – Gewitter, Sonne, Kälte, Hitze – wie unbeständig das Wetter sein kann, zeigte der diesjährige Mai. Verantwortlich ist das „chaotische System“ Atmosphäre: physikalische Eigenschaften wie Temperatur, Luftfeuchtigkeit oder Bewölkung ändern sich ständig. Wetterprognosen versuchen, das Chaos vorherzusehen und zuverlässige Aussagen zu machen. Wissenschaftlerinnen und Wissenschaftler aus Meteorologie und Mathematik des Karlsruher Instituts für Technologie (KIT) haben gemeinsam eine neue Methode entwickelt, die auf Basis von Künstlicher Intelligenz Fehler in der Wettervorhersage unter Berücksichtigung nicht-linearer Zusammenhänge korrigiert.

Luftmassen, die ständig in Bewegung sind, Temperaturen, die schwanken und sich ändernde Luftdruckverhältnisse machen die Atmosphäre über uns schwer berechenbar. Doch eben dies tun Meteorologen, um verlässliche Wettervorhersagen zu treffen. Als Grundlage nutzen sie dabei Messungen vom aktuellen Zustand der Atmosphäre und simulieren ausgehend davon alternative Szenarien: Sie verändern bewusst zum Beispiel die Temperatur oder die Luftfeuchtigkeit, und berechnen, wie sich diese Modifikation auf das Wetter auswirken könnte. Für jede Messgröße vergleichen sie bis zu 50 Szenarien. „Ähneln sich die Ergebnisse, deutet das darauf hin, dass eine Prognose mit diesen Werten relativ sicher und der Zustand der Atmosphäre in diesem Bereich stabil und gut vorhersagbar ist“, sagt Peter Knippertz vom Institut für Meteorologie und Klimaforschung des KIT.

Diese Methode unterliegt jedoch systematischen Unsicherheiten, welche die Ergebnisse verzerren: „Die Computerszenarien können manche physikalischen Zusammenhänge nicht in der notwendigen Detailtiefe oder räumlichen Auflösung abbilden“, sagt Sebastian Lerch vom Institut für Stochastik des KIT, der eng mit Knippertz zusammenarbeitet. So fallen beispielsweise Vorhersagen über die Temperatur an bestimmten Orten stets zu mild, an anderen zu hoch aus, weil lokale, teils zeitlich variable Gegebenheiten den Modellen nicht mitgegeben werden können. Deshalb sei es nötig, die Ergebnisse der Simulationen mit aufwendigen statistischen Verfahren und Expertenwissen nachzubearbeiten, um bessere Prognosen und Eintrittswahrscheinlichkeiten für Wetterereignisse zu erhalten.

„Wir haben einen Ansatz entwickelt, der bessere Vorhersagen als etablierte Standardverfahren liefert“, so Lerch, der zugleich auch am Heidelberger Institut für Theoretische Studien (HITS) in der Gruppe von Tilmann Gneiting arbeitet, der am KIT einen Lehrstuhl innehat. Grundlage hierfür sind neuronale Netze, also Computerprogramme, die Informationen nach dem Vorbild des Gehirns verarbeiten. Die künstlichen Neuronen sind in Schichten angeordnet. So können die Mathematiker dem Netzwerk „antrainieren“, wie es bestimmte Daten optimal verarbeiten kann. Mit jeder Information, die in der Trainingsphase durch das Netzwerk fließt, sammelt es „Erfahrung“, kann sich kontinuierlich verbessern und so beispielsweise die Eintrittswahrscheinlichkeit von lokalen Wetterereignissen präzise bestimmen.

„Wir haben in unser Netzwerk eine Zwischenschicht eingefügt, in der die Neuronen die chaotischen, nicht-linearen Wechselwirkungen zwischen den Daten aus den Wettermessstationen und den physikalischen Zuständen der Atmosphäre in der Simulation analysieren und bewerten“, sagt Lerch. „So kann es eigenständig lernen, wie sich Veränderungen beispielsweise auf die Temperatur an einer bestimmten Messstation auswirken.“ Um ihr Netz zu trainieren, nutzen die Mathematiker Wetterdaten aus Deutschland, die 537 Wetterstationen von 2007 bis 2016 aufzeichneten. Eingangsgrößen für das neuronale Netz waren unter anderem die Bewölkung, Bodenfeuchte und Temperatur.

Die Prognosen, die das Netz getroffen hat, haben die Mathematiker mit Prognosen aus etablierten Techniken verglichen. „Unser Ansatz hat für fast alle Wetterstationen deutlich genauere Vorhersagen getroffen und ist wesentlich weniger rechenaufwendig“, fasst Lerch zusammen. Die Vorteile von neuronalen Netzen als Nachbearbeitungsverfahren lägen vor allem darin, dass sie nicht-lineare Zusammenhänge eigenständig erkennen und ihr Wissen darüber kontinuierlich anpassen können. Zudem können sie schneller große Datenmengen verarbeiten als bisherige Methoden und menschliche Experten. „Wir konnten so erstmals zeigen, dass sich neuronale Netze bestens dafür eignen, Wettervorhersagen zu verbessern und Informationen über meteorologische Prozesse zu erhalten.“

Überregionale Forschung für bessere Wettervorhersagen
Lerchs Forschung ist Teil des SFB/Transregios 165 „Waves to Weather“ (W2W), dessen Ko-Sprecher Knippertz ist. Wissenschaftler des KIT, der Ludwig-Maximilians-Universität (LMU) München als Koordinator und der Johannes-Gutenberg-Universität (JGU) arbeiten hier überregional und interdisziplinär zusammen, um Wettervorhersagen noch genauer und zuverlässiger zu machen. Damit stellt sich W2W der aktuell größten Herausforderung in der Wettervorhersage: die Grenzen der Vorhersagbarkeit in verschiedenen Situationen zu identifizieren und jeweils die physikalisch bestmögliche Prognose zu erstellen. Die Deutsche Forschungsgemeinschaft fördert den SFB seit 2015 und hat seine Förderung vor einigen Wochen für weitere vier Jahre verlängert.

Atmosphärenforscher des Alfred-Wegener-Instituts, Helmholtz-Zentrum für Polar- und Meeresforschung (AWI) haben ein Klimamodell entwickelt, das den immer öfter beobachteten Schlängelkurs des Jetstreams, einer großen Luftströmung über der Nordhalbkugel, richtig abbilden kann. Dieser Durchbruch gelang, nachdem die Wissenschaftler ihr globales Klimamodell mit einem neuen Machine-Learning-Algorithmus zur Ozonchemie kombiniert hatten. Mithilfe dieses neuen Kombi-Modells können die Forscher also nun zeigen, dass der wellenförmige Verlauf des Jetstreams im Winter und die damit verbundenen Extremwetterlagen wie Kälteeinbrüche in Mitteleuropa und Nordamerika eine direkte Folge des Klimawandels sind. Die neuen Forschungsergebnisse erscheinen am 28. Mai 2019 im Nature-Online-Portal Scientific Reports.

Klimaforscher aus der ganzen Welt gehen seit Jahren der Frage nach, ob der immer häufiger beobachtete Schlängelkurs des Jetstreams über der Nordhalbkugel eine Folge des Klimawandels ist, oder aber ein zufälliges Phänomen, dessen Ursachen auf natürliche Schwankungen im Klimasystem zurückzuführen sind. Als Jetstream wird ein starkes Westwindband über den mittleren Breiten bezeichnet, welches die großen Wettersysteme von West nach Ost schiebt. Der Wind weht in etwa 10 Kilometern Höhe rund um die Erde, wird von den Temperaturunterschieden zwischen Tropen und Arktis angetrieben und erreichte früher Spitzengeschwindigkeiten von bis zu 500 Kilometer pro Stunde.

Mittlerweile aber, so zeigen Beobachtungen, schwächt sich der Wind immer wieder ab. Er weht dann seltener auf einem geradlinigen Kurs parallel zum Äquator, sondern schlängelt sich öfter in Riesenwellen über die Nordhalbkugel. Diese Wellen wiederum führen im Winter zu ungewöhnlichen Kaltlufteinbrüchen aus der Arktis in die mittleren Breiten – so geschehen zum Beispiel Ende Januar 2019 als der Mittlere Westen Nordamerikas von extremer Kälte heimgesucht wurde. Im Sommer dagegen verursacht ein schwächelnder Jetstream langanhaltende Hitzewellen und Trockenheit wie sie Europa unter anderem in den Jahren 2003, 2006, 2015 und 2018 erlebte.

Machine Learning lässt Klimamodell die Rolle des Ozons verstehen
Diese grundsätzlichen Zusammenhänge sind seit einiger Zeit bekannt. Forschern war es bislang aber nicht gelungen, den Schlängelkurs des Jetstreams in Klimamodellen realistisch zu reproduzieren und einen Zusammenhang zwischen dem schwächelnden Wind und den globalen Klimaänderungen herzustellen. Diese Hürde haben die Potsdamer Atmosphärenforscher am AWI nun genommen, indem sie ihr globales Klimamodell um einen innovativen Baustein der Ozonchemie ergänzt haben. „Wir haben einen Machine-Learning-Algorithmus entwickelt, welcher es uns erlaubt, die Ozonschicht als interaktives Element im Modell darzustellen und daher die Wechselwirkungen aus der Stratosphäre und der Ozonschicht mit zu berücksichtigen“, sagt Erstautor und AWI-Atmosphärenforscher Erik Romanowsky. „Mit diesem Modellsystem sind wir jetzt in der Lage, die beobachteten Veränderungen im Jetstream realistisch zu reproduzieren.“

Demnach führt der Meereisrückgang und die damit verbundene größere Aktivität atmosphärischer Wellen zu einer durch das Ozon verstärkten deutlichen Aufheizung der polaren Stratosphäre. Da die tiefen polaren Temperaturen der Antrieb für den Jetstream sind, schwächt dieser sich durch diese Temperaturerhöhung in der Stratosphäre ab. Diese Abschwächung des Jetstreams setzt sich nun ausgehend von der Stratosphäre nach unten durch, was zu Wetterextremen führt.

Schwächelnder Jetstream ist Folge des Klimawandels
Mithilfe des neuen Modells können die Forscher nun auch die Ursachen des mäandrierenden Jetstreams genauer untersuchen. „Unsere Studie zeigt, dass die Veränderungen im Jetstream zumindest teilweise vom Rückgang des arktischen Meereises verursacht werden. Sollte die Eisdecke weiter schrumpfen, gehen wir davon aus, dass die bislang beobachteten Extremwetterereignisse in den mittleren Breiten in ihrer Häufigkeit und Intensität zunehmen werden“, sagt Prof. Dr. Markus Rex, Leiter der Atmosphärenforschung des AWI. „Unsere Ergebnisse untermauern zudem, dass die häufiger auftretenden winterlichen Kaltphasen in den USA, Europa und Asien der Klimaerwärmung nicht widersprechen, sondern vielmehr Teil des menschengemachten Klimawandels sind.“

Ein Fortschritt sind die Arbeiten auch aus technologischer Sicht: „Nach dem erfolgreichen Einsatz von Machine Learning in dieser Studie setzen wir nun erstmals künstliche Intelligenz in der Klimamodellierung ein und erreichen damit realistischere Klimamodellsysteme. Hier liegt ein riesiges Potenzial für die Klimamodelle der Zukunft, von welchen wir uns verlässlichere Klimaprojektionen und damit robustere Grundlagen für politische Entscheidungen erwarten“, sagt Markus Rex.

Auf der im September beginnenden Arktis-Expedition MOSAiC, bei welcher der deutsche Forschungseisbrecher Polarstern ein Jahr lang mit dem Meereis durch die zentrale Arktis treiben wird, wollen die Forscher nun aktuelle Eis- und Atmosphärendaten sammeln. Diese sollen helfen, das neue Klimamodell in die Zukunft laufen zu lassen, um so die künftige Entwicklung des arktischen Klimas und Meereises zu simulieren „Wir wollen im Detail verstehen, wie der Meereisrückgang in der Arktis weitergehen wird. Denn erst auf Basis dieses Wissens können wir genauer beurteilen, wie und in welchem Ausmaß die Veränderungen in der Arktis zu Wetterextremen in den mittleren Breiten führen werden“, so Markus Rex.

Glossar:
Der von den Forschern entwickelte künstliche Intelligenz-Algorithmus SWIFT ist ein lernendes Ozonmodul. Es stellt dem globalen Klimamodell innerhalb kurzer Zeit präzise Daten zum Verhalten der Ozonschicht zur Verfügung. Sein Wissen über die Ozonchemie wiederum stammt vom großen AWI-Chemie-Prozessmodell ATLAS. Dieses berücksichtigt bei seinen Simulationen der Ozonschicht nahezu 200 detaillierte Prozesse, die in der Atmosphäre ablaufen und welche alle mit komplexen mathematischen Formeln beschrieben werden, und ist deshalb viel zu langsam, um es in globale Klimamodelle einzubinden. SWIFT aber wird immer wieder zu Trainingszwecken mit ATLAS verbunden. Auf diese Weise lernt der Algorithmus durch die Beobachtung von ATLAS-Rechnungen für Hunderttausende verschiedene atmosphärische Bedingungen, zu welchen Ergebnissen das Prozessmodell kommt und kann diese anschließend im globalen Klimamodell reproduzieren – allerdings um mehrere Größenordnungen schneller als ATLAS. Nur so ist es möglich, die Ozonchemie als interaktives Element effizient in ein globales Klimamodell einzubinden. Hätten die Wissenschaftler versucht, ATLAS direkt in dem globalen Klimamodell mitlaufen zu lassen, so hätten die dafür benötigte Rechenleistung und -zeit alle verfügbaren Ressourcen um ein Vielfaches übertroffen.

Originalpublikation

Es ist eine der großen Fragen der Sonnenphysik, warum die Aktivität der Sonne einem regelmäßigen 11-Jahres-Rhythmus folgt. Forscher des Helmholtz-Zentrums Dresden-Rossendorf (HZDR) präsentieren nun neue Hinweise darauf, dass die Gezeitenwirkung von Venus, Erde und Jupiter das Magnetfeld der Sonne beeinflusst und so den Sonnenzyklus steuert. Über seine Ergebnisse berichtet das Forscherteam in der Fachzeitschrift Solar Physics (DOI: 10.1007/s11207-019-1447-1).

Für einen Stern wie die Sonne ist es an sich nicht ungewöhnlich, dass die magnetische Aktivität zyklisch schwankt. Allerdings können bisherige Modelle den sehr regelmäßigen Zyklus der Sonne nicht zufriedenstellend erklären. Dem Forscherteam vom HZDR gelang es jetzt zu zeigen, dass die Gezeitenwirkung der Planeten auf die Sonne als eine äußere Uhr den entscheidenden Ausschlag für deren gleichförmigen Rhythmus gibt. Die Forscher verglichen dafür historische Beobachtungen der Sonnenaktivität über die letzten tausend Jahre systematisch mit Planetenkonstellationen und wiesen statistisch die Kopplung der beiden Phänomene nach. „Die Übereinstimmung ist erstaunlich genau: Wir sehen eine völlige Parallelität mit den Planeten über 90 Zyklen hinweg“, freut sich Dr. Frank Stefani, der Erstautor der Studie. „Alles deutet auf einen getakteten Prozess hin.“

Ähnlich wie die Anziehungskraft des Mondes die Gezeiten auf der Erde hervorruft, so können Planeten das heiße Plasma auf der Sonnenoberfläche verschieben. Die Gezeitenwirkung ist am stärksten, wenn die Planeten Venus, Erde und Jupiter in einer Linie stehen; eine Konstellation, die alle 11,07 Jahre auftritt. Doch der Effekt ist zu schwach, um die Strömung im Sonneninneren signifikant zu stören, weswegen die zeitliche Koinzidenz lange nicht weiter beachtet wurde.

Dann fanden die HZDR-Forscher jedoch Indizien für einen möglichen indirekten Mechanismus, über den die Gezeitenkräfte das Sonnen-Magnetfeld beeinflussen könnten: Schwingungen der Tayler-Instabilität, ein physikalischer Effekt, der ab einem gewissen Strom das Verhalten einer leitfähigen Flüssigkeit oder eines Plasmas verändern kann. Auf dieser Idee aufbauend konstruierten die Wissenschaftler 2016 ein erstes Modell, das sie in ihrer jetzigen Arbeit nochmals zu einem realistischeren Szenario weiterentwickeln. Die Sonne wäre demnach ein ganz normaler, älterer Stern, dessen innere Uhr aber zusätzlich durch die Gezeiten synchronisiert wird.

Kleiner Auslöser mit großer Wirkung: Gezeiten nutzen Instabilität
Im heißen Plasma der Sonne erzeugt die Tayler-Instabilität Störungen der Strömung und des Magnetfelds. Sie reagiert dabei selbst auf sehr geringe Kräfte empfindlich. Ein kleiner Energieschubs genügt, damit die Störungen zwischen einer rechtshändigen und linkshändigen Verschraubungsrichtung (Helizität) hin- und herpendeln. Den notwendigen Impuls könnte die Gezeitenwirkung der Planeten alle elf Jahre geben – und so letztendlich auch den Rhythmus vorgeben, in dem das Magnetfeld der Sonne umpolt.

„Als ich das erste Mal von Ideen las, die den Sonnendynamo mit Planeten in Verbindung bringen, war ich äußerst skeptisch“, berichtet Stefani. „Als wir jedoch in unseren Computersimulationen Helizitäts-Schwingungen der stromgetriebenen Tayler-Instabilität entdeckten, fragte ich mich: Was passiert, wenn man mit einer leichten, gezeitenartigen Störung auf das Plasma einwirkt? Das Ergebnis war phänomenal. Die Schwingung wurde richtig angefacht und mit dem Takt der äußeren Störung synchronisiert.“ Mit ihrem erweiterten Modell können die Forscher auch Effekte erklären, die bisher nur schwierig zu modellieren waren, beispielsweise „falsche“ Helizitäten, wie sie bei Studien von Sonnenflecken beobachtet werden, oder das bekannte Doppel-Maximum in der Aktivitätskurve der Sonne.

Langfrist-Prognose für die Sonne?
Die Gezeitenkräfte der Planeten könnten neben ihrer Rolle als Taktgeber für den 11-Jahres-Zyklus auch weitere Effekte auf die Sonne haben. Zum Beispiel wäre denkbar, dass sie die Schichtung des Plasmas im Grenzbereich zwischen innerer Strahlungszone und äußerer Konvektionszone der Sonne, der Tachokline, so verändern, dass der magnetische Fluss leichter abgeführt werden kann. Unter diesen Bedingungen könnte auch die Stärke

der Aktivitätszyklen verändert werden, so wie einst beim „Maunder Minimum“ die Sonnenaktivität über eine längere Phase deutlich zurückging.

Ein besseres Verständnis des Sonnenmagnetfeldes würde langfristig helfen, klimarelevante Prozesse wie das Weltraumwetter besser zu quantifizieren und vielleicht sogar eines Tages Klimaprognosen zu verbessern. Die neuen Modellrechnungen bedeuten aber auch, dass neben der Gezeitenwirkung potenziell weitere, bislang unbeachtete Mechanismen in Modelle des Sonnenmagnetfeldes integriert werden müssen, deren Kräfte klein sind, und die – wie die Forscher jetzt wissen – dennoch eine große Wirkung entfalten können. Um diese grundsätzliche Fragestellung auch im Labor untersuchen zu können, bereiten die Forscher zurzeit ein neues Flüssigmetall-Experiment am HZDR vor.

(pte016/27.05.2019/10:30) – Malaria-übertragende Mücken-Arten profitieren vom Klimawandel und werden sich infolgedessen in Europa und dem Mittelmeerraum weiter ausbreiten. In welchem Ausmaß diese Ausbreitung voranschreitet, lässt sich nach einer aktuellen Studie von Forschern der Universität Augsburg  ziemlich genau vorhersagen.

Verbreitungsfreundliches Wetter
Ein Aspekt des Klimawandels, der in der öffentlichen Debatte bislang wenig Beachtung fand, ist die Ausbreitung sogenannter vektorübertragener Krankheiten. Als solche werden Krankheiten bezeichnet, die von einem erregertragenden Organismus übertragen werden. Dazu zählt zum Beispiel die Malaria, die von Anopheles, einer Stechmücken-Gattung, übertragen wird.

Das verstärkte Auftauchen Anopheles-freundlicher Wetterlagen könnte zur Ausbreitung dieser Stechmücken und damit zum Erstarken von Malaria in Europa und dem Mittelmeerraum führen. Wie genau diese Ausbreitung aussehen und in welchem Tempo sie vor sich gehen könnte, war bislang nicht genau prognostizierbar.

BRT ermöglicht genaue Prognosen
Die Geografin Elke Hertig von der Universität Augsburg hat ein Modell vorgelegt, das genauere Aussagen ermöglicht. Mit dem geostatistischen Ansatz BRT lässt sich das Vorkommen der Mücken in Europa bis zum Ende dieses Jahrhunderts modellieren. Hertig kommt zu dem Ergebnis, dass Veränderungen in Temperatur und Niederschlag zum deutlichen Ausbreiten von Malariamücken in Richtung Norden führen werden.

Günstig für die Insekten sind vor allem die zu erwartenden wärmeren Frühlingstemperaturen und die kräftigeren Niederschläge in Sommer und Herbst. Die deutlichsten Zuwächse der Mückenpopulationen sind gegen Ende dieses Jahrhunderts in Süd- und Südosteuropa zu erwarten. Nur in einzelnen Gebieten des Mittelmeerraums, für die sinkende Niederschlagsmengen vorausgesagt werden, wird das Mückenvorkommen sinken.