Mehr Klimaresilienz durch verbesserte saisonale Vorhersagen

25.05.2021

Forscherinnen und Forscher des GRoW-Projekts SaWaM können mithilfe von statistischen Methoden präzisere saisonale meteorologische Vorhersagen für wasserarme Regionen treffen, die Entscheidungsträgern dabei unterstützen, lokale Klimawandelfolgen abzuschwächen.

Die Auswirkungen des Klimawandels äußern sich verstärkt durch Dürrephasen oder Starkniederschlagsereignisse und stellen die Nahrungs-, Energie- und Trinkwasserversorgung vor neue Herausforderungen. Je besser saisonale meteorologische Vorhersagen sind, desto besser können lokale Entscheidungsträger vor Ort gegensteuern – bspw. beim Reservoirmanagement oder der Saatgutauswahl.

Das GRoW-Projekt SaWaM hat daher einen Weg identifiziert, um mithilfe von statistischen Methoden aus globalen Klimamodellen lokale Vorhersagen abzuleiten, die deutlich präziser sind als bislang verfügbare saisonale Prognosen. Ihren neuen Ansatz wandten die Wissenschaftlerinnen und Wissenschaftlicher bereits in Untersuchungsregionen im Sudan, Äthiopien, Iran, Nordost-Brasilien, Ecuador, Peru und Westafrika an, wo sie anormale Hitze- und Trockenheitsperioden bis zu sieben Monate im Voraus besser vorhersagen konnten als bislang möglich.

Die neuen Methoden sind insbesondere im Kontext semiarider Regionen relevant, in denen die Regenzeit auf einige Monate im Jahr beschränkt ist. „Hier muss das Wasser meist in Reservoirs gespeichert werden. Bei der Nutzung kann es dann zu Zielkonflikten zwischen Landwirtschaft, Energiewirtschaft und Trinkwasserversorgung kommen“, sagt Harald Kunstmann, Koordinator von SaWaM. Allerdings werden präzisere saisonale Vorhersagen aufgrund des Klimawandels auch für ursprünglich weniger betroffene Regionen immer relevanter, weswegen das Verfahren künftig auch für Dürrevorhersagen in Deutschland zum Einsatz kommen soll.

Den neuen Ansatz sowie den ökonomischen Nutzen saisonaler Vorhersagen beschrieben die Forscherinnen und Forscher in kürzlich publizierten Artikeln in den Fachzeitschriften Earth System Science Data und Scientific Reports, die Sie über die untenstehenden Links abrufen können. Eine ausführlichere Pressemitteilung des Karlsruher Instituts für Technologie (KIT) finden Sie hier.

Portele, T., Lorenz, C., Dibrani, B., Laux, P., Bliefernicht, J., and Kunstmann, H. (2021) Seasonal Forecasts offer Economic Benefit for Hydrological Decision Making in Semi-Arid Regions, Scientific Reports, https://www.nature.com/articles/s41598-021-89564-y

Lorenz, C., Portele, T. C., Laux, P., and Kunstmann, H. (2021) Bias-corrected and spatially disaggregated seasonal forecasts: a long-term reference forecast product for the water sector in semi-arid regions, Earth Syst. Sci. Data, https://doi.org/10.5194/essd-2020-177