Abstract (deu)
Das Ziel dieser Arbeit ist es, sowohl die Performance als auch die Nützlichkeit der Saisonprognosen des ASF-20C Datensatzes zu untersuchen. Sein Ensemble besteht aus 51 Mitgliedern, deren monatliche Werte für eine Vielzahl an Größen für einen Vorhersagezeitraum von bis zu 4 Monaten während der Periode 1901–2010 verfügbar sind. Im Verlauf der Arbeit werden lediglich die Monate November–Februar und Mai–August betrachtet. Als Referenz dienen zwei Reanalyseprodukte: Zum einen ERA-20C, eine globale Reanalyse, die lediglich die Atmosphäre modelliert und zur Initialisierung von ASF-20C verwendet wurde. Zum anderen ERA5, eines der modernsten und am besten entwickelten globalen Reanalysesysteme. Sein Output deckt den Zeitraum von 1950 bis heute ab. Um die Prognosegüte zu quantifizieren, werden diverse Verifikationsmaße wie Bias, Pearson Korrelation und Reliability verwendet. Sie alle zeigen, dass die Daten der saisonalen Prognosen konsistent mit jenen der Reanalysen sind, vor allem wenn Anomalien verwendet werden. Außerdem wird das Signal-zu-Rausch Verhältnis (SNR) in diversen Kontinenten und Ozeanen berechnet. SNR Zeitreihen zeigen sehr hohe Korrelationen von ca. 0.7 mit der El Niño Southern Oscillation (ENSO) Aktivität in Ozeanen und sogar noch höhere Werte über Kontinenten. Das zeigt, dass ENSO einen sehr großen Beitrag zur globalen Vorhersagequalität der 2 m Temperatur leistet. Ähnlich dazu sind Korrelationen mit dem Index der North Atlantic Oscillation (NAO) in der Nordhemisphäre im Sommer sehr hoch, dort ist also auch die NAO wichtig für die Prognosegüte. Ein viel diskutiertes Thema rund um Temperaturen in den vergangenen Jahrzehnten sind Trends. Es zeigt sich, dass über die gesamte 110-jährige Periode die Trends in allen Datensätzen relativ ähnlich sind. Während am Anfang und gegen Ende der Periode auf der globalen Skala positive Trends dominieren, sind sie um die Mitte des Jahrhunderts herum sogar leicht negativ. Lokaler betrachtet, können die Unterschiede zwischen den Datensätzen jedoch recht groß ausfallen. Da ASF-20C aus einem sehr großen Ensemble besteht, können Wahrscheinlichkeitsverteilungen seiner Werte sehr gut untersucht werden. Nachdem die Trends der einzelnen Datensätze angepasst wurden, zeigt sich, dass die Übereinstimmung der Wahrscheinlichkeitsverteilungen und auch deren Änderungen in allen Datensätzen für alle betrachteten Perioden sehr groß ist. Außerdem können die saisonalen Prognosen auch die Änderung der Standardabweichung der Verteilungen sehr gut abbilden, vor allem über Ozeanen. Da deterministische Reanalysen lediglich eine Realisierung pro Jahr liefern, verfügen ihre Verteilungen über wesentlich weniger Mitglieder, wodurch auch die Auflösung deutlich schlechter ist. Aus dem selben Grund sind auch die Änderungen extremer Perzentile zwichen zwei verschiedenen Perioden um einiges besser in ASF-20C dargestellt. Das Ergebnis dieser Arbeit ist also einerseits, dass Saisonprognosen wie ASF-20C, bei denen lediglich die Atmosphäre modelliert wird, sehr nützliche Ergebnisse liefern, sogar auf Zeitskalen von über einem Jahrhundert. Andererseits aber auch, dass eine derartige Größe des Ensembles notwendig ist, um für diese Art der Prognosen vernünftige Resultate erwarten zu können.