„Die neue Herangehensweise hat sich in den letzten Jahren in mehreren Fällen als sehr effizient erwiesen“, erklärt Josef Ludescher vom deutshcen Potsdam-Institut für Klimafolgenforschung (PIK). „El Niño zum Beispiel konnte bis zu einem ganzen Jahr früher vorhergesagt werden, im Vergleich zu etwa sechs Monaten mit den Methoden, die heute Standard sind“, Hauptautor eines soeben in der Fachzeitschrift „PNAS“ erschienenen Überblicksartikels. „Der Beginn des indischen Sommermonsuns in Zentralindien, der für die Wirtschaft in dieser Region lebenswichtig ist, wurde dank des neuen Ansatzes mehr als einen Monat im Voraus vorhergesagt, viel früher als die derzeit verwendeten Prognosen.“
Netzwerkanalyse verschiedener Orte
Herkömmliche Wetter- und Klimavorhersagen beruhen in erster Linie auf numerischen Modellen, die atmosphärische und ozeanische Prozesse nachbilden. Diese Modelle sind zwar im Allgemeinen sehr nützlich, können aber nicht alle zugrundeliegenden Prozesse gut simulieren. An dieser Stelle kommt eine netzwerkgestützte Vorhersage ins Spiel. Ludescher: „Im Gegensatz zur Betrachtung einer Vielzahl lokaler Wechselwirkungen, die physikalische Prozesse wie Wärme- oder Feuchtigkeitsaustausch darstellen, schauen wir uns direkt die Verbindungen zwischen verschiedenen geografischen Orten an, die sich über Kontinente oder Ozeane erstrecken können. Diese Verbindungen ermitteln wir, indem wir die Ähnlichkeit in der Entwicklung physikalischer Größen wie der Lufttemperaturen an diesen Orten messen.“
Im Falle von El Niño etwa bauen sich im tropischen Pazifik starke Verbindungen im Jahr vor dem Einsetzen des Ereignisses auf. „Diese Muster, also die Struktur der Verbindungen zwischen den Orten und ihre zeitliche Entwicklung, können entscheidende neue Informationen für die Vorhersage liefern – und, so hoffen wir, die jeweiligen Regionen sicherer machen“, so Mitautorin Maria Martin, ebenfalls am PIK. Dessen Gründungsdirektor Hans-Joachim Schellnhuber ergänzt: „Mit diesem Artikel haben wir mehrere Erfolgsgeschichten zusammengetragen, die die wissenschaftliche Kraft des Netzwerkansatzes für die Vorhersage demonstrieren – und in der Folge möglicherweise Tausende von Menschenleben retten und wirtschaftliche Kosten in Milliardenhöhe vermeiden."