// SCINEXX — SPAZIO & SCIENZA
Algorithmus kann Meereisprognosen für die Arktis bis zu neun Monate im Voraus erstellen
Wie weit das arktische Meereis im kommenden Herbst reicht, lässt sich selbst mit aufwendigen Modellen nur schwer vorhersagen. Ein neues statistisches Verfahren erzielte in rückblickenden Tests für Prognosen bis zu neun Monate im Voraus vergleichbare Fehlergrößen wie etablierte Modelle. Dafür benötigte es lediglich frühere Messwerte der Meereisausdehnung und lieferte zugleich eine Abschätzung der Unsicherheit.
Abu Dhabi (Vereinigte Arabische Emirate). Im September erreicht das arktische Meereis gewöhnlich seine geringste Ausdehnung im Jahresverlauf. Wie viel Eis dann noch vorhanden sein wird, ist schwer abzuschätzen. Die Entwicklung hängt neben dem langfristigen Erwärmungstrend auch von den Wetterbedingungen und von Schwankungen zwischen einzelnen Jahren ab.
Die Meereisausdehnung bezeichnet dabei nicht die vollständig vereiste Fläche. Bei Satellitenmessungen zählen auch Gebiete als eisbedeckt, in denen der Eisanteil mindestens 15 Prozent beträgt. Die seit 1979 verfügbaren Messreihen liefern deshalb einen einheitlichen Vergleichsmaßstab für das Nordpolarmeer. Frühere Untersuchungen haben bereits gezeigt, wie schwierig die Schwankungen des arktischen Meereises vorherzusagen sind.
Forscher der New York University Abu Dhabi (NYUAD) um Francesco Paparella haben nun geprüft, wie gut sich die Meereisausdehnung allein aus diesen Messreihen vorhersagen lässt. Ihr Verfahren heißt Random Analog Predictor (RAP). Es sucht in den historischen Daten nach Zeitabschnitten, deren Verlauf der aktuellen Entwicklung ähnelt, und nutzt deren anschließende Veränderungen für neue Prognosen.
Anders als physikalische Klimamodelle berechnet RAP weder die Zirkulation der Atmosphäre noch Meeresströmungen oder die Dicke des Eises. Stattdessen erzeugt der Algorithmus aus ähnlichen historischen Situationen viele mögliche Fortsetzungen. Ihre Streuung zeigt an, wie unsicher die Prognose ist. Das Verfahren soll damit vor allem einen nachvollziehbaren Vergleichsmaßstab für kompliziertere Modelle liefern.
„Unser Ansatz ist bewusst einfach, kann aber mit deutlich komplexeren Prognosemodellen mithalten“, erklärt Francesco Paparella.
Um die Vorhersagegüte zu beurteilen, haben die Wissenschaftler das Verfahren rückblickend auf frühere Jahre angewendet. Bei diesen sogenannten Hindcasts entfernten sie die Messwerte des jeweils vorherzusagenden Zeitraums aus den verfügbaren Daten. So konnte der Algorithmus nicht auf die tatsächliche Entwicklung zugreifen, die er erst vorhersagen sollte.
Die Forscher untersuchten Prognosen mit einem Vorlauf von bis zu neun Monaten. Dabei lag der RMSE, eine Fehlerkennzahl, die größere Abweichungen stärker gewichtet, bei höchstens rund 600.000 Quadratkilometern. Für Winter- und Frühlingsmonate blieb er auch bei neun Monaten Vorlauf unter 400.000 Quadratkilometern. Im September und Oktober fielen die Fehler tendenziell größer aus.
Die Größenordnung der Fehler ist nach dem Vergleich der Wissenschaftler mit der Leistung etablierter saisonaler Prognosesysteme vergleichbar. RAP erstellt außerdem nicht bloß eine einzelne Vorhersage, sondern viele mögliche Verläufe. Aus deren Verteilung lässt sich ein Unsicherheitsbereich ableiten, der bei der Beurteilung eines prognostizierten Eisminimums helfen kann.
Die Rückrechnungen zeigen jedoch auch deutliche Grenzen. Besonders das Jahr 2012, als das arktische Meereis außergewöhnlich stark zurückging, ließ sich schlecht abbilden. In jenem Sommer wirkten ungewöhnliche Bedingungen einschließlich eines kräftigen arktischen Sturms zusammen. Für einen solchen Verlauf fanden sich in der vorhandenen Messgeschichte kaum geeignete Vorbilder.