Meteo Alpen

Bei unserem Citizen Science-Projekt geht es um das Wetter im Alpenraum. In den Bergen bleibt die Wettervorhersage nach wie vor eine grosse Herausforderung. Dadurch, dass sich auf kleinstem Raum das Gelände sehr stark ändern kann, können Faktoren wie Luftzirkulation u.ä. nur ungenau berechnet werden, insbesondere, da es verhältnismässig wenig Messstationen gibt. Mit unserem Projekt wollen wir Outdoorsportler*innen in die Sammlung von Messdaten einbeziehen und diesen so bessere Prognosen ermöglichen.

Über das Projekt

Das Erstellen von Wetterprognosen ist nach wie vor eine anspruchsvolle Tätigkeit. Besonders in Gebieten wie im Alpenraum, wo sich die Topographie über kleine Distanzen stark ändert und verhältnismässig wenig Messtationen vorhanden sind, sind präzise Vorhersagen besonders schwierig. Auf der anderen Seite sind diese Gebiete von verschiedensten Outdoorsportarten hoch frequentiert. Durch das gezielte Sammeln von Wetterdaten in den Bergen ermöglichen wir bessere Wettervorhersagen und legen den Grundstein für weitere Anwendungen.

Dabei nutzen wir bestehende Aktivitäten und können die Nutzergruppe, welche von den Resultaten profitiert, direkt involvieren. So bietet das dichte und gut ausgebaute Wanderwegnetz eine Chance, das grobmaschige Netz der Messstationen stark zu verfeinern. Die Vielzahl der Outoorsportler*innen erlaubt die Erhebung von Daten in grösserer Auflösung, als dies durch die Messstationen möglich ist.

Das Erheben von Daten in der angestrebten Menge und Dichte ermöglicht die Verifikation von bestehenden Modellen in alpinen Regionen, die mit traditionellen Messmethoden nicht möglich sind. Diese Verifikation, sowie das Bereitstellen einer Datenbasis fürs Postprocessing für weitere Forschung sind die Kernziele dieses Projektes.

Die MeteoSchweiz-App gehört mit über 5.8 Millionen Downloads (Stand 11.2016) zu den beliebtesten Applikationen der Schweiz. Offensichtlich nutzt also eine breite Öffentlichkeit die zur Verfügung gestellte Information für die Planung und Durchführung von Aktivitäten unter freiem Himmel. Während es unbestritten ist, dass gelegentlich Fehlprognosen von den Wetterdiensten herausgegeben werden, ist die Quantifizierung der Prognosefehler ein relativ komplexes Unterfangen und die Nützlichkeit einer Prognose hängt letztendlich stark von ihrem Einsatzbereich ab. So ist z.B. für Landwirt*innen bei der Heuernte die binäre Information Niederschlag ja/nein entscheidend, während beim Gemüseanbau die zu erwartende Gesamtmenge an Niederschlag eine Rolle spielt.

Für die meisten Anwendungen sind die Wetter-Messstationen in der Schweiz günstig verteilt, sie befinden sich im Wesentlichen dort, wo der Grossteil der Bevölkerung lebt - im Flachland und in den grossen Tälern. Für die wachsende Gruppe der Outdoorsportler*innen ist allerdings die Qualität der Wetterprognosen in den Alpen von grosser Bedeutung, dort ist die Dichte des Stations-Netzwerks aber ungenügend für Modellverifikation und Postprocessing. Eine bessere Prognosequalität über den Alpenraum hätte zudem einen positiven Einfluss auf hydrologische Anwendungen wie Hochwasserwarnungen und Ressourcenmanagement.

Ein erschwerender Faktor für die operationelle Wettervorhersage in der Schweiz ist die Komplexität der Geländekammer; moderne Vorhersagesystem basieren auf numerischen Modellen mit einer Gitterweite von rund 1 km. Die effektive Auflösung liegt damit bei rund 3-5 km, was für viele Nutzer*innen gerade in den Alpen zu wenig detaillierte Informationen liefert. Die meisten Wetterdienste setzen deshalb auf Prognostiker*innen, die relevante Informationen mit der Hilfe von lokalen Messdaten und ihrem Erfahrungsschatz ergänzen können. In den letzten Jahren setzen viele Wetterdienste zusätzlich auf statistisches Postprocessing des Modell-Outputs, z.B. mit Hilfe von Quantile Mapping oder zunehmend auch maschinellem Lernen. Damit sowohl bei der Validierung als auch beim statistischen Postprocessing ein Mehrwert für die Endnutzer*innen generiert werden kann, brauchen die Wetterdienste ein relativ dichtes Netz von Messstationen.

Mit unserem Projekt wollen wir 1) die Performanz aktueller Wettermodelle in Gebieten, welche traditionell eine geringe dichte an Messdaten aufweisen überprüfen, und 2) die Eignung von nutzergenerierten Daten für die Verbesserung von Wettermodellen erörtern.