Hochaufgelöste Niederschlagsdatensätze umfassen meistens eine allzu kurze Zeitspanne, um mehrere Starkniederschlagsereignisse mit unterschiedlicher räumlicher Ausprägung abzudecken. Dank einem neuen methodischen Ansatz ist das Mobiliar Lab in der Lage, solche Ereignisdaten zu generieren.
Saisonale Wettervorhersagen werden inzwischen von mehreren Wetterzentren operationell gerechnet. Diese Vorhersagen reichen über den Prognosehorizont von klassischen Wettervorhersagen hinaus. Sie verfolgen das Ziel, saisonale Tendenzen abzuschätzen und Fragen zu beantworten wie: Wird der kommende Winter überdurchschnittlich kalt? Wird der nächste Sommer speziell trocken?
Für Mitteleuropa ist die Güte solcher Vorhersagen gegenwärtig klein. Nichtsdestotrotz sind die von den Modellen errechneten Simulationen realistisch. Sie stellen eine der möglichen Varianten dar – oder im Fachjargon: eine mögliche Realisation des Klimasystems. Saisonale Wettervorhersagen sind deshalb ein Archiv, in dem sich nach Starkniederschlagsereignissen oder anderen Wetterextremen suchen lässt. Daten aus diesem Archiv können Messreihen ergänzen und zusätzliche Informationen über extreme, und damit seltene, Ereignisse liefern.
Das Mobiliar Lab hat diesen Ansatz mit Daten des Europäischen Zentrums für mittelfristige Wettervorhersage für die Schweiz getestet. Insgesamt umfasst der Datensatz rund 9000 Jahre an Wettersimulationen. Die Gitterweite dieser Geodaten beträgt rund 35 Kilometer, die zeitliche Auflösung 6 Stunden. Für ein globales Wettermodell ist diese räumliche und zeitliche Auflösung sehr hoch, für hydrologische Anwendungen in der kleinräumigen Schweiz hingegen ist sie zu grob. Eine der Herausforderungen des Projekts war deshalb, die Auflösung des Modells zu erhöhen. Das Mobiliar Lab hat dazu eine statistische Methode angewandt, die auch im Kontext von Klimawandelstudien verwendet wird.
Die im Rahmen der Studie gemachten Versuche haben gezeigt, dass dieser Ansatz für die Schweiz tatsächlich funktioniert. Dies aus drei Gründen: Erstens kann die räumliche und die zeitliche Auflösung mit der gewählten statistischen Methode erhöht werden. Zweitens reproduzieren die Simulationen des Wettermodells die statistischen Eigenschaften von beobachteten Starkniederschlagsereignissen. Und drittens enthält der Datensatz extreme Niederschlagsereignisse mit verschiedenen räumlichen Ausprägungen.
Für kleine Gebiete lässt sich der Ansatz allerdings nur beschränkt anwenden. Die künstliche Erhöhung der räumlichen und zeitlichen Auflösung scheitert, wenn es darum geht, hohe Niederschlagsintensitäten auf einer kleinen räumlichen Skala zu reproduzieren, wie sie etwa mit Wetterstationen gemessen werden. Wenn der Fokus aber auf Einzugsgebieten liegt, die grösser als 300 km2 sind, was der Fläche des Kantons Schaffhausen entspricht, dann liefern die Niederschlagsszenarien realistische Werte.
Das Mobiliar Lab arbeitet momentan daran, die beschriebene Methode zu verfeinern und eine Modellkette aufzubauen. Sie soll ermöglichen, mit Niederschlagsszenarien als Eingangsgrösse die resultierenden Überflutungen und Gebäudeschäden abzuschätzen. Wie eine solche Modellkette erfolgreich umgesetzt werden kann, zeigt exemplarisch der nachfolgende Artikel «Vom globalen Klimamodell zum Schaden auf Einzelgebäudeebene» anhand des Einzugsgebiets der Aare.