Aufgabe 2.1: Evidenzbasierte Entwicklung und Evaluierung von Produkten und Kommunikationsformaten ODER Wie können dekadische Vorhersagen am besten genutzt werden?

Klimatisch anfällige Sektoren wie beispielsweise Landwirtschaft, Energie, Infrastruktur, Versicherungen und das Gesundheitswesen müssen sich zukünftig nicht nur an die natürliche Variabilität anpassen, sondern auch an die Auswirkungen des menschengemachten Klimawandels. Dieses Teilprojekt identifiziert in Sektoren mit einer hohen Klimasensitivität zunächst relevante wetter- und klimaabhängige Anpassungsentscheidungen für die nächsten 10 Jahre sowie die nötigen meteorologischen Informationsbedarfe. Hieraus können Nutzende sowie ihre grundlegenden Bedarfe erfasst werden, die wir dann zur gemeinsamen Entwicklung von Services und Produkten (Co-production) einladen. In diesem Prozess werden wir die Klimainformationen auf die Entscheidungen der Nutzenden zuzuschneiden (s. a. Teilprojekt 2.2), z. B. durch die Bereitstellung einer Überschreitungswahrscheinlichkeit für Schwellenwerte, die für die Entscheidungen der Nutzenden direkt relevant sind. Um praxistaugliche Kommunikationsprototypen zu entwerfen, werden wir bestehende Erkenntnisse aus der Risikokommunikationsforschung in enger Zusammenarbeit mit den Entwicklern von Prognosen umsetzen. In diesem Teilprojekt wenden wir einen Mixed-Methods-Ansatz an: Interviews, Workshops und Usability Testings werden ergänzt durch breitere Umfragen.

Aufgabe 2.2: Nutzerspezifische Produkte und Rekalibrierung dekadischer Vorhersagen

In diesem Teilprojekt werden spezifische Produkte in enger Zusammenarbeit mit den relevanten Nutzergruppen (s. Projektabschnitt 2.1) entwickelt und auf Basis des dekadischen Vorhersagemodells berechnet und bereitgestellt. Die dekadischen Vorhersagen initialisierter Klimamodelle weisen typischerweise systematische Abweichungen zu den Beobachtungen - sogenannte Verzerrungen (Bias) - auf. Des weiteren bildet die Spannbreite von Ensemblevorhersagen in der Regel nicht exakt die beobachtete Unsicherheit ab. Aus diesem Grund werden statistische Nachbearbeitungsmethoden (Post-Processing) für Vorhersagesysteme angewendet, um die Modellsimulationen zu rekalibrieren und so idealerweise unverzerrte und verlässliche Vorhersage-Verteilungen zu erhalten. In zweiten Abschnitt dieses Teilprojektes werden zunächst Optimierungen der vorhandenen Rekalibrierungsmethode DeFoReSt (Pasternack et al., 2018, 2021) vorgenommen. Dies beinhaltet die Berücksichtigung kleinerer Zeitskalen (monatlich/saisonal) sowie unterschiedlicher Klimazustände zum Zeitpunkt der Initialisierung. Abschließend werden typische Variablen wie Temperatur und Niederschlag, sowie nutzerspezifische Produkte aus dem ersten Teil für das in dem Gesamtprojekt entwickelte dekadische Vorhersagesystem rekalibriert. Die verwendeten Berechnungsmethoden werden darüber hinaus als Software-Plugins in das dekadische Daten- und Evaluierungssystem (CODES, auf Basis von Freva) implementiert.

Aufgabe 2.3: Stratifizierte Verifikation von dekadischen Vorhersagen

Der aktuelle Zustand des Klimasystems (z. B. Ozean, Atmosphäre) zum Zeitpunkt der Initialisierung der Vorhersagen kann eine wichtige Rolle in der Vorhersagequalität des Modells darstellen. Um solch potentielle Quellen als "Gelegenheitsfenster" ("windows of opportunity") für eine Verbesserung der dekadischen Vorhersagen zu identifizieren, werden geeignete Vorhersagevariablen mit dem Ansatz der stratifizierten Verifikation analysiert. Hierbei wird die Vorhersagegüte des Modells in Abhängigkeit von unterschiedlichen Zuständen bestimmter Muster der großskaligen Klimavariabilität (z. B. AMV, ENSO) verifiziert.