Indischer Monsun: Vorhersage jetzt früher möglich als je zuvor

20.04.2016 - Früher als je zuvor können Wissenschaftler jetzt für Indien Beginn und Ende des Sommer-Monsuns vorhersagen. Ein Forscherteam hat hierfür eine neuartige Netzwerk-Analyse regionaler Wetterdaten entwickelt und wird diese Methode dem Indischen Wetterdienst vorschlagen. Der große Sommerregen ist extrem wichtig für Millionen Bauern und damit für die Ernährung des nach China bevölkerungsstärksten Landes der Erde. In Zukunft wird der Klimawandel wahrscheinlich die Stabilität des Monsuns stören – die akkurate Vorhersage wird dadurch noch wichtiger.
Indischer Monsun: Vorhersage jetzt früher möglich als je zuvor

„Wir können das Einsetzen des Indischen Sommer-Monsuns zwei Wochen früher und seinen Rückzug sogar sechs Wochen früher als bislang vorhersagen – was ein ziemlicher Durchbruch ist, da für die Bauern wirklich jeder Tag zählt“, sagt Veronika Stolbova vom Potsdam-Institut für Klimafolgenforschung (PIK) und der Universität Zürich, Leit-Autorin der jetzt in den Geophysical Research Letters erscheinenden Studie. „Wir haben entdeckt, dass im Norden Pakistans und in den östlichen Ghats, einer Gebirgskette nahe dem Indischen Ozean, Veränderungen der Temperaturen und der Luftfeuchtigkeit einen kritischen Übergang zum Monsun markieren“, erklärt Stolbova. Normalerweise wird bei der Monsun-Vorhersage die Aufmerksamkeit auf die Region Kerala an der Südspitze des Subkontinents gerichtet. 

Die Regenzeit ist entscheidend für den Reis-Anbau, aber auch für Strom aus Wasserkraft 

Informationen über den Ablauf der Regenzeit sind entscheidend für die indischen Bauern, um den Zeitpunkt der Aussaat zu bestimmen. Feldfrüchte wie Reis, Sojabohne und Baumwolle werden gewöhnlich in der etwa von Juni bis September dauernden Monsun-Saison angebaut. Schon eine kleine Abweichung im Monsun kann zu Trockenheiten oder Überschwemmungen führen und erhebliche Schäden verursachen. Die Länge der Monsunzeit ist auch bedeutsam für das Management der Stromerzeugung aus Wasserkraft, weil der Regen die Stauseen und Speicher füllen muss. 

Die Potsdamer Wissenschaftler haben ihre Methode mit Monsun-Daten der Vergangenheit getestet. Ihr Ansatz konnte das Einsetzen des Monsuns in mehr als 70 Prozent und den Rückzug in mehr als 80 Prozent der untersuchten Jahre vorhersagen. Der Hauptvorteil der neuen Vorgehensweise ist, dass sie den Zeithorizont für die Vorhersage gegenüber der gegenwärtig in Indien verwendeten Technik ausweitet. Zusätzlich verbessert die neue Methode aber die Vorhersage für die vom weltweiten Wetterphänomen El Niño - Südliche Oszillation (ENSO) betroffenen Jahre, besonders in der La Niña-Phase. Dieses Phänomen hat erheblichen Einfluss auf den Monsun und hat bislang die Qualität der Vorhersage stark gemindert. 

Netzwerkanalyse: „Das Klimasystem ist wie Facebook“ 

„Wir sehen das Klimasystem als Netzwerk, genau wie die sozialen Netzwerke, die so viele Menschen tagtäglich nutzen“, sagt Ko-Autor Jürgen Kurths, Leiter des PIK-Forschungsbereichs Transdisziplinäre Konzepte & Methoden. „Auf Facebook oder Twitter kann man verfolgen, wie Neuigkeiten sich ausbreiten, jede Meldung und jeder Kommentar führt zu vielen anderen. Im Klimasystem sind es statt Menschen geografische Regionen, die miteinander kommunizieren – zugegebenermaßen in recht komplexer Art.“ Wie Facebook-Postings oder Tweets, die immer wieder von Nutzern geteilt und weitergeleitet werden, werden durch atmosphärische Strömungen wie etwa Winde Temperaturen und Feuchtigkeit von einem Ort zu anderen bewegt. 

Die Netzwerkanalyse komplexer nicht-linearer Systeme, ein hochmoderner mathematischer Ansatz, wurde nie zuvor für die Monsun-Vorhersage eingesetzt – aber der Ansatz zeigt sehr gute Ergebnisse. Die wesentliche Innovation, so die Forscher, ist die Kombination der Netzwerkanalyse mit einer subtilen statistischen Analyse der Frühwarnsignale für Beginn und Ende des Monsuns. „Diese dem eigentlichen Monsun voranlaufendend Entwicklungen sind oft begraben unter einem ungeheuren Berg von Wetterdaten, und werden daher übersehen“, sagt Elena Surovyatkina vom Institut für Weltraumforschung der Russischen Akademie der Wissenschaften, gegenwärtig Gastforscherin am PIK. „Wir haben herausgefunden, wie wir diese Vorläufer in einer neuen Weise nutzen können – um Regionen zu finden, in denen die entscheidenden Bedingungen für das Auftreten des indischen Monsuns entstehen.“ Dies geschah in Zusammenarbeit mit Ko-Autor Bodo Bookhagen von der Universität Potsdam. 

Klimawandel kann Regenzeiten verändern – akkurate Vorhersagen werden umso wichtiger 

Die weltweite Erwärmung, maßgeblich verursacht durch die Treibhausgase aus dem Verfeuern fossiler Brennstoffe wie Kohle und Öl, trifft bereits heute den indischen Monsun und wird dies – wenn sie unvermindert weitergeht – wahrscheinlich in Zukunft noch stärker tun. „Wir sehen das in unseren Daten, und auch andere Forschungsarbeiten deuten in diese Richtung“, sagt der Projektleiter Jürgen Kurths. „Die Zeitabläufe beim indischen Monsun, der Lebensgrundlage ist für viele Millionen Menschen, werden wahrscheinlich in Zukunft stärker schwanken. Das macht eine frühe und akkurate Vorhersage noch wichtiger.“


Artikel:
Stolbova, V., E. Surovyatkina, B. Bookhagen, and J. Kurths (2016): Tipping elements of the Indian monsoon: Prediction of onset and withdrawal. Geophys. Res. Lett., 43, 1–9 [doi:10.1002/2016GL068392]

Weblink zum Artikel:
http://onlinelibrary.wiley.com/doi/10.1002/2016GL068392/full


Update May 06, 2016:
Forecast of the Onset date of Indian Summer Monsoon - 2016 over the Eastern Ghats (20N, 80E)

The Indian Summer Monsoon is likely (with a 73% probability) to set over The Eastern Ghats region (20N, 80E, Gadchiroli Forest Reserve) on or around 13th June (+/- 4 days). The onset of monsoon is a date of the arrival of monsoon over a particular region of the Indian subcontinent and represents the beginning of rainy season over the region. We estimate a date of monsoon onset over the EG using our recently developed method of long-range forecasting (more than 30 days in advance), which uses the following predictors: i) in the Eastern Ghats region, a daily mean surface air temperature falls, and a relative humidity rises to critical thresholds for the EG region; ii) in North Pakistan, a daily mean surface air temperature rises, and a relative humidity falls to the same values, as critical thresholds defined for the EG region.

Fig.1 3. Prediction of onset date (OD): case study 2016. Air temperature at 1000 hPa (A); relative humidity at 1000 hPa (B). Time series fromreference points (NCEP/NCAR data): previous 14 year mean (black) and 2016 values for NP (blue) and the EG (red). Grey lines show time seriesfrom the NP and EG for the training period of previous 14 years. Saturation temperature Tsat (A) and saturation humidity rhsat (B) are marked byhorizontal black solid lines (Tsat = Tonset, Tonset and rhsat calculated as intersection of mean time series for the training period from the EG andNP) and day of the saturation (dsat) (when temperature in the EG in 2016 reaches Tsat)—with dark blue. Orange lines indicate trends to the meantime series in the NP and EG for the training period, light blue—trends for 2016. Black solid lines indicate mean values of the OD (< OD>) forthe training period. Dotted grey line corresponds to the predicted onset (ODp).

Fig.1 3. Prediction of onset date (OD): case study 2016. Air temperature at 1000 hPa (A); relative humidity at 1000 hPa (B). Time series from reference points (NCEP/NCAR data): previous 14 year mean (black) and 2016 values for NP (blue) and the EG (red). Grey lines show time series from the NP and EG for the training period of previous 14 years. Saturation temperature Tsat (A) and saturation humidity rhsat (B) are marked by
horizontal black solid lines (Tsat = Tonset, Tonset and rhsat calculated as intersection of mean time series for the training period from the EG and NP) and day of the saturation (dsat) (when temperature in the EG in 2016 reaches Tsat)—with dark blue. Orange lines indicate trends to the mean time series in the NP and EG for the training period, light blue—trends for 2016. Black solid lines indicate mean values of the OD (< OD>) for the training period. Dotted grey line corresponds to the predicted onset (ODp).

Our estimation is valid in the case of no a bogus monsoon onset. Otherwise, the onset date will shift for the duration of a bogus monsoon. We will update our long-term forecasting as new data from NCEP/NCAR become available.



Kontakt für weitere Informationen:

Potsdam-Institut für Klimafolgenforschung, Pressestelle

Telefon: +49 (0)331 288 2507
E-Mail: presse@pik-potsdam.de
Twitter: @PIK_Klima
www.pik-potsdam.de