From Hours to Daily Extremes: Evaluating ERA5 and ERA5-Land Biases Across Morocco’s Diverse Climates

Die Wettervorhersage ist in eine neue Ära eingetreten, in der leistungsstarke Computerprogramme, die auf riesigen Archiven vergangener Wetterdaten trainiert wurden, beginnen, traditionelle physikbasierte Modelle herauszufordern. Diese Systeme der künstlichen Intelligenz simulieren die Atmosphäre nicht nach physikalischen Grundprinzipien; stattdessen lernen sie Muster aus historischen Aufzeichnungen, um vorherzusagen, was als Nächstes geschieht. Die vertrauenswürdigste Quelle für diese historischen Aufzeichnungen ist ein globaler Datensatz namens ERA5, eine detaillierte Rekonstruktion der Atmosphäre, die Lücken füllt, wo keine Wetterstationen existieren. Eine neuere, hochauflösendere Version namens ERA5-Land konzentriert sich speziell auf die Erdoberfläche und verspricht eine noch größere Genauigkeit für den Boden, auf dem wir gehen. Da diese KI-Modelle vollständig auf diesen Daten basieren, um zu lernen, ist die Qualität der Rekonstruktion von entscheidender Bedeutung. Wenn die historische Aufzeichnung verborgene Fehler enthält oder lokale Extreme glättet, wird die KI diese Mängel erben und potenziell die genau jenen gefährlichen Ereignisse nicht vorhersagen können, über die die Gesellschaft informiert werden muss.

In Marokko, einem Land, in dem sich die Landschaft dramatisch von Küstenebenen zu Hochgebirgen und ariden Wüsten wandelt, setzten sich Forscher zum Ziel, die Zuverlässigkeit dieser beiden Datensätze zu testen. Sie wollten wissen, ob die digitalen Karten der Vergangenheit tatsächlich mit der Realität übereinstimmten, die von den Wetterstationen vor Ort aufgezeichnet wurde. Das Team sammelte stündliche Beobachtungen von sechsunddreißig verschiedenen Stationen im ganzen Land, die über einen Zeitraum von 2016 bis 2024 ein breites Spektrum an Klimata und Topografien abdeckten. Sie verglichen die von den Stationen aufgezeichneten Werte für Temperatur, Luftfeuchtigkeit, Windgeschwindigkeit und Niederschlag mit den von sowohl dem Standard-ERA5 als auch dem landspezifischen ERA5-Land bereitgestellten Werten. Das Ziel war es zu sehen, ob die digitalen Rekonstruktionen in der Lage waren, die subtilen, lokalen Details des Wetters zu erfassen, insbesondere während der extremsten Hitze-, Kälte- und Windereignisse, die das Klima der Region prägen.

Die Untersuchung ergab, dass beide Datensätze für das Verständnis allgemeiner Klimamuster bemerkenswert gut sind. Es gelingt ihnen, den täglichen Rhythmus des Wetters abzubilden, also wie die Temperaturen im Laufe des Tages steigen und fallen und wie sich die Jahreszeiten über das Jahr verändern. Für durchschnittliche Bedingungen sind die beiden Produkte weitgehend austauschbar, wobei das Standard-ERA5 tendenziell etwas genauer bei Temperatur und Luftfeuchtigkeit ist, während das landspezifische ERA5-Land einen kleinen Vorteil bei der Messung der Windgeschwindigkeit über komplexem, bergigem Gelände bietet. Die Geschichte ändert sich jedoch, wenn die Forscher sich die Extreme ansah. Während die Modelle moderates Wetter gut handhaben, hängt ihre Fähigkeit, die schwerwiegendsten Ereignisse vorherzusagen, stark davon ab, wie selten diese Ereignisse sind.

Als die Forscher die Modelle gegen Schwellenwerte für extreme Hitze, Kälte und Wind testeten, stellten sie ein klares Muster fest. Beide Datensätze zeigten eine gute Leistung bei der Erkennung moderater Extreme, wie etwa eines sehr heißen Tages oder einer starken Windböe. Doch sobald die Ereignisse seltener und intensiver wurden, sank die Leistungsfähigkeit der Modelle signifikant. Bei den heißesten Tagen oder den stärksten Winden verfehlten die Modelle oft das Ziel vollständig. Die Forscher merkten an, dass dieses Versagen nicht unbedingt ein spezifischer Softwarefehler ist, sondern eine fundamentale Einschränkung beim Versuch, eine breite, gitterbasierte digitale Karte mit einem einzelnen, spezifischen Punkt am Boden abzugleichen. Eine Wetterstation befindet sich in einem einzigartigen Mikroklima, vielleicht in einem Tal oder an einem bestimmten Hang, während das digitale Modell ein großes Gebiet repräsentiert, das diese lokalen Details herausmittelt. Dieser Missmatch bedeutet, dass selbst ein perfektes Modell nicht den exakten Spitzenwert an einer spezifischen Station vorhersagen kann, wenn dieser Spitzenwert durch eine lokale Geografie getrieben wird, die das Modell nicht sieht.

Die Studie deckte auch eine spezifische technische Hürde für den landfokussierten Datensatz auf. Da ERA5-Land nur für das Land konzipiert ist, lässt es den Ozean aus. Dies schafft ein Problem für Stationen, die an der Küste oder in der Nähe von Inseln liegen, wo das Modell keinen gültigen Gitterpunkt hat, der mit der Beobachtung übereinstimmt. In einigen Fällen existieren die Daten für diese Küstenstationen in der landbasierten Version schlichtweg nicht – eine Lücke, die leicht als fehlende Wetteraufzeichnung missverstanden werden könnte, wenn man nicht vorsichtig prüft. Darüber hinaus stellten die Forscher fest, dass die höhere Auflösung des Land-Datensatzes nicht immer hilfreich war. In einigen Wüsten- und Gebirgsregionen führte das feinere Gitter tatsächlich zu mehr Rauschen in den Temperatur- und Luftfeuchtigkeitsmessungen, insbesondere während der Nacht, ohne die allgemeine Genauigkeit zu verbessern.

Letztlich legt die Forschung nahe, dass diese globalen Datensätze zwar exzellente Werkzeuge zur Untersuchung allgemeiner Klimatrends und zum Training von KI-Modellen sind, sie jedoch mit Vorsicht verwendet werden müssen, wenn es darum geht, spezifische, lebensbedrohliche Wetterereignisse auf lokaler Ebene vorherzusagen. Die Modelle sind nicht fehlerhaft, aber sie sind nicht darauf ausgelegt, die kleinsten Details der Landschaft zu sehen. Die Autoren empfehlen, dass jeder, der diese Daten für Impact-Studien oder die Verifizierung von KI nutzt, sich auf relative Extreme konzentrieren sollte – also darauf, wie ungewöhnlich ein Tag im Vergleich zum lokalen Durchschnitt ist – anstatt auf absolute Schwellenwerte wie „ein Tag heißer als 45 Grad“. Sie raten zudem dazu, Abdeckungslücken in der Nähe der Küste explizit zu prüfen und Fehler so zu berichten, dass die natürliche Variabilität von Wind und Temperatur berücksichtigt wird. Durch das Verständnis dieser Einschränkungen können Wissenschaftler und Meteorologen die digitalen Karten der Vergangenheit besser interpretieren und sicherstellen, dass die nächste Generation der Wettervorhersagen fest in der komplexen Realität der Welt verwurzelt bleibt.