Hallo,

angeregt durch diese Studie:

Wang / Ting / Kushner: A robust empirical seasonal prediction of winter NAO and surface climate. Nature. Scientific Reports. March 2017.

nature.com

habe ich mit meinen bescheidenen Mitteln versucht, nach der geschilderten Grundidee ein Prognosesystem für die Winter – NAO zu entwickeln. Als Zeitraum wähle ich 1987/88 bis 2016/17 und ich definiere den Winter in diesem Fall als Dezember bis März.

Zuerst bestimme ich die besten Bezüge aus Geopotential / Bodendruck, SSTs und Temperatur, jeweils beste positive und negative Korrelation zur Winter NAO (also 6 Datenreihen). Ich verwende Vormonate bis einschließlich Oktober, um dann Anfang November die Prognose für den Winter abgeben zu können (analog zur oben genannten Studie).

Ich gehe davon aus, dass sich die NAO – Entwicklung in den Vormonaten anbahnt und schließlich manifestiert, sichtbar in unterschiedlichen Regionen und Zeiträumen sowie unterschiedlichen Höhen der Atmosphäre. Wäre dies nicht so, wäre alles nur Zufall oder reines Chaos, ließe sich die NAO überhaupt nicht prognostizieren. Nachfolgende Angaben verstehe ich nicht unbedingt als Ursachen (vielleicht zum Teil auch), sondern vielmehr als Symptome, als Anzeichen.

a: Bodendruck April – Juli 32.5 – 35°N 85 – 90°E

b: SST Oktober – Januar (14 Monate zuvor) 37.5 – 32.5°S 5 – 10°W

c: Temperatur 100hPa April – Juli 70 – 80°N 25 – 50°W

d: Geopotential 1000hPa Mai – August 45 – 37.5°S 50 – 65°E

e: SST Juni – September 55 – 60°N 17.5 – 25°W

f: Temperatur 850hPa Juni – September 2,5 – 5°S 150 – 155°E

Die durchschnittliche NAO (Dezember bis März) 1987/88 bis 2016/17 beträgt für den Einzelmonat 0,448.

Die Formel lautet dann (mal = multipliziert mit):

NAO = a mal 2,775 + b mal 8,603 + c mal 3,135 + d mal 0,185 + e mal 5,425 + f mal 9,801

a – f: jeweils Differenz zwischen Höchst – und Tiefstwert, bei positiver Korrelation (a – c) Differenz zum Tiefstwert und bei negativer Korrelation (d – f) Differenz zum Höchstwert, je höher der Index, desto höher der NAO – Wert.

Die Multiplikatoren ergebenn sich aus dem Verhältnis von NAO – Höchst – und Tiefstwert zu den Höchst – und Tiefstwerten von a, b, c, d, e,

Für den Winter 2017/18 liegen noch nicht alle Werte vor (nur 3 von 6).

Der Korrelationskoeffizient zwischen der auf diese Weise berechneten NAO und der realen NAO (Dezember bis März, 1987/88 bis 2016/17, also 30 Winter) beträgt 0.9021.

MAE: 0.8340

Dabei ist zu beachten, dass sich dieser Wert auf 4 Monate bezieht, auf einen Monat also 0,2085.

RMSE: 1,1498

Gruß

KHB