Hallo,

die Prognosemethode habe ich etwas verändert. Um mehr Datenreihen verwenden zu können, musste ich allerdings den Analysezeitraum verkürzen, weil sonst die Rechenkapazität nicht reichen würde, also nur 1993 bis 2022, 4 Datenreihen, insgesamt 47.000 Gitterpunkte global.

Für die Prognose der Monate April bis Juni 2023 verwende ich die SSTs des Monats März, sowie das Geopotential 500hPa, außerdem die Temperaturen und den zonalen Wind auf dem Druckniveau mit der höchsten Korrelation mit dem Zielmonat, immer Gitterpunkte 90°N – 90°S 0 – 360°.

Für den Zeitraum 1993 – 2022 korreliere ich nun zuerst die Temperaturen im 10hPa -, 30hPa-, 50hPa -, 100hPa -, 200hPa -, 300hPa -, 400hPa – Niveau des Vormonats mit den wichtigsten globalen Indices, also NAO, AO, NOI, PNA, EP/NH, EA/WR, WP, PDO, NP und AAO des Zielmonats. Dasselbe mit dem zonalen Wind.

Die höchsten Korrelationen der Temperatur mit diesen Indices ( also zunächst März zu April) ergaben sich im 100hPa – Niveau und beim zonalen Wind im 300hPa – Niveau. Für die Prognose der Geopotentialanomalie des Monats April 2023 verwende ich also die SSTs, das Geopotential 500hPa, die Temperatur im 100hPa – Niveau sowie den zonalen Wind im 300hPa- Niveau, jeweils Märzwerte.

Das Rechenprogramm sucht sich nun die höchsten Korrelationen (Canonical Correlation Analysis) zwischen den Gitterpunkten des Vor – und des Zielmonats und berechnet auf diese Weise den Zielwert eines jeden Gitterpunktes. In einer Skala von -1 bis +1 werden dann die zu erwartenden Abweichungen dargestellt, Referenzzeitraum ist 1981 – 2010.

Für den April 2023 sieht das so aus:

Die Leistung der Prognose kann in einem Diagramm eingesehen werden:

Canonical Correlation: 0.9411

Prognose für Mai 2023:

Verwendet: SSTs, Geopotential 500hPa, Temperatur im 400hPa – Niveau und Zonaler Wind im 300hPa – Niveau (jeweils Märzwerte):

Canonical Correlation: 0.9491

Prognose für Juni 2023:

Verwendet: SSTs, Geopotential 500hPa, Temperatur im 300hPa – Niveau und Zonaler Wind im 400hPa- Niveau (jeweils Märzwerte):

Canonical Correlation: 0.8626

Warum die Abweichungen im tropischen Bereich so stark hervorgehoben werden, weiß ich im Moment noch nicht.

Gruß

KHB

Hallo,

für die Prognose der Monate Januar bis März 2023 habe ich die SSTs sowie das Geopotential 500hPa des Monats Dezember

verwendet (Gitterpunkte 90°N – 90°S 0 – 360°).

Auswertungszeitraum: 1949 – 2022

Referenzperiode: 1981 – 2010

Anomalien: m

Methode: Canonical Correlation Analysis

Prognose Januar 2023:

Prognose Februar 2023:

Prognose März 2023:

Gruß

KHB

Hallo,

für die Prognose der Monate Dezember 2022 bis März 2023 habe ich die SSTs sowie das Geopotential 500 hPa des Monats November verwendet (Gitterpunkte 90°N – 90°S 0 – 360°).

Auswertungszeitraum: 1949 – 2021

Referenzperiode: 1981 – 2010

Anomalien: m

Methode: Canonical Correlation Analysis

Prognose Dezember 2022:

Prognose Januar 2023:

Prognose Februar 2023:

Prognose März 2023:

Gruß

KHB

Hallo,

für die Prognose der Monate November 2022 bis März 2023 habe ich die SSTs sowie das Geopotential 500hPa des Monats

Oktober verwendet (Gitterpunkte 90°N – 90°S 0 – 360°).

Auswertungszeitraum: 1949 – 2021

Referenzperiode: 1981 – 2010

Anomalien: m

Methode: Canonical Correlation Analysis

Prognose November 2022:

Prognose Dezember 2022:

Prognose Januar 2023:

Prognose Februar 2023:

Prognose März 2023:

Gruß

KHB

Hallo,

für die Prognose der Monate September 2022 bis März 2023 habe ich die SSTs sowie das Geopotential 500hPa des Monats August verwendet (Gitterpunkte 90°N – 90°S 0 – 360°).

Ergänzt habe ich die Prognose der globalen Geopotentialanomalien durch die Prognose der Temperatur – und Niederschlagsanomalien für Mitteleuropa, die sich aus dieser Konstellation ergeben.

Auswertungszeitraum: 1949 – 2021

Referenzperiode: 1981 – 2010

Anomalien: dam bzw. K

Die Niederschlagsanomalien gliedern sich in jeweils 4 Kategorien, die von „leicht zu nass / leicht zu trocken“ bis „sehr zu nass / sehr zu trocken“ reichen.

Methode: Canonical Correlation Analysis

Prognose September 2022:

Prognose Oktober 2022:

Prognose November 2022:

Prognose Dezember 2022:

Prognose Januar 2023:

Prognose Februar 2023:

Prognose März 2023:

Gruß

KHB

Hallo,

für die Prognose der Monate August 2022 bis März 2023 habe ich die SSTs sowie das Geopotential 500hPa des Monats Juli verwendet (Gitterpunkte 90°N – 90°S 0 – 360°).

Auswertungszeitraum: 1949 – 2021

Referenzperiode: 1981 – 2010

Anomalien: dam

Methode: Canonical Correlation Analysis

Prognose August 2022:

September 2022:

Oktober 2022:

November 2022:

Dezember 2022:

Januar 2023:

Februar 2023:

März 2023:

Gruß

KHB

Hallo,

für die Prognose der Monate Juni bis August 2022 habe ich den Bodendruck sowie die SSTs des Mai verwendet (Gitterpunkte 90°N – 90°S 0 – 360°).

Auswertungszeitraum: 1949 – 2021

Referenzperiode: 1981 – 2010

Anomalien: Pa bzw. K

Methode: Canonical Correlation Analysis

Prognose Juni 2022:

Bodendruckanomalie:

Temperaturanomalie:

Prognose Juli 2022:

Bodendruckanomalie:

Temperaturanomalie:

Prognose August 2022:

Bodendruckanomalie:

Temperaturanomalie:

Gruß

KHB

Hallo,

für die Prognose der Monate Mai bis Juli 2022 habe ich die SSTs sowie den Bodendruck des Monats April verwendet (Gitterpunkte 90°N – 90°S 0 – 360°).

Auswertungszeitraum: 1949- 2021

Referenzperiode: 1981 – 2010

Anomalien: Pa bzw. K

Methode: Canonical Correlation Analysis

Prognose Mai 2022:

Bodendruckanomalie:

Temperaturanomalie:

Prognose Juni 2022:

Bodendruckanomalie:

Temperaturanomalie:

Prognose Juli 2022:

Bodendruckanomalie:

Temperaturanomalie:

Gruß

KHB

Hallo,

für die Prognose der Monate April bis Juni 2022 habe ich die SSTs sowie den Bodendruck des Monats März verwendet (Gitterpunkte 90°N – 90°S 0 – 360°).

Auswertungszeitraum: 1949 – 2022

Referenzperiode: 1981 – 2010

Anomalien: Pa bzw. K

Methode: Canonical Correlation Analysis

Prognose für April 2022:

Bodendruckanomalie:

Temperaturanomalie:

Prognose für Mai 2022:

Bodendruckanomalie:

Temperaturanomalie:

Prognose für Juni 2022:

Bodendruckanomalie:

Temperaturanomalie:

Gruß

KHB