Wetterfrage Folgen

Die Schneefallgrenze ist aktuell auf Achterbahnfahrt. Mal regnet es knapp auf 2000 m, bald danach ist Schnee bis 500 m möglich. Woher weiss man eigentlich bis auf welche Höhe es schneit? Hoch oben in der Luft herrschen immer Minusgrade. Niederschlag bildet sich dort als Eis oder Schnee. Fällt eine Schneeflocke herunter überquert sie, sofern es nicht sehr kalt ist, die Nullgradgrenze. Die Schneefallgrenze liegt immer unter der Nullgradgrenze. Sie ist in trockener Luft deutlich tiefer unten als in feuchter Luft. Darum benutzt man zur Prognose der Schneefallgrenze meistens eine Kombination von Temperatur und Feuchtigkeit.

Vor rund zehn Tagen verwandelte sich die Schweiz in ein Wintermärchen. Der Weg mit dem Ziel «viel Schnee im Flachland» ist eine Gratwanderung und führt meist gegen den Strom. In Luzern wurde am 22. November mit 42 cm Neuschnee ein Allzeitrekord aufgestellt: Noch nie seit Messbeginn - seit stolzen 141 Jahren - fiel an einem Tag so viel Schnee. Auch sonst fielen im Flachland verbreitet 10 bis 30 cm Neuschnee. Dieses seltene Ereignis gehört im Flachland – wie schon die Schneefälle im Januar 2021 und im März 2006 – zu den denkwürdigsten Wintereinbrüchen der letzten Jahrzehnte. Typische Ursache für so viel Schnee ist eine Gegenstromlage. Bei dieser Wetterlage trifft milde und feuchte Luft genau über der Schweiz auf kalte Polarluft. Die Ereignisse zeigen, wie eng die optimale Kombination von Kaltluft und Niederschlag räumlich begrenzt ist. Dominiert die Warmluft, fällt Regen, andernfalls ist es in der Kaltluft zu trocken für Schneefall.

Künstliche Intelligenz wird vermehrt in der Wettervorhersage eingesetzt. Trotz überraschender Genauigkeit hat die künstliche Intelligenz in der Prognose noch Baustellen. Wettermodelle mit künstlicher Intelligenz lernen aus vergangenen Wetterdaten, das, Wetter vorherzusagen. Der grosse Vorteil: Trainierte Modelle berechnen in kurzer Zeit, das was herkömmliche, physikalische Modelle in mehreren Stunden und mit viel Rechenleistung berechnen. Dazu sind sie bei gewissen Parametern bereits genauer als herkömmliche Modelle. KI-Modelle sind aber nur so gut, wie die Daten, die fürs Training der Modelle zur Verfügung steht. Wetterextreme oder Gebiete ohne Daten sind daher schwierig bis kaum vorherzusagen. Ebenso fehlt ihnen ein physikalisches Verständnis der Atmosphäre