Key points are not available for this paper at this time.
Zusammenfassung. Der aktuelle Entwicklungsstand und die Perspektiven des regionalen MiKlip-10-Jahres-Vorhersagesystems für Europa werden analysiert. Das MiKlip-regionale System besteht aus zwei 10-Mitglieder-Rückblick-Ensambles, die mit dem globalen gekoppelten Modell MPI-ESM-LR berechnet wurden, welches für die europäische Region mit COSMO-CLM auf eine horizontale Auflösung von 0.22∘ (∼25 km) heruntergerechnet wurde. Die Vorhersagefähigkeiten werden für Temperatur, Niederschlag und Windgeschwindigkeit unter Verwendung von E-OBS und einer von ERA-Interim gesteuerten COSMO-CLM-Simulation als Verifikationsdatensätze berechnet. Der Fokus liegt auf den acht europäischen PRUDENCE-Regionen und auf den Leitjahren 1–5 nach der Initialisierung. Es wird Beweis für das allgemeine Potenzial zur regionalen Dekadenvorhersagbarkeit für alle drei Variablen erbracht. Zum Beispiel übertreffen die initialisierten Rückblicke die uninitialisierten historischen Läufe in einigen wichtigen Regionen Europas, insbesondere in Südeuropa. Allerdings wird in allen Fällen keine Vorhersagefähigkeit festgestellt, da sie von der Variablen, der Region und der Rückblick-Generation abhängt. Ein Vergleich der heruntergerechneten Rückblicke mit den globalen MPI-ESM-LR-Läufen zeigt, dass das MiKlip-Vorhersagesystem deutlich von der Regionalisierung profitieren kann, insbesondere für Teile von Südeuropa und für Skandinavien. Die Vorhersagegenauigkeit des MiKlip-Ensembles wird systematisch verbessert, wenn die Ensemblegröße schrittweise erhöht wird, und 10 Mitglieder erweisen sich als geeignet für Dekadenvorhersagen. Dieses Ergebnis gilt für alle Variablen und europäischen Regionen sowohl im globalen als auch im regionalen MiKlip-Ensemble. Die vorliegenden Ergebnisse sind vielversprechend für die Entwicklung eines regionalen Dekadenvorhersagesystems.
Reyers et al. (Wed,) untersuchten diese Frage.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: