Deutsche Forschungsgemeinschaft genehmigt zweite Förderperiode des transregionalen Sonderforschungsbereichs "Waves to Weather"
23.05.2019
Die Deutsche Forschungsgemeinschaft (DFG) hat zum Juli 2019 die Verlängerung des transregionalen Sonderforschungsbereichs "Waves to Weather" bewilligt. Der SFB/TRR 165 wird in der zweiten Förderperiode mit rund 10 Millionen Euro unterstützt. Ziel des Sonderforschungsbereichs ist es, die grundlegenden Grenzen der Vorhersagbarkeit in einem chaotischen System wie der Atmosphäre zu erkennen und die besten Wetterprognosen aufzustellen, die unter diesen Bedingungen physikalisch möglich sind. "Neue wissenschaftliche Erkenntnisse sollen helfen, die jetzigen Defizite der Vorhersagemodelle zu verstehen. Damit wollen wir den Weg für neue Modelle und Methoden ebnen, welche eine Vorhersage bis zur Grenze der Vorhersagbarkeit ermöglichen", erklärt Prof. Dr. Volkmar Wirth vom Institut für Atmosphäre der Johannes Gutenberg-Universität Mainz (JGU). "Dieser Herausforderung stellen wir uns mit diesem in Deutschland einmaligen Kooperationsprojekt." Neben der JGU sind an dem auf maximal 12 Jahre angelegten Sonderforschungsbereich die Ludwig-Maximilians-Universität München als Sprecherhochschule, das Karlsruher Institut für Technologie, die Technische Universität München, das Deutsche Zentrum für Luft- und Raumfahrt, die Ruprecht-Karls-Universität Heidelberg sowie die Universität Hamburg beteiligt.
Derzeit können die Meteorologen verlässliche Prognosen für einen Zeitraum von maximal sieben bis zehn Tagen liefern. Dies bringt der Gesellschaft nicht nur jährliche Einsparungen von mehreren Milliarden Euro ein, sondern schützt vor allem das Leben zahlreicher Menschen. Und dennoch kommt es immer wieder zu Fehlvorhersagen. Die Ursachen für falsche Vorhersagen liegen in der Regel in fehlerhaften meteorologischen Daten oder in Mängeln bei den verwendeten Vorhersagemethoden. "Wir wollen daher Erkenntnisse aus der Atmosphärendynamik und Wolkenphysik, aus der Statistik, numerischen Modellierung und Visualisierung integrieren und auf diese Weise die Grundlagen für bessere Vorhersagemodelle bereitstellen", so Wirth.