Schnee als Quelle für Vorhersagbarkeit in Saisonvorhersagen

Neben dem Ozean ist die Landoberfläche eine wichtige Komponente für die Vorhersagbarkeit auf (sub-)saisonalen Zeitskalen. Während die Temperatur in 2m Höhe in manchen maritimen Regionen über mehrere Monate vorhergesagt werden kann, mangelt es über kontinentalen Regionen an Vorhersagegüte. Eine verbesserte Darstellung der Landoberfläche in saisonalen Vorhersagesystemen könnte diese Lücke schließen helfen. Schneebedeckung und -wasseräquivalent sind wesentliche Eigenschaften der Landoberfläche. Anomalien in der Fläche und Höhe der Schneebedeckung beeinflussen die Albedo und den Wasserhaushalt der Landoberfläche. Eine schneebedeckte Landoberfläche führt zu lokalen Temperaturabsenkungen der darüber liegenden Luft (Schnee-Albedo Effekt und hoher Emissionsgrad) und das Abschmelzen von Schnee entzieht der Luft Wärme und trägt zur Bodenfeuchte bei. Zunächst analysieren wir die statistischen Beziehungen zwischen Schnee, 2m-Temperatur und sensibler/latenter Wärmeflüsse in Reanalysedaten auf der Nordhalbkugel. Dann untersuchen wir, ob diese Beziehungen auch in operationellen saisonalen Vorhersagemodellen, die durch Copernicus Climate Change Service (C3S) bereitgestellt werden, dargestellt werden. Erste Ergebnisse zeigen, dass die Güte der 2m-Temperatur Vorhersage über kontinentalen Regionen nach dem ersten Vorhersagemonat stark abfällt, während Anomalien in der Schneemasse auch über mehrere Monate vorhergesagt werden können. Anomalien in sensiblen und latenten Wärmeflüssen kontinentaler Landoberflächen werden im Winter und Frühling nur stellenweise gut vorhergesagt, was den Einfluss von Schnee auf die Atmosphäre in den Modellen mindert.