T - HSR-Wiki

DISS. Nr. 15798
Bestimmung und Vorhersage von Bewölkung
mit bodennahen Temperaturmessungen
ABHANDLUNG
zur Erlangung des Titels
DOKTOR DER NATURWISSENSCHAFTEN
der
EIDGENÖSSISCHEN TECHNISCHEN HOCHSCHULE
ZÜRICH
vorgelegt von
TOBIAS GRIMBACHER
Dipl. Meteo.
Rheinische Friedrich-Wilhelms-Universität Bonn
geboren am 25. Februar 1975
aus Deutschland
angenommen auf Antrag von
Prof. Dr. Huw C. Davies, Referent
Dr. Willi Schmid, Korreferent
Prof. Dr. Clemens Simmer, Korreferent
2005
- 1 -

- 2 -

Zusammenfassung
Die Bewölkung hat einen entscheidenden Einfluss auf die Temperaturen in Bodennähe.
Tagsüber können Wolken die solare Einstrahlung abschatten. In wolkenlosen Nächten sinkt
die Grastemperatur T0m (die Temperatur knapp über dem Boden) ausstrahlungsbedingt
deutlich tiefer als die Lufttemperatur T2m in 2 Metern Höhe, da die langwellige Gegenstrahlung
von Wolken fehlt.
Der Kenntnis über die Bewölkung kommt somit eine zentrale Bedeutung zu, wenn die
bodennahen Temperaturen und damit verbundene Risiken (Bodenfrost, Strassenglätte, etc.)
vorhergesagt werden sollen. Insbesondere im kurzfristigen Vorhersagebereich bis drei
Stunden möchte man Veränderungen der Grastemperatur (z.B. durch postfrontales Aufklaren
oder Hochnebelbildung) möglichst exakt prognostizieren. Dazu sind detaillierte Informationen
über die räumliche Struktur der Bewölkung erforderlich. Normalerweise wird solches Wissen
aus Satellitendaten entnommen. Aber gerade in Winternächten und in orographisch
gegliedertem Gelände unterscheiden sich die Temperaturen von Wolken und Boden im
Infrarotsignal meist nur wenig. Es müssen also andere Informationen berücksichtigt werden,
die die Bewölkung zweidimensional erfassen. Diese Arbeit stellt ein Modell vor, um aus der
Temperaturdifferenz Tdiff_=_T2m_–_T0m auf den Bedeckungsgrad zu schliessen. In einem
dichten Stationsnetz werden die Bewölkungsstrukturen interpoliert und Wolkenbildung,
-auflösung und -advektion identifiziert. Die Verlagerung der Strukturen ermöglicht eine
Vorhersage, die wiederum Änderungen der bodennahen Temperaturen absehen und z.B.
wetterbedingte Verkehrsrisiken prognostizieren lässt.
Da die erwähnten Risiken meist mit einer Temperaturabnahme unter den Gefrierpunkt
zusammenhängen, kann der Untersuchungszeitraum dieser Arbeit auf Winternächte
eingeschränkt werden. Je nach Bewölkungssituation stellen sich dann unterschiedlich starke
vertikale und zeitliche Temperaturgradienten ein. Sie hängen von der Intensität der
atmosphärischen Gegenstrahlung, und damit von Anzahl und Höhe der Wolken, ab. Deshalb
wird ein höhenkorrigierter Bedeckungsgrad eingeführt und verwendet. Zwischen der
Temperaturdifferenz Tdiff und dem höhenkorrigierten Bedeckungsgrad besteht ein funktionaler
Zusammenhang. Eine alternative Aussage über die Bewölkung liefert die Niederschlagssituation.
Wenn es regnet oder schneit, ist der Himmel meist stark bewölkt bis bedeckt.
An der ANETZ-Station in Payerne finden alle 10 Minuten Messungen von Gras- und
Lufttemperatur, Niederschlagsmenge und weiteren meteorologischen Parametern statt. In
dreistündigem Rhythmus werden zudem Bedeckungsgrad und Wolkenhöhe beobachtet. Die
Daten der Winter 1995/96 bis 2001/02 dienen zur Entwicklung eines Modells, das den
erwähnten Zusammenhang in Form einer Exponentialgleichung beschreibt. Die freien
Parameter der Gleichung werden separat durch Regression für fünf Windgeschwindigkeitsund
vier Temperaturbereiche bestimmt. Setzt man voraus, dass die Beobachtung des höhen-
- 3 -

korrigierten Bedeckungsgrads auf 0.9 Achtel genau erfolgt, dann beträgt der Modellfehler in
Payerne 1.2 Achtel.
Zur Erstellung einer zweidimensionalen Bewölkungskarte ist ein möglichst engmaschiges
Stationsnetz erforderlich. In der Nord- und Zentralschweiz werden in einem Untersuchungsgebiet
von 100 × 100 km 2 insgesamt 13 ANETZ-Stationen, 5 Stationen der meteomedia ag
und 52 Strassenwetterstationen des Strasseninspektorats Luzern betrieben. Sie verfügen alle
über ein ähnliches Messprogramm wie Payerne, aber nur selten über Bewölkungsbeobachtungen.
Weitere Stationen des ANETZ und der meteomedia ag liegen zwar ausserhalb
des Untersuchungsgebiets, sind zur Interpolation aber verwendbar.
Das in Payerne entwickelte diagnostische Modell und die dort gefundenen Regressionsparameter
können an den ANETZ- und meteomedia-Stationen unverändert eingesetzt
werden. An den Strassenwetterstationen des Kantons Luzern ist der unterschiedliche
Stationsuntergrund (Strasse statt Gras) zu berücksichtigen. Die zusätzliche Messung des
Strassenzustands ermöglicht dort bei der Berechnung des Bedeckungsgrads eine Korrektur
von Verdunstung und Reifbildung. Der Modellfehler an den Strassenwetterstationen beträgt
etwa 1.5_Achtel.
Durch geeignete Interpolation der Berechnungen wird alle 15 Minuten eine Bewölkungskarte
erstellt. Die Bewölkung wird in fünf Klassen (klar bis bedeckt) unterteilt und durch fünf
Niederschlagsklassen aus Wetterradarmessungen ergänzt. Die Bewölkungskarten geben
wesentliche Strukturen von Niederschlag und Bewölkung, Wolkenbildung und Aufklaren im
Allgemeinen korrekt wieder. Frontale Wolken und postfrontales Aufklaren werden zuverlässig
erkannt. Die Identifikation von entstehendem Hochnebel ist möglich. An den Strassenwetterstationen
kann in mehreren Fällen ein Zusammenhang zwischen postfrontalem Aufklaren und
überfrierender Nässe nachgewiesen werden.
Mit dem Mustererkennungsverfahren COTREC / RainCast sind Kurzfristvorhersagen des
Niederschlags aus Radarbildern möglich (Schmid et al. 2000). Dieses Verfahren wird mit Erfolg
auf die Bewölkungskarten angewandt. Insbesondere langsame advektive Veränderungen
wie postfrontales Aufklaren können gut vorhergesagt werden. Bei plötzlich heraufziehenden
Strukturen stösst die Vorhersage an Grenzen: das Untersuchungsgebiet ist klein, der viertelstündliche
Zeitabstand zwischen zwei Bewölkungskarten recht gross. Lokale Bewölkungsänderungen
wie Hochnebelbildung können nicht vorhersagt, sondern lediglich beobachtet
werden. Die Bewölkungsvorhersage ist nicht nur in speziellen Situationen (postfrontales
Aufklaren), sondern auch im langfristigen Dauerbetrieb erfolgreich. Der geeignete Vorhersagezeitraum
beträgt 60 bis maximal 90 Minuten. Vor allem bei der Prognose von klarem
Himmel und vereinzelten Wolken ist die Vorhersage der Persistenz überlegen. Diese Fälle
sind mit Blick auf die Prognose von Strassenglätte oder Bodenfrost besonders kritisch.
Insgesamt kann an allen Stationsstandorten der (höhenkorrigierte) Bedeckungsgrad aus
bodennahen Temperaturmessungen und Niederschlagsinformationen bestimmt werden. In
den zweidimensionalen Darstellungen der Bewölkung sind Advektionsbewegungen von
Wolken und wolkenlosem Himmel eindeutig identifizierbar. Eine Extrapolation der
Bewölkungskarten verläuft meist erfolgreich. Der prognostizierte Bedeckungsgrad ermöglicht
Rückschlüsse auf eine Änderung der bodennahen Temperaturen, und lässt die Kurzfristprognose
von Glatteisbildung oder einem Bodenfrostrisiko zu.
- 4 -

Abstract
Cloudiness has an important influence on the near-surface temperatures. During daytime
solar irradiation is shaded by clouds. Due to radiation in clear nights, the grass temperature
T0m (the air temperature at surface level) decreases more rapidly than the air temperature T2m
in 2 meter above ground. If there are clouds, this effect is reduced by long-wave counterradiation.
Thus, the knowledge of cloud conditions is of central relevance for the prediction of nearsurface
temperatures and of associated risks like ground frost or road slipperiness. Especially
within the nowcasting range up to three hours, it would be desirable to predict changes of the
grass temperature (e.g. by post-frontal clearing or the formation of high fog) as accurately as
possible. This requires detailed knowledge about the two-dimensional structure of the cloud
field, which is information normally extracted from satellite data. But especially in winter nights
and in orographically structured areas, the temperatures of cloud top and surface often are in
the same range and their infra-red signals are not easily distinguishable. Therefore, other
ways should be considered to provide two-dimensional cloud information. This thesis
introduces a model to deduce cloudiness from the temperature difference Tdiff_=_T2m_-_T0m. It
is initialized and tested with data from one station and then applied to a dense network to yield
a two-dimensional cloud map by interpolation. With help of a tracking algorithm, the
displacement of cloud patterns is nowcasted. The results could be used to predict changes of
Tdiff and thus, for instance, hazardous road conditions.
Since most of the risks mentioned above are connected with a temperature decrease
below freezing level, this thesis concentrates on night time (sunset to sunrise) and winter
months (November to April). Depending on the particular cloud situation, different temperature
gradients in time and space are occurring. Their effect depends on the magnitude of the
atmospheric counter-radiation, and thus on the height as well as on the amount of the clouds.
Suitably, a height-adjusted cloud amount is introduced. A functional relation exists between
the temperature difference Tdiff and the height-adjusted cloud amount. Another indicator for
cloudiness is precipitation: When it is raining or snowing, the sky is usually broken or overcast.
At the ANETZ station in Payerne, grass and air temperature, precipitation rate and further
meteorological parameters are measured every 10 minutes. Every three hours cloud amount
and cloud height are observed. Therefore, this station is suitable for initialization and testing of
a diagnostic model basing on the data of the winters 1995/96 to 2001/02. Here, the
connection between height-adjusted cloud amount and temperature difference is described by
an exponential equation. The free parameters of the equation are determined by regression
for five wind speed and four temperature ranges separately. With increasing wind speed and
at warmer temperatures, the quality of the model results decreases. If one assumes the
observation of the height-adjusted cloud amount to be accurate to 0.9 Octa, the resulting
model error is 1.22 Octa.
- 5 -

For obtaining a two-dimensional cloud map by interpolation, a measuring network as dense
as possible is necessary. In northern and central Switzerland 13 stations of the automatic
measurement network of MeteoSwiss (ANETZ), 5 stations of the meteomedia ag and 52 road
weather stations of the road inspection office of the canton of Lucerne are operated in a study
area of 100 × 100 km 2 . At all stations similar parameters are measured as in Payerne, but
only few stations have observations of cloud height and amount. Further stations of the
ANETZ and the meteomedia ag can be considered for interpolation, though they are situated
outside the study area.
The model developed for Payerne is applied to all ANETZ and meteomedia stations without
changing the regression parameters. For the road weather stations of the canton of Lucerne
the different soil of the stations (road instead of grass) has to be considered. By additionally
measuring the road surface conditions, the results can be corrected for effects of evaporation
and hoar frost. The model error at the road weather stations is approximately 1.5 Octa.
By suitable interpolation of the data of all stations, one receives a cloud map every quarter
of an hour. The interpolated cloudiness is divided into five classes (from clear to overcast sky)
and supplemented by five precipitation classes out of weather radar measurements. For
several case studies cloud maps were created, generally correctly showing substantial
structures of precipitation and cloudiness, formation of clouds and clearing tendency. Frontal
cloudiness and post-frontal clearing are recognised reliably. The formation of high fog can be
identified. At the road weather stations the connection between post-frontal clearing and
slippery roads in view of the freezing of resting rainwater is shown in several cases.
With the radar tracking algorithm COTREC / RainCast, a pattern recognition technique,
nowcasting of radar precipitation images is possible (Schmid et al. 2000). This algorithm is
successfully applied to the cloud maps. Especially slow advective changes like post-frontal
clearing are well forecasted. Rapidly moving structures restrict the possibilities of the
nowcasting: the 15 minutes time interval between two cloud maps is large, the study area is
small. Local changes of cloudiness like the formation of high fog can just be observed but not
predicted. The cloud forecasts are not only successful in special situations (e.g. post-frontal
clearing), but also on the average of all nights in January 2004. The reliable forecast range is
60 to maximally 90 minutes. The forecast is superior to assuming persistence, especially
when clear sky or few clouds are predicted. With regard to the risks of road slipperiness and
ground frost, these cases are the really critical ones.
Altogether, the (height-adjusted) cloud amount of each station can be determined out of
near-surface temperature measurements and precipitation information only. Within the
interpolated two-dimensional cloud maps the advection of clouds and cloudless sky can be
identified. Normally, the extrapolation of the cloud maps works successfully. These forecasts
of the cloud field enables to anticipate a change in near-surface temperatures (e.g. in cases
with changing cloudiness), and thus allows to nowcast ice formation or the risk of ground frost.
- 6 -

Inhalt
Zusammenfassung 3
Abstract 5
Inhaltsverzeichnis 7
1 Einleitung 13
2 Strassenwettervorhersage und Bewölkung: eine Problemstellung 15
2.1 Notwendigkeiten in der Strassenwettervorhersage und deren bisherige
Lösungsansätze 15
2.1.1 Interessensgruppen 15
2.1.2 Informationsfluss 16
2.1.3 Eis auf der Strasse 17
2.1.4 Bestehende Möglichkeiten zur Vorhersage der Strassentemperatur 17
2.1.5 Bewölkung als Schlüsselfrage der Strassenwettervorhersage 18
2.2 Bewölkung: eine Begriffsklärung 19
2.2.1 Definition 19
2.2.2 Wolkenarten 19
2.2.3 Vergleichbarkeit von Bestimmungsmethoden 20
2.3 Beobachtung und Messung des Bedeckungsgrads vom Boden aus 21
2.3.1 Operationelle Augenbeobachtung von Wolken 21
2.3.2 Die Höhe der Wolkenbasis 22
2.3.3 Beobachtungen bei Nacht 22
2.3.4 Zeitliche Gültigkeit einer Beobachtung 23
2.3.5 Abschätzung des Fehlers bei Augenbeobachtungen 23
2.3.6 Messungen vom Boden aus 24
2.3.7 Messungen in der Atmosphäre 25
- 7 -

2.4 Messung von Wolken mit Satelliten 26
2.4.1 Messbereiche 26
2.4.2 Raumzeitliche Auflösung 26
2.4.3 Grenzen und Probleme 27
2.5 Advektion 28
2.5.1 Definition 28
2.5.2 Advehierte Wolken und lokale Entstehungs- / Auflösungsprozesse 28
2.5.3 Bewegung konvektiver Systeme 29
2.6 Aktueller Stand der Niederschlags- und Bewölkungsvorhersage 29
2.6.1 Vorhersage mit numerischen Wettermodellen 29
2.6.2 Kurzfristige Niederschlagsvorhersage mit Mustererkennungsverfahren 30
2.6.3 Vorhersage aus Satellitendaten 31
2.7 Einschränkung der Untersuchungszeiträume dieser Arbeit 31
2.7.1 Beschränkung auf nächtliche Daten 31
2.7.2 Beschränkung auf Winterdaten 32
3 Daten 33
3.1 Bodenmessnetze 33
3.1.1 Das ANETZ 33
3.1.2 Die Strassenwetterstationen des Kantons Luzern 35
3.1.3 Stationen der meteomedia ag 37
3.1.4 Weitere Stationen 37
3.1.5 Überblick über alle verfügbaren Daten 38
3.2 Auswahl eines geeigneten Untersuchungsgebiets 40
3.2.1 Verfügbare Stationen 40
3.2.2 Weglassen von Stationen unter orographischen Aspekten 40
3.2.3 Gebietswahl 41
3.3 Niederschlagsmessung mit Radar 42
3.3.1 Das Wetterradar 42
3.3.2 Systematische Schwierigkeiten der Radarmessung 45
3.3.3 Radarreflektivität und Niederschlag 47
3.3.4 Die Wetterradare der MeteoSchweiz 49
3.3.5 Verwendete Niederschlagsklassen 50
- 8 -

4 Eine Methode zur Bestimmung der Bewölkungssituation 51
4A. Theorie 51
4.1 Strahlungsbilanz 51
4.1.1 Globalstrahlung 51
4.1.2 Kurzwellige Strahlung 52
4.1.3 Langwellige Strahlung 53
4.1.4 Auswirkungen unterschiedlicher Strahlungsbedingungen auf bodennahe
Temperaturen 54
4.2 Die weiteren Terme der Energiebilanzgleichung 56
4.2.1 Turbulenter Fluss fühlbarer Wärme 56
4.2.2 Latente Energie 57
4.2.3 Bodenwärmestrom 59
4.3 Lokale Inhomogenitäten 61
4.3.1 Abschattung 61
4.3.2 Geographische Faktoren 62
4.3.3 Strassentypen 62
4.4 Einfluss der Wolkenhöhe auf die atmosphärische Gegenstrahlung 63
4.4.1 Quantitative Strahlungsbilanz bei bedecktem Himmel 63
4.4.2 Der Ncp als korrigierter Bedeckungsgrad 64
4.4.3 Bedeutung des Ncp und Berechnungsfehler 66
4.5 Niederschlag 67
4B. Erstellung eines Modells, eindimensionale Berechnungen, und Verifikation
an ausgewählten Stationen 69
4.6 Entwicklung eines Modells in Payerne 69
4.6.1 Erstellung eines Datensatzes zur optimalen Entwicklung 69
4.6.2 Die Differenz zwischen Luft- und Grastemperatur und ihr Zusammenhang
zumBedeckungsgrad 69
4.6.3 Weitere vertikale Temperaturdifferenzen 71
4.6.4 Zeitliche Temperaturdifferenzen 71
4.6.5 Niederschlag und Bedeckungsgrad 73
4.6.6 Modellgleichung und Parameter für Payerne 75
- 9 -

4.7 Verifikation in Payerne und anderen ANETZ-Stationen 76
4.7.1 Vergleich beobachteter und berechneter Bedeckungsgrade in Payerne 76
4.7.2 Abhängigkeit der Modellqualität vom Wind und von der Temperatur 78
4.7.3 Verhältnisse während der Dämmerung 80
4.7.4 Verwendung der entwickelten Modellgleichungen an anderen
ANETZ-Stationen 80
4.7.5 ANETZ-weite Verwendung von Modellgleichungen und -parametern
aus Payerne 82
4.7.6 Abschätzung der Modellgenauigkeit 82
4.8 Übertragbarkeit auf andere Stationstypen 83
4.8.1 Die Strassenwetterstation in Roggliswil 83
4.8.2 Faktoren zur Korrektur des solaren Aufheizens 84
4.8.3 Quantifizierung der Korrekturen für Verdunstung und Raureif 87
4.8.4 Vergleich der Berechnungen in Roggliswil mit Beobachtungen in Wynau 89
4.8.5 Diskussion der Berechnungsgüte 89
4.8.6 Vergleich der Ncp-Berechnungen von ANETZ-Stationen mit denen
benachbarter Strassenwetterstationen 91
4.8.7 Vergleich der Ncp-Berechnungen von ANETZ-Stationen mit denen
benachbarter Stationen der meteomedia ag 92
4.8.8 Schlussfolgerung zur Gültigkeit für alle Stationen 93
4.9 Verwendbarkeit am Tag 93
4C. Berechnung und Bewertung zweidimensionaler Strukturen 95
4.10 Bewölkungskarten 95
4.10.1 Auswahl und Interpolation der Daten 95
4.10.2 Graphische Darstellung von Bedeckungsgrad und Niederschlag 96
4.10.3 Räumliche und zeitliche Auflösung 98
4.11 Beispiel I: Postfrontales Aufklaren am 27./28. November 2001 99
4.11.1 Synoptische Situation 99
4.11.2 Verlauf der Parameter an einer Station 100
4.11.3 Zweidimensionale Niederschlags- und Bewölkungsstrukturen 100
4.11.4 Strassenzustand im Kanton Luzern 101
4.11.5 Zusammenfassung des Falls 102
4.12 Beispiel II: Postfrontales Aufklaren am 24./25. Januar 2004 103
4.12.1 Synoptische Situation 103
4.12.2 Verlauf der Parameter an einer Station 104
4.12.3 Zweidimensionale Niederschlags- und Bewölkungsstrukturen 104
4.12.4 Strassenzustand im Kanton Luzern 105
4.12.5 Zusammenfassung des Falls 105
- 10 -

4.13 Beispiel III: Bewölkungszunahme am 18./19. Dezember 2003 106
4.13.1 Synoptische Situation 106
4.13.2 Verlauf der Parameter an einer Station 106
4.13.3 Zweidimensionale Niederschlags- und Bewölkungsstrukturen 108
4.13.4 Strassenzustand im Kanton Luzern 109
4.13.5 Zusammenfassung des Falls 109
4.14 Erste Erfahrungen im operationellen Einsatz der Bewölkungskarten 110
5 Kurzfristvorhersage 111
5.1 Geschichte und Theorie des Programms COTREC / RainCast 111
5.1.1 Entstehungsgeschichte 111
5.1.2 Zellen-Tracking und Box-Tracking 112
5.1.3 Der geeignete Vergleichswert 113
5.1.4 Räumliche und zeitliche Glättung der Eingangsdaten 114
5.1.5 Extrapolation 114
5.1.6 Grenzen der Methode 115
5.2 Wahl geeigneter Modellparameter 116
5.3 Beispiel I: Vorhersage am 27./28. November 2001 117
5.3.1 Vorhersagekarten ausgewählter Zeitpunkte 117
5.3.2 Vorhersage in der Übersicht 118
5.3.3 Bewertung der Vorhersage für Beispiel I 119
5.4 Beispiel II: Vorhersage am 24./25. Januar 2004 120
5.4.1 Vorhersagekarten ausgewählter Zeitpunkte 120
5.4.2 Vorhersage in der Übersicht 120
5.4.3 Bewertung der Vorhersage für Beispiel II 121
5.5 Beispiel III: Vorhersage am 18./19. Dezember 2003 121
5.5.1 Vorhersagekarten ausgewählter Zeitpunkte 121
5.5.2 Vorhersage in der Übersicht 122
5.5.3 Bewertung der Vorhersage für Beispiel III 122
5.6 Statistische Verifikation 123
5.6.1 Vergleich der Vorhersagemethoden 123
5.6.2 Qualität der Vorhersage über verschiedene Zeitspannen 125
5.6.3 Einfluss der zeitlichen Auflösung der Eingangsdaten 127
5.7 Nutzen und Grenzen von COTREC / RainCast 128
5.7.1 Überblick und Lösungsvorschläge 128
5.7.2 Probabilistische Vorhersage 129
- 11 -

6 Schlussbemerkungen 131
6.1 Zusammenfassung 131
6.1.1 Wissenschaftliche Ergebnisse 131
6.1.2 Die „wahre“ Bewölkung 132
6.1.3 Anwendbarkeit der Resultate 133
6.1.4 Allgemeiner Erkenntnisgewinn 134
6.2 Ausblick 134
Anhänge
A. Klassifizierung von Bedeckungsgrad und Niederschlag 139
B. Stationslisten 141
C. Abbildungen zu Beispiel I 147
D. Abbildungen zu Beispiel II 153
E. Abbildungen zu Beispiel III 157
F. Definition statistischer Werte 161
G. Quellenangaben einiger Abbildungen 163
H. Abkürzungsverzeichnis 164
I. Symbolverzeichnis 166
Literaturverzeichnis 169
Lebenslauf 176
Publikationsliste 177
Liste der Konferenzen 178
Danksagung 179
- 12 -

1 Einleitung
Wolken stellen das sichtbarste Zeichen von Veränderung in der Atmosphäre dar. Seit jeher
werden sie deshalb beobachtet, bewertet und bewundert. Einige Wolken können begeisternde
Formen annehmen wie Gewittertürme oder Föhnfische, manche sind eher harmonisch wie ein
zerflossener Kondensstreifen am klaren Himmel, wieder andere animieren zur Trübsal wie
Hochnebel.
In der Meteorologie spielen Wolken in nahezu allen Bereichen eine Rolle. Ihre Entstehung
ist zwar sowohl unter dynamischen als auch wolkenmikrophysikalischen Gesichtspunkten in
groben Zügen bekannt, im Detail aber noch immer Objekt angestrengter Forschung (Crewell
et al. 2000, Baschek et al. 2004). In der numerischen Wettervorhersage stellen konvektive
Wolken seit Langem eine grosse Herausforderung dar (Ding und Randall 1998, Arakawa
2004, Klink 2004). Selbst in der Klimatologie ist die Bewölkung von Bedeutung. Sie nimmt
Einfluss auf den Strahlungshaushalt der Erde, da Wolken die solare Einstrahlung abschatten
und selber im langwelligen Bereich ausstrahlen. Ob zwischen Bewölkung und Treibhauseffekt
eine positive oder negative Rückkopplung besteht, und ob sich die Gesamtbewölkung der
Erde in klimatologischen Zeiträumen geändert hat, sind kontrovers diskutierte Fragen (Coley
und Jonas 1999, Marty und Philipona 2000).
Im Bereich der Fernerkundung gibt es zahlreiche Methoden, die sich ausschliesslich oder
am Rande mit Wolken beschäftigen. Satelliten vermessen Wolken von oben (Feijt und de
Valk 2001). Wetterradare messen normalerweise Niederschlag, können aber auch Wolken
mit grossen Tropfen oder Eisteilchen detektieren (Pohjola und Koistinen 2004). Bis heute
konnte noch keine Methode entwickelt werden, mit der sich die Bewölkung umfassend,
automatisch, kostengünstig und detailliert bestimmen lässt. Viele Bewölkungsinformationen
stammen noch immer von menschlichen Beobachtern, die an den synoptischen Stationen
weltweit den Himmel beobachten.
Auch in kleineren meteorologischen Bereichen stellt sich oft die Frage nach Bestimmung
und Prognose von Wolken. Zum Beispiel sollen im Strassenwetter besondere Risiken für den
Verkehr vorhergesagt werden. Solche Risiken sind Schnee und Eis, überfrierende Nässe,
Reifbildung, Oberflächenwasser, Nebel und einige mehr (Norrman 2000). Bereits diese Liste
zeigt, dass hier Informationen über Niederschlag und Temperatur, Strahlung und eben
Wolken geeignet kombiniert und interpretiert werden müssen. Der Beitrag dieser Arbeit
besteht darin, aus den Temperaturmessungen einer Station (insbesondere aus der Differenz
zwischen Gras- und Lufttemperatur) auf den Bedeckungsgrad zu schliessen. In
zweidimensionalen Bewölkungsdarstellungen, die auf den Daten mehrerer Stationen
basieren, können Advektionsprozesse identifiziert und die Entwicklung der Bewölkungsverhältnisse
vorhergesagt werden. Damit sind wiederum Rückschlüsse auf eine Veränderung
der bodennahen Temperaturen möglich.
- 13 -

Im folgenden Kapitel wird näher auf die Bedürfnisse der Strassenwettervorhersage
eingegangen. Zudem werden Erscheinungsformen und Entstehungsprozesse von Wolken
erklärt und bestehende Möglichkeiten zur Wolkenbeobachtung und -messung analysiert. Eine
Anmerkung zur Advektion schliesst die Einführung der Begrifflichkeiten ab.
Kapitel 3 stellt drei Stationsmessnetze vor. Sie umfassen zusammen 107 Stationen in der
Zentral-, Nord- und Westschweiz und in Süddeutschland. Die Stationsmessungen werden
durch Niederschlagsinformationen des schweizer Radarverbunds ergänzt.
Zur Bestimmung von Wolken aus bodennahen Temperaturmessungen braucht es neben
den Messnetzen auch einige theoretische Überlegungen. Diese finden sich am Beginn des
dreigeteilten Kapitels 4. Kapitel 4A beschäftigt sich mit Strahlungs- und Energiebilanz und
mündet in einer Korrektur des Bedeckungsgrads mit der Wolkenhöhe. Die Diagnose des
Bewölkungszustands wird zunächst, in Kapitel 4B, nur eindimensional durchgeführt. Mit
einem sieben Winter umfassenden Datensatz aus Payerne kann ein einfaches Modell
entwickelt und verifiziert werden. Dieses ist, nach wenigen Anpassungen, auch an allen
anderen Stationen der drei Messnetze einsetzbar. In Kapitel 4C werden Bewölkungskarten
vorgestellt und anhand geeigneter Beispiele diskutiert. Sie stellen die zweidimensionale
Erweiterung der Rechnung an einzelnen Stationen dar und beinhalten die Bewölkungsinformation
an zumeist allen Stationen sowie eine Interpolation dieser Werte. Zudem ist der
Niederschlag, wie er vom Radar gemessen wird, als ergänzende Information in fünf
Niederschlagsklassen aufgetragen.
Eine Prognose der Bewölkungskarten erfolgt in Kapitel 5. Dabei kommt ein bereits
vorhandener Algorithmus zum Einsatz (Schmid 2000). Die Vorhersagen werden, nach
Diskussion einiger Beispiele, für einen ganzen Monat statistisch analysiert.
Die Arbeit schliesst mit einem Blick auf die gewonnenen Ergebnisse und Erkenntnisse. Sie
nennt offengebliebene Fragen im Zusammenhang mit der entwickelten Bewölkungsberechnung
und -vorhersage, gibt Lösungsvorschläge und skizziert die Anwendung im
Bereich der Strassenwettervorhersage, aber auch darüber hinaus. Auf Kapitel 6 folgen, zur
Abrundung des Gesamtverständnisses, einige Anhänge mit Stationstabellen und Beispielabbildungen.
- 14 -

2 Strassenwettervorhersage und Bewölkung: eine Problemstellung
Seit Menschengedenken besteht ein Interesse, das zukünftige Wettergeschehen zu
kennen. Inzwischen haben sich daraus viele Spezialbereiche entwickelt. Sie beschäftigen sich
mit einer bestimmten Vorhersagegrösse, mit einer bevorzugten Zeitskala der Vorhersage oder
einer unmittelbaren Nutzung.
Ein solches Nutzerinteresse gilt dem Strassenzustand. Eine präzise Vorhersage des
Strassenzustandes ist notwendig, um den jeweiligen, meist winterlichen Gefahren wie Glätte
und Schnee wirksam begegnen zu können. Das wurde schon früh erkannt, bereits 1975
gründeten zahlreiche nationale oder regionale Strassenbehörden und Wetterdienste die
Standing International Road Weather Conference (SIRWEC) bzw. ihre Vorgängerorganisation
(Keskinen 2004). Im Rahmen der SIRWEC-Tagungen tauschen sie ihre Erfahrungen und
Bedürfnisse aus, erläutern die verschiedenen verwendeten Lösungen und diskutieren offene
Fragen. Oft kristallisieren sich dabei gemeinsame, dringliche Probleme heraus.
2.1 Notwendigkeiten in der Strassenwettervorhersage und deren bisherige Lösungsansätze
2.1.1 Interessensgruppen
Bevor auf das konkrete Zustandekommen einer Prognose für des Strassenwetter
eingegangen wird, sollen zuerst die verschiedenen beteiligten Interessensgruppen benannt
und ihre Position geklärt werden. Alle getätigten Aktionen dienen letztlich den Verkehrsteilnehmern
als Nutzern einer Strasse. Sie wollen möglichst sicher und schnell von einem Ort
zum anderen kommen. Werden sie rechtzeitig über Risiken auf der Strecke informiert,
können sie ihr Fahrverhalten anpassen oder auf eine Fahrt ganz verzichten. Diese
Warnungen erfolgen z.B. über das Fernsehen, den Verkehrsfunk im Radio oder via SMS
(Sigurdsson 2004). Eng mit den Interessen der Verkehrsteilnehmer verbunden sind auch die
Interessen von Versicherungen, möglichst schadensfrei durch den Winter zu kommen.
Strassen sind zumeist im Besitz der Allgemeinheit. In der Schweiz wird dabei zwischen
Kommunal- und Kantonalstrassen sowie Bundesautobahnen unterschieden (Letestu und
Keller 2000). Auch die politisch Verantwortlichen sind in erster Linie um die Sicherheit der
Bevölkerung auf der Strasse besorgt und messen diese in Unfallstatistiken und der Zahl der
Todesopfer im Strassenverkehr. Darüber hinaus sind für sie aber auch finanzielle Überlegungen
von Interesse, da eine möglichst hohe Sicherheit mit geringen Geldmitteln erreicht
- 15 -

werden soll. Zum dritten bemüht sich die Politik um umweltschonende Vorgehensweisen –
was oft mit einer Kostenreduktion Hand in Hand geht.
Die Strassenämter bilden das Bindeglied zwischen Politik und Nutzern (Keskinen 2004).
Ihre Aufgabe ist es, rechtzeitig für gut befahrbare Strassen zu sorgen. Personeller und
finanzieller Mehraufwand durch unnötige Räum- und Streufahrten soll möglichst vermieden
werden. Genaue Anweisungen bezüglich Einsatzort und Dosierung von Streumaterial helfen,
Kosten zu reduzieren und entlasten die Umwelt, da weniger Streusalz verbraucht wird.
Ebenso ist eine langfristige Planung von Bereitschaftspersonal (Urlaub) und Reparatur von
Maschinen wünschenswert (Koistinen und Saltikoff 1998, Mathis 2000). Deshalb interessieren
sich die Strassenbehörden für Wettervorhersagen auf allen meteorologischen Zeitskalen und
mit einer möglichst hohen räumlichen Auflösung. Teilweise entwickeln sie eigene Modelle auf
der Grundlage von numerischer Wettervorhersage (NWP) und Messungen (Thornes und
Shao 1991), teilweise lassen sie sich von staatlichen und privaten Wetterdiensten direkte
Empfehlungen für ihr Handeln übermitteln (Sass und Petersen 2002).
2.1.2 Informationsfluss
Um den meteorologischen Zustand einer Strasse zu prognostizieren und die
Konsequenzen weiterzugeben, bedienen sich Strassenbehörden und Wetterdienste einer
Vielzahl von Möglichkeiten. Ein Systembild des Datenflusses von der Messung bis zur
Anwendung ist in Abbildung 2.1 dargestellt.
Am Anfang steht dabei die Messung von meteorologischen Parametern an Messstationen,
mit Radiosonden, Satelliten und Wetterradaren, sowie deren Verwendung in allgemeinen
Vorhersagemodellen. Dazu kommen strassenspezifische Informationen meteorologischer und
nichtmeteorologischer Art, die häufig an eigens dafür installierten Strassenwetterstationen
aufgenommen werden. Diese Datenflut wird mit speziellen Strassenwettervorhersagemodellen
und unter Zuhilfenahme weiterer Informationen verarbeitet (z.B. wird beim thermal
mapping die Oberflächentemperatur des ganzen Strassennetzes mit einem Messfahrzeug
erfasst und mit dem Messwert der nächstgelegenen Station verglichen). Entweder vollautomatisch
als Modellausgabe oder nach manueller Bewertung durch eine sachkundige Person
erfolgt eine allfällige Handlungsanweisung an Räum- und Streufahrzeuge oder sonstige
Akteure seitens der Strassenbehörden (Mathis 2000). Gegebenenfalls werden zusätzlich,
alternativ oder nachträglich auch Warnungen an die Verkehrsteilnehmer herausgegeben.
Die wesentlichen Risiken, die es zu erfassen und zu beseitigen gilt, sind dabei Schnee und
Eis. Bei Schnee spielt neben dem direkten Schneefall auch Schneeverwehung eine Rolle
(Norrman 2000). Auf Schnee und Eis kann durch geeignetes und rechtzeitiges Räumen oder
Streuen reagiert werden. Weitere Risiken, bei denen meist nur Warnungen möglich sind, sind
Nebel, Glätte durch eine nasse Laubschicht im Herbst, auf der Strasse stehendes Wasser
(Aquaplaning) oder Hagel bei Starkniederschlägen, starker (Seiten-)Wind oder die
Verschüttung einer Strasse durch Lawinen (Miyoshi et al. 2004).
- 16 -

Abbildung 2.1: Systembild des Informationsflusses bei der Strassenwettervorhersage.
2.1.3 Eis auf der Strasse
Am häufigsten und folgenreichsten ist die Vereisung von Strassen. Dabei spielen unterschiedliche
Ursachen eine Rolle.
Die erste Klasse von Vereisung ist mit Regen verbunden. Besonders das Phänomen des
Regnens auf gefrorenen Untergrund, bei dem sich eine zentimeterdicke Eisschicht bilden
kann und das unter dem Schlagwort „Blitzeis“ bekannt geworden ist, legt in unregelmässigen
Abständen ganze Landstriche lahm (Schmid et al. 2002). Der umgekehrte Fall, bei dem die
Temperatur nach einem Regenereignis unter den Gefrierpunkt sinkt und das auf der Strasse
verbliebene Regenwasser überfriert, ist häufiger, aber nicht weniger problematisch.
Insbesondere muss hier ein Streueinsatz recht kurzfristig nach Regenende erfolgen, damit
das Salz nicht direkt weggeschwemmt wird.
Eine zweite Klasse stellen Ereignisse von Reif, überfrierendem Tau oder überfrierendem
Schmelzwasser dar. Eine besondere Gefahr ergibt sich dadurch, dass nur gewisse, oftmals
kurze Streckenabschnitte betroffen sind. Dies kann an der besonderen Exposition der Strasse
(z.B. einer Brücke), an der Orographie oder an der Vegetation liegen.
Schliesslich führt auch festgefahrener Schnee oder Schneematsch zu Vereisung, wenn die
Strassen nicht rechtzeitig geräumt werden.
2.1.4 Bestehende Möglichkeiten zur Vorhersage der Strassentemperatur
Allen Glätteereignissen gemeinsam ist, dass zwei wesentliche Faktoren zusammentreffen
müssen. Einerseits muss die notwendige Feuchtigkeit zur Verfügung stehen, die in Eis
umgewandelt wird. Diese kann flüssig (Regen) oder gasförmig (hohe relative Luftfeuchtigkeit)
- 17 -

vorhanden sein. Anderseits müssen Temperaturen unterhalb des Gefrierpunkts vorherrschen,
oder die Temperatur der Strassenoberfläche muss unter den Gefrierpunkt absinken. Auf die
Vorhersage des Niederschlags wird in Abschnitt 2.6 eingegangen. Verglichen mit der
Temperaturprognose stellt sie das geringere Problem dar.
Für die Vorhersage der Strassenoberflächentemperatur finden sich in der Literatur zwei
Vorgehensweisen, die auf verschiedene Zeitskalen ausgelegt sind. Die erste beruht auf
Rechnungen am Ort einer Strassenwetterstation. Meist liegt dabei eine explizite Energiebilanzmodellierung
zugrunde (z.B. Best 1998, Song und Lee 2002), die eine detaillierte
Kenntnis der Stationsverhältnisse erfordert. Thornes und Shao (1991) vergleichen mehrere
dieser Modelle. Damit ist zwar eine präzise Vorhersage für den Stationsstandort möglich, aber
nur über verhältnismässig kurze Zeit.
Eine Alternative bietet die Verwendung numerischer Wettervorhersagenmodelle. Allerdings
muss das Resultat nachträglich an die lokalen Gegebenheiten angepasst werden. Dies kann
mit Hilfe eines nachgeordneten Stationsmodells erfolgen (Jacobs und Raatz 1996, Sass und
Petersen 2004), das ähnlich den oben beschriebenen ortsgebundenen Modellen funktioniert.
Alternativ steht auch das Verfahren der Model output statistic (MOS) zur Verfügung, bei der
auf statistischem Weg die Vorhersage des Modells mit den Messungen einer Station
verglichen und entsprechend korrigiert wird.
Im Allgemeinen hat man in einem regionalen Strassennetz nur sehr wenige Messstationen
als Ausgangspunkt für Vorhersagen. Um dennoch eine detaillierte Temperaturvorhersage für
kurze Streckenabschnitte zu erhalten, verwendet man ein sogenanntes thermal mapping.
Dabei werden die Strassen im Umkreis einer Messstation im Laufe einer Nacht mehrfach
abgefahren, und die gewonnenen räumlich hochaufgelösten Temperaturmessungen mit den
Messungen der zentralen Strassenwetterstation verglichen (Postgard und Lindqvist 2001). In
zukünftigen Nächten geht man dann von ähnlichen Temperaturunterschieden zwischen der
Station und den Strassenabschnitten aus wie in der Testnacht.
Das thermal mapping hat sich im Allgemeinen bewährt. Ein einmaliges Abfahren des
Strassennetzes bringt aber noch nicht den vollen Erfolg, sondern für unterschiedliche Wettersituationen
müssen je eigene Referenztemperaturprofile aufgenommen werden. Dabei hat die
Bewölkung einen entscheidenden Einfluss (Bogren et al. 2001). Ihre Kenntnis und Vorhersage
ist folglich auch notwendig, um zwischen den verschiedenen Referenztemperaturprofilen des
thermal mappings zu wählen.
2.1.5 Bewölkung als Schlüsselfrage der Strassenwettervorhersage
Eine unter Strassenwetterforschern, z.B. an der SIRWEC 2004, viel diskutierte Frage gilt
der geeigneten Berücksichtigung von Wolken, ihrer Beobachtung und Vorhersage. Sie darf zu
Recht als eine Schlüsselfrage bezeichnet werden.
Die Bedeutung der Bewölkung ergibt sich v.a. aus ihrem Zusammenhang zur Strahlungsbilanz.
Bei klarem Himmel kann die nächtliche Ausstrahlung sehr stark werden und zu einer
starken Abkühlung des Bodens führen. Die Gefahr von Bodenfrost (und damit verbunden
überfrierender Nässe oder Reifbildung) ist hoch. Bei bedecktem Himmel ist die Ausstrahlung
und entsprechend die Glatteisgefahr eher gering. Ausserdem ist, wie bereits besprochen, die
Kenntnis des Bewölkungszustands beim thermal mapping sinnvollerweise erforderlich.
- 18 -

2.2 Bewölkung: eine Begriffsklärung
2.2.1 Definition
Wolken besten aus festen und / oder flüssigen Aggregaten von Wasser (Wassertropfen,
Eiskörner, Schneeflocken usw.). Als Grenze zwischen Wolken- und Regentropfen gibt Kraus
(2000) einen Durchmesser von 0.1 mm an.
2.2.2 Wolkenarten
Wolken sind oft sehr variable Gebilde. Sie entstehen, werden in der Atmosphäre advehiert
und regnen ab oder zerfallen im Rahmen komplexer, situationsabhängiger Prozesse. Die
Bewölkung ist somit weder ein diskreter Zustand (Ja / Nein) noch eine sich grossräumig
kontinuierlich ändernde Grösse wie Temperatur oder Luftdruck.
Wolkengattungen
Seit jeher werden Wolken nach ihrer Höhe, ihrem Aussehen und ihrer Entstehung
klassifiziert. Man unterscheidet dabei zehn Wolkengattungen, in drei Stockwerken oder
stockwerksübergreifend. Die Höhenangaben gelten für die mittleren Breiten (Kraus 2000).
Hohe Wolken sind Eiswolken über 5 km: Cirrus (Ci), Cirrostratus (Cs) und Cirrocumulus
(Cc).
Wolken mittlerer Höhe befinden sich in 2 bis 7 km über Grund: Altostratus (As) und
Altocumulus (Ac).
Die tiefen Wolken nehmen die restlichen 2 km der Atmosphäre ein: Stratus (St),
Stratocumulus (Sc) und Cumulus (Cu), wobei Cumuli nur ihre Basis im untersten Stockwerk
haben und häufig höher reichen.
Die verbleibenden, grundsätzlich stockwerksübergreifenden Wolken sind Nimbostratus
(Ns) und Cumulunimbus (Cb).
Stratiforme und konvektive Wolken
Quer durch die drei Stockwerke lässt sich eine Unterteilung im Charakter der Wolken
ziehen. Stratiforme Wolken bedecken den ganzen Himmel oder weite Teile davon, sie sind
gleichmässig und relativ unstrukturiert. Zu diesem Typ gehören bezeichnenderweise Cs, As,
Ns und St. Die Bildung konvektiver Wolken wird zumeist durch thermische oder
orographische Hebung ausgelöst. Sie sind oft kleinskalig und stark strukturiert, sodass sich
konvektive Wolken und Wolkenlücken abwechseln. Typische konvektive Wolken sind Cumuli,
die sich im Extremfall zum Gewitterturm (Cb) auswachsen, Altocumuli und Cirrocumuli. Eine
weitgehend geschlossene, aber dennoch stark strukturierte Wolkendecke wird als Sc
bezeichnet, stellt also eine Mischform dar.
Entstehung
Die Entstehung von Wolken hängt oft mit der grossräumigen, synoptischen Situation
zusammen. Dabei sind neben dem Feuchteangebot und der Schichtung der Atmosphäre
auch die Art und Menge von Aerosolen von Bedeutung. Sie entscheiden über die Anzahl von
Wolkentropfen oder Eiskristallen.
Am klarsten strukturiert ist die Wolkenbildung an Luftmassengrenzen. Bei einer Warmfront
kann die schnellere warme Luft in der Höhe meist rascher vordringen als am Boden. An der
Frontalzone bilden sich über einen Bereich von mehreren hundert Kilometern zuerst hohe
- 19 -

Wolken (Ci und Cs), dann Altostratus, später Stratus und schliesslich dort, wo die Warmfront
den Boden erreicht, der mit gleichmässigem Niederschlag verbundene Nimbostratus. An
einer Kaltfront schiebt sich kalte Luft unter warme. Durch die Querzirkulation innerhalb des
teils sehr schmalen frontalen Bandes wird das Aufsteigen der Luft gefördert, und es bilden
sich (Alto-) Cumuli oder sogar Cbs. Auch vor der Kaltfront ist die Luft oft schon labilisiert und
die Bildung von Cumuli und Cbs möglich. Hinter der Kaltfront wechseln sich meist
postfrontales Aufklaren und einzelne schauerbringende Cumuli ab (Kurz 1990).
Innerhalb einer Luftmasse sind vor allem drei Wolkenbildungsprozesse zu nennen. Der
erste ist thermische Konvektion. Bei geeigneter Temperaturschichtung und solarer
Erwärmung können einzelne Luftmassen aufsteigen und Quellwolken (Cu) bilden. Je nach Art
der Schichtung entstehen diese Wolken leichter oder schwerer, zerfallen schnell wieder,
zerfliessen zu einer einheitlichen Stratusschicht oder steigen hoch auf und entwickeln sich zu
Gewittern. Bei Wegfall der solaren Strahlung (also nachts) lösen sich die Cumuli häufig rasch
auf. Ihre Bildung wird durch besondere orographische oder dynamische Verhältnisse
begünstigt.
Kühlt eine gleichmässige, wolkenfreie Luftmasse in der Nacht ab, so kann es zu Sättigung
der Luft und Bildung von Nebel oder Hochnebel kommen. Ob und wie viel (Hoch-)Nebel sich
bildet, ist dabei schwer vorher zu sagen. Es hängt stark ab von der Turbulenz (Wind), vom
Feuchteangebot, vom Aerosolgehalt, einer eventuell begünstigend wirkenden thermischen
Schichtung der Atmosphäre, dynamischen und orographischen Gegebenheiten (Bise) sowie
kleinskalig der lokalen Situation. Besonders die lokalen Windsysteme Berg-Tal-Wind, Land-
See-Wind und Feld-Wald-Wind können der Nebelbildung entgegenwirken. Häufig löst sich
(Hoch-)Nebel tagsüber wieder auf, wenn die nächtliche Grenzschicht und ihre Inversion durch
solare Einstrahlung zerstört wird (SMA 1982, Stull 1988).
Eine dritte Gruppe bilden orographische Wolken. Beispielsweise bildet sich bei der
Überströmung eines Gebirges in den aufsteigenden Luftmassen Konvektion und meistens
Niederschlag. Auf der Rückseite des Gebirges herrscht dann Föhn, der oft mit den typischen
Föhnfischen (Ci) einhergeht. Allerdings bedeutet Föhn nicht zwangsläufig, dass der Himmel
weitgehend wolkenfrei ist, v.a. nicht direkt hinter dem Gebirge (Burri et al. 1999).
Die Auflösung von Wolken geht immer mit einer Reduktion der relativen Feuchte einher
und kann ebenfalls grossskalig oder lokal erfolgen. Eine Möglichkeit des Feuchteentzugs stellt
Regen dar. Ebenso kommt ein grossskaliges Absinken einer Luftmasse in Frage. Die
Durchmischung mit trockener Luft ist denkbar; und schliesslich kann Luft auch solar erwärmt
werden, was z.B. im Fall der Hochnebelauflösung zu einer sukzessiven Reduktion der
Wolkendicke führt.
2.2.3 Vergleichbarkeit von Bestimmungsmethoden
Die beiden folgenden Abschnitten (2.3 und 2.4) beschreiben diverse Verfahren, die zur
Bestimmung der tatsächlichen Bewölkung an einem Ort dienen. Deshalb werden nun einige
Kriterien genannt, die beim Vergleich von Methoden zu bedenken sind.
Ein wesentliches Kriterium betrifft die Bestimmung „an einem Ort“. Physikalisch ist dabei
ein Raumwinkel gemeint, der berücksichtigt wird oder für ein Messgerät sichtbar ist. Einige
Messgeräte sehen nur exakt nach oben, während andere den ganzen Halbraum berücksichtigen
können oder müssen. Bei der zweiten Gruppe vermischen sich in undurchsichtiger
- 20 -

Weise die Vor- und Nachteile einer Punktmessung gegenüber der Messung über einer (genau
definierten?) Fläche respektive in einem Raumbereich.
Ähnliches gilt für die Blickrichtung der Messung. Einige Fernerkundungsmethoden arbeiten
vom Boden aus, andere vom Satellitenorbit oder einem Berggipfel. Prinzipiell ist sogar eine
Messung in der Wolke denkbar.
Darüber hinaus sind Messungen „an einem Ort“ normalerweise nicht an beliebig vielen
Orten möglich. Es stellt sich also immer die Frage, für welchen Umkreis des Messortes eine
Messung repräsentativ ist, und wie eventuelle Lücken geschlossen werden können.
Zur räumlichen kommt die zeitliche Auflösung und Verfügbarkeit. Wie häufig sinnvollerweise
gemessen werden kann oder muss, hängt oft auch von der gewünschten räumlichen
Gültigkeit ab. Allerdings arbeiten manche Methoden nachts (oder tagsüber, oder bei
Regen,_...) gar nicht oder nur eingeschränkt bzw. produzieren unterschiedlich grosse Fehler.
Schliesslich können verschiedene Methoden sogar am selben Ort und für den gleichen
Raumwinkel unterschiedliche Ergebnisse liefern – und trotzdem richtig sein. Im Abschnitt
2.2.1 wurde definiert, dass Wolken aus festen und / oder flüssigen Aggregaten von Wasser
bestehen. Ab welcher Teilchenanzahl aber zwischen Wolke und Nicht-Wolke zu unterscheiden
ist, bleibt offen. Normalerweise werden auch nicht die Teilchen bestimmt, sondern
die optischen oder Strahlungseigenschaften einer Wolke vermessen. Damit wird je nach
Methode effektiv etwas anderes als „Wolke“ bezeichnet.
Neben dem Vorhandensein von Wolken und dem Bedeckungsgrad kann es beim
Vergleich verschiedener Methoden auch interessant sein, ob sie Art oder Struktur der
Bewölkung erkennen können. Teilweise kann Bewölkung in mehreren Schichten vorliegen –
und gemessen werden. Im Rahmen dieser Arbeit ist ausserdem die Wolkenhöhe (Höhe der
Wolkenuntergrenze) von Bedeutung.
Feijt und de Valk (2001) merken an, dass je nach Verwendungszweck ein geeigneter
Beobachtungsschwerpunkt gesetzt werden kann. Für die Strassenwettervorhersage
formulieren sie den prädiktorischen Grundsatz: »Overcasted situations must be detected,
while the detection of small amounts of fair weather cumuli is less important.« (Das Erkennen
eines vollkommen bedeckten Himmels ist wesentlich wichtiger als die korrekte Bestimmung
einiger Schönwettercumuli.)
2.3 Beobachtung und Messung des Bedeckungsgrads vom Boden aus
2.3.1 Operationelle Augenbeobachtung von Wolken
Weltweit wird an synoptischen Stationen die Bewölkung und ihre Zusammensetzung nach
einheitlichen Regeln der WMO beobachtet und im Rahmen von Synop-Meldungen übermittelt
(SMA 1982).
Die wesentlichste Beobachtung gilt dem Gesamtbedeckungsgrad N. Er wird in Achteln
bewölkten Himmels angegeben, von 0 Achteln für „klar“ bis 8 Achteln für „bedeckt“. An der
Stelle des Gesamtbedeckungsgrads können auch N = 9 für „Nebel“ (Sichtweite unter 1 km)
und N = / für „Wolken nicht erkennbar“ gemeldet werden.
Eine zweite Beobachtungsgrösse Nt beschreibt den Gesamtbedeckungsgrad der tiefen
Wolken (Sc, St, Cu, ausserdem Cb). Wenn keine tiefe Bewölkung vorhanden ist, erfasst Nt
- 21 -

den Gesamtbedeckungsgrad im mittleren Wolkenniveau (Ac, As sowie Ns). Die Meldung
erfolgt in Achteln wie für N.
Weiter werden Wolkenbeobachtungen in mehreren Schichten registriert. Bei der Synop-
Meldung ist eine Beobachtung des Bedeckungsgrads Ni in bis zu i = 3 Schichten vorgesehen.
Schliesslich werden auch die verschiedenen Wolkengattungen beobachtet und erfasst.
Jeder Wolkengattung sind eine oder (nach genauem Auftreten) mehrere Schlüsselzahlen
zwischen 0 und 9 zugewiesen. Übermittelt werden letztlich bis zu drei Schlüsselzahlen für die
Wolkengattungen Ct, Cm und Ch im tiefen, mittleren und hohen Niveau.
Der operationelle Beobachter einer Wetterstation beurteilt die Bewölkung im vom Boden
aus einsehbaren Bereich. Selbst wenn dieser nicht orographisch eingeengt ist, sieht er
mittlere und hohe Wolken nur dann, wenn sie nicht von tieferen Schichten verdeckt sind. Bei
fehlenden tiefen Wolken können mittlere und hohe Wolken auch in grosser Entfernung einen
deutlichen Beitrag liefern. Cumulunimben sind teilweise in 100 km Entfernung noch sichtbar.
Da nach WMO-Reglement die untersten 10° des Sichtfeldes ausgespart bleiben, werden tiefe
Wolken in ähnlicher Distanz sicher nicht berücksichtigt. Das Sichtfeld hängt also mindestens
von der Wolkenuntergrenze, dem Bedeckungsgrad, der Stationssituierung und der Sichtweite
ab. Feijt und de Valk (2001) schliessen daraus, dass die Wolkenbeobachtung je nach
Bedeckungsgrad für ein unterschiedlich grosses Gebiet gültig ist.
Neben den Synop-Stationen gibt es noch eine weitere Gruppe von Wolkenmeldungen aus
Augenbeobachtungen. Es sind dies die von Flughäfen abgegebenen Wetterinformationen im
METAR-Format. Die Bewölkung wird dort in den fünf Klassen clear, few, scattered, broken,
overcast beobachtet. Eine Zuordnung der METAR-Meldungen zu den Angaben in Achteln ist
Tabelle A.1 in Anhang A zu entnehmen.
2.3.2 Die Höhe der Wolkenbasis
Von den Beobachtern des weltweiten Synop-Netzes werden normalerweise auch
Beobachtungen über die Höhe der Wolkenbasis übermittelt. Sie orientieren sich systematisch
an den Beobachtungen des Bedeckungsgrads. Die erste Angabe zur Wolkenhöhe beschreibt
die Höhe t der als Nt beobachteten tiefen oder mittleren Bewölkung. t ist eine Schlüsselzahl
zwischen 0 und 9, zu der in einer nichtlinearen Skala die Wolkenhöhe ht von 50 m bis
>_2500_m gehört (SMA 1982).
Des weiteren werden auch die Höhen hi der drei untersten Wolkenschichten mit
Bedeckungsgrad Ni beobachtet und übermittelt. Die zugehörige Kennzahl i liegt zwischen 0
und 99, genauer zwischen 0 und 50 sowie 56 und 99. Die Auflösung der Angabe beträgt 30 m
für die ersten 1500 m (Kennzahlen i von 0 bis 50) und 300 m darüber (Kennzahlen i von 56
bis 99).
2.3.3 Beobachtungen bei Nacht
Die Beobachtungen von Bedeckungsgrad und Wolkenhöhe an den synoptischen Stationen
werden meist rund um die Uhr durchgeführt. Insbesondere nachts ist es nicht immer einfach,
die Wolken überhaupt zu erkennen und ihre Anzahl, Art oder sogar Höhe korrekt zu schätzen.
- 22 -

Entscheidend für die Güte einer solchen Beobachtung ist die Menge des noch
vorhandenen Lichtes, sei es in der Dämmerung durch die Sonne oder nachts als Mondlicht.
Hahn et al. (1995) fanden heraus, dass im langjährigen Mittel in mondlosen Nächten ein etwa
5% niedrigerer Bedeckungsgrad beobachtet wird als in den Nächten mit Vollmond. Sie
empfehlen, den Wolkenbeobachtungen in Nächten mit weniger als Halbmond nur begrenzt zu
vertrauen. Bezüglich des Sonnenlichts sehen sie eine brauchbare Beobachtung als
gewährleistet, wenn die Sonne höher als -9° am Himmel steht.
2.3.4 Zeitliche Gültigkeit einer Beobachtung
Wolkenbeobachtungen werden an vielen Stationen in einem drei- oder sechsstündigen
Rhythmus durchgeführt. Das Reglement der WMO sieht vor, dass die Beobachtung etwa 10
bis 15 Minuten vor der Zeit gemacht wird, zu der die Meldung abgesetzt wird (Dürr und
Philipona 2004). In vielen Fällen mit gleichmässiger oder sich nur schwach ändernder
Bewölkung mag dies kein Problem darstellen. Allerdings werden immer auch Situationen
vorhanden sein, bei denen sich der Bedeckungsgrad innerhalb von 5 bis 10 Minuten um
einige Achtel ändert. Dies gilt besonders für den Charakter der Wolken und für die
Sichtbarkeit und Beurteilung von Wolken einer zweiten und dritten Schicht.
Gerade bei wechselnder Bewölkung ist also zu berücksichtigen, dass eine Wolkenbeobachtung
nicht oder nicht nur für den exakten Zeitpunkt der Synop-Meldung gültig ist.
2.3.5 Abschätzung des Fehlers bei Augenbeobachtungen
Der Fehler von Wolkenbeobachtungen ist leider nicht genau bestimmt. Das Handbuch für
Wolkenbeobachter der MeteoSchweiz (SMA 1982) gibt darüber genauso wenig Auskunft wie
die sonstige Literatur. Somit bleibt nur eine möglichst objektive Abschätzung anhand
allgemeiner Regeln unter Berücksichtigung der Beobachtungsvorschriften.
Da die Beobachtung in diskreten Werten in Achtel erfolgt, beträgt das Fehlerintervall selbst
bei korrekter Beobachtung immer ±0.5 Achtel. Normalerweise wird für Beobachtungen eine
Ablesegenauigkeit von einem Skalenteil angenommen. Dies mag bei guten
Beobachtungsbedingungen auch hier zutreffen, N ¡ 1 Achtel. Anspruchsvoller wird es, wenn
Beobachtungen Ni in verschiedenen Schichten i gemacht werden. Je nach Bedeckungsgrad
N1 der untersten Schicht erfolgt die Beobachtung von N2 aufgrund eines kleineren
Ausschnittes des Himmels und man kann für i > 1 durchaus Ni 2 Achtel annehmen.
Besondere Beachtung verdienen die Fehler von N = (0, 1, 7, 8 Achtel). N = 0 Achtel (klar)
wird nur beobachtet, wenn keine Wolke sichtbar ist. Dies sollte normalerweise deutlich
erkennbar und fehlerfrei sein. Dasselbe gilt für bedeckten Himmel, also N = 8 Achtel. Ab der
ersten Wolke beziehungsweise der ersten Wolkenlücke ist nach WMO-Reglement N = 1
Achtel bzw. N = 7 Achtel zu melden. Der Fehler von N = 1 Achtel umfasst also ein Intervall
±0.75 Achtel, allerdings gleichverteilt um den Mittelwert 0.75 Achtel anstatt 1 Achtel.
Auf die Schwierigkeit (und damit Fehleranfälligkeit) von Beobachtungen im Dunkeln wurde
bereits hingewiesen. Nachts können (bei Cirren) selbst klare und bedeckte Verhältnisse nicht
immer auseinandergehalten werden. Da eine genaue Quantifizierung des Fehlers (auch in
- 23 -

Abhängigkeit des absoluten Bedeckungsgrads, der Tageszeit und der Mondphase) nur
schwer möglich ist, wird im Weiteren von N = 1 Achtel ausgegangen.
Auch die Höhe der Untergrenze einer Wolkenschicht ist nicht fehlerfrei zu bestimmen –
besonders nachts und in der beschriebenen hundertteiligen Skala. Aviolat et al. (1998) ziehen
aus einem Vergleich mit Ceilometerwerten (eine Beschreibung des Ceilometers folgt im
nächsten Abschnitt) sogar den Schluss, dass menschliche Beobachter die Höhe hoher
Wolken systematisch überschätzen.
Die Beobachtung der Wolkenhöhe ist maximal auf eine Beobachtungsklasse genau. Der
relative Fehler hrel schwankt damit je nach Höhe, ist aber immer grösser 2%. In 1500 m
Höhe beträgt er mit 30 m genau 2%; allerdings ist anzunehmen, dass die Höhe einer Wolke in
1500 m nicht mehr auf 30 m genau bestimmt werden kann. Sicher weist auch h eine
Abhängigkeit von Bedeckungsgrad, Tageszeit und Mondphase auf. Für die weiteren
Überlegungen soll die Verwendung von hrel = 10% genügen.
2.3.6 Messungen vom Boden aus
Nicht zuletzt wegen der hohen Variabilität der Bewölkung und ihrer teils unzureichenden
Bestimmung durch menschliche Beobachter, wurde schon früh versucht die Beobachtung von
Wolken zu automatisieren. Dazu kommen diverse Methoden sowohl aktiver als auch passiver
Fernerkundung in Frage. Einige haben sich durchgesetzt und werden im Folgenden kurz
beschrieben.
Ceilometer
Als aktives Fernerkundungsgerät sendet das Ceilometer elektromagnetische Wellen im
Nanometerbereich (Laserlicht) aus. Das verbreitetste, kommerziell vertriebene Gerät dieser
Art, das Vaisala CT75 Lidar, arbeitet bei einer Sendefrequenz von 905 nm. Aufgrund der
hohen Dämpfung bei dieser Wellenlänge eignet sich das Gerät nur zur Bestimmung der
Wolkenuntergrenze. Es wird dazu häufig an Flughäfen eingesetzt.
Das Ceilometer führt eine Messung mit geringem Öffnungswinkel senkrecht nach oben
durch. Bei zeitlicher Mittelung über einige Minuten kann unter der Annahme einer gleichmässigen
Wolkenbewegung aber ein Bedeckungsgrad und eine Zuordnung in verschiedene
Schichten gewonnen werden. Die Angabe der Wolkenhöhe ist jener eines menschlichen
Beobachters deutlich überlegen (Aviolat et al. 1998). Wolken oberhalb einer Höhe von 6 bis
8_km werden allerdings sehr schlecht bis gar nicht detektiert (Sievers et al. 2002).
Wolkenradar
Das Wolkenradar arbeitet bei typischerweise 0.3 bis 2.5 cm Wellenlänge (Rinehart 1991).
Trotz hoher Dämpfung kann damit weit in die Wolken hineingeschaut werden. Die
Bestimmung der Dicke einer Wolkenschicht oder das Detektieren mehrerer Wolkenschichten
übereinander ist normalerweise möglich. Durch ausfallenden Niesel kann die Messung der
Wolkenunterkante aber verfälscht werden (Löhnert et al. 2004). Bei einem Öffnungswinkel
von unter 0.2° werden mit dem Wolkenradar Quasipunktmessungen senkrecht nach oben
unternommen, die, ähnlich wie beim Ceilometer, durch zeitliches Rekombinieren mit anderen
Beobachtungsmethoden vergleichbar gemacht werden können (Sievers et al. 2002).
Auch Regenradare im X- und teilweise sogar im C-Band (2.5 bis 8 cm Wellenlänge, vgl.
Abschnitt 3.3) können Wolken mit grossen Tropfen detektieren. Bei dopplerfähigen
- 24 -

Vertikalradaren ist dabei auch die Vertikalgeschwindigkeit und damit der Charakter der Wolke
bestimmbar (Baschek 2004).
Videokamera
Mit handelsüblichen Videokameras können Wolken gefilmt und photogrammetrisch
vermessen werden. Dazu werden zwei Kameras in bekanntem Abstand verwendet, die den
selben Ausschnitt des Himmels beobachten. Die automatische Auswertungsroutine liest aus
den Bildern die Wolkenart, den Charakter der Wolken und deren Höhe heraus, sowie als
wesentlichstes Merkmal den Bedeckungsgrad (Seiz et al. 2002). Ein solches System kann
relativ kostengünstig betrieben werden, funktioniert aber nur tagsüber.
Langwellige Strahlungsmessung
Eine weitere, allerdings indirekte Methode ergibt sich aus der Messung der langwelligen
Gegenstrahlung L der Wolken. Sie kann mit Hilfe eines Präzisionspyrgeometers bestimmt
werden, wie es z.B. vom Weltstrahlungszentrum WRC / PMOD in Davos betrieben wird.
Ist die langwellige ¡ Einstrahlung L bekannt, kann aus ihr die Emissivität cloudy des
(eventuell) bewölkten Himmels berechnet werden. Die Emissivität clear eines entsprechenden
¡
klaren Himmels ist bestimmbar aus Lufttemperatur und -feuchte (z.B. mit Gleichung (4.9) in
Kapitel 4A). Marty und Philipona (2000) definieren daraus einen Clear-Sky-Index
CSI = , der für tiefe und mittelhohe ¡ cloudy / Wolken in guter ¡ clear
Übereinstimmung mit
Augenbeobachtungen steht.
Zusammenfassung
Die genannten und noch zu nennenden unterschiedlichen Messverfahren geben mehr oder
weniger genau Auskunft über die Bewölkungssituation. Meist handelt es sich dabei um
Punktmessungen senkrecht nach oben, oder aber um Messungen, die den gesamten
sichtbaren Himmel berücksichtigen. Den Augenbeobachtungen kommt die photogrammetrische
Methode mit Videokameras am nächsten, allerdings ist sie auf den Tag
beschränkt. Zur Bestimmung der Wolkenhöhe ist das Ceilometer am besten geeignet.
Dennoch werden keine zwei Methoden zu allen Zeitpunkten das selbe Ergebnis liefern.
Selbst die Messungen der Wolkenhöhe mit Ceilometer und Wolkenradar unterscheiden sich
aufgrund der unterschiedlichen Wellenlänge und damit unterschiedlichen zur Detektion
nötigen Tropfenverteilung (Sievers et al. 2002). Allen gemeinsam ist, dass sie eine für einen
charakteristischen Bewölkungszustand repräsentative Zahl liefern, die der jeweiligen Messmethode
entspricht und in den meisten Fällen interpretierbar bzw. vergleichbar ist.
2.3.7 Messungen in der Atmosphäre
Neben der Beobachtung bzw. Messung vom Boden aus besteht auch die Möglichkeit, die
Wolke vor Ort zu vermessen. Dies geschieht teilweise mit speziell ausgerüsteten Messflugzeugen,
die zu Forschungszwecken Tropfenverteilung und weitere Grössen bestimmen
(Sievers et al. 2002).
Auch operationelle Radiosondenaufstiege geben Aufschluss über die Bewölkung vor Ort
(Seiz et al. 2002). Innerhalb der Wolke (und normalerweise nur dort) steigt die relative Luftfeuchtigkeit
auf 100% und darüber. Dadurch sind Wolkenhöhe und -dicke genau bestimmbar;
natürlich auch für Wolken in verschiedenen Schichten. Wenn die relative Feuchte nicht 100%
erreicht, kann ab gewissen Schwellwerten davon ausgegangen werden, dass in einer Schicht
- 25 -

Wolken vorhanden sind. So ist in Höhen mit 80% Luftfeuchtigkeit normalerweise mit 4 Achteln
zu rechnen. Ein Nachteil der Radiosondierungen besteht darin, dass sie nicht ortsfest durchgeführt
werden können, sondern die Sonde mit dem Wind transportiert wird.
2.4 Messung von Wolken mit Satelliten
2.4.1 Messbereiche
Eine weitere Möglichkeit der passiven Wolkenfernerkundung bieten Satelliten. Sie
empfangen die von Erdoberfläche, Atmosphäre oder Wolken ausgesandte Strahlung in
verschiedenen Frequenzbereichen (Schmetz et al. 2002).
Im Sichtbaren Bereich (VIS) können Wolken direkt durch ihre helle Farbe erkannt werden.
Sie heben sich damit (zumindest meistens) von der blauen Wasser- oder braungrünen Erdoberfläche
ab. Bestimmbar ist dabei nur der Gesamtbedeckungsgrad N. Eine Unterteilung in
mehrere Schichten oder die Bestimmung der Wolkenhöhe ist allenfalls über den Schattenwurf
möglich. Eine Messung im VIS-Kanal kann nur tagsüber erfolgen. In Abbildung 2.2 links ist
eine Satellitenmessung im sichtbaren Frequenzbereich dargestellt. Da sie frühmorgens
gemacht wurde, befindet sich der nordwestliche Teil der Abbildung noch in der Dämmerung.
Im Wasserdampfkanal (WV) misst man die Emission von Wolken und gasförmigen H2O-
Molekülen. In Abbildung 2.2 mitte sind dicke Wolken grün, dünne weissgrün dargestellt. Auch
die wolkenfreie Atmosphäre absorbiert gemäss ihres Wasserdampfgehalts, weshalb feucht
klare Luft weiss, trockene aber grau dargestellt wird.
Im infraroten Bereich (IR) misst der Satellit die Strahlungstemperatur der von ihm aus zu
sehenden Oberfläche – also der Erdoberfläche oder einer Wolke. Ein Beispiel ist in Abbildung
2.2 rechts gegeben. Normalerweise erscheinen in wolkenfreien Regionen morgens die
Ozeane wärmer als das umgebende, ausgekühlte Land. Heizt sich das Land im Lauf des
Tages auf, so kippt dieses Verhältnis. In wolkenreichen Regionen gibt die gemessene
Ausstrahlungstemperatur Auskunft über die jeweilige Höhe der Wolkenobergrenze (Joro und
Saltikoff 2004).
Um ein detailliertes Bild der Bewölkung zu erhalten, kombiniert man im Allgemeinen die
Informationen aller drei passiven Kanäle. Einige Satelliten, z.B. EarthCare, verfügen
inzwischen auch über aktive Fernerkundungsgeräte wie Lidar oder Radar, deren Messwerte
ergänzend verwendet werden können.
2.4.2 Raumzeitliche Auflösung
Die zeitliche Auflösung von Satellitenmessungen ist eng gekoppelt mit der Wahl des
Orbits. Die räumliche Auflösung hängt zusätzlich noch von der gemessenen Wellenlänge ab.
Man unterscheidet dabei zwischen polarumlaufenden und geostationären Satelliten.
Geostationäre Satelliten stehen in etwa 36000 km Höhe über einem fixen Punkt des
Erdäquators. Die klassischen Wettersatelliten gehören dieser Kategorie an, z.B. die Satelliten
der Meteosat-Reihe, von denen die Bilder dieser Arbeit stammen. Die Messgeräte der
- 26 -

Abbildung 2.2: Satellitenbilder vom 28. November 2001, 09 UTC in den drei Frequenzbändern sichtbar (VIS,
links), Wasserdampf (WV, mitte) und Infrarot (IR, rechts).
Satelliten rotieren um die eigene Achse und scannen dabei die Erde streifenweise ab. Bisher
waren 30 Minuten für einen Scan nötig, die neueste Generation der Meteosats soll allerdings
die zeitliche Auflösung auf 15 Minuten halbieren (Schmetz et al. 2002). Aus der Messmethode
wird verständlich, dass ein geostationärer Satellit schräg auf die Regionen mittlerer und hoher
Breite schaut. Die räumliche Auflösung wird also nach Norden und Süden schlechter und
zudem verzerrt. Für Mitteleuropa beträgt sie im Infrarotbereich etwa 7_×_10_km 2 , im Wasserdampfkanal
ist sie geringer, im sichtbaren deutlich besser.
Polarumlaufende Satelliten umkreisen die Erde von Pol zu Pol. Sie haben mit 850 km eine
deutlich tiefere Flugbahn, was zu einer entsprechend höheren Auflösung führt. Sie scanen
quer zur Flugrichtung, die Auflösung nimmt also zum Rand eines Messstreifens hin etwas ab.
Allerdings beobachten sie jeden Ort nur alle 12 Stunden (Kraus 2000).
2.4.3 Grenzen und Probleme
Satelliten geben im Allgemeinen gut und grossräumig Auskunft über die vorherrschenden
Bewölkungsverhältnisse. Dennoch stossen ihre Messung an Grenzen.
Der grösste, allgemeingültige Nachteil ist wohl, dass Wolken nur von oben gesehen
werden. Sowohl im VIS- als auch im IR-Kanal wird nur die Obergrenze der höchsten Wolkenschicht
erfasst. Was sich unterhalb einer eventuell nur dünnen Cirrusschicht abspielt, entzieht
sich weitgehend der Beobachtung. Dies steht im Widerspruch zur Tatsache, dass Cirren
wenig wetterwirksam sind und auf die Messungen einiger der im Abschnitt 2.3.6 erklärten
Messgeräte (Pyrgeometer, Ceilometer) kaum Einfluss haben.
Einen Nachteil gegenüber anderen Methoden stellt auch die räumliche und zeitliche
Auflösung dar. Messungen im 30-Minuten-Rhythmus sind für eine automatische Beobachtung
relativ selten. Dass ein Gebiet von 7 × 10 km 2 durch nur einen Messwert repräsentiert wird,
führt ebenfalls zu Fehlern. V.a. bei aufgelockerter oder stark strukturierter Bewölkung überlagern
sich Strahlungseffekte von verschiedenen Wolkenschichten oder gar von Wolke und
Erdoberfläche (Feijt und de Valk 2001).
- 27 -

Einige Probleme ergeben sich für die Messung tiefer Wolken, selbst wenn sich darüber
keine weitere Wolkenschicht befindet. Im Wasserdampfkanal wird ein grosser Teil des
bodennahen Signals bereits auf dem Weg durch die übrige Atmosphäre absorbiert. Im
sichtbaren und infraroten Bereich ist teilweise nicht klar, was der Satellit sieht (Papin et al.
2002). Schnee ist im VIS-Kanal ungefähr genauso weiss wie eine Wolkenschicht (vgl. die
Ostalpen in Abbildung 2.2 links). Im Fall einer Inversion kann die Erdoberfläche deutlich kälter
sein als die Oberfläche des darüberliegenden Hochnebels. Im Infrarotsignal sind darum beide
nicht gut zu trennen. Alle genannten Problematiken und ihre Kombination spielen besonders
in orographisch stark gegliedertem Gelände eine Rolle, in dem zusätzlich die Bewölkungsverhältnisse
stark variieren können oder die Orographie aus einer tiefen Wolkenschicht
herausschaut und die Messung beeinflusst. Somit ist die Interpretation von Satellitenmessungen
nicht immer einfach oder gar eindeutig.
Sollen Bewölkungsangaben des Satelliten mit Beobachtungen oder Messungen vom
Boden aus verglichen werden, taucht noch eine weitere Frage auf. Bodenmessgeräte
erstellen meist Punktmessungen (Ceilometer) oder integrieren über einen uneinheitlichen
Ausschnitt (Augenbeobachter, Pyrgeometer). Sie geben deshalb nicht nur nicht die
Verhältnisse im Zentrum eines Satellitenpixels wieder, sondern sehen zudem nur einen Ausschnitt
des Pixels oder kombinieren Teile mehrerer Satellitenpixel (Feijt und de Valk 2001).
2.5 Advektion
2.5.1 Definition
Der Begriff Advektion stammt von lateinischen ad vehere (heranbringen). Er beschreibt den
grossskaligen Transport meteorologischer Eigenschaften durch dynamische Prozesse.
Angewendet wird er auf eine Vielzahl konservativer meteorologischer Grössen: Temperaturadvektion,
Feuchteadvektion, Vorticityadvektion. Ebenso können auch Wolken oder
Niederschlag advehiert werden, im Gegensatz zu ihrer lokalen Entstehung.
2.5.2 Advehierte Wolken und lokale Entstehungs- / Auflösungsprozesse
In Abschnitt 2.2.2 wurden die wesentlichen Wolkenbildung- und -auflösungsprozesse
bereits genannt. Die im Zusammenhang mit Fronten auftretende Bewölkung ändert sich zwar
im Lauf des Lebenszyklus einer Front. Dennoch bleiben ihr Charakter sowie vorherrschende
Strukturen oft über hunderte von Kilometern und mehrere Tage stabil (Germann und
Zawadzki 2002). Ist die ungefähre Verlagerungsrichtung und -geschwindigkeit der Front
vorhersehbar, kann auch die Advektion der Wolken bzw. zugehöriger wolkenfreier Regionen
gut abgeschätzt werden. Gegebenenfalls ist dabei zu berücksichtigen, dass Gebirge die
Advektion beeinflussen oder behindern (z.B. Staulagen).
Auch ursprünglich durch Konvektion entstandene Stratus- und Stratocumulusschichten
oder in selteneren Fällen Hochnebel können über grössere Strecken advehiert werden. Die
vorherrschenden Winde in mittlerer Höhe geben dann die Transportwege an. Dagegen stellen
- 28 -

Föhnwolken eher den umgekehrten Effekt dar. Bildlich gesprochen stellt sich das Gebirge der
Advektion einer relativ feuchten Luftmasse in den Weg, und zwingt diese zur Reaktion.
Advektion und lokale Wolkenbildung und -auflösung können nie vollkommen entkoppelt
betrachtet werden. Eine Unterscheidung der beiden Gruppen ist dennoch sinnvoll, hilfreich
und meistens auch möglich.
2.5.3 Bewegung konvektiver Systeme
Eine besondere Stellung zwischen lokalen Phänomen und Advektion nehmen konvektive
Systeme ein. Begünstigt durch Schwachwindwetterlagen und thermische Gegebenheiten
entstehen Cumuluswolken oft sehr lokal und bewegen sich überhaupt nicht. Sie entwickeln
aber ein Eigenleben, sobald sie sich zu Schauer- und Gewitterwolken entwickeln können. Bei
Gewittern unterscheidet man zwischen Single-Zellen, Multizellen und Superzellen, je nach
Grösse, Anzahl und genauem Verhalten. Alle diese Zellen bewegen sich normalerweise. Bei
den Multizellen lösen sich zudem in schneller Folge Zellen auf, während sich räumlich
versetzt neue Zellen bilden. Auch bei der einzelnen Zelle ist eine Verlagerung mit dem
vorherrschenden Wind nicht immer gegeben (Leuenberger und Rossa 2004). Im Gegenteil
werden bei Superzellen teilweise Unterschiede zwischen Zugrichtung und Windrichtung von
bis zu 60° beobachtet. Dieses Propagieren ist im Sinne obiger Definition keine Advektion
mehr, dennoch kann auch die Verlagerung solcher konvektiver Systeme verfolgt werden.
2.6 Aktueller Stand der Niederschlags- und Bewölkungsvorhersage
2.6.1 Vorhersage mit numerischen Wettermodellen
Die numerische Wettervorhersage (NWP) verfügt heute über gute Möglichkeiten zur
Niederschlags- und Wolkenprognose. Die meisten Wetterdienste verwenden für ihre
Vorhersagen ein zweistufiges System, bestehend aus einem globalen Modell und einem darin
eingebetteten feinskaligeren lokalen Modell. Diese zweite Stufe stellt bei der MeteoSchweiz
das alpine Lokalmodell (aLMo) dar (Leuenberger und Rossa 2004), eine angepasste Version
des Lokalmodells (LM) des Deutschen Wetterdienstes (DWD).
Beide Modellstufen können die Advektion von Niederschlag im Allgemeinen gut erfassen.
Frontaler Niederschlag ist oft über mehrere Tage hinweg vorhersagbar. Allenfalls der genaue
Zeitpunkt, zu dem frontaler Niederschlag einsetzt, schwankt. Probleme treten im Zusammenhang
mit frontolytischen Prozessen oder mit Orographie auf. Die eine Front umgebende
Bewölkung ist schwerer zu prognostizieren. Gerade postfrontales Aufklaren kann teils sehr
schnell gehen, oder gar nicht einsetzen.
Die Vorhersage von Konvektion ist für die Modelle schwierig. Zwar bilden sich lokal Wolken
und Niederschlagszellen, und diese werden auch verlagert. Sie geben aber nur einen
regionalen Wettercharakter wieder, eine exakte räumliche Zuordnung ist nicht möglich.
Gerade in orographisch stark gegliedertem Gelände sind diese Prognosen oft schwer zu
interpretieren.
- 29 -

Eine besondere Herausforderung stellt die Vorhersage von Hochnebel dar. Im aLMo ist
Hochnebelbildung und -auflösung vorgesehen, aber die Treffsicherheit ist nicht sehr hoch
(Mathis 2004). Zudem hat die Prognose von Hochnebel weitreichende Folgen für die
Vorhersage der Bodentemperatur und weiterer Grössen, und beeinflusst damit das weitere
Verhalten des numerischen Modells.
Die Güte einer numerischen Vorhersage hängt wesentlich vom verwendeten Anfangszustand
ab. Deshalb gibt es zahlreiche Versuche, Bewölkung und Niederschlag bereits am
Anfang eines Modelllaufs zu korrigieren und dadurch Fronten und konvektive Gebilde an die
richtige Stelle zu setzen. Dabei kommen Satellitenmessung der Bewölkung (Ament 2001)
oder Radarniederschläge (Haase et al. 2000, Klink 2004) zum Einsatz. Diverse technische
Details, z.B. die Tatsache, dass bei Veränderung des Niederschlagsfeldes auch Temperatur-,
Feuchte- und Windfeld angepasst werden müssen, sind im Allgemeinen lösbar. Es zeigt sich
aber, dass die korrigierten Bewölkungs- und Niederschlagsfelder das Modellergebnis nur für
einige Stunden beeinflussen.
Die Vorhersage von Niederschlag und Bewölkung mit lokalen Modellen ist also zwar gut,
aber bezüglich ihrer zeitlichen und lokalen Auflösung für die Belange des Strassenwetters oft
nicht gut genug. Zudem werden kritische Situationen wie postfrontales Aufklaren oder
Hochnebel häufig falsch eingeschätzt.
2.6.2 Kurzfristige Niederschlagsvorhersage mit Mustererkennungsverfahren
Mit Wetterradaren lassen sich Niederschlagsfelder in adäquater Weise messen (vgl.
Abschnitt 3.3). Seit Langem ist es dabei auch möglich, mit Mustererkennungsverfahren aus
bestehenden Radarbildern auf die zukünftigen zu schliessen. Ein solches Verfahren wird in
Kapitel 5 ausführlich beschrieben und angewandt.
Die maximale Dauer derartiger Prognosen hängt stark von der Grösse des Untersuchungsgebiets
und der Skala vorherzusagender Gebilde ab. So ist es mit einem die ganzen USA
umfassenden Algorithmus möglich, frontale Niederschläge über mehrere Tage hinweg zu
prognostizieren (Germann und Zawadzki 2002). Die Eingangsdaten werden dazu hochpassgefiltert,
sodass Strukturen mit einer Auflösung von weniger als 64 × 64 km 2 verloren gehen.
Konvektive Systeme sind damit nicht mehr zu sehen. Für die Schweiz geben Schmid und
Wüest (2003) eine Dauer von drei Stunden an, über die die Vorhersage frontalen und
konvektiven Niederschlags mit einer Auflösung von 2 × 2 km 2 sinnvoll möglich ist. Allerdings
wird die Vorhersage durch die Orographie teils erheblich erschwert.
Neben der diskreten Niederschlagsvorhersage (ja / nein) und der Niederschlagsintensität
ist auch die Art des Niederschlags von Interesse. Dabei muss zwischen Schnee und Regen
unterschieden werden. Die Einführung einer dritten Kategorie Schneeregen führt zu keinen
guten Ergebnissen. Mit Hilfe von Temperaturmessungen in verschiedenen Höhenlagen oder
Temperaturprognosen eines numerischen Vorhersagemodells kann die Niederschlagsart des
gemessenen und extrapolierten Radarbilds ausreichend genau bestimmt werden (Gjertsen
et_al. 2003, Schmid und Mathis 2004).
- 30 -

2.6.3 Vorhersagen aus Satellitendaten
Auch die Beobachtungen von Satelliten können mit Mustererkennungsverfahren
extrapoliert werden (Grose et al. 2002, Papin et al. 2002). Die für Satelliten- und Radardaten
verwendeten Verfahren sind ähnlich und stossen deshalb auf ähnliche Grenzen.
Grossräumige und langlebige Strukturen wie Fronten können lange vorhergesagt werden,
konvektive Bewölkung nur schlecht. Eine Begrenzung der Hochnebelvorhersage bildet
natürlich die Tatsache, dass nur die Wolken überhaupt extrapoliert werden können, die auch
beobachtet werden (vgl. Abschnitt 2.4.3).
2.7 Einschränkung der Untersuchungszeiträume dieser Arbeit
2.7.1 Beschränkung auf nächtliche Daten
Aus den in den bisherigen Abschnitten gelieferten Informationen wird leicht ersichtlich,
dass es für die Belange der Strassenwettervorhersage kritischere und weniger kritische Zeiträume
gibt. Die Vorhersage der Bewölkung ist vor allem dann wichtig, wenn eine Reduktion
der Temperatur der Strassenoberfläche ausgelöst oder verhindert wird; das Auslösen oder
Verhindern einer Erwärmung ist eher unproblematisch. Sinkende Temperaturen sind verbunden
mit Ausstrahlung bei klarem Himmel – und damit mit den Verhältnissen in der Nacht.
Auch die Bildung von Hochnebel ist ein Phänomen, das vor allem abends und nachts auftritt.
Ein weiterer Grund für eine Einschränkung des Untersuchungszeitraums liegt in der
gewählten und in Kapitel 4A beschriebenen Methode. Ihre Anwendbarkeit am Tag wird zwar
überprüft und prinzipiell bestätigt, aber wirklich brauchbare Ergebnisse konnten bisher nur
nachts erzieht werden.
Um die Untersuchungszeiträume möglichst gross zu halten, wird auch die abendliche und
morgendliche Dämmerung miteinbezogen. Da die Definition von Dämmerung drei
verschiedene Phasen umfasst, kann die komplette Zeit in sechs Bereiche eingeteilt werden:
Tag, Sonnenauf/untergang, bürgerliche Dämmerung, nautische Dämmerung, astronomische
Dämmerung, Nacht. Die Definition der Bereiche nach dem Stand der Sonne über dem
Horizont (bei negativen Angaben also unter dem Horizont) ist in Tabelle 2.1 angegeben. Die
Tabelle enthält ebenfalls eine Angabe der Uhrzeiten, zu der eine entsprechende Nachtphase
abends beginnt und morgens endet, beispielhaft am 21. Dezember und am 21. März. Als ein
für die ganze Schweiz repräsentativer Ort wird Luzern (mit geographischen Koordinaten 8.30°
Ost, 47.03° Nord, entsprechend Schweizer Koordinaten km 665.52 Ost / 209.86 Nord)
gewählt. Die Dämmerung dauert jeweils mehr als zwei Stunden.
Die zur Sonnenhöhe über dem Horizont h ¡£¢¥¤§¦ 4 ,¨ ¤©¦ 4 , der geographischen Breite
B£ 2 , 2 und Länge L£ 180 ° , 180 ° eines Ortes sowie dem Tag im Jahr
tt 1 365 gehörenden Tageszeiten zz in UTC werden unter Verwendung der Deklination
der Sonne dek = 0.40954 · sin (0.0172 · (tt – 79.365)) mit der Formel
zz 12 12
arccos sin h sin B
sin dek
B cos dek cos
- 31 -
sin tt 16.3745
29.9133
5.7078
sin tt 1.0634
5.4843
7.4627
L
15
(2.1)

Nachtphase
Bezeichnung
Sonnenstand
über dem Horizont
Beginn / Ende in Luzern
am 21. Dezember am 21 März
0 Tag > 0.6° - -
1
2
3
4
Sonnenauf/
untergang
Bürgerliche
Dämmerung
Nautische
Dämmerung
Astronomische
Dämmerung
-0.6° bis +0.6° 17.29 / 9.20 19.31 / 7.35
-6° bis -0.6° 17.38 / 9.11 19.38 / 7.28
-12° bis -6° 18.15 / 8.34 20.10 / 6.57
-18° bis -12° 18.54 / 7.55 20.45 / 6.21
5 Nacht < -18° 19.31 / 7.18 21.22 / 5.44
Tabelle 2.1: Definition und Beispiele zur Unterteilung in Tag, Dämmerung und Nacht. Beispielzeiten für die
ANETZ-Station in Luzern in UTC.
bestimmt (siehe http://lexikon.astronomie.info/zeitgleichung). Gleichung (2.1) ist für die
mittlerem Breiten auf etwa 5 Minuten genau, sofern man die Beugung des Sonnenlichts in der
Atmosphäre vernachlässigt.
Auch in den folgenden Kapiteln wird die Nacht teilweise in diese sechs Phasen unterteilt.
Allgemeine Untersuchungen werden aber für die komplette Nacht ab, bis und mit
Sonnenauf/untergang durchgeführt. Auf eine spezielle Berücksichtigung der Mondphase wird
verzichtet.
2.7.2 Beschränkung auf Winterdaten
Entsprechend den Anforderungen der Strassenwettervorhersage erfolgt eine weitere
Einschränkung auf winterliche Daten. Diese Beschränkung ist notwendig, weil das besonders
starke Aufheizen der Strassen in der Sommersonne sich selbst nachts noch negativ auf die in
dieser Arbeit entwickelte Methode auswirkt. Ein Blick auf Tabelle 2.1 lässt erkennen, dass im
Sommer auch die Datenlage immer knapper wird. Von Dezember bis März reduziert sich der
Nachtzeitraum von knapp 16 auf 12 Stunden. Eine Nacht im Juni ist weitere vier Stunden
kürzer.
Wann der Winter beginnt und endet ist unterschiedlich definiert. Meteorologisch sind die
Monate Dezember, Januar und Februar Wintermonate. Der Zeitraum, in dem ein Strassenamt
dem Winterdienst besondere Aufmerksamkeit schenkt, erstreckt sich aber vom 1. November
bis zum 30. April. In dieser Arbeit werden meist die Monate November bis April verwendet. An
einigen Stellen ist der Untersuchungszeitraum durch fehlende Daten beschränkt.
- 32 -

3 Daten
Eine geeignete Datengrundlage ist für den Erfolg jeder Forschung und Anwendung
massgeblich. Zur Erfassung horizontal zweidimensionaler Strukturen sind zweidimensional
arbeitende Fernerkundungsmethoden notwendig, oder aber die Verwendung eines möglichst
dichten und homogenen Stationsnetzes. An den verschiedenen Stationen sollen dabei die
selben Parameter in gleicher oder vergleichbarer Weise möglichst gleichzeitig erfasst werden.
Zumindest die wichtigen Parameter sollen an allen Stationen verfügbar sein. Die Kombination
von flächigen Fernerkundungsmethoden mit punktuellen Stationswerten soll prinzipiell
widerspruchsfrei erfolgen.
In dieser Arbeit werden die Daten von drei Stationsmessnetzen sowie der Fernerkundungsmethode
„Radar“ verwendet. Die im vorhergehenden Absatz beschriebenen Anforderungen
sind dabei meistens nicht erfüllt. Die vier Netze messen in unterschiedlichen Zeitabständen,
und nur einmal pro Stunde etwa gleichzeitig. Die Vergleichbarkeit der erfassten Parameter,
die von Netz zu Netz, aber auch innerhalb der Stationsnetze variieren, wird noch zu untersuchen
sein. Ebenso fehlen an allen Orten wesentliche Parameter, was die Findung einer
„Wahrheit“ erschwert. Schliesslich ist auch die räumliche Ausdehnung der vier Netze unterschiedlich
und nur durch die Wahl eines einigermassen homogen besetzten Ausschnittes
überhaupt zu relativieren.
Dennoch spielen alle nachfolgend beschriebenen Daten eine wichtige Rolle im Rahmen
dieser Arbeit.
3.1 Bodenmessnetze
3.1.1 Das ANETZ
Die ersten Anstrengungen, ein schweizweites meteorologisches Messnetz aufzubauen,
gehen bis ins Jahr 1863 zurück. Ende der 1970er wurde das bestehende Messnetz
teilautomatisiert und ausgedehnt. Es entstand das Automatische Messnetz (ANETZ) der
MeteoSchweiz mit 72 Stationen. Aktuelle Überlegungen gehen dahin, das bestehende Netz
erneut auszudehnen und mit einem parallel existierenden Klimamessnetz zu kombinieren
(Frei 2003).
Das ANETZ deckt mit seinen 72 Stationen alle Regionen der Schweiz und alle Höhenlagen
repräsentativ ab. Eine Station liegt im liechtensteinischen Vaduz. Eine Tabelle aller Stationen
und ihrer geographischen Koordinaten findet sich in Anhang B. Abbildung 3.1 zeigt
Messgeräte der mit 3580 Metern höchstgelegenen ANETZ-Station auf dem Jungfraujoch. Für
- 33 -

Abbildung 3.1: Einige Geräte der ANETZ-Station Jungfraujoch. Quelle siehe Anhang G.
eine derartige Extremstation können nicht mehr alle Bedingungen der WMO erfüllt werden,
man versucht es aber soweit wie möglich. Nach Massgabe der WMO finden Messungen von
Druck, Lufttemperatur, Feuchte, usw. in 2 Metern über Grund statt. Die Windmessungen
erfolgen in 10 Metern über Grund. Aus Gründen der Vergleichbarkeit werden die Messstationen
(wenn möglich) auf einer Wiese aufgebaut. Ein homogenes Messfeld soll die
Einflüsse von Gebäuden, Vegetation und Begrenzungszaun minimieren.
Alle ANETZ-Stationen verfügen über ein Grundprogramm an Messsensoren (SMA 1982).
Die Lufttemperatur T2m (in 2 Metern über Grund) wird mit einem Thermowiderstand
gemessen. Das THYGAN (Thermo-Hygrometer ANETZ) beinhaltet einen Taupunktsspiegel
zur Bestimmung der Luftfeuchtigkeit bzw. des Taupunkts 2m . Den Luftdruck p stellt ein
Aneroidbarometer fest. Ein Pyranometer misst die Globalstrahlung Q. Windrichtung dd und
-geschwindigkeit u sowie die Böenspitzen werden mit Schalenkreuzanemometer und
Windfahne gemessen, an Gebirgsstationen mit einem Staudruckmessgerät. Die
Niederschlagsmenge RR erfasst eine heizbare Regenwippe. Die meisten ANETZ-Stationen
verfügen zusätzlich über eine Messung der Grastemperatur T0m (Lufttemperatur in 5 cm über
Grund), einige auch über einen Bodenmessstab mit Temperaturmessungen Ttief in fünf
verschiedenen Tiefen von -5 cm bis -150 cm (T-5cm bis T-150cm). Vereinzelt werden weitere
Grössen, z.B. Blitzaktivität oder Radioaktivität, erhoben. Alle Messungen werden als 10-
Minuten-Mittelwerte gesammelt, verbreitet und archiviert. Die Böenspitze stellt ein 10-Minuten-
Maximum der Windstärke dar, der gemessene Niederschlag wird aufsummiert. Jeder Wert gilt
für den Zeitraum von xx:x0 bis xx:x9 Uhr. Die Bodentemperaturmessungen liegen nur als
Stundenwerte vor, zudem werden Stundenmittel, -minima und -maxima der übrigen
Temperaturen erstellt. Die Temperaturen werden in °C gemessen, der Luftdruck in hPa, die
Windgeschwindigkeit in m/s und der Niederschlag in l/m 2 . Alle Messwerte werden mit einer
Nachkommastelle er- und übermittelt.
Viele ANETZ-Stationen verfügten weiterhin über menschliche Beobachter, die zusätzliche
meteorologische Parameter erheben. Sie bestimmen die Sichtweite VV, den Wettercharakter
- 34 -

zum Beobachtungszeitpunkt und in den vorangegangenen Stunden, sowie die verschiedenen
in Kapitel 2 beschriebenen Bewölkungsgrössen nach WMO-Reglement. Zweimal täglich lesen
sie die Schneehöhe ab. Die Beobachtungen erfolgen an verschiedenen Stationen unterschiedlich
häufig. Einige Stationen verfügen über drei Beobachtungen täglich, um 06, 12 und
18 UTC. Andere beobachten zusätzlich um Mitternacht oder um 09 und 15 UTC. An sechs
Stationen wird kontinuierlich alle drei Stunden beobachtet, auch während der Nacht. Es sind
dies Payerne, Kloten, Vaduz, Wynau, Sion und Altdorf.
Beobachtungen, die im Hinblick auf eine volle Stunde xx_+_1 gemacht werden, werden
zusammen mit den Messwerten zur Zeit xx:40 (die dann für xx:30 bis xx:39 gültig sind)
übermittelt. Sie erfolgen also bereits vorher, zwischen xx:20 und xx:30; die nominelle und die
tatsächliche Beobachtungszeit differieren um etwa 35 Minuten (SMA 1982). In Tabelle 3.2
sind die wesentlichen Mess- und Beobachtungswerte nebst Einheiten zusammengefasst.
3.1.2 Die Strassenwetterstationen des Kantons Luzern
Das Strasseninspektorat des Kantons Luzern betreibt seit 1995 ein dichtes Netz von
Strassenwetterstationen (RWIS). Es besteht aus 52 Stationen eines von der Firma Vaisala
entwickelten Typs. Die Stationen sind am Rand kantonaler Strassen positioniert; die
Standorte wurden so gewählt, dass sie einen möglichst grossen oder besonders gefährlichen
Abschnitt repräsentieren.
Abbildung 3.2 zeigt die Station am Ortseingang von Sörenberg. Eine Liste aller Strassenwetterstationen
im Kanton Luzern und ihrer Koordinaten befindet sich in Anhang B.
Alle Stationen des Netzes besitzen in 2 Metern über Grund einen Ausleger des Mastes, an
dem sich ein Kästchen zur Messung von Lufttemperatur und -feuchte befindet. Die Werte
werden auf 0.1°C bzw. 1% genau bestimmt. Am selben Ausleger ist auch der Present
Weather Detector (PWD) angebracht, der optisch die Sichtweite sowie Niederschlagsart und
-intensität misst (Schmid und Mathis 2004). Die Bestimmung der Sichtweite erfolgt in Metern
Abbildung 3.2: Station des Strassenmessnetzes des Kantons Luzern in Sörenberg. Quelle siehe Anhang G.
- 35 -

Kennzahl Zustand Physikalische Bedeutung Verwendung
1 Trocken Die Oberfläche ist trocken. Trocken
2 Feucht
3 Nass
4 Nass und Gestreut
5 Sensorfehler
6
7 Reif
8 Schnee
9 Eis
Restspuren oder
Trocken bis Feucht
und Behandelt
Die Oberfläche ist feucht. Typischerweise
erscheinen Asphaltbeläge dunkler als
normal.
Die Oberfläche ist nass. Asphaltbeläge
glitzern durch reflektierendes Licht.
Die Oberfläche ist nass und eine
Enteisungschemikalie ist vorhanden.
Die Oberfläche ist feucht und ein
Enteisungsmittel ist vorhanden.
Raureif erkannt. Er hinterlässt auf der
Strasse eine Schicht von weissen
Eiskristallen. Am Tage erscheint der
Asphalt grau.
Schnee wurde auf der
Fahrbahnoberfläche detektiert.
Monokristallines Eis erkannt. Es entsteht
durch am Ort gefrierendes Wasser. Ein
Asphaltbelag erscheint deshalb schwarz.
Feucht oder
Nass
Feucht oder
Nass
Feucht oder
Nass
Feucht oder
Nass
Gefroren oder
Verreift
Schnee
Gefroren oder
Verreift
Tabelle 3.1: Gemessene Oberflächenzustände der Strasse, deren physikalische Bedeutung sowie eine
Einteilung in vier Klassen zur weiteren Verwendung.
bis maximal 2 km. Bei der Niederschlagsart kann zwischen Schnee und Regen unterschieden
werden, jeweils in den Klassen leicht, mässig und stark. Die Niederschlagsintensität wird in
mm/h ausgedrückt und erfolgt auf 0.1 mm/h genau. Gegebenenfalls wird auch eine
resultierende Neuschneehöhe berechnet und übermittelt. Die Firma Vaisala bietet für ihre
Strassenwetterstationen auch Messsensoren für Luftdruck und Globalstrahlung an, diese sind
im Kanton Luzern aber nicht implementiert. Über dem Ausleger sind in 3 Metern über Grund
die Windmesser angebracht. Schalenkreuzanemometer und Windfahne bestimmen
Windstärke und -richtung auf 0.1 km/h bzw. 1° genau.
Am Boden unterhalb der Station bzw. in der Strasse befinden sich die restlichen
Messsensoren. Sie messen die Grastemperatur (also die Lufttemperatur in 0 Metern) und die
Strassentemperatur in -6 cm, sowie an einigen Stationen auch eine tiefere Temperatur in
-30_cm, jeweils auf 0.1°C genau. Zusätzlich werden vom Bodensensor elektrische und
elektrochemische Kenngrössen erfasst und daraus der Zustand der Strassenoberfläche
bestimmt. Die neun messbaren Zustände und ihre physikalische Bedeutung sind in Tabelle
3.1 aufgeführt; im Verlauf dieser Arbeit werden nur noch die zusammengefassten vier
Oberflächenzustände in der rechten Spalte der Tabelle verwendet. Oberflächenzustand, Grasund
Strassentemperatur werden an jeder Station mit zwei Sensoren gemessen, von denen
einer am Rand, der andere in der Mitte der Strasse angebracht ist (Mathis 2000). In dieser
- 36 -

Arbeit werden nur die Mittelwerte beider Sensortemperaturen respektive der gefährlichere
Strassenzustand (höhere Kennzahl aus Tabelle 3.1) verwendet.
Die 52 Stationen des Strassenwettermessnetzes messen regelmässig alle 15 Minuten. Sie
übertragen ihre Daten leicht versetzt über eine Zeitspanne von acht Minuten hinweg. Die
ersten Stationen melden z.B. um xx:11, die letzten erst um xx:18.
3.1.3 Stationen der meteomedia ag
Die private Firma meteomedia ag betreibt seit den frühen 1990ern ein privates Stationsnetz
in Deutschland, der Schweiz und angrenzenden Ländern (siehe www.meteomedia.ch). Dabei
übernehmen Privatpersonen, Schulen oder Gemeinden die Aufstellung und Wartung der
Stationen vor Ort. Die meteomedia ag sammelt und archiviert die Daten; sie verbreitet die
Messungen in den Medien und erstellt Vorhersagen für die Stationsstandorte. Das
Stationsnetz deckt prinzipiell ganz Deutschland ab. Da die Stationen aber nicht nur nach
meteorologischen Gesichtspunkten aufgestellt werden, sondern auch ein lokaler Geldgeber
gefunden werden muss, ergibt sich eine hohe Stationsdichte in den Ballungsgebieten und in
touristisch interessanten Regionen, z.B. im Südschwarzwald. In der Schweiz ist das Messnetz
weniger dicht als in Deutschland. Eine Auswahl der Stationen samt geographischen
Koordinaten ist in Tabelle B.3 im Anhang aufgeführt.
Die Stationen der meteomedia ag werden nach den Anforderungen der WMO auf einer
Wiese aufgestellt. Die meisten Stationen verfügen über Sensoren für Druck, Temperatur und
relative Luftfeuchtigkeit in 2 Metern über Grund. Hinzu kommt eine Regenwippe für den
Niederschlag. Einige Stationen bestimmen Windstärke und -richtung. Wesentlich seltener ist
die Messung der Grastemperatur. Alle gemessenen Parameter werden jeweils zur vollen
Stunde übertragen.
3.1.4 Weitere Stationen
In der Schweiz und im benachbarten Ausland sind noch weitere meteorologische Stationen
vorhanden, deren Daten prinzipiell zur Verdichtung des Messnetzes hinzugezogen werden
könnten.
Zuerst zu nennen sind die öffentlichen Wetterdienste Deutschlands (DWD) und
Frankreichs (MeteoFrance). Sie unterhalten ebenfalls synoptische Mess- und Beobachtungsstationen,
geben aktuelle Daten im Allgemeinen aber nicht freizügig heraus.
Eine weitere Möglichkeit bilden die METAR-Meldungen von Flughäfen. Sie werden meist
stündlich abgesetzt und beinhalten Luftdruck, -temperatur und -feuchte, Wind, Niederschlag,
Sichtweite und Wettercharakter. Leider wird an Flughäfen keine Grastemperatur gemessen.
Dafür ist eine direkte Beobachtung der Bewölkung vorhanden. An den grossen
schweizerischen Flughäfen befinden sich jeweils auch ANETZ-Stationen. Allenfalls könnte die
Verwendung ausländischer Flughäfen hilfreich sein, z.B. Balê-Molhouse.
Schliesslich gibt es auch ausserhalb des Kantons Luzern Strassenwetterstationen. Diese
Stationen werden von den Strasseninspektoraten anderer Kantone betrieben oder befinden
sich am Rand von Autobahnen (Letestu und Keller 2000). Leider ist der Kanton Luzern
schweizweit bisher der Einzige, der seine Daten instantan im Internet (www.wetterluzern.ch)
- 37 -

Kurz
Mess- /
Beobachtungswert
Einheit ANETZ
RWIS Kanton
Luzern
meteomedia
ag
p Luftdruck hPa Ja Nein Ja
T2m Lufttemperatur 2 m °C Ja Ja Ja
T0m Grastemperatur 0 m °C Meistens Ja (2 Sensoren) Teilweise
T-5cm Bodentemperatur -5 cm °C Teilweise Ja (2 Sensoren) Nein
Ttief
Bodentemperatur in
grösserer Tiefe
°C
Teilweise (bis
zu 5 Tiefen)
Teilweise
(in -30 cm)
2m Taupunkt 2 m °C Ja Ja Ja
Nein
u Windstärke m/s Ja Ja (km/h) Meistens
dd Windrichtung ° Ja Ja Meistens
R,
RR
Niederschlagsrate,
Niederschlagsmenge
mm/h,
mm
Ja (mm in 10
min)
Ja (Intensität in
mm/h)
Q Globalstrahlung W/m 2 Ja Nein Nein
WW Niederschlagsart (Klassen) Nein Ja Nein
VV Sichtweite m Selten Ja (bis 2 km) Nein
Sz Strassenzustand (Klassen) Nein Ja (2 Sensoren) Nein
N,
hcloud
Bedeckungsgrad und
Wolkenhöhe
Achtel, m
Bis zu 8×
täglich
Tabelle 3.2: Meteorologische Parameter der drei Stationsnetze (Auswahl).
Ja
Nein Nein
veröffentlicht. Andere Kantone verweigern die Weitergabe der Daten zumeist mit dem
Argument, dass allfälliges Fehlverhalten nachgewiesen und eine Haftung für vermeidbare
Verkehrsunfälle eingefordert werden könnte. Auch die deutschen Bundesländer verfügen über
Strassenwetterstationen (SWIS), die zur Ergänzung der Datenlage in Frage kämen (Jacobs
und Raatz 1996).
Bemerkt werden muss allerdings, dass die Hinzunahme jedes weiteren Messnetzes neben
zusätzlicher Informationen auch neue Probleme mit sich bringt. Meist werden es Probleme
lösbarer Art sein, zumal in dieser Arbeit bereits drei sehr unterschiedliche Stationsnetze
verwendet werden, aber Aufwand und Nutzen sind dennoch jeweils abzuwägen.
3.1.5 Überblick über alle verfügbaren Daten
Die Messgrössen aller drei Stationsnetze sind in Tabelle 3.2 zusammengefasst. Es fällt
auf, dass nur sehr wenige Angaben an allen Stationen verfügbar sind. Dies erschwert
natürlich die Erstellung eines einheitlichen Modells für alle Stationen. Allerdings können sich
verschiedene Stationstypen gegenseitig ergänzen, wenn eine an einer Stationsart bekannte
Grösse an einer anderen berechnet werden kann. Die Stationswerte werden ergänzt durch
Radarmessungen, die in Abschnitt 3.3 näher erläutert werden.
- 38 -

Messnetz Untergrund Stationen Messintervall Zeitraum
ANETZ,
gemessen
davon ANETZ,
beobachtet
RWIS Kanton
Luzern
Gras 67 / 25 / 13 10 min Wintermonate ab 01/1996
- 6 / 4 / 2 3 Std 01/1996 bis 04/2002
Strasse 52 / 52 / 52 15 min Wintermonate ab 03/2000
meteomedia ag Gras 23 / 30 / 5 60 min Ab 11/2003
Radar Composite -
Auflösung:
2 × 2 km 2 5 min Verwendet ab 11/2001
Tabelle 3.3: Vergleich der vier verwendeten Messsysteme bezüglich Untergrund, Stationszahl, Messhäufigkeit
und verfügbarem Zeitraum. Die drei Werte der Stationszahl geben an: alle Stationen in der Schweiz mit T2m
und T0m / Stationen im grossen Untersuchungsgebiet (Abbildung 3.3) / Stationen im kleinen Untersuchungsgebiet
(Abbildung 3.4).
In Tabelle 3.3 werden die vier Messsysteme bezüglich ihres Untergrunds, der Stationszahl,
des Messintervalls und der für diese Arbeit verfügbaren Daten verglichen. Während ANETZ
und meteomedia ag WMO-konform über Gras messen, misst das Strassenwettermessnetz
(RWIS) des Kantons Luzern über einer Strasse. Dieser Unterschied und seine Folgen werden
noch zu diskutieren sein.
Bei der Stationsanzahl sind zuerst alle Stationen in der Schweiz und Liechtenstein
aufgeführt, die Messungen der Luft- und Grastemperatur durchführen. Dies sind leider nicht
alle der 72 ANETZ-Stationen. Von den Stationen der meteomedia ag sind es nur 23 (davon
vier in Liechtenstein). Das Radar liefert flächige Messwerte mit einer Auflösung von 2 × 2 km 2 .
Leider sind die Messintervalle unregelmässig. Lediglich zur vollen Stunde sind Messungen
aller Stationen vorhanden, aber selbst dann erstrecken sich die Messzeitpunkte der Luzerner
RWIS-Stationen über mehrere Minuten. Ein Vergleich zwischen den Stationstypen wird
dadurch genauso erschwert wie die Erstellung von Karten (etwa) gleichzeitiger Messwerte.
Schliesslich variiert auch der Zeitraum, während dessen die Daten verfügbar sind. Im
Rahmen dieser Arbeit kommen die ANETZ-Daten der Monate November bis April aus den
Wintern 1995/96 bis 2003/04 zum Einsatz. Teile dieser Daten wurden speziell zu diesem
Zweck aus den Archivbändern der MeteoSchweiz herausgelesen. Die Augenbeobachtungen
von Bewölkung und Sichtweite stehen nur für die Winter 1995/96 bis 2001/02 zur Verfügung.
Vergleiche zwischen tatsächlich beobachteter Bewölkung und anderen Messgrössen müssen
sich also auf diese Zeiträume beschränken.
Die Messungen der Luzerner Strassenwetterstationen sind prinzipiell für alle Wintermonate
seit November 1998 vorhanden. Allerdings enthalten die Daten vor dem 7. März 2000
aufgrund eines Rekonstruktionsfehlers keine Windmessungen und werden deshalb in dieser
Arbeit nicht verwendet. Daten der meteomedia ag kommen nur für den Winter 2003/04 zum
Einsatz. Die Radarbilder wurden überhaupt nur für einzelne Tage im November 2001,
Dezember 2003 und Januar/Februar 2004 sowie für eine „Langzeit“-Studie im Januar 2004
aus dem Archiv von meteoradar gelesen. Für vergleichende Untersuchungen aller Messnetze
und für zweidimensionale Beispiele kommt somit nur der Winter 2003/04 in Frage.
- 39 -

Abbildung 3.3: Karte der Nord- und Zentralschweiz sowie umliegender Gebiete. Verwendbare Stationen:
ANETZ, X Strassenwettermessnetz Luzern, ¡ meteomedia ag. Das schwarze Quadrat markiert den in
Abbildung 3.4 genauer dargestellten „kleinen“ Bereich.
3.2 Auswahl eines geeigneten Untersuchungsgebiets
3.2.1 Verfügbare Stationen
Zur zweidimensionalen Darstellung von Daten ist es wichtig, ein möglichst dichtes
Messnetz zu haben. In der Spalte „Stationen“ in Tabelle 3.3 benennt die erste Zahl die Anzahl
der schweizweit (inklusive Liechtenstein) verfügbaren Stationen. Es sind dies 67 ANETZ-
Stationen, 52 Strassenwetterstationen des Kantons Luzern und 23 Stationen der meteomedia
ag. Insgesamt sind in der Schweiz also 142 Stationen verfügbar. Ausserhalb der Schweiz
stehen weitere Stationen der meteomedia ag zur Verfügung, v.a. in Süddeutschland.
3.2.2 Weglassen von Stationen unter orographischen Aspekten
Ziel dieser Arbeit ist es, eine zweidimensionale Erkenntnis über Bewölkungsstrukturen zu
gewinnen. An verschiedenen Stationen im Flachland sind weitgehend einheitliche
Verhältnisse gewährleistet. Die Bewölkungssituation im Gebirge kann aber eine ganz andere
sein. Insbesondere ist es denkbar, dass ein Berg aus einer Wolkendecke herausragt, also
sich die Bergmessstation über den Wolken befindet. Für die Belange des Strassenwetters ist
eine solche Station unerheblich; für die Darstellung einer homogenen Situation ist die Zusatzinformation
sogar ungeeignet. Deshalb wird auf die Verwendung von Berg- und Passstationen
im weiteren Verlauf verzichtet. In den Stationstabellen in Anhang B sind insgesamt elf solche
Stationen gesondert gekennzeichnet.
- 40 -

Abbildung 3.4: Karte des Untersuchungsgebiets in der Nord- und Zentralschweiz (kleiner Bereich, innerhalb
des schwarzen Quadrates in Abbildung 3.3).
Die Hauptkämme der Alpen bilden auch eine Wetterscheide. Der Wettercharakter und
damit die Bewölkung kann im Tessin oder im Wallis vollkommen anders sein als im
Schweizer Mittelland. Zum einen können tiefe Wolken die Alpen nicht überqueren, zum
anderen herrscht gelegentlich Föhn, der meist (wenn auch nicht immer) mit Wolken auf der
einen und klaren Verhältnissen auf der anderen Seite der Alpen verbunden ist (Burri et al.
1999).
Die Bewölkung spiegelt also häufig orographische Verhältnisse wider, die nichts mit
Advektion zu tun haben. Es liegt deshalb nahe, sowohl die tessiner Stationen als auch die
Stationen im Wallis, im Hochrheintal und auf den Pässen der Alpen nicht mit den restlichen
Stationen zusammen zu betrachten. Einen ähnlichen Ansatz wählen auch Schmid und Mathis
(2004). Die 24 ANETZ- und einige meteomedia-Stationen in den genannten Gebieten werden
im Weiteren nicht mehr berücksichtigt. In den Stationstabellen in Anhang B sind sie
entsprechend gekennzeichnet.
3.2.3 Gebietswahl
Die Stationen der drei Netze sind ungleichmässig über die Schweiz verteilt. Ein Grund
dafür ist sicher die hohe Anzahl von Stationen im Kanton Luzern durch das dortige Strassenwettermessnetz.
Jenseits der schweizer Grenzen sind Stationen nur in Süddeutschland
verfügbar, nicht aber in den angrenzenden Regionen Frankreichs. Alle Stationen in den
Hochalpen und südlich der Alpen wurden im vorhergehenden Abschnitt von der Verwendung
ausgeschlossen, wobei die entsprechende Linie nicht exakt in Ost-West-Richtung verläuft,
sondern eher von Westsüdwest nach Ostnordost. Sowohl im Südosten der Schweiz als auch
nordwestlich der schweizer Grenze ergibt sich damit ein Bereich ohne jede Station.
Es ist nicht einfach, aus der verbleibenden Stationsverteilung einen rechteckigen, möglichst
grossen und homogen besetzten Bereich auszuwählen. Abbildung 3.3 stellt eine Möglichkeit
dar. Das Gebiet umfasst 200 × 200 km 2 und beinhaltet 107 Stationen. Die Aufteilung auf die
- 41 -

Stationsnetze ist Tabelle 3.3 zu entnehmen (mittlere Zahl in der Spalte „Stationen“). Leider
ergeben sich sowohl im Nordwesten (Frankreich) als auch im Südosten (Wallis, Tessin,
Graubünden) Bereiche ohne Stationen, in denen dann auch keine Interpolation möglich ist.
Mit Blick auf die Interessen im Kanton Luzern bietet sich deshalb die weitere Einschränkung
des Bereichs auf nur noch 100 × 100 km 2 an. Das kleinere Gebiet ist in Abbildung 3.3 durch
ein schwarzes Quadrat markiert und in Abbildung 3.4 detailliert dargestellt. Es beinhaltet
immerhin noch 70 Stationen, 13 aus dem ANETZ, 52 vom Luzerner Strassenwetternetz und 5
der meteomedia ag. Die Verteilung der Stationen ist nun einigermassen homogen, und das
Gebiet umfasst neben dem Kanton Luzern auch die schweizer Grossstädte Bern, Basel und
Zürich. In den die Karte umgebenden Gebieten stehen genügend Stationen zu Verfügung, um
eine Interpolation von Werten bis zum Kartenrand zu gewährleisten.
Die letztlich in dieser Arbeit verwendbaren 107 Stationen sind in den Tabellen in Anhang B
dadurch hervorgehoben, dass sie nicht kursiv gesetzt sind. Ob sie im kleinen Gebiet liegen, ist
ebenfalls angegeben.
3.3 Niederschlagsmessung mit Radar
3.3.1 Das Wetterradar
Vornehmlich zu militärischen und aeronautischen Zwecken wurde in den dreissiger Jahren
des 20. Jahrhunderts ein Verfahren entwickelt, das mit aktiv ausgesendeten elektromagnetischen
Wellen Objekte in der Atmosphäre erkunden kann. Dieses »Radiowave
Detection and Ranging System« (Radar) detektierte 1941 erstmals auch Niederschlagsstrukturen
und wurde nach dem Zweiten Weltkrieg zu einer vielfach verwendbaren
Messmethode der Meteorologie ausgebaut (Doviak und Zrni 1993). Heute sind Regenradare
weltweit operationell im Einsatz und liefern wichtige Informationen über den aktuellen
Niederschlag.
Radarprinzip
Das Radar ist ein Gerät zur aktiven Fernerkundung der Atmosphäre. Seine Antenne sendet
für ein kurzes Zeitintervall eine elektromagnetische Welle in eine möglichst genau definierte
Richtung aus. Durch Niederschlagsteilchen oder andere in Senderichtung befindliche Objekte
wird ein Teil der abgestrahlten Energie zurückgestreut, von der Radarantenne aufgefangen
und registriert. Der zeitliche Abstand zwischen der Pulsaussendung und dem Empfang des
rückgestreuten Signals gibt Auskunft über die Entfernung des rückstreuenden Objekts vom
Radar.
Frequenzwahl
Die Wahl der Frequenz entscheidet über die minimale Grösse der gerade noch sichtbaren
Teilchen und über die maximal mögliche Distanz einer Messung. Dabei gilt leider, dass kleine
Teilchen erst bei kleinen Wellenlängen und damit hohen Frequenzen sichtbar werden. Bei
kleinen Wellenlängen reduziert sich aber die maximale Messweite wegen grösserer
Dämpfungseffekte. Regenradare werden teilweise im X-Band (2.5 bis 4 cm), meistens aber
im C-Band (4 bis 8 cm) oder S-Band (8 bis 15 cm) betrieben, Wolkenradare im K-Band (0.3
bis 2.5 cm) (Rinehart 1991).
- 42 -

Bezeichnung der Winkel und Scanmuster
Zur genauen Bestimmung eines Messpunkts im Raum sind zusätzlich zur Entfernung zum
Radar zwei Winkelangaben erforderlich. Der erste Winkel ist der Elevationswinkel . Er
beträgt bei horizontaler Blickrichtung 0°; blickt das Radar genau in den Zenit beträgt er 90°.
Der Azimutwinkel ¡ gibt die Himmelsrichtung der Messung an. Er variiert von 0° (Blick nach
Nord), über 90° (Ost), 180° (Süd) und 270° (West) zurück zur Nordrichtung. Die Winkel sind
graphisch in Abbildung 3.5 erläutert. Sie geben immer die Mitte des vom Radar
ausgeleuchteten Raumwinkels ¢ an.
Strahlausbreitung
Bei der Ausbreitung eines elektromagnetischen Strahls in der Atmosphäre müssen zwei
Effekte berücksichtigt werden: die Krümmung der Erdoberfläche und die vertikale Änderung
des Brechungsindexes der Luft. Die Erde hat annähernd die Gestalt einer Kugel vom Radius
RE. Es sei nun hradar die Höhe des Strahlers über der Erdoberfläche und d der Abstand von
der Radarantenne. Dann ergibt sich die Höhe h eines unter dem Elevationswinkel
ausgesendeten Strahls über der Erdoberfläche zu
h £ d¤¦¥¨§ R E ©
© d 2
Die sich durch die Erdkrümmung ergebende Messhöhe über Grund ist also problemlos
berechenbar (Doviak und Zrni 1993). Dagegen variiert der Brechungsindex der Atmosphäre
mit Druck, Temperatur und Gaszusammensetzung. Ein elektromagnetischer Strahl wird zur
Erde hin gebrochen, was qualitativ einer Erhöhung des Erdradius entspricht. Wird RE durch
einen schichtungsabhängigen Äquivalentradius Re ersetzt, so kann Gleichung (3.1)
approximativ weiter verwendet werden. Für radarmeteorologische Anwendungen stellt
R e
4
3 R E eine gute Näherung dar.
R E © h radar 2
Abbildung 3.5: Verhältnisse und Winkel am Radar.
- 43 -
© 2 d R E © h radar sin . (3.1)

Haupt- und Nebenmaxima
Weder strahlt das Radar elektromagnetische Wellen gleichmässig noch in einen streng
definierten Raumwinkel ab. Die Radarantenne sendet (und empfängt) vielmehr Strahlung in
den (und aus dem) ganzen Raum, allerdings mit einem Hauptmaximum in der gewünschten
Messrichtung. Ausserdem gibt es Nebenmaxima (Nebenkeulen), deren abgestrahlte
Leistungen Pn bauartbedingt zwei bis drei Grössenordnungen unter der Leistungsspitze P0
der Hauptkeule liegen (Skolnik 1980).
Unter der Halbwertsbreite der Radarantenne wird der Winkelbereich verstanden, in dem
die Leistung der Hauptkeule auf P0/2 abgefallen ist. Das bedeutet, dass die Hälfte der
empfangenen Information aus dem entsprechenden Raumwinkelsegment stammt, die andere
Hälfte aus dem verbleibenden Restraum. wird auch als Full-width-at-half-maximum-Winkel
(FWHM-Winkel) bezeichnet.
Die Radargleichung
Ziel jeder Radarmessung ist es, einen Zusammenhang zwischen der am Radar
empfangenen rückgestreuten Leistung und einer Grösse herzustellen, die über die im
Messvolumen vorhandenen Rückstreuer informiert. Dies bewerkstelligt die Radargleichung,
die von Doviak und Zrni (1993) ausführlich hergeleitet wird. Für die empfangene Leistung Pr
lautet sie:
P ¡ c r ¢ R
Dabei ist d der Abstand zum k¥¤ Radar, ist eine Funktion des komplexen Brechungsindex
der gemessenen Teilchen, und cR ist die Radarkonstante, in die unter anderem die
abgestrahlte Leistung P0, der Antennengewinn gA, die ¦ Wellenlänge , die Pulslänge lPuls, und
der Öffnungswinkel des Radars eingehen. Die Radarreflektivität
§ ¨ 1
6
Z D i
V i© V
k
£ 2 £
2 ¢ Z . (3.2)
d
gibt die volumengemittelte sechste Potenz der Teilchendurchmesser Di aller i Teilchen im
Messvolumen wieder. Sie hat die Dimension mm 6/m 3 und wird als logarithmische Grösse
meist in dB angegeben.
Bei der Herleitung der Radargleichung wird angenommen, dass die Objekte isotrop
rückstreuende Kugeln mit Durchmesser D i (Rayleigh-Approximation) und homogenem
Brechungsindex sind und der Rückstreuquerschnitt im Volumen konstant ist. Die
Nebenkeulen werden vernachlässigt. Dämpfungseffekte sind nicht berücksichtigt. Obwohl
jede dieser Annahmen nur approximativ (und selbst dann nicht immer) gültig ist, stellt die
Radargleichung einen hinreichend genauen Zusammenhang zwischen der rückgestreuten
Leistung und der atmosphärischen Grösse Radarreflektivität her.
Dopplermessungen
Neben dem Anteil der zurückgestreuten Energie können viele operationelle Wetterradare
auch deren Wellenlänge messen und mit der ausgesandten Wellenlänge vergleichen. Die
Verschiebung gibt nach dem Dopplerprinzip Auskunft über die mittlere Geschwindigkeit der
rückstreuenden Teilchen in Strahlrichtung (Wüest 2001).
- 44 -
(3.3)

Scanmuster
Eine Abtastung der Atmosphäre in mehrere Strahlrichtungen bei nahezu kontinuierlicher
Änderung eines Winkels, wird als Scan bezeichnet. Beim Elevationsscan oder RHI (Range-
Height Indicator) wird bei einem festen Azimutwinkel gemessen, der Elevationswinkel wird in
kleinen Schritten erhöht. Der Azimutscan oder PPI (Plan Parallel Indicator) erfüllt die
umgekehrten Bedingungen; bei einem festen Elevationswinkel wird in alle Azimutrichtungen
gemessen. So entsteht ein zweidimensionales Bild der rückgestreuten Leistung. Werden in
schneller Folge mehrere PPIs bei verschiedenen Elevationswinkeln aufgenommen, so spricht
man von einem Volumenscan.
3.3.2 Systematische Schwierigkeiten der Radarmessung
Radarmessungen liefern effizient und auf verhältnismässig einfacher Grundlage
Informationen über den Zustand der Atmosphäre. Leider sind diese Informationen aber
teilweise qualitativ oder quantitativ falsch. Qualitative Fehler ergeben sich meist aus der
Messmethode, quantitative aus den Vereinfachungen beim Herleiten der Radargleichung.
Strahlausbreitung und räumliche Gültigkeit der Messungen
Wie bereits beschrieben, weist der Radarstrahl Haupt- und Nebenmaxima auf. Das
Messvolumen ergibt sich damit ungefähr als Kegelstumpf mit Öffnungswinkel und einer der
halben Pulslänge entsprechenden Höhe. Mit zunehmender Entfernung zum Radar kommt die
rückgestreute Information also aus einem immer grösser werdenden Messvolumen in der
Atmosphäre. Die radialen Daten mit ihren unterschiedlichen Grundflächen werden aber meist
auf ein regelmässiges Gitter interpoliert, bei dem jeder Wert ein quadratisches Gebiet
repräsentieren soll. In der Nähe des Radars werden so mehrere Messvolumina zu einer
Information zusammengefasst, in grösserer Entfernung fliesst das Resultat jeder Messung in
mehrere Pixel ein.
Clutter
Oft wird ein Teil des Radarstrahls an einem nichtmeteorologischen Objekt reflektiert. Das
Signal wird als Clutter bezeichnet. Beweglicher Clutter tritt zum Beispiel bei Flugzeugen,
Vogelschwärmen oder Insekten auf (Koistinen 2000). Er spielt im Vergleich zum Festziel-
Clutter aber eine untergeordnete Rolle. Wegen der räumlichen Ausdehnung der Objekte ist es
meist ausreichend, dass ein Festziel von einem Nebenmaximum getroffen wird. Beispiele für
Festziele sind Berge, Hochhäuser, Sendemasten, Schornsteine und sogar Bäume. Das
Clutter-Signal überlagert sich mit dem Niederschlag, tritt aber auch im niederschlagsfreien
Radarbild auf.
Zur Korrektur des Clutters gibt es mehrere etablierte Methoden. Ein einfaches, doch sehr
effektives Verfahren ist die Cluttermap, bei der der mittlere Clutter im niederschlagsfreien Fall
von allen Bildern abgezogen wird (Meetschen 1999). Oft macht man sich auch die Dopplermessungen
zu Nutze, da sich Festziele im Gegensatz zum Niederschlag nicht bewegen
(Saltikoff et al. 2004).
Abschattung
Wird der Radarstrahl ganz oder teilweise an einem Festziel reflektiert, dann wird der
dahinter liegende Bereich abgeschattet. Eindeutig zu identifizieren ist Totalabschattung, die
vor allem bei kleinen Elevationswinkeln im Gebirge vorkommt (Held und Joss 1994). Für die
schweizer Radare zeigt Abbildung 3.6 die Regionen, die bei einer Elevation von 1.5° nicht
- 45 -

(oder nicht total) abgeschattet sind. Sie können mit der Temperatur- und Feuchteschichtung
der Atmosphäre noch geringfügig variieren.
Dämpfung
Luftmoleküle, besonders aber die Hydrometeore von Starkniederschlagsereignissen,
dämpfen den Radarstrahl und somit das Rückstreusignal aus entfernteren Bereichen des
Messgebietes. Mit geeigneten Annahme kann die Dämpfung entlang eines Radarstrahls zum
Teil korrigiert werden (Bagdon 2000, Grimbacher 2001).
Messungen in grosser Höhe
Das Radar misst die atmosphärische Situation in einer elevations- und entfernungsabhängigen
Höhe über Grund. Auf den Niederschlag am Boden wird also aus Beobachtungen
geschlossen, die teilweise hoch in der Atmosphäre stattfinden. Auf dem Weg von der
Messung der Teilchen in einer gewissen Höhe zum Boden, können sich aber noch
wesentliche (Niederschlags-)Prozesse abspielen (Hansson und Michelson 2000).
Niederschlagspartikel können nach ihrer Messung in der Höhe horizontal verlagert werden.
Sie erreichen dann den Boden unter einem benachbarten Volumen. Denkbar ist auch, dass
Schnee- und Eiskristalle schmelzen oder ein Teil des Niederschlags verdunstet; im Extremfall
erreicht er den Boden überhaupt nicht. Umgekehrt kann sich die Niederschlagsmenge durch
Sublimation oder andere niederschlagsgenetische Prozesse erhöhen. In den Auf- und
Abwindschläuchen konvektiver Wolken fallen Regentropfen nicht nur nach unten, sondern
werden auch nach oben transportiert. Dagegen befinden sich stratiforme Wolken mit geringer
vertikaler Auflösung teils komplett unterhalb des Strahls.
Schnee
Die Annahme einer homogenen Kugelgestalt, die zur Herleitung der Radargleichung
getroffen wurde, mutet für Schneekristalle absurd an. Noch entscheidender ist allerdings der
geänderte Brechungsindex von Eis. Er führt zu einer Unterschätzung des Niederschlags: Bei
gleicher Intensität liegt die Rückstreuung von Regen etwa fünfmal so hoch wie diejenige von
Schnee, was 7 dBZ entspricht (Meetschen 1999).
Bright band
In den mittleren Breiten entsteht fast der komplette Niederschlag als Schnee und Eis.
Wenn der Niederschlag am Boden als Regen fällt, schmilzt er erst auf dem Weg nach unten.
Diese Schmelzschicht wird in der Radarmeteorologie als Bright band bezeichnet, und
zeichnet sich als Schicht erhöhter Reflektivität aus. Eisteilchen beginnen in der Schmelzschicht
von aussen her zu schmelzen und nehmen sehr rasch die Reflektionseigenschaften
von Wassertropfen an. Zuerst behalten sie aber fast vollständig ihr grösseres Volumen. Da
das Radar nicht in die Tropfen hineinsehen kann, um zu beurteilen, wie viel Eis noch
vorhanden ist, respektive weil die Radargleichung unter der Annahme homogener
Wasserkugeln formuliert wurde, wird der tatsächliche Wassergehalt innerhalb der
Schmelzschicht überschätzt.
Bei grossflächigen Niederschlagsgebieten besteht ein relativer Vorteil gegenüber anderen
Fehlerquellen in der einfachen Erkennbarkeit des Bright band. Da der Radarstrahl
richtungsunabhängig in etwa der selben Entfernung die Schmelzschicht quert, ist das Bright
band als konzentrischer Ring erhöhter Reflektivität im PPI sichtbar. Die Annahme eines
tatsächlich sichel- oder ringförmigen Niederschlagsgebiets ist dagegen meteorologisch nicht
zu rechtfertigen, was eine operationelle Korrektur der Fälle mit deutlichem Bright band
möglich macht (Held und Joss 1994). Bei einzelnen, konvektiven Zellen lässt sich weit
- 46 -

weniger einfach entscheiden, ob eine im Bright band begründete Überschätzung des
Niederschlags vorliegt oder nicht.
Radarausfall
Der sicherlich massivste Typ von Fehlinformation durch Radar ist eine Übermittlung von
Radarbildern bei ausgeschaltetem Radar. So wurde dem Strasseninspektorat des Kantons
Luzern eine niederschlagsfreie Atmosphäre suggeriert, obwohl eine Schneefront im Anzug
war (Mathis 2004). Schmid (2000) kennzeichnet deshalb seine operationellen Bilder mit einer
Kennziffer für die im Betrieb befindlichen Radargeräte.
3.3.3 Radarreflektivität und Niederschlag
Bei einem Wetterradar interessiert meist nicht die Reflektivität der Niederschlagsteilchen in
den Wolken, sondern vor allem die tatsächliche Niederschlagsmenge am Boden. Diese lässt
sich aus der Struktur der regnenden Wolke abschätzen.
Tropfenspektren
Sowohl Wolken als auch Niederschlagsereignisse enthalten Tropfen unterschiedlichster
Grösse. Sie bilden einerseits als fallende und schliesslich auftreffende Hydrometeore die
Niederschlagsmenge am Boden, andererseits geben sie über ihre Querschnittsfläche
Auskunft über die Radarreflektivität. Die Kenntnis von Anzahl und Grösse der Tropfen ist also
von grosser Bedeutung bei der Formulierung eines Zusammenhangs zwischen Radarreflektivität
und Niederschlagsmenge.
Das Tropfenspektrum kann mit Hilfe eines Distrometers gemessen werden, allerdings nur
punktuell und mit hohem Aufwand (Hacker 1996, Joss und Germann 2000). Dabei zeigt sich,
dass das Tropfenspektrum von Fall zu Fall stark variiert. Diesem Dilemma von hoher
Relevanz und grosser Unsicherheit versucht man nun durch sehr grobe Verallgemeinerungen
zu entkommen.
Eine erste Parametrisierung des Tropfenspektrums n(D) stammt von Marshall und Palmer
(1948). Sie formulierten einen exponentiellen Zusammenhang zwischen der Regenrate R in
mm/h, einem Tropfendurchmesser D in mm und der zugehörigen Anzahl von Tropfen n(D)
pro m 3 pro mm:
n D¡£¢ n 0 ¤ exp ¥§¦©¨ R ¡ ¤ D , (3.6)
mit (R) = 4.1 R -0.21 (h/mm) -0.21 mm -1 und der spektralen Anzahldichte n0 = 8 · 10 3 m -3 mm -1 .
Viele weitere Parametrisierungen orientieren sich an der Gamma-Verteilung, die auch die
Anzahl kleiner Tropfen adäquat berücksichtigen soll (z.B. Ulbrich 1983). Allen Ansätzen
gemeinsam bleibt, dass sie die vielfältige Wirklichkeit natürlicher Tropfenspektren nur
ungenau beschreiben können.
Zusammenhang von Radarreflektivität und Niederschlagsrate (Z-R-Beziehung)
Unter Verwendung des Tropfenspektrums n(D) lässt sich die in Gleichung (3.3) als Summe
über die sechste Potenz der Tropfendurchmesser D eines Volumens definierte Radarreflektivität
Z integral schreiben als
Z
0
n D D 6 dD . (3.7)
- 47 -

Wird ein exponentielles Tropfenspektrum wie jenes von Marshall und Palmer (1948)
eingesetzt, so ist das Integral analytisch lösbar und führt zu einem Zusammenhang der
Gestalt
Z ¡ a ¢ R b . (3.8)
Diese Gleichung wird im Allgemeinen als die Z-R-Beziehung bezeichnet. Sie ist als
Zahlenwertgleichung zu verstehen, in die R in mm/h einzusetzen ist, um Z in mm 6 /m 3 zu
erhalten und umgekehrt. Ihre Parameter a und b hängen vom Tropfenspektrum ab und sind
damit im einzelnen Fall genauso ungewiss. Sie werden gemäss lokaler Gegebenheiten so
festgelegt, dass sie die Gesamtheit der Niederschlagsereignisse und deren Tropfenspektren
einigermassen gut widerspiegeln.
Setzt man die Werte der Tropfenverteilung nach Marshall und Palmer (1948) in Gleichung
(3.7) ein, so ergeben sich a = 296 und b = 1.47. In der Radarmeteorologie wird aber ein
anderes Wertepaar als Marshall-Palmersch bezeichnet: a = 200 und b = 1.6. Eine gute
Auswahl anderer Werte und deren Herkunft liefert Meetschen (1999). Die Werte liegen oft
nahe beieinander. So verwendet der DWD b = 1.42, die MeteoSchweiz empfiehlt b = 1.5. Der
Parameter a ist eher unkritisch. Sein linearer Einfluss wirkt unabhängig von der
Niederschlagsintensität und ist auch im Nachhinein problemlos skalierbar (Joss und Germann
2000).
Schnee
Wie bereits erwähnt, liefert die Messung von Schneekristallen eine vergleichsweise
niedrige Reflektivität. Zur Berechnung von Schneefällen wurden deshalb separate Z-R-
Beziehungen erstellt, z.B. Z = 1780 · R 2.21 (Doviak und Zrni 1993). Sie können allerdings nur
zum Einsatz kommen, wenn der Aggregatzustand im Messvolumen bekannt ist, was
operationell schwer realisierbar ist.
Vergleich mit Regenwippen
Die Notwendigkeit, Radarreflektivitäten in Niederschlagsmengen umzurechnen tritt v.a. dort
auf, wo ein Vergleich (oder die Vergleichbarkeit) mit anderen Regenmessungen angestrebt
wird. Die klassische Form der Niederschlagsmessung erfolgt mit einem Messzylinder oder
einer Regenwippe mit einer typischen Auffangfläche von 200 cm 2 . Bei der Regenwippe
beträgt die Auflösung typischerweise 0.1 mm (Kraus 2000). Einige Fehlerquellen liegen auf
der Hand, z.B. können Niederschlagsmengen unter 0.1 mm nicht oder nicht vollständig
registriert werden. Ein vom eigentlichen Messgerät völlig unabhängiges Problem besteht in
der fehlenden Repräsentanz einer Wippe für ein grösseres Gebiet. Damit liefern die Regenwippen
zwar genaue Informationen über die Niederschlagsverhältnisse an einem Punkt, sind
aber nur bedingt auf ein umgebendes Gebiet übertragbar. Andererseits gibt das Regenradar
Aufschluss über den mittleren Niederschlag über einer grossen Fläche. Eine exakte
Übereinstimmung von Radar- und Wippenwerten ist nicht zu erwarten, ein Mengenverhältnis
zwischen Radar und Wippe von 0.7 bis 0.8 gilt oft schon als gutes Ergebnis (z.B. Joss und
Germann 2000, Grimbacher 2001).
- 48 -

Abbildung 3.6: Sichtfeld der drei schweizer Dopplerradare bei einer Elevation von 1.5°. Dunkelgrau: von
mehreren Radaren sichtbar, hellgrau: von einem Radar sichtbar, weiss: nicht sichtbar (nach Wüest 2001).
3.3.4 Die Wetterradare der MeteoSchweiz
Seit den frühen 1980ern betreibt die MeteoSchweiz ein Netz von Radargeräten. Die
aktuellen Geräte auf dem Albis bei Zürich, dem La Dôle bei Genf und dem Monte Lema im
Tessin wurden zwischen 1993 und 1995 installiert. Die Standorte sind in Abbildung 3.6 durch
Dreiecke gekennzeichnet, die Koordinaten finden sich in Tabelle B.4 im Anhang. Ein viertes
Radar in der Schweiz wird vom Institut für Atmosphäre und Klima der ETH Zürich betrieben
und hauptsächlich zu Forschungszwecken eingesetzt (Wüest 2001).
Alle drei Radare der MeteoSchweiz arbeiten im C-Band bei einer Frequenz von 5.44 GHz.
Sie sind dopplerfähig, haben einen FWHM-Öffnungswinkel von 1° und machen 6
Umdrehungen pro Minute. Dadurch ist es möglich, alle 5 Minuten einen vollständigen
Volumenscan mit 20 Elevationen durchzuführen. Die Elevationswinkel liegen zwischen -0.3°
und 40°. Eine negative Elevation ist möglich (und sinnvoll), da alle Radare auf Bergen
montiert sind.
Bei tiefen Elevationen sind weite Teile der Alpen von einem oder sogar allen Radaren aus
abgeschattet. In Abbildung 3.6 ist der sichtbare Bereich bei 1.5° Elevation dargestellt. Die
maximal gezeigte Strahlweite in der Abbildung beträgt 130 km, was einer maximalen Höhe
von 5500 bis 6000 Metern über NN entspricht.
Um Informationen über den Niederschlag in den Alpen zu bekommen, ist es sinnvoll und
notwendig, auch Scans bei grösseren Elevationen mitzuberücksichtigen. Andererseits ist die
Verwendbarkeit von Radarreflektivitäten in 6000 m Höhe im Lichte des bisher gesagten eher
fragwürdig. Das Problem wird durch eine geeignete Kombination der Messungen reduziert.
Mit zunehmender Entfernung verwendet man PPI-Scans unter immer geringeren Elevationswinkeln,
aber in etwa konstanter Höhe über NN. Solche Bilder werden mit Constant Altitude
PPI (CAPPI) bezeichnet.
- 49 -

Die MeteoSchweiz erstellt darüber hinaus ein Produkt, das aus den verschiedenen Scans
jeweils die maximale Reflektivität über einem Punkt darstellt, das sogenannte Max-CAPPI.
Vorgängig werden Clutter (mit Hilfe der Dopplermessungen), ein allfälliges Bright band und
einige weitere Fehlerquellen beseitigt (Held und Joss 1994). Das Max-CAPPI enthält
Informationen in einer Auflösung von 2 × 2 km 2 . Die Reflektivitätswerte sind auf 16 Intensitätsklassen
reduziert dargestellt.
3.3.5 Verwendete Niederschlagsklassen
Am Radargerät wird der in einem relativ gut bekannten Volumen über dem Boden
zurückgestreute Teil der Sendeleistung gemessen. Er lässt sich in die Radarreflektivität Z
umrechnen, die wiederum mit der Niederschlagsintensität R zusammenhängt. Leider geht die
Umrechnung von Annahmen aus, die nicht immer erfüllt sind, der Zusammenhang ist vage.
Zudem reduziert die MeteoSchweiz in ihren Max-CAPPI-Bildern die Messungen auf 16
Reflektivitätsklassen. Solche Bilder finden in dieser Arbeit Verwendung.
Eine Reduktion auf wenige Intensitätsklassen macht aufgrund der relativ losen
Zusammenhänge durchaus Sinn. Schmid et al. (2002) reduzieren weiter, und unterteilen nach
dem vorherrschenden Niederschlagscharakter respektive seiner Gefährlichkeit in sechs
Klassen von trocken über leichten, mittleren und starken Niederschlag bis zum Extremniederschlag,
bei dem Hagel wahrscheinlich ist. Eine sechste Klasse ergibt sich dabei
überraschend zwischen trocken und leichtem Niederschlag. Hier werden vom Radar oft
geringe Reflektivitäten gemessen, die von grossen Wolkentropfen herrühren. Der
entstehende Niederschlag ist also schon erkennbar, bevor er den Boden erreicht. Diese
Klasse wird mit „noch trocken“ bezeichnet.
Eine solche Klassifizierung erleichtert auch die graphische Darstellung einer Situation. Sie
kommt deshalb in dieser Arbeit zum Einsatz. Da Hagel im Winter kaum auftritt und die
häufige Messung von Schnee die Reflektivitäten senkt, erfolgt eine leicht andere Einteilung
der Klassen. Die Benennung der fünf Niederschlagsklassen mit extremem, starkem,
mässigem, leichtem und noch keinem Niederschlag bleibt aber identisch. Die 16
„ursprünglichen“ Reflektivitätsklassen der MeteoSchweiz, deren ungefähre Niederschlagsmenge
sowie die Einteilungen von Schmid et al. (2002) und dieser Arbeit sind in Tabelle A.2
im Anhang zusammengefasst.
- 50 -

4 Eine Methode zur Bestimmung der Bewölkungssituation
4A. Theorie
Die bisher beschriebenen Messwerte, ihre zeitliche Veränderung und wechselseitige
Beziehung, hängen in verschiedener Weise mit der Bewölkungssituation zusammen. Auf der
klimatologischen Skala gilt, dass Lufttemperatur, Bedeckungsgrad und solare Einstrahlung
gut korrelieren (Sinik 1992). Bei kurzfristigen Betrachtungen spielt aber auch die Advektion
von unterschiedlich warmer und feuchter Luft eine Rolle. Ebenso wirkt sich nicht jede Wolke
gleich aus.
Physikalisch fundiertes Bindeglied zwischen Wolken, (Temperatur-)Messungen in
Bodennähe und Advektion ist die Energiebilanzgleichung. Im allgemeinen Fall lautet sie an
der Erdoberfläche
Q H E B ¡ 0 . (4.1)
Dabei bezeichnet Q die Globalstrahlung, also die Summe aller lang- und kurzwelligen
Strahlungsflüsse, H und E sind die turbulenten Flüsse fühlbarer bzw. latenter Energie, und B
beschreibt den Bodenwärmestrom aus den oberen Erdschichten. Jeder dieser Terme hat
seine Bedeutung für die Wolkenbestimmung und wartet mit eigenen theoretischen,
methodischen und messtechnischen Besonderheiten auf. Erst nach einer eingehenden
theoretischen Analyse können sie sich also zu einem Diagnosemodell einer Bewölkungskennzahl
formen.
4.1 Strahlungsbilanz
4.1.1 Globalstrahlung
Gemäss dem Gesetz von Stefan-Boltzmann strahlt jeder Körper pro Zeit- und
Oberflächeneinheit eine Energiemenge ab, die von seiner Temperatur T abhängt. Mit der
Stefan-Boltzmann-Konstanten ¢ = 5.67·10 -8 W/m 2 /K 4 und der Albedo £ lautet diese
Strahlungsflussdichte Qs im Allgemeinen
Q 1 §©¨
4
T .
¤¦¥
s
(4.2)
Die Albedo £ hängt von der Wellenlänge der Strahlung ab. Ist £ 0, so spricht man von
einem schwarzen Strahler. Ist 0 < £ ¡ 1, bezeichnet man den Strahler als grau. Er strahlt dann
weniger Energie ab, als seiner Temperatur entsprechen würde.
- 51 -

Jeder schwarze Strahler sendet Energie in allen Wellenlängen ¦ und in alle Richtungen.
Diese Strahlungsverteilung beschreibt das Plancksche Strahlungsgesetz. Mit Planck-
Konstante , Lichtgeschwindigkeit c, Boltzmann-Konstante kB und Strahltemperatur T gilt für
die wellenlängenabhängige Strahldichte J(¦ , T)
©
J ¢¥¤ ,T ¦
J §
¡£¢¥¤ ,T ¦¨§
©
¤ ¤ 5
c
exp
2 1 . (4.3)
k T ¤
B
Ihr Maximum hängt stark von der Temperatur des Strahlers ab; je heisser der Körper, desto
kleiner die Wellenlänge des Verteilungsmaximums. Entsprechend ist der am Rand des
Wellenlängenspektrums abgestrahlte Energieanteil verhältnismässig gering. Die Integration
von ¢ Gleichung (4.3) über ¦ einen Halbraum und alle Wellenlängen führt zu Gleichung (4.2):
Q s §
0
J d d §
c 2
0
J d § T 4 . (4.4)
Eine ausführliche Herleitung findet sich z.B. bei Kraus (2000).
Die Globalstrahlung Q beschreibt nun die Summe der zu einem Zeitpunkt durch Strahlung
durch eine parallel zur Erdoberfläche ausgerichtete Fläche transportierten Energie. Für
meteorologische Zwecke wird das Strahlungsspektrum dazu in einen kurzwelligen Bereich
(0.2 bis 5 m) und einen langwelligen Bereich (4 bis 100 m) unterteilt. Mit
Q K L L (4.5)
setzt sich die Globalstrahlung aus den kurzwelligen Strahlungsflüssen K K K und den
langwelligen Flüssen L und L zusammen.
4.1.2 Kurzwellige Strahlung
Die kurzwellige Strahlung umfasst nahezu die komplette Strahlung der Sonne, die
äquivalent eines schwarzen Strahlers mit Tsonne 6000 K strahlt. Da die Sonne keine feste
Oberfläche besitzt, ist Tsonne als mittlere Temperatur der Sonnenatmosphäre zu verstehen.
Bereits in der Sonnenatmosphäre, vor allem aber auf dem Weg durch die Erdatmosphäre,
werden aus der solaren Strahlungsverteilung einige Wellenlängenbereiche absorbiert. Auf
atomarer und molekularer Basis nutzen die vorhandenen Gase die Strahlungsenergie, um in
einen angeregten Energiezustand überzugehen, chemische Reaktionen durchzuführen oder
kinetisch beschleunigt zu werden. Dabei absorbiert jedes Atom und jedes Molekül bei
bestimmten Wellenlängen oder in Wellenlängenbereichen. Teilweise wird die absorbierte
Energie sofort wieder abgegeben, allerdings nicht in Richtung der solaren Strahlung sondern
isotrop. Dieser Effekt wird als Streuung bezeichnet.
Die nach Absorption auf der Erdoberfläche auftreffende kurzwellige Strahlung K setzt
sich also zusammen aus der direkten Sonneneinstrahlung und der diffusen (gestreuten)
Strahlung. Ein Teil der eintreffenden solaren Energie wird direkt wieder reflektiert:
K erde K . Dabei ist die Albedo £ erde der Erdoberfläche stark vom Untergrund, von
eventuellen Schneedecken oder Eisschichten (Sass 1992) und ggf. von der Vegetation
- 52 -
1

abhängig (Sinik 1992). Einige Formeln zur Berechnung der theoretischen K für einen
bestimmten Zeitpunkt und Ort finden sich bei Finch und Best (2004).
Die solare Strahlung wird auch von Wolken beeinflusst. Sie stellen, detailliert betrachtet,
eine Ansammlung kleiner fester oder flüssiger Oberflächen dar, an denen Strahlung
absorbiert und reflektiert, oder gebrochen und durchgeleitet wird. Insgesamt streuen Wolken
stark, aber wellenlängenunabhängig. Daher sind sie weiss. Sie lassen nur diffuse Strahlung
durch.
4.1.3 Langwellige Strahlung
Erdoberfläche und Atmosphäre emittieren Energie bei einer Temperatur Terde von
typischerweise 200 bis 350 K. Dies entspricht einem Maximum der Strahlungsverteilung bei
ca. 9 m; der weitaus grösste Teil der Strahlung liegt also im langwelligen Bereich. Können
Erdoberfläche und Wolken noch als graue Strahler mit einer Albedo £ 0 angesehen werden,
so strahlen die atmosphärischen Gase ihre Energie nur in gewissen Emissionsbanden ab. Die
Strahlungsreduktion im langwelligen Bereich wird als Emissivität ¡ bezeichnet. Gleichung (4.2)
lautet entsprechend
L ¡£¢¥¤ T 4 . (4.6)
Langwellige Ausstrahlung
Der Begriff der Ein- bzw. Ausstrahlung ist nur aus der Position der Fläche sinnvoll, die beoder
durchstrahlt wird. Als eine solche Fläche kann man sich z.B. den Oberrand der
Atmosphäre vorstellen. Dann muss im langwelligen Bereich genausoviel Energie ausgestrahlt
werden, wie an solarer Energie eingestrahlt wird. Andernfalls erwärmt sich das Gesamtsystem
Erde oder kühlt ab. Wasserdampf (H2O-Gas), Kohlendioxid (CO2) und einige andere Gase
haben im langwelligen Bereich breite Absorptionsbanden. Dadurch kann fast nur Strahlung
mit Wellenlängen zwischen 4 und 12 m (im sogenannten atmosphärischen Fenster) die Erde
verlassen.
Eine andere, in dieser Arbeit bedeutendere, Fläche ist die Erdoberfläche. Für die
langwellige Ausstrahlung gilt dort
L ¦
s
¤ T s 4¨ ¡ 1 ¢ ¢ s L ¡§¢ ¨
, (4.7)
wobei ¡ s die Emissivität und Ts die Temperatur der Erdoberfläche ist. ¡ s kann in brauchbarer
Näherung = 1 gesetzt werden (de Rooy und Holtslag 1999). Natürlich kann man Ein- und
Ausstrahlung auch an jeder anderen gedachten Fläche innerhalb der Atmosphäre bilanzieren.
Langwellige Einstrahlung ohne Wolken
Die auch atmosphärische Gegenstrahlung genannte langwellige Einstrahlung kommt bei
©
wolkenfreiem Himmel ( L
clear ) zu etwa 60% aus den untersten 100 Metern der Atmosphäre.
Zur Berechnung wird deshalb oft die Lufttemperatur T2m in 2 Metern über Grund verwendet:
§
Lclear clear
4
T 2m
. (4.8)
Allerdings ist bei Inversionswetterlagen Vorsicht geboten (Czeplak und Kasten 1987).
- 53 -

Die Emissivität ¡ clear bei klarem Himmel lässt sich am besten (Finch und Best 2004) mit der
Brutsaert-Formel (Brutsaert 1975) als Zahlenwertgleichung aus der Lufttemperatur T2m in K
und der Feuchte (Wasserdampfdruck) e2m in hPa zu
clear
¡ a ¢
e 2m
T 2m
b
bestimmen. Die Werte der Parameter a und b variieren in der Literatur. Zumeist wird b_=_1/7
¤
(Dürr und Philipona 2004) £
verwendet, a 0.4 ¥ ... 0.7 schwankt stationsabhängig (de Rooy
und Holtslag 1999, Marty und Philipona 2000). Da die Brutsaert-Formel nur den Effekt der
Wasserdampfes beschreibt, addieren Marty und Philipona (2000) für die anderen
emittierenden Gase noch stationshöhenabhängig 0.2 bis 0.23. Im Allgemeinen ist die langwellige
Einstrahlung ohne Wolken klein. Für T2m = 0°C und 80% Luftfeuchtigkeit ergibt sich
mit b = 1/7 und a = 0.5 nur ¡ eine Emissivität clear = 0.28.
Langwellige Einstrahlung mit Wolken
(4.9)
Mit Wolken ist die am Boden eintreffende langwellige Strahlung L cloudy bedeutend
grösser, da Wolken als graue Strahler mit einer Emissivität ¡ wolke und ihrer Temperatur Tcloud
strahlen. Allerdings hängt L cloudy stark von der Anzahl und Höhe der Wolken und ihrer
Beschaffenheit ab.
Zur Berechnung der langwelligen Einstrahlung mit Wolken L cloudy wird in der Literatur oft
auf den Zusammenhang
¦ L clear
§ L wolke
L coudy
(4.10)
zurückgegriffen. Meist wird dann eine Formel des Typs
¦ L ¨ §©
clear
L cloudy 1 N (4.11)
verwendet, in die der mit potenzierte Bedeckungsgrad N und eine lokale Variable eingeht.
Die Werte für variieren zwischen 1 und 3. hängt neben lokalen Gegebenheiten und der
verwendeten Einheit des Bedeckungsgrads oft von Wolkengattung und -höhe ab. Teilweise
wird der zweite Summand (für L wolke ) aufgeteilt und mit Wolkeninformationen in mehreren
Höhen und getrennten i berechnet (Czeplak und Kasten 1987, Ambrosetti 1991, Bogren
1991, Sinik 1992, de Rooy und Holtslag 1999). Andere Überlegungen mit
cloudy
clear 1 N (4.12)
folgen dem selben Muster, verwenden aber anstatt der Einstrahlung lieber die Emissivität
(Heitor et al. 1991, Jacobs und Raatz 1996, Finch und Best 2004).
4.1.4 Auswirkungen unterschiedlicher Strahlungsbedingungen auf bodennahe
Temperaturen
Wie wirken sich die Globalstrahlung Q respektive ihre Einzelterme auf die Temperaturen in
Bodennähe aus? Allgemein ist zuerst festzuhalten, dass für Q_ _0_W/m 2 die Energie
„irgendwo“ hingehen oder herkommen muss. Ein Energieüberschuss, z.B. tagsüber durch
- 54 -

Abbildung 4.1: Systematische Darstellung nächtlicher Strahlungsflüsse ( und ) bei bedecktem Himmel (linke
Bildhälfte) und ohne Wolken (rechte Bildhälfte), sowie schematische Darstellung des jeweils resultierenden
vertikalen Temperaturverlaufs.
solare Einstrahlung, führt zur Erwärmung der Erdoberfläche und der bodennahen
Luftschichten (Kraus 2000). Entsprechend spiegelt sich ein (nächtlicher) Energieverlust in
kühleren Temperaturen wider. Da in Kapitel 3.2 der Wirkungsbereich dieser Arbeit auf
Winternächte begrenzt wurde, können die weiteren Überlegungen auf nächtliche Fälle
beschränkt bleiben. Damit sind, nach Wegfall der solaren Strahlung, nur noch die langwellige
Ausstrahlung L und die atmosphärische Gegenstrahlung L relevant.
Die langwelligen Strahlungsflüsse und ihre Auswirkung an Bodenstationen sind in
Abbildung 4.1 für eine bedeckte und eine klare Nacht systematisch dargestellt. Die
langwellige Ausstrahlung L ist in beiden Fällen etwa identisch, da sie nur von der Ober-
flächentemperatur des Bodens Ts abhängt. Die atmosphärische Gegenstrahlung L ist im
bedeckten Fall ungefähr gleich gross wie L . Sie hängt im Wesentlichen von der Strahlungstemperatur
Tcloud und der Emissivität ¡ wolke ab. Im idealisierten Fall einer Wolkenschicht von 8
Achteln mit Tcloud_=_Ts stehen sich zwei Flächen identischer Temperatur gegenüber. Die
Globalstrahlung ist dann Q = 0 W/m 2 ; weder Wolke noch Untergrund verlieren oder gewinnen
Energie, Ts und Tcloud bleiben unverändert. Ein Temperaturgradient in der Luft zwischen
Boden und Wolke wird sich auflösen oder gar nicht erst einstellen.
©
Im wolkenfreien Fall ist die Gegenstrahlung L clear gering. Die Strahlungsbilanz wird
negativ, Q_

unverändert, im zweiten nehmen sie ab. Andererseits ergibt sich zuerst eine isotherme
Atmosphäre, dann aber ein klarer Temperaturgradient. Es unterscheiden sich also sowohl der
zeitliche Temperaturgradient an einem Ort als auch der vertikale (räumliche) Temperaturgradient
nach einiger Zeit.
Auch die Auswirkungen der drei Einschränkungen lassen sich qualitativ diskutieren. Andere
Bedeckungsgrade zwischen 0 Achteln und 8 Achteln stellen eine proportionale Mischung
zwischen klarem und bedecktem Himmel dar. Entsprechend sind die Temperaturgradienten
geringer als bei klarem Himmel. Abgesehen von Inversionen gilt Tcloud < Ts. Damit wird auch
im bedeckten Fall L L , und ein schwacher Temperaturgradient bildet sich aus.
Überlegungen zu turbulenten Prozessen sind schwierig. Bekanntermassen ist der turbulente
Energietransport oft deutlich grösser als jener durch Wärmestrahlung. Deshalb werden
turbulente Prozesse im weiteren Verlauf genau zu beachten sein. Es bleibt anzumerken, dass
sich der Bedeckungsgrad im Laufe einer Nacht durchaus ändert. Dies sollte sich dann in
entsprechenden Änderungen der Temperaturgradienten niederschlagen.
Sind die genannten Effekte räumlicher und zeitlicher Gradientenbildung beobachtbar?
Albisser (1983) und Bogren et al. (2001) untersuchen vertikale Temperaturdifferenzen T,
ersterer T = T2m – T0m, letztere T = T250cm – T10cm. Sie kommen jeweils zu dem Ergebnis,
dass bei stärkerer Bewölkung die Differenz kleiner wird, erkennen aber einen deutlichen
Einfluss des Windes (Turbulenz!). Der zeitliche Temperaturgradient in Abhängigkeit zur
Bewölkung ist in der Literatur nicht explizit untersucht worden.
Eine Aussage, welche Temperaturdifferenz am meisten über die Bewölkungsverhältnisse
aussagt, folgt aus dem einfachen Modell nicht. Dies lässt sich am besten durch einen
indirekten, statistischen Vergleich entscheiden. Der Vorschlag von Albisser (1983),
T = T0m – T-5cm zu wählen, scheint sinnvoll. Ebenso kommt aber z.B. T = T0m – T-5cm in
Frage. Der zeitliche Temperaturgradient sollte in Luft-, Gras- und Bodentemperatur
nachweisbar sein. Ein offener Punkt ist dabei der geeignete Zeitabstand zweier Messungen.
Unabhängig von der gewählten Temperaturdifferenz T ist auch die mathematische
Formulierung des Zusammenhangs mit der Bewölkung N offen. Sie kann von einem linearen
Ansatz (N = x1 + x2 · T) über ein Polynomen höherer Ordnung ( N ¡
Ordnungszahl ¦ = 2 oder mehr) bis zum Potenzgesetz N = a · T b reichen. Explizite
Untersuchungen folgen in Kapitel 4B.
4.2 Die weiteren Terme der Energiebilanzgleichung
4.2.1 Turbulenter Fluss fühlbarer Wärme
¢
¤
i £ 0
x i
¥ T i , mit
Für den Wärmetransport innerhalb der Atmosphäre sind massgeblich die turbulenten
Flüsse fühlbarer und latenter Wärme H und E verantwortlich. Anstatt wie bei der Strahlungsbetrachtung
zwei Körper nur über ihre Strahlung wechselwirken zu lassen, besteht in fluiden
Medien die Möglichkeit, Molekülpakete unterschiedlicher Temperatur wechselseitig zu
verlagern oder zu durchmischen, und so eine homogenere Temperatur zu erreichen.
- 56 -

Zur Bestimmung des turbulenten Flusses fühlbarer Wärme H sind der vertikale Gradient
der Temperatur T/ z und die Windstärke u massgeblich. Mit der Dichte ¡ , der spezifischen
Wärme cp und dem Transportkoeffizienten ¢ H gilt die Parametrisierung (Best 1998)
H ¡¤£ c p¥ H u
T
¦
. (4.13)
z
¦
In dieser Arbeit wird auf eine exakte Bestimmung des turbulenten Flusses fühlbarer Wärme
verzichtet. Qualitativ bleibt aber festzuhalten, dass sich die Windstärke entscheidend auf die
räumlichen und zeitlichen Gradienten bodennaher Temperaturen auswirkt.
In der Literatur wird oft eine Grenzgeschwindigkeit umin beschrieben, ab der sich die
Wirkung des Windes schlagartig verstärkt. Die typischen Zahlenwerte schwanken zwischen
1.5 m/s (Bogren et al. 2001) und 3 m/s (Best 1998). Bogren et al. (2001) weisen darauf hin,
dass der Wind in unterschiedlichen Höhen gemessen werden kann, und umin deshalb nicht
einheitlich sein muss.
Die qualitative Erklärung einer Grenzgeschwindigkeit umin hängt auch vom Untergrund ab
(Best 1998). Für eine Strasse gilt, dass bei zunehmender Windstärke u zwischen u = 0 m/s
und u = umin die zunehmende Turbulenz am Tag dem Boden Energie entzieht oder ihn am
Energiespeichern hindert. Die nächtliche Temperatur in Bodennähe ist entsprechend
niedriger. Für u > umin reduziert die zunehmende Turbulenz in der Nacht die Auskühlung des
Bodens. Über Gras sind die Effekte etwas anders, weil zuerst weniger Energie im Gras
gespeichert werden kann, ab umin die Turbulenz aber die Grastemperatur schneller an die
Lufttemperatur anpasst. In beiden Fällen kann erst bei u § umin der Durchmischungseffekt des
Windes richtig greifen.
4.2.2 Latente Energie
Der turbulente Fluss latenter Wärme E ist analog zum fühlbaren Wärmefluss H definiert.
Lediglich wird die Temperatur durch die Luftfeuchtigkeit (spezifische Feuchte q) ersetzt.
Gleichung (4.13) lautet entsprechend
E ¡¨£
©
E ¥ E u
q
¦
. (4.14)
z
¦
Dabei ist E die spezifische Verdampfungswärme. Die Transportkoeffizienten ¢ H und ¢ E der
turbulenten Flüsse H und E sind in guter Näherung identisch (Best 1998).
Auch der turbulente Fluss latenter Energie soll (und kann) in dieser Arbeit nicht explizit
berechnet werden. Allerdings ist sein Einfluss unter bestimmten Bedingungen quantifizierbar.
Anstelle einer direkten Berücksichtigung in der Energiebilanzgleichung ist es dann möglich,
gemessene Temperaturen so zu verändern, als wäre kein latenter Energietransport erfolgt.
Interessante Fälle sind alle mit Wasser oder Eis, sowie jene mit Regen.
Verdunstung und Taubildung
Ein feuchter oder nasser Untergrund kann zwei Ursachen unterschiedlicher Energieflussrichtung
haben. Zum einen kann Wasser nach einem Niederschlagsereignis nicht vollständig
abgeflossen sein. Es verdunstet und kühlt damit Luft und Boden ab (Best 1998). Zum
anderen kann sich bei hoher Luftfeuchtigkeit Tau bilden.
- 57 -

Die Verdunstung entzieht der Oberfläche (respektive der bodennächsten Luft) fühlbare
Energie. Unter Vernachlässigung von Strahlung und Bodenwärmestrom gilt E = -H, die
Erhöhung der Luftfeuchtigkeit erfolgt also auf Kosten einer Abkühlung. Die Abkühlung ist um
so grösser, je geringer die Luftfeuchtigkeit ist, also je mehr Wasser verdunsten kann. Erreicht
die Temperatur dabei den Gefrierpunkt, wird zur Verdunstung zuerst die frei werdende
Sublimationsenergie verwendet, erst danach erfolgt eine weitere Abkühlung. Die Temperatur
Tfeucht eines feuchten Untergrunds bei Verdunstung in Relation zur entsprechenden
Temperatur Ttrocken ohne Verdunstung lässt sich mit Hilfe der Psychrometerformel
beschreiben:
e
¡ s
¡ T feucht¢ £ e
T T trocken
¢
feucht
A p
. (4.15)
Dabei ist e der Dampfdruck, es(T) der Sättigungsdampfdruck bei gegebener Temperatur T, p
der Luftdruck und A die Psychrometerkonstante. Verdunstet Wasser, dann gilt
A_=_0.000646_K -1 , über Eis ist A = 0.000571 K -1 (Kraus 2000). Soll (gemäss Abschnitt 4.1.4)
von den Temperaturwerten auf Bewölkungsverhältnisse geschlossen werden, kann die
gemessene Temperatur T0m,feucht entsprechend korrigiert werden.
Beim umgekehrten Fall der Taubildung gilt Q = E. Die Kondensation von Tau wird
vollständig durch die nächtliche Ausstrahlung kompensiert. Eine Berücksichtigung in der
Grastemperatur gemäss Gleichung (4.15) ist nicht möglich, da Taubildung 100% relative
Luftfeuchtigkeit voraussetzt, also e = es(T0m). Dennoch ist ein indirekter Einfluss der
Taubildung auf den Verlauf der Grastemperatur vorhanden, da die ausgestrahlte Energie, die
durch die Kondensation geliefert wird, nicht aus dem Reservoir fühlbarer Wärme genommen
werden muss. In den Überlegungen von Abschnitt 4.1.4 gesprochen, wird T0m bei Taubildung
also leicht überschätzt.
Raureifbildung
Ähnliche Überlegungen sind auch für Eis und Schnee auf der Strasse zu treffen. Ein analog
zur Verdunstung korrigierbarer Fall ist die Raureifbildung. Wieder gilt -E = H. Das heisst, die
bei der Eisbildung frei werdende latente Energie erwärmt die Luft fühlbar. Voraussetzung
dafür ist, dass einerseits der Wasserdampfdruck eL in der Luft über dem Dampfdruck der
Oberfläche e0 liegt (dann ist E < 0), aber andererseits auch die Temperatur der Oberfläche Ts
über der Lufttemperatur T0m liegt (wegen H > 0). Dies geht nur, wenn der Dampfdruck der
wärmeren Temperatur über Eis zu bestimmen ist, also Ts < 0°C gilt. Dann kann
es(Ts,eis)_

Wasser über 0°C Wasser unter 0°C Eis
a 7.45 7.60 9.50
b 235.0 240.7 265.5
Tabelle 4.1: Parameter a und b der Magnus-Formel (4.17) für Wasser, unterkühltes Wasser und Eis.
Im Bezug auf das Strassenwetter wird das Schmelzen von Eis und Schnee durch Streusalz
gefördert, das Wiedergefrieren zumeist verhindert. T0m müsste also tendenziell leicht erhöht
werden (Bogren et al. 2001).
Kalter Regen
Da Regentropfen aus höheren Schichten der Atmosphäre kommen, sind sie meist kälter
als die Luft in Bodennähe. Bei einsetzendem Niederschlag sinken die gemessenen Lufttemperaturen
entsprechend (Jacobs und Raatz 1996).
Bemerkungen zum Dampfdruck e
In den Gleichungen (4.15) und (4.16) wird der Dampfdruck der Luft e bzw. der Sättigungsdampfdruck
es verwendet. Dazu sind zwei Anmerkungen nötig.
Der Sättigungsdampfdruck es(T) bei einer Temperatur T lässt sich mit Hilfe der
empirischen Magnus-Formel bestimmen. Sie lautet im allgemeinen Fall mit dem Sättigungsdampfdruck
bei 0°C es,0 = es(T=0°C, p=1013hPa) = 6.11 hPa und den Parametern a und b
aus Tabelle 4.1
a £ T
¤
e ¡ ¦ T e s ¢ 10 b¥ T¦ .
s ,0
(4.17)
Dabei ist T in °C einzusetzen, um es(T) in hPa zu erhalten. Die Abhängigkeit des Wasserdampfdrucks
vom Luftdruck p, die über es,0 = es,0(p) hineinspielt, ist für atmosphärische
Verhältnisse sehr gering. Für den tatsächlichen Dampfdruck gilt bei bekannter Taupunkts-
temperatur § : e ¨ e s © .
Die zweite Anmerkung betrifft die gemessene Luftfeuchtigkeit. Sie wird an allen
verwendeten Stationen nur in 2 Metern über Grund erfasst. Es ist schwierig, daraus auf die
Feuchtigkeit am Boden zu schliessen. Die relative Luftfeuchtigkeit ändert sich mit der
Lufttemperatur sicher. Ebensowenig bleibt die Taupunktsdifferenz
konstant. In dieser Arbeit wird von einem höhenunabhängigen Taupunkt § ausgegangen,
obwohl auch diese Annahme leicht falsifiziert werden kann. Die Luftfeuchtigkeit am Boden
birgt damit immer eine gewisse Unsicherheit, die sich auf die Korrekturen überträgt.
4.2.3 Bodenwärmestrom
§ T § (4.18)
Der Bodenwärmestrom B ist eng verbunden mit der Temperatur T in einer Tiefe z zu einem
Zeitpunkt t, bzw. deren Änderung. Dabei gilt B z , t ¤
,t
2 z ¥¨§ dT z
dt
1
z ,t dB
dz
dT ,t z
und
dz
1 z §
, mit der ¢ Wärmeleitfähigkeit 1 und der ¢ Kapazität 2. Bei bekannter
Temperatur in mehreren Tiefen sowie bekannter Wärmeleitfähigkeit und Kapazität kann B
- 59 -

nebst der zeitlichen Änderung der Temperatur direkt bestimmt werden (Jacobs und Raatz
1996). Für tiefenunabhängige ¢ 1 und ¢ 2 lassen sich die Gleichungen sogar zusammenfassen
und es gilt
dT z t ,
dt
¤ 1
2
d 2 T z t ,
dz 2 . (4.19)
Die Temperatur ändert sich also zeitlich und räumlich exponentiell.
Für diese Arbeit liegen meist keine Temperaturmessungen in mehreren Tiefen vor. Weder
die Wärmeleitfähigkeit noch die Kapazität ist bekannt. Sie sind an den Strassenwetterstationen
auch nicht höhenunabhängig, da Strassen schichtweise aus mehreren Materialien
aufgebaut werden. Ebensowenig kann bei Messungen am Strassenrand von einem horizontal
homogenen Untergrund ausgegangen werden. Da verschiedene Kantonalstrassen zudem
bedürfnisorientiert unterschiedlich oder mit unterschiedlichen Materialien konstruiert wurden,
weisen sie unterschiedliche ¢ -Werte auf und differieren somit bezüglich des Bodenwärmestroms.
Unterschiede zwischen Strasse und Wiese
Ein klarer Unterschied im Bodenwärmestrom ist zwischen den Strassenwetterstationen und
den Stationen nach WMO-Norm (ANETZ, meteomedia-Stationen) zu erkennen. Strassen
haben eine höhere Wärmekapazität und damit ein thermisches Gedächtnis (Chapman et al.
2001a), das sich direkt auf die Temperaturen über der Strasse auswirkt. Die Differenz
zwischen der Temperatur über einer Strasse und der Temperatur über einer etwas von der
Strasse entfernten Wiese nimmt mit zunehmender Bewölkung und Windgeschwindigkeit zwar
ab, ein Unterschied bleibt aber vorhanden (Bogren et al. 2001).
Aufheizen einer Strasse an klaren Tagen und Abklingen in der Nacht
Wie stark die Temperatur einer Strasse tagsüber ansteigt, hängt v.a. von der solaren
Einstrahlung ab. Die wesentlichen Faktoren sind der Kalendertag (Sonnenhöhe und
potentielle Sonnenscheindauer), die Bewölkung und die Abschattung des Bodens.
Die tagsüber gestiegene Strassentemperatur nimmt in der Zeit nach Sonnenuntergang nur
langsam ab. Sie muss für die Dauer einer Abklingzeit mitberücksichtigt werden, während der
sich Tag- und Nachteffekte überlagern (Postgard 2001). Besonders nach sonnigen
Spätwintertagen sind die beobachteten Temperaturen so stark beeinflusst, dass der in
Abschnitt 4.1.4 besprochene Zusammenhang zwischen Bedeckungsgrad und vertikalem
Temperaturgradient (wegen des Wärmestroms von unten) hinfällig wird.
Folgerung von der Abklingkurve auf den Bedeckungsgrad
Das Abklingen der solaren Erwärmung lässt sich an den Strassenwetterstationen
verwenden, um zwischen eher klaren und eher bedeckten Verhältnissen zu unterscheiden. In
Abbildung 4.2 sind die Temperaturverläufe einer Strassenwetterstation dargestellt, links für
komplett wolkenlose Nächte, rechts für Nächte mit durchgehend bedecktem Himmel, jeweils
von Sonnenuntergang bis -aufgang. Die wolkenlosen Nächte zeigen fast immer eine
exponentielle Temperaturabnahme während der ganzen Nacht, insbesondere sind die
Temperaturkurven fast ausnahmslos monoton fallend. Bei bedecktem Himmel schwankt die
Temperatur stark, tendenziell nimmt sie während der ganzen Nacht nur leicht ab. Sofern
dieses klar unterschiedliche Verhalten auch auf einzelne Nachtphase übertragbar ist und sich
mit geeigneten Werten charakterisieren lässt, kann man vom zeitlichen Temperaturverlauf auf
den Bedeckungsgrad schliessen.
- 60 -

Abbildung 4.2: Verlauf der Temperatur T0m über einer Strasse in Roggliswil in klaren Nächten (links) und in
vollständig bedeckten Nächten (rechts), jeweils zwischen Sonnenuntergang und -aufgang. Die Farbwahl ist
zufällig.
Korrektur des Bodenwärmestroms ohne direkte Kenntnis der Bodenparameter
Auch ohne Kenntnis der Bodenparameter ¢ 1 und ¢ 2 kann der Bodenwärmestrom zum Teil
korrigiert werden. Die der Grastemperatur T0m durch Abstrahlung entzogene Energie wird nur
durch Gegenstrahlung und turbulente Transporte aus der Atmosphäre ersetzt. Diese
Überlegung ist für ANETZ-Stationen über Gras durchaus richtig, weil sich hier die Temperatur
im Boden Ttief und die Grastemperatur T0m nicht stark unterscheiden. An den Strassenwetterstationen
ist aber oft Ttief > T0m, besonders nach klaren Tagen. Der Untergrund stellt dann ein
zusätzliches Wärmereservoir dar, das durch den Bodenwärmestrom angezapft wird;
spiegelbildlich zur Atmosphäre und dem Energieaustausch durch Turbulenz. Um den Effekt
des Bodens als Wärmequelle formal in einen Effekt der Atmosphäre umzurechnen, muss die
Lufttemperatur T2m entsprechend ihres mittleren Unterschieds zu Ttief korrigiert (also erhöht)
werden. Das höhere T2m in Relation zum gemessenen T0m kann dann wieder als
Bewölkungssignal Verwendung finden, ohne dass der Bodenwärmefluss explizit berechnet
werden muss.
4.3 Lokale Inhomogenitäten
4.3.1 Abschattung
Sowohl tagsüber als auch nachts stellt die Sichtbarkeit des Himmels von einer Messstation
oder einem Strassenabschnitt aus ein Problem dar. Vegetation und Gebäude werfen ihre
Schatten, aber auch Berge schränken das Sichtfeld ein.
Vor allem bei geringer Sonnenhöhe an Wintertagen kann die Auswirkung frappierend sein.
Dann sind manche Standorte den ganzen Tag im Schatten. Bei teilweise abgeschatteten
- 61 -

Stationen muss tagsüber die genaue Abschattungsstruktur bekannt sein. Nachts reicht es,
den überhaupt sichtbaren Anteil des Himmels zu kennen. Dieser Sky-View-Faktor s
beeinflusst das nächtliche Strahlungsbudget wesentlich. Ist er für eine Station bekannt, lässt
sich die Ausstrahlung auf
L¡ ¡£¢¥¤
¦
s T 4
s
(4.20)
reduzieren (Chapman et al. 2001a und 2001b). Da der kalte Himmel gegen warmen
Untergrund, Gebäude oder Vegetation getauscht wird, ändert sich auch die atmosphärische
Gegenstrahlung L . In klaren Nächten liefern Gebäude, Bäume und Gebirgshänge einen
wesentlichen Anteil der eingehenden langwelligen Strahlung.
4.3.2 Geographische Faktoren
Orographie
Neben dem direkten Effekt eines verkleinerten Sky-View-Faktors s durch Abschattung,
kann sich die orographische Situation auch indirekt auf die Temperaturentwicklung eines
Standorts auswirken. Z.B. unterdrückt die Ausbildung horizontaler Isothermen die turbulenten
Flüsse (Chapman et al. 2001a).
Der grösste Einfluss besteht im katabatischen Effekt: die Orographie verhindert die
Durchmischung in der nächtlichen Grenzschicht und fördert so die Bildung von Kaltluftseen.
Kleine Täler werden rasch ganz mit kalter Luft gefüllt, während sich in grossen Tälern nur eine
Kaltluftschicht bildet (Bogren und Gustavsson, 1991).
Ein anderer Effekt ist Föhn als warmer Fallwind auf einer Seite eines Gebirges. Ein
Föhndurchbruch geht einher mit teils stark steigenden Temperaturen und einer deutlichen
Zunahme der Windgeschwindigkeit. Bricht der Föhn zusammen, schläft der Wind plötzlich ein
und die Temperaturen fallen wieder.
Urbanität
Auch die Landnutzung der Umgebung einer Station beeinflusst die Temperaturen. Städte
sind typischerweise wärmer als ländliche Regionen (urban heat island). Der Effekt ist in klaren
Nächten dominanter als in bewölkten (Myrup 1996).
Nähe zu Gewässern
Die Nähe grosser Wassermassen wirkt sich in höheren nächtlichen Temperatur aus, weil
das Wasser zusätzlich Energie speichert. Auch die höhere Luftfeuchtigkeit spielt dank
©
entsprechend grösserer atmosphärischer Gegenstrahlung L
clear
4.3.3 Strassentypen
eine Rolle.
Je nach ihrer Breite und den gegebenen Nutzungsanforderungen haben Strassen ein
unterschiedlich tiefes Fundament und sind aus unterschiedlichen Materialien gebaut.
Entsprechend können sie Wärme verschieden gut speichern oder leiten. Brücken sind von
unten gekühlt (Chapman et al. 2001a). Diese unterschiedliche Situation wirkt sich teilweise
direkt auf Messungen an Strassenwetterstationen aus.
- 62 -

Zudem sind Strassen nicht nur unbenutztes Gelände, sondern unterschiedlich stark
frequentierte Verkehrswege. Stark befahrene Strassen sind dabei wärmer als schwach
befahrene. Der Strassenverkehr hat einen mindestens dreifachen Einfluss: die anthropogene
Erwärmung der Strasse und der Luft, die Abschattung der langwelligen Ausstrahlung durch
Fahrzeuge (analog zum Sky-View-Faktor s), sowie zusätzliche Turbulenz (Chapman et al.
2001a).
Bei jeder dieser Grössen ist separat zu überlegen, ob sie nur den absoluten
Temperaturwert beeinflusst (vgl. thermal mapping) oder auch in die Schichtung der
Temperaturen eingreift.
4.4 Einfluss der Wolkenhöhe auf die atmosphärische Gegenstrahlung
4.4.1 Quantitative Strahlungsbilanz bei bedecktem Himmel
Die langwellige Strahlung mit und ohne Wolken wurde bereits in Abschnitt 4.1 diskutiert.
Wolken tragen einen grossen, aber nicht sehr gut quantifizierbaren Teil zur atmosphärischen
Gegenstrahlung bei. Neben dem absoluten Bedeckungsgrad N spielt die unterschiedliche
Höhe h der Wolken eine Rolle.
Schon 1948 bestimmt Haurwitz den Anteil der wolkenfreien Strahlung (allerdings im
kurzwelligen Bereich), der bei N = 8 Achteln durch die Wolken kommt. Es sind dies bei Ci und
Cs 65 bis 85%, bei Alto-Bewölkung 40 bis 50%, bei Sc 30 bis 35%, und bei St, Ns oder Nebel
15 bis 25%. Czeplak und Kasten (1987) verwenden zur Bestimmung der langwelligen
Einstrahlung L mit einer Gleichung vom Typ (4.11) die stockwerksabhängigen Konstanten
tief = 0.24, mittel = 0.19 und hoch = 0.09, mit denen der Effekt tiefer Wolken 2.5 mal so
gross ist wie der Effekt hoher Wolken. Der entscheidende Einfluss der Wolkenhöhe ist also
sowohl im kurz- als auch im langwelligen Strahlungsbereich dokumentiert. Im kurzwelligen
Bereich ist er allein auf die Abschattung der direkten Strahlung zurückzuführen. Im
langwelligen Bereich spielen unterschiedliche Strahlungstemperaturen der Wolken die
entscheidende Rolle. Nach Gleichung (4.2) hängt die Ausstrahlung eines (schwarzen)
Körpers nur von der vierten Potenz seiner Temperatur ab. Für die atmosphärische Gegenstrahlung
ist die Temperatur Tcloud der Wolkenuntergrenze massgeblich. Wolken sind zwar
keine exakt schwarzen Strahler, es kann aber angenommen werden, dass alle Wolken eine
ungefähr gleiche Emissivität ¡ wolke besitzen und die relativen Strahlungsunterschiede doch nur
von der Temperatur abhängen.
Gleichung (4.2) kann aus der Strahldichte J hergeleitet werden, indem über alle
Wellenlängen ¦ integriert wird (vgl. Gleichung (4.4)). Die Atmosphäre ist für langwellige
Strahlung aber nur im Bereich zwischen 4 und 12 m, dem atmosphärischen Fenster,
¡
(¦ ¦
¤ ¢¤£ ¡
durchlässig.
2
J d
1
ist analytisch nur global lösbar. Für ein begrenztes Intervall
1_=_4_ m, 2 = 12 m) lässt sich numerisch zeigen, dass die Lösung
Q T s T ¥ (4.21)
- 63 -

nicht immer einen Zusammenhang mit vierter Potenz liefert. Für solare Strahlung wird z.B.
_(T=6000K) = 1.2. Im Bereich atmosphärischer Temperaturen zwischen 200 und 350 K ist
_(Tcloud) = 4 aber hinreichend genau.
Damit gilt für eine 8-Achtel-Wolkenschicht in der Höhe hcloud, die die Temperatur Tcloud hat,
im Vergleich zu einer Wolkendecke von N0 = 8 Achteln am Boden mit h0 = 0 m und T = T0:
Lrel :¡ L hcloud¡
cloud
h0¡ ¡
Lcloud 4
¢ cloud ¤ T cloud
¢ cloud ¤ T 0
4
¡ 4 T cloud
T 0
4 . (4.22)
Beträgt der Bedeckungsgrad der Wolken in der Höhe hcloud nur N < 8 Achtel, dann
reduziert sich das Verhältnis entsprechend. Bei der Kombination von bis zu drei Wolkenschichten
(mit Bedeckungsgrad N1, N2, N3 in der Höhe h1, h2, h3 bei einer Wolkenbasistemperatur
Tc1, Tc2, Tc3) ist deren gegenseitige Abschattung mitzuberücksichtigen:
L rel ¥ N 1 ¤ N 0 T 4
c1
4 © T 0
N 2
N 0 ¤ 1 – N 1
N 0
4
¤ T c2
4 © T 0
N 3
N 0 ¤ 1 § N 1
N 0
1 § ¤ N 2
N 0
4
¤ T c3
4
T 0
(4.23)
Diese Überlegung zeigt: der totale Bedeckungsgrad, wie ihn die WMO von den
Beobachtern an synoptischen Stationen bestimmen lässt, liefert zwar einen guten Hinweis
über den Strahlungseinfluss von Wolken auf bodennahe Temperaturen. Er stimmt aber nicht
notwendig mit einer auf quantitativen Überlegungen beruhenden Berechnung überein.
4.4.2 Der Ncp als korrigierter Bedeckungsgrad
Mit bekanntem Lrel aus Gleichung (4.22) kann man nun eine Wolkenkennzahl entwickeln,
die den Bedeckungsgrad an einem Ort genauso berücksichtigt wie die Höhe der Wolken, also
deren Strahlungseigenschaften. Diese Kennzahl soll „New Cloud Parameter“ (Neuer
Wolkenparameter) Ncp genannt werden und ist definiert als
Ncp ¥ : ¤ N L ¥ N ¤ rel T 4
cloud
T 0
4 . (4.24)
Dabei ist N der beobachtete Bedeckungsgrad. Bei Beobachtungen Ni in verschiedenen
Höhenschichten erfolgt die Definition für jede Schicht separat. Da eine Kombination aller
Schichten analog zu Gleichung (4.23) problemlos möglich ist, beschränken sich die weiteren
Überlegungen auf nur eine Wolkenschicht.
Die Temperatur Tcloud der Wolkenuntergrenze ist im Allgemeinen nicht bekannt, nur deren
Höhe hcloud. Lrel kann also nicht exakt berechnet, sondern muss geeignet geschätzt werden.
Unter Ausserachtlassung der physikalischen Zusammenhänge wurde dabei zuerst eine
empirische Formel exponentiellen Typs entwickelt, deren Verwendung bei den meisten
Untersuchungen in Abschnitt 4.6 und 4.7 zugrundeliegt. Die Formel lautet
Ncp emp ¨ N ¢ exp £ h cloud
h tropo
, (4.25)
mit der mittleren Tropopausenhöhe htropo_=_10000_m als maximaler Höhe der Wolkenuntergrenze.
- 64 -

Auch bei einem physikalischen Ansatz liegt es nahe, Kenntnisse über das mittlere
Verhalten der Atmosphäre einzubeziehen. Einen Vorschlag zum mittleren vertikalen
Temperaturprofil in der Atmosphäre liefert die ICAO-Standard-Atmosphäre. Der Temperaturverlauf
in der Troposphäre wird dabei durch einen einzigen Wert charakterisiert, den
Temperaturgradienten ICAO ¡ ¢ 6.5 K ¦ km (Kraus 2000). Damit ist
Ncp
¤
N ¡
ICAO
T ¢¤£
0
ICAO ¡ h cloud 4
(4.26)
4
T
0
nur von der Temperatur am Boden T0 abhängig. In Abbildung 4.3 ist der NcpICAO für drei
Starttemperaturen T0 = -73°C, 0°C und +77°C dargestellt. Eine vierte Kurve zeigt den
empirischen neuen Wolkenparameter Ncpemp aus Gleichung (4.25). Die empirische Wahl und
die physikalische Variante mit T0 = 0°C liegen nahe beieinander. Ebenso unterscheiden sich
die physikalischen Kurven angesichts des extremen Temperaturunterschieds von ±75 K nicht
sehr deutlich. Darum, und weil im Winter die Starttemperatur in der unteren Atmosphäre meist
um 0°C liegt, soll für alle weiteren Untersuchungen der neue Wolkenparameter
Ncp_=_NcpICAO(T0=0°C) verwendet werden. Der geringe Unterschied zu Ncpemp rechtfertigt
aber auch die Verwendung von Erkenntnissen, die auf dessen Basis gefunden wurden.
Es stellt sich die Frage, in wieweit ICAO ¡ ¢ 6.5 K ¦ km und T0 = 0°C eine gute Wahl sind.
Da die Grastemperatur, also die gemessene Temperatur der untersten Luftschicht, im
Gegensatz zur freien Atmosphäre einen deutlichen Tagesgang aufweisst, sollte für T0
geeigneterweise die (tagesgangsbereinigte) mittlere Temperatur der untersten freien
Atmosphäre eingesetzt werden. Diese ist nicht bekannt, wird im schweizer Winter aber etwa
0_±_5°C betragen. Der tatsächliche Temperaturgradient ist ebensowenig bekannt. Die
ICAO-Standard-Atmosphäre beansprucht, Auskunft über die global und jahreszeitlich
gemittelten Verhältnisse zu geben. Bei den in der Schweiz häufig auftretenden winterlichen
Abbildung 4.3: Vorschläge zum neuen Wolkenparameter Ncp. NcpICAO bei drei Starttemperaturen T0 und
Ncpemp, jeweils berechnet für einen Bedeckungsgrad von N = 8 Achteln in der Höhe h.
- 65 -

0 m 30 m 300 m 1000 m 3000 m 7000 m
1 Achtel 1.00 ± 1.00 1.00 ± 1.00 0.97 ± 0.97 0.91 ± 0.91 0.74 ± 0.74 0.48 ± 0.49
4 Achtel 4.00 ± 1.00 3.99 ± 1.00 3.89 ± 0.97 3.63 ± 0.91 2.97 ± 0.76 1.93 ± 0.56
7 Achtel 7.00 ± 1.00 6.98 ± 1.00 6.80 ± 0.97 6.36 ± 0.92 5.21 ± 0.80 3.38 ± 0.69
7 Achtel
¡ =2K/km 7.00 ± 1.00 6.98 ± 1.00 6.80 ± 0.97 6.36 ± 0.93 5.21 ± 0.91 3.38 ± 1.00
Tabelle 4.2: Berechneter Ncp und zugehöriger Fehler in sechs Höhen. Berechnung bei drei Bedeckungs-
graden N mit ¡ = 1 K/km und zusätzlich bei N = 7 Achtel mit ¢ = 2 K/km.
Inversionswetterlagen ist ICAO eindeutig nicht die beste Wahl. Oft sind diese Wetterlagen
mit Hochnebel verbunden, und die Temperatur kann an der Wolkenobergrenze innerhalb
weniger Meter um einige Kelvin ansteigen. Allerdings sind Inversionswetterlagen immer mit
tiefen Wolkenschichten (also kleiner Wolkenhöhe und hohem Bedeckungsgrad) verbunden,
und der Einfluss des falschen Temperaturgradienten bleibt gering. Das Problem eines
unbekannten vertikalen Temperaturgradienten und einer nur grob abschätzbaren Vergleichstemperatur
könnte zum Teil durch Radiosondenaufstiege gelöst werden. Das Temperaturprofil
einer Sondierung in Payerne wäre wohl für die ganze Schweiz und einen Zeitraum von 12
Stunden verwendbar, ohne dass inakzeptable Fehler in Kauf genommen werden müssten.
Der Ncp gemäss Gleichung (4.26) fasst den Bedeckungsgrad und die Wolkenhöhe
adäquat in einen Wert zusammen. Er beschreibt eine Bewölkungskennzahl, die das
Strahlungsverhalten der Wolken einschliesst. Ein zunehmender Ncp kann zweierlei bedeuten:
eine Zunahme des Bedeckungsgrads, oder eine Abnahme der Wolkenhöhe. Wenn in den
folgenden Abschnitten von beobachtetem Ncp oder beobachteter Bewölkung die Rede ist, ist
immer der aus den Beobachtungsgrössen Bedeckungsgrad und Wolkenhöhe mit Gleichung
(4.26) berechnete Ncp gemeint. Alle Anmerkungen sind entsprechend mitzudenken.
4.4.3 Bedeutung des Ncp und Berechnungsfehler
In Abschnitt 2.3.5 wurde versucht, den Fehler von Bewölkungsbeobachtungen zu
quantifizieren. Aus den dortigen Abschätzungen soll nun auf den Fehler im Ncp geschlossen
werden.
Der neue Wolkenparameter Ncp setzt sich nach Gleichung (4.26) aus dem
Bedeckungsgrad N, der Wolkenhöhe h, der bodennahen Temperatur T0 und dem vertikalen
£ ICAO-Temperaturgradient zusammen. Sein absoluter Fehler Ncp lässt sich dann mittels
Gaussscher Fehlerfortpflanzung aus den Fehlern N, h, T0 und ¤
der Einflussgrössen
berechnen:
¥ Ncp ¡
Ncp
¦
N
¦
§ ¥ N
2
¨
Ncp
¦
¦
§ ¥
2
- 66 -
¨
Ncp
¦
h
¦
§ ¥ h
2
¨
Ncp
¦
T
¦
0
§ ¥ T 0
2

Ncp 2 ¤
¡
T ¢ £ h 0
T 0
¤ Ncp 2 ¨ Ncp 2 ¤ N 2
Ncp
Ncp
2 ¤
8
4 N T ¡£¢
h 0
T 0
N 2
N
N
¡
¡
2 ¢ N 4 N T ¢ £ h 0
T 0
3 ¢
T 0
2
¢¥¤ h
4 N T ¡§¢
h 0
T 0
2 ¢ 4 £ h
T ¢ £ h
0
2
¡
2 ¡
3 ¢ h
T 0
h
h
3
h
T 0
2
4 N T ¡£¢
h 0
T 0
2
¤ h ¢ 2
h 2
2 ¢
£
£
¡
¡ ¤
£ 2
¢ 2
¢ 2
2 ¢
3 £ ¢ h
2
T 0
2
2
T 0
¤ ¡
¨ £ T 0 © 2
T 0
T 0
2
2
T 0
¢¦¤
(4.27)
Der absolute Fehler des Bedeckungsgrades N = 1 Achtel wurde bereits abgeschätzt;
ebenso der relative Fehler der Wolkenhöhe h/h = 10%. Auch T0 steht fest, da im vorhergehenden
Abschnitt T0_=_0_±_5°C als geeignete Wahl erkannt wurde. Dieser T0_=_5_K
entspricht einem relativen Fehler von 1.8%. Aufgrund der Überlegung zu Inversionen und der
Tatsache, dass es sich um einen globalen Mittelwert handelt, wird der Fehler des Temperaturgradienten
eher gross gewählt. ¢
= 1 K/km entspricht einem relativen Fehler von 15%. In
der unteren Atmosphäre ist aber wohl sogar ¢
= 2 K/km berechtigt.
Mit dieser Fehlerabschätzung wurden Ncp ± Ncp in Tabelle 4.2 berechnet. Aus dem
zweiten Summanden in Gleichung (4.27) ist leicht ersichtlich, dass der relative Fehler
Ncp/Ncp mit zunehmender Höhe steigt. Da aber der Ncp selber mit der Höhe abnimmt, ist
der absolute Fehler Ncp bei stark bewölktem Himmel (z.B. bei N = 7 Achtel) nahezu
höhenunabhängig. Neben dem Fehler des Bedeckungsgrads N hat vor allem die
Genauigkeit des Temperaturgradienten ¢
einen Einfluss auf den Gesamtfehler.
Aus dem höhen- und bedeckungsgradabhängigen Fehler Ncp aus Tabelle 4.2 kann leider
nicht direkt auf einen mittleren Fehler des beobachteten Ncp geschlossen werden. Es ist aber
anzunehmen, dass er sich im gefundenen Bereich von 0.8 bis 1.0 Achtel bewegt. Dabei
tragen die häufiger vorkommenden tiefen Wolken mehr bei als hohe. Der Beitrag aller
Bedeckungsgrade dürfte ungefähr gleich gross sein, weil klare und bedeckte Fälle zwar
häufiger, aber etwas genauer sind. Der absolute und der relative Fehler des Ncp sind in
reziproker Weise vom Gesamtbedeckungsgrad Ncp abhängig. Es bleibt in Erinnerung zu
rufen, dass der gefundene Fehler Ncp 0.9 Achtel auf allgemein eher gutmütigen
Abschätzungen beruht – also vielleicht noch etwas grösser ist.
4.5 Niederschlag
Der diskrete Zustand „Niederschlag Ja / Nein“ lässt sich leichter und exakter beobachten
als Bedeckungsgrad und Wolkenart. Bis auf wenige Fälle am Rand von (konvektiven)
Niederschlagsgebieten ist davon auszugehen, dass der Himmel bei Niederschlag bedeckt ist
(N_=_8_Achtel). Es liegt also nahe, den bekannten Niederschlagszustand zu nutzen und mit
bedecktem Himmel zu assoziieren. Radarmessungen des Niederschlags können so direkt in
- 67 -

zweidimensionale Wolkenbilder eingebunden werden. Eine praktische Überprüfung folgt in
Kapitel 4B.
Bei den Niederschlagswippen des ANETZ steht einer hohen zeitlichen Auflösung von 10
Minuten eine Auflösung des Niederschlags von nur 0.1 mm entgegen. Bei schwachem
Niederschlag unter 0.6 mm/h treten also Lücken in den Messreihen auf, obwohl der
Niederschlag unverändert anhält. Ob diese Lücken instantan geschlossen werden können,
muss noch geklärt werden.
- 68 -

4B. Erstellung eines Modells, eindimensionale Berechnungen, und
Verifikation an ausgewählten Stationen
In Kapitel 4A wurden auf theoretischer Basis zahlreiche Ideen entwickelt, um die
Bewölkung aus bodennahen (Temperatur-)Messungen abzuschätzen. Diese Ideen sind nun
mit konkreten Messwerten und beobachteter Bewölkung zu überprüfen und gegebenenfalls
an reale Bedingungen anzupassen. Die besten theoretisch entwickelten Ideen können
zusammen ein Modell ergeben, das es erlaubt, die Bewölkung über einer Station hinreichend
genau zu diagnostizieren.
Einer der Stationsstandorte des ANETZ ist Payerne. Die dortige Station verfügt über das
Maximum der im ANETZ vorhandenen Messparameter. Wolkenbeobachtungen finden rund
um die Uhr in dreistündigem Rhythmus statt. In hügeligem Gelände gelegen, kann Payerne
auch bezüglich der orographischen Situation als repräsentativ für viele schweizer Stationen
gelten. Payerne ist also für die Entwicklung eines Modells zur Bewölkungsdiagnose und
dessen Verifikation gut geeignet.
4.6 Entwicklung eines Modells in Payerne
4.6.1 Erstellung eines Datensatzes zur optimalen Entwicklung
Alle in Payerne gemessenen und beobachteten Werte liegen für diese Arbeit aus den
Monaten November bis April der Wintern 1995/96 bis 2001/02 vor (vgl. Tabelle 3.3). Um zur
Entwicklung eines Modells möglichst geeignete Daten zu verwenden, werden alle unvollständigen
oder offensichtlich fehlerhaften Messungen entfernt. Zwei weitere Einschränkungen
sind sinnvoll: Da das Modell nur nachts gültig sein soll, werden alle Zeitpunkte ausserhalb der
astronomischen Dämmerung aussortiert. Da bereits in Kapitel 4A der Wind als störender
Faktor erkannt wurde, werden nur Daten mit einer Windgeschwindigkeit u_

T diff : ¤ T 2m – T 0m (4.28)
erkannt. Die mathematische Form des Zusammenhangs bleibt aber offen. Mit den
Beobachtungen und Messungen in Payerne können nun Zusammenhänge verschiedener
Gestalt untersucht werden.
Ein Teil der untersuchten Funktionen respektive der zugehörigen Regressionsalgorithmen
der Programmiersprache IDL setzen voraus, dass die Eingangswerte positiv definit sind. Da
negative Bedeckungsgrade Ncp ohnehin nicht vorkommen, werden alle Bedeckungsgrade
Ncp_ T2m
sind durchaus vorhanden. Mit der Idee der Strahlungsflüsse sind sie dann vereinbar, wenn
Energieflüsse aus einer anderen Quelle (latente Energie oder Bodenwärmestrom) kommen,
oder wenn die atmosphärische Gegenstrahlung von einer Wolkendecke stammt, die wärmer
ist als der Untergrund. Die beobachteten negativen Differenzen sind absolut meist klein.
Deshalb kann ohne Verlust Tdiff (T2m-T0m < 0.1K) := 0.1 K gesetzt werden.
In Tabelle 4.3 sind einige funktionale Zusammenhänge aufgeführt. Ermittelt man aus den
bekannten Ncpobs und Tdiff mit den IDL-Regressionsroutinen die freien Parameter xi, können
damit umgekehrt die jeweils zu Tdiff gehörenden Bewölkungsverhältnisse Ncpcalc berechnet
und mit den ursprünglichen Ncpobs verglichen werden. Tabelle 4.3 gibt die resultierenden
Korrelationskoeffizienten wieder. Sie liegen für die gewählten Funktionen zwischen 0.82 und
0.88. Der einfache lineare Zusammenhang schneidet am schlechtesten ab. Neben dem
Polynom 3. Ordnung erreichen auch der Exponentialansatz und sein Kehrwert den maximalen
Korrelationskoeffizienten. Zur Definition des Korrelationskoeffizienten siehe Anhang F.
Zur weiteren Entscheidung zwischen diesen drei Funktionstypen ist es hilfreich, einen
Streuplot Tdiff gegen Ncpobs mit Ausgleichsgerade hinzuzuziehen. Für die Exponentialfunktion
Ncp ¥ x 1© x 2¤ exp x 3¤ T diff
(4.29)
enthält Abbildung 4.4 eine solche Darstellung. Die Ausgleichskurve passt – trotz der grossen
Streuung der Punkte – gut ins Bild. Die Kurven der anderen beiden Funktionen sehen
dagegen weit weniger sinnvoll aus. Zudem entspricht die Exponentialfunktion dem in der
Naturwissenschaft durchaus wichtigen Gefühl für Einfachheit und Ästhetik.
Funktion Formel
Linear Ncp ¤ x ¢ x 1 ¡ T 2 diff
Polynom 3. Ordnung Ncp ¤ x ¡ x ¢ T ¢ x ¡ 2
T ¢ x
0 1 ¡ 3
T
diff 2 diff 3 diff
Potenzgesetz Ncp ¤ x ¢ x 1 ¡ T 2 diff
Reziprok
Ncp
x 1
Korrelationskoeffizient
0.82
0.88
x 3 0.86
1
Exponentiell Ncp ¥ x 1© x 2¤ exp x 3¤ T diff 0.88
Logistisch
¡ x 2 x 3¢ T diff£
1
x 1¤ x 2 ¢ exp x 3 ¢ T diff¡
Ncp¡
Tabelle 4.3: Verschiedene funktionale Zusammenhänge zwischen Tdiff und Ncp.
- 70 -
0.87
0.88

Abbildung 4.4: Ncpobs gegen Tdiff in Payerne. Ausgleichskurve gemäss Gleichung (4.29).
4.6.3 Weitere vertikale Temperaturdifferenzen
Neben den Messungen von Luft- und Grastemperatur T2m und T0m stehen in Payerne auch
Messungen der Bodentemperatur Ttief in fünf Tiefen zur Verfügung. Bei einer Untersuchung
verschiedener Funktionstypen mit T_=_T-5cm_-_T0m schneiden wiederum die Exponentialfunktion
und das Polynom dritter Ordnung am besten ab. Der Korrelationskoeffizient liegt aber
nur bei 0.68.
Tabelle 4.4 gibt die Korrelationskoeffizienten auch für andere Temperaturdifferenzen
wieder. Verwendeter Zusammenhang ist jeweils die Exponentialfunktion (4.29), da sie die
besten Resultate liefert. Eine Korrelation besteht zwar für alle vertikalen Temperaturdifferenzen,
der absoluter Wert lässt mit zunehmender Tiefe der verwendeten Bodentemperatur
aber nach. Zur Bestimmung des Bedeckungsgrads Ncpcalc ist höchstens die
oberste Messung Ttief = T-5cm verwendbar.
4.6.4 Zeitliche Temperaturdifferenzen
In Abschnitt 4.1.4 wurde neben dem vertikalen auch der zeitliche Temperaturgradient als
Bewölkungsindikator diskutiert. Dieser kann nun für die Lufttemperatur T2m, die
Grastemperatur T0m und die Bodentemperatur T-5cm untersucht werden. Neben der
mathematischen Funktion steht der geeignete Zeitabstand zweier Messungen zur Disposition.
T T-5cm - T0m T-10cm - T0m T-20cm - T0m T-50cm - T0m
Korrelationskoeffizient 0.68 0.65 0.62 0.49
Tabelle 4.4: Korrelationskoeffizient zwischen Ncpobs und Ncpcalc für vertikale Temperaturdifferenzen in den
Boden hinein.
- 71 -

Bei der Bodentemperatur T-5cm ist die Wahl einfach, da dieser Messwert nur stündlich vorliegt,
und ein Zeitabstand von mehr als einer Stunde in Anbetracht der Zielgrösse Bewölkung wenig
sinnvoll ist. Aus Gründen der Einheitlichkeit soll für alle Temperaturen Talt := T(t0-60min)
gelten. t0 bezeichnet dabei den aktuellen Zeitpunkt. Um kurzfristige, durch Turbulenz hervorgerufene,
Temperaturschwankungen auszugleichen, besteht ausserdem die Möglichkeit eines
Vergleichs mittlerer Temperaturen (Stundenmitteln)
T mittel :
5 T t 0
i £ 0
6
¡ i ¢ 10 min
. (4.30)
Da der zeitliche Temperaturgradient meist viel geringer ist als der vertikale, muss die
Anpassung negativer Differenzen neu erfolgen, und es gilt T := 0.01 K für T < 0.01 K.
Eine geeignete Auswahl von Temperaturdifferenzen T in unterschiedlicher Höhe, direkt
gemessen, gemittelt oder schon eine Stunde alt, ist in Tabelle 4.5 aufgeführt. Für jeweils drei
Funktionstypen ist der Korrelationskoeffizient angegeben, der sich aus dem Vergleich der aus
den Regressionsergebnissen berechneten Bedeckungsgrade Ncpcalc mit den beobachteten
Werten Ncpobs ergibt. Die letzte Spalte verwendet nur Messungen, bei denen
T = T
_ _ 0m,mittel_ - _ T0m > 0 K
gilt. Die Rechnungen der letzten beiden Zeilen enthalten nur Werte,
bei denen die gemessene Temperatur T-5cm, T0m, T0m,mittel oder T2m,mittel im Intervall [-5°C, 0°C]
bzw. [0°C, 5°C] liegt.
Die Werte der linearen und exponentiellen Regression verhalten sich uneinheitlich. Mit
einem Polynom dritter Ordnung sind bei allen Temperaturdifferenzen deutlich bessere
Korrelationskoeffizienten zu erzielen. Schränkt man die gemessenen Temperaturen auf ein
Intervall ein, steigen die meisten Korrelationskoeffizienten weiter an. Werte von über 0.5
werden aber nur selten erreicht.
Der zeitliche Temperaturgradient wird also durch die Bewölkungsverhältnisse beeinflusst.
Der Zusammenhang ist aber nicht so deutlich, dass er zur Bewölkungsdiagnose verwendbar
wäre. Am besten eignen sich noch die Bodentemperatur T-5cm und die mittlere Lufttemperatur
T2m,mittel. Die beste mathematische Funktion ist ein Polynom dritter Ordnung.
T
T-5cm,alt
- T-5cm
T0m,alt
- T0m
T0m,mittel,alt
- T0m,mittel
T2m,mittel,alt
- T2m,mittel
T0m,mittel-T0m
(falls > 0 K)
Linear 0.37 0.26 0.34 0.46 0.42
Exponentiell 0.52 0.24 0.34 0.47 0.50
Polynom 3. Ordnung, alle T 0.53 0.29 0.38 0.50 0.58
Polynom 3. Ordnung,
-5 bis 0°C
Polynom 3. Ordnung,
0 bis 5°C
0.60 0.28 0.39 0.43
0.72 0.37 0.51 0.61
Tabelle 4.5: Zeitliche Temperaturdifferenzen (teilweise gemittelt) und ihr Zusammenhang zur Bewölkung.
Berechnungen für verschiedene Regressionsfunktionen und Temperaturintervalle.
- 72 -

4.6.5 Niederschlag und Bedeckungsgrad
Neben den Temperaturgradienten zeigt auch der Niederschlag einen deutlichen
Zusammenhang zur Bewölkung. In Payerne wird jeweils die Niederschlagsmenge RR
registriert, die innerhalb von 10 Minuten gefallen ist. Die Messauflösung beträgt 0.1 mm. In
den untersuchten Wintermonaten fanden zwischen Sonnenuntergang und -aufgang in 5692
Intervallen Wolkenbeobachtungen statt. In 323 Intervallen wurde ein Niederschlag RR > 0 mm
gemessen (5.7%), 158 Intervalle liefern RR > 0.1 mm (2.8%) und 6 Intervalle RR > 0.8 mm
(0.1%).
Der beobachtete neue Wolkenparameter Ncp der 323 Intervalle liegt in 211 Fällen
zwischen 7 und 8 Achteln. In 84 Fällen liegt er zwischen 5 und 7 Achteln, nie darunter. 28
Fälle haben wegen Nebel keinen Wolkenwert. In drei Viertel aller Fälle mit Niederschlag liegt
der Ncp also über 7 Achtel. Ncp < 6 Achtel kommt in nur 2% der Fälle vor. Dies bestätigt die
Verwendbarkeit des Niederschlags zur Wolkenabschätzung eindrucksvoll. Die genauen
Zahlen sind Tabelle 4.6 zu entnehmen. Die Tabelle enthält auch eine Aufteilung nach Windklassen.
Bei schwachem Wind mit ¡ u 2 m/s ist der Zusammenhang besonders deutlich. 80%
der Fälle liefern Ncp_>_7_Achtel. Für die beiden Klassen höherer Windstärke geht der Anteil
auf 70 bzw. 67% zurück. Die Klassen mit Windstärken von 2 bis 5 m/s und mit u > 5 m/s
unterscheiden sich dabei nicht wesentlich.
Der Himmel kann nach einem Niederschlagsereignis sehr schnell aufreissen. Häufig bleibt
es aber noch lange bedeckt. Tabelle 4.7 zeigt die Bedeckungsgrade, wenn es zum
Beobachtungszeitpunkt zwar regenfrei ist, aber in einem 10-Minuten-Intervall t Minuten
früher geregnet oder geschneit hat (RR t > 0min > 0 mm). Der Niederschlag hört in 105 Fällen
just zu dem Zeitpunkt auf, an dem die Wolkenbeobachtung stattfindet. Dies ist fast ein Drittel
der Anzahl mit Niederschlag zum Beobachtungszeitpunkt und bedeuten umgekehrt, dass ein
Niederschlagsereignis im Mittel nur drei Messintervalle dauert. Eine Analyse der
Niederschlagsmenge dieser 105 Intervalle, wie in Tabelle 4.8 gezeigt, ergibt zu 80%
RR t=10min_=_0.1_mm und nur in fünf Fällen t=10min_§ RR
_0.3_mm. Es ist also davon
auszugehen, dass in vielen Fällen der Niederschlag gar nicht aufgehört hat. Er ist nur so
schwach, dass im Beobachtungsintervall weniger als 0.1 mm fallen und RR = 0 mm registriert
wird. Tabelle 4.8 gibt auch Auskunft über den Ncp nach dem potenziellen Niederschlagsende.
Zu 64% ist Ncp > 7 Achtel gewährleistet. In zwei Fällen hat der Bedeckungsgrad stark
abgenommen (Ncp < 5 Achtel). Dennoch kann davon ausgegangen werden, dass in vielen
Fällen nur eine kurze Niederschlagspause oder eine Nichtregistrierung infolge zu schwachen
Niederschlags vorliegt.
Windstärke
Bedeckungsgrad Ncp / Achtel
¡ 5 5 bis 6 6 bis 7 7 bis 8
Nebel Gesamt
u ¡ 2 m/s 1 25 86 24 136
2 m/s < u ¡ 5 m/s 4 30 78 2 114
u > 5 m/s 2 22 47 2 73
Alle 7 77 211 28 323
Tabelle 4.6: Beobachteter Ncp bei Niederschlag und verschiedenen Windstärken in Payerne.
- 73 -

Zeitabstand
Bedeckungsgrad Ncp / Achtel
0 bis 1 1 bis 2 2 bis 3 3 bis 4 4 bis 5 5 bis 6 6 bis 7 7 bis 8 Nebel
Gesamt
10 min 1 1 2 34 56 11 105
20 min 1 1 5 47 64 11 129
30 min 1 1 2 3 49 74 7 137
60 min 2 1 2 5 3 66 78 10 167
120 min 3 4 3 2 7 19 79 91 8 216
240 min 5 8 4 3 16 28 76 97 11 248
Tabelle 4.7: Bedeckungsgrad, wenn es verschiedene Zeitabstände t vor der Beobachtung geregnet hat,
zum Beobachtungszeitpunkt aber niederschlagsfrei ist.
Niederschlag
Bedeckungsgrad Ncp / Achtel
0 bis 1 1 bis 2 2 bis 3 3 bis 4 4 bis 5 5 bis 6 6 bis 7 7 bis 8 Nebel
Gesamt
0.1 mm 1 2 29 45 9 86
0.2 mm 1 4 7 2 14
0.3 mm 1 1
0.4 mm 1 1 2
0.5 mm 1 1
>0.5 mm 1 1
Alle 1 1 2 34 56 11 105
Tabelle 4.8: Bedeckungsgrad, wenn 10 Minuten vor der Beobachtung Niederschlag gemessen wurde, im
Beobachtungsintervall aber nicht. Unterteilung nach Niederschlagsmenge im Intervall vor der Beobachtung.
Die Betrachtung weiter zurückliegender Messintervalle (Tabelle 4.7) zeigt, dass sich der
Ncp grundsätzlich ähnlich verhält, wenn im vorhergehenden Intervall (10 min) oder im
vorvorhergehenden RR¡ t¢ £ (20
¥
,20min¤
min) 0 mm 10min gemessen wurde. Jeweils nur zwei
Fälle liefern Ncp < 5 Achtel. Im davor liegenden Intervall (30 min) sind es bereits doppelt so
viele. Für noch länger zurückliegende Messungen erhöht sich der Anteil klaren Himmels und
vereinzelter Bewölkung weiter. Wenn es vier Stunden vor der Wolkenbeobachtung geregnet
oder geschneit hat, dann ist zu gerade noch 43% der Ncp > 7 Achtel.
Von einer Niederschlagsmessung RR > 0 mm kann also mit hoher Genauigkeit auf einen
stark bewölkten oder bedeckten Himmel geschlossen werden. Wenn die Niederschlagsmessung
schon bis zu 20 Minuten alt ist ( t = 20 min), ist die Schlussfolgerung noch fast
genau so gut und der Ncp liegt meist zwischen 7 und 8 Achteln. Diese Erkenntnis lautet
mathematisch
Ncp :¦ 7.5 Achtel § RR¡ t¢ £ 0 min ,10 min, 20 min¤
- 74 -
¥ 0 mm . (4.31)

Windklasse
(u, Entwicklung)
Windklasse
(u, Anwendung)
Temperaturklasse
(T2m, Entwicklung)
Temperaturklasse
(T2m, Anwendung)
0 bis 1 m/s 0 bis 1 m/s -10 bis -5°C Weniger als -5°C
1 bis 2 m/s 1 bis 2 m/s -5 bis 0°C -5 bis 0°C
2 bis 3 m/s 2 bis 3 m/s 0 bis 5°C 0 bis 5°C
3 bis 4 m/s 3 bis 4 m/s 5 bis 10°C Mehr als 10°C
4 bis 10 m/s Mehr als 4 m/s
Tabelle 4.9: Klasseneinteilung der Windgeschwindigkeit und Lufttemperatur für Entwicklung und Anwendung
der Modellgleichungen. Für jede der 20 möglichen Kombinationen erfolgt eine eigenständige Regression.
Windstärke x1 x2 x3 Anzahl der Messungen
0 bis 1 m/s -0.40 8.85 -0.43 421
1 bis 2 m/s -1.50 9.78 -0.34 417
2 bis 3 m/s -2.28 10.70 -0.37 191
3 bis 4 m/s -11.28 19.89 -0.18 120
4 bis 10 m/s -9.87 17.64 -0.13 157
Tabelle 4.10: Parameter xi des exponentiellen Zusammenhangs aus Gleichung (4.29) für fünf
Windgeschwindigkeitsklassen und 0°C < T2m < 5°C, sowie Anzahl der jeweils für die Regression verwendeten
Messungen.
4.6.6 Modellgleichung und Parameter für Payerne
In den bisherigen Abschnitten dieses Kapitels wurden verschiedene Konstellationen von
Temperatur- und Niederschlagsmessungen daraufhin untersucht, ob sie Auskunft über die
Bedeckungsverhältnisse geben können. Die Erkenntnisse werden nun zu einer Modellgleichung
zusammengefasst. Am besten verwendbar ist die Temperaturdifferenz Tdiff sowie
ggf. die Niederschlagsmenge RR > 0 mm. Der Einfluss der Windgeschwindigkeit auf Tdiff
wurde bereits diskutiert. Deshalb werden die Regressionen für fünf Klassen der Windgeschwindigkeit
durchgeführt. Die ersten vier dieser Klassen haben eine Breite von 1 m/s, die
letzte umfasst den Grossteil aller übrigen Fälle. Die Einteilung ist in Tabelle 4.9 wiedergegeben.
Die Untersuchungen mit zeitlichen Temperaturgradienten (Tabelle 4.5) zeigen, dass eine
Einschränkung des Temperaturbereichs das Regressionsergebnis verbessern kann. Für Tdiff
ist dabei die Lufttemperatur T2m ausschlaggebend. Die vier verwendeten Temperaturbereiche
sind in Tabelle 4.9 aufgeführt.
Insgesamt stehen 20 Temperatur- und Windgeschwindigkeitsklassen zur Verfügung. Für
jede dieser Klassen werden die Regressionsparameter xi, i = (1, 2, 3) der exponentiellen
Gleichung (4.29) separat bestimmt. Zur Bestimmung des neuen Wolkenparameters Ncpcalc
allein aus den bodennahen Temperaturmessungen und dem Niederschlag gilt damit das
Gleichungssystem
- 75 -

Ncp x ¢ ¤
x calc ¡ exp 1 2 ¡ x T wenn RR 3 diff ¤ 0 mm
calc Ncp 7.5 t¡ ¢ Achtel
¤ (4.32)
wenn RR 20min£ 0 mm
0min ,10min ,
mit xi = xi (u, T2m), i = (1, 2, 3). Als Beispiele sind die Parameter für 0°C < T2m < 5°C in
Tabelle 4.10 wiedergegeben.
4.7 Verifikation in Payerne und anderen ANETZ-Stationen
4.7.1 Vergleich beobachteter und berechneter Bedeckungsgrade in Payerne
Mit Gleichung (4.32) und den durch die Regression gegebenen Parametern xi können für
alle nächtlichen Zeitpunkte in Payerne die neuen Wolkenparameter Ncpcalc berechnet und mit
den Beobachtungen Ncpobs verglichen werden. Um eine definitive Aussage über die
Funktionstauglichkeit des Verfahrens machen zu können, muss es an unabhängigen Daten
getestet werden. Dazu wird der gesamte Datensatz mit 5678 Zeitpunkten unterteilt in einen
abhängigen Datensatz, anhand dessen die Gleichungsparameter xi berechnet werden, und
einen unabhängigen Datensatz zur Kontrolle. Der abhängige Datensatz umfasst die ersten
80% des verfügbaren Zeitraums, der unabhängige Datensatz die restlichen 20%.
In Abbildung 4.5 sind der berechnete gegen den beobachteten Ncp links für alle und rechts
für die unabhängigen Daten aufgetragen. Der Vergleich für alle Zeitpunkte zeigt bereits, dass
sich die meisten Werte verhältnismässig nahe an der Diagonalen aufhalten. Allerdings gibt es
einige Werte mit hohem berechnetem Bedeckungsgrad und beobachtetem klarem Himmel,
und umgekehrt. Eine genauere Analyse ist schwierig, weil die Häufungen zwischen 6 und
8_Achteln und bei klarem Himmel die Abbildung fast komplett schwarz färben. Im
unabhängigen Datensatz (Abbildung 4.5 rechts) sind diese Häufungen ebenfalls vorhanden,
Abbildung 4.5: Berechneter und beobachteter Ncp in Payerne für alle Zeitpunkte (links) und für 1165
unabhängige Zeitpunkte.
- 76 -

aber etwas lichter. Dort fällt auf, dass die zur Beobachtung Ncpobs_=_0_Achtel gehörenden
Berechnungen das Spektrum zwischen Ncpcalc = 0 und 3.5 Achtel fast gleichmässig abdecken.
Dieser Fehler mag unter anderem auf vorhandene, aber in mondlosen Nächten nicht
beobachtete hohe und mittelhohe Wolken zurückzuführen sein, deutet aber auch eine
Schwäche des Modells bei geringer Bedeckung an.
In Tabelle 4.11 und 4.12 sind einige statistische Kenngrössen des Vergleichs zwischen
Ncpobs und Ncpcalc für alle sowie für die unabhängigen Daten aufgeführt. Zur Definition der
Kenngrössen sei auf Anhang F verwiesen. Alle Berechnungen und Beobachtungen erreichen
einen Minimalwert von 0 Achteln. Der Maximalwert beträgt bei der Berechnung je 8 Achtel, bei
der Beobachtung werden Werte bis 9 Achtel registriert (dies entspricht der Beobachtung von
Nebel). Bei der Differenzverteilung aller Daten reichen die Werte von -7.8 Achtel bis
7.2_Achtel. Es gibt also sowohl Fälle mit Berechnung „bedeckt“ und Beobachtung „klar“ als
auch umgekehrt. Für die unabhängigen Daten ist dieser maximale Fehler kleiner.
Die Mittelwerte von Berechnung und Beobachtung liegen jeweils nahe beieinander. Es fällt
auf, dass die unabhängigen Daten im Mittel ein halbes Achtel mehr Bedeckung aufweisen als
alle Daten. Der Mittelwert der Differenzverteilung beträgt für alle Daten -0.04 Achtel und für die
unabhängigen Daten 0.05 Achtel. Auf Abbildung 4.5 übertragen gibt dieser Wert an, um wie
viel die Datenpunkte im Mittel über der Diagonalen liegen. Sein Absolutbetrag wird als
systematischer Fehler oder BIAS bezeichnet. Einen systematischen Fehler macht das
verwendete Modell also weder bei allen noch bei den unabhängigen Daten.
Der Median gibt den Wert an, dem in einer Verteilung gleich viele grössere wie kleinere
Werte gegenüberstehen. In Tabelle 4.11 und 4.12 sind die Mediane aller berechneten und
beobachteten Verteilungen grösser sind als deren Mittelwerte. Die Verteilungen sind also nicht
symmetrisch, sondern zu den bedeckten Fällen hin verschoben. Während die Differenz der
Mediane für alle Daten 0.32 Achtel und für die unabhängigen Daten sogar 0.64 Achtel beträgt,
sind die Mediane der Differenzverteilungen beruhigend klein.
Ncpcalc
Ncpobs
Ncpobs - Ncpcalc
Anzahl
Zeitpunkte
5678
Minimum
/
Achtel
Maximum
/
Achtel
Mittelwert
/
Achtel
Standardabweichung
/ Achtel
Median
/ Achtel
0.00 8.00 4.90 2.49 5.75
0.00 8.99 4.86 3.06 6.08
-7.81 7.17 -0.04 1.52 0.04
Korrelationskoeffizient
Tabelle 4.11: Statistische Werte von berechnetem und beobachtetem Ncp und dessen Differenz zwischen
Sonnenuntergang und -aufgang für alle Daten.
Ncpcalc
Ncpobs
Ncpobs - Ncpcalc
Anzahl
Zeitpunkte
1165
Minimum
/
Achtel
Maximum
/
Achtel
Mittelwert
/
Achtel
Standardabweichung
/ Achtel
Median
/ Achtel
0.00 8.00 5.48 2.47 6.52
0.00 8.99 5.53 3.15 7.16
-5.11 5.39 0.05 1.36 0.10
Tabelle 4.12: Wie Tabelle 4.11, aber für den unabhängigen Datensatz.
- 77 -
0.87
Korrelationskoeffizient
0.91

Interessant ist die Standardabweichung s der Differenzverteilung. Sie gibt den Fehler des
Mittelwerts an, 63% aller Werte liegen innerhalb des 1-s-Intervalls. Auf Abbildung 4.5
übertragen gibt s den mittleren Abstand der Werte von der Diagonalen an. Beim Vergleich
zweier Verteilungen wird anstatt der Standardabweichung s oft der mittlere quadratische
Fehler RMS (root mean square error) berechnet, der in einer ähnlichen Grössenordnung liegt.
Im vorliegenden Fall ist die Standardabweichung für die unabhängigen Daten mit 1.36 Achteln
etwas geringer als für alle Daten mit 1.52 Achtel. Das Modell kann also anscheinend mit den
unbekannten (unabhängigen) Daten besser umgehen als mit den bekannten (abhängigen).
Dies ist ungewöhnlich, da man im Allgemeinen eine Verschlechterung für unabhängige Daten
erwartet und aus dem Grad der Verschlechterung auf die Verwendbarkeit des Modells für
beliebige Daten schliessen will. In diesem Fall ist das Modell also für beliebige Daten genauso
geeignet wie für die abhängigen Daten. Vermutlich sind der abhängige und der unabhängige
Datensatz ungünstig gewählt.
Der letzte zu diskutierende Wert der Tabellen 4.11 und 4.12 ist der Korrelationskoeffizient r.
Der mit allen Daten erreiche Wert r = 0.87 ist schon sehr gut. Für die unabhängigen Daten
steigt er auf r = 0.91. Dies bestätigt, dass das entwickelte Modell mit seinen Parametern xi für
beliebige Daten anwendbar ist.
4.7.2 Abhängigkeit der Modellqualität vom Wind und von der Temperatur
Bereits in Kapitel 4A wurde mehrfach darauf hingewiesen, dass der Wind einen Einfluss
des Windes auf das Ergebnis der Methode hat. Dieser Einfluss kann nun quantifiziert werden.
In Abbildung 4.6 sind die Korrelationskoeffizienten r zwischen beobachtetem und
berechnetem Ncp bei verschiedenen Windgeschwindigkeiten u für den unabhängigen Datensatz
dargestellt. Die Kurve beginnt überragend bei r = 0.93 und hält dies bis einschliesslich
u_=_2_±_0.5_m/s durch. Danach nimmt der Korrelationskoeffizient zuerst schwach, dann
Windgeschwindigkeit /
m/s
Anzahl
Zeitpunkte
Korrelationskoeffizient
RMS / Achtel
Ncpobs,mittel /
Achtel
0 bis 0.5 742 0.90 1.49 4.95
1 ± 0.5 2075 0.89 1.51 4.34
2 ± 0.5 1201 0.88 1.50 4.69
3 ± 0.5 618 0.83 1.52 5.08
4 ± 0.5 450 0.67 1.63 5.73
5 ± 0.5 284 0.66 1.63 5.70
6 ± 0.5 170 0.42 1.36 6.29
7 ± 0.5 58 0.40 1.42 6.40
8 ± 0.5 41 0.27 1.02 6.66
9 ± 0.5 26 0.36 1.36 6.37
Tabelle 4.13: Statistische Vergleichswerte und mittlerer beobachteter Ncp bei unterschiedlichen Windgeschwindigkeiten
für alle Daten (Vergleich zwischen Ncpobs und Ncpcalc in Payerne).
- 78 -

Abbildung 4.6: Änderung des Korrelationskoeffizienten mit der Windgeschwindigkeit für unabhängige Daten.
immer stärker ab. Die Grenzgeschwindigkeit umin, ab der die Turbulenz den Zusammenhang
deutlich verwischt, liegt bei umin = 3.5 m/s. Dies deckt sich mit den in Abschnitt 4.2.1 zitierten
Werten von Best (1998) und Bogren et al. (2001). Wegen der geringen Stichprobenzahl kann
für u_>_7_m/s im unabhängigen Datensatz kein sinnvoller Korrelationskoeffizient mehr
berechnet werden.
In Tabelle 4.13 sind die Ergebnisse für alle Daten aufgeführt. Die Berechnungen sind hier
bis u_=_9_m/s aussagekräftig. Die Korrelationskoeffizienten verhalten sich ähnlich wie für
unabhängige Daten. Der RMS wird aber bei u = 4 m/s nur unwesentlich schlechter und erholt
sich bei noch grösseren Windgeschwindigkeiten wieder. Einen Grund liefert die absolute
Bewölkung, über die der ebenfalls tabellierte Mittelwert des beobachteten Ncp Auskunft gibt.
Bei starkem Wind mit u > 5.5 m/s steigt er auf über 6 Achtel. Starker Wind geht also häufig
mit (nahezu) bedecktem Himmel einher. Dieser kann vom Modell verhältnismässig genau
diagnostiziert werden, was den RMS konstant hält. Ein linearer Zusammenhang wird dagegen
immer unwesentlicher, was sich in der kaum mehr vorhandenen Korrelation niederschlägt.
Insbesondere die Untersuchungen zum zeitlichen Temperaturgradienten in Abschnitt 4.6.4
legen nahe, dass auch die Temperatur einen Einfluss auf die Modellgüte hat. Tabelle 4.14
zeigt Ergebnisse des Vergleichs zwischen berechneter und beobachteter Bewölkung bei
Lufttemperatur T2m / °C
Anzahl
Zeitpunkte
Korrelationskoeffizient
RMS / Achtel Ncpobs,mittel /
Achtel
-10 ± 2.5 65 0.85 1.75 2.79
-5 ± 2.5 578 0.89 1.72 4.31
0 ± 2.5 2192 0.89 1.52 4.86
5 ± 2.5 2075 0.84 1.48 5.05
10 ± 2.5 706 0.82 1.41 4.99
15 ± 2.5 50 0.77 1.41 4.30
Tabelle 4.14: Statistische Vergleichswerte und mittlerer beobachteter Ncp für unterschiedliche Temperaturintervalle
und für alle Daten (Vergleich zwischen Ncpobs und Ncpcalc in Payerne).
- 79 -

verschiedenen Lufttemperaturen. Korrelationskoeffizient und RMS liefern für alle Temperaturintervalle
gute bis sehr gute Ergebnisse. Beide nehmen mit zunehmender Temperatur ab.
Das Verhalten des RMS lässt sich mit der absoluten Bedeckung erklären. Bei -10°C
überwiegen die wolkenlosen Fälle mit grosser mittlerer Unsicherheit (vgl. Abbildung 4.5). Mit
zunehmender Lufttemperatur bis +5°C nimmt auch das Mittel des beobachteten Ncp zu, was
zur Reduzierung des RMS führt. Die abnehmende Korrelation bei steigenden Temperaturen
lässt sich am besten so begründen, dass bei wärmeren Bedingungen der Feuchtegehalt der
Luft (und die damit verbundene Emission von Wasserdampf) höher ist und stärker schwankt.
Dass das beste Ergebnis genau bei 0°C erzielt wird, hat einen doppelten Grund.
Physikalisch herrscht bei bereits ausgewogenen Bewölkungsverhältnissen noch geringe
Luftfeuchte vor. Statistisch ist entscheidend, dass das Verfahren mehrheitlich mit
Datensätzen dieses Temperaturbereichs entwickelt wurde. Für die Anwendung im
Strassenwetter liegt das Qualitätsmaximum durchaus günstig, da sich die meisten der
strassenwettertechnisch kritischen Fälle nahe des Gefrierpunkts abspielen.
4.7.3 Verhältnisse während der Dämmerung
Tabelle 4.15 listet Korrelationskoeffizient r, mittleren quadratischen Fehler RMS und Datenumfang
für jede der drei Dämmerungsphasen auf. Nautische und astronomische Dämmerung
schneiden etwa genauso gut ab wie die Nacht. In der bürgerlichen Dämmerung ist der
Berechnungsfehler grösser, die Korrelation etwas geringer. Allerdings sind auch r = 0.80 und
RMS = 1.66 Achtel akzeptabel, was eine Verwendung des Modells von Sonnenuntergang bis
-aufgang rechtfertigt.
4.7.4 Verwendung der entwickelten Modellgleichungen an anderen ANETZ-Stationen
Bisher wurden die theoretisch entwickelte Methode und die hergeleiteten Modellgleichungen
nur in Payerne getestet. Um Bewölkungsinformationen aus dem ganzen
Messnetz zu erhalten, müssen Methode und Modell aber möglichst einfach auf weitere
Stationen übertragbar sein.
An den ANETZ-Stationen in Wynau, Vaduz und Kloten stehen Messungen von
Niederschlag, Luft- und Grastemperatur sowie dreistündliche Wolkenbeobachtungen zur
Verfügung, die den selben Zeitraum wie in Payerne abdecken. Auch an diesen Stationen
werden die letzten 20% des Zeitraums als unabhängiger Datensatz abgesondert; die ersten
Dämmerungsphase
Anzahl
Zeitpunkte
Korrelationskoeffizient
RMS / Achtel
Bürgerliche Dämmerung 281 0.80 1.66
Nautische Dämmerung 321 0.87 1.50
Astronomische Dämmerung 1165 0.86 1.51
Nacht 3911 0.88 1.52
Tabelle 4.15: Statistische Vergleichswerte während der Dämmerung für alle Daten.
- 80 -

ANETZ-Station Anzahl Zeitpunkte RMS / Achtel Korrelationskoeffizient
Payerne 1152 1.36 0.91
Wynau 1154 1.58 0.84
Vaduz 1087 2.24 0.74
Kloten 1155 1.38 0.88
Tabelle 4.16: Anwendung der Modellgleichungen (4.32) an diversen ANETZ-Stationen, jeweils nach eigener
Regression zur Bestimmung der Gleichungsparameter xi. Ergebnisse für unabhängige Daten.
ANETZ-Station Anzahl Zeitpunkte RMS / Achtel Korrelationskoeffizient
Wynau 1154 1.56 0.84
Vaduz 1087 2.36 0.71
Kloten 1155 1.33 0.88
Tabelle 4.17: Anwendung des Modells an diversen ANETZ-Stationen mit den Gleichungsparametern xi aus
Payerne. Selbe Daten wie in Tabelle 4.16.
80% dienen zur Bestimmung der Regressionsparameter. Dabei kommt die in Payerne
gefundene exponentielle Gleichung (4.29) zur Anwendung. Die Einteilung in fünf Wind- und
vier Temperaturklassen bleibt unverändert. Die anschliessende Berechnung mit dem
Gleichungssystem (4.32) und den jeweils stationseigenen Parametern xi liefert wieder die
berechnete Bewölkung Ncpcalc. Einige Kenngrössen des Vergleichs mit dem beobachteten
Ncpobs sind für den unabhängigen Datensatz in Tabelle 4.16 aufgeführt.
Der Korrelationskoeffizient r = 0.88 für Kloten liegt nur wenig unter dem Wert für Payerne.
Wynau und Vaduz scheiden etwas schlechter ab. Entscheidend ist aber der Vergleich des
mittleren quadratischen Fehlers. Kloten erreicht RMS = 1.38 Achtel, was sich vom Payerner
RMS = 1.36 Achtel nicht signifikant unterscheidet. Die Berechnungen in Wynau liegen
0.2_Achtel darüber, sind also ähnlich gut. Lediglich Vaduz liefert mit RMS = 2.24 Achtel einen
deutlich schlechteren Wert. Dies lässt sich zum Teil mit der Stationspositionierung erklären.
Vaduz liegt am rechten Rand des Rheintals und ist von hohen Bergen umgeben. Der Sky-
View-Faktor s ist also reduziert, die Annahme homogener Strahlungsbedingungen nicht
mehr gegeben. Im Vergleich zum Mittel der anderen drei Stationen ist der RMS von Vaduz
um 0.8_Achtel höher und gibt damit einen quantitativen Eindruck, wie das Modell in
orographisch beeinflussten Situationen allgemein abschneiden wird.
Beobachtet
Berechnet Klar
Vereinzelte
Wolken Bewölkt
Stark
bewölkt Bedeckt
Klar 996 74 48 19 7
Vereinzelte Wolken 383 83 91 62 21
Bewölkt 128 68 119 196 95
Stark bewölkt 45 52 120 485 514
Bedeckt 17 7 23 286 1739
Tabelle 4.18: Histogramm der beobachteten und berechneten Ncp für alle Daten in Payerne.
- 81 -

Wynau und Kloten zeigen aber klar, dass die für Payerne gefundenen Modellgleichungen
auch an anderen Stationen anwendbar sind.
4.7.5 ANETZ-weite Verwendung von Modellgleichungen und -parametern aus
Payerne
Anstatt an jeder Station eine eigene Regression durchzuführen, können auch die
Gleichungsparameter xi aus Payerne an den anderen Stationen verwendet werden. Das
Ergebnis ist in Tabelle 4.17 dargestellt und mit den Werten in Tabelle 4.16 zu vergleichen.
Wynau und Kloten schneiden mit den Payerner Parametern sogar besser ab, als wenn an
den Stationen eigene Regressionen durchgeführt werden. Dies ist durchaus erstaunlich,
bestätigt aber die Wahl von Payerne zur Modellentwicklung. Die Ergebnisse für Vaduz sind
leicht verschlechtert. Es ist dennoch auch dort gerechtfertigt, auf die Entwicklung eigener
Parameter zu verzichten und jene von Payerne einzusetzen. Damit können die Payerner
Modellgleichungen und -parameter an allen ANETZ-Stationen verwendet werden.
4.7.6 Abschätzung der Modellgenauigkeit
Für Payerne und für alle Daten beträgt der RMS = 1.52 Achtel. Dabei wird der beobachtete
Bedeckungsgrad Ncpobs mit dem aus Temperatur- und Niederschlagsmessungen und mit
Regressionsparametern berechneten Bedeckungsgrad Ncpcalc verglichen. Entsprechend teilt
sich dieser Fehler RMSobs,calc auf in einen Fehler der Beobachtung Ncpobs und einen Fehler
der Berechnung Ncpcalc. Letzterer kann seinerseits unterteilt werden in einen Fehler der
Messungen Ncpmess, einen Fehler in den Gleichungsparametern Ncppar und den Fehler der
Methode Ncpmethode. Da es sich jeweils um quadratische Fehler handelt, muss ihr Quadrat
addiert werden zu
RMS ¥ 2
2
Ncp © Ncp (4.33a)
obs ,calc obs
calc
x §
2 ¡ ¨ 2
Ncpobs ¡ ¨ Ncpmess ¨ 2 ¡ ¨ 2
Ncp Ncp par
methode
. (4.33b)
Eine Gausssche Fehlerfortpflanzung von Gleichung (4.29) liefert folgende Abschätzung:
Bei einem Messfehler T0m_=_ T2m_=_0.1_K wird windunabhängig Ncpmess_ _0.2_Achtel.
Setzt man einen Fehler der Regressionsparameter xi aus Tabelle 4.10 (also im Temperaturbereich
0 bis 5°C) von xi_=_10% voraus (was beim Vergleich der Regressionsparameter
benachbarter Windstärkeklassen durchaus mindestens gerechtfertigt erscheint), dann wird
Ncppar_=_0.50_Achtel für die Windklasse 0_bis_1_m/s; für 1_bis_2vm/s wird
Ncppar_=_0.56_Achtel; für 4_bis_10_m/s ergibt sich allerdings Ncppar_=_2.22_Achtel. Die
Niederschlagsmessungen sind dabei nicht berücksichtigt.
Der Fehler der Beobachtung wird in Kapitel 4A auf Ncpobs = 0.9 Achtel abgeschätzt. Nach
Gleichung (4.33b) beträgt der methodische Fehler dann (mit Ncpmess = 0.2 Achtel und
Ncppar = 0.55 Achtel) Ncpmethode_=_1.08_Achtel. Der entscheidende Wert ist aber der
Gesamtfehler der Berechnungen Ncpcalc_=_1.22_Achtel. Er gibt an, wie hoch die Güte der
Berechnung wirklich ist.
Einschränkend muss angemerkt werden, dass jeder Teilfehler – und somit auch der Fehler
der Berechnung – mit Lufttemperatur, Windgeschwindigkeit oder absolutem Bedeckungsgrad
- 82 -

schwankt. Beim Bilden von Mittelwerten ist es problematisch, verschiedene Klassen geeignet
zu berücksichtigen. Deshalb ist Ncpcalc_=_1.22_Achtel nur eine ungefähre und eher
tendenziöse Angabe.
Eine andere Möglichkeit, die Berechnungsgenauigkeit abzuschätzen und den Einfluss des
Beobachtungsfehlers zu verringern besteht darin, von einem kontinuierlichen Ncp zu
Bewölkungsklassen überzugehen. Die Einteilung in Bewölkungsklassen erfolgt nach Tabelle
A.1 in Anhang A. Eine Klasse (klar) ist 2 Achtel breit, die anderen vier Klassen umfassen je
1.5_Achtel. Die Einteilung aller Payerner Daten in ein Histogramm zeigt Tabelle 4.18. Die
Tabelle ist eine diskretisierte Darstellung von Abbildung 4.5 links. Der Fehler beträgt nun
RMS_=_0.90 Klassen 1.35 Achtel. Interessanter ist aber eine Einteilung in richtig und falsch,
die anhand des Histogramms erfolgen kann.
Die exakt richtige Klasse wird für 60% aller Werte berechnet (in Tabelle 4.18 fett). Einen
Fehler von einer Klasse weisen weitere 31% der Berechnungen auf. Damit sind 91% der
Werte einigermassen richtig berechnet. Interessant ist auch der Anteil der komplett falschen
Berechnungen. Mehr als 2 Klassen daneben liegen nur 2% der Werte (in Tabelle 4.18 kursiv).
Für die Belange des Strassenwetters sind v.a. die Fälle problematisch, bei denen der
Himmel klar oder vereinzelt bewölkt ist, obwohl stark bewölkt oder bedeckt berechnet wird.
Dies trifft auf 121 Zeitpunkte oder 2.1% zu - vorausgesetzt die Beobachtung ist korrekt.
Gerade die Beobachtung klaren Himmels in dunklen Nächten kann dabei als fraglich
angesehen werden.
4.8 Übertragbarkeit auf andere Stationstypen
4.8.1 Die Strassenwetterstation in Roggliswil
Das in Abschnitt 4.7 entwickelte Modell muss nun auf die anderen Stationstypen
übertragen und notfalls angepasst werden. Leider gibt es keine Strassenwetterstation mit
Wolkenbeobachtungen. Strassenwetterstationen und ANETZ-Stationen stehen auch immer
an unterschiedlichen Orten. Um wenigstens einigermassen aussagekräftig vergleichen zu
können, wird eine Strassenwetterstation verwendet, die in der Nähe einer ANETZ-Station mit
dreistündlichen Wolkenbeobachtungen liegt: Roggliswil.
Roggliswil liegt im äussersten Nordwesten des Kantons Luzern. 7.98 km von der
Strassenwetterstation entfernt liegt im Aaretal im Kanton Bern die ANETZ-Station Wynau. Die
Wynauer Wolkenbeobachtungen stammen im Allgemeinen aus dem Zeitintervall xx:20 bis
xx:29, die zugehörigen Messungen in Roggliswil von xx:32. Die Beobachtungen gelten
natürlich nur für Beobachtungsort und -zeit und sind mit einem Fehler Ncpobs 0.9 Achtel
belastet. Ungeachtet der Zeit, die Wolken für eine Verlagerung von Wynau nach Roggliswil
brauchen, sollen diese Beobachtungen Ncpobs,WYN auch in Roggliswil als Vergleichswert
dienen. Natürlich ist nicht gewährleistet, dass die Wolken überhaupt verlagert werden. Die
Veränderung, die sie unterwegs erfahren, bleibt unberücksichtigt. Zudem können auch lokale
Wolken (Nebel, Hochnebel) an nur einer der Stationen existieren. Die Annahme, dass
Ncpobs,WYN in Roggliswil der wahre Bedeckungsgrad sei, ist also eine grobe Näherung, aber
notwendig.
- 83 -

4.8.2 Faktoren zur Korrektur des solaren Aufheizens
Kann sich der Strassenbelag tagsüber aufheizen, ist der Bodenwärmestrom nach
Sonnenuntergang sehr gross. Nach klaren Tagen und in klaren Nächten dominiert dieser
Effekt den Temperaturgradienten und muss korrigiert werden. Es seien Ncpmin die minimale,
Ncpmax die maximale und Ncpmittel die mittlere Bedeckung während einer Nacht. In Wynau
werden damit die Nächte konstanter Bedeckung Ncpmax - Ncpmin < 2 Achtel ausgewählt und in
drei Klassen Ncpmittel < 2 Achtel (klar), 2 Achtel ¡ Ncpmittel ¡ 6 Achtel (wechselnd bewölkt) und
Ncpmittel > 6 Achtel (bedeckt) unterteilt. Es ergeben sich 38 klare, 18 wechselnd bewölkte und
152 bedeckte Nächte. Der Verlauf der zugehörigen Grastemperaturen T0m in Roggliswil ist in
Abbildung 4.2 dargestellt und wurde bereits in Kapitel 4A diskutiert. In den klaren Nächten
nimmt die Temperatur exponentiell ab, in bedeckten Nächten verändert sie sich kaum. Das
nicht exponentielle Verhalten einiger T0m-Kurven in Abbildung 4.2 links lässt auf lokale
Wolken in Roggliswil schliessen, während es in Wynau klar ist.
Der Temperaturverlauf der klaren Nächte kann am besten charakterisiert werden, indem er
relativ zum nächtlichen Temperaturminimum T0m,min respektive zum Temperaturmaximum
T0m,max des vorhergehenden Tages betrachtet wird. Abbildung 4.7 gibt links den Verlauf
T0m_-_T0m,max und rechts T0m,max_-_T0m wieder, jeweils in logarithmischer Darstellung für alle
klaren Nächte. Der Zeitpunkt, an dem die astronomische Dämmerung endet bzw. beginnt, ist
in jeder Kurve mit einem + gekennzeichnet. Durch die geeignete Darstellung nehmen die
Kurven in Abbildung 4.7 links vor Mitternacht nahezu linear ab. Für jede Nacht kann T0m(t)
zum Zeitpunkt t durch eine Gerade
ln ( T0m (t) – T0m,min ) = bmin + amin · t (4.34)
mit Steigung amin und Ordinatenabschnitt bmin in logarithmischen ln-Einheiten approximiert
werden. Die Kurven in Abbildung 4.7 rechts steigen in den meisten Fällen bis kurz vor
Sonnenuntergang ebenfalls linear. Dann folgt ein Knick und nach Sonnenuntergang wieder
ein nahezu linearer Verlauf. Die Linearität kann optimiert werden, wenn ab Sonnenuntergang
0.2_K pro Stunde addiert werden. Dann ist für jede Nacht eine Approximation mit der
Geradengleichung
ln [ T0m,max – T0m (t) + t · exp (0.2 K/h) ] = bmax + amax · t (4.35)
und den Parametern amax und bmax möglich. Jede der 38 als klar klassifizierten Nächte wird
also durch vier Parameter amin, bmin, amax und bmax beschrieben. Mittelwert und
Standardabweichung s der Parameter sind in Tabelle 4.19 aufgeführt, z.B. ist
amin,mittel_±_sa.min_=_-0.310_±_0.058.
Damit sind auch Aussagen über Nächte ohne beobachteten Bedeckungsgrad möglich und
können in das Diagnosemodell eingefügt werden. Um Nächte mit wechselndem Bedeckungs-
T0m-T0m,min amin bmin T0m,max-T0m amax bmax
Mittelwert 1.827 -0.310 0.589 29.737 0.034 3.202
Standardabweichung 3.458 0.058 0.476 8.839 0.006 0.256
Tabelle 4.19: Mittelwerte und Standardabweichungen der Parameter aus Gleichung (4.34) und (4.35), die zu
den Ausgleichsgeraden in Abbildung 4.7 gehören.
- 84 -

Abbildung 4.7: Logarithmische Darstellung des Temperaturverlaufs in Roggliswil in klaren Nächten. Links T0m
kalibriert mit dem nächtlichen Minimum T0m,min. Rechts T0m kalibriert mit dem Tagesmaximum T0m,max.
+ markiert jeweils Ende und Beginn der astronomischen Dämmerung. Die Farbwahl ist willkürlich.
grad zu berücksichtigen, und weil das Modell instantan arbeiten soll, wird nicht immer die
ganze Nacht bewertet, sondern nur die zurückliegenden zwei Stunden (also acht Messungen
der Strassenwetterstation). Erstes Kriterium ist dabei, dass die Temperatur T0m im
wesentlichen monoton fällt. Wenn vor dem Untersuchungszeitpunkt t0
T 0m
t i 2
¡ T 0m
t i
¢
i £¥¤ 0..7¦ (4.36)
mit ti = t0 – i · 15 min gegeben ist, werden amin, bmin, amax und bmax berechnet. Sie werden
dann mit den mittleren Werten für klare Nächte aus Tabelle 4.19 verglichen, wobei die
Differenz zwischen dem aktuellen Wert und dem Mittelwert innerhalb eines von der Standardabweichung
abhängigen Fehlerintervalls f · s liegen muss. Ist weder
noch
§ amin – a min ,mittel
§ amax – a max ,mittel
§ ¨
§ ¨
f ¡ s a min ©
f ¡ s a max ©
§ b min – b min ,mittel
§ bmax – b max ,mittel
§ ¨
§ ¨
f ¡ s b min
f ¡ s b max
(4.37a)
(4.37b)
mit f = 1.3 erfüllt, wird der Zeitpunkt t0 als nicht korrekturbedürftig eingestuft.
Ebenfalls wird überprüft, wie stark die Temperaturen T0m und T-5cm absinken. In den 38
klaren Vergleichsnächten wurden zu jedem Zeitpunkt t0 die Temperaturabnahmen
T-5cm,i = T-5cm (ti) – T-5cm (t0) (4.38)
mit ti = t0 – i · 15 min über zwei Stunden (0 ¡ i ¡ 7) bestimmt. Ihr Mittelwert T-5cm,i,mittel samt
Standardabweichung s T 5cm ,i ist in Tabelle 4.20 wiedergegeben. Tabelle 4.21 beinhaltet die
entsprechenden Werte T0m,i,mittel und s T 0m ,i . Ist zum aktuellen Zeitpunkt t0 weder
noch
T 5cm , i
T 5cm , i , mittel s T 5cm , i i 0...7¡ (4.39a)
- 85 -

Zeitschritte i zurück 0 1 2 3 4 5 6 7
Mittelwert T-5cm,i,mittel 0.00 -0.21 -0.43 -0.65 -0.89 -1.14 -1.39 -1.66
Standardabweichung s T ¡ 5cm , i 0.00 0.13 0.26 0.40 0.55 0.70 0.86 1.03
Tabelle 4.20: Mittelwert und Standardabweichung von T-5cm,i in den klaren Nächten (vgl. Gleichung (4.38)).
Zeitschritte i zurück 0 1 2 3 4 5 6 7
Mittelwert
T0m,i,mittel 0.00 -0.20 -0.43 -0.67 -0.94 -1.24 -1.56 -1.91
Standardabweichung s T 0m , i 0.00 0.16 0.32 0.52 0.76 1.05 1.36 1.71
Tabelle 4.21: Mittelwert und Standardabweichung von T0m,i in den klaren Nächten (analog zu Tabelle 4.20).
Kein Test
nötig
Keine Korrektur
nötig
Nicht
entscheidbar
Korrigiert
RMS / Achtel 1.82 1.74 2.64 2.18
Anzahl Werte 748 294 128 115
Tabelle 4.22: Untersuchung zu offensichtlich wolkenlosen, aber falsch berechneten Zeitpunkten (Korrektur
des solares Aufheizens) in Roggliswil. Die Einteilung der Werte erfolgt mit Gleichung (4.36) bis (4.39), die
Korrektur ggf. mit Gleichung (4.40). Näheres siehe Text.
¢ T 0m , i
£ ¢ T 0m , i , mittel
¤ s T 0m , i
¥
i ¦ 0...7¡ (4.39b)
erfüllt, wird der Zeitpunkt ebenfalls als nicht korrekturbedürftig eingestuft.
Ist mindestens eine der Gleichungen (4.37a) und (4.37b) mit f = 1.3 sowie mindestens eine
der Gleichungen (4.39a) und (4.39b) erfüllt, gilt es als nicht entscheidbar, ob der Zeitraum ti=7
bis t0 weitgehend wolkenlos und somit korrekturbedürftig ist oder nicht. Der Ncp zum
Zeitpunkt t0 wird nicht weiter berücksichtigt. Nur wenn beide Gleichungen (4.39a) und (4.39b)
mit f = 0.7 sowie mindestens eine der Gleichungen (4.37a) und (4.37b) erfüllt sind, ist der
Himmel zum Zeitpunkt t0 offensichtlich weitgehend wolkenfrei und wird auf
Ncpkorrigiert = Ncpcalc / 2.5, (4.40)
also einen deutlich tieferen Wert zwischen 0 und 3 Achteln, gesetzt.
Tabelle 4.22 zeigt, dass von den 1285 nächtlichen Ncp-Berechnungen in Roggliswil mit
gleichzeitiger Ncp-Beobachtung in Wynau nur etwa 40% überhaupt auf „klar“ getestet werden
(Monotonie-Kriterium in Gleichung (4.36)). Knapp 10% werden mit Gleichung (4.40) korrigiert,
weitere 10% ganz raus genommen (da nicht entscheidbar). Der angegebene RMS zeigt, dass
diese Einteilung gerechtfertigt ist. Die nicht entscheidbaren Werte schneiden sehr viel
schlechter ab als der Rest.
Eine weitere Form der Berücksichtigung des thermischen Aufheizens ist die in Abschnitt
4.2.3 besprochene „Korrektur des Bodenwärmestroms ohne direkte Kenntnis der Bodenparameter“,
bei der T2m mit Hilfe von Ttief = T-5cm korrigiert wird.
In Tabelle 4.23 sind die Vergleichsergebnisse zwischen dem in Roggliswil berechneten
Ncpcalc,ROG und dem in Wynau beobachteten Ncpobs,WYN und deren Veränderung bei
- 86 -

Veränderung Anzahl RMS BIAS r
Ursprüngliches Modell 1345 2.79 1.07 0.31
Nach Korrektur des solaren Aufheizens 1229 2.28 0.52 0.55
Nach Korrektur von T2m mit T-5cm 1229 2.04 0.95 0.67
Nach Korrektur von T0m bei Verdunstung 1229 1.98 0.56 0.70
Nach Korrektur von T0m bei Raureifbildung 1229 1.98 0.56 0.70
Nach Korrektur bei ¥¡
reif
Tabelle 4.23: RMS, BIAS und Korrelationskoeffizient r zwischen dem beobachteten Ncpobs,WYN in Wynau und
der Berechnung Ncpcalc,ROG in Roggliswil. Sukzessive Anwendung der Korrekturen in der gewählten
Reihenfolge. Alle Werte bei Dunkelheit, ausser bei Nebel (Ncpobs,WYN > 8 Achtel oder VVROG £ 1 km).
¢ ¢ 0.5 K 1229 1.98 0.60 0.70
Veränderung Anzahl RMS BIAS r
Ursprüngliches Modell 1345 2.79 1.07 0.31
Korrektur des solaren Aufheizens 1229 2.28 0.52 0.55
Korrektur von T2m mit T-5cm 1345 2.16 0.75 0.65
Korrektur von T0m bei Verdunstung 1345 2.77 1.18 0.32
Korrektur von T0m bei Raureifbildung 1345 2.79 1.06 0.32
Korrektur bei ¥¡
reif
¢ ¢ 0.5 K 1345 2.81 1.02 0.33
Tabelle 4.24: Wie Tabelle 4.23, aber für jede Korrektur separat.
sukzessiver Einführung mehrerer Korrekturen aufgeführt. Tabelle 4.24 bewertet die Verbesserung
jeder Korrektur separat. Die Korrektur des solaren Aufheizens verbessert die
Berechnungen deutlich, auch wenn ihr etwa 10% nicht entscheidbare Fälle zum Opfer fallen.
Auch die Korrektur von T2m mit Ttief zeigt sich als wirkungsvoll und notwendig.
4.8.3 Quantifizierung der Korrekturen für Verdunstung und Raureif
Auf die Korrektur von Verdunstung und Raureif wurde in Abschnitt 4.2.2 bereits
eingegangen. Beide Korrekturen sind nur an den Strassenwetterstationen möglich, da nur hier
der Oberflächenzustand (Strassenzustand) bekannt ist. Von beiden Korrekturen ist nur ein
kleiner Teil der Daten betroffen, wie Tabelle 4.25 zeigt.
Zwar liefern 696 der 1229 betrachteten Messungen den Strassenzustand feucht
oder nass, davon finden 315 aber bei oder direkt nach Niederschlag statt
RR¡ ¥ ¤
0min ,15min ,30min¦
0 mm§ . Ihr Bedeckungsgrad wird in Gleichung (4.32) unabhängig
t¢ ¥
von T0m auf Ncp = 7.5 Achtel gesetzt. Damit Verdunstung überhaupt möglich ist, muss die
Luft zudem untersättigt sein. Über die Luftfeuchtigkeit in Bodennähe ist nichts bekannt. Es
bleibt nichts anders übrig, als den Taupunkt 2m in 2 Metern Höhe auch für den Boden zu
verwenden. Die zur Korrektur der Grastemperatur T0m vorgesehene Psychrometergleichung
(4.15) lautet dann
- 87 -

T 0m , trocken T 0m , feucht e s
A p
T 0m , feucht¢ e s
¡ § 2m¢
¡
. (4.41)
Sie ist nur bei T ¡
T
0m , feucht 0m ,messung 2m sinnvoll, was die Zahl korrigierter Fälle auf 21%
verringert. Entsprechend gering ist die in Tabelle 4.23 bzw. 4.24 aufgeführte Verbesserung
durch diese Korrektur.
In Roggliswil sind laut Tabelle 4.25 nur 71 Messungen mit gefrorenem oder verreiftem
Strassenzustand vorhanden. Diese sind mit einer Ausnahme nicht mit Niederschlag
verbunden. Ihre Grastemperaturen müssen mit Gleichung (4.16) korrigiert werden, um den
energetischen Effekt der Reifbildung auszugleichen. In Gleichung (4.16) geht wieder 2m
als am Boden vorherrschender Feuchtewert ein. Von den wenigen Werten ist in Tabelle 4.24
keine deutliche Verbesserung des Ergebnisses zu erwarten. Dennoch ist die Korrektur
wichtig, da sie die strassenwettertechnisch risikoreichen Zeitpunkte betrifft.
Deren korrekte Bestimmung lohnt auch den Aufwand der letzten durchzuführenden Korrektur.
Es sei T0m,reif die Grastemperatur nach Berücksichtigung der Reifbildung (in Gleichung
(4.16) als T0m,wasser bezeichnet). Für die 71 gefrorenen oder verreiften Zeitpunkte zeigt
Abbildung 4.8 dann den beobachteten Bedeckungsgrad in Wynau und die Taupunktsdifferenz
© reif
¤ ¨ 2m£ T 0m ,reif (4.42)
©
in Roggliswil. Von den 21 Messungen mit ¥¡ ¢ ¢ 0.5 K reif treten 17 bei klarem Himmel
(weniger als 2 Achtel) auf. Zu den anderen vier Zeitpunkten ist es wenigstens im 8 km
entfernten Wynau bedeckt. Der berechnete Ncp der 21 Werte liegt mehrheitlich zwischen 3
und 6 Achteln. Es ist damit gerechtfertigt, alle Werte mit ¥ ¢ 0.5 K nachträglich auf
¢
Ncpcalc = 0 Achtel (4.43)
zu setzen. Auf die Werte in Tabelle 4.23 hat diese Korrektur weniger Werte keinen Einfluss, in
Tabelle 4.24 nur einen geringen. Die Messungen mit Schnee auf der Strasse bleiben
unkorrigiert.
Beim Blick auf die Korrekturgleichungen (4.41) und (4.16) fällt auf, dass jeweils der
Luftdruck p einfliesst. Dieser wird an den Strassenwetterstationen nicht gemessen. Sein Ein-
Strassenzustand Korrektur mit Anzahl %
Trocken (keine Korrektur) 439 35.7
Feucht oder nass 696 56.6
davon RR¡ t¢ £ 0min ,15min , 30min¤ ¦ 0 mm 381 31.0
davon T ¡
0m
2m Gleichung (4.41) 258 21.0
Gefroren oder verreift 71 5.8
davon RR¢ t£ ¤ 0min ,15min ,30min¥ ¦ 0 mm Gleichung (4.16) 70 5.7
davon ¥¡ ¢ ¢ 0.5 K reif
Gleichung (4.43) 21 1.7
Schnee (keine Korrektur) 23 1.9
Tabelle 4.25: Anzahl von der Korrektur betroffener Werte in Roggliswil, absolut und prozentual. Nur Werte, die
für Tabelle 4.23 überprüft wurden.
- 88 -
reif

Abbildung 4.8: Beobachteter Bedeckungsgrad in Wynau, wenn in Roggliswil der Strassenzustand gefroren
oder verreift gemessen wird, aufgetragen gegen ¤ © reif
in Roggliswil.
fluss ist gering. T0m,feucht variiert zwischen p = 900 hPa und p = 1000 hPa nur um 0.09 K. Für
alle Strassenwetterstationen im Kanton Luzern wird deshalb p = 950 hPa verwendet.
4.8.4 Vergleich der Berechnungen in Roggliswil mit Beobachtungen in Wynau
Abbildung 4.9 bestätigt die Erkenntnisse aus Tabelle 4.23. Links, im Vergleich zwischen
beobachtetem Ncp in Wynau und der Berechnung ohne Korrekturen in Roggliswil, wird
eindeutig zu selten klarer Himmel berechnet. Vor allem ist die Berechnung starker Bewölkung
bei gleichzeitiger wolkenloser Beobachtung recht häufig. Durch die Korrekturen im rechten
Bild haben sich die Probleme verschoben. Jetzt gibt es eine Reihe von Werten, die trotz
berechnetem wolkenlosem Himmel hohe beobachtete Bedeckungsgrade aufweisen. Die
Korrekturen optimieren also die Vorhersage von wolkenlos beobachtetem Himmel auf Kosten
der Vorhersage bedeckten Himmels. Insgesamt sieht Abbildung 4.9 rechts deutlich besser
aus als links, wenn auch nicht so gut wie ihr Pendant für Beobachtung und Berechnung in
Payerne in Abbildung 4.5. Aufgrund der räumlichen und systematischen Unterschiede war
das aber auch nicht zu erwarten.
Der RMS-Fehler sinkt durch die Korrekturen insgesamt von 2.79 auf 1.98 Achtel. Der
Korrelationskoeffizient beträgt in Abbildung 4.9 links nur 0.31, durch die Korrekturen steigt er
auf 0.70 in Abbildung 4.9 rechts.
4.8.5 Diskussion der Berechnungsgüte
In Tabelle 4.23 wird der mittlere quadratische Fehler zwischen der Beobachtung in Wynau
Ncpobs,WYN und der Berechnung in Roggliswil Ncpcalc,ROG mit RMS = 1.98 Achteln angegeben.
- 89 -

Abbildung 4.9: Beobachtete Bedeckung Ncpobs in Wynau und Berechnung Ncpcalc in Roggliswil. Links
unkorrigiert, rechts mit allen vorgesehenen Korrekturen, entsprechend der ersten bzw. letzten Zeile in Tabelle
4.23.
Dieser Fehler setzt sich analog zu Gleichung (4.33) zusammen aus dem Fehler der
Beobachtung Ncpobs,WYN = 0.9 Achtel, dem Fehler der Berechnung Ncpcalc,ROG und einem
Fehler durch die Distanz Ncpdist (bei dem auch die Ungleichzeitigkeit von Beobachtung und
Messung mitzudenken ist). Dabei gilt
2
2
© Ncp Ncp ¥ RMS calc ,ROG
dist
2 2
– Ncp obs ,WYN
= (1.76 Achtel) 2 . (4.44)
Allerdings wäre Ncpcalc,ROG mit Ncpcalc,PAY = 1.22 Achtel aus Abschnitt 4.7.6 nur
unzureichend abgeschätzt. Für Payerne ist der in den Temperaturmessungen begründete
Anteil des Fehlers Ncpmess,PAY = 0.2 Achteln bei TANETZ = 0.1 K. In Roggliswil muss von
einem Fehler der Luft- und Grastemperaturmessung und -berechnung von TRWIS = 0.3 K
und entsprechend einem Ncpmess,ROG = 0.6 Achteln ausgegangen werden. Wird also
¤ ¢
,PAY
2
Ncpcalc
,ROG
2
Ncpcalc –
2
Ncp
mess ,PAY
2
Ncpmess
,ROG
= 1.81 Achtel 2 (4.45)
angenommen, so ist Ncpcalc,ROG = 1.35 Achtel und Ncpdist = 1.14 Achtel.
Der mittlere Bedeckungsgrad an zwei Stationen in 8 km Entfernung schwankt demnach um
mehr als 1 Achtel. Diese Überlegung beruht auf der Annahme, dass der methodische Fehler
in Payerne und Roggliswil gleich gross ist. Die Berechnung des Ncp hat in Roggliswil aber viel
mehr Komplikationen geboten als in Payerne. Der methodische Fehler ist deshalb in
Roggliswil vermutlich grösser und der Entfernungsunterschied geringer (für Ncpdist := 0.8
Achtel ergäbe sich z.B. Ncpcalc,ROG = 1.57 Achtel). Es sei darauf hingewiesen, dass der
Ausgangswert RMS = 1.98 Achtel auf nur zum Teil unabhängigen Daten beruht. Alle
empirischen und statistischen Teile der Korrekturen wurden mit dem gleichen Datensatz
hergeleitet wie überprüft.
- 90 -

4.8.6 Vergleich der Ncp-Berechnungen von ANETZ-Stationen mit denen benachbarter
Strassenwetterstationen
Bisher wurden immer die Beobachtungen der ANETZ-Station Wynau mit den
Berechnungen ihres nächsten Nachbarn Roggliswil verglichen. Man kann aber auch
Berechnungen mit Berechnungen vergleichen. Die ANETZ-Station muss dann nicht mehr
über Wolkenbeobachtungen verfügen; neben Wynau sind die Stationen in Luzern und auf
dem Napf verwendbar. Sie werden in Tabelle 4.26 mit nahegelegenen Strassenwetterstationen
verglichen. Die räumliche Distanz reicht von 2 km (Luzern / Schlund) bis 15 km
(Wynau / Stängelmatten). Berechnungsgrundlage des Ncp sind die Messungen von
November 2003 bis Februar 2004. Für diesen Zeitraum liegen auch für Wynau keine
Wolkenbeobachtungen vor.
Die tabellierten RMS-Werte liegen überall in der selben Grössenordnung. Aus den
Vergleichen der ANETZ-Station Luzern ist eine leichte Entfernungsabhängigkeit von RMS und
Korrelationskoeffizient erkennbar. Verwendet man die Fehlerüberlegungen aus dem
vorhergehenden Abschnitt und gemäss Gleichung (4.44), dann lässt sich ein erwarteter
RMS
2
Ncp soll calc ¥ ,ANETZ
2
Ncp calc ,RWIS © Ncp dist
©
2
(4.46)
abschätzen. Mit Ncpcalc,ANETZ = Ncpcalc,PAY = 1.22 Achteln und
Ncpcalc,RWIS_=_ Ncpcalc,ROG_=_1.35 Achteln ergibt sich bei einer Distanz von 8 km und
Ncpdist_=_1.14 Achteln RMSsoll = 2.15 Achtel. Der Wert liegt knapp unter den tatsächlich
beobachteten Fehlern für Roggliswil, Weggis und Schwanderholz. Näher gelegene Stationen
(aber auch das entferntere Stängelmatten) schneiden sogar besser ab.
Der Fehler Ncpcalc,ROG wurde grosszügig abgeschätzt. Der Vergleich verschiedener
ANETZ-Stationen aus Abschnitt 4.7.5 lässt darauf schliessen, dass auch Ncpcalc,ANETZ
teilweise höher liegt. Der Distanzeffekt kann zudem (gerade bezüglich der Bergstation Napf,
aber auch am Vierwaldstättersee bei Luzern) durch lokale Unterschiede variieren. Somit sind
die erhaltenen RMS-Werte mit dem erwarteten RMSsoll sehr gut verträglich.
Der systematische Fehler (BIAS) variiert nicht nur zwischen den Stationen, sondern auch
bei Vergleichen einer ANETZ-Station mit verschiedenen Strassenwetterstationen. Mit bis zu
1.1_Achteln wird er sehr gross, muss aber wohl hingenommen werden.
ANETZ-Station Strassenwetter-
Station
Distanz /
km
RMS /
Achtel
BIAS /
Achtel
r
Anzahl
Werte
Luzern Schlund 2.04 2.01 -1.08 0.68 2181
Luzern Littauerboden 4.39 2.13 -0.43 0.66 3268
Luzern Weggis 9.46 2.39 -0.54 0.60 2276
Napf Schwanderholz 10.70 2.31 0.24 0.55 2949
Wynau Roggliswil 7.98 2.45 0.52 0.51 2291
Wynau Stängelmatten 15.13 1.96 -0.57 0.60 2855
Tabelle 4.26: Vergleich der berechneten Bedeckungsgrade an ANETZ- und Strassenwetterstationen im
Winter 2003/04.
- 91 -

Abbildung 4.10: Vergleich berechneter Bedeckungsgrade im Winter 2003/04. Links für Wynau und Roggliswil,
rechts für Luzern und Littauerboden.
Für zwei ausgewählte Fälle (Wynau / Roggliswil und Luzern / Littauerboden) zeigt
Abbildung 4.10 die Streudiagramme der Berechnung. Es fällt auf, dass relativ viele Fälle mit
klarer Berechnung an der Strassenwetterstation und bedeckt berechnetem Himmel an der
ANETZ-Station vorhanden sind. Ausserdem gibt es für alle vier Stationen zahlreiche
Zeitpunkte mit der Diagnose „bedeckt“, während die jeweilige Vergleichsstation schon
aufgelockerte oder gar vereinzelte Bewölkung detektiert. Eine Erklärung dafür ist schwierig.
Neben der statistischen Schwankungsbreite (entsprechend Ncpcalc) und unterschiedlichen
Korrekturen kommen v.a. tatsächlich vorhandene lokale Bewölkungsunterschiede in Frage.
4.8.7 Vergleich der Ncp-Berechnungen von ANETZ-Stationen mit denen benachbarter
Stationen der meteomedia ag
Analog zum Vergleich zwischen ANETZ- und Strassenwetterstationen sind die
Berechnungen an den Stationen der meteomedia ag überprüfbar. Dabei kommt v.a. ein
Vergleich zwischen Berechnungen der meteomedia-Station in Lörrach und der 10 km
entfernten ANETZ-Station in Basel in Frage. Einige Kennzahlen gibt Tabelle 4.27 wieder,
während Abbildung 4.11 die graphische Verteilung zeigt. In der Abbildung fällt auf, dass eine
allfällige Ausgleichsgerade wesentlich steiler als die Diagonale verläuft. Bedeckungsgrade
über 6.5_Achtel und unter 1 Achtel werden in Lörrach kaum angenommen. Allerdings gibt es
ANETZ-Station
Station der
meteomedia ag
Distanz /
km
RMS /
Achtel
BIAS /
Achtel
r
Anzahl
Werte
Basel Lörrach 10.33 1.79 0.04 0.63 2329
Tabelle 4.27: Wie Tabelle 4.26, aber für ANETZ- und meteomedia-Stationen.
- 92 -

Abbildung 4.11: Vergleich berechneter Bedeckungsgrade im Winter 2003/04 für Basel und Lörrach.
fast keine absolut falschen Berechnungen „klar“ bei „bedeckt“ und umgekehrt. Der
RMS_=_1.79_Achtel aus Tabelle 4.27 ist sehr akzeptabel. Geht man von einem
Berechnungsfehler Ncpcalc = 1.22 Achtel an beiden Stationen aus, erhält man einen
Distanzfehler Ncpdist = 0.48 Achtel. Die lokalen Differenzen der Bewölkung über den Rhein
hinweg sind wohl tatsächlich geringer als in Luzern am Alpenrand.
4.8.8 Schlussfolgerung zur Gültigkeit des Modells an allen Stationen
Die Untersuchungen der vorangegangenen Abschnitte zeigen, dass die Berechnungen an
verschiedenen Stationen aller drei Stationstypen vergleichbare Ergebnisse liefern. Der
Berechnungsfehler liegt vor allem bei den Strassenwetterstationen höher als in Payerne, am
Entwicklungsort der Methode. Angesichts der komplizierteren Messsituation über der Strasse
war dies aber zu erwarten.
Es kann also als nachgewiesen gelten, dass die ausgewählte Methode (bestehend aus
dem Gleichungssystem (4.32), den Gleichungsparametern aus Payerne und allfälligen
Korrekturen an den Strassenwetterstationen) für die Winternächte an allen Stationen der drei
Messnetze verwendbar ist.
4.9 Verwendbarkeit am Tag
Eine Verwendung der Methode am Tag ist in dieser Arbeit nicht vorgesehen. Dennoch soll
kurz geprüft werden, wie gut sie tagsüber funktioniert. Die physikalischen Überlegungen
gemäss Abschnitt 4.1.4 und Abbildung 4.1 gelten in umgekehrt analoger Weise und mit
- 93 -

Ncpcalc
Ncpobs
Ncpobs - Ncpcalc
Anzahl
Zeitpunkte
4387
Minimum
/
Achtel
Maximum
/
Achtel
Mittelwert
/
Achtel
Standardabweichung
/ Achtel
Median
/ Achtel
0.00 8.19 6.95 1.22 7.38
0.00 8.99 4.97 2.63 5.73
-7.97 5.66 -1.98 2.59 -1.20
Korrelationskoeffizient
Tabelle 4.28: Statistische Werte von beobachtetem und berechnetem Ncp und dessen Differenz zwischen
Sonnenaufgang und -untergang in Payerne, berechnet mit den nächtlichen Modellparametern von Payerne.
Ncpcalc
Ncpobs
Ncpobs - Ncpcalc
Anzahl
Zeitpunkte
4365
Minimum
/
Achtel
Maximum
/
Achtel
Mittelwert
/
Achtel
Standardabweichung
/ Achtel
Median
/ Achtel
0.98 7.50 5.16 1.33 5.13
0.00 8.99 4.99 2.63 5.73
-7.04 6.06 -0.17 2.05 0.26
0.26
Korrelationskoeffizient
Tabelle 4.29: Wie Tabelle 4.28, berechnet mit Gleichungssystem (4.32), aber nach eigener Regression der
Modellparameter xi.
kurzwelliger Strahlung: Bei klarem Himmel heizt die Sonne die bodennächste Luft stärker auf
als höhere Luftschichten, bei bedecktem Himmel erreicht fast keine kurzwellige Strahlung den
Grund und dort stellt sich kein Temperaturgradient ein. Die Daten in Tabelle 4.28 und 4.29
beziehen sich auf die Stunden zwischen Sonnenaufgang und -untergang in Payerne in den
Wintern 1995/96 bis 2001/02.
Für Tabelle 4.28 wurde das Gleichungssystem (4.32) mit den Parametern xi der Payerne
Nächte auf die Temperaturdifferenz Tdiff am Tag angewendet. Die Korrelation zwischen
Berechnung und Beobachtung ist indiskutabel (r = 0.26). Der systematische Fehler (Differenz
der Mittelwerte) ist mit 2 Achteln sehr hoch, genauso wie die Standardabweichung der
Differenzverteilung mit von 2.59 Achteln als RMS-Äquivalent.
Für Tabelle 4.29 sind die Parameter xi des Gleichungssystems (4.32) durch Regression
der Tagdaten neu bestimmt worden. Die Differenz der Mittelwerte verbessert sich deutlich. Die
Standardabweichung der Differenzverteilung beträgt noch 2.05 Achtel, der Korrelationskoeffizient
steigt auf r = 0.64. Diese Werte sind für eine abhängige Berechnung in Payerne
immer noch schlecht, lassen aber vermuten, dass mit einem anderen Gleichungstyp oder
anderen Temperaturgradienten als Tdiff noch bessere Ergebnisse erzielbar sind. Dem
entgegen steht die stärkere Turbulenz am Tag. Bereits die nächtlichen Daten zeigen ja, dass
die Berechnungen mit wärmeren Temperaturen schlechter funktionieren.
Selbst wenn die Berechnung am Tag in Payerne gute Ergebnisse liefern, bleibt die
Übertragbarkeit auf andere Stationstypen fraglich. Die Probleme mit der Bewölkungsberechnung
an den Strassenwetterstationen sind zwar nachts noch lösbar, wären tagsüber
aber sicher gravierender. Die Übertragung auf andere ANETZ-Stationen und das
meteomedia-Netz wäre dagegen wohl machbar.
- 94 -
0.64

4C. Berechnung und Bewertung zweidimensionaler Strukturen
Der Nutzen eines Modells zeigt sich erst beim Versuch der Anwendung. Ein Modell zur
Bestimmung des Bedeckungsgrads muss sich vor allem dann bewähren, wenn sich der
Bedeckungsgrad ändert. Eine durchgehend bedeckte Nacht, am besten mit anhaltendem,
gleichmässigem Niederschlag, ist dagegen weniger interessant.
Arbeitet ein Modell an einem Ort fehlerfrei, so wird man ihm dort eventuell blind vertrauen.
Andernfalls macht es Sinn, mehrere benachbarte Stationen miteinander zu vergleichen, und
deren mehrheitliche Information zur Bestimmung eines regional gültigen Wertes zu
verwenden. Solche Informationen werden geeigneterweise in eine Karte eingetragen, um bei
Kenntnis der Lage zwischen lokalen Unterschieden und tatsächlicher Modellungenauigkeit zu
unterscheiden. Schliesslich lassen sich in einer Bewölkungskarte auch grossräumige
Systeme erkennen, wenn das Messnetz homogen und ausreichend dicht besetzt ist.
4.10 Bewölkungskarten
4.10.1 Auswahl und Interpolation der Daten
Bei der gemeinsamen Darstellung von Werten mehrerer Stationen in einer Karte ist es
wichtig, dass die Daten möglichst vom gleichen Zeitpunkt stammen. Sind manche
Berechnungen vertrauenswürdiger als andere, dann empfiehlt sich eine Auswahl oder
Gewichtung der Daten. Für eine gute Interpolation ist dagegen entscheidend, ein möglichst
dichtes und homogenes Stationsnetz zu haben. Notfalls müssen auch wenig vertrauenswürdige
Werte verwendet werden, und das Zeitfenster darf nicht zu eng sein.
Das Stationsnetz aus ANETZ-, Strassenwetter- und meteomedia-Stationen, wie es in
Abbildung 3.3 dargestellt ist, weist an einigen Stellen grosse Lücken auf. Das Wegfallen
weiterer Stationen ist deshalb unbedingt zu vermeiden, v.a. ausserhalb des Kantons Luzern.
Da die Stationen der meteomedia ag nur stündlich melden, ergibt sich ein Zeitfenster von
einer Stunde, aus dem Daten berücksichtigt werden müssen. Bei der Zielgrösse „Bewölkung“
ist es realistisch, dass eine Stunde alte Daten noch zumindest begrenzt gültig sind. Wenn
vorhanden, kommen natürlich neuere Berechnungen zum Einsatz.
Um Unterschiede in der Qualität der Daten zu berücksichtigen, wird die Bewölkungsberechnung
jeder Station mit einem Gewicht g belegt. In der Interpolationsroutine wird die
Station g mal verwendet. Um alle Stationen zu behalten und die Homogenität des
Stationsnetzes nicht zu stark zu beeinflussen, gilt 1 ¡ g ¡ 4. Die Festlegung des Gewichts
orientiert sich an den Erkenntnissen aus Kapitel 4B. Eine reguläre Messung ohne Regen, bei
- 95 -

mindestens 2 km Sichtweite, weniger als 3 m/s Wind und einer Lufttemperatur T2m zwischen
-10 und +5°C wird mit g = 3 gewichtet. Bei T2m < -10°C oder 5°C < T2m < 10°C sinkt das
Gewicht um einen halben, bei T2m > 10°C um einen ganzen Punkt. Ebenso führt Wind
zwischen 3 und 8 m/s zum Abzug eines halben, noch grössere Windgeschwindigkeiten zum
Abzug eines ganzen Punkts. Ist die Sichtweite auf 1 bis 2 km eingeschränkt, wird ein halber
Punkt abgezogen. Bei Regen zum Messzeitpunkt steigt das Gewicht um einen ganzen Punkt,
bei Regen in den vorhergehenden beiden Messintervallen um einen halben Punkt. Bei den
Strassenwetterstationen beeinflusst auch die Korrektur des solaren Aufheizens die Gewichte.
Berechnungen, die nach Tabelle 4.22 „keine Korrektur nötig“ haben, erhalten einen
zusätzlichen halben Punkt. Da ältere Daten eher unsicher sind, wird pro volle 12 Minuten
Zeitabstand zwischen dem Messzeitpunkt und der Kalkulationszeit der Bewölkungskarte ein
halber Punkt abgezogen.
Die in dieser Arbeit verwendete Routine berücksichtigt für die Interpolation an jedem
Interpolationspunkt alle im Umkreis liegenden Berechnungen des Ncp. Die Stationen werden
gemäss ihres Gewichts g bis zu vierfach berücksichtigt. Halbe Punkte werden abgerundet.
Stationen mit g < 1 werden einfach verwendet. Berechnungen, die laut Korrekturroutine des
solaren Aufheizens (Abschnitt 4.8.3) „nicht entscheidbar“ sind und Stationen mit Nebel
(Sichtweite unter 1 km) finden keine Berücksichtigung. Die Routine interpoliert linear. Im
Allgemeinen arbeitet sie langsam aber zuverlässig und produziert ein glattes, kontinuierliches
Feld. Von den verfügbaren und getesteten Interpolationsroutinen hat sie bezüglich der
Qualität der erstellten Bewölkungskarten am Meisten überzeugt. Betreffend des Rechenzeit-
Leistungs-Verhältnisses schneidet sie etwas schlechter ab. Allen Interpolationsroutinen
gemein ist, dass sie eine Karte nur anhand der gegebenen Stationswerte erstellen können.
Zwischen zwei Stationen liegende Strukturen können nicht erkannt werden.
4.10.2 Graphische Darstellung von Bedeckungsgrad und Niederschlag
In die Interpolation nach dem soeben beschriebenen Verfahren fliessen alle verwendbaren
Stationen aus Abbildung 3.3 ein. Da an Punkten, die nicht auf allen Seiten von Stationen
umgeben sind, schlecht interpoliert werden kann, wird die Interpolation nur auf dem
100_×_100_km 2 grossen Gebiet aus Abbildung 3.4 durchgeführt. Das reduziert auch die
Rechenzeit. Aus Darstellungsgründen werden die interpolierten Bedeckungsgrade in fünf etwa
gleich grosse Klassen unterteilt. Diese Einteilung des Ncp in die Klassen erfolgt gemäss
Tabelle A.1 im Anhang.
Bekanntlich ist Niederschlag ein gutes Indiz für den Bewölkungszustand „bedeckt“.
Verschiedene Niederschlagsintensitätsklassen können also die Bewölkungsskala nach oben
erweitern. Im Gegensatz zum Ncp, der an Stationen berechnet und nachher interpoliert
werden muss, liegt die Niederschlagsinformation aus Radardaten bereits zweidimensional vor
und kann direkt verwendet werden. Aus Darstellungsgründen erfolgt die Einteilung der Niederschlagsintensität
(genau genommen der Radarreflektivität) in fünf Klassen nach Tabelle A.2.
Damit können Niederschlag und Bedeckungsgrad einer Karte dargestellt werden.
Abbildung 4.12 zeigt eine Beispiel-Bewölkungskarte. Zuerst wird der interpolierte und
klassifizierte Ncp aufgetragen. Darüber folgt die Radarreflektivität als Niederschlagsangabe ab
13 dBZ. Nachdem auch Flüsse und Seen (blau) sowie die Grenzen zwischen der Schweiz,
Frankreich und Deutschland (rot) eingezeichnet sind, wird für jede berücksichtigte Station ein
- 96 -

Stationskreis gemalt und mit dem berechneten Ncp der Station ausgefüllt. Die
Bewölkungskarte gibt also Auskunft über das interpolierte Bewölkungsfeld und über den
Rechenwert jeder Station. Das Gewicht, mit dem eine Station in die Interpolation eingeht, wird
nicht wiedergegeben.
In Abbildung 4.12 sind alle Bewölkungs- und Niederschlagsklassen vertreten. Der
Bedeckungsgrad steigt von Nordost (klarer Himmel im Raum Zürich) nach Südwest
kontinuierlich an. In Luzern am Vierwaldstättersee und am Sursee (bei den Schweizer
Koordinaten km 655 Ost / 220 Nord) wird die mittlere Bewölkungsklasse „bewölkt“ erreicht.
Etwa bei km 640 Ost setzt nach einem Streifen stark bewölkten Himmels Niederschlag ein.
Am Südrand der Karte ist es bedeckt. Die Niederschlagszelle hat meist die Intensität mittel,
teilweise auch stark. Die Farbe rot für extremen Niederschlag taucht an einer anderen Stelle
der Abbildung unvermittelt auf: am rechten Kartenrand bei km 215 Nord. In diesem zwei Pixel
grossen Gebiet findet sicher kein lokales Starkniederschlagsereignis statt, es handelt sich
vielmehr um zwei Clutter-Pixel, die von der Clutter-Korrektur nicht erkannt werden. Solche
Signale können im Allgemeinen ignoriert werden. Auch die Niederschlagspixel bei km
660_Ost_/_205 Nord sind vermutlich Clutter. Ob das komplette Signal südlich des
Vierwaldstättersees Niederschlag oder Clutter ist, ist unklar. Zwar handelt es sich um ein
grösseres Gebiet, allerdings liegen die Messungen in den Alpen, und beide Stationen in der
Nähe (die ANETZ-Stationen in Altdorf und Engelberg) melden „bewölkt“, also keinen
Niederschlag. Wäre an den Stationen Niederschlag gemessen worden, hätte dies zu einem
Ncp = 7.5 Achtel und damit bedecktem Himmel geführt. Für den zukünftigen operationellen
Betrieb der Bewölkungskarten steht eine erweiterte Clutter-Korrektur von meteoradar zur
Verfügung, die zumindest die wenige Pixel umfassenden Bereiche erhöhter Radarreflektivität
herausfiltern kann.
Es fällt auf, dass nicht jede Station den Wert misst, der ihr im interpolierten Feld zugeordnet
wird. Die Station Zürich-SMA am Nordufer des Zürichsees (km 685 Ost / 248 Nord)
meldet vereinzelte Wolken, interpoliert wird aber klarer Himmel. Umgekehrt wird in Brugg, am
Radardaten
Ncp-Berechnung
und
Interpolation
Abbildung 4.12: Bewölkungskarte vom 25. Januar 2004, 07:30 UTC. Berechneter Ncp an den verfügbaren
Stationen und daraus interpolierter Bedeckungsgrad. Niederschlag aus Radarmessungen.
- 97 -

Zusammenfluss von Limmat, Reuss und Aare (km 657 Ost / 259 Nord) bewölkt interpoliert,
obwohl die Station „bedeckt“ liefert. Dies zeigt, dass sich die Interpolationsroutine über
gewisse kleinskalige Schwankungen grosszügig hinwegsetzt, kann aber auch bedeuten, dass
die Werte dieser Stationen geringer gewichtet werden. Die Station Brugg ist eine Station der
meteomedia ag und ihre Messung eine halbe Stunde alt.
An den Strassenwetterstationen im Kanton Luzern treten nicht nur zwischen
Stationswerten und Interpolation erhebliche Unterschiede auf, sondern auch zwischen den
Werten benachbarter Stationen. So liegen in Luzern bei km 664 Ost und zwischen km 215
und 205 Nord vier Stationen übereinander mit „vereinzelte Wolken“, „stark bewölkt“ und
zweimal „bewölkt“. Der wahre Bedeckungsgrad zu diesem Zeitpunkt in Luzern ist leider nicht
bekannt. Es kann nur gemutmasst werden, dass die Wahrheit dazwischen liegt und mit
„bewölkt“ tatsächlich gut geschätzt (und interpoliert) ist.
Nordwestlich von Luzern, bei etwa km 650 Ost / 220 Nord ist die Variationsbreite zwischen
den Stationen noch grösser. Von den beiden direkt benachbarten Stationen am Nordwestrand
des Sursees (deren Stationskreise sich in der Abbildung sogar berühren), zeigt die eine
bedeckten, die andere klaren Himmel an. Man kann vor allem im Gebirge und in der Nähe
von Seen oft mit lokalen Variationen argumentieren, aber in diesem Fall ist sicher eine der
Stationsberechnungen falsch. Welche – oder ob doch beide – bleibt unklar. Bei detaillierter
Interpretation der Bewölkungskarten ist es also ratsam, neben dem interpolierten Feld auch
die Stationswerte in die Überlegungen einzubeziehen.
Abbildung 4.12 zeigt an einer Stelle auch einen klaren Fehler der Interpolation. Am
westlichen Rand der Karte bei km 230 Nord wird völlig grundlos auf klaren Himmel
entschieden. Innerhalb und ausserhalb der Karte befindet sich im Umkreis von wenigstens
20_km keine Station, geschweige denn eine mit klarem Himmel. Diese Region ist wegen der
Lücke im Messnetz generell anfällig für Interpolationsfehler.
4.10.3 Räumliche und zeitliche Auflösung
Die raumzeitliche Genauigkeit der interpolierten Bewölkungskarten hängt in erster Linie von
der Auflösung der Messungen und Berechnungen ab. Bei einer gemeinsamen Darstellung
von Bewölkung und Radarniederschlag sollte die räumliche Auflösung ähnlich sein. Beim
Radar beträgt sie 2_×_2_km 2 . Die Interpolation der Bewölkung erfolgt auf einem Gitter von
4_×_4_km 2 . Eine Erhöhung auf 2_×_2_km 2 ist im Vergleich zum Radar nicht notwendig und
weder rechenzeittechnisch (viermal grösserer Rechenaufwand) noch von der Stationsdichte
her angebracht.
Beim Zeitabstand, in dem Karten erstellt werden, ist der Messzyklus der Stationen massgeblich.
Nur jeweils zu vollen Stunde finden im ganzen Netz etwa gleichzeitig Messungen
statt. Dann messen die meteomedia-Stationen. Allerdings sind stündliche Karten zu selten,
spätestens wenn die Bewegung von Strukturen erkannt werden soll. Die Messwerte der
Strassenwetterstationen liegen viertelstündlich vor, die Daten der ANETZ-Stationen alle
10_Minuten. Da den Strassenwetterstationen das Hauptaugenmerk gilt, werden die Karten im
Abstand von 15 Minuten erstellt und verwendet. In Kapitel 5 erfolgt eine Studie mit Karten im
Fünf-Minuten-Abstand. Die Radarbilder sind normalerweise alle 5 Minuten verfügbar. Sie sind
also aktuell, egal ob alle 15, 10 oder 5 Minuten eine neue Bewölkungskarte erstellt wird.
- 98 -

4.11 Beispiel I: Postfrontales Aufklaren am 27./28. November 2001
4.11.1 Synoptische Situation
Die Nacht vom 27. zum 28. November 2001 ist in der Schweiz geprägt durch zwei Frontensysteme,
respektive dem Geschehen dazwischen. Bereits am Nachmittag des 27. streift eine
schwache Warmfront die Schweiz, der in den Abendstunden die Kaltfront folgt. Beide Fronten
werden von einem Tiefdruckgebiet über der Adria am Überqueren der Alpen gehindert und
nach Osten abgedrängt. Ihnen folgt eine ausgeprägte, schnell nach Südosten ziehende
Okklusion, die die Schweiz in den frühem Morgenstunden des 28. erreicht.
Der Zustand um Mitternacht ist der Wetterkarte in Anhang C zu entnehmen. Die Kaltfront
hat die Schweiz zu dieser Zeit bereits passiert. Die Okklusion liegt etwa auf einer Linie
Hamburg-Brüssel-Paris. Ihre Bewegung und Intensivierung ist auch auf den Satellitenbildern
im Infrarot-Kanal gut zu erkennen. Sie sind für 20, 00 und 04 UTC in Abbildung 4.13
dargestellt. Ein weiteres Bild dieser Serie (für 09 UTC) befindet sich in Abbildung 2.2. Der
nördliche Teil der Okklusion vor und über der Küste Norwegens ist nahezu ortsfest, während
sich der südliche Teil rasch über West- und Mitteleuropa hinwegbewegt. Das vorausgehende
Frontensystem ist mit deutlich weniger hohen Wolken verbunden und auf den späteren
Satellitenbildern nur schwer zu erkennen.
Auf allen drei Satellitenbildern in Abbildung 4.13 zeichnen sich Teile des Alpenhauptkamms
deutlich ab, was auf klaren Himmel schliessen lässt. Um Mitternacht sind bei
genauer Betrachtung die warmen Wassertemperaturen des Genfer und Bodensees sowie der
Lago Maggiore zu erkennen. Vier Stunden später sind nur noch Bodensee und Lago
Maggiore wolkenlos. Anhand der Infrarot-Satellitenbilder ist also ein Aufklaren während der
Nacht identifizierbar. Die Bilder im Wasserdampf-Kanal sind dagegen wenig aussagekräftig.
Abbildung 4.13: Infrarot-Satellitenbilder vom 27. und 28. November 2001. Links 20 UTC, mitte 00 UTC, rechts
04 UTC.
- 99 -

4.11.2 Verlauf der Parameter an einer Station
Aus der Nacht vom 28. zum 29. November 2001 liegen die Messreihen von 70
ANETZ- und Strassenwetterstationen vor. Die Daten der meteomedia-Stationen stehen im
betreffenden Winter nicht zur Verfügung. Die vorhandenen Stationen reichen dennoch aus,
um Bewölkungskarten zu erstellen, wesentliche Strukturen zu erkennen und deren
Auswirkungen zu diskutieren.
In Abbildung C.1 im Anhang ist der Verlauf wesentlicher Parameter während der gesamten
Nacht an drei Strassenwetterstationen dargestellt. Die Stationen bilden einen Querschnitt von
Nordwest nach Ost durch den Kanton Luzern. Roggliswil ist die nordwestlichste der 52
Strassenwetterstationen. Neuenkirch liegt zentral an der Südspitze des Sursees. Weggis ist
die nördliche der beiden Stationen am Ostufer des Vierwaldstättersees, und somit, östlich von
Luzern, die zweitöstlichste Station des Netzes. Die exakten Koordinaten der Stationen finden
sich in Tabelle B.2 im Anhang. Alle drei Stationen liegen zwischen 500 und 540 Meter über
dem Meer. Die Wahl dieser Stationen entspricht der Zugrichtung der Systeme in der
Beispielnacht. In den Stationsgraphiken dargestellt sind der Niederschlag, Luft-, Gras-,
Boden- und Taupunktstemperatur sowie der berechnete Bedeckungsgrad und zudem
Windrichtung und -geschwindigkeit. Die Windgeschwindigkeit liegt an allen drei Stationen
durchgehend unter 2_m/s. Die Sichtweite liegt immer über 2 km.
In Roggliswil lässt der Niederschlag bereits kurz nach Sonnenuntergang deutlich nach. Bis
19:30 UTC wird aber bedeckter Himmel berechnet. Die Wynauer Beobachtung von
Ncpobs_=_7.5 Achtel um 17:40 UTC bestätigt dies. Luft- und Grastemperatur liegen in diesem
Zeitraum nahe beieinander und fallen langsam. Gegen 20 UTC klar es rasch auf. Auch in
Wynau werden zwischen 21 und 03 UTC nur vereinzelte Wolken beobachtet. Während die
Lufttemperatur bis 23 UTC konstant mit ca. 0.7 K/h sinkt und danach bei 0°C bleibt, fällt die
Grastemperatur mit beginnendem Aufklaren rapide. Sie erreicht um 21 UTC den Gefrierpunkt
und gegen 03 UTC ihr nächtliches Minimum bei -3°C. Zwischen 03 und 05 UTC ziehen in
Roggliswil Wolken auf und die Temperaturen steigen wieder. Danach ist es bedeckt, was
auch die Wolkenbeobachtungen in Wynau bestätigen.
Die Station in Neuenkirch zeigt einen ähnlichen Verlauf. Alle Daten sind aber gegenüber
Roggliswil um 90 Minuten verschoben. Es regnet anderthalb Stunden länger, das Aufklaren
setzt später ein, und entsprechend beginnt auch die Grastemperatur später zu fallen. Sie
erreicht ihr Minimum ebenfalls bei -3°C. Am Morgen zwischen 04 und 06 UTC nimmt die
Bewölkung wieder von klar auf bedeckt zu. Auch die Messungen in Weggis bestätigen das.
Hier regnet es bis 19 UTC. Danach ist es noch zwei Stunden bedeckt, bevor es ebenfalls
aufklart. Die Grastemperatur fällt nur relativ kurz, zwischen 01 und 04 UTC unter den
Gefrierpunkt. Dabei mag auch der nahe Vierwaldstättersee als Wärmereservoir eine Rolle
spielen. Die erneute Bewölkungszunahme zwischen 04 und 08 UTC findet fast zeitgleich zu
der in Neuenkirch beschriebenen statt.
4.11.3 Zweidimensionale Niederschlags- und Bewölkungsstrukturen
Bei der Analyse der Bewölkungskarten, die die Bewölkungsberechnungen aus allen 77
Stationen sowie die Radarinformation berücksichtigen, bietet sich eine Unterteilung der Nacht
in zwei Phasen an. Die erste Phase umfasst den Zeitraum von 16 bis 02 UTC. Zugehörige
- 100 -

Bewölkungskarten im Zwei-Stunden-Abstand finden sich im Anhang in Abbildung C.2 und C.3
links.
Die Bewölkungskarte für 16 UTC zeigt Niederschlag fast überall in der Nord- und
Zentralschweiz. Gegen 18 UTC hat sich der mit der Kaltfront verbundene Niederschlag nach
Osten weiterbewegt. In Neuenkirch im Zentrum des Kantons Luzern hört es gerade auf zu
regnen. In Weggis regnet es noch weiter, in Roggliswil ist es schon länger trocken. In Basel
klart es bereits auf. Um 20 UTC hat sich der Niederschlag weiter in die Alpen zurückgezogen.
Er wird nur noch im äussersten Südosten der Karte und in einem kleinen Gebiet etwa bei km
635 Ost / 195 Nord beobachtet. Auch die Zonen bewölkten Himmels und vereinzelter Wolken
haben sich verlagert und, von Norden kommend, fast die Aare erreicht. Bis um Mitternacht
setzt sich das Aufklaren weiter fort. Zwar wird um 22 UTC im Südosten der Karte immer noch
Niederschlag registriert, aber auch dieser lässt in den folgenden zwei Stunden nach. Um
Mitternacht melden fast alle Stationen der Zentral- und Nordschweiz klaren Himmel oder
vereinzelte Wolken. Lediglich südlich des Vierwaldstättersees sind noch zahlreiche Wolken
vorhanden. Diese werden erst im Verlauf der folgenden vier Stunden wegtransportiert.
Allerdings kündigen sich bereits um 02 UTC in Basel neue Wolken an. In der ersten
Nachthälfte ist also das Durchziehen eines Niederschlagsgebiets mit anschliessendem
raumgreifenden Aufklaren zu beobachten.
Auf allen Bewölkungskarten, selbst bei klarem Himmel, deutlich zu erkennen ist ein
lückenhaftes Gebiet leichten bis mässigen Niederschlags nördlich der Aare bei km
610_Ost_/_235_Nord. Hier beginnen die Anhöhen des Schweizer Jura. Die Reflektivität ist also
Clutter und braucht bei der Interpretation der Karten nicht beachtet werden. In Kapitel 5 wird
der Messfehler aber wieder relevant.
Die zweite Nachthälfte ist in Abbildung C.4 und C.5 links mit halbstündlichen Bewölkungskarten
dokumentiert. Um 04 UTC ist es in Luzern und den angrenzenden Kantonen noch
überall klar. In Basel aber ist es bedeckt und östlich der Stadt (also nördlich des Jura-Clutters)
kündigt sich ein Niederschlagsgebiet an. Dieses erreicht bereits eine halbe Stunde später den
(immer noch weitgehend als wolkenlos diagnostizierten) Kanton Luzern. Allerdings ist das
Gebiet mit mehreren kleinen Schauerzellen nur etwa 10 km breit und 60 km lang. In den
folgenden anderthalb Stunden überquert es den ganzen Kanton Luzern. Die Zone klaren
Himmels wird weiter nach Osten verlagert. Auf der Rückseite des Niederschlagsbands folgt
wolkenreiche Luft. Um 06 UTC zeigen sich nur wenige lokale Auflockerungen der Bewölkung.
Die Okklusion erreicht das Beobachtungsgebiet erst später; ab 07:30 UTC bringt sie von
Basel her erneut Regen.
4.11.4 Strassenzustand im Kanton Luzern
Das Wettergeschehen der gesamten Nacht - Niederschlag, Aufklaren, Bewölkungszunahme
und erneuter Niederschlag - wirkt sich direkt und indirekt auf den Strassenzustand
im Kanton Luzern aus. In Abbildung C.7 sind Strassenzustand und Grastemperaturen im
Zwei-Stunden-Rhythmus dargestellt. Dazu wurde ein 55 × 55 km 2 grosser Ausschnitt gewählt,
der den ganzen Kanton Luzern umfasst.
Um 16 UTC, bei Niederschlag, sind alle Strassen des Kantons nass. Die Temperaturen
schwanken je nach Höhenlage zwischen 2 und über 5°C. Lediglich Sörenberg, die südlichste
und höchstgelegene Station, misst bereits eine Grastemperatur nahe des Gefrierpunkts. Zwei
- 101 -

Stunden später ist es nur noch entlang der Reuss wärmer als 5°C. Trotz nachlassendem
Niederschlag sind alle Strassen feucht oder nass. In Sörenberg liegt Schnee auf der Strasse.
Um 20 UTC ist es immer noch überall feucht oder nass, die Temperaturen sind an den
zunehmend aufklarenden nordwestlichen Stationen aber schon deutlich auf 2 bis 3°C
gesunken. Weitere zwei Stunden später liegen sie für diese Stationen bereits knapp unter
dem Gefrierpunkt. Für diese rasante Abkühlung ist allein die langwellige Ausstrahlung bei
klarem Himmel verantwortlich. Nur eine Station ist inzwischen abgetrocknet. An einigen
Stationen ist das verbliebene Regenwasser gefroren, andere melden weiterhin feuchten oder
nassen Strassenzustand. Vermutlich waren hier Räum- und Streufahrzeuge erfolgreich im
Einsatz; ebenso wie in Sörenberg, wo der Schnee von der Strasse verschwunden und diese
nun ebenfalls nass ist.
Mit der weiteren Klarluftadvektion sinken die Grastemperaturen an immer mehr Stationen
im ganzen Kanton. Einige Strassen trocknen ab. Meistens friert die restliche Feuchtigkeit aber
spätestens um 02 UTC bei Temperaturen um -3°C. Die Stationen am Vierwaldstättersee
bleiben am wärmsten. Wie bereits bekannt, wird die Null-Grad-Grenze in Weggis erst
zwischen Mitternacht und 02 UTC erreicht. Zum einen kann sich hier der Abkühlungseffekt
erst mit dem (späteren) Aufklaren durchsetzen, zum anderen speichert der See Wärme und
wirkt der Abkühlung entgegen.
Bereits zwischen 02 und 04 UTC fallen nur noch die Temperaturen im Süden und Osten. In
den darauffolgenden zwei Stunden zieht ein kleines Niederschlagsband über den Kanton
hinweg, und der Himmel wird wieder überall bedeckt. Die Grastemperaturen steigen rasch um
einige Kelvin bis in die Nähe oder sogar über den Gefrierpunkt. Da die Ausstrahlung durch
Gegenstrahlung kompensiert wird, gleichen sich Gras- und Lufttemperaturen weitgehend an.
Die Strassen sind wieder fast alle feucht oder nass.
4.11.5 Zusammenfassung des Falls
Die Beispielnacht beginnt mit grossflächigem, frontalem Niederschlag. Im Schweizer
Mittelland liegt die Grastemperatur bei unkritischen 3 bis 8°C. Zwischen 18 und 04 UTC
überquert eine Zone postfrontalen Aufklarens das Beobachtungsgebiet von Nordwest nach
Südost. Infolge dessen setzt überall ausstrahlungsbedingtes Abkühlen bis -3°C ein.
Restliches Regenwasser gefriert auf fast allen Strassen im Kanton Luzern. Zwischen 04 und
06 UTC kommt es zu einer raschen Bewölkungszunahme. Ihr geht ein kleines Niederschlagsband
voraus, dessen Niederschlag allerdings an den drei genau betrachteten Stationen nicht
registriert wird. Aufgrund des bewölkten oder bedeckten Himmels steigen die Grastemperaturen
wieder. Gegen 07:30 UTC erreicht der Niederschlag einer Okklusion die
Schweiz. Die Grastemperaturen im Kanton Luzern liegen zu diesem Zeitpunkt meist knapp
über dem Gefrierpunkt, was in höheren Lagen Schnee, in tieferen Regen erwarten lässt.
Soweit beurteilbar, funktionieren die in den vorherigen Kapiteln entwickelten und zum
Erstellen der Bewölkungskarten verwendeten Methoden und Modelle in der Beispielnacht gut.
Das postfrontale Aufklaren kann raumgreifend diagnostiziert werden. Lediglich auf die
plötzliche Bewölkungszunahme ab 04 UTC reagieren die Stationen zuerst uneinheitlich.
Benachbarte Stationen liefern hier Berechnungsunterschiede von zwei Bewölkungsklassen.
Auch der interpolierte Mittelwert liegt (angesichts des Niederschlagsfeldes) eventuell unter
den tatsächlichen Verhältnissen. Das durchziehende Niederschlagsband stellt einen
- 102 -

deutlichen Gradienten im Bewölkungsfeld dar. Dies mag tatsächlich einer der wenigen Fälle
sein, in denen Niederschlag in Winternächten nicht mit bedecktem Himmel einhergeht. Die
Einbeziehung der Niederschlagsinformation aus Radarmessungen erweist sich gerade an
diesem Beispiel als sehr hilfreich. Die Interpolationsroutine arbeitet – im Rahmen ihrer
Möglichkeiten und angesichts des ohne meteomedia-Stationen weiter inhomogenisierten
Ausgangsdatensatzes – weitgehend einwandfrei.
4.12 Beispiel II: Postfrontales Aufklaren am 24./25. Januar 2004
4.12.1 Synoptische Situation
Die Nacht vom 24. zum 25. Januar 2004 ist geprägt durch ein niederschlagsreiches
Frontensystem. In den Abendstunden erreicht eine Warmfront die Schweiz. Ihr folgt ein kurzer
Warmsektor mit einzelnen Niederschlagslücken und die Kaltfront.
Abbildung D.1 im Anhang beinhaltet die Wetterkarte um 00 UTC. Dem 10. Längengrad Ost
folgend, erstreckt sich eine Okklusion vom Polarkreis bis etwa auf die Höhe von Hannover.
Dort teilt sie sich. Die Kaltfront verläuft westlich an der Schweiz vorbei durch Frankreich
Richtung Barcelona. Der Warmsektor ist sehr schmal. Die Warmfront wird in ihrer
Ostwärtsbewegung von einem Hoch über Ungarn gebremst. Eine Genua-Zyklone zwingt ihr
stückweise eine umgekehrte Zugrichtung auf. Um Mitternacht steht die Warmfront genau über
Luzern, während die Kaltfront rasch näher kommt.
Das Satellitenbild dieses Zeitpunkts, in Abbildung 4.14 links, zeigt diese Doppelfrontstruktur
ebenfalls. Das frontale Wolkenband erstreckt sich von Norden kommend über
Süddeutschland und die ganze Nord- und Westschweiz. In Abbildung 4.14 rechts, vier
Stunden später, sind die Fronten weiter okkludiert und deutlich nach Osten gewandert. Das
Geschehen im postfrontalen Bereich ist nicht exakt zu erkennen. In der Schweiz sind aber
Wolken zu vermuten, während die Westalpen wolkenfrei sind.
Abbildung 4.14: Infrarot-Satellitenbilder vom 25. Januar 2004, links 00 UTC, rechts 04 UTC.
- 103 -

4.12.2 Verlauf der Parameter an einer Station
Zur Analyse des Geschehens stehen in der zweiten Beispielnacht alle drei Stationsnetze,
also zusammen 107 Stationen, zur Verfügung. Exemplarisch werden erneut die drei
Strassenwetterstationen in Roggliswil, Neuenkirch und Weggis besprochen; wiederum in
Zugrichtung der Systeme, also von West nach Ost. Die Graphiken finden sich in Anhang D in
Abbildung D.1.
In Roggliswil schneit es zu Beginn der dargestellten Messreihe, bei Sonnenuntergang,
bereits. Gegen 21 UTC hört der Schneefall auf. Zwischen 18 UTC und Mitternacht steigt die
Lufttemperatur im Warmsektor schwach, aber kontinuierlich, bis auf 2°C. Gras- und
Bodentemperatur bleiben die ganze Zeit über knapp unter dem Gefrierpunkt. Vor Mitternacht
fällt erneut Niederschlag, vermutlich als Regen, also noch vor der eigentlichen Kaltfront. Diese
erreicht, gemäss Temperaturverlauf, Roggliswil erst gegen 02 UTC. Bis zu ihrem Eintreffen ist
der Himmel durchgehend bedeckt. Da der Kaltfront eine Zone klaren Himmels folgt, sinkt die
Lufttemperatur nur leicht, die Grastemperatur aber deutlich. Gegen 05 UTC steigt der
Bedeckungsgrad wieder und es setzt für eine Stunde erneut Schneefall ein. Die Windgeschwindigkeit
ist in der ersten Nachthälfte mit 4 m/s recht hoch. In der zweiten Nachthälfte
lässt der Wind auf etwa 2 m/s nach. Er kommt durchgehend aus Westsüdwest.
Der Verlauf der Ereignisse in Neuenkirch gestaltet sich ähnlich. Bis 18 UTC schneit es.
Dann lockert die Bewölkung etwas auf, bevor erneut leichter Niederschlag einsetzt. Das
Maximum der Lufttemperatur wird gegen Mitternacht erreicht. Gegen 02:30 UTC und nach
einem kurzen Niederschlagsereignis sinken die Temperaturen deutlich und es klart auf. Die
Grastemperatur erreicht -3°C, während die Lufttemperatur durchweg positiv bleibt. Um
07_UTC stellt sich mit einem erneuten Schauer wieder bedeckter Himmel ein.
In Weggis sind die Niederschlagsinformationen nicht in Kaltfront, Warmfront und
postfrontalen Schauer unterteilbar. Mit kurzen Unterbrechungen fällt zwischen 18 und 04 UTC
Niederschlag, zuerst als Schnee, dann als Regen, später wieder als Schnee. Gegen 22 UTC
steigen die Lufttemperatur und die Windgeschwindigkeit stark an. Danach fallen die
Temperaturen kontinuierlich. Erst gegen 05:30 UTC beginnt der davor bedeckte Himmel
allmählich aufzuklaren.
4.12.3 Zweidimensionale Niederschlags- und Bewölkungsstrukturen
In Anhang D, Abbildung D.2 bis D.4 links, sind neun Bewölkungskarten des Zeitraums
zwischen 00 und 06 UTC dargestellt. Eine weitere Bewölkungskarte für 07:30 UTC
(Abbildung_4.12) wurde bereits besprochen.
Um Mitternacht liegt der frontale Regen über weiten Teilen des Beobachtungsgebiets, und
es ist überall bedeckt. Zwei Stunden später ist das Niederschlagsgebiet in den südöstlichen
Teil der Karte abgewandert. Dort staut sich der Niederschlag an den Alpen. Es schneit stark
bis extrem. In der Zentralschweiz und der einsehbaren westlichen Schweiz ist es noch überall
bedeckt, nur nördlich von Zürich zeichnen sich Wolkenlücken ab. In der folgenden Stunde bis
03 UTC bewegt sich der frontale Niederschlag kaum. Einige Strassenwetterstationen in
Norden des Kantons Luzern und die meisten ANETZ- und meteomedia-Stationen
diagnostizieren inzwischen aber aufgelockerte Bewölkung. Nördlich der Aare sind einzelne
Pixel mit Niederschlag gekennzeichnet. Dort wurde in Beispiel I durchweg Clutter registriert.
- 104 -

Eine halbe Stunde später (Abbildung D.3) wird klar, dass in dieser Nacht nördlich der Aare
nicht nur der Jura, sondern auch eine sich dort bildende Niederschlagsstruktur reflektiert.
Südlich der Aare nimmt die Bewölkung weiter ab. Für Bern und Roggliswil wird bereits klarer
Himmel errechnet. Um 04 UTC hat sich der Niederschlag nördlich der Aare und am Westrand
der Karte intensiviert. Der frontale Niederschlag im Südosten lässt dagegen nach. Eine
wachsende Zahl dazwischen liegender Stationen meldet bewölkt oder vereinzelte Wolken.
Eine weitere halbe Stunde später sind im gesamten nördlichen und westlichen Kanton Luzern
überwiegend vereinzelte Wolken zu finden. Der Frontalniederschlag verlagert sich weiter nach
Osten, und selbst in Weggis hat es aufgehört zu schneien. Dagegen bewegt sich die andere
Niederschlagzelle von Westen in das Beobachtungsgebiet hinein.
Die drei folgenden Bilder im Halbstunden-Abstand (Abbildung D.4) verdeutlichen diese
Bewegungen. Der Frontalniederschlag zieht bis 06 UTC ganz nach Osten ab. Dagegen wird
die von Westen kommende Niederschlagszelle samt Wolken nach Südosten advehiert. Das
dazwischen liegende Gebiet zunehmenden Aufklarens wird ebenfalls nach Osten verlagert.
Um 06 UTC umfasst der weitgehend wolkenfreie Bereich den nordöstlichen Teil des Kantons
Luzern und den Grossraum Zürich.
4.12.4 Strassenzustand im Kanton Luzern
Auf der rechten Seite der Abbildungen D.2 bis D.4 im Anhang sind für vier Zeitpunkte
Strassenzustands- und Grastemperaturkarten erstellt und neben die Bewölkungskarten
gesetzt worden. Sie spiegeln im Wesentlichen die Erkenntnisse aus der Analyse von
Einzelstationen und Bewölkungskarten wieder. Um 02 UTC liegen die Grastemperaturen im
ganzen Kanton Luzern um den Gefrierpunkt. Wegen des teilweise noch anhaltenden
Niederschlags sind fast alle Strassen feucht oder nass. Um 03:30 UTC haben die
Temperaturen in der Westhälfte des Stationsnetzes deutlich abgenommen. Rund um den
Vierwaldstättersee sind sie unverändert. Zum einen setzt im Nordwesten Aufklaren ein,
während es im Südosten noch regnet oder schneit. Zum anderen wirkt sich die Kaltfront erst
jetzt auf die Grastemperaturen aus. Eine Stunde später sind die Temperaturen überall weiter
gefallen. Im Norden des Kantons halten sich trockene, nasse und vereiste Strassen die
Waage. Die südliche Hälfte der Stationen melden feucht oder nass. Einige Stationen fehlen
(nicht übermittelt?). Die letzte Strassenzustandskarte von 05:30 UTC (wieder mit allen
Stationen) zeigt eine erneute Temperaturabnahme im Nordosten und am Vierwaldstättersee.
Diese Regionen sind nun klar oder allenfalls leicht bewölkt, sodass die erhöhte Ausstrahlung
die unterste Luftschicht abkühlt. Hier sind viele Strassen trocken. Im Westen der Karte macht
sich die Schauerzelle bemerkbar, verbunden mit bedecktem Himmel. Die Grastemperaturen
bleiben bei -1 bis -3°C, und die meisten Strassen sind nass.
4.12.5 Zusammenfassung des Falls
Die Nacht vom 24. zum 25. Januar 2004 ist bestimmt durch ein Frontensystem mit
nachfolgendem Aufklaren und postfrontalen Schauern. Nach lokal mehr oder weniger lang
anhaltendem Niederschlag, zuerst als Schnee, später als Regen, klart es ab 02 UTC
weitgehend auf. Im Südosten bleibt der Niederschlag in den Alpen hängen. Parallel zum
- 105 -

Aufklaren entwickelt sich im Westen der Karte ein postfrontaler Schauer. Bei wolkenlosem
oder leicht bewölktem Himmel sinken die Grastemperaturen deutlich. Trotz Grastemperaturen
unter 0°C bleiben die meisten Strassen auch während des Schauers nass, da offensichtlich
geeignete Streumassnahmen ergriffen wurden.
Die Fehler bei der Berechnung des Ncp und der Erstellung der Bewölkungskarten liegen im
Rahmen des Erwarteten. Besonders zwischen 04 und 05 UTC gehen die Berechnungen
einiger benachbarter Stationen weit auseinander. Dies lässt sich nur zum Teil mit lokalen
Wolken zwischen oder genau über den Stationen erklären. Immerhin zeigt das interpolierte
Bild für den Kanton Luzern einen denkbaren Zustand. Der offensichtliche Zusammenhang
zwischen Aufklaren und Abkühlen wird durch den Vergleich mit Strassenzustandskarten
bestätigt. Wie bereits in Beispiel I, ergibt sich zwischen dem postfrontalen Niederschlag und
dem wolkenlosen Gebiet kein deutlicher Bereich mit bewölktem oder stark bewölktem
Himmel, wie er eigentlich zu erwarten wäre. Dagegen behindern die Temperaturänderungen
beim Durchzug der Fronten die Berechnung des Bedeckungsgrads anscheinend nicht.
4.13 Beispiel III: Bewölkungszunahme am 18./19. Dezember 2003
4.13.1 Synoptische Situation
Am 18. Dezember 2003 herrscht in Mitteleuropa Hochdruckeinfluss. Der Kern des Hochs
über Tschechien bewegt sich südostwärts, sodass die Schweiz am Abend unter einer
südwestlichen Strömung liegt. Im der Nacht zum 19. Dezember wird ein Tief zwischen den
Balearen und Korsika wetterwirksam. Die Wetterkarte für 00 UTC befindet sich in Abbildung
E.1 im Anhang. Sie ist nicht sehr aussagekräftig. Allenfalls lässt sie im Beobachtungsgebiet
auf eine niederschlagsfreie Nacht mit klarem Himmel oder (Hoch-)Nebel schliessen.
In Abbildung 4.15 ist links ein Infrarot-Satellitenbild für 22 UTC dargestellt. Darauf kann
deutlich Bewölkung über dem Mittelmeer und weiten Teilen Frankreichs und Italiens
identifiziert werden. In Deutschland und dem östlichen Mitteleuropa ist es dagegen wolkenfrei.
Der Zustand über der Schweiz ist nicht exakt bestimmbar. Zumindest sind keine hohen
Wolken vorhanden. Das gleichzeitige Bild im Wasserdampfkanal in Abbildung 4.15 mitte
bestätigt dies. Klar hebt sich der weisse, wolkenlose Bereich vom grünen, wolkigen ab. Das
Beobachtungsgebiet liegt im wolkenfreien Bereich. Vier Stunden später (Abbildung 4.15
rechts) hat sich der weisse Bereich trockener Luft deutlich nach Norden verschoben, und in
der Schweiz ist nun doch mit Bewölkung zu rechnen. Die späteren Infrarotbilder schaffen
weiterhin keine Klarheit.
4.13.2 Verlauf der Parameter an einer Station
Die Analyse der Messreihen einzelner Stationen erfolgt im Beispiel III an den beiden
Stationen in Roggliswil und Schüpfheim. Die Diagramme befinden sich in Abbildung E.1.
Bis einschliesslich 23:30 UTC beträgt die Sichtweite in Roggliswil weniger als 500 Meter.
Es herrscht also dichter Nebel. Die Windgeschwindigkeit liegt unter 1 m/s und der Wind
kommt bevorzugt aus Ost bis Südost. Die Taupunktstemperatur verläuft während der ganzen
- 106 -

Abbildung 4.15: Satellitenbilder vom 18. und 19. Dezember 2003. Links Infrarotbild um 22 UTC. Mitte
Wasserdampfkanal um 22 UTC, rechts Wasserdampfkanal um 02 UTC.
Nacht 1 K unter der Lufttemperatur. Die Lufttemperatur T2m sinkt bis Mitternacht rasch von -1
auf -6°C. Die Grastemperatur T0m bleibt dagegen nach anfänglicher Abnahme bei -4°C.
Gemäss den theoretischen Überlegungen in Kapitel 4A ist dies ein ungewöhnliches
Verhalten. Mit Wolken sollen T2m und T0m ungefähr parallel verlaufen, ohne Wolken soll T0m
stärker fallen als T2m. Ein Grund für das theorieferne Verhalten liegt im Bodenwärmestrom.
Die Bodentemperatur T-5cm verläuft in der Beispielnacht sehr flach zwischen -0.2 und -1.8°C.
Abgestrahlte Energie wird zwar der bodennahen Luft entzogen, dort aber von unten sofort
wieder nachgeliefert. Eine zweite Begründung für die sinkende Lufttemperatur liefert der
Nebel. Aus der Sichtweite lässt sich nicht auf die Dicke der Nebelschicht schliessen. Bei einer
dünnen Bodennebelschicht erfolgt die Ausstrahlung nicht nur vom Boden, sondern auch aus
dem Nebel. Die Ausstrahlung kühlt also die Luft über ein grösseres Höhenintervall hinweg ab.
Die nächtliche Grenzschichtinversion beginnt nicht am Boden, sondern erst in grösserer Höhe
(Stull 1988). Beide Überlegungen gehen davon aus, dass es über dem Nebel wolkenlos ist.
Dies bestätigt auch die Berechnung des Ncp mit 2 bis 5 Achtel. Da der Bodenwärmestrom
vorab korrigiert wurde, fasst dieser Ncp die strahlungsbedingten Auswirkungen von Wolken
und Nebel in einem Wert zusammen.
Ab Mitternacht steigt der berechnete Ncp auf 8 Achtel. Die Sichtweite liegt über 2 km, es
sind also nun Wolken vorhanden. Luft- und Grastemperatur steigen. Um 02:30 UTC wird ein
kurzes Niederschlagsereignis (0.1 cm Neuschnee) registriert. Der Wind wird etwas stärker
und kommt nun aus West.
Die zweite Station in Schüpfheim zeigt einen vollkommen anderen Verlauf. Hier liegt die
Sichtweite konstant über dem Schwellwert von 2 km. Der Wind weht bis 19 UTC schwach aus
Nordost. Danach frischt er auf und dreht er auf Süd, und bis 21 UTC bleiben Richtung und
Geschwindigkeit sehr konstant. Ab 21 UTC wird der Wind wieder schwächer und ab
Mitternacht variieren Stärke und Geschwindigkeit stark. Der berechnete Ncp zeigt in der
ersten Nachthälfte klaren Himmel oder vereinzelte Wolken. Zwischen 00 und 03 UTC steigt
der Bedeckungsgrad gleichmässig von 0 auf 8 Achtel. Die Bewölkungsverhältnisse stimmen
also mit denen in Roggliswil überein, während sich Wind und Sichtweite (also die Ursachen)
unterscheiden. Die Temperaturen verlaufen in der zweiten Nachthälfte ähnlich. Mit bewölktem
- 107 -

Himmel steigen Gras- und Lufttemperatur auch in Schüpfheim. Vor Mitternacht zeigt aber nur
die Bodentemperatur den gleichen Verlauf. Der Taupunkt liegt konstant zwischen -4 und -5°C
und ist von der Lufttemperatur entkoppelt. Im Gegensatz zu Roggliswil, wo die relative Luftfeuchtigkeit
gleich bleibt, bleibt hier also die absolute Feuchte erhalten. Auch die Grastemperatur
verändert sich kaum. Der klare Himmel und seine erhöhte Ausstrahlung wirkt sich
also nicht in einer Abkühlung der bodennahen Schichten aus. Wieder liefert der warme Boden
als Energiespeicher nur einen der Gründe. Zwischen 19 und 21 UTC liegt die Lufttemperatur
konstant bei verhältnismässig warmen -1°C.
Schüpfheim liegt im Süden des Kantons Luzern, direkt nördlich von und im selben Tal wie
Sörenberg. Ein warmer Südwind könnte deshalb ein Indiz für Föhn sein. Nach Angaben eines
Experten mit detaillierter Ortskenntnis, erreicht der Föhn in Schüpfheim den Boden
normalerweise nicht. Er weht über den Ort hinweg und lässt ihn im Kaltluftsee (Gubser 2004).
Zudem herrscht in der Beispielnacht auch an Stationen mit sonst ausgeprägtem Föhnsignal
kein Föhn. Vermutlich handelt es sich bei dem beobachteten Wind um ein Berg-Talwind-
System. Der Wind weht in der Nacht den Hang hinunter und aus dem Tal heraus. Er
transportiert relativ wärmere und trockenere Luft unbekannten Ursprungs heran und verhindert
die Bildung von Nebel. Da ein Berg-Talwind durch starke Ausstrahlung angetrieben wird,
bestätigt er die Berechnung klaren Himmels. Kurz vor Mitternacht bricht das Windsystem
zusammen.
4.13.3 Zweidimensionale Niederschlags- und Bewölkungsstrukturen
Die Bewölkungskarten um 21 UTC sowie jeweils zur vollen Stunde ab Mitternacht sind im
Anhang in Abbildung E.2 und E.3 dargestellt. Bei ihrer Analyse spielen Nebel und der
Wetterumschwung gegen Mitternacht eine grosse Rolle. Die Stationen des Strassenwettermessnetzes
mit Sichtweite unter 1 km werden zur Erstellung der Karten nicht berücksichtigt.
Dadurch fallen Roggliswil und viele andere Stationen in der ersten Nachthälfte weg. An den
Stationen von ANETZ und meteomedia ag wird keine Sichtweite gemessen. Sie werden also
auch bei Nebel verwendet. Wie in Roggliswil gesehen, liegt der resultierende Ncp je nach
Dichte und Dicke des Nebels zwischen 0 und 8 Achteln.
Um 21 UTC melden zahlreiche Stationen des Strassenwetternetzes sowie die ANETZ-
Stationen in Altdorf, Engelberg, Bern und auf dem Napf klaren Himmel. Teilweise wirken dort
ähnliche lokale Windsysteme wie in Schüpfheim, die die Nebelbildung verhindert und
ihrerseits auf klarem Himmel beruhen. Die Stationen im Aaretal, im Raum Zürich und am
Vierwaldstättersee melden dagegen durchweg bedeckt. Dort herrschen Nebel oder Hochnebel,
die sich bei Hochdruckwetterlagen im Schweizer Mittelland häufig bilden. Um 00 UTC
ist diese typische Schönwetterstruktur noch deutlich zu erkennen. In weiten Teilen des
Kantons Luzern und in Engelberg ist es klar. Am Vierwaldstättersee herrscht Hochnebel. Von
Bern her zieht Bewölkung auf.
Wie der Bergwind in Schüpfheim, brechen bis 01 UTC auch andere lokale Prozesse
zusammen, die bisher Wolken- und Nebelbildung verhindert haben. Die Ncp-Berechnungen
im Kanton Luzern decken für 01 UTC die ganze Bandbreite von klar bis bedeckt ab. Immer
noch fehlen einige Stationen wegen Nebels. Die interpolierte Bewölkungszunahme, die einen
Wetterwechsel anzeigt, scheint aber realistisch. Von Osten über dem Jura und im Raum Bern
nähert sich Niederschlag. Das Niederschlagsband erreicht gegen 02 UTC den Kanton Luzern
- 108 -

und durchquert ihn in den folgenden zweieinhalb Stunden. Allerdings wird nur von wenigen
Stationen auch Niederschlag registriert, das Radar überschätzt die Niederschlagsmenge
deutlich. Die Bewölkung nimmt mit herannahendem Niederschlagsband überall zu. Danach
bleibt es im ganzen Beobachtungsgebiet bei bedecktem bis stark bewölktem Himmel.
4.13.4 Strassenzustand im Kanton Luzern
Die Strassenzustandsbedingungen in der betrachteten Nacht sind verhältnismässig
unspektakulär. In Abbildung E.4 sind sie für vier Zeitpunkte wiedergegeben. Um 22 UTC ist es
an vielen Stationen klar. Die Grastemperaturen liegen dort sehr tief und häufig ausserhalb des
mit der Farbskala aufgelösten Bereichs (also unter -5°C). An den meisten Stationen ist die
Strasse gefroren oder verreift, seltener feucht oder trocken. Am Vierwaldstättersee, unter der
Hochnebeldecke, liegen die Temperaturen nur knapp unter dem Gefrierpunkt und die
Strassen sind feucht oder nass. Von den Stationen sind viele wegen Nebels nicht in die
Bewölkungskarten eingetragen. Einige Stationen melden überhaupt nicht.
Um Mitternacht zeigt sich der Strassenzustand nahezu unverändert. Erneut ist eine
Dreiteilung in Stationen ohne Wolken (tiefe Grastemperaturen), Stationen mit Nebel (mittlerer
Temperaturbereich) und Stationen mit Hochnebel (am Vierwaldstättersee) möglich.
Anderthalb Stunden später zieht Bewölkung auf. Die Grastemperaturen steigen in den
vormals klaren oder nebligen Gebieten. Sie haben aber noch nicht das Niveau der Stationen
mit durchgehend bedecktem Himmel erreicht. Weiterhin sind zahlreiche Strassen gefroren
oder verreift, andere trocken. Um 04:30 UTC ist es an den meisten Stationen nochmals
wärmer. Die Grastemperaturen liegen jetzt fast überall zwischen -2 und 0°C. Noch immer sind
viele Strassen trocken. In der Zwischenzeit kann also nicht viel Niederschlag gefallen sein.
Einige Stationen melden aber erstmals feucht oder nass. Das Problem der Reifbildung ist
weitgehend behoben.
4.13.5 Zusammenfassung des Falls
In der Nacht vom 18. zum 19. Dezember 2003 liegen Teile der Schweiz unter einer
Hochnebeldecke. Andere Regionen haben lokal Nebel. In den Alpentälern und einigen
angrenzenden Gebieten verhindern lokale Windsysteme die Nebel- und Hochnebelbildung.
Nach Mitternacht zieht Bewölkung auf und es fällt etwas Schnee. Ab 04 UTC ist es überall
bedeckt. Die Hochnebeldecke ist aber aufgelöst und durch die Wolken im Vorfeld eines
herannahenden Tiefdruckgebiets ersetzt.
Auch unter diesen schwierigen Bedingungen funktioniert die Berechnung des
Bedeckungsgrads gut. Die Begründung dafür ist an unterschiedlichen Stationen etwas
verschieden. Es stellt sich als Nachteil heraus, dass an den ANETZ- und meteomedia-
Stationen keine Sichtweite gemessen wird. Sie werden also auch bei Nebel dargestellt,
während Strassenwetterstationen dann wegfallen. Das Radarbild ist erneut hilfreich, da direkt
nach dem Aufzug der Bewölkung in der zweiten Nachthälfte ein Niederschlagsgebiet
durchzieht. Dessen Radarreflektivität liegt aber deutlich über der am Boden registrierten
Niederschlagsmenge. Eventuell reflektieren hier grosse Schneewolkenkristalle, oder der
Niederschlag verdunstet auf dem Weg nach unten (vgl. Pohjola und Koistinen 2004).
- 109 -

4.14 Erste Erfahrungen im operationellen Einsatz der Bewölkungskarten
Die drei Beispielnächte zeichnen ein positives Bild von den Möglichkeiten der Bewölkungskarten.
Schwierige Situationen können weitgehend problemlos diagnostiziert werden.
Besonders das Erkennen von postfrontalem Aufklaren, das ja ein Hauptziel darstellt, ist
gewährleistet.
Im Winter 2003/04 sind die Bewölkungskarten erstmals operationell erstellt und vom
Strasseninspektorat des Kantons Luzern zur Beurteilung der Lage zugezogen worden. Leider
waren noch nicht alle Korrekturverfahren implementiert, was zu einigen Fehlinterpretationen
führte. Die Mitarbeiter des Strasseninspektorats sahen die Karten dennoch als hilfreiche
Zusatzinformation an (Mathis 2004). Bei der Verwendung der Bewölkungskarten (wie
jeglichen Kartenmaterials) ist es von Nutzen, sich über deren Zustandekommen bewusst zu
sein. Zum Beispiel werden Strassenwetterstationen bei Nebel nicht in die Karten
übernommen. Erst eine zweite, im Strasseninspektorat Luzern vorhandene Karte mit der
Sichtweite an den Stationen zeigt dann, welche Streckenabschnitte wolkenlos, aber im Nebel
sind. Bei stark variierenden Bewölkungsberechnungen an benachbarten Stationen bleibt es
dem Betrachter überlassen, ob er mehr der einen oder anderen Station oder dem
interpolierten (Mittel-)Wert der Karte vertraut. Dabei können Zusatzinformationen, z.B. über
Strassenzustand oder Windstärke, hilfreich sein. Eventuell liefern auch die zur Interpolation
verwendeten Gewichte der Stationen einen Hinweis.
Vom technischen Stand stellt es kein Problem dar, die Bewölkungskarten in viertelstündlichem
Rhythmus zu berechnen und verfügbar zu machen. Wichtig ist dabei die zeitliche
Abstimmung auf die eingehenden Daten, um möglichst aktuell zu sein.
- 110 -

5 Kurzfristvorhersage
Numerische Wettervorhersagemodelle (NWPs) prognostizieren den zukünftigen globalen
oder regionalen Zustand der Atmosphäre, indem sie dynamische und thermodynamische
Gleichungen in drei Dimensionen lösen. Aufgrund der langen Rechenzeit und des meist nicht
exakt bekannten Anfangszustands sind ihre Prognosen zwar über drei bis fünf Tage hin
aussagekräftig, für einen kurzen Vorhersagezeitraum von bis zu sechs Stunden aber kaum
verwendbar (Germann und Zawadzki 2002). Für diesen Zeitraum kommen deshalb andere
Vorhersagemethoden zum Einsatz.
Kurzfristvorhersagen beruhen fast ausschliesslich auf Fernerkundungsmessungen, z.B. mit
Radar oder Satelliten. Ihnen liegt die Überlegung zugrunde, dass das generelle Aussehen
atmosphärischer Muster sich nur langsam ändert. Niederschlagsgebilde und Bewölkungsfelder
verlagern sich zwar, intensivieren sich oder lösen sich auf. Sie behalten aber gewisse
charakteristische Merkmale bei, an Hand derer sie, einmal beobachtet, wiederzuerkennen
sind.
5.1 Geschichte und Theorie des Programms COTREC / RainCast
5.1.1 Entstehungsgeschichte
Die Idee, Muster in Radardaten zu identifizieren, zu verfolgen und zu extrapolieren, besteht
seit den 60er Jahren (Kessler und Russo 1963). Rinehart und Garvey (1978) beschreiben mit
TREC (Tracking Radar Echoes by Correlation) ein Mustererkennungsverfahren, das die
Verlagerungsvektoren von Niederschlagsstrukturen bestimmt und zukünftige Radarbilder
vorhersagen kann.
Unter dem Namen COTREC (Continuity of TREC vectors) wurde das Verfahren von Li
(1994) so ergänzt, dass die Verlagerungsvektoren v ¨¡ v x ,v y¢ T die zweidimensionale
Kontinuitätsgleichung
v
£
£
x
x
v
£
£
y
y
¡ 0 (5.1)
erfüllen. Dadurch werden Fehlvorhersagen, v.a. durch Clutter oder Abschattung, reduziert.
COTREC beinhaltet zudem ein Modul, das die Wachstumsrate von Niederschlagsereignissen
bestimmt und bei der Vorhersage berücksichtigt. Eine ausführliche Validierung von COTREC
findet sich bei Mecklenburg (2000).
- 111 -

Seit 1999 ist mit RainCast eine kommerzielle Variante von COTREC im Einsatz (Schmid et
al. 2000). RainCast bestimmt ebenfalls die Verlagerungsvektoren von Niederschlagsstrukturen.
An Stelle der Kontinuitätsgleichung (5.1) wird aber nur ein Test auf Ausreisser
verwendet. Auf die Vorhersage von Wachstum oder Zerfall wird verzichtet, da sich dies
aufgrund der Orographie und insbesondere bei schnell mutierenden Gewitterzellen oft nicht
als sinnvoll erweist. Dagegen verfügt RainCast über Zusatzmodule zur Vorhersage der
Niederschlagswahrscheinlichkeit an einem Ort sowie zur Unterteilung des Niederschlags in
Schnee und Regen anhand von ANETZ-Temperaturmessungen (Schmid et al. 2002). In
dieser Arbeit wird RainCast verwendet, um Kurzfristvorhersagen der Bewölkungskarten zu
erstellen. Dabei wird das kommerzielle Programm grösstenteils als (unveränderliche) Black
Box benutzt.
5.1.2 Zellen-Tracking und Box-Tracking
Bei der Bestimmung von Verlagerungsvektoren in Radarbildern führen zwei grundsätzlich
unterschiedliche Ansätze zum Erfolgt.
Der erste besteht darin, alle Niederschlagszellen eines Scans durch geeignete Kriterien zu
identifizieren, und zu versuchen, sie im darauffolgenden Bild wiederzufinden. Auftretende
Probleme, wie die eindeutige Zuordnung der Zellen oder Zellteilungs- und -vereinigungsprozesse,
sind lösbar (Handwerker 2002). Dieses Zellen-Tracking eignet sich besonders zum
Verfolgen von Schauer- und Gewitterzellen. Für stratiforme Niederschläge ist es weniger
geeignet.
Der alternative Ansatz, das Box-Tracking, unterteilt ein erstes Radarbild in gleich grosse
quadratische Ausschnitte. Im darauffolgenden Bild gilt es nun den Bereich zu finden, der dem
Ausschnitt im ersten Bild am meisten ähnelt. Dazu wird zwischen dem Startausschnitt im
ersten Bild und allen i Ausschnitten im Zielbild ein Vergleichswert Fi ermittelt. Der Ausschnitt
im Zielbild, der den höchsten Vergleichswert F = max (Fi) erreicht, wird als das Gebiet
angesehen, zu dem sich der ursprüngliche Ausschnitt hinverlagert hat. Abbildung 5.1 zeigt die
Vorgehensweise systematisch. RainCast löst das Problem rechenzeitschonend in einem
zweistufigen Verfahren. Zuerst wird ein vorläufiger Verlagerungsvektor bestimmt. Im zweiten
Schritt folgt ein Fein-Tracking mit allen Ausschnitten im Umfeld des vorläufigen Ergebnisses,
das zum endgültigen Verlagerungsvektor führt. Insgesamt erfolgt also ein Überkreuzvergleich
zweier Scans, an dessen Ende für jeden Ausschnitt des ersten Bildes ein Verlagerungsvektor
hin zum nächsten Bild gefunden wurde.
Das Box-Tracking funktioniert bei stratiformen Niederschlägen und Schauern gleichermassen.
Zur Bestimmung der Verlagerung von Bewölkungsstrukturen ist es sicher besser
geeignet als ein Zellen-Tracking, da die Bewölkungskarten nur selten zellenartige Objekte
aufweisen. Es wird deshalb in dieser Arbeit mit Vorteil verwendet.
Beiden Methoden zur Bestimmung des Verlagerungsvektors ist gemein, dass der
Zeitabstand zwischen zwei Vergleichsbildern nicht zu gross sein darf. Bei Niederschlag ist ab
etwa einer halben Stunde Abstand in den Eingangsbildern kein vernünftiges Ergebnis mehr zu
erwarten, da sich die vorherrschenden Muster dann zu sehr unterscheiden.
- 112 -

Abbildung 5.1: Systembild zum Box-Tracking. Zu allen Boxen im ersten Bild wird die geeignete Verlagerungsbox
im zweiten Bild gesucht (angedeutet durch die roten Pfeile). Die resultierenden Verlagerungsvektoren
(schwarze Pfeile) dienen schliesslich zur Extrapolation des Vorhersagebilds.
5.1.3 Der geeignete Vergleichswert
Beim Box-Tracking werden alle Ausschnitte im zweiten Bild mit einer Ursprungsbox im
ersten Bild verglichen. Dazu kommen verschiedene Vergleichswerte in Betracht.
Am häufigsten verwendet wird das Verfahren der Kreuzkorrelation, bei der der Korrelationskoeffizienten
r als Vergleichswert F dient (z.B. Rinehart und Garvey 1978). Man wählt dann im
zweiten Bild den Ausschnitt i, für den F = r = max (ri) gilt. Eine andere Möglichkeit besteht
darin, die Summe der Differenzen
i
M
1
¡ ¡
y – y (5.2)
1, j 2i , j
M £ j 0
über alle M Pixel der Box y1 im ersten und der i möglichen Boxen y2i im zweiten Bild zu
minimieren, also F = ¢ = min (¢ i). Teilweise kommen diese Kriterien auch kombiniert zum
Einsatz oder werden durch eine Hintergrundinformation ergänzt (Toussaint et al. 2000). Bei
RainCast stehen als Vergleichswert der Korrelationskoeffizient r und die Summe der
Differenzen ¢ alternativ zur Verfügung.
In Abbildung 5.2 oben sind zwei beispielhafte Ausgangs-Bewölkungskarten A und B
gegeben. In beiden Bildern ist der selbe Ausschnitt durch ein schwarzes Quadrat markiert.
Beide Quadrate weisen einen deutlichen Gradienten von Nordwest nach Südost auf. Der
Korrelationskoeffizient zwischen der Ursprungsbox in Bild A und der Zielbox in Bild B ist also
hoch, da er die Güte des linearen Zusammenhangs untersucht, ohne sich um den
Absolutwert zu kümmern. Die Summe der Differenzen ist dagegen ebenfalls hoch. Verschiebt
man nun die Zielbox im zweiten Bild z.B. so in die rechte untere Ecke, dass die Niederschlagsgebiete
deutlicher übereinander liegen, dann nimmt die Summe der Differenzen ab,
- 113 -

während sich der Korrelationskoeffizient wenig ändert. Diese Verschiebung liefert offensichtlich
das bessere Ergebnis. Mecklenburg (2000) stellt für Radarniederschläge fest, dass
die Kreuzkorrelation sich mehr für konvektive Fälle eignet, während für stratiforme Fälle die
Summe der Differenzen vorzuziehen ist. In dieser Arbeit wird ebenfalls bevorzugt die Summe
der Differenzen verwendet, eine Verifikation folgt in Abschnitt 5.6.1.
5.1.4 Räumliche und zeitliche Glättung der Eingangsdaten
RainCast verwendet die Eingangsdaten nicht unverändert. In einem ersten Glättungsschritt
werden kleine und kleinste Variationen eliminiert, also Löcher gestopft. Danach erfolgt eine
zeitliche Mittelung über drei aufeinanderfolgende Zeitschritte. Sie dient dazu, den Einfluss
kleiner Verlagerungsschwankungen zu reduzieren; (Clutter-)Ereignisse, die nur in einem Bild
vorkommen, werden abgewertet; Extremereignissen wird die Spitze genommen.
Abschliessend folgt ein räumlich gleitendes Mittel über die zeitlich gemittelten Bilder. Derartige
Glättungen verbessern die Vorhersagequalität anerkanntermassen bei konvektiven und
frontalen Niederschlägen (Mecklenburg et al. 2000, Germann und Zawadzki 2002), in
stratiformen Situationen sind sie wenigstens nicht hinderlich.
Erst die so gemittelten Eingangsbilder werden verwendet, um Verlagerungsvektoren zu
bestimmen. Da jeweils über drei Zeitschritte gemittelt wird, geben die Verlagerungsvektoren
die mittlere Verlagerung über 3 + 3 Zeitschritte an. Bei den Bewölkungskarten im Zeitabstand
von 15 Minuten beträgt der gesamte berücksichtigte Zeitraum 1.5 Stunden. In Abbildung 5.2
sind der jeweils letzte (A und B) der drei gemittelten Zeitschritte sowie das berechnete Feld
von Verlagerungsvektoren (C) dargestellt. Auf die Vektoren wird ein Test auf Ausreisser
angewendet. Da die Bewölkungskarten mit 100 × 100 km 2 sehr klein sind, ergibt sich danach
im Allgemeinen ein Vektorfeld identischer Vektoren, also ein einheitlicher Verlagerungsvektor
des ganzen Gebiets. In Abbildung 5.2 C sind die Verlagerungsvektoren nicht mit Vektorpfeilen
sondern durch Windfahnen dargestellt. Die Querbalken geben also die Richtung an, aus der
die Verlagerung erfolgt, die Länge der Querbalken markiert die Verlagerungsgeschwindigkeit.
5.1.5 Extrapolation
Die letzte beobachtete bzw. interpolierte Bewölkungskarte kann nun mit den bekannten
Verlagerungsvektoren extrapoliert werden. Abbildung 5.1 zeigt dies schematisch. RainCast
verwendet dazu eine Rückwärtsextrapolation (Schmid 2000). Zu jedem Pixel des Vorhersagebilds
wird anhand der Verlagerungsrichtung und -geschwindigkeit das zugehörige Ausgangspixel
im letzten bekannten Bild bestimmt. Um allfällige Variabilitäten im Verlagerungsvektorfeld
zu berücksichtigen, erfolgt die Vorhersage sukzessive über jeweils 2.5 Minuten.
Ausserdem wird das Vektorfeld von Vorhersageschritt zu Vorhersageschritt mitverlagert.
Abbildung 5.2 (D) zeigt eine Vorhersage über 24 Vorhersageschritte, also für 60 Minuten.
- 114 -

A B C
D E
Abbildung 5.2: Beispiel zur Funktionsweise von RainCast. Oben: zwei Ausgangsbilder A und B;
Verlagerungsvektoren dieser Bilder in Windfahnendarstellung (C). Unten: Vorhersage über 60 Minuten (D)
und Verifikation der Vorhersage (E).
5.1.6 Grenzen der Methode
Die Vorhersage von Radarbildern mit COTREC / RainCast wurde mehrfach validiert und für
gut befunden (z.B. Mecklenburg et al. 2000, Schmid et al. 2000). Das Beispiel in Abbildung
5.2 zeigt, dass das Verfahren auch bei Bewölkungskarten erfolgreich eingesetzt werden kann.
Das Vorhersagebild (D) und dessen Verifikation (E) enthalten etwa die selben Muster.
Während der Niederschlag leicht überschätzt wird, liegt die Bewölkungsvorhersage teilweise
um eine Bewölkungsklasse zu niedrig. Anhand von Abbildung 5.2 und den folgenden
Beispielen lassen sich die Grenzen von RainCast allgemein diskutieren, sowie spezielle
Probleme der Bewölkungsvorhersage im ausgewählten Gebiet erkennen.
In Verlagerungsrichtung werden Informationen aus dem Beobachtungsgebiet heraustransportiert.
Im Gegenzug erfolgt die Advektion von Gebieten, deren Bewölkung unbekannt
ist. An manchen Rändern bildet sich darum ein schwarzer, ungültiger, weil informationsleerer
Rand (z.B. in Abbildung 5.2 D im Norden und Westen).
Die Verlagerungsroutine geht davon aus, dass die Strukturen im Startbild richtig und stabil
sind. So wird Clutter (als die häufigste Radarfehlmessung) genauso advehiert wie echter
Niederschlag. Die Entstehung und Entwicklung von Niederschlags- und Wolkenstrukturen
wird nicht berücksichtigt. In Abbildung 5.2 nimmt der Niederschlag offensichtlich ab, und wird
- 115 -

deshalb überschätzt. Bei der Vorhersage von Bewölkungskarten kommt hinzu, dass nicht alle
Veränderungen in der Bewölkung advektiv sind. Die Bildung von Nebel und Hochnebel erfolgt
vor Ort und kann mit einem auf Verlagerung basierenden Verfahren wie RainCast nicht
prognostiziert werden. Ähnliches gilt für Föhn, der über einen gewissen Zeitraum stationär für
Aufklaren sorgt.
Das Beobachtungsgebiet der Bewölkungskarten reicht über das Schweizer Mittelland
hinweg in die Alpen hinein. Neben dem Föhn als typischen Gebirgseffekt treten dort auch
Staulagen oder die hebungsbedingte Bildung und Intensivierung von Wolken und
Niederschlägen auf. Sie beeinflussen Verlagerungsgeschwindigkeit und Vorhersagequalität
erheblich (Held und Joss 1994).
Eine weitere Einschränkung ergibt sich aus der Grösse des Beobachtungsgebiets. In
einem 100×100-km 2 -Bild können grössere (frontale) Strukturen nur schwer erkannt und
verfolgt werden. Die errechneten Verlagerungsvektoren folgen teilweise nicht dem Rand eines
breiten Frontalniederschlags, sondern erkennen die variable Struktur eingelagerter
konvektiver Zellen. Die eingeschränkte Gebietsgrösse begrenzt auch die Verlagerungsgeschwindigkeit
sehr schnell ziehender Objekte.
Schliesslich ergibt sich noch ein gravierender Nachteil am Abend. Für eine Vorhersage
sind sechs vorhandene Bilder notwendig. RainCast verlangt aus programmiertechnischen
Gründen sogar bis zu zehn Bilder. Von der Berechnung der ersten Bewölkungskarte bei
Sonnenuntergang bis zur Berechnung der ersten Vorhersage dauert es also mindestens
anderthalb bis über zwei Stunden.
5.2 Wahl geeigneter Modellparameter
Obwohl RainCast für diese Arbeit weitgehend als invariante Black Box benutzt wird,
können einige Parameter variiert werden. RainCast reagiert darauf sehr sensibel. Deshalb
wird in Abschnitt 5.6 nur die Änderung des Vergleichswerts (Korrelationskoeffizient und
Summe der Differenzen) untersucht, alle anderen Werte bleiben konstant. Sie orientieren sich
an den Werten, die RainCast für die Vorhersage des schweizer Radar-Composites verwendet.
Die zeitliche Mittelung erfolgt jeweils über drei Bilder (45 Minuten), die räumliche Glättung
als gleitendes Mittel über drei Werte. Die Ausgangsbilder werden in 8_×_8_Boxen à 10_km
Seitenlänge unterteilt. Ein Rand von 10 km bleibt unberücksichtigt. Die Verlagerungsvektoren
dieser 64 Boxen ergeben sich aus der kleinsten Summe der Differenzen und einer
Ausreissersuche. Die Vorhersage erfolgt mit einem Zeitschritt von 2.5 Minuten, wobei die
Vorhersagebilder nur alle 15 Minuten ausgegeben werden. Die maximale Vorhersagezeit wird
frei wählbar auf drei Stunden festgesetzt.
Da vom Rand ungültige (leere) Pixel in das Bild hinein advehiert werden, kann zur
Verifikation nicht das ganze 100 × 100 km 2 grosse Gebiet verwendet werden. Unter
Berücksichtigung der bevorzugten Strömungsrichtung (Nordwest) und mit Fokus auf den
Kanton Luzern als Hauptinteressensgebiet wird deshalb ein Gebiet verglichen, das
55_×_55_km 2 umfasst. Es ist in den Vorhersagekarten mit einem schwarzen Quadrat markiert
und reicht von km 627.5 bis 682.5 Ost und von km 187.5 bis 242.5 Nord.
- 116 -

In den folgenden Beispielen werden immer Vorhersagen über 60 Minuten betrachtet. Die
Vorhersage über eine Stunde bietet einem möglichen Nutzer eine gewisse Reaktionszeit
(Mathis 2004). Andererseits gewährleistet sie eine gute Vorhersagbarkeit, wie zahlreiche
Untersuchungen an Radardaten zeigen (z.B. Mecklenburg 2000, Germann und Zawadzki
2002). Eine Studie mehrerer Vorhersagezeiten folgt in Abschnitt 5.6.
5.3 Beispiel I: Vorhersage am 27./28. November 2001
5.3.1 Vorhersagekarten ausgewählter Zeitpunkte
Im ersten Beispiel wird wieder das Aufklaren in der Nacht vom 27. zum 28. November 2001
und der frühmorgendliche Durchzug eines schmalen Regenbands diskutiert.
Die Vorhersagekarten der ersten Nachthälfte sind in den Abbildungen C.2 und C.3 im
Anhang dargestellt. Dabei findet sich die Ein-Stunden-Vorhersage jeweils rechts neben dem
tatsächlich eingetretenen Zustand zum Vorhersagezeitpunkt. Für 16 und 18 UTC können
keine Vorhersagen gemacht werden, da nicht genügend Ursprungsbilder zur Verfügung
stehen. Die Vorhersage um 20 UTC zeigt sich in guter Übereinstimmung mit der Verifikation.
Lediglich der am Ostrand der Karte vorhergesagte Niederschlag trifft nicht zu. Für das
Vergleichsquadrat lässt sich ein Korrelationskoeffizient von 0.80 errechnen; zwei Drittel der
Pixel werden exakt richtig vorhergesagt, also mit der exakt gleichen Bewölkungs- oder
Niederschlagsklasse in Vorhersage und Verifikation; überall ist es bedeckt oder stark bewölkt.
Im Westen der Vorhersagekarte ist ein kleines Niederschlagsgebiet südlich der Aare auffällig,
dem in der Beobachtung ein ähnliches Gebiet nördlich der Aare zugeordnet werden kann. Es
handelt sich um den Jura-Clutter, der ebenfalls verlagert wird. Gelangt er in das Vergleichsquadrat
(wie es um 22 UTC ansatzweise der Fall ist), wird er dort als Niederschlag interpretiert
– und damit als Fehlvorhersage. In den weiteren Vorhersagekarten bis 02 UTC zieht sich die
Bewölkung in ähnlichem Masse zurück wie in den Beobachtungen. Um 02 UTC werden
insgesamt 85% der Pixel richtig vorhergesagt. Bei vorhergesagtem „klaren oder vereinzelt
bewölkten“ Himmel wird sogar in 90% aller Fälle auch „klar“ oder „vereinzelte Wolken“ (also
die Darstellungsfarbe grün) beobachtet. Die Vorhersage des Aufklarens kann also als Erfolg
gewertet werden.
In der zweiten Nachthälfte ziehen nun Bewölkung und Niederschlag auf. Dies geschieht so
rasch, dass die Kurzfristvorhersage nicht folgen kann. Die Vorhersagen und Verifikationen
sind Abbildung C.4 und C.5 zu entnehmen. Um 04 UTC ist Kanton Luzern noch wie
vorhergesagt wolkenfrei. Um 04:30 UTC zieht Bewölkung samt Niederschlag auf. Was schon
in der Berechnung der Bewölkungskarten Schwierigkeiten bereitet, geht in der Vorhersage
völlig schief. Zwar werden um 04:30 UTC noch ein Viertel der Pixel exakt richtig vorhergesagt,
und 80% der Vorhersagen von „klar oder vereinzelte Wolken“ sind auch tatsächlich im grünen
Bereich. Die Vorhersage um 05 UTC muss aber als komplett falsch angesehen werden. Das
Niederschlagsband hat in der Realität bereits die Hälfte des Beobachtungsgebiets passiert
und ist in der Vorhersage noch immer nicht zu sehen. Eine halbe Stunde später besserst sich
das Bild, soweit ein Bild zu sehen ist. Der Niederschlag liegt zwar zu weit nördlich, hat aber in
Ost-West-Richtung die richtige Position erreicht. Allerdings ist dazu ein sehr starker
- 117 -

Verlagerungsvektor notwendig, der von Westen einen Teil des informationsleeren Gebietes
bis ins Vergleichsquadrat verlagert. Das berechnete Vektorfeld bzw. die zugehörigen
Windfahnen sind in Abbildung C.6 dargestellt. Um 06 UTC hat RainCast das Problem erfasst
und liefert wieder eine gute und gültige Vorhersage, die für 40% der Pixel sogar exakt richtig
ist.
5.3.2 Vorhersage in der Übersicht
Eine weniger punktuelle Bewertung der Vorhersagen liefern die beiden Graphen in
Abbildung 5.3. Links dargestellt ist der zeitliche Verlauf des Korrelationskoeffizienten r und
des Summenverhältnisses
S
M
i 0
¢ y vorher , i
M
i 0
y beob , i
¡ 1
beim Vergleich über alle M Pixel in den Vergleichsquadraten des beobachteten ybeob und des
vorhergesagten yvorher Bildes. Der Korrelationskoeffizient startet bei Werten über 0.8 und
bleibt in der ersten Nachthälfte stabil. In der zweiten Nachthälfte schwankt er stark. So ist z.B.
um 02_UTC noch r = 0.63. Hier schlagen die wenigen Clutter-behafteten Ausreisserpixel
deutlich zu Buche. Zwischen 04 und 06 UTC, in der Zeit der Fehlvorhersagen, fällt die
Korrelation teils komplett in sich zusammen, teils erreicht sie beachtliche Werte. Um
04:30_UTC ist r = 0.73 trotz der sich abzeichnenden Fehlvorhersage. Dieser Zeitpunkt zeigt
deutlich, wie der Korrelationskoeffizient das Absolut ausser Acht lässt und den (linearen)
Zusammenhang bewertet. Der Niederschlag relativ zum klaren / vereinzelt bewölkten Bereich
zeigt in der Beobachtung die gleiche Struktur wie der vereinzelt bewölkte Bereich zum
vollständig klaren in der Vorhersage.
Das Summenverhältnis S liegt fast die ganze Nacht über bei guten 0.8 ¡ S ¡ 1.25.
Lediglich von 04:15 bis 05:30 UTC bricht es regelrecht ein und markiert die deutlich zu
geringen Vorhersagewerte.
Die Darstellung in Abbildung 5.3 rechts erfolgt in Prozent aller Pixel im Vergleichsquadrat.
Die erste Grösse ist der Anteil exakt richtig vorhergesagter Pixel, also identischer
Bewölkungs- oder Niederschlagsklasse in Vorhersage und Verifikation. Er startet bei etwa
50%, liegt zwischen Mitternacht und 04 UTC aber konstant über 80%. Zwischen 04 und
06_UTC nehmen die exakt richtigen Vorhersagen stark ab und umfassen im Minimum um
05_UTC nur noch 5.9%. Da bei dieser Vergleichsberechnung auch Flüsse und Seen gezählt
werden und Flüsse und Seen genau 5.9% des Vergleichsquadrats bedecken, bleibt keine
exakt richtige Vorhersage übrig.
Eine exakt richtige Vorhersage ist oft gar nicht von Nöten, und ein Fehler von einer oder
mehreren Bedeckungs- bzw. Niederschlagsklassen akzeptabel. So lässt sich z.B. die korrekte
oder falsche Vorhersage von Niederschlag gleichwelcher Intensität betrachten. In dieser
Arbeit interessiert besonders wolkenloser Himmel. Die Auswirkungen von wirklich klarem
Himmel und vereinzelten Wolken sind dabei nahezu die selben. Der Anteil dieses grünen
Bereichs ist in Abbildung 5.3 rechts ebenfalls dargestellt, sowohl bezüglich seiner korrekten
Vorhersage als auch bezüglich einer Fehlvorhersage. Als Fehlvorhersage gelten: „grün“
vorhergesagter aber tatsächlich stark bewölkter oder bedeckter Himmel oder Niederschlag,
- 118 -
(5.3)

Abbildung 5.3: Zeitlicher Verlauf einiger Kenngrössen der Vorhersage in der Nacht vom 27. zum 28.
November 2001. Links: Korrelationskoeffizient (schwarz, +) und Summenverhältnis (rot, X). Rechts: Anteil des
Gebiets mit exakt richtiger Vorhersage (schwarz, +) sowie mit richtiger (grün,
Vorhersage von klarem / vereinzelt bewölktem Himmel.
) bzw. falscher (rot, )
sowie stark bewölkt, bedeckt oder Niederschlag in der Vorhersage, aber tatsächlich
höchstens vereinzelte Wolken. Auf die Berücksichtigung von „bewölkt“ wird jeweils verzichtet.
Die erste Fehlvorhersage tritt in der Beispielnacht gegen 21 UTC auf, wenn erste aufklarende
Regionen im Vergleichsquadrat vorhergesagt werden, sie dort aber noch nicht zutreffen. Zu
nennenswerten Fehlvorhersagen kommt es aber im Laufe des Aufklarens nicht. Maximal wird
der Fehler um 05 UTC, wenn im Rahmen der nicht vorhergesagten Niederschlagszelle bis zu
33.2% des Vergleichsquadrats fälschlich als klar prognostiziert werden. Der Anteil richtig
vorhergesagter grüner Pixel steigt mit beginnendem Aufklaren ab 21:30 UTC rasch, und
umfasst schliesslich fast das ganze Gebiet. Ab 04 UTC nimmt er rapide ab.
5.3.3 Bewertung der Vorhersage für Beispiel I
Wie schon bei der Bewertung der Bewölkungskarten, ist auch bei der Bewertung der
Vorhersage eine Zweiteilung der Nacht vom 27. zum 28. November 2001 nötig. Bis 04 UTC
erfolgt ein Aufklaren, das weitgehend problemlos vorhergesagt wird. Das Summenverhältnis
zwischen Vorhersage und Beobachtung ist nahe 1.
Zwischen 04 und 06 UTC zieht ein Niederschlagsband ins Untersuchungsgebiet. Das
Summenverhältnis S und der Anteil exakt richtiger Vorhersagen brechen daraufhin
vollkommen ein. Bis zu einem Drittel aller Pixel werden fälschlich als „klar oder vereinzelt
bewölkt“ prognostiziert. Der Grund für die Fehlvorhersagen liegt darin, dass RainCast die
Niederschlagzelle zu spät erkennt. Die Zelle muss zu wenigstens fünf aufeinanderfolgenden
Diagnosezeitpunkten bereits im Beobachtungsgebiet sein, um bei der Berechnung der
Verlagerungsvektoren berücksichtigt und korrekt verlagert zu werden. Ab 06 UTC ist die
Vorhersagequalität wieder hoch.
- 119 -

5.4 Beispiel II: Vorhersage am 24./25. Januar 2004
5.4.1 Vorhersagekarten ausgewählter Zeitpunkte
Beispiel II vom 25. Januar 2004 beschreibt ein postfrontales Aufklaren mit nachfolgendem
Schauer zwischen Mitternacht und 06 UTC. Die 60-minütigen Prognosen für fünf Zeitpunkte
sind in Abbildung D.2 bis D.4 im Anhang zu finden, jeweils rechts neben der zugehörigen
Verifikation. Um 00 UTC beinhalten Vorhersage und Verifikation sehr viel Niederschlag, der
strukturell ähnlich angeordnet ist. Die Bewölkung der Niederschlagslücke ist im
Vergleichsquadrat konsequent richtig vorhergesagt.
Um 03 UTC dominiert im Südosten der Karte immer noch Niederschlag. Dessen Ausdehnung
wird gut prognostiziert, auch wenn die Intensität schwankt. Bezüglich der Bewölkung
ist für den restlichen Kanton Luzern bedeckt prognostiziert, von Westen zeichnet sich aber
eine Auflockerung ab. Dieser Fehler von einer Bedeckungsklasse in einem Teilgebiet ist
akzeptabel. Eine Stunde später ist der Niederschlag im Südosten noch immer vorhanden und
sinnvoll vorhergesagt. Für den Nordwesten des Vergleichsquadrats wird nun stark bewölkt
prognostiziert. Die Realität ist schon einen Schritt weiter, es ist dort weitgehend nur noch
bewölkt. Der von Nordwesten aufziehende Niederschlag wird noch nicht gesehen.
Um 05 UTC weichen Prognose und Verifikation stark voneinander ab. Im Vergleichsquadrat
betrifft dies vor allem den Südosten, wo der Niederschlag entgegen der Vorhersage
inzwischen aufgehört hat. Im nördlichen Kanton Luzern liegt die Bewölkungsprognose
weiterhin etwa eine Klasse zu hoch. Insgesamt lässt sich sagen, dass die Vorhersage um
05_UTC die Verlagerungsgeschwindigkeit der Objekte deutlich unterschätzt. Beide Niederschlagsstrukturen
(im Südosten und am Westrand der Vorhersage) sowie der aufgelockert
bewölkte Abschnitt dazwischen sind im Verifikationsbild 15 bis 30 km weiter östlich als
prognostiziert. Eine Stunde später wird die Verlagerung wieder einigermassen richtig erkannt.
Allerdings hat sich der postfrontale Niederschlag stark weiterentwickelt, sodass eine
Vorhersage nur noch richtungsweisenden Charakter hat. Die prognostizierte Verlagerung des
vereinzelt bewölkten Gebiets nach Osten findet sich in diesem Sinne in der Verifikation
wieder.
5.4.2 Vorhersage in der Übersicht
Eine Übersicht aller Vorhersagen der Beispielnacht zeigt Abbildung 5.4. Der
Korrelationskoeffizient liegt nur gegen 02 UTC auf einen hohen Niveau, solange der
Niederschlag im Südosten und nachfolgend bedeckter Himmel vorherrschen. Sonst ist er
wenig aussagekräftig. Das Summenverhältnis beträgt in der ersten Nachthälfte bei
Niederschlag etwa_1. Gegen 04 UTC steigt es zuerst deutlich, weil im Südosten des
Vergleichsquadrats Niederschlag vorhergesagt wird, dem in der Verifikation nicht gegenüber
steht. Danach sinkt es stark, und steigt ab 05:30 UTC wieder auf zu hohe Werte. Diese
Schwankungen sprechen für eine schwierige und eher schlechte Vorhersage.
Der Anteil exakt richtig vorhergesagter Pixel schwankt ebenfalls, und erreicht nur zwischen
Mitternacht und 03 UTC hohe Werte um 60%. Vor Mitternacht verhindern Fluktuationen im
Niederschlag einen höheren Wert. Gegen Morgen setzen Fehlprognosen der Bewölkung ein.
- 120 -

Abbildung 5.4: Zeitlicher Verlauf einiger Kenngrössen der Vorhersage in der Nacht vom 24. zum 25. Januar
2004. Links: Korrelationskoeffizient (schwarz, +) und Summenverhältnis (rot, X). Rechts: Anteil des Gebiets
mit exakt richtiger Vorhersage (schwarz, +) sowie mit richtiger (grün, ) bzw. falscher (rot, ) Vorhersage von
klarem / vereinzelt bewölktem Himmel.
Diese betragen teilweise nur eine Bedeckungsklasse, reduzieren den Anteil exakt richtiger
Vorhersagen aber dennoch. Klare oder vereinzelt bewölkte Gebiete, beobachtet oder
prognostiziert, treten erstmals um 04 UTC auf. Ihre Vorhersage ist leider teilweise eher falsch.
5.4.3 Bewertung der Vorhersage für Beispiel II
Die Vorhersage der zweiten Beispielnacht zeigt ähnliche Schwächen wie die Vorhersage
der zweiten Nachthälfte aus Beispiel I. Heranziehende Strukturen werden nicht oder zu spät
erkannt, der Verlagerungsvektor ist zu gering. Die Bewölkungsabnahme wird ab 03 UTC
deutlich unterschätzt, da sie zum grossen Teil lokal erfolgt, und nicht auf der Advektion
wolkenloser Luft basiert. Allerdings ist ihre Tendenz richtig, respektive findet sich zumindest in
vorhergesagter und berechneter Bewölkungskarte wieder.
Ein Blick auf die erste, regenreiche Nachthälfte zeigt, dass die allgemein (z.B. von Schmid
und Wüest 2003) für gut befundene Niederschlagsvorhersage nicht einen sehr hohen Anteil
exakt richtiger Prognosen liefert, sondern eher im Sinne von „Niederschlag ja / nein“
zutreffend ist. Das Summenverhältnis schwankt dabei meist zwischen 0.9 und 1.1.
5.5 Beispiel III: Vorhersage am 18./19. Dezember 2003
5.5.1 Vorhersagekarten ausgewählter Zeitpunkte
Beispiel III zeichnet sich durch typisches Hochdruckwetter in der ersten und ein
Niederschlagsband in der zweiten Nachthälfte aus. Die Prognosen finden sich in Abbildung
- 121 -

E.2 und E.3 rechts, wobei für zwei Zeitpunkte das Feld der Verlagerungsvektoren bzw. der
korrespondierenden Windfahnen an die Stelle der Ein-Stunden-Vorhersage tritt.
Um 21 UTC findet eine sehr schwache Verlagerung der Wolkenstrukturen nach
Nordwesten statt. Die Verlagerungsrichtung stimmt (wohl eher zufällig) mit den
Windrichtungen in Schüpfheim und Roggliswil einigermassen überein. Sie schwankt von Bild
zu Bild und ist wahrscheinlich nicht mehr als ein Artefakt, da ja keine umfassende
Bewölkungsänderung stattfindet, und lokale Wolkenbildung mit einem Mustererkennungsverfahren
nicht beschrieben werden können. Um 00 UTC dominiert der klare Himmel noch in
Prognose und Verifikation. In der folgenden Stunde ändert sich der Wettercharakter
zusehends. So ist es um 01 UTC im ganzen Kanton schon bewölkt, während die Prognose
noch immer ein grosses wolkenfreies Gebiet vorhersagt. Was folgt, ist bereits hinreichend
beschrieben. Die Existenz des herannahenden Niederschlagsbands wird zu spät erkannt
respektive seine Geschwindigkeit unterschätzt, und es kommt um 02 UTC zu einer
kompletten Fehlvorhersage. Nur in den äussersten Südosten sind die Wolken noch nicht
vorgedrungen und Prognosekarte und Verifikation sind identisch. Eine Stunde später ist die
Strömungsrichtung angegeben, die sich nun (konstant) auf Westsüdwest eingestellt hat. Die
Vorhersage für 04:30 UTC stimmt wieder einigermassen mit der Verifikation überein, wobei
die Verlagerungsgeschwindigkeit des Niederschlagsgebiets noch immer zu niedrig angesetzt
ist. Immerhin ist der nachfolgende stark bewölkte bis bedeckte Himmel treffend vorhergesagt.
5.5.2 Vorhersage in der Übersicht
Einen Überblick über die gesamte Nacht gibt Abbildung 5.5. Das Summenverhältnis liegt
fast durchgehend zwischen 0.9 und 1.15. Nur zwischen Mitternacht und 02 UTC sinkt es in
der Folge des Wetterumschwungs: dem prognostizierten klaren Himmel stehen immer mehr
Wolken gegenüber.
Ähnlich verhalten sich auch die richtigen Prozentanteile. In der ersten Nachthälfte sind
weite Teile offensichtlich klar. Bis 00:30 UTC dehnt sich der korrekt prognostizierte grüne
Bereich auf 65% des Vergleichsquadrats aus. Dann wird es zuerst bewölkt (was noch nicht
als falsch vorhergesagtes grün interpretiert wird), ab 02 UTC ist es überall wolkig oder
bedeckt. Dazwischen bricht der Anteil exakt richtig vorhergesagter Pixel völlig ein, die
Vorhersage ist so gesehen komplett falsch. Obwohl über zwei Stunden hinweg ein gewisser
Anteil falsch vorhergesagter klarer und vereinzelt bewölkter Gebiete besteht, liegt die
Vorhersage des grünen Bereichs nur für 01:30 UTC deutlich daneben.
5.5.3 Bewertung der Vorhersage für Beispiel III
Beispiel III beinhaltet neben der bekannten Schwierigkeit mit herannahenden
Niederschlägen ein weiteres Problem: Ereignisse wie Nebel oder der in Schüpfheim
vorherrschende Bergwind sind rein lokaler Natur und haben mit Advektion nichts zu tun.
Ähnliches gilt auch für Föhn, der zwar durchaus die ganze Nordschweiz betreffen, aber
ebenfalls advektionsunabhängig auftreten und den Bewölkungszustand beeinflussen kann.
Eine Vorhersage nach dem Prinzip der Mustererkennung und -verfolgung hat in solchen
- 122 -

Abbildung 5.5: Zeitlicher Verlauf einiger Kenngrössen der Vorhersage in der Nacht vom 18. zum 19.
Dezember 2003. Links: Korrelationskoeffizient (schwarz, +) und Summenverhältnis (rot, X). Rechts: Anteil des
Gebiets mit exakt richtiger Vorhersage (schwarz, +) sowie mit richtiger (grün,
Vorhersage von klarem / vereinzelt bewölktem Himmel.
) bzw. falscher (rot, )
Fällen nur eine Chance, wenn die lokalen Effekte erhalten bleiben und keine (oder allenfalls
eine sehr schwache) Verlagerung prognostiziert wird. Diese Prognose besagt dann nichts
anderes, als eine persistente Bewölkungslage – der Zustand bleibt beliebig lange erhalten.
5.6 Statistische Verifikation
5.6.1 Vergleich der Vorhersagemethoden
Die Beispiele haben das Potenzial gezeigt, das in der Vorhersage der Bewölkungskarten
mit dem Mustererkennungsverfahren COTREC / RainCast liegt, aber auch deren Grenzen. In
statistischem Sinne aussagekräftig sind nur Ergebnisse über einen längeren Zeitraum. Dabei
ist zum einen zu klären, ob die Bestimmung der Verlagerungsvektoren durch minimale
Summe der Differenzen wirklich besser ist als jene durch Kreuzkorrelation. Zum anderen folgt
eine Aussage über das generelle Vorhersagepotenzial durch Vergleich mit der Persistenz
(„alles bleibt, wie es ist“).
Für die Auswertungen kommen alle Januarnächte 2004 zum Einsatz. Die Vorhersagezeit
reicht aus pragmatischen Gründen nur von 21 bis 04 UTC. Insgesamt werden 725
Vorhersagen betrachtet, und das Summenverhältnis, der Anteil exakt richtig vorhergesagter
Pixel und die Anteile richtiger und falscher Vorhersagen des grünen Bereichs „klar oder
vereinzelte Wolken“ bestimmt. Ausgewertet wird jeweils das 55 × 55 km 2 grosse Vergleichsquadrat.
Die gemittelten Werte sind Tabelle 5.1 zu entnehmen.
Die erste Frage nach dem geeigneten Vergleichswert (Summe der Differenzen oder
Kreuzkorrelation) lässt sich eindeutig beantworten. Die Kreuzkorrelation schneidet bei allen
Qualitätskennzahlen schlechter ab. Die Verwendung der Summe der Differenzen ist damit
gerechtfertigt.
- 123 -

Der Vergleich zwischen Persistenz und Vorhersage fällt weniger eindeutig aus. Angesichts
eines um 0.7% höheren Anteils exakt richtig persistenter Pixel stellt sich sogar die Frage, ob
eine Vorhersage überhaupt Sinn macht. Der höhere Mittelwert des Exakt-Richtig-Anteil ist
allerdings mit einer grösseren Standardabweichung verbunden. Betrachtet man statt des
Mittelwerts den Median, findet man für die Vorhersage einen Anteil von 49.8%, für die
Persistenz nahezu identische 49.9%. Dem gegenüber steht ein Summenverhältnis, das bei
der Persistenz mit 1.02 ± 0.19 leicht schlechter ist und stärker schwankt als bei Vorhersage.
Die Betrachtung des grünen Bereichs spricht nun deutlich für eine Vorhersage. Von der
Persistenz werden nur 12.4% aller Pixel richtig als klar oder vereinzelt bewölkt prognostiziert,
von der Vorhersage aber 12.6%. Noch aussagekräftiger ist der Gegenwert: Die falsche
Vorhersage von klar oder vereinzelt bewölkt bei wenigstens stark bewölktem Himmel oder
umgekehrt betrifft 0.7% aller Pixel, bei der Persistenz werden 0.9% aller Pixel in diesem Sinne
falsch. Der Fehler der Vorhersage ist also in diesem Bereich um ein Viertel geringer als der
Fehler der Persistenz. Die 0.2% Unterschied sind fast ausschliesslich Fälle mit Aufklaren, also
einem wolkenlosen Himmel in der verifizierenden Beobachtung.
Die Vorhersagerechnung ist damit besonders in kritischen Fällen der Persistenz überlegen.
Bei einer oberflächlichen Betrachtung sehen beide etwa gleich gut aus. Dies hat mehrere
Gründe. Zum einen kann die Vorhersage teilweise falsch sein, z.B. wenn bei klarem Himmel
Clutter-Signale advehiert werden, oder wenn Wolken bei der Verlagerung ins Gebirge hinein
orographisch gebremst werden. Bei Verwendung der Persistenz sind solche Fehler
ausgeschlossen. Zum zweiten ist (in allen drei Beispielen) die Vorhersage falsch, wenn ein
(Niederschlags-)Gebiet sehr rasch in den Bereich der Bewölkungskarte hineinzieht. Die
Persistenz ist dann genauso falsch (also gleich gut) wie die Vorhersage, da beide die Veränderung
nicht kommen sehen. Drittens sorgen zum Teil lokale Phänomene für die Bildung
oder Auflösung von Wolken oder begünstigen sie. Vorhersage und Persistenz reagieren
darauf beide nicht, da die (Tracking-)Vorhersage ja nur Veränderung durch Advektion begreift.
Im Gegenteil ist die Vorhersage darauf getrimmt, Verlagerungen festzustellen und mag
deshalb auch auf Artefakte eingehen, die zu (kleinen) Fehlprognosen führen. Der Hauptgrund
ist aber sicher in den vielen Wettersituationen zu suchen, in denen sich die Bewölkung wenig
ändert, z.B. durchgehend klare oder bewölkte Nächte oder anhaltenden Niederschlag. Diese
Fälle dominieren die Statistik in Tabelle 5.1, Persistenz und Vorhersage sind dabei
ebenbürtig.
Vorhersage mit Summe
der Differenzen
Vorhersage mit
Kreuzkorrelation
Summenverhältnis
Exakt richtige
Vorhersage
Klar
richtig
Klar
falsch
1.01 ± 0.16 50.6 ± 20.5 % 12.6 % 0.70 %
0.89 ± 0.29 45.3 ± 24.3 % 12.5 % 0.82 %
Persistenz 1.02 ± 0.19 51.3 ± 21.6 % 12.4 % 0.90 %
Tabelle 5.1: Vorhersage über eine Stunde mit Summe der Differenzen und Kreuzkorrelation, sowie
Persistenz. Mittelwerte des Summenverhältnisses, des Anteils exakt richtig vorhergesagter Pixel (jeweils mit
Standardabweichung), und des Anteils richtig bzw. falsch vorhergesagter Pixel im „grünen Bereich“ aus klaren
und vereinzelt bewölkten Pixeln.
- 124 -

Abbildung 5.6: Vorhersagekarten für den 25. Januar 2004, 07:30 UTC. Vorhersagezeit oben 120, 90 und 60
Minuten, unten 45, 30 und 15 Minuten (jeweils von links nach rechts). Zum tatsächlichen Zustand und zur
Legende der Farben siehe Abbildung 4.12.
Insgesamt funktioniert die eingesetzte Vorhersage nur bei langsamer advektiver
Veränderung der Atmosphäre besser als eine Persistenz. In allen anderen, weit häufiger
auftretenden Situationen sind Persistenz und Vorhersage etwa gleich gut oder schlecht. Dass
sich dennoch, und zudem bei der äusserst wichtigen Fehlvorhersage wolkenlosen Himmels,
ein deutlicher Unterschied feststellen lässt, unterstreicht die Wichtigkeit einer Vorhersage und
das Potenzial der verwendeten Vorhersagemethode.
5.6.2 Qualität der Vorhersage über verschiedene Zeitspannen
Der Einfluss der Vorhersagedauer wird zuerst an einem Beispiel verdeutlicht, bevor eine
statistische Analyse folgt. Das Beispiel vom 25. Januar 2004, 07:30 UTC entspricht der
Verifikation in Abbildung 4.12. Vorhersagen, die bis zu zwei Stunden vorher für diesen
Zeitpunkt gemacht wurden, sind in Abbildung 5.6 dargestellt. Die Vorhersagen für 120 und für
90 Minuten sind noch sehr ungenau. Zwar sagen beide Niederschlag in der westlichen und
südwestlichen Kartenhälfte sowie einen klaren Bereich im Nordosten vorher, die Position des
Niederschlags unterscheidet sich aber deutlich vom Verifikationsbild. Bezüglich ihrer
Vorhersage für das Vergleichsquadrat ähneln sich die beiden Prognosen, sind gegenüber der
- 125 -

Abbildung 5.7: Verschiedene Vorhersagezeitspannen im Januar 2004. Summenverhältnis (links) und Anteil
exakt richtig vorhergesagter Pixel (rechts). Jeweils gestrichelt 10%-Quantil, Median und 90%-Quantil,
durchgezogen Mittelwert (schwarz) und Standardabweichung (blau).
Abbildung 5.8: Verschiedene Vorhersagezeitspannen im Januar 2004. Mittlerer Anteil richtig (grün) bzw.
falsch (rot) vorhergesagter Pixel mit „klar oder vereinzelte Wolken“.
Verifikation also gleich falsch. Die 60-Minuten-Vorhersage liefert eine sehr gute Prognose
bezüglich Niederschlag und Bewölkungsfeld im Vergleichsquadrat. Die beiden folgenden
Bilder (45 und 30 Minuten) sind wieder leicht schlechter. Die Vorhersage über 15 Minuten
unterscheidet sich nur sehr wenig von der Realität. Es gibt also zwischen 60 und 90 Minuten
einen Punkt, an dem sich die Vorhersage deutlich verbessert und dann auf hohem Niveau
bleibt.
Eine statistische Auswertung verschiedener Vorhersagezeiten ist in Abbildung 5.7 und 5.8
dargestellt. Zugrunde liegen wieder die Januarnächte 2004, die Vorhersagedauer variiert im
30-Minuten-Abstand von 0 bis 180 Minuten. Abbildung 5.7 links beurteilt das Summenverhältnis
S. Bei Vorhersagezeit 0 Minuten ist immer S = 1. Der Mittelwert ist noch bis
einschliesslich 120 Minuten bei 1.00, der Median sinkt schon bei 90 Minuten auf 0.98. Die
- 126 -

Quantile, ausserhalb denen jeweils noch 10% der Werte liegen, bewegen sich zu grösseren
Vorhersagezeiten deutlich von S = 1 weg. Die Standardabweichung steigt fast linear an.
Abbildung 5.7 rechts zeigt das selbe für den Anteil exakt richtig vorhergesagter Pixel. Der
Median nimmt wieder schneller ab als der Mittelwert. Die Standardabweichung bleibt relativ
konstant bei 20%.
In Abbildung 5.8 sind nur noch die Mittelwerte für die korrekte respektive falsche
Vorhersage des grünen Bereichs (klar und vereinzelte Wolken) dargestellt. Da deutlich über
die Hälfte aller Fälle überhaupt nicht mit klarem Himmel verbunden sind, betragen die
Mediane immer 0%. Der korrekt vorhergesagte Anteil klaren und vereinzelt bewölkten
Himmels nimmt beständig ab. Der falsch vorhergesagte Anteil steigt von 0 bis 90 Minuten
konstant um 0.35% pro 30 Minuten auf 1.05%, danach steigt er stärker.
Es überrascht nicht, dass Vorhersagen über einen längeren Zeitraum weniger genau sind.
Über welchen Zeitraum man eine Vorhersage noch verwenden will, hängt stark vom Zweck
und Nutzer ab. Fordert man zum Beispiel, dass 80% der Vorhersagen ein Summenverhältnis
zwischen 0.8 und 1.25 haben sollen, so ist eine Ein-Stunden-Vorhersage gerade noch
akzeptabel (Quantile 0.81 und 1.19 gegenüber 0.77 und 1.22 nach 90 Minuten). Legt man
besonderen Wert auf wolkenlosen Himmel und will ihn in maximal einem Prozent der Fälle
falsch vorhergesagt sehen, erhält man das selbe Ergebnis (0.70% gegen 1.05%), wenn auch
weniger deutlich.
5.6.3 Einfluss der zeitlichen Auflösung der Eingangsdaten
In Kapitel 4C wird ausführlich begründet, warum sich bei der Erstellung der Bewölkungskarten
aus den momentan verfügbaren Messwerten gerade ein Viertelstunden-Abstand
eignet. Da die Messwerte an den Strassenwetterstationen nicht häufiger vorliegen, sind
Bewölkungskarten mit höherer Auflösung nur unwesentlich genauer. Für die Belange der
Vorhersage lohnt sich allerdings ein erneuter Blick. Dabei können jeweils aktuelle Radardaten
im Fünf-Minuten-Abstand verwendet werden.
Berechnet man die Bewölkungskarten der Januarnächte 2004 im Fünf-Minuten-Abstand
und vergleicht die 60-Minuten-Vorhersage im Vergleichsquadrat mit der Verifikationskarte, so
ergeben sich die Mittelwerte in Tabelle 5.2. Die Anzahl der Prognoserechnungen müsste sich
gegenüber der Vorhersage mit Bewölkungskarten im 15-Minuten-Abstand eigentlich verdreifachen.
Einige Zeitpunkte fallen aber wegen geringer Datenlage weg. Das Summenverhältnis
nimmt überraschenderweise auf 0.96 ab. Das bedeutet, dass zu wenig Niederschlag oder
Abstand der
Ursprungsbilder
Anzahl
Vorhersagen
Summenverhältnis
Exakt richtige
Vorhersage
Klar
richtig
Klar
falsch
15 Minuten 725 1.01 ± 0.16 50.6 ± 20.5 % 12.6 % 0.70 %
5 Minuten 1911 0.96 ± 0.16 50.9 ± 21.1 % 12.3 % 0.47 %
Tabelle 5.2: Vorhersage über eine Stunde mit unterschiedlichem zeitlichen Abstand der Ursprungsbilder.
Mittelwerte des Summenverhältnisses, des Anteils exakt richtig vorhergesagter Pixel (jeweils mit Standardabweichung),
und des Anteils richtig bzw. falsch vorhergesagter Pixel im „grünen Bereich“ aus klaren und
vereinzelt bewölkten Pixeln.
- 127 -

Bedeckung vorhergesagt wird. Eine Begründung dafür bietet sich leider nicht an. Die anderen
Werte sind gut interpretierbar. Der Anteil exakt richtig vorhergesagter Pixel steigt im Mittel
leicht. Allerdings liegt sein Median bei der Fünf-Minuten-Auflösung bei 49.9%, gegenüber
49.8% der 15-Minuten-Auflösung. Für die Gruppe „klar oder vereinzelte Wolken“ nimmt der
Anteil korrekt vorhergesagter Pixel ebenso ab wie der Anteil falsch vorhergesagter Pixel.
Letzteres ist besonders erfreulich, da die Falschvorhersage des grünen Bereichs im Bezug
auf das Strassenwetter eine wesentliche Zielgrösse ist. Die Verbesserung ist erklärbar: Da bei
einer Fünf-Minuten-Auflösung nur ein Zeitraum von 30 Minuten zur Berechnung der
Verlagerungsvektoren verwendet wird, können schnell ziehende Wolken oder Niederschlagsgebiete
früher erkannt und berücksichtigt werden.
Insgesamt bietet die Erhöhung der zeitlichen Auflösung auf 5 Minuten also Vorteile.
Nachteilig wirken sich die weniger genauen (weil teilweise lückenhaften) Bewölkungskarten
und die häufiger benötigte Rechnerleistung im operationellen Betrieb aus. Solange sich die
Auflösung der Eingangsdaten nicht erhöht, überwiegen die Nachteile. Sollte aber die
Messfrequenz insbesondere der Strassenwetterstationen gesteigert werden, bietet sich eine
Erhöhung der Berechnungs- und Vorhersageauflösung auf 5 Minuten (oder allenfalls auf das
ANETZ-Messintervall 10 Minuten) an.
5.7 Nutzen und Grenzen von COTREC / RainCast
5.7.1 Überblick und Lösungsvorschläge
Das Mustererkennungsverfahren COTREC / RainCast erweist sich als geeignete Methode
zur Vorhersage von Bewölkungsfeldern. Es ist der Persistenz („alles bleibt, wie es ist“) klar
überlegen. Als Vergleichswert F der Mustererkennung ist die Summe der Differenzen
geeignet. Die Vorhersage funktioniert gut bei unveränderten Bewölkungsfeldern und bei
langsamer Advektion von Strukturen. Bei schnell advehierten Feldern und lokalen
Wolkenbildungs- und -auflösungsprozessen treten Schwierigkeiten auf. Während
Intensitätsänderungen einen systemimmanenten Fehler darstellen, bieten sich für das
Problem der schnellen Advektion mindestens drei Lösungsvarianten an.
Die erste besteht in der Erhöhung der Mess- und Vorhersagefrequenz. Veränderungen
können schneller erkannt und berücksichtigt werden. Vor allem verringert sich der Zeitraum,
der zur Berechnung der Verlagerungsvektoren verwendet wird. RainCast wurde für
Eingangsdaten im Fünf-Minuten-Abstand entwickelt und optimiert (Schmid et al. 2000). Ein
zweiter Lösungsvorschlag besteht in einer Vergrösserung des Beobachtungs- und
Vorhersagegebiets. Allerdings wird die derzeitige Gebietswahl durch das Stationsnetz
begrenzt. Eine Ausdehnung ist mit den bestehenden Stationen allein nicht machbar. Die dritte
Variante geht in die selbe Richtung, und darüber hinaus. Besonders in niederschlagsreichen
Situationen stellt sich die Frage, ob die Verlagerungsvektoren wirklich aus den Bewölkungskarten
berechnet werden müssen. Alternativ könnten auch die Verlagerungsvektoren des
Niederschlags verwendet werden, die beim Anwenden von RainCast auf das ganze schweizer
Radar-Composite resultieren. Schnell heranziehender Niederschlag (wie in Beispiel I, II und
III) wird dann bereits gesehen, bevor er das Gebiet der Bewölkungskarten erreicht, und kann
- 128 -

eim Eintreffen sofort geeignet verlagert werden. Im niederschlagsfreien Fall oder bei
Niederschlag weit ausserhalb der Nord- und Zentralschweiz können weiterhin eigene
Verlagerungsvektoren für die Bewölkung erstellt werden.
5.7.2 Probabilistische Vorhersage
Eine andere Möglichkeit zur Verbesserung der Vorhersage – oder zur Verdeutlichung der
Vorhersageleistungen – besteht in der Vorhersage einer Wahrscheinlichkeit. Schmid et al.
(2000) verwirklichen eine solche „Risikovorhersage“ für Radarniederschläge. Dabei wird für
einen bestimmten Ort und eine gewünschte Vorhersagedauer die Wahrscheinlichkeit für
leichten, mässigen, starken und extremen Niederschlag berechnet. Zugrunde liegt dem eine
zweidimensionale Gaussverteilung
G v , t¡£¢ exp ¤ 0.5 ¥ v 2
16 ¥ t 2 (5.4)
des Verlagerungsvektors v zur Vorhersagedauer t in Minuten. Da sich im Sinne der
Mustererkennung Niederschlag gegenüber Bewölkung durch nichts auszeichnet, ist der
Ansatz direkt auf die Bewölkungskarten übertragbar. Eventuell kann auch die Unsicherheit in
der Berechnung der Bewölkungskarten berücksichtigt werden: die Wahrscheinlichkeitsverteilung
wird breiter, wenn an benachbarten Stationen stark unterschiedliche Bedeckungsgrade
berechnet werden oder die Interpolationsgewichte gering sind. Die grundsätzlichen
Probleme mit schnell advehierten Strukturen und lokaler Wolkenbildung löst der
probabilistische Vorhersageansatz aber nicht.
- 129 -

- 130 -

6 Schlussbemerkungen
In den vorangegangenen Kapiteln wurde in zahlreichen Einzelschritten und
-untersuchungen eine Bewölkungsvorhersage verwirklicht. Bereits der Überblick über
bestehende Bewölkungsbeobachtungen und verfügbare Messungen spiegelte die Vielfalt des
Problems wider. Eine Methode zur Diagnose des Bedeckungsgrads aus bodennahen
(Temperatur-)Messungen konnte entwickelt werden, zuerst eindimensional in Payerne und
später auch in zwei Dimensionen als Bewölkungskarte. Dies führte schliesslich zu einer
zweidimensionalen Prognose des Bedeckungsgrads.
Bei den vielfältigen Eigenheiten der Berechnungsschritte mag häufig die Essenz im Detail
untergegangen sein, weshalb nun wesentliche Ergebnisse noch einmal genannt werden. Der
Ausblick schliesst sich wieder der Unterteilung in ein- und zweidimensionale Diagnose und
Prognose an und zeigt auch Schritte zur Verbesserung der Strassenwettervorhersage auf, da
das bisher Gesagte in dieser Hinsicht unvollständig ist.
6.1 Zusammenfassung
6.1.1 Wissenschaftliche Ergebnisse
Das wesentlichste Ergebnis dieser Arbeit besteht in einem einfachen Modell zur
Berechnung der Bewölkung aus Punktmessungen. Dazu finden nur Messwerte in Bodennähe
Verwendung, die an zahlreichen Stationen ohnehin registriert werden. Das Hauptsignal liefert
die Temperaturdifferenz Tdiff = T2m – T0m. Sie hängt über ein Exponentialgesetz mit dem
Bedeckungsgrad zusammen, wobei die Gleichungsparameter für verschiedene Temperaturund
Windgeschwindigkeitsklassen bestimmt werden müssen. Ergänzt wird diese simple
Formulierung durch eine noch einfachere Aussage: Bei Niederschlag ist der Himmel bedeckt.
Das Modell aus der Kombination beider Zusammenhänge ist nur nachts anwendbar,
bevorzugt in windstillen Winternächten. Es bestimmt die Bewölkung an ANETZ-Stationen auf
1.2 Achtel genau. Verglichen mit dem Fehler menschlicher Wolkenbeobachter, der auf 0.9
Achtel abgeschätzt wird, ist das recht beachtlich. Andere, wesentlich aufwändigere Methoden
erreichen Ergebnisse in der selben Grössenordnung, z.B. Dürr und Philipona (2004) mit
einem Clear-Sky-Index aus Pyrgeometermessungen oder Aviolat et al. (1998) mit Ceilometer
und Neuronalem Netz. Andere Temperaturgradienten als Tdiff korrelieren zwar ebenfalls mit
dem Bedeckungsgrad, sind aber weniger aussagekräftig. Die einmal bestimmten Modellgleichungen
und -parameter lassen sich auf alle Stationen mit Messung von T0m, T2m und
Niederschlag anwenden. Je nach Stationsstandort sind aber Korrekturen von Verdunstungs-
- 131 -

und Verreifungsenergie, Bodenwärmestrom, etc. notwendig oder empfehlenswert. Lokale
Gegebenheiten, z.B. die Abschattung durch Gebirge in Vaduz, führen an manchen Stationen
zu erheblich grösseren Berechnungsfehlern.
Im Kanton Luzern und der übrigen Nord- und Zentralschweiz ist ein dichtes Stationsnetz
vorhanden. Um eine zweidimensionale Karte der Bewölkung zu erhalten, werden die
Bewölkungsberechnungen der Stationen geeignet interpoliert. Die Berechnungen werden
hierfür nach einfachen Kriterien gewichtet. Die gewählte Interpolationsroutine arbeitet nicht
immer einwandfrei. Insbesondere die inhomogene Stationsverteilung bereitet ihr Schwierigkeiten.
Unter erneuter Verwendung des Zusammenhangs „Niederschlag bedeutet bedeckter
Himmel“ werden die Messungen von Niederschlagsradaren in die Bewölkungskarten
übertragen. Dabei handelt man sich die Probleme von Radarmessungen ein, z.B. Clutter,
Abschattung oder die Messung von Niederschlag, der den Boden nicht erreicht (Saltikoff et al.
2004).
Mit dem an Radarmessungen erprobten Mustererkennungsverfahren COTREC / RainCast
können die Bewölkungskarten in die Zukunft extrapoliert werden. Diese Vorhersagen sind bei
einer Vorhersagedauer von einer Stunde im Mittel zu 50% exakt richtig (überprüft an den
Januarnächten 2004). Das Ereignis „klar oder vereinzelte Wolken“ tritt in durchschnittlich 13%
des Gebietes auf; es wird in 12.6% richtig vorhergesagt, in 0.7% wird das Ereignis fälschlich
oder nicht vorhergesagt. Bei einer Vorhersagezeit von mehr als einer Stunde nimmt die
Vorhersagequalität deutlich ab. Im Vergleich zur Persistenz ist die Vorhersage zu bevorzugen.
Die wesentlichen Probleme der Vorhersage treten bei lokal bedingten Änderungen des
Bedeckungsgrads und bei hohen Advektionsgeschwindigkeiten auf. Da postfrontales
Aufklaren meist langsam vor sich geht, ist es relativ gut prognostizierbar.
Ein weiteres Ergebnis betrifft die Bewölkungsangabe direkt. Wolken wirken durch ihre
langwellige Gegenstrahlung auf die Temperaturen in Bodennähe. Für bodennahe
Temperaturdifferenzen ist deshalb neben der Menge auch die Höhe (genauer: die
Strahlungstemperatur) der Wolken ausschlaggebend. In einen Korrekturzusammenhang
gehen Wolkenuntertemperatur und reziproke Bodentemperatur in der vierten Potenz ein. Ein
neuer Wolkenparameter Ncp berücksichtigt diesen Zusammenhang und stellt somit einen
höhenkorrigierten Bedeckungsgrad dar. Die Notwendigkeit einer Höhenkorrektur stellen z.B.
auch Haurwitz (1948) und Czeplak und Kasten (1982) fest, die sich aber nicht zur Einführung
einer modifizierten Grösse durchringen. Alle Ergebnisse, die Bewölkungskarten genauso wie
die Vorhersagen, beziehen sich auf den Ncp. Bedeckungsgrad und Wolkenhöhe sind –
strahlungsbedingt – untrennbar verbunden.
6.1.2 Die „wahre“ Bewölkung
An zahlreichen Stellen dieser Arbeit werden Bedeckungsgrade miteinander verglichen.
Meist kommt dabei der höhenkorrigierte neue Wolkenparameter Ncp zum Einsatz, dessen
Beobachtungsfehler höhen- und bedeckungsgradabhängig zwischen 0.5 und 1 Achtel
schwankt. An Stationen mit Bewölkungsbeobachtungen kann also eine Verifikation des Ncp-
Modells erfolgen. Allerdings stellt sich die Frage, in wiefern der Bedeckungsgrad z.B. in
mondlosen Nächten überhaupt beobachtbar ist. Für einige andere Stationen, die zwar keine
Beobachtung am Ort haben, wohl aber in der Nachbarschaft von Stationen mit Beobachtung
liegen, gelingt ein Vergleich über eine gewisse Distanz hinweg. Wynau und Roggliswil bilden
- 132 -

ein solches Stationspaar. Der „wahre“ Bewölkungszustand ist dann aber nur in Wynau
bekannt. Unterschiede zwischen Berechnung und Beobachtung können immer auf lokale
Phänomene wie Nebel geschoben werden.
Noch schwieriger wird die Beurteilung beim Übergang zur zweidimensionalen Betrachtung.
In den Bewölkungskarten liegen teilweise Stationen mit stark unterschiedlichen
Berechnungen direkt nebeneinander, und es gibt (neben den Interpolationsgewichten) keinen
Anhaltspunkt, einer Angabe zuungunsten der anderen zu glauben. Welcher Bedeckungsgrad
wirklich vorherrscht, bleibt dann trotz Modell und bunten Bildchen schleierhaft. In dieser
widersprüchlichen Situation bleibt nur die Berücksichtigung weiterer, sich ebenfalls
widersprechender Stationen und die Verallgemeinerung im Rahmen einer Interpolation. An
anderen Stellen der Bewölkungskarte weist das Stationsnetz so grosse Lücken auf, dass
Wolken ungemessen durchziehen können. Hier wird ebenfalls nur notdürftig, wenn auch nach
bestem (Un-)Wissen, interpoliert.
Die Bewölkungskarten geben also nicht unbedingt die tatsächliche Bewölkung wieder. So
gesehen liefern die Vorhersagekarten zwar zu 50% den selben Wert wie ihre Verifikationen.
Wie sehr dieser aber mit dem tatsächlich vorhandenen Wolkenfeld übereinstimmt, bleibt
ungewiss. Die Bewölkungsvorhersage ist in diesem Sinne eine tendenzielle Angabe. Neben
einem mittleren Berechnungsfehler einer Bewölkungsklasse beinhaltet sie eine Mischinformation
über Bedeckungsgrad und Wolkenhöhe. Der wahren Bewölkung nähert man sich
nur ein wenig an.
6.1.3 Anwendbarkeit der Resultate
Die erstellten Bewölkungskarten geben einen hilfreichen Überblick über den Bewölkungszustand.
Da die Berechnungen aller verwendeten Stationen am jeweiligen Stationsstandort
aufgetragen sind, kann jeder Nutzer die Vertrauenswürdigkeit der Interpolation selbst
abwägen. Bei lokalen Wolkenphänomenen wie Föhn oder der Bildung von Hochnebel bietet
die zweidimensionale Darstellung eine zusätzliche Sichtweise zu vorhandenen Messkurven
einer Station. Bei advektiven Veränderungen kann herannahender klarer oder bedeckter
Himmel bereits erkannt werden, sobald er in den Bewölkungskarten auftritt oder – sofern die
Mustererkennung greift – in der Vorhersagekarte prognostiziert wird. Die Entscheidung
darüber, ob Advektion oder lokal bedingte Variation vorliegt, bleibt aber zum Teil beim
Betrachter.
In den Kapiteln 4 und 5 dieser Arbeit kann die Bewölkung samt Vorhersage an drei
Beispielen verfolgt werden. Dabei handelt es sich in zwei Fällen um postfrontales Aufklaren
mit nachfolgenden Niederschlägen, im dritten Beispiel um einen Wetterumschwung mit
typischem Hochdruckwetter und anschliessender Advektion von Wolken. Die Bewölkungskarten
beschreiben, soweit nachprüfbar, die Situation jeweils gut. Sie passen mit synoptischer
Wetterkarte, Satellitenbildern und Messwerten ausgewählter Stationen zusammen. Die
Satellitenbilder sind oft wenig aussagekräftig. Die Berücksichtigung des Radarniederschlags
in den Bewölkungskarten erweist sich als sehr hilfreich, auch wenn die postfrontalen Zellen
nicht immer mit bedecktem Himmel verbunden sind. Die Vorhersagekarten liefern im
Allgemeinen glaubwürdige Informationen über den zukünftigen Bewölkungszustand, wobei
hohe Advektionsgeschwindigkeiten Probleme bereiten.
- 133 -

Das postfrontale Aufklaren in der Nacht vom 27. zum 28. November 2001 (Beispiel I) bildet
ein Paradebeispiel für eine gelungene Vorhersage. In dieser Nacht werden auch die Folgen
des Aufklarens symptomatisch deutlich: die Strassentemperatur sinkt, und bei deutlicher
Unterschreitung der Null-Grad-Grenze gefriert restliches Regenwasser. Erst am frühen
Morgen steigen bei Bewölkungszunahme auch die Strassentemperaturen wieder. Auch in den
anderen Beispielen lassen sich durch die Bewölkungsprognose (oder spätestens durch die
Diagnose) Veränderungen in der Strassentemperatur und im Strassenzustand absehen.
6.1.4 Allgemeiner Erkenntnisgewinn
Neben den eher praktischen und zahlenmässigen Ergebnissen lassen sich am Ende dieser
Arbeit einige Punkte nennen, die neu sind oder bisher nicht geklärt waren.
Zwei dieser Erkenntnisse betreffen das Tracking-Verfahren COTREC / RainCast. RainCast
arbeitet normalerweise mit dem schweizer Radar-Composite, also mit 2 km Auflösung und
280_×_216 Pixeln (Schmid et al. 2000). Dass die Routine auch mit nur 100 × 100 Pixeln und
1_km Auflösung funktionsfähig ist, ist mit Kapitel 5 nachgewiesen. Ebenso arbeitet RainCast
erfolgreich auch mit Bewölkungskarten anstatt Radarreflektivitäten (respektive zumindest mit
einer Kombination aus beidem). Allerdings war das zu erwarten, da ähnliche Mustererkennungsverfahren
in völlig anderen Bereichen zur Anwendung kommen (z.B. bei Seiz et
al. 2002) und das Tracking von satellitengestützten Wolkeninformationen sogar operationell
durchgeführt wird (Grose et al. 2002).
Dies führt direkt zur dritten Erkenntnis. Bewölkungsinformationen, auch wenn sie an
einzelnen Stationen erstellt wurden, sind zweidimensional vorhersagbar. Anders gesagt lässt
sich die Advektion der Wolken auch mit einem Stationsnetz und in einem nur 100 × 100 km 2
grossen Beobachtungsgebiet erkennen und prognostizieren. Die gewählte Gebietsgrösse liegt
dabei am untersten Limit, wenn advektive (Wolken-)Bewegungen detektiert werden sollen. Es
wurde auch erkannt, dass für eine solche Anwendung ein besonders dichtes Stationsnetz
erforderlich ist. Im Kanton Luzern ist die Dichte sicher ausreichend, im restlichen
Untersuchungsgebiet wird die unterste Grenze des Nötigen aber erreicht (wenn nicht
unterschritten).
Als klarer Erkenntnisgewinn ist schliesslich der Nachweis zu nennen, dass sich eine
Bewölkungsinformation zumindest nachts und im Winter ausschliesslich aus der Gras- und
Lufttemperatur abschätzen lässt. Die Hinzunahme weiterer, meist ohnehin vorhandener
Messwerte wie Windgeschwindigkeit, Bodentemperatur und Niederschlag ist aber
wünschenswert.
6.2 Ausblick
In den letzten Kapiteln blieben immer wieder Fragen offen. Manchmal stiess die Arbeit an
Grenzen, die innerhalb dieser Dissertation nicht mehr gesprengt werden konnten. Einige
Lösungsansätze wurden an geeigneter Stelle bereits beschrieben. Sie werden nun gebündelt
und ergänzt.
- 134 -

Die Berechnungen dieser Arbeit konzentrieren sich auf Winternächte. Gleichwohl ist die
Kenntnis des Bedeckungsgrads auch am Tag und im Sommer wünschenswert. Dabei muss
mit erheblichen Beeinträchtigungen durch Turbulenz und Bodenwärmestrom gerechnet
werden. Abschnitt 4.9 legt nahe, dass sich eine Ncp-Berechnung analog zur vorgestellten
Methode in Payerne zumindest für Wintertage verwirklichen lässt. Es ist aber fraglich, ob
diese auch auf Strassenwetterstationen übertragen werden kann.
Zur Verbesserung der Bewölkungskarten sind mehrere Gesichtspunkte zu nennen. Die
deutlichste Verbesserung ist wohl mit einer höheren räumlichen Auflösung des Eingangsdatensatzes
zu erreichen. Je mehr Stationen zur Verfügung stehen, umso genauer können
Bewölkungsstrukturen wiedergegeben werden. Mit ANETZ- und Strassenwetterstationen sind
in dieser Arbeit zwei Stationstypen berücksichtigt worden, die sich durch ihren Messuntergrund
grundsätzlich unterscheiden. Die Hinzunahme weiterer Stationstypen sollte also
problemlos erfolgen, sofern sie ebenfalls Gras- und Lufttemperatur, Wind, Niederschlag und
ggf. Bodentemperatur messen.
Eine wesentliche Rolle bei der zweidimensionalen Darstellung kommt der Interpolation zu.
Es ist nicht ausgeschlossen (und sogar wahrscheinlich), dass durch eine spezialisierte
Interpolationsroutine die Eigenheiten der Bewölkungsfelder deutlicher in den Bewölkungskarten
dargestellt werden können. Eine solche Routine muss mit einem inhomogenen
Ausgangsfeld zurechtkommen und die unterschiedliche Gewichtung der Eingangswerte
ermöglichen. Alternativ wäre eventuell mit der bestehenden Interpolation mehr möglich, wenn
der Eingangsdatensatz künstlich verändert wird. Besonders die Homogenisierung durch
Zusammenlegen benachbarter Strassenwetterstationen oder Wegfall extrem schwach
gewichteter Stationen scheint überlegenswert.
Weiterhin besteht die Möglichkeit, Bewölkungsinformationen aus Satellitendaten zu
verwenden. Wegen der in Kapitel 2 beschriebenen Probleme sind diese Daten vor allem als
Hintergrundinformation denkbar. Gegebenenfalls können sie mit Gewichten versehen werden,
die eine Inversionen oder die Lage eines Messpixels im Gebirge berücksichtigen. Die
erhaltene Information und ihr Gewicht kann dann an der Stelle des Pixelmittelpunkts in die
Interpolation einfliessen.
Spätestens beim Übergang von der Diagnose zur Prognose von Bewölkungskarten stellt
neben der räumlichen Auflösung (Stationsanzahl) auch die zeitliche Auflösung einen
wesentlichen Punkt dar. Abschnitt 5.6.3 zeigt, dass eine häufigere Berechnung der
Bewölkungskarten die systemimmanenten Probleme der Mustererkennung reduziert. Der
Effekt, dass mit einer häufiger als viertelstündlich durchgeführten Vorhersage Veränderungen
früher berücksichtigt werden können, ist dagegen wohl vernachlässigbar. Die Berechnungshäufigkeit
der Bewölkungskarten richtet sich – neben der vorhandenen Rechnerkapazität –
vor allem nach dem Messintervall der Stationen. Mit den bisherigen Messintervallen von 10
bzw. 15 Minuten ist es kaum sinnvoll, Bewölkungskarten öfter als viertelstündlich zu
berechnen. Steigert sich das Messintervall der Strassenwetterstationen aber, sollte unbedingt
eine Erhöhung der Berechnungsfrequenz auf 5 bis 10 Minuten erwogen werden.
Aufgrund der Architektur von RainCast ist eine Vorhersage in den Abendstunden erst
anderthalb bis zwei Stunden nach Sonnenuntergang möglich. Es ist also auch aus Sicht der
Prognosen wünschenswert, die Bestimmung von Bewölkungskarten auf den Tag
auszudehnen oder am Abend vor Sonnenuntergang beginnen zu lassen. Dem steht der
Nachweis gegenüber, dass die Bewölkungsberechnung in der Dämmerung vergleichsweise
unsicher ist.
- 135 -

Ein wesentliches Problem der Vorhersagemethode besteht bei hohen
Advektionsgeschwindigkeiten. In Kapitel 5 werden dazu einige Lösungen diskutiert. Die
erfolgversprechendste liegt in einer Kombination von Radarniederschlag und Bewölkung. Ist
im Radarbild Niederschlag in der Nord- oder Zentralschweiz vorhanden, kann dessen
Verlagerungsvektorfeld auch auf die Bewölkung angewendet werden. Davon darf man sich
eine genauere Bewölkungsvorhersage versprechen.
Die Zusammenarbeit von Bewölkungsinformation und Niederschlagsvorhersage kann auch
in umgekehrter Richtung funktionieren. Die Vorhersage von Niederschlag aus Radardaten hat
mit dem Problem zu kämpfen, dass Schauer- und Gewitterzellen bei der Entstehung erst
erkannt werden, wenn sie genügend grosse Tropfen enthalten – also wenn es bereits regnet.
Die Bestimmung des Verlagerungsvektors, und damit die Vorhersage, ist sogar erst aus
mehreren Bildern möglich. Allerdings beginnt jeder Schauer und jedes Gewitter mit einer
Wolke, die schnell grösser wird. In den Bewölkungskarten sind Schauer- und Gewitterzellen
also schon identifizierbar, wenn das Radar noch nichts sieht. Es ist anzumerken, dass sich
Schauer und Gewitter meist im Sommer und tagsüber bilden. Diese Anwendung setzt also die
Ausdehnung der Bewölkungsberechnung auf Sommertage voraus oder bleibt auf Einzelfälle
beschränkt.
Ein anderes Vorhersageproblem liegt in lokal bedingten Wolkenentstehungs- und
-auflösungsprozessen. Die in dieser Arbeit vorgestellte Methode kann darauf nicht
prognostisch reagieren. Es wäre wünschenswert, diese Lücke mit Informationen aus anderen
Quellen zu schliessen. Eventuell können numerische Wettervorhersagemodelle über
Hochnebel und Föhn Auskunft geben oder lokale, eindimensionale Modelle können diese
Risiken beschreiben.
Im Rahmen dieser Arbeit wurde es unterlassen, die Bewölkungsprognose eines Ortes (z.B.
einer Strassenwetterstation) zu erstellen und auszuwerten. Für zahlreiche Anwendungen ist
das aber wichtig. Eine solche Ortsvorhersage muss dabei keinen exakten Bedeckungsgrad
liefern; das wäre angesichts der angestrengten Genauigkeitsüberlegungen sicher übertrieben.
Sinnvoll ist dagegen die Herausgabe einer Wahrscheinlichkeit, zu wieviel Prozent eine
Bewölkungs- oder Niederschlagsklasse zu erwarten ist (Schmid et al. 2000). Dieser Weg wird
bereits in Abschnitt 5.7 diskutiert.
Schliesslich ist auch der praktische Nutzen einer Bewölkungsvorhersage im Auge zu
behalten. Im Bereich der Strassenwettervorhersage macht eine Prognose Sinn, die die
Variation der Bewölkung durch Advektion beschreibt. Dabei ist aber nicht unbedingt eine
korrekte Vorhersage bedeutsam, sondern die zurückgerechnete Wirkung der Wolken
vornehmlich auf die Strassentemperatur. Eine in angemessenem Rahmen falsche Prognose
des Bedeckungsgrads kann trotzdem zur korrekten Strassentemperatur führen, wenn dem
Fehler bei Hin- und Rückrechnung der gleiche physikalische Mangel zugrunde liegt. In diesem
Sinne interessiert tatsächlich für die Strassenwettervorhersage eher der höhenkorrigierte Ncp
als der tatsächliche Bedeckungsgrad. Die konkrete Rückrechnung von Ncp-Prognosen auf
T0m steht noch aus. Der geeignete Weg liegt vermutlich in einer einfachen Abschätzung. Für
wolkenlosen Himmel gibt z.B. Tabelle 4.21 die mittlere Veränderung der Temperatur mit der
Zeit und deren Varianz wieder.
Andere Informationen zur Strassenwettervorhersage liefern numerische Wettervorhersagemodelle
(NWPs). Diese haben oft Probleme bei der Prognose der Bewölkung. Eine
Arbeitsteilung zwischen den NWPs und Bewölkungskarten könnte so aussehen, dass die
Bewölkungskarten und ihre Prognosen indirekt, als unabhängige Verifikation der numerischen
- 136 -

Vorhersage, verwendet werden. Wenn die NWPs nicht in der Lage sind, einen aufklarenden
oder zunehmend bewölkten Himmel richtig zu prognostizieren, muss auch deren restliche
Vorhersage (z.B. diejenige der Strassentemperatur) verworfen oder neu erstellt werden.
Mit neuronalen Netzen ist auf dem Gebiet der Strassenwettervorhersage noch ein
alternativer Ansatz zur Vorhersage der Strassentemperatur denkbar (Shao 1998). Als
Einflussgrössen kommen neben den aktuellen und zurückliegenden Temperatur- und
Niederschlagsmessungen auch die Messwerte benachbarter Stationen in Betracht. Der Effekt
der Advektion von Wolken könnte so auf eine Art gelöst werden, die über Wolken gar nicht
nachdenkt.
Auch über die Belange des Strassenwetters hinaus ist eine Vorhersage der Bewölkung
interessant. In Teilen der Landwirtschaft stellt z.B. Bodenfrost ein erhebliches Risiko dar. Die
Reaktionsmöglichkeiten sind allerdings bei einer Vorhersagezeit von maximal einer Stunde
eher gering. Für die Bau- und Wasserwirtschaft gelten ähnliche Überlegungen.
Die Bewölkungsberechnung an einer Station kommt sogar für eine komplett andere
Verwendung in Frage. Für die zur Ncp-Berechnung benötigten Eingangsgrössen (Luft- und
Grastemperatur, Niederschlag, Windgeschwindigkeit) stehen an vielen synoptischen
Stationen lange Zeitreihen zur Verfügung. Damit kann eine vollkommen unabhängige
Zeitserie des Bedeckungsgrads berechnet werden. Sie ist verwendbar zur Verifikation
bestehender Bewölkungsangaben oder vermuteter Trends in der Bewölkung. Dies gilt im
Moment natürlich nur eingeschränkt auf Winternächte und unter Berücksichtigung der
Tatsache, dass der Ncp eine kombinierte Grösse aus Bedeckungsgrad und Wolkenhöhe
darstellt.
Zur Bestimmung und Vorhersage ein- und zweidimensionaler Bewölkungsstrukturen sowie
zu einer umfassenden Anwendung in der Strassenwettervorhersage oder anderen Bereichen
sind noch zahlreiche Verbesserungen und Verfeinerungen möglich oder sogar nötig. Ein
erster, wesentlicher Schritt ist mit der stationsunabhängigen Bestimmung des Bedeckungsgrades
und der funktionsfähigen nächtlichen Vorhersage postfrontalen Aufklarens aber
gemacht.
- 137 -

- 138 -

Anhänge
A. Klassifizierung von Bedeckungsgrad und Niederschlag
Beobachteter
Bedeckungsgrad (N)
/ Achtel
Tatsächliche
Bedeckung / Achtel
METAR-
Meldung
Klassifizierung
dieser Arbeit (Ncp)
0 0 CLEAR Klar
1
2
3
4
5
6
7
0.0 bis 0.5 FEW Klar
0.5 bis 1.0 FEW Klar
1.0 bis 1.5 FEW Klar
1.5 bis 2.0 FEW Klar
2.0 bis 2.5 FEW Vereinzelte Wolken
2.5 bis 3.0 SCATTERED Vereinzelte Wolken
3.0 bis 3.5 SCATTERED Vereinzelte Wolken
3.5 bis 4.0 SCATTERED Bewölkt
4.0 bis 4.5 SCATTERED Bewölkt
4.5 bis 5.0 BROKEN Bewölkt
5.0 bis 5.5 BROKEN Stark Bewölkt
5.5 bis 6.0 BROKEN Stark Bewölkt
6.0 bis 6.5 BROKEN Stark Bewölkt
6.5 bis 7.0 BROKEN Bedeckt
7.0 bis 7.5 BROKEN Bedeckt
7.5 bis 8.0 BROKEN Bedeckt
8 8 OVERCAST Bedeckt
Tabelle A.1: Klasseneinteilung des Bedeckungsgrads.
- 139 -

Klasse
(MeteoSchweiz)
Radarreflektivität
/ dBZ
Niederschlag
/ mm/h
Charakter (Schmid
et al. 2002)
0 < 13 0.00 – 0.16 Trocken
1* - - Max-2
Charakter
(diese Arbeit)
Kein
Niederschlag
Noch kein
Niederschlag
1 13 - 16 0.16 – 0.25 - -
2 16 - 19 0.25 – 0.40 Leicht
3 19 - 22 0.40 – 0.63 Leicht
4 22 - 25 0.63 – 1.00 Leicht
5 25 - 28 1.00 – 1.60 Mässig
6 28 - 31 1.60 – 2.50 Mässig
7 31 - 34 2.50 – 4.00 Mässig
8 34 - 37 4.00 – 6.30 Mässig
9 37 - 40 6.30 – 10.0 Mässig
10 40 - 43 10.0 – 16.0 Stark
11 43 - 46 16.0 – 25.0 Stark
12 46 - 49 25.0 – 40.0 Stark
13 49 - 52 40.0 – 63.0 Stark
14 52 - 55 63.0 – 100.0 Stark
15 > 55 > 100.0 Extrem
Leichter
Niederschlag
Mässiger
Niederschlag
Starker
Niederschlag
Extremer
Niederschlag
Tabelle A.2: Einteilung von Radarreflektivität und Niederschlag in Klassen. Die Niederschlagsunterteilung errechnet
sich nach der Z-R-Beziehung Z = a · R b mit a = 316 und b = 1.5. Die Klasse 1* mit Charakter „Max-2“
bzw. „Noch kein Niederschlag“ ersetzt die Klassen 1 bis 4, wenn der Niederschlag zwar im Max-CAPPI
vorhanden ist, nicht aber in einem CAPPI in 2 km Höhe.
- 140 -

B. Stationslisten
Stationsname ANETZ Abk. Koordinaten Höhe
Adelboden ABO 609400 148975 1320 G
Aigle AIG 560120 130630 381 G
Altdorf ALT 690960 191700 449 K
Basel-Binningen BAS 610850 265620 316 K
Bern-Liebefeld BER 598610 197470 565 K
Beznau BEZ 659500 267400 327
Buchs-Suhr BUS 648400 248380 387 K
Changins CGI 507280 139170 430
Chasseral CHA 571290 220320 1599 B
Chur-Ems CHU 759460 193170 555 S
Cimetta CIM 704370 117515 1672 S
Comprovasco COM 714998 146440 575 S
Corvatsch COV 783160 143525 3315 S
Davos DAV 783580 187480 1590 S
Disentis DIS 708230 173780 1190 B
Engelberg ENG 674150 186060 1035 K
Evolene-Villa EVO 605415 106740 1825
Fahy FAH 562460 252650 596 G
Fey FEY 586725 115180 737
Geneve-Cointrin GVE 498580 122320 420
Glarus GLA 723750 210580 515 G
Goesgen GOE 641260 246130 380 x
Grand St.Bernhard GSB 579200 79720 2472 B
Grimsel-Hospiz GRH 668460 158160 1980 S
Guetsch GUE 690140 167590 2287 S
Guettingen GUT 738430 273950 440 G
Hinterrhein HIR 733900 153980 1611 S
Hoernli HOE 713500 247750 1144 B
Interlaken INT 633070 169120 580 G
Jungfraujoch JUN 641930 155275 3580 B
La Chaux-de-Fonds CDF 551290 215150 1018 G
La Dole DOL 497050 142380 1670 B
La Fretaz FRE 534230 188080 1202
- 141 -

Laegern LAE 672250 259460 868 x
Leibstadt LEI 656350 272100 341 x
Locarno-Magadino MAG 711160 113540 197 S
Locarno-Monti OTL 704160 114350 366 S
Lugano LUG 717880 95870 273 S
Luzern LUZ 665520 209860 456 K
Moleson MLS 567740 155175 1972 B
Montana MVE 603600 129160 1508 S
Muehleberg MUB 587850 202450 483 x
Napf NAP 638138 206075 1406 K
Neuchatel NEU 563150 205600 485 G
Payerne PAY 562150 184855 490 G
Pilatus PIL 661910 203410 2106 B
Piotta PIO 694930 152500 1007 S
Plaffeien-Oberschrot PLF 586850 177400 1042 G
PSI Wuerenlingen PSI 659540 265600 334 x
Pully PUY 540820 151500 461
Reckenholz REH 681400 253550 443 K
Robbia ROB 801850 136180 1078 S
Robiei ROE 682600 144075 1898 S
Ruenenberg RUE 633250 253840 610 K
Saentis SAE 744100 234900 2490 B
Samedan-St.Moritz SAM 787150 156040 1705 S
San Bernardino SBE 734120 147270 1639 S
Schaffhausen SHA 688700 282800 437 G
Scuol SCU 817130 186400 1298 S
Sion SIO 592200 118625 482 S
St.Gallen STG 747940 254600 779
Stabio SBO 716040 77970 353 S
Taenikon TAE 710500 259820 536 G
Ulrichen ULR 666740 150760 1345 S
Vaduz VAD 757700 221700 460
Visp VIS 631150 128020 640 S
Waedenswil WAE 693770 230780 463 K
Weissfluhjoch WFJ 780600 189630 2690 S
Wynau WYN 626400 233860 422 K
Zermatt ZER 624350 97550 1638 S
Zuerich SMA SMA 685125 248090 556 K
Zuerich-Kloten KLO 682280 259220 436 K
Tabelle B.1: ANETZ-Stationen mit Kürzel, geographischen Angaben in Schweizer Koordinaten und Höhe in
Metern. Die Klassenbezeichnung bedeutet: K – kleines Gebiet, G – nur grossen Gebiet (vgl. Abbildung 3.3
und 3.4), B – Bergstation, S – Station im Süden (Tessin, Wallis, Graubünden), x – Station ohne Messung der
Grastemperatur. Nicht verwendete Stationen sind kursiv, besonders erwähnte fett gesetzt.
- 142 -

Abk. Koordinaten Höhe Stationsname Strassenwetterstation
AES 660531 235073 490 Aesch
ALB 642580 223048 515 Alberswil
BCH 645598 228503 510 Buchs
BMD 665175 213685 450 Bermudadreieck
BUR 669187 217068 440 Buchrain
BUT 650676 219221 605 Buttisholz
DUR 632905 196009 770 Dürenbach
ESC 666845 221568 500 Eschenbach
FIN 650500 202600 1060 Finsterwald
FON 645527 207445 680 Fontannen
GET 639385 220778 560 Gettnau
GIS 672600 220341 410 Gisikon
GRO 665110 209975 460 Grosshofbrücke
HAM 665229 232749 820 Hämikon Berg
HAL 666360 205789 440 Haltiwald
HBG 659609 228186 780 Herlisberg
HIL 659434 223061 715 Hildisrieden
HWL 639708 215653 650 Hergiswil
KNU 648422 226640 510 Knutwilerhoehe
KOT 646556 224189 520 Kottwil
LAU 661816 210772 520 Littau
LBD 661458 211526 450 Littauerboden
LEH 641325 198075 770 Lehn
MAU 644904 215445 585 Menznau
MAL 651827 210776 535 Malters
MBG 642483 211214 982 Menzberg
MEI 674737 217873 630 Meierskappel
NKI 656583 218604 515 Neuenkirch
OKI 650497 223510 520 Oberkirch
REU 668541 216929 425 Reussbrücke
RIC 654622 229752 700 Rickenbach
ROG 633462 230139 540 Roggliswil
ROK 662434 214974 500 Rotbach K
RON 662226 215127 500 Rotbach N
RUS 654513 213594 680 Ruswil
ROT 662314 217586 500 Rothenburg
SHM 643956 197614 785 Schüpfheim
SLD 665329 207833 450 Schlund
SNG 661591 235470 655 Schongau
SOR 644745 186215 1130 Sörenberg
STA 640780 229151 480 Stängelmatten
SWB 655587 208155 750 Schwarzenberg
- 143 -

SWH 648438 208988 690 Schwanderholz
TBR 652325 225021 450 Triechterbrücke
TRI 647678 233270 500 Triengen
TRU 659320 219681 560 Truttigen
UFH 633452 219521 625 Ufhusen
VIZ 679542 206692 450 Vitznau
WEG 674923 210861 500 Weggis
WIG 636014 193238 790 Wiggen
WIK 639947 234508 450 Wikon
ZIN 645418 202081 700 Zinggen
Tabelle B.2: Strassenwetterstationen des Kantons Luzern mit Kürzel, geographischen Angaben in Schweizer
Koordinaten und Höhe in Metern. Besonders erwähnte Stationen sind fett gesetzt.
Abk. Stationsname meteomedia Koordinaten Höhe
066870 Amden 732220 223430 1323 G
109130 Bad Duerrheim 689080 317140 853 DG
069990 Balzers FL 757690 216640 471
066000 Basel-City 610820 268290 273 x
066740 Bisisthal 706080 200680 795 G
099100 Breitnau/Hinterzarten 649350 309260 900 DG
066340 Brugg 657310 259300 345 K
109320 Dettingen(Konstanz) 725740 290010 524 DG
109120 Donaueschingen 680430 313310 679 Dx
109080 Feldberg/Schwarzw. 641920 303640 1486 DB
109180 Feldbergbahn 644420 301810 1350 DG
108030 Freiburg 630630 316550 269 DG
108040 Freiburg-Ebnet 636860 314730 300 DG
066950 Gais (AR) 751870 246140 905
109100 Gersbach/Schwarzw. 635810 283220 913 DG
092580 Giswil 657990 188900 475 x
066710 Glattalp (SZ) 709960 197040 1858 B
066960 Heerbrugg (SG) 764250 253890 420
109010 Heitersheim 613240 305360 215 DG
109140 Hoechenschwand 654540 287070 1008 DG
066020 Hofstettermatte 605810 257170 699 K
109240 Hohentwiel 703220 291430 686 Dx
109200 Jestetten 684670 278160 430 DG
109290 Konstanz 730910 282710 443 DG
109300 Konstanz-Hoernle 733450 280910 396 DG
109220 Loeffingen 670590 303920 800 DG
109070 Loerrach 617070 273870 286 DK
- 144 -

067330 Muelenen (BE) 619940 164570 692 G
109260 Radolfzell/Bodens. 717030 287980 398 DG
066560 Rigi-Kulm 679300 211380 1771 x
109210 Rothaus/Schwarzw. 660710 294540 965 DG
069920 Ruggell FL 758510 233340 433
109090 Schoenau/Schwarzw. 634500 292480 542 DG
092570 Schuepfheim (LU) 643930 199900 745 x
068250 Schwyz 690750 207830 448 K
109030 Steinen-Vogelpark 623310 281300 412 DG
099190 Stuehlingen 675760 289160 465 DG
099110 Todtmoos/Schwarzwald 642030 286960 825 DG
066990 Trogen (AR) 751680 253550 875
109230 Tuttlingen 701550 315490 645 DG
109310 Ueberlingen/Bodens. 730700 291970 398 DG
066920 Wald (AR) 756710 253680 1061
109150 Waldshut-Tiengen 663410 276040 348 DG
066970 Wasserauen (AI) 750800 238700 868
066510 Weggis 675520 209470 434 x
109050 Weil am Rhein 613320 270150 261 DK
067280 Wengen 637830 160950 1285 x
Tabelle B.3: Ausgewählte Stationen der meteomedia ag mit Kennnummer, geographischen Angaben in
Schweizer Koordinaten und Höhe in Metern. Die Klassenbezeichnung bedeutet: K – kleines Gebiet, G – nur
grossen Gebiet (vgl. Abbildung 3.3 und 3.4), B – Bergstation, D – Station in Deutschland, x – Station ohne
Messung der Grastemperatur. Nicht verwendete Stationen sind kursiv, besonders erwähnte fett gesetzt.
Radar Koordinaten Höhe Inbetriebnahme
Albis 47.29° Nord, 8.51° Ost 928 20.10.94
La Dôle 46.43° Nord, 6.10° Ost 1680 07.11.95
Monte Lema 46.04° Nord, 8.83° Ost 1625 13.09.93
Tabelle B.4: Die Radare der MeteoSchweiz mit geographischen Koordinaten, Höhe in Metern und Inbetriebnahmedatum
(nach Wüest 2001).
- 145 -

- 146 -

C. Abbildungen zu Beispiel I
Abbildung C.1: Synoptische und lokale Wettersituation in der Nacht vom 27. zum 28. November 2001. Links
oben: Wetterkarte von 00 UTC (Quelle siehe Anhang G). Andere Abbildungen: Verlauf von Messwerten und
berechnetem Ncp an den Strassenwetterstationen in Roggliswil (oben rechts), Neuenkirch (unten links) und
Weggis (unten rechts). Dargestellt sind Luft-, Gras-, Boden- und Taupunktstemperatur (blau, schwarz, grün,
gelb; Skala links), Niederschlag (orange; Skala rechts unten), Bedeckungsgrad (rotes +; Skala rechts mitte)
sowie Windrichtung (dick gepunktet; Skala rechts oben) und -geschwindigkeit (dünn gepunktet; Skala links
oben).
- 147 -

Abbildung C.2: Berechnete Bewölkungskarten (links) und, soweit vorhanden, Vorhersagen für den selben
Zeitpunkt (rechts) am 27. November 2001.
- 148 -

Abbildung C.3: Berechnete Bewölkungskarten (links) und Vorhersagen für den selben Zeitpunkt (rechts) am
27. und 28. November 2001.
- 149 -

Abbildung C.4: Berechnete Bewölkungskarten (links) und Vorhersagen für den selben Zeitpunkt (rechts) am
28. November 2001.
- 150 -

Abbildung C.5: Berechnete Bewölkungskarten (links) und Vorhersagen für den selben Zeitpunkt (rechts) am
28. November 2001.
Abbildung C.6: Verlagerungsvektoren (Windfahnen) am 28. November 2001 um 5:30 UTC.
- 151 -

Abbildung C.7: Strassenzustand und -temperatur an den Strassenwetterstationen des Kantons Luzern am 27.
und 28. November 2001. „Ungültig“ bedeutet Temperatur > 5°C oder < -5°C.
- 152 -

D. Abbildungen zu Beispiel II
Abbildung D.1: Synoptische und lokale Wettersituation in der Nacht vom 24. zum 25. Januar 2004. Links
oben: Wetterkarte von 00 UTC (Quelle siehe Anhang G). Andere Abbildungen: Verlauf von Messwerten und
berechnetem Ncp an den Strassenwetterstationen in Roggliswil (oben rechts), Neuenkirch (unten links) und
Weggis (unten rechts). Dargestellt sind Luft-, Gras-, Boden- und Taupunktstemperatur (blau, schwarz, grün,
gelb; Skala links), Niederschlag und Neuschnee (orange, Stern; Skala rechts unten), Bedeckungsgrad
(rotes_+; Skala rechts mitte), Sichtweite < 2 km (oranges X; kleine Skala rechts oben) sowie Windrichtung
(dick gepunktet; Skala rechts oben) und -geschwindigkeit (dünn gepunktet; Skala links oben).
- 153 -

Abbildung D.2: Berechnete Bewölkungskarten (links) und Strassenzustand bzw. Vorhersagen für den selben
Zeitpunkt (rechts) am 25. Januar 2004.
- 154 -

Abbildung D.3: Berechnete Bewölkungskarten (links) und Strassenzustand bzw. Vorhersagen für den selben
Zeitpunkt (rechts) am 25. Januar 2004.
- 155 -

Abbildung D.4: Berechnete Bewölkungskarten (links) und Strassenzustand bzw. Vorhersagen für den selben
Zeitpunkt (rechts) am 25. Januar 2004.
- 156 -

E. Abbildungen zu Beispiel III
Abbildung E.1: Synoptische und lokale Wettersituation in der Nacht vom 18. zum 19. Dezember 2003. Oben:
Wetterkarte von 00 UTC (Quelle siehe Anhang G). Unten: Verlauf von Messwerten und berechnetem Ncp an
den Strassenwetterstationen in Roggliswil (links) und Schüpfheim (rechts). Dargestellt sind Luft-, Gras-,
Boden- und Taupunktstemperatur (blau, schwarz, grün, gelb; Skala links), Niederschlag und Neuschnee
(orange, Stern; Skala rechts unten), Bedeckungsgrad (rotes +; Skala rechts mitte), Sichtweite < 2 km
(oranges X; kleine Skala rechts oben) sowie Windrichtung (dick gepunktet; Skala rechts oben) und
-geschwindigkeit (dünn gepunktet; Skala links oben).
- 157 -

Abbildung E.2: Berechnete Bewölkungskarten (links) und Vorhersagen für den selben Zeitpunkt bzw.
Verlagerungsvektoren in Windfahnendarstellung (rechts) am 18. und 19. Dezember 2003.
- 158 -

Abbildung E.3: Berechnete Bewölkungskarten (links) und Vorhersagen für den selben Zeitpunkt bzw.
Verlagerungsvektoren in Windfahnendarstellung (rechts) am 19. Dezember 2003.
- 159 -

Abbildung E.4: Strassenzustand und -temperatur an den Strassenwetterstationen des Kantons Luzern am 18.
und 19. Dezember 2003. „Ungültig“ bedeutet Temperatur < -5°C.
- 160 -

F. Definition statistischer Werte
Bei den Untersuchungen dieser Arbeit werden wiederholt statistische Kenngrössen
verwendet. Diese definieren sich wie folgt:
Statistische Werte einer Verteilung
Es sei (Y1, ..., YM) eine Stichprobe der Variable Y mit Grundgesamtheit M. Dann ist
Ymin = min(Yi), 1 ¡ i M (F.1)
die kleinste Zahl der Stichprobe. Sie wird als Minimum bezeichnet.
Ymax = max(Yi), 1 ¡ i ¡ M (F.2)
ist der grösste der M Werte. Er wird als Maximum bezeichnet.
Es gibt verschiedene Möglichkeiten, den Mittelwert einer Verteilung zu definieren. In dieser
Arbeit findet ausschliesslich das arithmetische Mittel Verwendung:
Y mean
1
M
M i £ 1
Die Standardabweichung
s ¢¡ Y
Y i . (F.3)
1
M
£ M ¡ 1¤ i £ 1
Y ¡ Y
i mean
2 (F.4)
beschreibt den quadratischen Fehler des arithmetischen Mittelwerts. Innerhalb des Intervalls
Y_±_ Y liegen (bei einer normalverteilten Stichprobe) 63% aller Werte.
Sind die Werte der Stichprobe aufsteigend
¡ ¢
sortiert ( ¥ Y Y £ £ i 2 , ¤ M i i 1
), dann lässt
sich zu jedem Wert qu (gegeben in Prozent) ein Quantil
Yqu = YM·qu/100% (F.5)
bestimmen, z.B. das 10%-Quantil Y10%_=_YM·0.1. Das 50%-Quantil wird auch als Median
bezeichnet.
Ymedian = Yqu=50% = YM/2 (F.6)
unterteilt also die Verteilung in M/2 Werte mit Yi ¡ Ymedian und M/2 Werte mit Yi § Ymedian.
Vergleich von zwei Verteilungen
Es seien Ya und Yb zwei Verteilungen mit zusammengehörigen Wertepaaren Ya,i, Yb,i,
1_¡ _i_¡ _M. Ihr Mittelwert sei Ya,mean_±_sa bzw. Yb,mean_±_sb. Dann ist der Fehler der
Verteilungsmittelwerte, also der systematische Unterschied zwischen den Verteilungen
- 161 -

BIAS
M
1
£ M
i 1
Y ¡ Y a ,i b , i
Der mittlere quadratische Fehler der Verteilungen lautet
RMS
¡
1
M
M
i 1
Y ¢ Y
a , i b , i
Y ¡ Y . (F.7)
a , mean b , mean
2 . (F.8)
Ob ein linearer Zusammenhang zwischen den beiden Verteilungen vorliegt, beschreibt der
Korrelationskoeffizient
r ¡
M
i £ 1
M
i £ 1
£ Y Y £ ¤ Y Y a , i b ,i a , mean b , mean
2
Y ¤ 2
Y a ,i a , mean
1
2
M
i £ 1
2
Y ¤ 2
Y b , i b , mean
Des weiteren lässt sich auch die Summe der Differenzen
1
M i £ 1
M ¡ Y a , i – Y b ,i
und das Summenverhältnis
S
M
i 1
¢ Y a , i
M
i 1
Y b , i
der beiden Verteilungen betrachten.
1
2
. (F.9)
¡ (F.10)
¡ 1
- 162 -
(F.11)

G. Quellenangaben einiger Abbildungen
Für die Zurverfügungstellung mehrerer Abbildungen und Gleichungen bin ich zu
besonderem Dank verpflichtet. Dieser gilt konkret und namentlich den folgenden Urhebern
und Übermittlern.
Abbildung 3.1 (ANETZ-Geräte am Jungfraujoch) entstand im Rahmen der CLACE-III-
Kampagne durch Keith Bower (UMIST).
Abbildung 3.2 (Strassenwetterstation in Sörenberg) stammt vom Strasseninspektorat des
Kantons Luzern, Albert Mathis und Hansruedi Stadelmann.
Abbildung 3.6 (Sichtfeld der schweizer Radare) entstammt der Arbeit von Marc Wüest
am IAC .
Abbildung 5.1 (Systembild zum Box-Tracking) entstand auf Grundlage einer Abbildung von
Willi Schmid.
Abbildung C.1, D.1 und E.1 (Synoptische Karten) finden sich im Archiv der Wetterzentrale
(www.wetterzentrale.de/topkarten/fsfaxbra.html). Sie wurden ursprünglich vom UK
MetOffice (www.metoffice.com) erstellt.
Gleichung (2.1) (Zeitgleichung) stammt aus einem Astrolexikon im Internet
(http://lexikon.astronomie.info/zeitgleichung).
- 163 -

H. Abkürzungsverzeichnis
Es folgt eine Liste aller im Text verwendeten Abkürzungen. Allfällig verwendete
Stationskürzel der ANETZ- und Strassenwetterstationen können den Tabellen in Anhang B
entnommen werden und sind nicht erneut aufgeführt.
aLMo alpines Lokalmodell
ANETZ Automatisches Messnetz der MeteoSchweiz
As Altostratus
Ac Altocumulus
CAPPI Höhenkonstanter PPI (Constant Altitude PPI)
Cb Cumulunimbus
Cc Cirrocumulus
Ci Cirrus
COTREC Continuity of TREC vectors
Cs Cirrostratus
CSI Clear Sky Index
Cu Cumulus
DWD Deutscher Wetterdienst
FWHM Öffnungswinkel (Full-width-at-half-maximum-Winkel)
ICAO Internationale Zivilluftfahrt-Organisation (International Civil Aviation
Organisation)
IDL Interactive Data Language
IR Satellitenkanäle im Infrarot-Bereich
LM Lokalmodell
Max-CAPPI Maximum von CAPPIs in verschiedenen Höhen
METAR Flughafen-Wettermeldung (Meteorological Aerodrome Report)
Meter über NN Meter über Normalnull (Meeresniveau)
MOS Model Output Statistic
Ncp Neuer Wolkenparameter (New Cloud Parameter)
Ns Nimbostratus
NWP Numerische Wettervorhersage (Numerical Weather Prediction)
PPI Azimutscan (Plan Parallel Indicator)
PWD Present Weather Detector
Radar Radiowave Detection and Ranging System
RHI Elevationsscan (Range-Height Indicator)
RMS Mittlerer quadratischer Fehler (root mean square error)
- 164 -

RWIS Strassenwetter-Informationssystem mit Stationen (Road Weather
Information System)
Sc Stratocumulus
SIRWEC Internationale Strassenwetterkonferenz (Standing International Road
Weather Conference)
SMA Schweizerische Meteorologische Anstalt (seit 1996 MeteoSchweiz)
St Stratus
SWIS Strassenwetter-Informationssystem mit Stationen in Deutschland
THYGAN Thermo-Hygrometer ANETZ
TREC Radar-Mustererkennungsverfahren mit Kreuzkorrelation (Tracking
Radar Echoes by Correlation)
UTC Weltzeit (Universal Time Coordinated)
VIS Satellitenkanäle im sichtbaren Bereich (visible)
WRC / PMOD Weltstrahlungszentrum (World Radiation Center) / Physikalisch-
Meteorologisches Observatorium Davos
WMO World Meteorological Organisation
WV Satellitenkanäle im Wasserdampf-Absorptionsbereich (water vapour)
Z-R-Beziehung Reflektivitäts-Niederschlagsintensitäts-Umrechnung
- 165 -

I. Symbolverzeichnis
In der nachfolgenden Liste sind alle in dieser Arbeit verwendeten Variablen verzeichnet.
Bei Variablen, die sowohl in allgemeiner Form als auch mit Indizierung verwendet werden, ist
nur die allgemeine Form angegeben. Ausnahmen bilden die langwellige Strahlung L und die
Temperatur T, wo jeweils typische Beispiele aufgeführt sind. Die meisten verwendeten
Indizierungen sollten intuitiv verständlich sein.
Symbol Einheit Name
£
¢
1 Albedo
B, L ° Geographische Breite und Länge
K/m Temperaturgradient
Y [Y] Absoluter Fehler von Y
Y = Y1 - Y2 [Y] Differenz zweier Werte Y1 und Y2
- Summe der Differenzen
¡
¦
¡
¢
¢
1 Emissivität
i (Klassen) Schlüsselzahl zur Wolkenhöhe hi
- Ordnungszahl bei Polynomen
° Halbwertsbreite (Öffnungswinkel) des Radars
° Azimutwinkel
1 W/(Km) Wärmeleitfähigkeit des Bodens
2 Ws/(Km) Wärmekapazität des Bodens
¢ ¢
H, E 1 Transportkoeffizienten fühlbarer bzw. latenter Energie
(R) mm-1
Parameter des Tropfenspektrums
E 2.5·106 J/kg Spezifische Verdampfungswärme
¦
¡
m Wellenlänge
- Exponent eines Exponentialansatzes
kg/m3 ¢
Dichte
5.67·10-8 W/m2 /K4 Stefan-Boltzmann-Konstante
§
§ §
°C Taupunktstemperatur
T K Taupunktsdifferenz (Spread)
° Elevationswinkel
s 1 Sky-View-Faktor
¢
sr Raumwinkel (Halbraum = 2 sr)
- Wolkentypfaktor
- 166 -

A K -1 Psychrometerkonstante
a - Parameter eines Exponentialansatzes
amax, amin - Parameter einer logarithmischen Ausgleichskurve
B W/m 2 Bodenwärmestrom
b 1 Exponent eines Exponentialansatzes
bmax, bmin - Parameter einer logarithmischen Ausgleichskurve
Ct, Cm, Ch (Klassen) Wolkengattungen tiefer, mittlerer und hoher Wolken
CSI 1 Clear Sky Index
c 3·10 8 m/s Lichtgeschwindigkeit
cp 1004 J/kg/K Spezifischen Wärme
cR W/m Radarkonstante
D m Teilchen-, Tropfendurchmesser
d m Distanz zur Radarantenne
dd ° Windrichtung
dek 1 Deklination
E W/m 2 Turbulenter Fluss latenter Wärme
e hPa Druck des Wasserdampfs
es hPa Sättigungsdampfdruck
F - Vergleichswert beim Überkreuzvergleich
f 1 Zulässige Breite des Fehlerintervalls
G - Gaussverteilung
g 1 Interpolationsgewicht
gA 1 Antennengewinn
H W/m 2 Turbulenter Fluss fühlbarer Wärme
1.0545·10 -34 Js Planck-Konstante
h m Höhe
i - Index, Laufvariable
J W/(sr m 2 ) Strahldichte
J W/(sr m 2 )/m Spektrale Strahldichte
j - Index, Laufvariable
K W/m 2 Kurzwellige Strahlung
k 1 Brechungsindex
kB 1.38·10 -23 J/K Boltzmann-Konstante
L W/m 2 Langwellige Strahlung
Lrel 1 Relative tatsächliche langwellige Einstrahlung
L W/m 2 Langwellige Ausstrahlung
L
W/m 2 Langwellige Gegenstrahlung
©
L clear W/m2
Langwellige Einstrahlung ohne Wolken
L
cloudy W/m2
Langwellige Einstrahlung mit Wolken
Lwolke W/m2 Langwelliger Einstrahlungsanteil der Wolken
lPuls m Pulslänge des Radars
M - Maximale Laufvariable / Gesamtanzahl
N Achtel Bedeckungsgrad
- 167 -

Ncp Achtel Höhenkorrigierter Bedeckungsgrad (Neuer
Wolkenparameter)
n(D) m -3 /mm Tropfenspektrum
n0 m -3 /mm Spektrale Anzahldichte
P W Leistung
p hPa Luftdruck
Q W/m 2 Globalstrahlung (Strahlungsflussdichte)
q 1 Spezifische Feuchte
qu % Quantil
R mm/h Niederschlagsrate
RE, Re m Erdradius, Äquivalentradius
RMS - Mittlerer quadratischer Fehler
RR mm, l/m 2 Niederschlagsmenge
r 1 Korrelationskoeffizient
S 1 Summenverhältnis
Sz (Klassen) Strassenzustand
s - Standardabweichung einer Verteilung
T K oder °C Temperatur
T0m °C Grastemperatur (Temperatur in 0 m über Grund)
T2m °C Lufttemperatur in 2 m über Grund
T-5cm °C Bodentemperatur in -5 cm Tiefe im Boden
Ts °C Temperatur des Untergrunds
Tdiff K Temperaturdifferenz Tdiff := T2m – T0m
T K Sonstige zeitliche oder räumliche Temperaturdifferenz
t s, min, h Zeit
t min Zeitabstand
tt - Tag im Jahr
u m/s, km/h Windgeschwindigkeit
umin m/s Grenzgeschwindigkeit des Windes
V m 3 Volumen
V m 3 Einheitsvolumen
VV m Sichtweite
v ¨ v x ,v y¢ T m/s Verlagerungsvektor
WW (Klassen) Niederschlagsart
x, xi - Gleichungs- und Regressionsparameter
xx:xx UTC Uhrzeit in Stunden und Minuten mit Platzhaltern
Y [Y] Beispielvariable
y - Werte in einer Box
Z mm 6 /m 3 , dB Radarreflektivität
z m Tiefe im Boden
zz UTC Tageszeit
- 168 -

Literaturverzeichnis
Albisser, P., Abschaetzung der naechtlichen Gesamtbewoelkung mit Hilfe von ASTA-
Daten. Arbeitsberichte der MeteoSchweiz, Nr. 116, Zürich, 1983.
Ambrosetti, Paolo: Einsatz eines Pyrgeometers zur Bestimmung der
Bewoelkungsverhaeltnisse. Arbeitsberichte der MeteoSchweiz, Nr. 168, Locarno-
Monti, 1991.
Ament, Felix: Initialisierung von Wolken im Lokal-Modell aus Meteosat-Messungen.
Diplomarbeit, Meteorologisches Institut der Rheinischen Friedrich-Wilhelms-Universität
Bonn, Juni 2001.
Arakawa, A.: The cumulus parameterization problem: Past, present, and future. Journal
of Climate, 17:2493-2525, July 2004.
Aviolat, Frédèric, Cornu, Thierry and Cattani, Daniel: Automatic Clouds Observation
Improved by an Artificial Neural Network. Journal of Atmospheric and Oceanic
Technology, 15:114-126, 1998.
Bagdon, Stefan: Dämpfungskorrektur im X-Band durch Stereo-Radar-Verfahren.
Diplomarbeit, Meteorologisches Institut der Rheinischen Friedrich-Wilhelms-Universität
Bonn, Juli 2000.
Baschek, Björn: Influence of Updrafts and Embedded Convection on the Microphysics
of Riming. Dissertation, Institut für Atmosphäre und Klima der ETH Zürich, Nr. 15793,
2005.
Baschek, B., Schefold, R. and Barthazy, E.: How do updrafts and embedded convection
influence riming? ERAD Publication Series, 2:261-267, September 2004.
Best, M.J.: A Model to predict surface temperatures. Boundary-Layer Meteorology, 88:279-
306, 1998.
Bogren, J.: Screening Effects on Road Surface Temperature and Road Slipperiness.
Theoretical and Applied Climatology, 43:91-99, 1991.
Bogren, J. and Gustavsson, T.: Nocturnal air and road surface temperature variations in
complex terrain. International Journal of Climatology, 11:443-455, 1991.
Bogren, Jörgen, Gustavsson, Torbjörn and Karlsson, Maria: Temperature difference in the
air layer close to a road surface. Meteorological Applications, 8:385-395, 2001.
Brutsaert, W.: On derivable formula for long wave radiation from clear sky. Water
Resource Research, 11:742-744, 1975.
- 169 -

Burri, K., Hächler, P., Schüepp, M. und Werner, R.: Der Föhnfall vom April 1993.
Arbeitsberichte der MeteoSchweiz, Nr. 196, Zürich, 1999.
Chapman, L., Thornes, J.E. and Braley, A.V.: Modelling of road surface temperature from
a geographical parameter database. Part 1: Statistical. Meteorological Applications,
8:409-419, 2001a.
Chapman, L., Thornes, J.E. and Braley, A.V.: Modelling of road surface temperature from
a geographical parameter database. Part 2: Numerical. Meteorological Applications,
8:421-436, 2001b.
Coley, Paul F. and Jonas, Peter R.: Back to basics: Clouds and the earth's radiation
budget. Weather, 54:66-70, March 1999.
Crewell, S., Czekala, H., Lohnert, U., Simmer, C., Rose, T. and Zimmermann, R.: Microwave
Radiometer for Cloud Cartography: A 22-channel ground-based microwave
radiometer for atmospheric research. Radio Science, 36:621-638, 2001.
Czeplak, G. und Kasten, F.: Parametrisierung der atmosphärischen Wärmestrahlung bei
bewölktem Himmel. Meteorologische Rundschau, 40:184-187, Dezember 1987.
De Rooy, W.C. and Holtslag, A.A.M.: Estimation of Surface Radiation and Energy Flux
Densities from Single-Level Weather Data. Journal of Applied Meteorology, 38:526-
540, May 1999.
Ding, Ping and Randall, David A.: A cumulus parameterization with multiple cloud base
levels. Journal of Geophysical Research, 103:11341-11354, 1998.
Doviak, Richard J. and Zrni , Dušan S.: Doppler Radar and weather observations.
Academic press, Inc., San Diego, second edition, 1993. (ISBN 0-12-221422-6).
Dürr, Bruno and Philipona, Rolf: Automatic cloud amount detection by surface longwave
downward radiation measurements. Journal of Geographical Research –
Atmospheres, 109:D05201, March 2004.
Feijt, A. and de Valk, P.: The use of NWP model surface temperatures in cloud detection
from satellite. International Journal of Remote Sensing, 22:2571-2584, 2001.
Finch, J.W. and Best, M.J.: The accuracy of downward short- and long-wave radiation at
the earth's surface calculated using simple models. Meteorological Applications,
11:33-39, March 2004.
Frei, Thomas: Designing meteorological networks for Switzerland according to user
requirements. Meteorological Applications, 10:313-317, December 2003.
Germann, Urs and Zawadzki, Isztar: Scale-Dependence of the Predictability of
Precipitation from Continental Radar Images. Part I: Description of the
Methodology. Monthly Weather Review, 130:2859-2873, December 2002.
Gjertsen, U., Dahl, J.I. and Ødegaard, V.: Precipitation type – a comparison between
observed, estimated and predicted values. Proceedings of the 6 th International
Workshop on Precipitation in Urban Areas, Pontresina, 189-195, December 2003.
- 170 -

Grimbacher, Tobias: Niederschlag und Orographie im Bonner Raum aus Radardaten.
Diplomarbeit, Meteorologisches Institut der Rheinischen Friedrich-Wilhelms-Universität
Bonn, Juli 2001.
Grose, Andrew M.E., Smith, Eric A., Chung, Hyo-Sang, Ou, Mi-Lim, Sohn, Byung-Ju and
Turk, F. Joseph: Possibilities and Limitations for Quantitative Precipitation
Forecasts Using Nowcasting Methods with Infrared Geosynchronous Satellite
Imagery. Journal of Applied Meteorology, 41:763-785, July 2002.
Gubser, Stefan. Persönliche Mitteilungen, 2004.
Haase, G., Crewell, S., Simmer, C. and Wergen, W.: Assimilation of Radar Data in
Mesoscale Models: Physical Initialisation and Latent Heat Nudging. Physics and
Chemistry of the Earth, 25:1237-1242, September 2000.
Hacker, Stephan: Probleme mit der Dämpfungskorrektur von Radardaten. Diplomarbeit,
Meteorologisches Institut der Rheinischen Friedrich-Wilhelms-Universität Bonn, 1996.
Hahn, Carole J., Warren, Stephen G. and London, Julius: The Effect of Moonlight on
Observation of Cloud Cover at Night, and Application to Cloud Climatology.
Journal of Climate, 8:1429-1446, May 1995.
Handwerker, J.: Cell tracking with TRACE3D – a new algorithm. Atmospheric Research,
61:15-34, January 2002.
Hansson, M. and Michelson, D.B.: Integration of Radar with Analysis Fields - Bringing
Distant Radar Observations »Down to Earth«. Physics and Chemistry of the Earth,
25:1033-1036, September 2000.
Haurwitz, Bernhard: Insolation in relation to cloud type. Journal of Meteorology, 5:110-113,
June 1948.
Heitor, A., Biga, A.J. and Rosa, R.: Thermal radiation components of the energy balance
at the ground. Agricultural and Forest Meteorology, 54:29-48, March 1991.
Held, Edi and Joss, Jürg: The Influence of the Orography on Precipitation seen by the
Swiss Radars. COST 75 Seminar on Advanced Radar Systems, Brussels, 777-786,
September 1994.
IDL Reference Guide: Interactive Data Language. Research Systems, Inc., Bolder, 1995.
Jacobs, Wilfried and Raatz, Wolfgang E.: Forecasting road-surface temperatures for
different site characteristics. Meteorological Applications, 3:243-256, 1996.
Joro, S. and Saltikoff, E.: Determination of cloud top heights using weather radar and
satellite data. ERAD Publication Series, 2:237-241, September 2004.
Joss, J. and Germann, U.: Solutions and Problems when Applying Qualitative and
Quantitative Information from Weather Radar. Physics and Chemistry of the Earth,
25:837-841, September 2000.
Keskinen, Auli: Road Weather 30 Years – Hindsight, Insight, Foresight. Annalen der
Meteorologie 40: SIRWEC 2004, 12 th International Road Weather Conference, 8pp,
2004.
- 171 -

Kessler E. and Russo J.A.J.: A program for the assembly and display of the radar-echo
distributions. Journal of Applied Meteorology, 5:582-593, 1963.
Klink, S.: Assimilation of radar data in the mesoscale NWP-model of DWD. ERAD
Publication Series, 2:155-161, September 2004.
Koistinen, J.: Bird Migration Patterns on Weather Radars. Physics and Chemistry of the
Earth, 25:1185-1193, September 2000.
Koistinen, Jarmo and Saltikoff, Elena: Experience of customer products of accumulated
snow, sleet and rain. Advanced weather radar systems, COST 75 International
Seminar, Locarno, 397-406, 1998.
Kraus, Helmut: Die Atmosphäre der Erde. Vieweg Verlagsgesellschaft mbH, Braunschweig,
2000. (ISBN 3-528-03920-5).
Kurz, Manfred: Synoptische Meteorologie. Leitfäden für die Ausbildung im Deutschen
Wetterdienst 8, Offenbach, zweite Auflage, 1990. (ISBN 3-88148-262-8).
Letestu, André-Carles and Keller, Urs: Road Weather forecast for different customer
systems in Switzerland. Proceedings of the 10 th SIRWEC conference, Davos, 10-16,
2000.
Leuenberger D. and Rossa, A.: Revisiting the latent heat nudging scheme for the rainfall
assimilation in convective systems. ERAD Publication Series, 2:162-167, 2004.
Li, L.: On the use of variational analysis for determining the motion, growth and decay
of radar echoes over complex orography. Dissertation, Laboratorium für
Atmosphärenphysik der ETH Zürich, Nr. 10823, 1994.
Löhnert, U., Crewell, S. and Simmer, C.: An integrated approach toward retrieving
physically consistent profiles of temperature, humidity, and cloud liquid water.
Journal of Applied Meteorology, 43:1295-1307, September 2004.
Marshall, J.S. and Palmer W.McK.: The distribution of raindrops with size. Journal of
Meteorology, 5:165-166, August 1948.
Marty, C. and Philipona, R.: The Clear-Sky Index to separate clear-sky from cloudy-sky
situations in climate research. Geophysical Research Letters, 27:2649-2652, 2000.
Mathis, A.: Reengineering winter road maintenance: Decision making process.
Proceedings of the 10 th SIRWEC conference, Davos, 111-118, 2000.
Mathis, Albert. Persönliche Mitteilungen, 2004.
Mecklenburg, Susanne: Nowcasting Precipitation in an Alpine Region with a Radar Echo
Tracking Algorithm. Dissertation, Institut für Atmosphäre und Klima der ETH Zürich,
Nr. 13608, 2000.
Mecklenburg, S., Joss, J. and Schmid, W.: Improving the nowcasting of precipitation in
an Alpine region with an enhanced radar echo tracking algorithm. Journal of
Hydrology, 239:46-68, 2000.
- 172 -

Meetschen, Dirk: Erkennung, Nutzung und Entfernung von Clutter zur Verbesserung der
Niederschlagsmessung mit dem Bonner Radar. Diplomarbeit, Meteorologisches
Institut der Rheinischen Friedrich-Wilhelms-Universität Bonn, Mai 1999.
Miyoshi, T., Kajiya, Y., Matsuzawa M. and Suzuki T.: Meteorological Factors Associated
with Avalanches in the Lake Shikotsu Area and Their Application to Road
Management. Annalen der Meteorologie 40: SIRWEC 2004, 12 th International Road
Weather Conference, 8pp, 2004.
Myrup, Leonard O.: A Numerical Model of the Urban Heat Island. Journal of Applied
Meteorology, 8:908-918, December 1996.
Norrman, Jonas: Slipperiness on roads - an expert system classification. Meteorological
Applications, 7:27-36, 2000.
Papin, Christophe, Bouthemy, Patrick and Rochard, Guy: Unsupervised segmentation of
low clouds from infrared METEOSAT images based on a contextual spatiotemporal
labelling approach. IEEE Transactions on Geoscience and Remote Sensing,
40:104-114, January 2002.
Pohjola, H. and Koistinen, J.: Identification and elimination of overhanging precipitation.
ERAD Publication Series, 2:91-93, September 2004.
Postgard, U.: Adjustment time for road surface temperature during weather changes.
Meteorological Applications, 8:397-407, 2001.
Postgard, U. and Lindqvist, S.: Air and road surface temperature variations during
weather changes. Meteorological Applications, 8:71-84, 2001.
Rinehart, Ronald E.: Radar for Meteorologists, Part III. University of North Dakota, Grand
Forks, second edition, 1991. (ISBN 0-9608700-7-5).
Rinehart, R.E. and Garvey, E.T.: Three-dimensional storm motion detection by
conventional weather radar. Nature, 273:287-289, 1978.
Saltikoff, E., Gjertsen, U., Michelson, D., Hollemann, I., Seltmann, J., Odakivi, K., Huuskonen,
A., Hohti, H., Koistinen, J., Pohjola, H. and Haase, G.: Radar data quality issues in
Northern Europe. ERAD Publication Series, 2:212-215, September 2004.
Sass, Bent H.: A Numerical Model for Prediction of Road Temperature and Ice. Journal of
Applied Meteorology, 31:1499-1506, December 1992.
Sass, Bent H. and Petersen, Claus: The development of accurate automatic road-weather
forecasts. Proceedings of the 11 th SIRWEC conference, Sapporo, available on CD-
ROM, 2002.
Sass, Bent H. and Petersen, Claus: A coupled automatic road-weather forecasting
system. Annalen der Meteorologie 40: SIRWEC 2004, 12 th International Road Weather
Conference, 8pp, 2004.
Schmetz, J., Pili, P., Tjemkes, S., Just, D., Kerkmann, J., Rota, S. and Ratier, A.: An
introduction to Meteosat Second Generation (MSG). Bulletin of the American
Meteorological Society, 83:977-992, July 2002.
- 173 -

Schmid, W.: Nowcasting winter precipitation with radar. Proceedings of the 10 th SIRWEC
conference, Davos, 17-24, 2000.
Schmid, W. and Wüest, M.: Verification of short-term risk forecasts of precipitation.
Proceedings of the 6 th International Workshop on Precipitation in Urban Areas,
Pontresina, 248-253, December 2003.
Schmid, W. and Mathis, A.: Validation of methods to detect winter precipitation and
retrieve precipitation type. Annalen der Meteorologie 40: SIRWEC 2004, 12 th
International Road Weather Conference, 8pp, 2004.
Schmid, W., Mecklenburg, S. and Joss, J.: Short-Term Risk Forecast of Severe Weather.
Physics and Chemistry of the Earth, 25:1335-1338, September 2000.
Schmid, W., Mathis, A. and Keller, U.: Nowcasting the risk of snowfall and freezing rain
with radar and ground data. Proceedings of the 11 th PIARC conference, Sapporo,
available on CD-ROM, 2002.
Seiz, G., Batsavias, E.P. and Gruen, A.: Cloud mapping from the ground: Use of
photogrammetric methods. Photogrammetric Engineering and Remote Sensing,
68:941-951, September 2002.
Shao, J.: Application of an artificial neural network to improve short-term road ice
forecasts. Expert Systems with Applications, 14:471-482, 1998.
Sievers, O., Meywerk, J. and Quante, M.: Statistics of non-precipitating daytime clouds,
based on 95 GHz cloud radar measurements during the BBC campaign. ERAD
Publication Series, 1:167-172, November 2002.
Sigurdsson, Stefan: Flow and presentation of road weather data and winter maintenance
activities on the internet. Annalen der Meteorologie 40: SIRWEC 2004, 12 th
International Road Weather Conference, 8pp, 2004.
Sinik, N.: A local climatic model of the temperature-cloudiness relationship. Theoretical
and Applied Climatology, 46:135-142, 1992.
Skolnik, Merrill I.: Introduction to radar systems. McGraw-Hill Book Company, New York,
second edition, 1980. (ISBN 0-07-057909-1).
SMA (Schweizerische Meteorologische Anstalt, Bearbeitung G. Müller), Handbuch für
Beobachter des automatischen Beobachtungsnetzes. Zürich, 1982, Nachführung
1986.
Song, Chang-Keun and Lee, Boram: Prognosis of the Road surface condition in Korea
using Surface Energy Balance theory. Proceedings of the 11 th SIRWEC conference,
Sapporo, available on CD-ROM, 2002.
Stull, Roland B.: An Introduction to Boundary Layer Meteorology. Kluwer Academic
Publishers, Dordrecht, 1988. (ISBN 90-277-2769-4).
Thornes, J.E. and Shao, J.: A comparison of UK road ice prediction models.
Meteorological Magazine, 120:51-57, 1991.
- 174 -

Toussaint, M., Jacquemin, B., Donet, I., Carlier, A. and Malkomes, M.: GSF - A Doppler
Weather Radar Based Tracking Tool. Physics and Chemistry of the Earth, 25:1339-
1342, September 2000.
Ulbrich, C.W.: Natural variations in the analytical form of the raindrop size distribution.
Journal of Climate and Applied Meteorology, 22:1764-1775, 1983.
Wüest, Marc: Dealiasing Wind Information from Doppler Radar for Operational Use.
Dissertation, Institut für Atmosphäre und Klima der ETH Zürich, Nr. 14378, 2001.
- 175 -

Lebenslauf
Tobias Grimbacher
geboren am 25. Februar 1975 in Ulm/Donau
12.11.2004 Doktorprüfung
März 2004 Teilnahme an den Messkampagnen RAMS-II und CLACE-III auf
dem Jungfraujoch
Februar / März 2002 Teilnahme an der Messkampagne RAMS-I an der Rigi
2001 bis 2004 Promotionsstudium am Institut für Atmosphäre und Klima der
Eidgenössischen Technischen Hochschule Zürich
11.07.2001 Diplom in Meteorologie. Thema der Diplomarbeit unter der Leitung
von Prof. Dr. C. Simmer: „Niederschlag und Orographie im Bonner
Raum aus Radardaten“
August 2000 Teilnahme an der BALTEX-CNN-I-Messkampagne in Geesthacht
2000 bis 2001 Studentische Hilfskraft am Meteorologischen Institut der Universität
Bonn
1997 bis 2001 Studentische Hilfskraft bei der WetterOnline GmbH
1995 bis 2001 Studium der Meteorologie an der Rheinischen Friedrich-Wilhelms-
Universität in Bonn
1994 bis 1995 Zivildienst beim Arbeiter Samariter Bund in Ulm
20.06.1994 Abitur
1985 bis 1994 Besuch des Humboldt-Gymnasiums in Ulm
1981 bis 1985 Besuch der Grundschule Westerstetten
- 176 -

Publikationsliste
2005:_Grimbacher, T. and Schmid, W.: Detecting and nowcasting cloudiness with
surface-near temperatures in winter nights. Eingereicht zur Veröffentlichung in
Meteorological Applications.
2005:_Grimbacher, T. and Schmid, W.: Nowcasting precipitation, clouds and surface
state in winter. Eingereicht und akzeptiert zur Veröffentlichung in Atmospheric
Research.
2004:_Grimbacher, T. and Schmid, W.: Nowcasting nocturnal cloudiness with an ultradense
road weather measurement network. Annalen der Meteorologie 40: SIRWEC
2004, 12 th International Road Weather Conference, 8pp.
2003:_Grimbacher, T. and Schmid, W.: Nowcasting precipitation, clouds and surface
state in winter. Proceedings of the 6 th International Workshop on Precipitation in
Urban Areas, Pontresina, 120-126.
2003:_Grimbacher, Tobias: Nowcasting nocturnal cloud cover and surface state.
Proceedings of the 5 th PhD Students' and Advisors' Meeting (Bad Schwarzsee FR),
Natural Hazards Competence Centre CENAT, 37-38.
2002:_Grimbacher, T. and Schmid, W.: Detecting nocturnal clouds with surface
temperature data. ERAD Publication Series, 1:49-54.
2001:_Grimbacher, Tobias: Niederschlag und Orographie im Bonner Raum aus
Radardaten. Diplomarbeit, Meteorologisches Institut der Rheinischen Friedrich-
Wilhelms-Universität Bonn.
- 177 -

Liste der Konferenzen
September 2004 Third European Conference on Radar in Meteorology and Hydrology,
ERAD, Visby, Schweden.
Juni 2004 12 th Standing International Road Weather Conference, SIRWEC,
Bingen, Deutschland.
Dezember 2003 6 th International Workshop on Precipitation in Urban Areas,
Pontresina, Schweiz.
Oktober 2003 5 th PhD Student's and Advisor's Meeting in the Field of Natural
Hazards, CENAT, Bad Schwarzsee FR, Schweiz.
November 2002 Second European Conference on Radar Meteorology, ERAD, Delft,
Niederlande.
September 2002 182. Jahreskongress der Schweizerischen Akademie der
Naturwissenschaften, SANW; Jahresversammlung der
Schweizerischen Gesellschaft für Meteorologie, SGM, Davos,
Schweiz.
- 178 -

Danksagung
Ganz herzlich möchte ich an dieser Stelle allen Menschen danken, die mich in den vergangenen
Jahren am Institut für Atmosphäre und Klima und im Rahmen meiner Arbeit auf
unterschiedliche Weise unterstützt haben.
Dieser Arbeit liegen Messwerte zugrunde, die aus verschiedenen Quellen stammen. So
habe ich mich zuerst bei der MeteoSchweiz zu bedanken, deren ANETZ-Daten und
Radarbilder ich verwenden konnte. Ebenso hat mir die meteomedia ag die Daten ihrer Wetterstationen
zur Verfügung gestellt, wofür ich zu Dank verpflichtet bin. Dem Strasseninspektorat
des Kantons Luzern und namentlich Strasseninspektor Albert Mathis danke ich nicht nur für
die Überlassung von Messwerten, sondern auch für zahlreiche Hinweise und Informationen
aus dem praktischen Alltag einer Strassenbehörde.
Für die vielfältige Zusammenarbeit gilt mein aufrichtiger Dank meinen Betreuern. Willi
Schmid hat mir eine Aufgabe gestellt, die mein meteorologisches Wissen gesamthaft herausforderte,
und mir damit die Möglichkeit gegeben, mich in einem spannenden Forschungsfeld
mit konkreter Anwendbarkeit weiterzuentwickeln. Er hatte ein offenes Ohr für alle meine
Fragen, hat mich aber auch in Ruhe arbeiten und meinen eigenen Weg finden lassen. Huw
Davies hat mein Doktorat offiziell geleitet und stand mir in allen organisatorischen Fragen
ausführlich und nahezu uneingeschränkt zur Verfügung. Clemens Simmer hat sich spontan
bereit erklärt, meine Arbeit als Korreferent zu begleiten und stand mir trotz knapper zeitlicher
Ressourcen mit seinem Rat und Wissen zur Seite. Sie alle haben einen wesentlichen Anteil
am Zustandekommen dieser Arbeit.
Bei allen Mitgliedern der Arbeitsgruppe Atmosphärenphysik möchte ich mich für die vielen
Kleinigkeiten - Gespräche, Tipps und Anregungen - bedanken. Namentlich geht dieser Dank
an Marc Wüest, an meine langjährigen Bürokollegen Stefan Gubser, Esther Häller, Heidi
Weber und Sebastiano Giussani, sowie natürlich an Eszter Barthazy, die die Treffen einer
divergierenden Radargruppe über Jahre hinweg geleitet hat und für ein erfolgreiches
Zusammenhalten der Gruppe verantwortlich war. Björn Baschek und Raphael Schefold haben
mich immer wieder als Unterstützung an ihre Messkampagnen mitgenommen. Ihnen verdanke
ich unvergessliche Tage in Greppen, auf der Rigi und auf dem Jungfraujoch und mein
gesamtes Wissen über verreifte und unverreifte Dendriten. Mit Björn verbinden mich zudem
unser fast gleichzeitiger Start am IAC und unzählige Kaffeepausen in mehr als drei
gemeinsamen Jahren.
Eine wissenschaftliche Arbeit ist ohne administrative und technische Unterstützung nicht
möglich, wie sie Eva Choffat, Peter Isler, Ruedi Lüthi und Dani Lüthi in wirklich dankenswerter
Weise gewährleistet haben. Mein weiterer Dank gilt den noch nicht genannten Kolleginnen
- 179 -

und Kollegen, denen ich beim Mittagessen oder anderen geselligen Gelegenheiten näher
gekommen bin. Ich möchte ihnen und allen danken, die an der alltäglich scheinenden,
besonderen menschlichen Atmosphäre mitwirken, die ich am IAC empfinden durfte.
Schliesslich und besonders herzlich möchte ich meiner Familie Danke sagen, sowie allen
Freunden und Bekannten, die ich in meiner Zürcher Zeit am aki, in Cortona oder auf andere
Weise kennen gelernt habe, und die sich um meine Person und Arbeit Gedanken gemacht
oder meine eigenen Gedanken davon abgelenkt haben.
- 180 -