• Der meteoblue MultiModel-Ansatz erhöht die Genauigkeit der Vorhersage deutlich.
• Die meteoblue 24-Stunden-Windgeschwindigkeitsvorhersage schneidet im Vergleich zu den Rohmodellen am besten ab.
• Verschiedene Rohmodelle für Windgeschwindigkeit und Windrichtung schneiden sehr ähnlich ab.
• Von den verglichenen Vorhersagemodellen weist ICON die höchste Genauigkeit auf.
• GFS05 sagt die Windgeschwindigkeit mit einer um 1.5 m/s höheren Genauigkeit voraus als andere Rohmodelle.
• Die Vorhersage der Windgeschwindigkeit ist auf Inseln und in Gebirgsregionen weniger genau.
• Die Vorhersage der Windgeschwindigkeit ist im Allgemeinen an kontinentalen Standorten genauer als in der Nähe von Ozeanen.
• Regionale Unterschiede innerhalb der Rohmodelle sind vorhanden und fallen besonders im NEMSGLOBAL-Modell auf.
• Die Genauigkeit der Modelle zur Vorhersage der Windgeschwindigkeit verringert sich mit zunehmender Windgeschwindigkeit.

Die Wettervariable Wind spielt in der Wetter- und Energieforschung eine zentrale Rolle. Der steigende Energieverbrauch und der fortschreitende Klimawandel führen zu einem wachsenden Interesse an erneuerbaren Energien. Die Solar- und Windenergiebranche verzeichnet ein rasantes Wachstum. Daten über die Windgeschwindigkeit sind unerlässlich, um geeignete Standorte für Windkraftanlagen zu finden.

Zudem ist damit zu rechnen, dass extreme Wetterereignisse in Zukunft immer häufiger auftreten werden. Unternehmen wie Versicherungen oder landwirtschaftliche Erzeuger sind auf verlässliche Daten zu Windverhältnissen angewiesen. Darüber hinaus hilft das Verständnis der Winddynamik dabei, den Einfluss des Windes auf andere Wettervariablen wie Temperatur oder Niederschlag zu entschlüsseln und das atmosphärische System besser zu verstehen.

Da eine präzise Windvorhersage für viele unserer Kunden (von Windenergieunternehmen bis hin zu Outdoor-Enthusiasten) von entscheidender Bedeutung ist, ist es für uns wichtig, dass unsere Kunden unsere Vorhersage und ihre Genauigkeit verstehen und interpretieren können. Es wurden mehrere Verifikationsstudien durchgeführt, die in den folgenden Abschnitten beschrieben werden. Dabei wurden mehrere numerische Wettermodelle miteinander verglichen.

Analyse globaler Windvorhersagen

Die folgenden Ergebnisse basieren auf der Masterarbeit von Brigitte Häuser aus dem Jahr 2021. Es wurden verschiedene Windsimulationsmodelle wie ICON, MFGLOBAL, GFS05, Modelle aus der NEMS-Familie (NEMS4 und NEMS12) sowie ein Reanalysemodell ERA5 auf globaler Ebene verglichen. Für die Validierung wurden über 5000 stündliche METAR-Messungen von Orten auf der ganzen Welt und für das gesamte Jahr 2020 verwendet.

Es wurden mehrere statistische Fehlerkennzahlen und Kennzahlen für die Vorhersagegenauigkeit berechnet und zum Vergleich herangezogen. Weitere räumliche Analysen zeigen die Modellgenauigkeit der Wettervorhersagemodelle auf regionaler Basis. Schließlich wurde ein MultiModel-Ansatz gegen andere Ansätze getestet, um deren jeweilige Genauigkeit zu untersuchen.

Vergleich der Rohmodelle

Für den Vergleich der Rohmodelle wurden der mittlere absolute Fehler (MAE) und der Mean Bias Error (MBE) berechnet. Die folgende Abbildung zeigt, dass ICON und ERA5 den niedrigsten MAE haben, gefolgt von GFS05 und MFGLOBAL. Die Windvorhersagegenauigkeit von NEMSGLOBAL ist im Vergleich zu den anderen Wettervorhersagemodellen am schlechtesten.

Die meisten Wettervorhersagemodelle tendieren dazu, die Windgeschwindigkeiten zu unterschätzen (siehe Abbildung unten).

Für eine weitere Genauigkeitssanalyse wurden POD (Probability of Detection), FAR (False Alarm Ratio) und HSS (Heidke Skill Score) berechnet. Die Schwellenwerte 5, 15, 20 und 30 m/s wurden festgelegt, um die Genauigkeit der Vorhersagen für höhere Windgeschwindigkeiten zu bewerten. Die wichtigsten Ergebnisse sind in der folgenden Tabelle zusammengefasst.

Wie bei POD wurde die Windgeschwindigkeit über 5 m/s am genauesten von NEMSGLOBAL vorhergesagt, gefolgt von GFS05, ERA5, ICON und MFGLOBAL. Berücksichtigt man jedoch die HSS- und die hohen FAR-Werte, so sind die hohen POD-Werte von NEMSGLOBAL wahrscheinlich eher auf eine allgemeine Überschätzung der Windgeschwindigkeitsvorhersage zurückzuführen.

Im Vergleich dazu zeigt ERA5 eine gute Vorhersagequalität für Windgeschwindigkeiten über 5 m/s. Bei höheren Windgeschwindigkeiten schneidet GFS05 am besten ab. Die Wahrscheinlichkeit und die allgemeine Fähigkeit, Windgeschwindigkeiten über 15 m/s zu erkennen, sinkt jedoch bei allen Modellen erheblich, was bedeutet, dass sie alle allgemeine Schwierigkeiten bei der Vorhersage von Ereignissen mit hohen Windgeschwindigkeiten haben.

POD, FAR und HSS für alle Rohmodelle berechnet für Messdaten von mehr als 5000 Stationen weltweit im Jahr 2020.

Domäne	POD_5	POD_15	POD_20	FAR_5	FAR_15	FAR_20	HSS_5	HSS_15	HSS_20
ERA5	0.479	0.045	0.021	0.276	0.503	0.503	0.419	0.039	0.019
GFS05	0.551	0.116	0.053	0.368	0.74	0.759	0.412	0.08	0.035
ICON	0.466	0.055	0.026	0.302	0.903	0.906	0.413	0.037	0.017
MFGLOBAL	0.37	0.069	0.04	0.286	0.691	0.674	0.31	0.047	0.028
NEMSGLOBAL	0.636	0.205	0.082	0.456	0.907	0.949	0.381	0.063	0.023

Räumliche Analyse

Die räumliche Verteilung des MAE wird im Folgenden für die Modelle ERA5 und NEMSGLOBAL dargestellt, da sich diese am deutlichsten voneinander unterscheiden. Eine Überzeichnung von nahe beieinander liegenden Stationen wurde vermieden, indem die Fehlermetriken in 3x3°-Gitterzellen gemittelt wurden, was ein konsistentes Gitternetz ergab, das der Weltkarte überlagert wurde.

b) Vorhersagemodell NEMSGLOBAL

Der MAE von ERA5 ist räumlich gleichmäßig über die ganze Welt verteilt. NEMSGLOBAL hat die höchsten MAE-Werte in Kanada und Nordeuropa, obwohl die Verteilung des MAE mit der von ERA5 vergleichbar ist, nur mit höheren Kontrasten. Beide Karten zeigen eine geringere Genauigkeit bei der Windvorhersage auf Inseln und (insbesondere in der Karte von NEMSGLOBAL) in gebirgigen Regionen wie den Rocky Mountains. Im Allgemeinen zeigen bestimmte Modelle stärkere räumliche Muster, während andere weniger stark ausgeprägt sind. Ausführlichere Informationen finden Sie in der Masterarbeit (2,5 MB).

MultiModel-Ansatz

Beim MultiModel-Ansatz werden mehrere Rohmodelle kombiniert und unterschiedlich gewichtet, was in der Regel zu einer Verbesserung der Prognosegenauigkeit führt. Wie im vorangegangenen Abschnitt gezeigt wurde, neigen die Rohmodelle dazu, unterschiedliche räumliche Ergebnisse zu liefern. Die Kombination der Vorhersage mehrerer Modelle für einen bestimmten Ort kann zu einer so genannten "Error Cancellation" führen. So können sich beispielsweise zwei Modelle (von denen eines die Variable überschätzt und das andere sie unterschätzt) gegenseitig ausgleichen, was zu einem geringeren Vorhersagefehler führt. Auf dieser Seite wurden die Wettervorhersagemodelle GFS05, MFGLOBAL, NEMSGLOBAL und ICON zur Optimierung des MAE kombiniert und auch gegenüber METAR-Stationen validiert.

Die Studie zeigt, dass ICON bei diesem Ansatz weltweit den größten Einfluss hat, da es für fast alle Standorte am höchsten gewichtet wurde, mit Ausnahme von Standorten in Russland und Nordkanada. Aufgrund seiner hohen Gewichtung hat auch GFS05 einen großen Einfluss auf den MultiModel-Ansatz. Durch die Mittelung der besten MultiModelle aller Stationen (d.h. aller stationsspezifischen MultiModell-Kombinationen mit dem niedrigsten MAE) erhalten wir eine optimierte MultiModell-Kombination, bei der ICON mit 50 - 60 %, GFS05 mit 20 - 30 % und MFGLOBAL und NEMSGLOBAL mit 10 % gewichtet sind. Dieses MultiModell wurde in einem letzten Schritt gegenüber allen METAR-Stationen verifiziert.

Folgende Tabelle zeigt, dass dieser Ansatz die Vorhersage der Windgeschwindigkeit verbessern kann. Während das MultiModell für MAE optimiert wurde, waren auch andere Fehlermetriken wie MBE, RMSE (Root Mean Square Error) und MAPE (Mean Absolute Percentage Error) im Vergleich zu den Rohmodellen geringer. Die Korrelation (Cor) ist eine Fehlerkennzahl, die angibt, inwieweit zwei Datensätze miteinander korrelieren oder übereinstimmen. Je höher die Zahl ist (d. h. je näher an 1), desto besser ist die Prognose. Die Tabelle zeigt, dass das MultiModel die beiden besten Modelle ICON und ERA5 übertrifft.

Mittlere Fehler für verschiedene Rohmodelle und das optimierte globale MultiModel. Die Berechnungen basieren auf stündlichen Messdaten von mehr als 5'000 Stationen weltweit im Jahr 2020.

Domäne	MAE	MBE	RMSE	MAPE	Cor	Cor >3 m/s
NEMSGLOBAL	1.866	0.657	2.421	0.607	0.596	0.501
MFGLOBAL	1.617	-0.490	2.070	0.474	0.612	0.514
GFS05	1.563	0.130	2.002	0.483	0.635	0.537
ERA5	1.460	-0.152	1.860	0.429	0.652	0.577
ICON	1.453	-0.355	1.925	0.422	0.682	0.577
MM GLobal Weight	1.369	-0.122	1.768	0.401	0.703	0.598

Vergleich der Anbieter

Um unsere operationelle Windgeschwindigkeitsvorhersage einzuordnen, haben wir sie mit der Genauigkeit der Rohmodelle und mit anderen Wettervorhersageanbietern verglichen. Die folgende Abbildung zeigt den MBE verschiedener Vorhersagemodelle (NEMSGLOBAL, ICON, GFS05, MFGLOBAL und UMGLOBAL), des Reanalysemodells ERA5 und der meteoblue Vorhersage. Die Modellergebnisse wurden mit stündlichen Messungen von mehr als 450 METAR-Stationen weltweit verglichen. Die Analyse basiert auf 24-Stunden-Vorhersagen und stündlich gemessenen Windgeschwindigkeitsdaten für das Jahr 2021.

meteoblue Vorhersage vs. Rohmodelle

Die obige Abbildung zeigt, dass der MBE bei den meisten Modellen negativ ist, d.h. die Modelle unterschätzen die Windgeschwindigkeit, während die höchste Spitze bei der meteoblue Vorhersage nahe bei Null liegt. Dieses Ergebnis zeigt, dass die meteoblue Vorhersage das Reanalysemodell ERA5 übertrifft.

meteoblue Vorhersage im Vergleich zu anderen Wetterdatenanbietern

Folgende Tabelle gibt einen Überblick über die Fehlermetriken MAE und MBE für die meteoblue Vorhersage und 6 weitere Wetterdatenanbieter. Bei MAE weist die meteoblue Vorhersage die niedrigsten Werte auf und übertrifft damit die anderen Anbieter, obwohl sie die Windgeschwindigkeit stärker unterschätzt als diese.

MAE [m/s] und MBE [m/s] verschiedener Wetteranbieter und die meteoblue Vorhersage und stündlichen Messungen von mehr als 450 Stationen weltweit für das Jahr 2021.

Anbieter	MAE [m/s]	MBE [m/s]
meteoblue	1.36	-0.53
Anbieter_D	1.41	-0.42
Anbieter_F	1.38	-0.29
Anbieter_C	1.41	-0.36
Anbieter_G	1.48	-0.09
Anbieter_B	1.40	-0.14
Anbieter_H	1.51	-0.11