Hagelprognose in der Schweiz

Hintergrund / Forschungslücken

Hagel verursacht in der Schweiz und anderen Orten auf der Welt extensiven Schaden. Zudem ist die Lage der Hagelforschung in der Schweiz Dank der komplexen Topographie und dem grossen Hageldatenreichtum einzigartig. Radar basierte Hagelalgorithmen und Gewitter Nowcasting Systeme bieten bereits heute eine Basis für die Hagel- und Gewitterwarnung. Allerdings bieten neue Hagelmessungen am Boden, Hagelsimulationsmethoden und neue Radar Produkte neue Möglichkeiten um das Wissen über konvektive Systeme, den Hagel und die Hagelprognose zu verbessern und auszubauen. Konkret haben die MeteoSchweiz in Zusammenarbeit mit dem Mobiliar Lab für Naturrisiken eine Hagelmeldefunktion in die MeteoSchweiz App eingebaut und damit mehrere Zehntausend Hagelmeldungen von der schweizerischen Bevölkerung erfasst. Ausserdem werden zur Zeit 80 neue automatische Hagelsensoren in den Hagel Hotspots der Schweiz installiert und werden acht Jahre lang die kinetische Energie und den Impuls von Hagel messen. Darüber hinaus, hat MeteoSchweiz neulich eine Hageldiagnostik (Hailcast) in ihr operationelles Wettermodell implementiert und testet diese weiter. Das Ziel dieses Projekts ist die kombinierte Analyse dieser Datensätze und das verbesserte Verständnis von konvektiven Systemen um die Hagelprognose in der Schweiz zu optimieren.

Vorgehen und erwartete Ergebnisse

Im ersten Schritt haben wir die App Hagelmeldungen aufbereitet und mit ihnen erfolgreich die existierenden Radar basierten Hagelalgorithmen verifiziert. Die Resultate haben unser Verständnis über die Algorithmen und ihre mögliche Weiterentwicklung verbessert. Als nächster Schritt werden wir vergangenen Hagelstürme und ihr konvektives Umfeld regional analysieren. Dazu nutzen wir das bereits entwickelte Gewitter Radar Tracking (TRT) welches alle einzelnen Gewitter in Radarbilder automatisch erkennt und mitverfolgt. Entlang des Gewitterpfads werden die Radarwerte, Bodenmessungen und -beobachtungen und Modellsimulationswerte gespeichert. Somit können gemeinsame Muster und Unterschiede in allen Gewittern, von ihrer Entstehung bis zu ihrem Verschwinden, anhand statistischer Analysen und Machine Learning Modellen erkannt werden und so die Prognose von Hagel vereinfachen. Wir erwarten, dass wir am Ende des Projekts die regionalen Unterschiede im Hagelrisiko und die meteorologischen Prozesse welche in verschiedenen Wettersituationen zu Hagel führen besser verstehen. Ausserdem erwarten wir, dass die Analysen und Machine Learning Modelle das Hagel Nowcasting verbessern und die Hagelvorhersagbarkeit steigern.