The German Meteorological Service's (Deutscher Wetterdienst DWD) climate predictions website (www.dwd.de/climatepredictions) offers a centralized platform for accessing post-processed climate predictions, including subseasonal forecasts from ECMWF's IFS and seasonal and decadal predictions from the German climate prediction system. The website design was developed in collaboration with various sectors to ensure uniformity across all time frames, and users can view maps, tables, and time series of ensemble mean and probabilistic predictions in combination with their skill. The available data covers weekly, 3-month, 1-year, and 5-year temperature means, precipitation sums and soil moisture for the world, Europe, Germany, and particular German regions. To achieve high spatial resolution, the DWD used the statistical downscaling method EPISODES. Moreover, within the BMBF project KIMoDIs (AI-based monitoring, data management and information system for coupled forecasting and early warning of low groundwater levels and salinisation) the DWD provides climate prediction data of further hydrological variables (e.g. relative humidity) with corresponding prediction skill on a regional scale.However, all predictions on these time scales can suffer from inherent systematic errors, which can impact their usefulness. To address these issues, the recalibration method DeFoReSt was applied to decadal predictions, using a combination of 3rd order polynomials in lead and start time, along with a boosting model selection approach. This approach addresses lead-time dependent systematic errors, such as drift, as well as inaccuracies in representing long-term changes and variability.This study highlights the improved accuracy of the recalibration approach on decadal predictions due to an increased polynomial order compared to the original approach, and its different impact on global and regional scales. It also explores the feasibility of transferring this approach to predictions with shorter time horizons of the provided variables.

To support decision-making processes, Germany's National Meteorological Service, Deutscher Wetterdienst (DWD) is developing an operational seamless climate prediction service. Climate predictions from subseasonal to the decadal time scales are consistently presented on a single platform, the DWD climate predictions website (http://www.dwd.de/climatepredictions) [1]. To strengthen the idea of seamless climate information, we are working on a seamless timeseries, which contextualizes climate predictions with observations from the past and future climate projections. National users from different sectors (e.g. water, energy, forestry, agriculture) regularly take part in the discussion and evaluation process of the DWD climate prediction website. Design and content of the climate service were developed as a co-design with national users. To meet users’ needs regarding spatial resolution, climate predictions on all timescales are downscaled using the empirical-statistical downscaling EPISODES [2]. Presented on the website are bias corrected weekly (subseasonal), 3-month (seasonal) 1- and 5-year (decadal) means of temperature and precipitation on global and national scale. DWD always presents its climate predictions in combination with the corresponding prediction skill. We provide climate predictions in two categories of different complexity. The “basic climate predictions” offer simplified climate predictions, which will be presented on an interactive platform soon. In a second “expert climate predictions” section, we offer more detailed information on global, European, and national climate predictions. The newest user-oriented addition on the website will be climate predictions and the corresponding evaluations of soil moisture. This new product is calculated with the AMBAV model [3], which retrieves its input variables from DWD’s high-resolution climate predictions. Additionally, user surveys have shown high interest in climate extremes. Currently DWD is working on the publication of several extreme indices concerning drought and heat. Plans for further extensions include multi-year seasonal predictions and multi-model predictions. [1] A. Paxian, B. Mannig, M. Tivig, K. Reinhardt, K. Isensee, A. Pasternack, A. Hoff, K. Pankatz, S. Buchholz, S. Wehring, P. Lorenz, K. Fröhlich, F. Kreienkamp, B. Früh (2023). The DWD climate predictions website: towards a seamless outlook based on subseasonal, seasonal and decadal predictions. Climate Services 30, 100379. https://doi.org/10.1016/j.cliser.2023.100379. [2] Kreienkamp, F., Paxian, A., Früh, B., Lorenz, P., Matulla, C., 2018. Evaluation of the Empirical-Statistical Downscaling method EPISODES. Clim. Dyn. 52, 991–1026 (2019). https://doi.org/10.1007/s00382-018-4276-2. [3] https://www.dwd.de/DE/fachnutzer/landwirtschaft/dokumentationen/allgemein/ambav-20_doku.html

We develop a new Earth System model configuration framed into the ICON architecture, which provides the baseline for the next generation of climate predictions and projections (hereafter ICON XPP - where XPP stands for eXtended Predictions and Projections). ICON XPP comprises the atmospheric component of the numerical weather prediction (ICON NWP), the ICON ocean and land surface components, and an ensemble-variational data assimilation system, all adjusted to an Earth System model for pursuing climate research and operational climate forecasting. Two baseline configurations are presented: (1) a 160 km atmosphere and a 40 km ocean resolution, and (2) 80 km atmosphere and 20 km ocean resolution. A CMIP DECK (Diagnostic, Evaluation and Characterization of Klima) experimentation framework is used for a first evaluation.ICON XPP depicts the basic properties of the coupled climate. The pre-industrial climate shows a top-of-atmosphere balanced radiation budget and a mean global near-surface temperature of 13.8-14.0 degrees C. The ocean shows circulation strengths in the range of the observed values, such as the AMOC at 16-18 Sv and the flows through the common passages. The current climate is characterized by a trend in the global mean temperature of similar to 1.2 degrees C since the 1850s, similar to reference datasets. Regionally, the hydroclimate differs greatly from observed conditions. For example, the inter-tropical convergence zone (ITCZ) has a double peak and a wet southern subtropical branch across the oceans. Further, the Southern Ocean sea surface temperature has a strong positive mean bias with temperatures up to 5 degrees C higher than observations.Dynamical processes, such as El Ni & ntilde;o/Southern Oscillation (ENSO) performs similarly to CMIP6-like coupled models. Tropical waves and the Madden-Julian Oscillation are well captured, and the 40 km atmospheric configuration has a spontaneous weak quasi-biennial oscillation. The atmospheric dynamics in the northern extra-tropics of both configurations represent well the position of the jet stream as well as the influences of the transient momentum transports and their feedbacks on the jet stream. Overall, ICON XPP performs similarly to climate models performed in CMIP6 making it a good basis for climate forecasts and projections, and climate research.

Der Deutsche Wetterdienst (DWD) stellt Daten und Beratungsleistungen für die Anpassung an den Klimawandel in vielfältigen Handlungsfeldern bereit. Als Basis dienen die Regionalen Klimasimulationen aus dem EURO-CORDEX Projekt (Coordinated Regional Climate Downscaling Experiment Europa). Am DWD werden diese und auch ihre globalen Antriebsdaten geprüft und die DWD-Referenzensembles erstellt. Die regionalen Klimasimulationen innerhalb der DWD-Referenzensembles werden bias-adjustiert und statistisch auf 5 km x 5 km downgescalt, so dass sie für Anschlussmodellierungen sowie Auswertungen der meteorologischen Parameter verwendet werden können. Die Simulationen der DWD-Referenzensembles bilden die Basis für diverse Produkte und werden z.B. im DAS-Basisdienst „Klima und Wasser“ von DWD und den Partnerbehörden verwendet. In den letzten Jahren wurden Methoden entwickelt, mit der die historischen Klimasimulationsdaten geprüft werden können. Mit Hilfe dieser Methoden können in Zukunft, z.B. bei der nächsten Modellgeneration basierend auf CMIP6 (Coupled Model Intercomparison Project) Antriebsdaten, objektiv die Simulationen geprüft und bewertet werden, bevor sie in die DWD-Referenzensembles aufgenommen werden. Die vorgestellten Methoden wurden bereits für die CMIP5-Modellgeneration angewandt. Die Qualitätsprüfung beinhaltet folgende Schritte: In einer ersten Kategorie werden die Daten technisch geprüft, ob sie generell für die weitere Nutzung verwertbar sind (z.B. unrealistische Werte, fehlende Daten). In der zweiten Kategorie werden physikalische Qualitätskriterien untersucht, indem im historischen Zeitraum geprüft wird, ob die Simulationsergebnisse plausibel und realitätsnah sind. Diese physikalische Qualitätskontrolle erfolgt in drei Schritten: zunächst werden die Telekonnektionen und Wechselwirkungen zwischen Atmosphäre und Ozean in den antreibenden globalen historischen Simulationen mithilfe komplexer Netzwerke untersucht. Im zweiten Schritt wird über dem euro-atlantischen Sektor in den globalen und regionalen Simulationen die Frequenz, Persistenz und Abfolge von synoptischen Zirkulationsmustern betrachtet. Zuletzt werden die regionalen Simulationen über die Verteilungstreue (Bias, Varianz, usw.) und Saisonalität auf regionaler Skala (Naturräume in Deutschland) ausgewertet. Die Ergebnisse aus allen drei Schritten werden am Ende in Indikatoren zusammengefasst und in Steckbriefen für jede einzelne regionale Klimasimulation veröffentlicht. Eine wichtige Komponente der Qualitätsprüfung ist der Kontakt zum einen zu den Modelliergruppen, um etwaige Probleme mit den Daten zurück zu melden, sowie zu den Nutzenden der Referenzensembles, um mit denen gemeinsam die Methodiken und Ergebnisse zu diskutieren.

Die Klimavorhersagen-Webseite des Deutschen Wetterdiensts (DWD) www.dwd.de/klimavorhersagen präsentiert unterschiedliche Klimavorhersagen auf einer gemeinsamen Webseite zur Unterstützung von Entscheidungsprozessen auf unterschiedlichen Zeitskalen: aufbereitete Witterungsvorhersagen für die nächsten Wochen, die vom Europäischen Zentrum für mittelfristige Wettervorhersage (EZMW) abgeleitet wurden, und operationelle saisonale und dekadische Klimavorhersagen des DWD für die nächsten Monate und Jahre. Die Evaluierung und Darstellung dieses Klimadienstes wurde in Kooperation mit Nutzern unterschiedlicher Sektoren und konsistent über alle Zeitskalen entwickelt. Die Webseite bietet Karten, Zeitreihen und Wertetabellen von Ensemblemittel- und Wahrscheinlichkeitsvorhersagen in Verbindung mit deren Vorhersagequalität. Sie werden als Temperaturmittel und Niederschlagssummen über Wochen, Monate und Jahre für unterschiedliche Regionen, u.a. in Deutschland, dargestellt. Für Deutschland wird das am DWD entwickelte empirisch-statistische Downscaling-Verfahren EPISODES herangezogen, um eine hohe räumliche Auflösung zu erreichen. Systematische Modellfehler werden abhängig von der Vorhersagezeit an Beobachtungsdaten adjustiert. Gütemaße werden zur Evaluierung der Vorhersagequalität der Klimavorhersagen im Vergleich zu Referenzvorhersagen herangezogen, die als Alternative zu Klimavorhersagen verwendet werden, wie z.B. die „beobachtete Klimatologie“. Unterschiedliche Komplexitätsebenen werden dargestellt: In den „Basis-Klimavorhersagen“ beschreibt eine Ampel, ob Klimavorhersagen regionaler Mittel besser (grün), gleich gut (gelb) oder schlechter (rot) als eine Referenzvorhersage sind. In den „Profi-Klimavorhersagen“ zeigen Vorhersagekarten pro Gitterbox die Klimavorhersage (Farbe der Punkte) und deren Vorhersagequalität (Größe der Punkte). Die Koentwicklung dieses Klimadienstes mit Nutzern unterschiedlicher Sektoren und Nutzerfeedback-Schleifen verbessern seine Verständlichkeit und Anwendbarkeit. Klimavorhersagen von Bodenfeuchte sowie Trockenheits- und Hitzeindikatoren werden aktuell evaluiert und zukünftig auf der Webseite integriert. Die Pläne zukünftiger Erweiterungen beinhalten auch Multi-Modell-Vorhersagen sowie großskalige Telekonnektionsindizes wie El Nino-Southern Oscillation (ENSO). Aktuell werden eine interaktive Webseiten-Darstellung und weitere Erklärvideos vorbereitet, welche die Verständlichkeit und Anwendbarkeit verbessern sollen. Schließlich arbeitet der DWD an einer kombinierten Zeitreihe aus Beobachtungen, Klimavorhersagen und Klimaprojektionen als zeitskalen-übergreifender Klimadienst für Deutschland.

The DWD climate predictions website www.dwd.de/climatepredictions presents different climate predictions on a common website to support decision-making processes on different time scales: post-processed subseasonal prediction products derived from the IFS forecasts provided by ECMWF for the coming weeks and operational seasonal and decadal predictions of the German climate prediction system for the coming months and years. The user-oriented evaluation and design of this climate service was developed in cooperation with users from various sectors (e.g. water, energy, agriculture or forestry) and is consistent across all time scales. The website offers maps, time series and tables of ensemble mean and probabilistic predictions in combination with their skill. The products are displayed for weekly, 3-month as well as 1- and 5-year temperature means and precipitation sums for different regions (world, Europe, Germany, German regions). For Germany, the statistical downscaling EPISODES is used to reach high spatial resolution required by several German climate data users. A lead-time dependent bias correction is applied, and decadal predictions are recalibrated to improve drift and ensemble spread. We use the MSESS and RPSS to evaluate the skill of climate predictions compared to reference predictions (applied by users as an alternative to climate predictions), e.g. the ‘observed climatology’ or ‘uninitialized climate projections’. The significance is tested at a 5% level. Different layers of complexity are presented: Within the ‘basic climate predictions’ section, a traffic light indicates if regional-mean predictions are significantly better (green), not significantly different (yellow) or significantly worse (red) than a reference prediction. Within the ‘expert climate predictions’ section, prediction maps show per grid box the prediction (via the color of dots) and its skill (via the size of dots). The co-development of this climate service with users from different sectors improves its comprehensibility and usability. Outlooks are regularly communicated, and user feedback loops are continuously performed to evaluate and improve this climate service. Drought-related variables and indices such as the climatic water balance (precipitation minus potential evapotranspiration), SPI (standardized precipitation index) or SPEI (standardized precipitation evaporation index) are evaluated and will soon be included in the climate outlook. Cooperation work is ongoing to use climate predictions to forecast soil moisture and groundwater levels. Plans for future extensions of this climate service include multi-year seasonal predictions, multi-model predictions, large-scale and extreme indices (e.g. for ENSO, NAO, heat), and tools to further clarify the presented information (e.g. video clips or interactivity). Finally, we work on a time series combining observations, subseasonal, seasonal and decadal climate predictions and climate projections, the next step towards a seamless climate service for Germany.

Germany's National Meteorological Service, Deutscher Wetterdienst (DWD), is working on an operational seamless climate prediction approach: What started in 2016 with operational seasonal climate predictions, was later complemented with decadal climate predictions. Since 2022, DWD publishes decadal, seasonal, and subseasonal climate predictions on one single, comprehensive climate prediction website www.dwd.de/climatepredictions [1].While global simulations of decadal and seasonal predictions are produced by DWD’s climate prediction systems, global subseasonal predictions are retrieved from the European Centre of Medium-Range Weather Forecast (ECMWF). The next step in the operational processing chain is the empirical-statistical downscaling EPISODES [2], which results in high-resolution climate predictions (approx. 5 km) for Germany.Both global and regional climate predictions are evaluated using the Meteorological Analyzation and Visualization System MAVIS, a fork of the FREVA system (Free Evaluation System Framework for Earth System Modeling) [3]. We evaluate ensemble mean predictions using the Mean Squared Error Skill Score (MSESS) and the Pearson Correlation Coefficient. Probabilistic climate predictions are evaluated using the Ranked Probability Skill Score (RPSS).Ensemble mean and probabilistic climate prediction results of global and downscaled simulations, as well as the evaluation results are jointly published on DWD’s climate prediction website. The user-friendly graphical presentation is consistent for all displayed regions (global, Europe, Germany, and German cities) and across all time scales and was developed as a co-design between DWD and various national users.We work on several extensions of the website: multi-year seasonal predictions (e.g. 5-year summer means), the prediction of drought indices and El Nino Southern Oscillation predictions. In addition, a seamless time series combining observations, climate predictions and climate projections is in preparation. [1] A. Paxian, B. Mannig, M. Tivig, K. Reinhardt, K. Isensee, A. Pasternack, A. Hoff, K. Pankatz, S. Buchholz, S. Wehring, P. Lorenz, K. Fröhlich, F. Kreienkamp, B. Früh (2023). The DWD climate predictions website: towards a seamless outlook based on subseasonal, seasonal and decadal predictions. Manuscript in review.[2] Kreienkamp, F., Paxian, A., Früh, B., Lorenz, P., Matulla, C., 2018. Evaluation of the Empirical-Statistical Downscaling method EPISODES. Clim. Dyn. 52, 991–1026 (2019). https://doi.org/10.1007/s00382-018-4276-2.[3] Kadow, C., Illing, S., Lucio-Eceiza, E.E., Bergemann, M., Ramadoss, M., Sommer, P.S., Kunst, O., Schartner, T., Pankatz, K., Grieger, J., Schuster, M., Richling, A., Thiemann, H., Kirchner, I., Rust, H.W., Ludwig, T., Cubasch, U. and Ulbrich, U., 2021. Introduction to Freva – A Free Evaluation System Framework for Earth System Modeling. Journal of Open Research Software, 9(1), p.13. DOI: http://doi.org/10.5334/jors.253

Usually, climate forecast systems are assessed in deterministic and probabilistic quality metrics for error and correlation on reference data sets. Here we apply two diagnostic tools on the seasonal forecast system to learn more about possible mechanisms, which gover the respective forecast skill. By using the delta maps tool (Falasca et al., 2019) we are looking especially for ENSO-teleconnected regions of the model system during boreal spring and boreal winter in comparison with ERA5. The tool generates clusters of multiple grid points, whose time series correlate and therefore are characterised with similar physical behavior. Delta maps was originally designed for data from climate projections but has been adapted to seasonal forecast output. We aim for a better understanding of the pronounced spring predictability barrier in GCFS2.1 and how this evolves in its successor GCFS2.2. The Warm Conveyor Belt metric (Quinting and Grams, 2022) is designed up to study the role of physical processes and their influence on the large-scale circulation in NWP and climate models. The metric has been successfully applied to sub-seasonal forecast models (Wandel et al. 2021) where a general underestimation of WCB frequencies and a potential link to circulation biases is found. We here apply the metric to the GCFS2.1 hindcasts (1993-2016) in the boreal winter season. Due to the strong link between air masses from WCBs and large-scale weather regimes, the analysis will help to understand general model behavior and error development which will ultimately help to increase the prediction skill of the weather regimes in the forecasting system. Falasca, F., Bracco, A., Nenes, A., & Fountalis, I. . Dimensionality reduction and network inference for climate data using δ‐MAPS: Application to the CESM Large Ensemble sea surface temperature. Journal of Advances in Modeling Earth Systems, 11, 1479– 1515. https://doi.org/10.1029/2019MS001654 (2019). Quinting, J. F. and Grams, C. M.: EuLerian Identification of ascending AirStreams (ELIAS 2.0) in numerical weather prediction and climate models – Part 1: Development of deep learning model, Geosci. Model Dev., 15, 715–730, https://doi.org/10.5194/gmd-15-715-2022, 2022. Wandel, J., Quinting, J. F., & Grams, C. M. (2021). Toward a Systematic Evaluation of Warm Conveyor Belts in Numerical Weather Prediction and Climate Models. Part II: Verification of Operational Reforecasts. Journal of the Atmospheric Sciences, 78(12), 3965-3982

The decadal time scale (similar to 1-10 years) bridges the gap between seasonal predictions and longer-term climate projections. It is a key planning time scale for users in many sectors as they seek to adapt to our rapidly changing climate. While significant advances in using initialized climate models to make skillful decadal predictions have been made in the last decades, including coordinated international experiments and multimodel forecast exchanges, few user-focused decadal climate services have been developed. Here we highlight the potential of decadal climate services using four case studies from a project led by four institutions that produce real-time decadal climate predictions. Working in co-development with users in agriculture, energy, infrastructure, and insurance sectors, four prototype climate service products were developed. This study describes the challenge of trying to match user needs with the current scientific capability. For example, the use of large ensembles (achieved via a multisystem approach) and skillfully predicted large-scale environmental conditions, are found to improve regional predictions, particularly in midlatitudes. For each climate service, a two-page "product sheet" template was developed that provides users with both a concise probabilistic forecast and information on retrospective performance. We describe the development cycle, where valuable feedback was obtained from a "showcase event" where a wider group of sector users were engaged. We conclude that for society to take full and rapid advantage of useful decadal climate services, easier and more timely access to decadal climate prediction data are required, along with building wider community expertise in their use.

DWD publishes operational seasonal climate predictions since 2016. In the following years work towards a seamless climate predictions website commenced, with the aim to provide consistent climate predictions across all timescales, focused on the needs of national users. Today, the DWD climate predictions website www.dwd.de/climatepredictions contains operational decadal and seasonal predictions. Next, we will add post-processed subseasonal prediction products, derived from the IFS forecasts provided by ECMWF, as a further step towards the seamless climate prediction approach. The user-oriented graphical presentation of the climate predictions is identical over all timescales. It was co-designed with stakeholders from various sectors at user workshops on climate predictions and through surveys and individual user meetings to guarantee its comprehensibility and usability. This co-design always includes the aspect of how the available predictive power is clearly addressed and its limitations are presented in a way that is understandable to users. As a result, the website offers different layers of information on a basic and an expert level. It includes maps, time series and tables of 1- and 5-year means (decadal) and 3-month means (seasonal) ensemble mean and probabilistic predictions of temperature and precipitation on a global scale and for Europe, Germany, and German regions. For the subseasonal scale, we will add corresponding figures for weekly means of temperature and precipitation. The information on DWD’s climate predictions website is retrieved from post-processed model output of the German seasonal and decadal prediction systems based on MPI-ESM. A statistical recalibration is applied to improve the skill of decadal climate predictions. It performs a drift correction as well as a lead time dependent optimization of conditional bias and ensemble spread. To fit the needs of German climate data users of a high spatial resolution in Germany (~20 km) and for climate predictions for German cities (based on ~5 km simulations), the empirical-statistical downscaling EPISODES is applied. All predictions are displayed in combination with their skill. We work on several extensions of the website: multi-year seasonal predictions (e.g. 5-year summer means), the prediction of extreme indices (e.g. drought indices) and El Nino Southern Oscillation predictions. In addition, a seamless time series combining observations, climate predictions and climate projections is in preparation.

Within the project ICON-Seamless a new Earth System Model is developed for weather forecasts, seasonal and decadal climate predictions, as well as climate projections. In doing so, we use the expertise from the numerical weather prediction (NWP), which operates and maintains ICON-NWP, as well as the experience with the first ICON-Earth System Model version based on the physics of the MPI-M atmosphere model (ECHAM). The goal is to use common components for all time scales. As a first step we develop a model for seasonal and decadal predictions.ICON-Seamless builds on the coupling of the atmosphere (ICON-NWP) and ocean (ICON-O) components via the coupling software YAC. Sea ice as a further important component is thereby included. Furthermore, to have a closed hydrological cycle and to represent the carbon and other biogeochemical cycles comprehensively, a suitable soil model based on the ICON-Land framework as well as the TERRA and JSBACH/QUINCY land models, are or will be coupled to ICON-NWP. In addition, transient external fields for aerosol, greenhouse gases, ozone and solar irradiance are implemented in ICON-NWP to be able to simulate historical time periods and scenarios of the future. In parallel, the ART modules (Aerosol and Reactive Trace gases), which allow a dynamic treatment of gases and aerosol, are adapted to the modified model physics. Intensive model evaluation supports the tuning. For future use in the field of (weather and) climate predictions, coupled data assimilation is being developed as well.We give an overview of the current state of the development, experiments and potential areas of application.

ICON-seamless entwickelt ein neues Erdsystemmodell, als Grundlage für Wettervorhersage, saisonale und dekadische Klimavorhersagen, bis hin zu Klimaprojektionen. Dabei nutzen wir die Expertise, die ICON-NWV als zuverlässiges Modell für numerische Wettervorhersage (NWV) betreibt und pflegt sowie die Erfahrungen mit der ersten ICON-Erdsystemversion basierend auf der Physik der MPI-Atmosphäre ECHAM. Das Ziel ist, gemeinsame Komponenten für alle meteorologischen Zeitskalen nutzen zu können. Der erste Schritt entwickelt ein Modell für saisonale und dekadische Zeitskalen. ICON-seamless baut auf der Kopplung der Komponenten ICON-NWV (Atmosphäre) und ICON-O (Ozean) auf. Mit Hilfe des speziell entwickelten Kopplungs-Tools YAC können beide Komponenten Variablen austauschen, die für die Wechselwirkung zwischen Atmosphäre und Ozean wichtig sind. Auch die Parametrisierung von Meereis stellt einen wichtigen Baustein dar. Zur Wiedergabe eines geschlossenen hydrologischen Kreislaufs und um den Kohlenstoffkreislauf sauber darzustellen, wird ferner ein geeignetes Bodenmodell, ICON-L, an die Atmosphärenphysik von ICON-NWV gekoppelt. Zudem werden transiente Aerosolfelder, Treibhausgase, und Strahlungsantriebe neu in ICON-NWV eingelesen, um historische Zeiträume nachzuvollziehen. Parallel hierzu werden die ART Module (Aerosol and Reactive Trace gases), die eine dynamische Behandlung von Gasen und Aerosolen gestatten, an die modifizierte Modellphysik angepasst. Eine intensive Modelldiagnostik unterstützt das Tuning. Für die zukünftige Verwendung im Bereich der (Wetter- und) Klimavorhersagen wird parallel die gekoppelte Datenassimilation entwickelt. Wir geben einen Überblick über den aktuellen Stand der Entwicklung, der Experimente und potentieller Anwendungsbereiche.

DWD provides operational seasonal and decadal predictions of the German climate prediction system since 2016 and 2020, respectively. We plan to present these predictions together with post-processed ECMWF sub-seasonal forecast products on the DWD climate prediction website www.dwd.de/climatepredictions. In March 2020, this climate service was published with decadal predictions for the coming years; sub-seasonal and seasonal predictions for the coming weeks and months will follow. The user-oriented evaluation and design of this climate service has been developed in close cooperation with users from various sectors at workshops of the German MiKlip project and will be consistent across all time scales. The website offers maps, time series and tables of ensemble mean and probabilistic predictions in combination with the prediction skill for 1-year and 5-year means/ sums of temperature and precipitation for different regions (World, Europe, Germany, German regions). For Germany, the statistical downscaling EPISODES was applied to reach high spatial resolution required by several climate data users. Decadal predictions were statistically recalibrated in order to adjust bias, drift and standard deviation and optimize ensemble spread. We used the MSESS and RPSS to evaluate the skill of climate predictions in comparison to reference predictions, e.g. ‘observed climatology’ or ‘uninitialized climate projections’ (which are both applied by users until now as an alternative to climate predictions). The significance was tested via bootstraps. Within the ‘basic climate predictions’ section, a user-oriented traffic light indicates whether regional-mean climate predictions are significantly better (green), not significantly different (yellow) or significantly worse (red) than reference predictions. Within the ‘expert climate predictions’ section, prediction maps show per grid box the prediction itself (via the color of dots) and its skill (via the size of dots representing the skill categories of the traffic light). The co-development of this climate prediction application with users from different sectors strongly improves the comprehensibility and applicability by users in their daily work. In addition to sub-seasonal and seasonal predictions, plans for future extensions of this climate service include multi-year seasonal predictions, e.g. 5-year summer or winter means, combined products for climate predictions and climate projections, further user-oriented, extreme or large-scale variables, e.g. ENSO, or high-resolution applications for German cities based on statistically downscaled predictions.

Eine zentrale Aufgabe von Klimaforschung und Klimakommunikation ist die Beschreibung möglicher Entwicklungspfade des künftigen Klimas sowie der antreibenden Kräfte. Diese Entwicklungspfade werden Klimaszenarien genannt. Klimaszenarien wiederum basieren auf Szenarien möglicher Entwicklung von Gesellschaft, Technologie und Ressourcennutzung, um daraus die resultierenden Emissionen von Treibhausgasen abzuschätzen.In der Nutzerkommunikation werden die Klimaszenarien des Intergovernmental Panel on Climate Change (IPCC) in der Regel mit prägnanten Namen beschrieben. Im deutschsprachigen Raum wurden in den letzten Jahren jedoch verschiedene Namen für dieselben Klimaszenarien genutzt. Dies führte oft zu Irritationen und Verwechslungen.Um dem entgegenzuwirken hat nun eine Arbeitsgruppe der drei deutschsprachigen Wetterdienste, Bundes- und Landeseinrichtungen und aus der Klimaforschung erstmals eine Empfehlung für eine einheitliche Benennung, Beschreibung und farbliche Kennzeichnung einer Auswahl von Klimaszenarien des IPCC vorgelegt. Dieses betrifft die Szenarien der CMIP61-Generation die aus zwei sich gegenseitig ergänzenden Komponenten bestehen: den Shared Socioeconomic Pathways (SSPs) und den Representative Concentration Pathways (RCPs). Im speziellen hier die Szenarien SSP1-1.9, SSP1-2.6, SSP2-4.5, SSP3-7.0 und SSP5-8.5. Dieses sind die Szenarien die zum einen von den Modellgruppen für Modellsimulationen genutzt wurden und oder in der politischen Diskussion regelmäßig besprochen werden.Dieser Beitrag stellt die Empfehlungen der Arbeitsgruppe für eine einheitliche Sprach- und Kommunikationsregelung der fünf derzeit am häufigsten genutzten Klimaszenarien im deutschsprachigen Raum vor.1 CMIP6: Coupled Model Intercomparison Project Phase 6

Eine zentrale Aufgabe von Klimaforschung und Klimakommunikation ist die Beschreibung möglicher Entwicklungspfade des künftigen Klimas sowie der antreibenden Kräfte. Diese Entwicklungspfade werden Klimaszenarien genannt. Klimaszenarien wiederum basieren auf Szenarien möglicher Entwicklung von Gesellschaft, Technologie und Ressourcennutzung, um daraus die resultierenden Emissionen von Treibhausgasen abzuschätzen. In der Nutzerkommunikation werden die Klimaszenarien des Intergovernmental Panel on Climate Change (IPCC) in der Regel mit prägnanten Namen beschrieben. Im deutschsprachigen Raum wurden in den letzten Jahren jedoch verschiedene Namen für dieselben Klimaszenarien genutzt. Dies führte oft zu Irritationen und Verwechslungen. Um dem entgegenzuwirken hat nun eine Arbeitsgruppe der drei deutschsprachigen Wetterdienste, Bundes- und Landeseinrichtungen und aus der Klimaforschung erstmals eine Empfehlung für eine einheitliche Benennung, Beschreibung und farbliche Kennzeichnung einer Auswahl von Klimaszenarien des IPCC vorgelegt. Dieses betrifft die Szenarien der CMIP61-Generation die aus zwei sich gegenseitig ergänzenden Komponenten bestehen: den Shared Socioeconomic Pathways (SSPs) und den Representative Concentration Pathways (RCPs). Im speziellen hier die Szenarien SSP1-1.9, SSP1-2.6, SSP2-4.5, SSP3-7.0 und SSP5-8.5. Dieses sind die Szenarien die zum einen von den Modellgruppen für Modellsimulationen genutzt wurden und oder in der politischen Diskussion regelmäßig besprochen werden. Dieser Beitrag stellt die Empfehlungen der Arbeitsgruppe für eine einheitliche Sprach- und Kommunikationsregelung der fünf derzeit am häufigsten genutzten Klimaszenarien im deutschsprachigen Raum vor. 1 CMIP6: Coupled Model Intercomparison Project Phase 6

Eine zentrale Aufgabe und Herausforderung heutiger Klimaservices ist die Bereitstellung wissenschaftlich verlässlicher, robuster und gleichzeitig anwendbarer und anwendungsfreundlicher Simulationen des zukünftigen Klimas. Meist bauen solche Klimaprojektionen auf globalen und/oder regionalen Klimamodelldaten auf und werden auf nationaler Skala von den jeweiligen (hydro)meteorologischen Einrichtungen und Konsortien bereitgestellt. Sie dienen als wissenschaftliche Grundlage für Klimaanpassungsmaßnahmen und Mitigations-Strategien. Während in den letzten Jahren eine Reihe an nationalen Ensembles von Klimasimulationen erstellt wurde, entwickelt sich die zugrundeliegende Wissenschaft stetig weiter, und die derzeit verfügbaren nationalen Klimaprojektionen unterliegen unterschiedlichen Annahmen und Einschränkungen. Eine dieser Einschränkungen ist die Inkonsistenz über nationale Grenzen hinweg aufgrund von Unterschieden in den verwendeten Modellensembles, Postprocessing-Methoden, Beobachtungsdatensätzen, Klimaindikatoren und Kommunikations- und Darstellungsansätzen. Angesichts dieser Problematik haben die drei nationalen Wetterdienste des D-A-CH-Raumes, DWD (D), ZAMG (A) und MeteoSchweiz (CH) das sog. „D-A-CH-Szenarienprojekt“ ins Leben gerufen. Im Rahmen dieses Projekts sollen jene Arbeitsschritte des Entstehungsprozesses neuer nationaler Klimasimulationen, die vornehmlich Ursachen für Inkonsistenzen in Grenzregionen darstellen, gemeinsam und unter weitgehender Vereinheitlichung bearbeitet werden. Das Ziel der Kooperation ist es die nächste Generation nationaler Szenarien durch Vereinheitlichungen im methodologischen Bereich und durch Wissensaustausch weitestgehend konsistent zu gestalten. Wegen unterschiedlicher nationaler Anforderungen, Zeitpläne und klimatologischer Gegebenheiten ist aber keine vollkommene Vereinheitlichung geplant. Neben einer Verbesserung der Qualität und Konsistenz der nationalen Klimasimulationen in Deutschland, Österreich und der Schweiz, können durch die Zusammenarbeit Synergien genutzt und Ressourcen gespart werden. Das „D-A-CH-Szenarienprojekt“ befindet sich nach seinem Start im Mai 2021 in einer frühen Phase. Derzeit stehen grundlegende Themen wie die zur Verfügung stehenden Beobachtungsdatensätze, die regionalen Klimasimulationen und deren Verbesserung im Vordergrund. Weiter sind gemeinsame Aktivitäten in den Bereichen Modellevaluierung, Ensemble-Auswahl und statistische Regionalisierungs- und Fehlerkorrekturverfahren geplant. Mit weiterem Fortschritt der Kooperation sollen zunehmend konkrete Nutzer eingebunden und deren Bedarf an Szenarienprodukten berücksichtigt werden. Die Präsentation im Rahmen der Tagung soll die gemeinsam entwickelte Strategie und die damit verbundenen Chancen und Herausforderungen vorstellen und eine Erstinformation für potentielle Anwender der Klimaservices und aus der Impakt-Community bieten.

Neben der wissenschaftlichen Erforschung von Klimavariabilität und Klimawandel und deren Folgen werden auch die Kommunikation der Ergebnisse sowie die Anpassung an die neuen Bedingungen immer wichtiger. Der Bereich der Climate Services, der Klimadienste, gewinnt somit zunehmend an Bedeutung. Der Deutsche Wetterdienst (DWD) hat sich als Ziel gesetzt, mit seiner Klimavorhersagenwebseite auch auf diese Bedürfnisse einzugehen und neue Antworten zu finden. Dabei geht es insbesondere um die nutzergerechte Kommunikation von Klimavorhersagen und deren Unsicherheiten für die nächsten Wochen bis Jahre. Die Klimavorhersagen schließen dabei die Lücke zwischen den Wettervorhersagen (der nächsten Tage bis zwei Wochen) und den Klimaprojektionen (für die nächsten drei bis zehn Dekaden) und beinhalten seit März 2020 dekadische, sowie seit Oktober 2021 auch saisonale Klimavorhersagen. Bei der Präsentation dieser Informationen verfolgt der DWD das Ziel, dass sie von verschiedenen sektoralen Nutzergruppen bestmöglich zu verwerten sind. Dafür werden zwei Kategorien angeboten: die leichter verständlichen „Basis-Klimavorhersagen“ und die detailreicheren „Profi-Klimavorhersagen“. Karten, Zeitreihen und Tabellen zeigen die Ensemblemittel- und Wahrscheinlichkeitsvorhersagen von Temperatur und Niederschlag für die Welt, Europa, Deutschland und deutsche Teilregionen. Ein wichtiger Bestandteil der Klimavorhersagenwebseite ist zudem die Kommunikation der Vorhersagegüte und der Bandbreite der Vorhersagen. Es werden verschiedene Maße verwendet, um die Güte der Klimavorhersagen im Vergleich zu Referenzvorhersagen wie dem klimatologischen Mittel zu bewerten. Im engen Austausch mit den Nutzenden wurde ein intuitives Design entwickelt, um diese Informationen verständlicher zu vermitteln. Dieses wird regelmäßig evaluiert und weiter verbessert. Auch die zukünftigen Erweiterungen werden mit Nutzerinnen und Nutzern aus verschiedenen Bereichen diskutiert, insbesondere im Rahmen des jährlich stattfindenden Nutzerworkshops. Geplant sind saisonale Klimavorhersagen für die deutschen Landeshauptstädte, sowie Witterungsvorhersagen der nächsten Wochen, mehrjährige saisonale Vorhersagen, z.B. 5-Jahres-Sommer- oder Wintermittel und weitere nutzerorientierte Variablen und Indizes, z.B. für Dürre- und El Nino-Vorhersagen. Der Gedanke der „Seamless Prediction“ über verschiedene Zeitskalen und geographische Gebiete soll über eine gemeinsame Zeitreihe für Beobachtungen, Klimavorhersagen und Klimaprojektionen deutlich gemacht werden. Aktuell werden neue interaktive Anwendungen erarbeitet, die das Angebot der Klimavorhersagenwebseite erweitern und zugänglicher machen sollen. Unterstützung bekommt der DWD hierbei durch das FPCUP (Framework Partnership Agreement for Copernicus User Uptake) Projekt Seamless Web.