Big Bang 7, Schulbuch

98 RG 7.2 G 7.2 Kompetenzbereich Theorienentwicklung Wetterprognose Um eine Wetterprognose zu erstellen, braucht man ein mathematisches Modell, mit dem man die Veränderung von Temperatur, Druck, Luftfeuchtigkeit und Windgeschwindig- keit berechnen kann. Das Verhalten eines chaotischen Systems muss man in kleinsten Schritten berechnen – das Ergebnis eines Schritts ist der Ausgangspunkt für den nächsten. Das nennt man ein numerisches Verfahren. Weil dazu Computer nötig sind, entwickelte sich die Chaosfor- schung auch erst ab den 1960ern ( F4 ). Bei der Simulation muss man einen Kompromiss zwischen Genauigkeit und Rechendauer finden. Man verwendet Git- termodelle (Abb. 37.9), bei denen man pro „Masche“ durch- schnittliche Messwerte annimmt, die von tausenden Wetter- stationen auf der ganzen Welt stammen. Es gibt globale Gittermodelle für die ganze Erde (Maschenweite 10–50 km) und lokale Modelle, etwa das für Europa (Maschenweite 1–15 km). Die Zuverlässigkeit der Wettervorhersage ist durch die Kenntnis des Ausgangszustandes ist begrenzt. Aber auch bei bestmöglicher Information würde eine langfristige Wet- tervorhersage letztlich am chaotischen Charakter des mete- orologischen Geschehens scheitern, wie das eben bei der schwachen Kausalität der Fall ist. Die Stabilität des Wetters kann stark schwanken. So sind bei bestimmten Wetterlagen Vorhersagen für eine Woche durchaus möglich und auch sinnvoll, bei anderen dagegen kaum für 24 Stunden. i Abb. 37.9: Gittermodell zur Wettersimulation: Je enger die Maschen, desto genauer die Prognose, desto länger aber auch die Rechenzeit. Die tat- sächlichen Gitter sind wesentlich enger als hier dargestellt und reichen auch viele Kilometer in die Höhe. Abb. 37.10: Windsys- teme der Erde, simuliert mit einem Super- computer: Du siehst, wie komplex diese Muster sogar auf einer großen Skala sind. Beim zweiten Mal gab er aber vor dem Start die Zahl manu- ell mit nur 3 Stellen ein, und zwar 0,506. Die Abweichung war superwinzig und betrug nur rund 1/10.000. Deshalb dachte L ORENZ , dass es keinen Unterschied machen würde. Trotzdem führte die Simulation in diesem Fall nach einiger Zeit zu einer völlig anderen Entwicklung – quasi schwache Kausalität mit Zeitverzögerung! L ORENZ erfand dafür den Begriff Schmetterlingseffekt. Damit meinte er, dass der Flügelschlag eines Schmetterlings, also eine minimale Änderung der Ausgangsbedingungen, an einer weit entfernten Stelle der Erde einen Orkan auslösen könnte ( F6 ). Du darfst das allerdings nicht wörtlich nehmen, sonst könnte ja auch jede Luftbewegung von dir in einem entfernten Land einen Sturm auslösen. Der Begriff Schmetterlingseffekt ist als Metapher für das schwache Kausalitätsprinzip zu sehen. Die heutigen Wettersimulatio- nen, mit deren Hilfe Prognosen erstellt werden, sind an Komplexität mit der von Lorenz natürlich nicht vergleichbar. Info: Wetterprognose Zusammenfassung Die Entwicklung des Wetters verhält sich chaotisch: Winzige Änderungen der Ausgangslage können nach einigen Tagen ein völlig unterschiedliches Wetter zur Folge haben. Das macht langfristige Wetterprognosen unmöglich. 37.3 Ordnung im Chaos Turbulenzen Eine der großen Herausforderungen der Physik ist nach wie vor das Verständnis von Turbulenzen. Diese verhalten sich chaotisch, und bei der Simulation beißen sich sogar Supercomputer die Zähne aus. Z Rauch, etwa von einem Räucherstäbchen (Abb. 37.11) oder einer grad erloschenen Kerze, steigt zunächst immer geordnet und glatt auf, bildet aber nach einigen Zentime- tern plötzlich Wirbel. Warum ist das so? Was hat das mit Chaos zu tun? Wie strömt das Wasser aus einem Hahn, wenn man diesen nur leicht aufdreht? Wie strömt es, wenn man ihn stark aufdreht? Worin liegt der Unterschied? F7 E1 Abb. 37.11 F8 E1 Nur zu Prüfzwecken – Eigentum des Verlags öbv