Wettervorhersagen sind in reichen Ländern deutlich präziser als in armen – und das liegt nicht hauptsächlich an schlechterer Infrastruktur. Zu diesem Schluss kommen Forscher der Goethe-Universität und der Columbia University. Die Wissenschaftler haben globale Prognosen des Europäischen Zentrums für mittelfristige Wettervorhersage aus den Jahren 1985 bis 2020 mit dem tatsächlich beobachteten Wetter verglichen. Der Schwerpunkt lag dabei auf kurzfristigen Temperaturvorhersagen, aber auch Prognosen von Niederschlag und Luftdruck wurden überprüft. Wie sich zeigte, waren die Temperaturprognosen umso präziser, je höher das Einkommen in einem Land war. Im Mittel war eine Sieben-Tages-Vorhersage in einem reichen Land exakter als eine Ein-Tages-Prognose in einem armen Land. Nach Ansicht der Frankfurter Wissenschaftler sind zwei Drittel der globalen Unterschiede in der Prognosegenauigkeit geographisch bestimmt. Viele Länder mit geringem Durchschnittseinkommen liegen in den Tropen, und dort sind Wettervorhersagen generell schwieriger. Zudem gibt es in armen Ländern weniger Bodenwetterstationen und Radiosonden in Wetterballons, die Informationen für genaue Vorhersagen liefern, und die vorhandenen Messsysteme übermitteln ihre Daten zum Teil seltener. Überdies fehlen Personal und Rechenkapazitäten, um Vorhersagen globaler Modelle für die eigene Region zu verfeinern. „Dass Wetter in manchen Regionen schwieriger vorherzusagen ist als in anderen, lässt sich nicht einfach verändern“, sagt Manuel Linsenmeier, Professor für Umweltökonomie an der Goethe-Uni. „Aber bei Beobachtungsnetzen, Wettermodellen und den Kapazitäten nationaler Wetterdienste gibt es Ansatzpunkte, um Vorhersagen zu verbessern.“ Hierfür sei mehr internationale Zusammenarbeit nötig. „Wetterbeobachtungen und Wettervorhersagen sind letztlich globale Infrastruktur“, sagt Linsenmeier. Bessere Beobachtungen in bisher schlecht abgedeckten Regionen kämen nicht nur den Menschen an Ort und Stelle zugute. „Weil Wettermodelle Beobachtungen aus der ganzen Welt verwenden, können bessere Daten auch Prognosen über Ländergrenzen hinweg verbessern.“