Definition
Der Prozess der Anpassung von Parametern, Schwellen oder Transferfunktionen in Dürreindikatoren, -indizes oder -modellen, damit deren Ausgaben über eine definierte Kalibrierungsperiode mit beobachteten Bedingungen oder Referenzereignissen übereinstimmen.

Prinzip

Prinzip
Verwenden von statistischer Anpassung, Bias-Korrektur oder Schwellenabstimmung gegenüber repräsentativen Beobachtungsdaten, um systematische Fehler zu reduzieren und gleichzeitig Annahmen und Anwendungszeitraum zu dokumentieren.

Demonstration

Demonstration
Beispiel: Kalibrierung eines auf Bodenfeuchte basierenden Dürreindex durch Abstimmung der Welkepunkt- und Feldkapazitätsschwellen, sodass Indexkategorien den in 20 Jahren dokumentierten Ernteausfalljahren entsprechen.

Fehlanwendung

Fehlanwendung
Überanpassung der Kalibrierung an eine außergewöhnliche mehrjährige Dürreperiode (Parameter auf dieses Extrem einstellen), wodurch die Leistung unter normalen oder feuchteren Bedingungen verschlechtert wird.

Konsequenz

Konsequenz
Richtige Kalibrierung verbessert Genauigkeit, Vergleichbarkeit und Interpretierbarkeit von Dürremetriken über Standorte und Zeiten und ermöglicht zuverlässigen operativen Einsatz.

Umkehrung

Umkehrung
Ein nicht kalibriertes oder dekabiriertes Modell driftet von der beobachteten Realität ab, erhöht Bias und verringert die Vertrauenswürdigkeit von Warnungen und Karten.

Abgrenzung

Abgrenzung
Gilt für Parametereinstellung und Schwellenfestlegung anhand verfügbarer Beobachtungen; sie kann keine beobachtbare Gültigkeit erzeugen, wo Daten fehlen, und ist durch Beobachtungsqualität, Stationaritätsannahmen und Maßstabsinkompatibilitäten begrenzt.

Semantische Spannung

Semantische Spannung
Spannung zur Validierung: Kalibrierung optimiert die Anpassung an einen Referenzdatensatz, während Validierung die Leistung unabhängig testet; zu starke Konzentration auf Kalibrierung ohne Validierung birgt Überanpassungsrisiko.

Synthese

Synthese
Ein systematischer Tuning-Schritt, der Dürremetriken an empirische Aufzeichnungen anpasst, um Bias zu reduzieren und Nutzbarkeit zu erhöhen, wobei unabhängige Validierung und transparente Grenzangaben erforderlich sind.