Das SaWaM-Projekt hat die regionale Klima- und Ökosystemmodellierung durch die Kombination von hochauflösender Vegetationsdynamik mit detaillierter hydrometeorologischer Analyse vorangetrieben. In der Ökosystemkomponente wurde das dynamische Vegetationsmodell LPJ-GUESS von seinem üblichen 0,5° (≈50 km) globalen Gitter auf eine 0,1° (≈10 km) Auflösung umkonfiguriert, die für das Karun-Becken im Iran und das São Francisco-Becken in Brasilien geeignet ist. Regionale Landnutzungs-, Ernte-, Bewässerungs- und Klimadaten wurden vorverarbeitet und aus verschiedenen Quellen zusammengeführt, wobei der endgültige Eingabesatz aus der Schnittmenge der zuverlässigsten Datensätze abgeleitet wurde. Das Modell wurde mit historischen Klimaaufzeichnungen und den in Arbeitspaket 1 (WP1) erstellten saisonalen Wettervorhersagen erzwungen. Im Zeitraum 1981-2018 zeigten die Simulationen einen deutlichen Rückgang der Nettoprimärproduktion (NPP) und der photosynthetisch aktiven Strahlung (fPAR) in beiden Einzugsgebieten, insbesondere während der Dürrejahre 2012 in Brasilien und 2008-2012 im Iran. Diese Rückgänge spiegelten sich in den beobachteten, von Satelliten abgeleiteten NDVI-Werten wider, die den Niederschlagsmustern genauer folgten als die vom Modell abgeleiteten Variablen, was darauf hindeutet, dass die Mechanismen der Trockenheitsresistenz in LPJ-GUESS möglicherweise verfeinert werden müssen. Wasserhaushaltsvariablen wie Bodenfeuchte, Abfluss und vom Ökosystem genutztes Wasser zeigten ebenfalls einen langfristigen Trend zu trockeneren Bedingungen, was die Empfindlichkeit des Modells gegenüber Niederschlagsänderungen bestätigt. Der kombinierte Dürreindex (CDI) und die Ergebnisse der Wasserbilanz wurden den lokalen Interessengruppen zur Verfügung gestellt, um adaptive Managemententscheidungen zu unterstützen.
Der hydrometeorologische Teil von SaWaM konzentrierte sich auf die Regionalisierung der globalen saisonalen Vorhersagen des ECMWF. Ursprünglich war für WP1.4 ein dynamischer Downscaling-Ansatz unter Verwendung des Weather Research and Forecasting (WRF) Modells geplant, aber die Veröffentlichung einer höher aufgelösten (36 km) saisonalen Vorhersage des ECMWF mit einem erweiterten Ensemble (25 bis 51 Mitglieder ab 2017) überstieg die verfügbaren Rechenressourcen. Daher wurde das Projekt auf statistisches Downscaling umgestellt, so dass der gesamte rückwirkende Zeitraum von 1981 bis heute für alle Ensemblemitglieder regionalisiert werden konnte. Dieser statistische Rahmen umfasste auch Techniken zur Korrektur von Verzerrungen, die die Genauigkeit der saisonalen Vorhersagen für wichtige hydrometeorologische Variablen verbesserten. Die verfeinerten Produkte wurden in das SaWaM Decision-Support System (DSS) integriert, das den Nutzern Dürreindizes, Prognosen zur Wasserverfügbarkeit und Schätzungen zum Sedimenttransport liefert. Validierungsübungen und Methodenvergleiche wurden in WP1.10 dokumentiert, und die resultierenden Datensätze wurden über einen speziellen Datenserver und die Projektwebsite veröffentlicht.
Die Zusammenarbeit innerhalb des SaWaM-Konsortiums war umfassend. Das Projekt wurde vom Institut für Meteorologie und Klimaforschung (IMK) am Karlsruher Institut für Technologie (KIT) koordiniert, wobei Prof. Dr. Harald Kunstmann und Dr. Christof Lorenz das Gesamtprojekt bzw. WP1 leiteten. Die Modellierung der Ökosysteme wurde von der Gruppe von Prof. Dr. Almut Arneth geleitet, mit Beiträgen des Deutschen GeoForschungsZentrums (GFZ) und der Abteilung Regionales Klima und Hydrologie des KIT (KIT-RKH). Partner aus dem Iran, Brasilien, Sudan und Ecuador stellten regionale Daten, Feldbeobachtungen und die Einbeziehung von Interessengruppen zur Verfügung. Fünf Auftakt-Workshops (Garmisch-Partenkirchen, Brasília, Ahvaz, Khartoum, Loja) und ein Halbzeit-Workshop in Garmisch-Partenkirchen zogen über 200 Teilnehmer an und förderten den Wissensaustausch und die Ausbildung in dynamischem und statistischem Downscaling. Das Projekt wurde vom Bundesministerium für Bildung und Forschung (BMBF) im Rahmen des GRoW-Programms gefördert und seine Ergebnisse wurden auf wichtigen internationalen Foren vorgestellt, darunter das 8. Weltwasserforum und die COP24. Weltwasserforum und der COP24 vorgestellt. Durch diese gemeinsamen Bemühungen hat SaWaM eine Reihe von hochauflösenden, verzerrungskorrigierten saisonalen Vorhersagen und Ökosystemindikatoren erstellt, die die Planung von Wasserressourcen in semiariden Regionen verbessern.