Aufbereitung von Klimaprojektionsdaten für das Ressortforschungsprogramm KLIWAS

Transkript

1 Aufbereitung von Klimaprojektionsdaten für das Ressortforschungsprogramm KLIWAS Sabrina Plagemann, Florian Imbery, Joachim Namyslo KLIWAS: Projekt 1.02 Deutscher Wetterdienst Offenbach DACH2010, Bonn,

2 Übersicht 1. Motivation Ressortforschungsprogramm KLIWAS 2. Methoden Datengrundlage, Untersuchungsgebiet, Datenanalyse 3. Erste Ergebnisse 3.1 Gittertransformation 3.2 Regionalisierung 3.3 Bias-Korrektur 3.4 Aussagen aus KP-Ensembles 4. Zusammenfassung & Ausblick

3 Das Forschungsprogramm KLIWAS Auswirkungen des Klimawandels auf Wasserstraßen und Schifffahrt Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS) Projektpartner: Bundesamt für Seeschifffahrt und Hydrographie (BSH) Bundesanstalt für Gewässerkunde (BfG) Bundesanstalt für Wasserbau (BAW) Deutscher Wetterdienst (DWD) 1. Motivation

4 Modellkette DWD 1. Motivation

5 Übersicht 1. Motivation Ressortforschungsprogramm KLIWAS 2. Methoden Datengrundlage, Untersuchungsgebiet, Datenanalyse 3. Erste Ergebnisse 3.1 Gittertransformation 3.2 Regionalisierung 3.3 Bias-Korrektur 3.4 Aussagen aus KP-Ensembles 4. Zusammenfassung & Ausblick

6 Derzeitige Datengrundlage Räumliche Auflösung: 10 bis 25 km Zeitliche Auflösung: Tag Szenario Globalmodelle Regionalmodelle HadRM3Q3 RCA 3.0 HadRM3Q16 RCA 3.0 HadCM3Q16 REMO 2005 (UBA) CLM WettReg 2005 WettReg 2010 STAR HadRM3Q0 CLM PROMES 2005 HIRHAM 2 RRCM HadCM3Q3 HadCM3Q0 A1B ECHAM5_r1 ECHAM5_r2 REMO 2009 (BfG) CLM CRCM CGCM3 BCM IPSL ECHAM5_r3 CNRM CM3 REMO 5.7 HIRHAM 5 RACMO 2.1 RegCM 3 RCA 3.0 HIRHAM 2 HIRHAM 5 RCA 3.0 CLM ALADIN RM4.5 ALADIN RM5.1 HIRHAM 5 CERA ENSEMBLES

7 Untersuchungsgebiet Modellgebiet: Deutschland und angrenzende Flusseinzugsgebiete Oder Beispiel: Teileinzugsgebiete Rhein Elbe Rhein Donau 2. Methoden

8 Methodenübersicht Projekt Gittertransformation 2. Downscaling / Regionalisierung TP 1.02 a - Interpolationsverfahren - Koordinatentransformation 3. BIAS-Korrektur - Niederschlag mit REGNIE - Temperatur mit DOWTEMP - Globalstrahlung mit DOWGLOB - usw. 4. Aussagen aus KP-Ensembles TP 1.02 b - lineare BIAS-Korrektur - Quantile-Mapping - Eintrittswahrscheinlichkeiten - statistische Auswertung hydrologischer Kenngrößen - Konsistenzprüfung verschiedener Variabeln 2. Methoden

9 Übersicht 1. Motivation Ressortforschungsprogramm KLIWAS 2. Methoden Datengrundlage, Untersuchungsgebiet, Datenanalyse 3. Erste Ergebnisse 3.1 Gittertransformation 3.2 Regionalisierung 3.3 Bias-Korrektur 3.4 Aussagen aus KP-Ensembles 4. Zusammenfassung & Ausblick

10 Gittertransformation Herausforderung: 1. Eingangsdatensätze auf verschiedenen Gittern (z.b. rotierte /nichtrotierte Gitter, Lambert-konform-konisches Gitter) 2. Eingangsdatensätze auf der Erdkugel KLIWAS-Arbeitsgrundlage GRS80 Ellipsoid und Lambert-konform-konische Projektion Lösung: 1. Interpolationen (bilineare Interpolation, bikubische Interpolation, nearest-neighbor Interpolation, inverse Distanzgewichtung, konservative Interpolation) 2. Koordinatentransformation 3.1 Gittertransformation

11 Regionalisierung Beispiel: Niederschlag REGNIE auf Klimaprojektionsdatensatz Verfahren der Multiplen Linearen Regression Prädiktand: Mittlere Niederschlagshöhe pro Monat ( ) Prädiktor: - geografische Länge - geografische Breite - Höhe über NN - Hangneigung - Exposition Distanzgewichtete Interpolation der Residuen Erstellung Hintergrundfeld Abbilden der täglichen Niederschlagswerte auf nächstgelegene Nachbarpunkte Interpolation des dimensionslosen Quotienten (täglicher Modellwert / Hintergrundfeld) auf nicht besetzte Rastermittelpunkte & Multiplikation zum Hintergrundfeld Derzeit werden als Hintergrundfeld noch die Beobachtungsdatensätze herangezogen (interne BIAS- Korrektur). Sie werden in Zukunft durch die modelleigenen Werte berechnet. 3.2 Regionalisierung

12 Regionalisierung Niederschlag Beispiel: KNMI-RACMO2-ECHAM5_r3 ( ) 25 km x 25 km 5 km x 5 km 3.2 Regionalisierung

13 Gegenwärtig: Lineare BIAS-Korrektur Referenzdatensatz: HYRAS (DWD) tägliche Auflösung 5 x 5 km² räumliche Auflösung Zeitraum von bzw derzeit Niederschlag, Temperatur, relative Feuchte, Globalstrahlung Lineare BIAS-Korrektur: Niederschlag P* f i f R j C P i j 1 R : Referenzdaten (monatliche Summen) C : Kontrollzeitraum i : Gitterzelle j : Monat P : Niederschlag (Tagessumme) Temperatur T * a bias T bias, a R i j C i j R : Referenzdaten (monatliche Summen) C : Kontrollzeitraum i : Gitterzelle j : Monat T a : Temperatur (Tagesmittel) 3.3 BIAS-Korrektur

14 Beispiel: Lineare BIAS-Korrektur Beispiel für den Niederschlag: RACMO2_ECHAM5 (CTL: und Prj: ) 3.3 BIAS-Korrektur

15 Eintrittswahrscheinlichkeiten A1B-Szenario 19 Kombinationen aus 8 GCMs und unterschiedlichen RCMs Kontrollzeitraum: Projektionszeitraum: und keine BIAS-Korrektur Dateninput: 1. EU FP6 Integrated Project ENSEMBLES (Contract number ) 2. CERA (cera Aussagen aus KP-Ensembles

16 Eintrittswahrscheinlichkeiten Lufttemperatur in 2 m Kontrollzeitraum: % der betrachteten Modelle: 1 C < T a < 2 C bis 3,5 C % der betrachteten Modelle: 1,5 C < T a < 3,5 C bis 5 C 3.4 Aussagen aus KP-Ensembles

17 Übersicht 1. Motivation Ressortforschungsprogramm KLIWAS 2. Methoden Datengrundlage, Untersuchungsgebiet, Datenanalyse 3. Erste Ergebnisse 3.1 Gittertransformation 3.2 Regionalisierung 3.3 Bias-Korrektur 3.4 Aussagen aus KP-Ensembles 4. Zusammenfassung & Ausblick

18 Zusammenfassung KLIWAS-Projekt 1.02: Ensemblebildung und Regionalisierung von Niederschlags-, Lufttemperatur- und Globalstrahlungsdaten Lineare BIAS-Korrektur der hoch aufgelösten KP-Daten statistisch-klimatologische Aussagen der KP-Daten Bereitstellung der hoch aufgelösten KP-Daten im transformierten Gitter für andere KLIWAS-Projekte 4. Zusammenfassung / Ausblick

19 Ausblick KLIWAS-Projekt 1.02: Überarbeitung und Verbesserung der Downscaling- Verfahren Quantile Mapping Regionalisierung von relativer Feuchte und Wind Integration von neuen Klimaprojektionen und Szenarien (E1, RCP) Probabilistische Aussagen zu Änderungssignalen Zusammenfassung / Ausblick

20 Vielen Dank für Ihre Aufmerksamkeit! Ressortforschungsprogramm Deutscher Wetterdienst (DWD) Bundesamt für Seeschifffahrt und Hydrographie (BSH) Bundesanstalt für Gewässerkunde (BfG) Bundesanstalt für Wasserbau (BAW) Sabrina Plagemann, Florian Imbery, Joachim Namyslo Deutscher Wetterdienst Offenbach Tel.: ++49(0) ,(-2905,-2967)