Regionalen Klimamodellierung. Daniela Jacob Max-Planck-Institut für Meteorologie, Hamburg

Transkript

1 Regionalen Klimamodellierung Daniela Jacob Max-Planck-Institut für Meteorologie, Hamburg

2 Gliederung Motivation Beobachtungen Klimamodellierung Klimaänderungsszenarien Regionale Änderungen (EU, D) Auswirkungen

3 Übersicht beobachteter Klimatrends in Deutschland Klimaelement Frühling Sommer Herbst Winter Jahr Temperatur, ,8 C + 1,0 C + 1,1 C + 0,8 C + 1,0 C ,3 C + 0,7 C - 0,1 C + 2,3 C + 1,1 C Niederschlag, % - 3 % + 9 % + 19 % + 9 % % + 4 % + 14 % + 34 % + 16 % Quellen: Rapp, 2000; Schönwiese, 2003; ergänzt

4 Dresden, August 2002 Jahrhunderthochwasser in Rhein und Mosel, Dez Jahrhunderthochwasser in Rhein und Mosel, Jan Jahrhunderthochwasser in der Oder, Juli 1997 Hochwasser in der Donau und Lake Constance, Mai 1999 Ausgedehnte und lang anhaltende Überschwemmungen in Westeuropa, bes. in Südengland und Wales, Herbst 2000 Hochwasser in der Vistula, Juli 2001 Hochwasser in der Donau, August 2002 Jahrhunderthochwasser in der Elbe, August 2002 Extreme Niederschläge und Überschwemmungen in Südfrankreich, Sept Schwere Überschwemmungen entlang einiger deutscher Flüsse, Jan source: Spiegel Nr ; Quarterly report of the DWD, special topic July 2003

5

6

7 Vergleich mit Beobachtungen Mittlere Zustände ( z.b. Jahresmittel) Jahreszeitliche Variation Monatliche Variation (Jahresgang) Extreme Ereignisse

8 Jahresniederschlagsmenge Beobachtung ( ) REMO 1/2 ( ) REMO 1/6 ( ) REMO ( )

9

10 IPCC Senarien

11 Downscaling = Erschließen von regionalen Skalen, die unter der Modellauflösung eines GCM liegen -> konsistente Verbindung von GCM-Ergebnissen mit regionaler Information physikalisches / dynamisches Downscaling: Einbetten eines regionalen Klimamodells in ein Globalmodell (Nesten). statistisch-dynamisches Downscaling: a) Definition charakteristischer Wetterlagen, deren charakteristisches Wetter mit einem Regionalmodell berechnet wird (von Storch et al., 1999) b) Verwendung genereller Aussagen zu großskaligen Klimavariationen (z.b. abgeleitet aus GCM) zur Simulation kleinskaligen Klimaverhaltens auf der Basis von Beobachtungsdaten unter Verwendung statistischer Verfahren (KLIWA, 2002) statistisches / empirisches Downscaling: Erstellung eines statistischen Zusammenhangs zwischen Klimavariablen auf der großräumigen Skala (z.b. abgeleitet aus GCM oder Reanalysen) und lokalen/regionalen Variablen (z.b. abgeleitet aus Beobachtungsreihen). nach: von Storch, Güss, Heimann (1999) KLIWA Abschlussbericht PIK, Gestengarbe et al. (2002)

12 : A2 (P-E=Runoff) changes Change in P-E 20.0% 15.0% 10.0% 5.0% 0.0% -5.0% -10.0% -15.0% -20.0% -25.0% MPI DMI GKSS KNMI CNRM ETH HC SMHI UCM ITCP Mean HadAM3H -30.0% Baltic Sea cat. Danube Elbe Rhine

13 Deutschland 10 km x 10 km

14 Temperatur: : Deutschland Jahresmitteltemperatur Deutschland (gleitendes 10 Jahresmittel) 15 C20 A1B B1 A C Temperatur [ C] C Jahr

15 Niederschlag: : Deutschland Jahresniederschlag Deutschland (gleitendes 10 Jahresmittel) 1200 C20 A1B A2 B Niederschlag [mm/jahr] Jahr

16 Schneeanteil am Niederschlag: Alpen Schneeanteil am Jahresniederschlag Alpen (gleitendes 10 Jahresmittel) C20 A1B A2 B Schneeanteil am Jahresniederschlag [%] Jahr

17 1961/90 mittlere Schneehöhe A1B [m w.e.] 2021/ /00

18 2021/ /90 Änderung Niederschlag A1B [%] 2071/ /90

19 Niederschlagsänderung Sachsen zu für B1, A1B, A2: ca. 4% bis 10% 2m Temp.: 2 3

20 -3% bis - 12%, bei 2 bis 3 4% bis 10%, bei 2.7 bis 4

21 Auswirkungen (Beispiele auf 20 km x 20 km für ein B2 Szenario )

22 Rheineinzugsgebiet (REMO 0.16º SRES B2) Anzahl Frosttage Tage (min<0) < 0 ºC) Jahre Anzahl Sommertage (max >25 ºC) Sommer Tage (max>25) Jahre Anzahl Eistage Eis (max Tage (max<0) < 0 ºC) Jahre Anzahl Heisse Tage Heisse Tage (max >30) ºC) Jahre

23 Luleaelven Periodenlänge mit Sommertagen, REMO 20 km, SRES B2, im Vergleich zu Ebro Rhein Frequency of summer day periods (T max > 25 C) change in frequency [periods per 30 years] length of period [days] Numbers: Blue - today, red - future

24 Niedrigwasserperioden im Rhein, B2 Niedrigwasserperioden Low flow periods (Q < 750 (Q m²/s) < 750 m2/s) Pegel Kaub Gauging station Kaub 14 Anzahl of low flow periods Niedrigwasserperioden Number bis 7 8 bis bis 21 > 21 Periodenlänge length (days) (in Tagen)

25 Niederschlagsänderungen (mm/month) ( ) - ( ) % Winter Sommer

26 Zahl der nassen Tage (>20 mm/tag), B ( ) - ( ) Winter Sommer

27 Zusammenfassung Zunahme der Zahl heißer Tage und der Perioden mit Temperaturen über 25 C sommerliche Starkniederschläge werden häufiger und heftiger Niedrigwasserperioden (bis 20 Tage) nehmen zu Leichte Tendenz zu intensiveren Stürmen, nicht wesentlich häufiger

28 Weitere notwendige Arbeiten: Genauere Erfassung der extremen Ereignisse (lokal, dynamisch, in sich änderndem Grundzustand) Mehr Simulationen Wahrscheinlichkeitsanalysen Wie entwickeln sich die extremen Ereignisse in den nächsten Monaten bis 10 Jahren? Gibt es besonders gefährdete Regionen/Landkreise? Sind dies andere als in der Vergangenheit?

29 Die 10 km-daten werden ab Mai 2006 verfügbar sein: Bitte Datenanfragen an Vielen Dank fürf Ihre Aufmerksamkeit!