Leistungsfähigkeit regionaler Klimamodelle. für den Alpenraum und Implikationen. für die hydrologische Impaktmodellierung.

Transkript

1 Leistungsfähigkeit regionaler Klimamodelle für den Alpenraum und Implikationen für die hydrologische Impaktmodellierung Harald Kunstmann

2 Institut für Meteorologie und Klimaforschung IMK-IFU

3 Warum regionale Klimaprojektionen? Entscheidungsträger fordern Anpassungsmaßnahmen an den Klimawandel Hochwasserschutzmaßnahmen (Anpassung technische Infrastruktur) Zukünftiges Wasserkraftpotential ( Niedrigwassersituationen) Wasserverfügbarkeit für die Landwirtschaft Tourismus (Wintersport ) Anforderung an hydrologische Klima-Impaktuntersuchungen Räumlich hochaufgelöste Veränderung der räumlichen und zeitlichen Verteilung zukünftiger Niederschlag und Temperatur Wie gut sind regionale Klimaprojektionen für diese Zwecke geeignet?

4 Prognosen sind schwierig, besonders wenn sie die Zukunft betreffen. (zugeschrieben Karl Valentin, Mark Twain, Winston Churchill u.a.) Aussagen über die Zukunft...

5 Regionale Klimaszenarien Population Growth Economic Development Technological Progress Emission Scenarios Greenhouse Gas Concentrations Global Climate Models Global Climate Scenarios Downscaling Methods Regional Climate Scenarios

6 GCMs mit unterschiedlichen Gitterweiten Quelle: IPCC-AR4-WG1 (2007)

7 Dynamische Regionalisierung Nestung eines regionalen Modells in ein globales Modell Mathematisch: Übernahme von Randwerten an den Begrenzungsflächen des regionalen Modells aus den Ergebnissen des globalen Modells

8 Dynamische Regionalisierung Orographie in 20x20 km 2 Auflösung (u, v, w, T, q, p) Orographie in 4x4 km 2 Auflösung

9 Regionale Modellierung des Klimasystems Was bringt eine höhere Modellauflösung? Genauere Darstellung der Erdoberfläche Küstenform, Orographie, Landnutzung, Bodeneigenschaften, etc Mehr Physik, weniger Parameterisierungen Verschiebung der Trennskala zwischen skalig und subskalig Genauere numerische Umsetzung Mehr Stützstellen Δ = 100 km Δ = 10 km

10 Regionale Modellierung des Klimasystems Downscaled ECMWF-Analysis: Precipitation Sum 1980 Resolution 19.2 km Resolution 4.8 km R. Knoche, IMK-IFU, KIT R. Knoche, IMK-IFU, KIT

11 Regionale Modellierung des Klimasystems Downscaled ECMWF-Analysis: Precipitation Sum 1980 Resolution 19.2 km Resolution 4.8 km... reduced to 19.2 km R. Knoche, IMK-IFU, KIT R. Knoche, IMK-IFU, KIT

12 Regionale Modellierung des Klimasystems Downscaled ECMWF-Analysis: Precipitation Sum 1980 Difference between 19.2 km simulation and reduced 4.8 km Simulation R. Knoche, IMK-IFU, KIT

13 Regionale Modellierung des Klimasystems Aber: Welche Probleme verschärfen sich dabei? Auflösung: Je höher die Modellauflösung, umso mehr werden grundlegende Modellannahmen verletzt: z.b. Strahlengang durch Atmosphäre sieht nur eine Säule! z.b. vernachlässigbare laterale Wasserverteilung im Boden Inkompatibilität der modellierten Klimasysteme in GCM und LAM Je größer die Unterschiede zwischen GCM und LAM (Auflösung, Eigenschaften, Parameter, Modellgleichungen etc.) und je größer das Nest (regionaler Modellbereich) umso mehr entfernt sich der regionale vom globalen Zustand. zum Teil gewünscht: regionaler Zustand soll näher an der Realität sein zum Teil aufgrund der für das Geschehen im Inneren unpassenden Randbedingungen Zwei unterschiedliche Welten

14 Zusammenfassung: Unsicherheiten bei der regionalen Modellierung des Klimasystems Unzureichende Kenntnis zukünftiger Einflüsse (modellunabhängig) anthropogen Szenarien natürlich...?

15 Zusammenfassung: Unsicherheiten bei der regionalen Modellierung des Klimasystems Unzureichende Kenntnis zukünftiger Einflüsse (modellunabhängig) anthropogen Szenarien natürlich...? Breites Ensemble möglicher Entwicklungspfade der Modell-Erde bei quasi gleichen Klima Anfangs- und Randbedingungen mehrere Realisierungen eines Szenarios

16 Zusammenfassung: Unsicherheiten bei der regionalen Modellierung des Klimasystems Unzureichende Kenntnis zukünftiger Einflüsse (modellunabhängig) anthropogen Szenarien natürlich...? Breites Ensemble möglicher Entwicklungspfade der Modell-Erde bei quasi gleichen Klima Anfangs- und Randbedingungen mehrere Realisierungen eines Szenarios Unzulänglichkeiten der Simulationsmodelle: Prozesse nur teilweise erfasst (Rückkopplungen) oder vereinfacht unvollständige/unphysikalische Skalenabdeckung (Parameterisierung) Ensemble von GCMs, RCMs, und hydrologischen Modellen

17 Zusammenfassung: Unsicherheiten bei der regionalen Modellierung des Klimasystems Unzureichende Kenntnis zukünftiger Einflüsse (modellunabhängig) anthropogen Szenarien natürlich...? Breites Ensemble möglicher Entwicklungspfade der Modell-Erde bei quasi gleichen Klima Anfangs- und Randbedingungen mehrere Realisierungen eines Szenarios Unzulänglichkeiten der Simulationsmodelle: Prozesse nur teilweise erfasst (Rückkopplungen) oder vereinfacht unvollständige/unphysikalische Skalenabdeckung (Parameterisierung) Ensemble von GCMs, RCMs, und hydrologischen Modellen Verfälschung durch dynamisches Downscaling (Inkonsistenz)... Warten auf regional verfeinernde globale Modelle

18 Zentrale Frage für hydrologische Projektionen: Wie gut reproduzieren RCMs das beobachtete Klima? Beispiel Alpenraum

19 Ausgewählte Untersuchungsgebiete Greater Alpine Region (GAR)

20 Hochaufgelöste Datensätze (Δx<20km) SRES GCM RCM SDM Ensembles SRES B1 ECHAM5 CLM 2? ECHAM5 REMO 1 PCM TYN 1 Had3 TYN 1 CSIRO2 TYN 1 CGCM TYN 1 SRES B2 Had3 RegCM 1 PCM TYN 1 Had3 TYN 1 CSIRO2 TYN 1 CGCM TYN 1 SRES A1B ECHAM5 CLM 2? ECHAM5 REMO 1 SRES A1FI PCM TYN 1 Had3 TYN 1 CSIRO2 TYN 1 CGCM TYN 1 SRES A1 PCM TYN 1 Had3 TYN 1 CSIRO2 TYN 1 CGCM TYN 1 SRES A2 Had3 HIRHAM 1 Had3 ReGCM 1 EGHAM5 REMO 1 PCM TYN 1 Had3 TYN 1 CSIRO2 TYN 1 CGCM TYN 1 CLM - Germany ( ) hourly data, Δx 18km HIRHAM - DMI, Denmark( ) daily data in the Internet (PRUDENCE) Δx 13km RegCM - ICTP, Italy ( ) daily data, Δx 20km REMO - MPI, Germany ( ) hourly data, Δx 10km TYN Tyndall Centre,UK, statistical downscaling Different GCMs & different scenarios!

21 Kontrollläufe Gegenwartsklima: GAR (Greater Alpine Area) Temperature [ C] CRU RegCM CLM HIRHAM ENS Mean monthly temperature bias +/- 1 C Month Smiatek, Kunstmann, Knoche, Marx, 2009 (JGR)

22 Kontrollläufe Gegenwartsklima: GAR 5 4 [mm/day] CRU ALP-IMP RegCM CLM Precipitation bias up to 1.5 mm/day HIRHAM MEAN Month Smiatek, Kunstmann, Knoche, Marx, 2009 (JGR)

23 Kontrollläufe Gegenwartsklima: UG1 UG [mm/day] OBS ALP-IMP REMO RegCM CLM HIRHAM ENS Precipitation bias up to +2.5 mm/day! Month Smiatek, Kunstmann, Knoche, Marx, 2009 (JGR)

24 Kontrollläufe Gegenwartsklima: UG1 UG1 FRE: Frequency (fraction) of days with FRE-1 (fraction) UG1 FRE 1: P > 1mm FRE 15: P > 15mm FRE-15 (fraction) UG OBS REMO RegCM CLM HIRHAM ENS OBS REMO RegCM CLM HIRHAM ENS Month Month

25 Temperature Projektionen Zukunftsklima: GAR : HIRHAM (HadCM3) : CLM (ECHAM5) : RegCM (HadCM3) Precipitation c - control run ( ) s - scenario run ( ) RCM ranges overlap emission scenario based ranges!

26 Von regionaler Klimamodellierung zur hydrologischen Impaktanalyse Beispiel Alpenraum

27 Regionale Klimamodellierung und hydrologische Impaktanalyse Region Chiemgau

28 Gekoppelte Modellsysteme P, T, RH, v, R n Flussgebiets- Hydrologie: Δx 1km 100m RCMs Δx 50 10km GCMs Atmosphäre & Ozean Δx km

29 Klimaänderung & Wasserhaushalt Alpenraum: Beispiel Einzugsgebiet Alz/Chiemgau Alz EZG Fläche: 2256 km2 Komplexe Orographie Höhe: N.N. Mittlerer Niederschlag: 1450 mm/a (1900mm/a Hochlagen, 850 mm/a Unterlauf) Tage mit Schneebedeckung: 104/a (Kitzbühl) Temperaturgradient: 0.6 C/100m Flächendifferenzierte hydrologische Modellierung Chiemsee & Δx,Δy=500m Chiemgauer Alpen

30 Klimaänderung & Hochwasserrisiko: Alz-EZG Wasserhaushaltssimulation mit Model WaSiM

31 Klimaänderung & Hochwasserrisiko: Alz-EZG Modellkaskade ECHAM4(B2) Lage der verwendeten Gitterpunkte Methode & Bias-Korrektur nach Kunstmann et al., 2004 (HESS, Ammer EZG), Kunstmann et al., 2007 (PCE, Volta EZG), Kunstmann et al., 2007 (IAHS, oberes Jordan EZG)

32 Klimaänderung & Hochwasserrisiko: Alz-EZG Gekoppeltes Modellsystem ECHAM4(B2) Veränderung der Häufigkeiten: Zunahme von Niedrigwasser & Hochwasser!

33 Klimaänderung & Hochwasserrisiko: Alz-EZG Modellkaskade ECHAM4/5 - MM5@18km/CLM@19km - WaSiM@500m Signal to Noise ratio: SN = X fut X pres σ > 1? Chiemgau Chiemgau 1,50 1,50 signal/noise 1,00 0,50 1,00 CLM(A1B) signal/noise CLM(B1) MM5(B2) 0,50 CLM(A1B) CLM(B1) MM5(B2) 0,00 Jan Feb Mrz Apr Mai Jun Jul Aug Sep Okt Nov Dez 0,00 Jan Feb Mrz Apr Mai Jun Jul Aug Sep Okt Nov Dez SN für Niederschlag SN für Abfluss Signal Klimaänderung meist innerhalb der inter-annuellen Variabilität!

34 Zusammenfassung Einsatz von skalen- und kompartimentsübergreifenden gekoppelten Modellsystemen zur hochaufgelösten Quantifizierung des Wasserhaushalts und zur Entscheidungsunterstützung Noch immer große Unsicherheiten in der hydrologischen Klimaimpaktanalyse Größte Unsicherheit in der hydrologischen Simulation: flächendifferenzierter Niederschlag Biaskorrektur und weitere lokale Verfeinerung für Klimaimpaktanalyse zwingend notwendig Beispiel: Zunahme von Niedrigwasser- UND Hochwasserrisiken im Alpenraum

35 Vielen Dank für die Aufmerksamkeit

36 Klimaänderung & Hochwasserrisiko: Alz-EZG Wasserhaushaltssimulation mit Model WaSiM