Analyse des effektiven Strahlungsantriebs anthropogener Aerosole im terrestrischen Spektralbereich

Transkript

1 Analyse des effektiven Strahlungsantriebs anthropogener Aerosole im terrestrischen Spektralbereich Masterarbeit am Institut für Meteorologie der Universität Leipzig eingereicht von: Irene Heyn > Gutachter: Prof. Dr. Johannes Quaas Prof. Dr. Ina Tegen

2 Abstract Im fünften Sachstandsbericht (AR5) des Intergovernmental Panel on Climate Change (IPCC) ist für den effektiven Strahlungsantrieb anthropogener Aerosole durch Aerosol-Wolken-Wechselwirkungen (ERFaci) im terrestrischen Spektralbereich ein Wert von +0.2 Wm 2 angegeben. Dieser Wert macht 2/3 des Unterschiedes zwischen dem netto effektiven Strahlungsantrieb (ERF) des AR5 von -0.9 Wm 2 und dem Strahlungsantrieb anthropogener Aerosole (RF) des vierten Sachstandsberichtes (AR4) von -1.2 Wm 2 aus. Diese Werte wurden aus verschiedenen Studien durch eine Expertenbeurteilung abgeschätzt. Die Modelle des Coupled Model Intercomparison Project Phase 5 (CMIP5), für welche die Experimente sstclim und sstclimaerosol durchgeführt wurden, ergeben hingegen für ERFaci im terrestrischen Spektralbereich einen Median von Wm 2. Diese Modelle, wie auch die, der in AR5 angegebenen Studien parametrisieren nicht alle Effekte von Aerosolen auf Wolken. Ganz besonders hervorzuheben sind hier die Effekte auf Misch- bzw. Festphasenwolken. Jedoch erweitern sie das undeutliche Bild, welches im AR5 zu diesem Wert gegeben wird.

3 Inhaltsverzeichnis 1 Einleitung/Motivation 1 2 Grundlagen Begriffe Mikrophysik von Wolken ERFaci ter beeinflussende Prozesse Konvektive Wolken mit warmer Wolkenuntergrenze Großskalige Mischphasenwolken Cirren Daten und Methode Abschätzung von ERFaci ter im AR Ergebnisse ERFaci ter in CMIP5-Modellen Signifikanz des ERFaci ter Korrelation zwischen ERFaci und AOD Rapid Adjustments ERF in AR5 und CMIP Zusammenfassung 36 6 Anhang 44

4 1 Einleitung/Motivation Laut dem jüngsten Sachstandsbericht AR5 (Boucher et al. (2013)) des IPCC sind Aerosoleffekte auf Wolken eine der Hauptquellen der Unsicherheit im derzeitigen Wissensstand bzgl. Erdenergiehaushalt und anthropogenem Klimaforcing. Bei Flüssigphasenwolken sind die bekannten Effekte der Albedoeffekt (1. indirekter) und der Lebenszeiteffekt (2. indirekter Effekt). Ersterer beschreibt die durch Anstieg des Aerosol- bzw. Wolkenkondensationskern(CCN)-Gehalts erhöhte Albedo von Flüssigwolken. Mit zunehmendem Aerosolgehalt steigt auch die CCN- Konzentration. Dies verursacht, dass Wolkentropfen zahlreicher und kleiner vorliegen, und sich die Gesamtoberfläche vergrößert. So kommt es zu einem erhöhten Reflexionsvermögen. Die Albedo steigt. Letzterer beschreibt die durch die Zunahme der Tropfenanzahl und einhergehender Abnahme der Tropfenradien induzierte verlängerte Lebenszeit von Flüssigwolken. Diese Effekte sind im solaren Spektralbereich von Bedeutung. Im terrestrischen Spektralbereich wirken hingegen vor allem hohe und hochreichende Wolken, wie großskalige Mischphasenwolken, Cirren und konvektive Wolken. Tiefe Wolken spielen hier kaum eine Rolle, da sie eine ähnliche Temperatur wie die Erdoberfläche haben und somit einen geringen wärmenden Effekt besitzen. Es ist somit wichtig, die Effekte von Aerosolen auf die Eisphase zu kennen und zu verstehen, da es in hohen Wolken bekanntlich zum Übergang von Flüssigwasser zu Eis kommt. Da gerade in den Gefrierprozessen große Unsicherheiten liegen und die Modellierung auch anderer Vorgänge wie z.b. der Autokonversion große Unsicherheiten bietet, macht die nötige Betrachtung der Eisphase die Modellierung der Effekte schwieriger. Weiterhin ist zu bemerken, dass im terrestrischen Spektralbereich Aerosole kaum mit Strahlung wechselwirken. Der direkte Effekt von Aerosolen spielt hier somit eine untergeordnete Rolle. Vielmehr wird der Strahlungshaushalt der Erde im terrestrischen Spektralbereich durch Aerosole hauptsächlich durch deren Effekte auf Wolken beeinflusst. Im vierten Sachstandsbericht des IPCC (AR4, Denman et al. (2007)) wird der totale Strahlungsantrieb durch anthropogene Aerosole auf -1.2 Wm 2 geschätzt. Dieser Wert beinhaltet direkten, semidirekten und 1. und 2. indirekten Effekt auf Flüssigphasenwolken und beruht auf Studien, welche Effekte auf Mischphasen- 1

5 und konvektive Wolken nicht betrachteten, die aktuellen Satellitenbilanzen nicht nutzen konnten und Effekte durch Rapid Adjustments im terrestrischen Spektralbereich nicht einbezogen (Denman et al. (2007), Boucher et al. (2013)). Hingegen wird im AR5 der effektive Strahlungsantrieb (ERF) anthropogener Aerosole auf -0.9 Wm 2 geschätzt (Boucher et al. (2013)). Dieser Wert ergibt sich aus satellitenbasierten Studien, deren Median der für ERF angegebenen Werte bei Wm 2 liegt. Um auch klimamodellbasierte Studien, welche stärkere Werte angeben, in der Abschätzung nicht zu ignorieren, wurde der Wert auf -0.9 Wm 2 gesetzt. Für diese Expertenbeurteilung wurden 13 Studien genutzt (vgl. Boucher et al. (2013): Tabelle 7.4.). Hierbei berechnet lediglich Lohmann and Lesins (2002) von den sechs angegebenen satellitenbasierten Studien den Effekt anthropogener Aerosole im terrestrischen Spektralbereich mit ein. Für die anderen fünf, welche nur den solaren Bereich betrachten, wird ein Wert von +0.2 Wm 2 hinzuaddiert, welcher als effektiver Strahlungsantrieb durch Aerosol-Wolken-Wechselwirkungen im terrestrischen Spektralbereich ERFaci ter geschätzt wird. Dieser Wert macht 2/3 des Unterschiedes zwischen totalem Strahlungsantrieb anthropogener Aerosole des AR4 und ERFaci des AR5 aus. Da dieser Wert nur auf wenigen Veröffentlichungen beruht, soll in dieser Masterarbeit untersucht werden, in welcher Größenordnung Modelle des CMIP5-Projektes den Einfluss anthropogener Aerosole auf den terrestrischen Strahlungshaushalt berechnen. Hierzu werden im nächsten Kapitel einige Grundlagen gegeben, gefolgt von einer genaueren Betrachtung der Abschätzung des ERFaci ter im AR5 im 3. Kapitel. Im 4. Kapitel werden die Ergebnisse der CMIP5-Modelle gezeigt. So wird zunächst auf die globale Verteilung des Strahlungsantriebs eingegangen, gefolgt von Signifikanzbetrachtung, Korrelation zur Änderung der Aerosol-optischen Dicke (AOD) und Aufzeigen von Rapid Adjustments, welche ERF laut Definition des AR5 beinhaltet. Den Schluss bildet eine Gegenüberstellung der Ergebnisse aus CMIP5-Modellen und den in AR5 angegebenen Studien. In Kapitel 5 ist die Zusammenfassung zu finden. 2

6 2 Grundlagen 2.1 Begriffe In Abbildung 1 sind schematisch die Wirkungswege der Forcingagents Treibhausgase und Aerosole, sowie Rapid Adjustments und Feedbacks dargestellt. Treibhausgase wirken sich auf den Strahlungshaushalt durch Absorption und Emission von Strahlung aus. Aerosole wirken sich ebenfalls auf die Strahlung, jedoch auch auf Wolken aus. Die Auswirkung auf die Strahlung wird im Folgenden als aerosol radiation interaction, kurz ari, bezeichnet. Hierbei spielen Streuung, Reflexion und Absorption von solarer Strahlung eine Rolle. Die Auswirkung von Aerosolen auf Wolken wird im Folgenden als aerosol cloud interaction bezeichnet, kurz aci. Diese beinhalten den Twomeyeffekt, d.h. Erhöhung der Albedo von Wolken durch mehr und kleinere Tropfen aufgrund eines höheren CCN-Gehalts. Durch die Forcingagents wird somit der Strahlungshaushalt geändert. Dieser wird jedoch auch durch Rapid Adjustments modifiziert, welche nicht durch die Änderung der global gemittelten Oberflächentemperatur wirkt, sondern innerhalb kürzerer Zeit einen Effekt bewirken und durch die Forcingagents hervorgerufen werden. Sie beinhalten Änderung der Wolkenlebensdauer, der Wolkenhöhe, des Temperaturgradienten, des Wasserdampfgehalts, mikrophysikalischer Eigenschaften der Wolken und geografische Änderung der Oberflächentemperatur. Durch sie wirken Forcingagents indirekt auf den Strahlungshaushalt ein. Radiative Forcing (RF) und Rapid Adjustments ändern somit zusammen den Strahlungshaushalt. Diese insgesamte Änderung des Strahlungshaushalts wird als Effective Radiative Forcing (ERF) bezeichnet und ändert die Erdoberflächentemperatur. Dies ruft Feedbacks hervor (Wolken-Feedbacks, Aerosol-Feedbacks, Lapse-Rate-Feedbacks,etc.). Da ERF eine charakteristischere Größe der Änderung der troposphärischen Zustände darstellt als RF, wurden im AR5 die Begriffe überarbeitet. So wurden im AR4 die Effekte von Aerosolen eingeteilt in direkte (Reflexion und Streuung solarer Strahlung), semidirekte (Absorption solarer Strahlung und Erwärmen der Luft, was zu Auflösung von Wolken führen kann) und indirekte (Albedo- und Lebenszeit-) Effekte (siehe Abbildung 2). Im AR5 dagegen werden direkter und semidirekter Effekt zusammengefasst zum effektiven Strahlungsantrieb 3

7 Abbildung 1: Schematischer Überblick über Wirkungswege von Forcings und Feedbacks durch Treibhausgase und Aerosole aus Boucher et al. (2013). durch Aerosol-Strahlungs-Wechselwirkung (ERFari). Dabei ist der direkte Effekt als Radiative Forcing, mit semidirekten Effekt als Rapid Adjustment anzusehen. ERFaci ist der effektive Strahlungsantrieb durch Aerosol-Wolken-Wechselwirkung und stellt den 1. indirekten Effekt (Albedoeffekt) als radiative Forcing mit Rapid Adjustments dar. 2.2 Mikrophysik von Wolken In Abbildung 3 sind die verschiedenen Gefrierprozesse in Abhängigkeit von Temperatur und Übersättigung über Eis dargestellt. Diese beiden Größen sind die Haupteinflussfaktoren der Umwelt auf Gefrierprozesse. Oberhalb der schwarzen, gestrichelten Linie, die S i = 1 markiert, ist Eis in der stabilen Phase. Ab hier ist Eisnukleation möglich. Auf der schrägen schwarzen Linie ist unterkühltes Flüssigwasser im Gleichgewicht mit der Wasserdampfphase. Das heißt es liegt Sättigung = 100% über Flüssigwasser vor. Homogenes Gefrieren setzt ab einer Temperatur von weniger als 38 C ein. Hierfür sind Übersättigungen über Eis von 50 bis 70% nötig. Die Formen des heterogenen Gefrierens sind: Kontaktgefrieren, bei dem ein unterkühlter Tropfen mit einem Eisnukleationskeim (IN) kollidiert und so zum Gefrieren gebracht wird; Immersionsgefrieren, bei dem ein Aerosolpartikel 4

8 Abbildung 2: Neue Bezeichnung der Aerosoleffekte aus Boucher et al. (2013). in einen Tropfen eingebettet ist und es zu Gefrieren kommt, wenn die Temperatur die benötigte Aktivierungstemperatur erreicht; Kondensationsgefrieren, bei dem ein Aerosolpartikel als CCN wirkt und so wiederum in einen Tropfen eingebettet wird. Es kommt zu Kondensation bis eine superkritische Größe erreicht wird und der Tropfen gefriert; Depositionsgefrieren, bei dem Wasserdampfmoleküle auf einem IN sublimieren und so Wasser direkt von gasförmiger in feste Phase übergeht. Zu erkennen ist, dass Eisbildung durch Depositionsgefrieren schon unterhalb von Flüssigwassersättigung einsetzen kann. Für die anderen Gefrierformen ist Sättigung über Flüssigwasser nötig, da sonst der zu gefrierende Tropfen verdunstet, bevor er gefriert. Kontaktgefrieren ist der effizienteste Prozess bei leichten Unterkühlungen. Bei geringeren Temperaturen überwiegt das Immersionsgefrieren. Depositionsgefrieren ist am uneffizientesten, da die Energiebarriere des Phasenübergangs von gasförmig zu fest sehr hoch ist. Gut geeignet als IN sind wasserunlösliche Substanzen, wie Mineralstaub oder biologisches Material, wie Pollen (bei recht geringen Übersättigungen) oder Bakterien (bei relativ hohen Temperaturen). Als anthropogenes Aerosol, dass als IN wirkt, ist Ruß zu nennen. Jedoch bestehen hier Unsicherheiten bzgl. dessen Effizienz. Weiterhin wird Ruß als IN deaktiviert, wenn es von löslichen Substanzen wie bspw. Sulfat ummantelt wird. CCN hingegen sind generell gut wasserlöslich, wie 5

9 Abbildung 3: Darstellung der verschiedenen Gefrierprozesse aus Hoose and Möhler (2012). bspw. Seesalz, Sulfate oder Nitrate. Nach Curry and Ebert (1992) kann die Emissivität einer Wolke im Infrarotbereich ausgedrückt werden durch ɛ = 1 exp( βτ) (1) mit β als Diffusivitätsfaktor und τ als optische Dicke. Für Flüssigphasenwolken lässt sich die optische Dicke ausdrücken als: τ = LW P α i exp( γ i r e ) (2) mit α i und γ i als Konstanten für spektrale Intervalle. Für Eisphasenwolken ist die optische Dicke: τ = IW P (a + b/r e ) (3) mit a und b Konstanten. Je größer die Emissivität, desto größer ist die Absorption und desto kleiner die Transmission. Die Emissivität ɛ einer Wolke wird größer, je größer die optische Dicke τ ist. Die optische Dicke wiederum ist umso größer, je größer der Flüssigwasserpfad (LWP) bzw. Eiswasserpfad (IWP) ist oder je kleiner der effektive Radius r e der Wolkentropfen bzw. Eiskristalle ist. Je mehr Wasser eine Wolke folglich beinhaltet, bzw. je kleiner ihre Tropfen/ Eiskristalle sind, desto undurchlässiger ist 6

10 sie. Diese beiden Eigenschaften werden durch den Aerosolgehalt beeinflusst. Für Flüssigwolken ist jedoch zu erwähnen, dass LWP oft schon ohne den Einfluss von Aerosolen so hoch ist, dass die Emissivität nahe 1 liegt. 2.3 ERFaci ter beeinflussende Prozesse Konvektive Wolken mit warmer Wolkenuntergrenze Konvektive Wolken können in fünf vertikale, mikrophysikalische Zonen unterteilt werden: Die Zone des Kondensationswachstums, in der die Wolkentropfen hauptsächlich durch Kondensation wachsen; die Zone der Koagulation, in der die Wolkentropfen durch Koagulation wachsen; die Zone des warmen Ausregnens, in der warmer Regen gebildet wird und ausfällt. Dies geschieht ab einer Tropfengröße von ca. 14 µm; die Zone der gemischten Phase, in der sowohl Flüssigwasser als auch Eis vorliegt; und die Vereisungszone, in der die Wolke vollständig vereist vorliegt. Die Zonen müssen nicht immer eindeutig nachweisbar sein. Sie werden jedoch bestimmt durch Auf- und Abwindverhältnisse, Wolkenober- und -unterkantentemperatur und Anzahlkonzentration von Kondensations- und Eisnukleiden. In einer unverschmutzten Umgebung liegen wenige CCN vor. Dadurch kommt es zur Bildung von wenigen und großen Wolkentropfen. Diese erleichtern durch ihre Größe die Koaleszenz und somit Bildung warmen Regens. Im verschmutzten Fall hingegen liegen sehr viele CCN vor. Die Gesamtoberfläche, über der Kondensation stattfinden kann, ist groß. Es kommt zu starker Kondensation und somit zum Freiwerden latenter Wärme, welche die Konvektion verstärkt. Weiterhin wird Koaleszenz erschwert, da viele kleine Tropfen vorliegen, die die Wahrscheinlichkeit zu kollidieren senken. Es wird somit die Bildung großer Tropfen erschwert. Dies führt dazu, dass die Bildung warmen Regens behindert und die Entwicklung von Fallwinden gehemmt wird. Dadurch wird mehr Wasser bis zur Gefriergrenze gebracht, das beim Gefrieren große Mengen latenter Wärme freisetzt, die die Konvektion wiederum verstärkt. Durch diese anfängliche Behinderung des Niederschlags, die Verstärkung der Konvektion und den Transport von mehr Wasser in größere Höhe, kommt es zu einer Zunahme der Wolkenhöhe (Cloud Top Cooling Effect) und Expansion der Wolkenambosse. Die obere Troposphäre und 7

11 Abbildung 4: Darstellung einer konvektiven Wolke in unverschmutzter Umgebung (oben) und des Konvektionsverstärkungseffekts in verschmutzter Umgebung (unten) aus Rosenfeld et al. (2008). untere Stratosphäre wird befeuchtet. Dieser Prozess der Konvektionsverstärkung ist in Abbildung 4 dargestellt und führt zu einem positiven, wärmenden Effekt im terrestrischen Spektralbereich, da die vom Erdboden emittierte, terrestrische Strahlung durch den erhöhten Wassergehalt stark absorbiert und bei niedrigeren Temperaturen emittiert wird. Dies bewirkt einen Energiegewinn im terrestrischen Spektralbereich aufgrund von Aerosoleffekten auf konvektive Wolken Großskalige Mischphasenwolken Großskalige, unterkühlte Mischphasenwolken werden aufrechterhalten durch Strahlungsabkühlung an ihrer Oberkante, die inverse Konvektion und somit Einmischen von Umgebungsluft zur Folge hat. Dadurch wird Wasser aus der Atmosphäre in die 8

12 Wolke eingebracht, welches die mögliche Senke des Niederschlages ausgleicht (Rosenfeld et al. (2013)). Durch eine erhöhte IN-Konzentration bzw. niedrigere CCN- Konzentration kann es zu erhöhter Niederschlagsbildung kommen. Dies geschieht zum einen durch einen stärker ausgeprägten Wegener-Bergeron-Findeisen-Prozess (WBF) aufgrund von Zunahme der IN. Zum anderen bewirkt eine Abnahme der CCN-Konzentration größere Tropfen, die zu mehr Koaleszenz mit Eispartikeln führen und so die Niederschlagsbildung fördern. Die Wolke löst sich langsam auf. Dadurch nimmt auch die Strahlungsabkühlung am Oberrand ab. Es wird nicht genug Wasser in die Wolke eingemischt. Die Wolke verschwindet. Nach Korolev and Mazin (2003) lassen sich in Mischphasenwolken drei Regime anhand der Vertikalgeschwindigkeit des Wolkenpakets u z festlegen: Im ersten Regime wachsen Tropfen und Eiskristalle gleichzeitig. Dies bedeutet, dass e > e s > e i ist, mit e dem Wasserdampfpartialdruck, e s dem Sättigungsdampfdruck über Flüssigwasser, e i dem Sättigungsdampfdruck über Eis. Dies ist der Fall, wenn u z > u z ist, mit einem kritischen Aufwind u z = e s e i e i N i r i η (4) Hierbei ist N i die Anzahlkonzentration der Eiskristalle, r i der mittlere Radius der Eiskristalle und η ein druck- und temperaturabhängiger Koeffizient. Da bei konstantem Eiswassergehalt r i N 1/3 i ist, gilt u z N 2/3 i. Im zweiten Regime wachsen Eiskristalle auf Kosten der Tropfen, d.h. der Wegener- Bergeron-Findeisen-Prozess findet statt. Dies ist erfüllt, wenn e s > e > e i ist und u 0 z < u z < u z gilt, mit einem negativ definiten Vertikalwind u 0 z = e i e s e s N w r w χ (5) Hierbei ist N w die Anzahlkonzentration der Wolkentropfen, r w der mittlere Radius der Wolkentropfen und χ ein druck- und temperaturabhängiger Koeffizient. Wiederum gilt für konstanten Flüssigwassergehalt r w Nw 1/3 und somit u 0 z Nw 2/3. Im dritten Regime schrumpfen Tropfen und Eiskristalle gleichzeitig. Dies ist erfüllt, wenn e s > e i > e bzw. u z < u 0 z ist. Gleichung 4 zeigt, dass u z wächst, wenn die Eiskristallanzahlkonzentration N i 9

13 Abbildung 5: Zonal gemittelte Änderung des Flüssigwassergehaltes (a) und des Eiswassergehalts (b) durch Effekte von anthropogenen Aerosolen auf MPC aus Storelvmo et al. (2010). durch Zunahme der IN-Konzentration ansteigt. Wenn dagegen die CCN-Konzentration ansteigt und somit eine Zunahme des N w stattfindet, wächst u 0 z betraglich - es wird kleiner (da negativ), vgl. Gleichung 5. Dies kann mit dem Kelvineffekt erklärt werden. Durch Zunahme der Wolkentropfenanzahl werden diese von der Größe her kleiner. Die Oberflächenspannung nimmt ab und Eiskristalle können noch besser auf Kosten der Tropfen wachsen. Dies steht somit im Kontrast zu einer durch CCN-Abnahme erleichterte Koaleszenz von Tropfen mit Eiskristallen, die wie bereits erwähnt, die Lebensdauer senkt. Der Einfluss der CCN- Anzahlkonzentration ist somit nicht eindeutig. In der von Korolev and Mazin (2003) angenommenen Betrachtung jedoch verbreitern sich die Grenzen für u z, in denen WBF stattfinden kann (Regime 2), für eine Zunahme der IN- bzw. CCN-Konzentration. So erhöht sich der Wolkenanteil, in dem WBF stattfindet. Storelvmo et al. (2008a) bzw. Storelvmo et al. (2010) benutzten diese Regime zur Berechnung des Effektes von Aerosolen auf den WBF. Die Änderung des Flüssigwassergehalts (LWC) und des Eiswassergehalts (IWC) ist in Abbildung 5 dargestellt. Für warme Wolken ist der klassische Wolkenlebensdauereffekt erkennbar. Hierbei nimmt der Flüssigwassergehalt zu, die Lebenszeit der Wolke erhöht sich. In wärmeren Mischphasenwolken (MPC) hingegen nimmt der Eiswasserge- 10

14 halt zu. In den gleichen Höhen nimmt der Flüssigwassergehalt ab. Eiskristalle wachsen hierbei auf Kosten der Wolkentropfen - WBF findet statt. In großen Höhen sinkt sowohl der LWC, als auch der IWC. Dies verdeutlicht die beschleunigte Niederschlagsbildung über die Eisphase. Die Lebenszeit der Wolke sinkt folglich durch Effekte der Aerosole auf den WBF, welcher Niederschlagsbildung fördert. Durch die geringere Lebenszeit der Wolke entsteht ein kühlender, negativer Effekt durch Aerosol-Wolken-Wechselwirkungen im terrestrischen Spektralbereich für diese großskaligen MPC Cirren Hohe Eiswolken entstehen über die Flüssigphase durch homogenes oder Immersionsgefrieren. Steigt die Anzahlkonzentration der IN, so wird durch heterogenes Gefrieren der Umgebung Wasser entzogen. Da für homogenes Gefrieren große Übersättigung herrschen muss, wird somit das homogene Gefrieren unterdrückt. Vielmehr kommt es zum Gefrieren bei höheren Temperaturen und geringeren Übersättigungen, als für homogenes Gefrieren nötig wären. So entstehen größere, jedoch weniger Eiskristalle, als durch homogenes Gefrieren hervorgerufen worden wären. Diese größeren Eiskristalle können schneller aussedimentieren. Die Lebensdauer des Cirrus sinkt folglich. Weiterhin kann eine Erhöhung der CCN-Konzentration zu einer erhöhten Cirrusbedeckung führen. So entstehen durch eine erhöhte CCN-Konzentration mehr und kleinere Tropfen, die gefrieren können. Dies führt zu einer erhöhter Cirrusbedeckung, welche wiederum für einen positiven, wärmenden Effekt durch Aerosol- Wolkenwechselwirkung sorgt. Diese Effekte von Aerosolen auf Cirruswolken sind jedoch mit einem Fragezeichen zu versehen. So zeigt bspw. Luo et al. (2002) anhand von Datensätzen des Ausbruchs des Pinatubos, dass die vulkanischen Aerosole kaum einen Einfluss auf die Cirrusbedeckung hatten. 2.4 Daten und Methode Datengrundlage dieser Masterarbeit sind Ergebnisse der fünften Version des CMIP5. Es werden Modellläufe der Experimente sstclim und sstclimaerosol genutzt. Diese 11

15 beinhalten jährlich konstante Meeresoberflächentemperaturen (SST) und Meereis. Die Landoberflächentemperatur hingegen ist veränderbar. Dabei nutzt sstclim preindustrielle Aerosolkonzentrationen (von 1860) als Anfangskondition, während sstclimaerosol mit Aerosolkonzentrationen von 2000 des CMIP5 historcial Laufs gespeist wird (Zelinka et al. (2014); Taylor et al. (2012)). Im AR5 ist ERF definiert als Änderung der Strahlungsflüsse am Oberrand der Atmosphäre (TOA), wobei Zustandsänderungen der Atmosphäre, wie bspw. Adjustments des Wasserdampfgehalts, der Atmosphärentemperatur und der Wolken zugelassen sind. Die Oberflächentemperatur muss jedoch konstant gehalten werden, um Feedbacks nicht mit einzuberechnen. Dies wird in Form von fester SST umgesetzt. Die Landoberflächentemperatur hingegen darf variabel sein. Dies sorgt für ein Rapid Adjustment in Form von rascher, geografischer Temperaturänderung. Die CMIP5 Experimente sstclim und sstclimaerosol entsprechen somit den Anforderungen des AR5. Um den Einfluss anthropogener Aerosole auf den Strahlungshaushalt der Erde zu analysieren, kann die Differenz der Strahlungsflussdichten aus diesen Experimenten genutzt werden. Hierzu werden Strahlungsflussdichten am TOA genutzt. ERFaci ter wird berechnet als Differenz des Strahlungsantriebs von Wolken (CRF) zwischen sstclim (im Folgenden als PI für preindustrial bezeichnet) und sstclimaerosol (im Folgenden PD für presentday): ERFaci ter = CRF ter,sstclimaerosol CRF ter,sstclim (6) bzw. ERFaci ter = rlut SST ClimAerosol rlutcs SST ClimAerosol (rlut SST Clim rlutcs SST Clim ) (7) wobei rlut bzw. rlutcs die langwellige aufwärtsgerichtete Strahlungsflussdichte am TOA im bewölkten (allsky) bzw. wolkenlosen (clearsky) Fall darstellt. Weiterhin werden im Folgenden Werte für ERF und ERFari als Differenz (PD - PI) der Strahlungsflussdichten im allsky und clearsky angegeben: ERF ter = rlut SST ClimAerosol rlut SST Clim (8) 12

16 und ERFari ter = rlutcs SST ClimAerosol rlutcs SST Clim (9) Die Berechnung im solaren Spektralbereich erfolgt äquivalent. Es ist zu beachten, dass, äquivalent zu Zelinka et al. (2014), in dieser Arbeit ERFaci im Vergleich zu AR5 um den semidirekten Effekt erweitert wird. Dieser zählt laut IPCC zu Aerosol-Strahlungswechselwirkungen (ari). Da jedoch in dieser Arbeit ERFaci als die Änderung des Strahlungshaushaltes durch Wolkenänderung berechnet wird, wird hier nicht unterschieden, wodurch diese Wolkenänderung zustande kommt. Die CMIP5-Modelle, welche Strahlungsflussdichten für sstclim und sstclimaerosol berechnet haben, werden in dieser Masterarbeit betrachtet und lauten: BCC-CSM1-1, CanESM2, CSIRO-MK3-6-0, IPSL-CM5A-LR, FGOALS-s2, MIROC5, HadGEM2-A, MPI-ESM-LR, MRI-CGCM3, NorESM1-M und GFDL-CM3. Hier ist zu bemerken, dass sowohl BCC-CSM1, als auch MPI-ESM-LR und FGOALS-s2 keine Aerosol-Wolken-Wechselwirkungen parametrisieren (Rotstayn et al. (2013); B. Stevens (2013); Bao and Coauthors (2012)). Die Ergebnisse für ERFaci, die diese Modelle liefern, sind somit mit Vorsicht zu genießen und mit großer Unsicherheit bzgl. der Repräsentativität zu betrachten bzw. zeigen die Größenordnung des zusätzlich eingerechneten semidirekten Effektes plus Rapid Adjustments. Lediglich den Albedoeffekt parametrisieren CanESM2 und IPSL-CM5A-LR, während CSIRO-MK3-6-0, HadGEM2-A, NorESM1-M und GFDL-CM3 sowohl den Albedo-, als auch den Lebenszeiteffekt parametrisieren (Rotstayn et al. (2013)). Diese Effekte wirken auf tiefe, relativ warme Wolken. Diese haben jedoch einen sehr geringen Einfluss auf den terrestrischen Strahlungshaushalt, da sie Strahlung in einer der Erdoberfläche ähnlichen Temperatur emittieren. Somit haben sie kaum wärmenden Effekt, im Gegensatz zu hohen Eiswolken. Ausschließlich MIROC5 und MRI-CGCM3 parametrisieren zusätzlich zu den Effekten auf Flüssigwolken auch Aerosoleffekte auf Eiswolken (Rotstayn et al. (2013)). Hier wirken Aerosolpartikel nicht nur als CCN, sondern auch als IN. In den jeweiligen Dokumentationen der elf Modelle wird nichts von Effekten von Aerosolen auf hochreichende Cumuluswolken erwähnt. Es ist deshalb davon auszu- 13

17 gehen, dass keines der Modelle den Konvektionsverstärkungseffekt von Aerosolen parametrisiert. Dies stellt eine Lücke in dem Verständnis bzw. den verwendeten Daten dar. Die genutzten Modelldaten lagen als Monatswerte vor. Für fast alle Modelle wird ein Zeitraum für die jeweiligen Experimente sstclim und sstclimaerosol von 30 Jahren (360 Werte) betrachtet. Nur für IPSL-CM5A-LR und CanESM2 liegen Zeiträume von 51 bzw. 50 Jahren (612 bzw. 600 Werte) vor. Für MPI-ESM-LR liegen zwei Läufe vor, die sich in physikalischen Parametern unterscheiden (r1i1p1 und r1i1p2) (Taylor et al. (2010)). Daher werden bei Mittelungen aus allen Modellen die Ergebnisse der beiden Läufen mit 0.5 gewichtet, um eine stärkere Wichtung dieses Modells als 100 % zu vermeiden. Im Späteren werden mit Hilfe der Kernel-Methode nach Soden et al. (2008) berechnete Werte für Rapid Adjustments durch Änderungen von Albedo, Erdoberflächen- und Atmosphärentemperatur und Wasserdampf angegeben. Es werden Kernels der Studie Block and Mauritsen (2013) genutzt, die im ECHAM6 des Max- Planck-Instituts für Meteorologie in Hamburg (MPI-M) (Stevens et al. (2012); Roeckner et al. (2004)) berechnet wurden. Dabei wurde für den atmosphärischen Teil des Modells MPI-ESM-LR genutzt, welches auch in dieser Masterarbeit betrachtet wird. Jedoch ist dieses in ECHAM6 zur Berechnung der Kernels an eine ozeanische Komponente gekoppelt, welche mit einer 50 m tiefen Mischungsschicht arbeitet. 14

18 3 Abschätzung von ERFaci ter im AR5 Im AR5 sind verschiedene Studien, die ERFaci simulieren und vor bzw. nach dem AR4 entstanden, angegeben. Dies sind insgesamt 35 Veröffentlichungen. Davon berechnen lediglich zehn (d.h. nur rund ein Drittel) explizit einen oder mehrere globale Werte für ERFaci ter. Diese sind in Tabelle 1 aufgelistet. Ein Großteil der anderen Studien nimmt lediglich Aerosoleffekte im solaren Bereich an und berechnet im terrestrischen Bereich gar keinen Wert. Diese Studien nehmen ERFaci ter somit implizit als Null an. Weiterhin werden in vielen Veröffentlichungen, die in Tabelle 1 angegeben sind, nur Aerosoleffekte, wie bspw. von Sulfat als CCN auf Flüssigwolken betrachtet. Effekte auf Mischphasen- bzw. Eiswolken werden oftmals gar nicht simuliert. Nur Lohmann (2002) und Storelvmo et al. (2008b) beziehen Aerosoleffekte auf die Eisphase ein. Hier ist jedoch zu vermerken, dass Lohmann (2002) lediglich einen Wert für ERFaci ter angibt, der durch Aerosoleffekte von Sulfat auf die Eisnukleation entsteht. Es werden somit wiederum nicht alle Prozesse betrachtet. Der Wert ist nicht als vollständiges ERFaci ter anzusehen, da die Effekte auf Flüssigphasenwolken nicht betrachtet werden. Dieser Wert ist deshalb nicht in der Tabelle 1 aufgeführt. Der IPCC nimmt im AR5 für ERFaci ter einen Wert von 0.2 Wm 2 an. Dieser Wert wird in Kapitel 7 des AR5 darauf gestützt, dass er die untere Grenze der in den zur Abschätzung genutzten Studien angegebenen ERFaci ter darstelle. Diese würden laut AR5 von +0.2 to +0.6 Wm 2 reichen. In dieser Spanne liegen jedoch nur wenige Werte, der in Tabelle 1 angezeigten Werte. Für die Abschätzung dieses Wertes wurden somit scheinbar lediglich vier Studien genutzt: Lohmann and Feichter (1997) und Jones et al. (2001) (vor AR4) und Ming et al. (2007) und Kirkevåg et al. (2013) (nach AR4). Die in diesen Studien berechneten Werte für ERFaci ter basieren auf Modellen, welche die Effekte von Aerosolen nur auf Flüssigphasenwolken, nicht jedoch auf die Eisphase modellieren. Wie vorher gezeigt, spielen jedoch gerade die Effekte auf hohe und hochreichende Wolken, in denen Eisphase existiert, beim Betrachten des Strahlungsantriebs im terrestrischen Spektralbereich eine große Rolle. Weiterhin zeigen die Studien, die in Tabelle 1 angegeben sind, eine recht große Spannweite. So liegen die kleinsten Werte für ERFaci ter bei fast Null und der größte Wert bei 0.7 Wm 2. Zudem ist ein Wert 15

19 von 0.2 Wm 2 hinsichtlich der hohen Unsicherheit und des Gesamtforcings anthropogener Aerosole, welches im AR5 als -0.9 Wm 2 angegeben wird, ein sehr großer Wert. Dafür, dass diese Abschätzung lediglich auf zwei Studien basiert, die nicht alle Effekte hinreichend modellieren, ist die Unsicherheit dieses Wertes und sein Einfluss auf den Gesamtantrieb sehr hoch. Weiterhin betrachten verschiedene Studien verschiedene Aerosoleffekte für verschiedene Spektralbereiche. Anhand zweier im AR5 angegebener Beispiele wird deutlich, wie entscheidend die parametrisierten Prozesse sind: So berechnen Storelvmo et al. (2010) ein negatives, d.h. kühlendes ERFaci ter von Wm 2, aufgrund von höherer Cirruswolkenauflösung durch den WBF durch zusätzliche Eisnukleationskeime. Ghan et al. (2012) hingegen berechnen positive Werte für ERFaci ter von Wm 2 und Wm 2 aufgrund eines zusätzlichen Treibhauseffektes durch homogenes Gefrieren von zusätzlichen Dunstpartikeln. Deshalb soll ERFaci ter im Folgenden anhand von CMIP5 Modellen abgeschätzt werden. Auch wenn in diesen Modellen ebenfalls nicht alle Prozesse hinreichend modelliert sind, so gibt ihre Betrachtung einen besseren Einblick. 16

20 Tabelle 1: Globale, mehrjährige Mittel des ERFaci im terrestrischen und solaren Spektralbereich aus Studien, welche im AR5 angegeben sind. Die Unterteilung zeigt Studien, welche vor (oberhalb) bzw. nach AR4 (unterhalb der vertikalen Linie) veröffentlicht wurden. Mehrfache Werte für jeweilige Studien entsprechen mehrfachen Simulationen bzw. Experimenten, deren Ergebnisse in den Veröffentlichungen angegeben sind. Aerosol Terrestrial Solar effects [Wm 2 ] [Wm 2 ] Lohmann and Feichter (1997) Rotstayn (1999) Jones et al. (2001) Kristjánsson (2002) Menon et al. (2002) Storelvmo et al. (2006) 2 < Ming et al. (2007) Storelvmo et al. (2008b) Kirkevåg et al. (2013)

21 4 Ergebnisse 4.1 ERFaci ter in CMIP5-Modellen Zunächst wurden die globalen Verteilungen der zeitlich gemittelten Strahlungsantriebe aus den verschiedenen CMIP5-Modellen berechnet. Dieses zeitliche Mittel über mehrere (bei den meisten 30) Jahre ist in Abbildung 6 für den effektiven Strahlungsantrieb durch Aerosol-Wolken-Wechselwirkungen im terrestrischen Spektralbereich ERFaci ter dargestellt. Die Abbildung lässt wiederkehrende Strukturen zwischen den Modellen vermissen. Einzig fällt auf, dass das Forcing in tropischen Breiten geringfügig größer ist, als in den mittleren und hohen Breiten. In den meisten Modellen erscheint eine rauschende Verteilung. Das zeitlich globale Mittel der Modelle ist jeweils rechts oben des Plots bzw. vollständigkeitshalber auch in Tabelle 3 vermerkt. Es fällt auf, dass die meisten Modelle global ein negatives, d.h. kühlendes ERFaci ter berechnen. Nur drei Modelle geben einen positiven Wert an. Dazu gehören MIROC5 und MRI-CGCM3, welche als einzige der betrachteten Modelle Aerosoleffekte auf Eiswolken parametrisieren. Das dritte Modell, welches einen negativen Globalmittelwert zeigt, ist GFDL. In diesem werden beide indirekten Effekte auf Flüssigphasenwolken parametrisiert. In diesen drei Modellen sind in der globalen Verteilung des ERFaci ter Regionen erkennbar, welche einen verglichen mit anderen Regionen hohen, positiven Wert angeben. Diese Region liegt für MIROC5 über dem westlichen Indischen Ozean in tropischen Breiten (ca. 20 N - 15 S und 65 O O) und für MRI-CGCM3 zudem über dem Warm Pool (ca. 20 N - 15 S und 60 O O). Auf diese zwei Regionen wird im Späteren genauer eingegangen. 18

22 Abbildung 6: Mehrjähriges zeitliches Mittel des ERFaci ter aus CMIP5-Modellen. Das globale Mittel ist jeweils oben rechts dargestellt. 19

23 In Abbildung 7 sind Ergebnisse des Calipso-Simulators gezeigt. Ein Satellitensimulator ahmt den Beobachtungsprozess eines Satelliten nach und gibt so ein Ergebnis wieder, welches die Differenzen zwischen Modellierung und Beobachtung verringert und diese vergleichbarer macht (Klein et al. (2013), Bodas-Salcedo et al. (2011)). Es ist die Änderung (PD - PI) des totalen Bedeckungsgrades und des Bedeckungsgrades hoher Wolken aus dem Calipsosimulator dargestellt. Vergleicht man ERFaci ter (Abbildung 6) mit der Änderung des Bedeckungsgrades hoher Wolken, so zeigt sich, wie zu erwarten, dass ERFaci ter dort stark positiv bzw. negativ ist, wo in großen Höhen der Bedeckungsgrad zunimmt bzw. abnimmt (Abbildung 7: hohe Wolken). So sorgt ein höherer Bedeckungsgrad in großen Höhen für mehr Absorption terrestrischer Strahlung. Diese wird bei geringerer Temperatur im Vergleich zur Bodentemperatur und somit auch geringerer Energie emittiert. Dieser Zusammenhang wird anhand von Abbildung 8 verdeutlicht. Hier ist das globalzeitliche Mittel des ERFaci ter gegen die Änderung des Bedeckungsgrades hoher Wolken für die jeweiligen Modelle aufgetragen. Zu erkennen ist ein linearer Zusammenhang: Je größer die Änderung des Bedeckungsgrades der hohen Wolken, desto stärker ist ERFaci ter. Für eine Abnahme des Bedeckungsgrades ist ERFaci ter negativ und umgekehrt. Der Effektive Strahlungsantrieb durch Aerosol-Wolken- Wechselwirkungen im solaren Spektralbereich ERFaci sol wird hingegen vor allem durch die Änderung des Bedeckungsgrades in niedrigen Höhen bestimmt. Vergleiche hierzu Abbildung 16 und Abbildung 17 (siehe Anhang). An Orten an denen der Bedeckungsgrad niedriger Wolken zunimmt, wird mehr eingehende, solare Strahlung an der Wolkenoberseite reflektiert. Dies bewirkt einen kühlenden Effekt. In diesem Spektralbereich wirken vor allem tiefe Wolken. Hohe Wolken sind für solare Strahlung durchlässiger und haben daher kaum Effekt in diesem Spektralbereich. 20

24 Abbildung 7: Mehrja hriges zeitliches Mittel der A nderung des totalen Bedeckungsgrades (oben) und des Bedeckungsgrades hoher Wolken (unten) zwischen PD und PI. 21

25 Abbildung 8: Zusammenhang zwischen global-zeitlich gemitteltem ERFaci ter und Änderung des Bedeckungsgrades hoher Wolken zwischen PD und PI. Um ERFaci ter aus MIROC5 und MRI-CGCM3 genauer zu untersuchen, ist in Abbildung 9 das jährlich und über die Breiten (meridional) gemittelte ERFaci ter über dem Ozean in den genannten Regionen (für MIROC5 20 N - 15 S und 65 O O; und für MRI-CGCM3 zudem über dem Warm Pool: 20 N - 15 S und 60 O O) in einem Hovmöller-Diagramm (Zeit aufgetragen gegen geografische Länge) dargestellt (erste Zeile). In der zweiten Zeile ist die in dieser Region jährlich und meridional gemittelte Änderung des Bedeckungsgrades, berechnet mit dem ISCCP-Simulator, abgebildet. Zu erkennen ist die beinahe, räumliche und zeitliche Deckungsgleichheit zwischen ERFaci ter und der Änderung des Bedeckungsgrades. Dort, wo der Bedeckungsgrad zu einem Zeitpunkt von PI zu PD stark zunimmt, ist ERFaci ter stark positiv. Das heißt, dass sich ein wärmender Effekt im terrestrischen Spektralbereich einstellt. In der letzten Zeile ist die Änderung der AOD bei 500 nm dargestellt. AOD kann als Proxy für CCN dienen (Andreae (2009)). Zu erkennen ist, dass die AOD in allen Jahren stark bei einer geografischen Länge von 106 bis 110 Ost für MIROC5 und westlich von 120 Ost für MRI- CGCM3 zunimmt. Dies passt weder räumlich noch zeitlich mit den Änderungen des Bedeckungsgrades und mit ERFaci ter zusammen. Vielmehr wird ersichtlich, dass die AOD durch Emissionen im ostchinesischen Raum erhöht wird (vergleiche 22

26 Abbildung 10), während große Werte für ERFaci ter und die starke Bedeckungsgradänderung viel südlicher über Meeresflächen bestehen. Dieser Effekt ist nicht durch die klimatischen Windverhältnisse des Nordostpassats erklärbar, da sich die Region des starken ERFaci ter und der starken Bedeckungsgradänderung nicht zwingend südöstlich der Region mit starker AOD- Zunahme befindet. Das zeitlich räumliche Mittel des ERFaci ter in den betrachteten Regionen liegt für MIROC5 bei Wm 2 und für MRI-CGCM3 bei 4.58 Wm 2. Bei globaler Mittelung unter Vernachlässigung dieser Regionen (angenommen, dass in dieser Region nur Fehlwerte auftreten, d.h. in der Mittelung existiert die Region nicht), ergeben sich Werte für ERFaci ter von Wm 2 für MIROC5 und Wm 2 für MRI-CGCM3. Die global gemittelten Werten, die die jeweiligen Regionen mit einbeziehen, liegen bei Wm 2 für MIROC5 und Wm 2 für MRI-CGCM3. Die Differenz dieser globalen Werte mit bzw. ohne die jeweils betrachtete Region liegt in der Größenordnung des von den anderen Modellen berechneten ERFaci ter. 23

27 Abbildung 9: ERFaci ter, Änderung des Bedeckungsgrades und Änderung der AOD bei 500 nm zwischen PD und PI als Hovmöller-Diagramm aufgetragen für MIROC5 (links) und MRI-CGCM3 (rechts) für die jeweils betrachteten Regionen. Jährlich gemittelt. 24

28 Abbildung 10: Mehrjähriges zeitliches Mittel der Änderung der AOD bei 550 nm zwischen PD und PI. 4.2 Signifikanz des ERFaci ter Um die Signifikanz des aerosolbedingten Strahlungsantriebs zu untersuchen, wurden zweiseitige t-tests zwischen den Strahlungsflüssen aus sstclim und sstclimaerosol durchgeführt. Mit diesem Test wird geprüft, ob die Mittelwerte zweier Grundgesamtheiten übereinstimmen oder sich unterscheiden. Je größer der t-wert, desto größer ist die Wahrscheinlichkeit, dass sich die Grundgesamtheiten signifikant unterscheiden. In Abbildung 11 ist ERFaci ter aus den einzelnen Modellen an den Orten dargestellt, wo der t-wert aus dem t-test zwischen dem CRF im terrestrischen Spektralbereich aus sstclim und sstclimaerosol 1.65 ist. Dies entspricht bei dem vorhandenen Stichprobenumfang von 360 (30 Jahre) bei den meisten Modellen bzw. 612 und 600 bei IPSL-CM5A-LR und CanESM2, einer Signifikanz von 25

29 90 %. Zu erkennen ist, dass die Regionen, in denen die Signifikanz des Unterschiedes hoch ist, sehr klein sind. Nur die vorher schon genauer betrachteten Modelle MIROC5 und MRI-CGCM3 zeigen mehr Werte an, die diese Bedingung erfüllen. Dazu gehören vor allem die oben beschriebenen Regionen. Auch GFDL-CM3 zeigt eine Region in der die Signifikanz hoch ist. Diese Regionen sind jene, in denen das ERFaci ter sehr groß ist, d.h. in denen der Unterschied zwischen CRF PD und CRF PI sehr groß ist. Hieraus lässt sich schlussfolgern, dass in dem größten Teil der Fälle, der Unterschied des langwelligen CRF zwischen PD und PI nicht signifikant ist und ERFaci ter somit einen zufälligen Wert angibt. Sichere, signifikante Unterschiede des CRF zwischen PD und PI ergeben sich nur für sehr große Änderungen. Diese Betrachtung der Signifikanz der Unterschiede zwischen den Strahlungsgrößen aus PD und PI liefert jedoch keine Bewertung zur Realitätstreue und Physikalität dieser Unterschiede bzw. der sich daraus ergebenden effektiven Strahlungsantriebe. 26

30 Abbildung 11: Mehrjähriges zeitliches Mittel des ERFaci ter, an den Orten, an denen die Signifikanz der Differenz des CRF zwischen PD und PI 90 % ist. 27

31 4.3 Korrelation zwischen ERFaci und AOD Um die Beziehung zwischen ERFaci ter und der Änderung der AOD zu testen, wurde der Korrelationskoeffizient dieser beiden Größen berechnet. Die geografischzeitliche Korrelation ergab dabei sehr kleine Werte nahe Null für den Korrelationskoeffizienten (siehe Tabelle 2). Die geografische Korrelation zwischen den zeitlich gemittelten Werten für die Änderung der AOD und ERFaci ter zeigt geringfügig höhere Werte, jedoch sind auch diese klein und zeigen eine schlechte Korrelation. Dies gilt sowohl im terrestrischen, als auch im solaren Spektralbereich. Somit zeigen nicht nur MIROC5 und MRI-CGCM3 eine schlechten Zusammenhang zwischen Änderung der AOD und ERFaci ter, wie oben schon erwähnt, sondern auch die anderen Modelle, sowohl im solaren, als auch im terrestrischen Spektralbereich. Dies zeigt, dass nicht nur die Änderung der AOD bzw. des Aerosolgehalts eine Rolle spielt bei der Beeinflussung des ERFaci, sondern auch dynamische und thermodynamische Prozesse, die gegebenenfalls durch eine Änderung des Aerosolgehalts geändert bzw. hervorgerufen werden können. Die alleinige Betrachtung der Änderung der AOD gibt somit kaum Auskunft über die Stärke und Verteilung des ERFaci. Tabelle 2: Korrelationskoeffizienten der geografisch-zeitlichen und geografischen Korrelation zwischen Änderung der AOD von PI zu PD und ERFaci für terrestrischen und solaren Spektralbereich. geografisch-zeitliche Korrelation geografische Korrelation terrestrisch solar terrestrisch solar CSIRO-MK HadGEM2-A IPSL-CM5A-LR MIROC MRI-CGCM NorESM1-M Rapid Adjustments In Abbildung 12 sind das gesamte ERF ter bzw. ERFaci ter und dessen Anteile, Rapid Adjustments und Wolkenstrahlungsantrieb für die sechs Modelle FGOALS-s2, CanESM2, IPSL-CM5A-LR, HadGEM2-A, MIROC5 und MRI-CGCM3 (in dieser Reihenfolge) dargestellt. Diese sind in vier Kategorien 28

32 gemäß der parametrisierten Effekte eingeteilt. (Die fünf anderen Modelle fehlen hier aufgrund von Nichtverfügbarkeit der zur Kernel-Methode benötigten Daten.) Dabei sind die Adjustments der Temperatur, Planck und Lapse-Rate, und des Wasserdampfes mit der Kernel-Methode berechnet. Es wurde nicht in troposphärisches und stratosphärisches Adjustment unterteilt, sondern die ganze Atmosphäre bis zum TOA betrachtet. Dies bietet den Vorteil, dass Cloud als Residuum des ERF ter bzw. ERFaci ter und den Rapid Adjustments berechnet werden konnte. Theoretisch würde diese Variable auch direkte Effekte beinhalten. Da im terrestrischen Spektralbereich diese jedoch zu vernachlässigen sind, kann jenes Residuum als Wolkeneffekt angesehen werden. Planck stellt die Änderung der emittierten Strahlung aufgrund einer gleichmäßigen Temperaturänderung über die Atmosphäre dar und wurde berechnet mit: R P lanck = Level K Ta T s + K Ts T s (10) mit K als Kernel für Atmosphärentemperatur T a und Erdoberflächentemperatur T s. Die zugehörigen Kernel sind negativ. Dies bedeutet, dass für eine Zunahme bzw. Abnahme der Temperatur mehr bzw. weniger terrestrische Strahlung emittiert wird und sich somit ein kühlender bzw. wärmender, stabilisierender Effekt einstellt. Das Lapse-Rate-Adjustment zeigt den Einfluss der Änderung des Temperaturgradienten der Atmosphäre auf den Strahlungsantrieb und wurde berechnet als: R Lapse Rate = Level K Ta ( T a T s ) (11) Auch hier ist der zugehörige Kernel (der gleiche wie oben) negativ und somit stabilisierend. Wird die Temperaturabnahme mit der Höhe stärker, so kommt es zu mehr Konvektion. Diese transportiert Wärme in höhere Schichten und schwächt so den Temperaturgradienten. Gleichzeitig wird in der Höhe mehr terrestrische Strahlung emittiert. Wasserdampf hingegen zeigt einen destabilisierenden Effekt und der zugehörige Kernel ist positiv. So besitzt Wasserdampf einen Treibhauseffekt, der die Atmosphäre wärmt. 29

33 Ein Adjustment der Albedo wird im terrestrischen Spektralbereich nicht betrachtet. In diesem liegt dieses bei Null. Während im linken Diagramm ERF ter und Rapid Adjustments für den gesamten Himmel mit wolkenlosen und wolkenbedeckten Anteilen dargestellt wird, stellt das rechte Diagramm ERFaci ter und Rapid Adjustments ausschließlich für den Fall von Bedeckung des Himmels dar. Der Unterschied liegt somit im wolkenlosen Strahlungsantrieb, dem direkten Forcing. Im Vergleich der beiden Diagramme rechts und links zeigt sich eine beinahe Übereinstimmung der Werte für Cloud. Dies zeigt, dass direkte Effekte im terrestrischen Spektralbereich zu vernachlässigen sind. Zu erkennen ist, dass im Wolkenfall (allsky - clearsky) (Abbildung 12, rechts) die Rapid Adjustments vernachlässigbar sind und der Wolkenstrahlungsantrieb Cloud tatsächlich nahezu dem ERFaci ter entspricht. Die in dieser Arbeit genutzte Berechnung des ERFaci ter als Differenz des CRF zwischen den beiden Modellläufen PD und PI ist somit legitim im terrestrischen Spektralbereich. Während die Modelle, welche keine Aerosol-Eiswolken-Effekte parametrisieren, schwache und negative Werte für Cloud und ERFaci ter anzeigen, sind diese Werte für die Modelle, welche Aerosol-Eiswolken-Effekte parametrisieren stark positiv. Diese Modelle sind das MIROC5 und das MRI-CGCM3, welche vorher schon betrachtet wurden. Im linken Diagramm zeigt sich, dass im allsky auch die Rapid Adjustments Einfluss auf ERF ter ausüben. Während der Wasserdampf eine untergeordnete Rolle einnimmt und bei fast allen Modellen zu vernachlässigen ist, sind die thermischen Adjustments stärker. So zeigen sich für das Planck-Adjustment überwiegend positive, wärmende Werte und für das Lapse-Rate-Adjustment negative, kühlende Effekte. Ein positives Planck-Adjustment zeigt, dass die Temperaturen abnehmen und so weniger terrestrische Strahlung emittiert wird, was sich wärmend auswirkt. Das negative Lapse-Rate-Adjustment zeigt, dass in der Höhe mehr terrestrische Strahlung emittiert wird. Dies bedeutet, dass die Temperaturzunahme bzw. -abnahme in der Höhe stärker bzw. schwächer ist, als die am Boden. Diese beiden Adjustments beeinflussen das gesamte ERF ter teilweise stärker, als die Wolkenänderung und sorgen so dafür, dass ERF ter bei einigen Modellen andere Vorzeichen annimmt als ERFaci ter. Auch im linken Diagramm lassen sich die Unterschiede zwischen den Kategorien 30

34 wie im rechten Diagramm erkennen. Abbildung 12: Globales Mittel der Rapid Adjustments aus 6 CMIP5-Modellen für Gesamthimmel/allsky (links) und Wolkenhimmelanteil/cloud (rechts), eingeteilt in folgende Kategorien: Modelle, die nur Aerosol-Strahlungs-Wechselwirkungen parametrisieren (ERFari; ein Modell), Modelle, die außerdem den Wolkenalbedo-Effekt auf Flüssigphasenwolken parametrisieren (+RFaci; zwei Modelle), Modelle, die zusätzlich noch andere Aerosoleffekte auf Flüssigphasenwolken parametrisieren (+ERFaci,liq; ein Modell) und jene, die außerdem Aerosoleffekte auf Eisphasenwolken parametrisieren (+ERFaci,ice; zwei Modelle). 4.5 ERF in AR5 und CMIP5 In Abbildung 13 ist ERFaci für die betrachteten CMIP5-Modelle dargestellt (links). Hier ist auch das Ergebnis des CESM1-CAM5 aus Zelinka et al. (2014) enthalten. Weiterhin sind auch die Werte, welche in den Studien, die in AR5 angegeben sind, dargestellt (rechts). Dies sind die Werte aus Tabelle 1. Erklärend ist zur ersten Modellkategorie hinzuzufügen, dass hier Modelle dargestellt sind, die ausschließlich den direkten Aerosoleffekt parametrisieren. Somit sollte sich ein ERFaci ter von Null ergeben, da keine Aerosol-Wolken-Wechselwirkungen vorliegen. Jedoch ist in dieser Masterarbeit das ERFaci ter als die Differenz des CRF berechnet. Dieses kann den semidirekten Effekt beinhalten, welcher hier zu einem Wert für ERFaci ter ungleich Null für Modelle, die keine indirekten Effekte parametrisieren, führt. Zu erkennen ist für die CMIP5-Modelle eine Abhängigkeit des ERFaci von den parametrisierten Prozessen. So nimmt ERFaci ter sehr kleine Werte an, die überwiegend 31

35 sogar im negativen Bereich liegen. Lediglich für die Modelle, welche Aerosoleffekte auf Eiswolken parametrisieren, wird ERFaci ter groß. Bei den in AR5 angegebenen Studien hingegen zeigt sich für beide Kategorien ein ähnliches ERFaci ter. Die parametrisierten Effekte scheinen weniger Einfluss auf das Ergebnis zu nehmen. ERFaci ter wird für Modelle, die Aerosol-Eiswolken-Effekte parametrisieren sogar kleiner im Vergleich zu den anderen Modellen. Es zeigt sich somit für CMIP5- Modelle und AR5-Studien ein gegenteiliges Ergebnis bzgl. der Kategorien. Dieses ist jedoch nicht auf die unterschiedliche Anzahl an Werten in den beiden Diagrammen zurückzuführen. So folgen nicht nur die Mediane, sondern auch die gesamten Boxen diesen Strukturen. Während die CMIP5-Modelle einen Median des ERFaci ter als Wm 2 angeben, liegt dieser Wert für die im AR5 angegebenen Studien bei 0.1 Wm 2. Abbildung 13: ERFaci aus CMIP5-Modellen bzw. in AR5 angegebenen Studien für terrestrischen (rot) und solaren (blau) Spektralbereich. Die Boxen zeigen für jede Kategorie Minimum, Median und Maximum. Die Zahlen oben geben den Median an, während die Unteren die Anzahl der Experimente in den jeweiligen Kategorien darstellen. Die Kategorien entsprechen denen aus Abbildung 12. Man beachte die unterschiedliche Skalierung. Ähnliche Strukturen wie in Abbildung 13 zeigen sich auch in Abbildung 15 für 32

36 die CMIP5-Modelle (die in der Masterarbeit betrachteten plus CESM1-CAM5 aus Zelinka et al. (2014)). So ist auch für ERF die Kategoriabhängigkeit sowohl im solaren, als auch im terrestrischen Spektralbereich erkennbar. ERF ter in Abbildung 15 zeigt sehr ähnliche, geringfügig positivere Werte als ERFaci ter in Abbildung 13. Hier wirken zusätzlich Rapid Adjustments, wie Planck und Lapse-Rate, wie vorher schon betrachtet. Im solaren Spektralbereich zeigen sich größere Unterschiede zwischen ERF und ERFaci. Jedoch ist beim Vergleich zu erkennen, dass die Modellkategorien für die CMIP5-Modelle die gleiche Struktur wiedergeben, lediglich um bis zu 1 Wm 2 nach unten verschoben. In dieser Differenz zeigt sich der direkte Aerosoleffekt, der für alle Modellkategorien ähnlich ist. Beim Betrachten der Strukturen im solaren und terrestrischen Spektralbereich für CMIP5-Modelle fällt auf, dass ERF ter bzw. ERFaci ter stark positiv ist, wenn ERF sol bzw. ERFaci sol stark negativ ist. Dies ist auch anhand der Abbildung 14 ersichtlich. Im Nettoeffekt gleichen sich die beiden Spektren folglich aus. Abbildung 14: ERF (links) und ERFaci (rechts), terrestrisch gegen solar aufgetragen. Im rechten Plot sind die Ergebnisse aus Ghan et al. (2012) und Storelvmo et al. (2010), welche in Abschnitt 3 schon erwähnt wurden, enthalten. Anhand der Kategorieabhängigkeit der Ergebnisse der CMIP5-Modelle zeigt sich die Wichtigkeit der Parametrisierungen der jeweiligen Prozesse. Allen voran die der Aerosol-Eisphasenwolken-Effekte, die, wie zu erwarten, im terrestrischen Spektral- 33

37 bereich eine große Rolle spielen, da Eisphasenwolken aufgrund ihrer großen Höhe eine große Temperaturdifferenz zur Erdoberfläche besitzen und somit stark auf den Treibhauseffekt der Erde einwirken können. Wie glaubwürdig die Ergebnisse der Modelle mit Aerosol-Eisphasenwolken-Effekten sind, bleibt ungewiss. Jedoch ist festzuhalten, dass die Eisphasenprozesse einen wichtigen Anteil haben. Weitere Forschungen in diesem Bereich sind somit nützlich und sinnvoll und sollten weiter vorangetrieben werden. In den unteren Diagrammen der Abbildung 15 sind die Werte aus den Studien, die in AR5 angegeben sind, dargestellt. Die vollständige Auflistung ist zudem in Tabelle 4 angezeigt. Entgegen der CMIP5-Modelle ist hier keine Struktur zwischen den Kategorien erkennbar. Vielmehr ist die Spanne der Werte zwischen Minimum und Maximum sehr groß. Beim Betrachten der Summe der Mediane aus solarem und terrestrischem Spektralbereich (Abbildung 15, unten links) bzw. der Mediane der Nettowerte (Abbildung 15, unten rechts), ergeben sich kategorieübergreifend Werte für ERF, die stärker als -1.1 Wm 2 sind und so die Abschätzung des ERF aus AR5 als -0.9 Wm 2 nicht unterstützen. Lediglich die Kategorie +RF aci, in der nur der erste indirekte Effekt parametrisiert wird, gibt eine schwächere Summe der Mediane an. Diese besteht jedoch aus nur einem Experiment und ist deshalb bei dieser Betrachtung zu vernachlässigen. Auch die Ergebnisse für netto ERF der CMIP5-Modelle unterstützen die Abschätzung des AR5 nur bedingt (Abbildung 15, oben). So ergeben die Modelle, welche beide indirekten Effekte auf Flüssigwolken bzw. auch Effekte auf Eisphasenwolken parametrisieren, einen stärkeren, negativen Wert für ERF (als Summe der Mediane aus solarem und terrestrischem Spektralbereich). Die Werte dieser beiden Kategorien liegen bei unter -1.2 Wm 2 und unterstützen somit die neue Abschätzung des ERF aus AR5 von -0.9 Wm 2 nicht. 34

38 Abbildung 15: ERF für terrestrischen (rot) und solaren (blau) Spektralbereich bzw. netto (grün). Die Boxen zeigen für jede Kategorie Minimum, Median und Maximum. Die Zahlen oben geben den Median an, während die Unteren die Anzahl der Experimente in den jeweiligen Kategorien darstellen. Die Kategorien entsprechen denen aus Abbildung 12. Im ersten, oberen Diagramm sind die Werte aus den in dieser Masterarbeit betrachteten CMIP5-Modellen dargestellt. Das zweite Diagramm (unten links) zeigt die Werte aus den Veröffentlichungen, die in AR5 angegeben sind und explizite Werte für solaren und terrestrischen Spektralbereich angeben. Veröffentlichungen aus AR5, welche lediglich Nettowerte für ERF angeben, sind im dritten Diagramm (unten rechts) gezeigt. Die Werte des zweiten und dritten Diagramms sind auch in Tabelle 4 aufgelistet. 35

39 5 Zusammenfassung In dieser Arbeit wurde der effektive Strahlungsantrieb anthropogener Aerosole ERF im terrestrischen Spektralbereich anhand der Experimente sstclim und sst- ClimAerosol des CMIP5 untersucht. Der in diesem Spektralbereich wichtige Anteil dieser Größe ist das durch Aerosol-Wolken-Wechselwirkungen hervorgerufene ERFaci ter. Im AR5 wurde diese Größe auf 0.2 Wm 2 geschätzt, während das netto ERF (solar und terrestrisch) als -0.9 Wm 2 geschätzt wurde. In dieser Arbeit ergibt sich für ERFaci ter als Median der betrachteten Modelle ein Wert von Wm 2 und für Netto-ERF Wm 2. Dabei gleichen sich solarer und terrestrischer Spektralbereich aus. Für den Fall, dass ERFaci solar stark negativ ist, ist ERFaci ter stark positiv. Weiterhin ist festzuhalten, dass die Differenz des CRF zwischen PD und PI für die in dieser Masterarbeit betrachteten Modelle eine geringe Signifikanz anzeigt und ERFaci ter somit als zufällig zu werten ist. Auch die Korrelation zur Änderung der AOD ist schwach und gibt keinen Lerneffekt wieder. Rapid Adjustments spielen im bewölkten Fall eine vernachlässigbare Rolle im terrestrischen Spektralbereich. In diesem wirkt hauptsächlich die Änderung des Bedeckungsgrades. Bei Betrachtung des gesamten Himmels hingegen spielen auch Lapse-Rateund Planck-Adjustment eine Rolle und beeinflussen so das ERF ter und sorgen für einen Unterschied des Wertes von ERFaci ter und ERF ter. Die Prozesse, welche in den jeweiligen Modellen parametrisiert sind, beeinflussen das ERFaci ter bzw. ERF ter. So wirkt sich insbesondere die Parametrisierung von Aerosol-Eiswolken- Effekten stark aus. Da hier jedoch noch immer Wissenslücken liegen, zeigt sich die Wichtigkeit der weiteren Forschung an eben jener Parametrisierung. Abschließend ist zu sagen, dass die hier betrachteten Modelle des CMIP5 die Abschätzung des ERFaci ter aus AR5 nicht unterstützen sondern dieses wesentlich unterschreiten. Auch diese Modelle geben keine vollständige Sicherheit bzw. ein vollkommenes Bild. Jedoch erweitern sie dieses und zeigen auf, wie wichtig weitere Forschung ist, um Aerosol-Wolken-Effekte vollständig zu verstehen. 36

40 Literatur Andreae, M. O., 2009: Correlation between cloud condensation nuclei concentration and aerosoloptical thickness in remote and polluted regions. Atmos. Chem. Phys., 9, , doi: /acp B. Stevens, e. a., 2013: Atmospheric component of the MPI-M Earth System Model: ECHAM6. J. Adv. Modeling Earth Sys., 5, , doi: /jame Bao, Q. and Coauthors, 2012: The Flexible Global Ocean-Atmosphere-Land System model, Spectral Version 2: FGOALS-s2. Adv. Atmos. Sci., 30(3), , doi: /s Bauer, S. E. and S. Menon, 2012: Aerosol direct, indirect, semidirect, and surface albedo effects from sector contributions based on the ipcc ar5 emissions for preindustrial and present-day conditions. J. Geophys. Res., 117. Block, K. and T. Mauritsen, 2013: Forcing and feedback in the MPI-ESM-LR coupled model under abruptly quadrupled CO2. J. Adv. Modeling Earth Sys., 5, , doi: /jame Bodas-Salcedo, A., et al., 2011: COSP: Satellite simulation software for model assessment. Bull. Am. Met. Soc., 92, Boucher, O., et al., 2013: Clouds and aerosols. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, T. Stocker, D. Qin, G.- K. Plattner, M. Tignor, S. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex, and P. Midgley, Eds., Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, Curry, J. A. and E. E. Ebert, 1992: Annual cycle of radiation fluxes over the Arctic Ocean: Sensitivity to cloud optical properties. J. Clim., 5, Denman, K., et al., 2007: Couplings Between Changes in the Climate System and Biogeochemistry. Climate Change 2007: The Physical Science Basis. Contributi- 37

41 on of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change [Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K.B. Averyt, M.Tignor and H.L. Miller (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA. Gettelman, A., X. Liu, D. Barahona, U. Lohmann, and C.-C. Chen, 2012: Climate impacts of ice nucleation. J. Geophys. Res., 117. Ghan, S., X. Liu, R. C. Easter, R. Zaveri, P. J. Rasch, J.-H. Yoon, and B. Eaton, 2012: Toward a minimal representation of aerosols in climate models: Comparative decomposition of aerosol direct, semi-direct, and indirect radiative forcing. J. Clim., 25, Hoose, C., J. E. Kristjánsson, J. P. Chen, and A. Hazra, 2010: A classical-theorybased parameterization of heterogeneous ice nucleation by mineral dust, soot, and biological particles in a global climate model. J. Atmos. Sci., 67, Hoose, C., U. Lohmann, R. Erdin, and I. Tegen, 2008: The global influence of dust mineralogical composition on heterogeneous ice nucleation in mixed-phase clouds. Environ. Res. Lett., 3. Hoose, C. and O. Möhler, 2012: Heterogeneous ice nucleation on atmospheric aerosols: a review of results from laboratory experiments. Atmos. Chem. Phys., 12, Jones, A., D. L. Roberts, M. J. Woodage, and C. E. Johnson, 2001: Indirect sulphate aerosol forcing in a climate model with an interactive sulphur cycle. J. Geophys. Res., 106, Kirkevåg, A., et al., 2013: Aerosol climate interactions in the norwegian earth system model noresm1 m. Geoophys. Model Dev., 6, , doi: / gmd ,2013. Klein, S. A., Y. Zhang, M. D. Zelinka, R. Pincus, J. Boyle, and P. J. Gleckler, 2013: Are climate model simulations of clouds improving? An evaluation using the ISCCP simulator. J. Geophys. Res. Atmos., 118, , doi: / jgrd

42 Koch, D., S. Menon, A. D. Genio, R. Ruedy, I. Alienov, and G. A. Schmidt, 2009: Distinguishing aerosol impacts on climate over the past century. J. Clim., 22, Korolev, A. and I. Mazin, 2003: Supersaturation of water vapor in clouds. J. Atmos. Sci., 60, Kristjánsson, J. E., 2002: Studies of the aerosol indirect effect from sulfate and black carbon aerosols. J. Geophys. Res., 107. Lohmann, U., 2002: Possible aerosol effects on ice clouds via contact nucleation. J. Atmos. Sci., 59, Lohmann, U., 2004: Can anthropogenic aerosols decrease the snowfall rate? J. Atmos. Sci., 61, Lohmann, U., 2008: Global anthropogenic aerosol effects on convective clouds in echam5 ham. Atmos. Chem. Phys., 8, Lohmann, U. and K. Diehl, 2006: Sensitivity studies of the importance of dust ice nuclei for the indirect aerosol effect on stratiform mixed-phase clouds. J. Atmos. Sci., 63, Lohmann, U. and J. Feichter, 1997: Impact of sulfate aerosols on albedo and lifetime of clouds: A sensitivity study with the ECHAM4 GCM. J. Geophys. Res., 102, Lohmann, U. and J. Feichter, 2001: Can the direct and semi-direct aerosol effect compete with the indirect effect on a global scale? Geophys. Res. Lett., 28, Lohmann, U. and S. Ferrachat, 2010: Impact of parametric uncertainties on the present-day climate and on the anthropogenic aerosol effect. Atmos. Chem. Phys., 10, Lohmann, U. and C. Hoose, 2009: Sensitivity studies of different aerosol indirect effects in mixed-phase clouds. Atmos. Chem. Phys., 9,

43 Lohmann, U. and G. Lesins, 2002: Stronger constraints on the anthropogenic indirect aerosol effect. Science, 298, Lohmann, U., P. Stier, C. Hoose, S. Ferrachat, S. Kloster, E. Roeckner, and J. Zhang, 2007: Cloud microphysics and aerosol indirect effects in the global climate model echam5 ham. Atmos. Chem. Phys., 7, Luo, Z., W. Rossow, T. Inoue, and C. Stubenrauch, 2002: Did the Eruption of the Mt. Pinatubo Volcano Affect Cirrus Properties? J. Clim., 15, Makkonen, R., A. Asmi, V. Kerminen, M. Boy, A. Arneth, P. Hari, and M. Kulmala, 2012: Air pollution control and decreasing new particle formation lead to strong climate warming. Atmos. Chem. Phys., 12, Menon, S. and A. D. Genio, 2007: Evaluating the impacts of carbonaceous aerosols on clouds and climate. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, pp. Menon, S., A. D. D. Genio, D. Koch, and G. Tselioudis, 2002: GCM Simulations of the aerosol indirect effect: Sensitivity to cloud parameterization and aerosol burden. J. Atmos. Sci., 59, Menon, S. and L. Rotstayn, 2006: The radiative influence of aerosol effects on liquidphase cumulus and stratiform clouds based on sensitivity studies with two climate models. Clim. Dyn., 27, Ming, Y., V. Ramaswamy, L. J. Donner, V. T. J. Phillips, S. A. Klein, P. A. Ginoux, and L. W. Horowitz, 2007: Modeling the interactions between aerosols and liquid water clouds with a self-consistent cloud scheme in a general circulation model. J. Atmos. Sci., 64, Posselt, R. and U. Lohmann, 2008: Influence of giant ccn on warm rain processes in the echam5 gcm. Atmos. Chem. Phys., 8, Posselt, R. and U. Lohmann, 2009: Sensitivity of the total anthropogenic aerosol effect to the treatment of rain in a global climate model. Geophys. Res. Lett.,

44 Quaas, J., et al., 2009: Aerosol indirect effects general circulation model intercomparison and evaluation with satellite data. Atmos. Chem. Phys., 9, Roeckner, E., et al., 2004: The atmospheric general circulation model ECHAM5 Part II: Sensitivity of simulated climate to horizontal and vertical resolution, mpi Report No Rosenfeld, D., U. Lohmann, G. B. Raga, C. D. O. Dowd, M. Kulmala, S. Fuzzi, A. Reissell, and M. O. Andreae, 2008: Flood or Drought: How Do Aerosols Affect Precipitation? Science, 321, Rosenfeld, D., R. Wood, L. J. Donner, and S. C. Sherwood, 2013: Aerosol Cloud- Mediated Radiative Forcing: Highly Uncertain and Opposite Effects from Shallow and Deep Clouds. In Climate Science for Serving Society: Research, Modelling and Prediction Priorities, G. R. Asrar and J. W. Hurrell, Eds. Springer, doi: / Rotstayn, L. D., 1999: Indirect forcing by anthropogenic aerosols: A global climate model calculation of the effective-radius and cloud-lifetime effects. J. Geophys. Res., 104, Rotstayn, L. D., M. A. C. A. Chrastansky, S. J. Jeffrey, and J. J. Luo, 2013: Projected effects of declining aerosols in RCP4.5: Unmasking global warming? Atmos. Chem. Phys., 13(21), 10,883 10,905, doi: /acp Salzmann, M., Y. Ming, J.-C. Golaz, P. A. Ginoux, H. Morrison, A. Gettelman, M. Krämer, and L. J. Donner, 2010: Two-moment bulk stratiform cloud microphysics in the gfdl am3 gcm: Description, evaluation, and sensitivity tests. Atmos. Chem. Phys., 10, Sekiguchi, M., T. Nakajima, K. Suzuki, K. Kawamoto, A. Higurashi, D. Rosenfeld, I. Sano, and S. Mukai, 2003: A study of the direct and indirect effects of aerosols using global satellite data sets of aerosol and cloud parameters. J. Geophys. Res.,

45 Soden, B. J., I. M. Held, R. Colman, K. M. Shell, J. T. Kiehl, and C. A. Shields, 2008: Quantifying climate feedbacks using radiative kernels. J. Clim., 21, , doi: /2007jcli Stevens, B., et al., 2012: The Atmospheric Component of the MPI M Earth 1 System Model: ECHAM6. J. Geophys. Res., submitted, doi:{ /}. Storelvmo, T., J. Kristjánsson, U. Lohmann, T. Iversen, A. Kirkevåg, and O. Seland, 2008a: Modeling of the Wegener Bergeron Findeisen process implications for aerosol indirect effects. Environ. Res. Lett., 3, doi: / /3/4/ Storelvmo, T., J. Kristjánsson, U. Lohmann, T. Iversen, A. Kirkevåg, and O. Seland, 2010: Corrigendum: Modeling of the Wegener Bergeron Findeisen process implications for aerosol indirect effects. Environ. Res. Lett., 5, doi: / /5/1/ Storelvmo, T., J. E. Kristjánsson, S. J. Ghan, A. Kirkevåg, O. Seland, and T. Iversen, 2006: Predicting cloud droplet number concentration in Community Atmosphere Model (CAM)-Oslo. J. Geophys. Res., 111. Storelvmo, T., J. E. Kristjánsson, and U. Lohmann, 2008b: Aerosol influence on mixedphase clouds in CAM-Oslo. J. Atmos. Sci., 65, Takemura, T., 2012: Distributions and climate effects of atmospheric aerosols from the preindustrial era to 2100 along representative concentration pathways (rcps) simulated using the global aerosol model sprintars. Atmos. Chem. Phys., 12, Taylor, K. E., V. Balaji, S. Hankin, M. Juckes, and B. Lawrence, 2010: CMIP5 and AR5 Data Reference Syntax (DRS). Taylor, K. E., R. J. Stouffer, and G. A. Meehl, 2012: An overview of CMIP5 and the experiment design. Bull. Am. Met. Soc., 93(4), , doi: / BAMS-D

46 Unger, N., S. Menon, D. M. Koch, and D. T. Shindell, 2009: Impacts of aerosolcloud interactions on past and future changes in tropospheric composition. Atmos. Chem. Phys., 9, Wang, M., S. Ghan, M. Ovchinnikov, X. Liu, R. Easter, E. Kassianov, Y. Qian, and H. Morrison, 2011: Aerosol indirect effects in a multi-scale aerosol-climate model pnnl-mmf. Atmos. Chem. Phys., 11, Zelinka, M. D., T. Andrews, P. M. Forster, and K. E. Taylor, 2014: Quantifying components of aerosol-cloud-radiation interactions in climate models. J. Geophys. Res. Atmos., 119, , doi: /2014jd

47 6 Anhang Beim Vergleich der in Tabelle 3 angegebenen Werte mit denen in Zelinka et al. (2014), zeigt sich, dass im terrestrischen Spektralbereich jeweils gleiche Ergebnisse für ERFaci ter, ERFari ter und ERF ter erzielt werden. So wurde in Zelinka et al. (2014) wie auch in dieser Arbeit ERFaci ter als Änderung des Wolkenstrahlungsantriebs berechnet, ERF ter als Änderung des Strahlungsflusses am TOA, und ERFari ter als Differenz zwischen ERFaci ter und ERF ter. Im solaren Spektrum hingegen wurde in Zelinka et al. (2014) die approximate partial radiative perturbation(aprp) Methode genutzt, mit der das Forcing in seine Beitragsterme unterteilt werden kann. Der Unterschied zwischen dem in Zelinka et al. (2014) berechneten solaren ERFaci und dem in dieser Arbeit angegebenen ERFaci solar liegt im cloud masking effect bzgl. ERFari solar und bzgl. der Änderung der Oberflächenalbedo der Erde (Zelinka et al. (2014)). Die Werte für ERF solar in dieser Arbeit und der aus Zelinka et al. (2014) ähneln sich. Die anderen beiden (aci und ari) unterscheiden sich. Der Gesamteffekt ist somit ähnlich, seine Zusammensetzung aus Aerosol-Wolken- Wechselwirkung und Aerosol-Strahlungs-Wechselwirkung ist jedoch unterschiedlich. Hierin wird deutlich, dass der cloud masking effect die Gewichtung von aci und ari im solaren Spektralbereich beeinflusst. Tabelle 3: Globalzeitliches Mittel aus CMIP5-Modellen und Mittel und Median aus diesen Modellen mit halber Wichtung der MPI-ESM-LR-Läufe ERF aci ter ERF ter ERF ari ter ERF aci solar ERF solar ERF ari solar bcc-csm1-1 -0,046 0,014 0,06 0,689-0,392-1,081 CanESM2-0,037 0,070 0,108-0,240-0,937-0,697 CSIRO-MK ,207-0,228-0,021-0,162-1,179-1,017 FGOALS-s2-0,061 0,033 0,094 0,425-0,412-0,837 NOAA-GFDL-CM3 0,024 0,132 0,109-0,662-1,732-1,070 HadGEM2-A -0,048 0,094 0,142-0,835-1,327-0,491 IPSL-CM5A-LR -0,216-0,210 0,005 0,212-0,506-0,718 MIROC5 0,265 0,488 0,223-0,910-1,764-0,853 MPI-ESM-LR r1i1p1-0,102-0,122-0,020 0,428-0,231-0,659 MPI-ESM-LR r1i1p2-0,167-0,198-0,031 0,719-0,405-1,124 MRI-CGCM3 0,952 0,953 0,000-2,062-2,051 0,011 NorESM1-M -0,173-0,042 0,131-0,191-0,953-0,762 average 0,029 0,104 0,075-0,288-1,052-0,764 median -0,048 0,033 0,094-0,191-0,953-0,837 44

48 Abbildung 16: Mehrjähriges Mittel des ERF aci solar aus CMIP5-Modellen. Das globale Mittel ist jeweils für die Modelle oben rechts abgebildet. 45

49 Abbildung 17: Mehrjähriges zeitliches Mittel der Änderung des Bedeckungsgrades tiefer Wolken zwischen PD und PI. 46