TP 2.1 Klimadatenbank TP 2.2 Transientenrechnung TP 2.3 Dynamische Regionalisierung. Modul Klima

Transkript

1 Modul Klima Christian Bernhofer & Johannes Franke, TU Dresden Theo Mengelkamp & Anne Pätzold, GKSS, Geestacht Clemens Simmer & Ralf Lindau, Universität Bonn Bonn, 8. April 2008

2 TP 2.1 Klimadatenbank Prognose des regionalen ist Klimawandels Regionalisierung die Voraussetzung für die Anwendung! < 1 Gitterzelle für deutsches Bundesland Modellauflösung T42: 2.8, 250 km DKRZ Hamburg

3 Regionalisierung in LandCaRe 2020 ECHAM5 global (andere in D. kaum genutzt) Dynamisches Downscaling REMO Europa und D (10km) CLM Europa und D (20km) Statistisches (dyn.) Downscaling nach Enke (UBA) bzw. Gerstengarbe (PIK) Ergebnisse - stationsbezogen Regionalisierung - GIS (Quelle: Hamburger Bildungsserver)

4 Klimaszenarien in LandCare 2020 (Basis: SGA Daten & SGA CLM-Simulationen, UBA WETTREG u.a.) Arbeitsprogramm: Zeitscheiben um 2020 und 2040 für die Szenarien A1B, B1 Räumliche Verdichtung im Untersuchungsgebiet Problemangepasste zeitliche Auflösung Ziele: Klimaprojektionen als Entscheidungsbasis in ländlichen Räumen mit geeigneter räumlich-zeitlicher Auflösung Datengrundlage zur Dokumentation des Klimawandels Quantifizierung der Unsicherheit der Projektionen 2020 (2040)

5 global Europa und D LandCare-Gebiet: Klimastation bzw. mit 1 km² ECHAM5 (MPI) KlimaZwei SGA, DWD, UBA WEREX WETTREG (UBA) TP 2.1 Klimadatenbank (TUD, Franke/Bernhofer) Klima (Tageswerte) für Stationen und Fläche Extreme (Niederschlag, Temperaturgrenzwerte; 30 min) Flächenauflösung wie LandCare DSS (1 km²)

6 global Europa und D LandCare-Gebiet: Klimastation bzw. mit 1 km² ECHAM5 (MPI) KlimaZwei SGA, DWD, UBA CLM 20km (SGA) REMO 10km (UBA) TP 2.2 Transientenrechnung (GKSS, Pätzold/Mengelkamp) Zeitreihen und Statistik mit 5 km Auflösung mit CLM (SGA Basis) TP 2.3 Dynamische Regionalisierung (Uni Bonn, Lindau/Simmer) Zeitreihen und Statistik mit 1km Auflösung mit CLM und Terra (GKSS Basis)

7 global Europa und D LandCare-Gebiet: Klimastation bzw. mit 1 km² ECHAM5 (MPI) KlimaZwei SGA, DWD, UBA WEREX WETTREG (UBA) CLM 20km (SGA) REMO 10km (UBA) TP 2.1 Klimadatenbank (TUD, Franke/Bernhofer) Klima (Tageswerte) für Stationen und Fläche Extreme (Niederschlag, Temperaturgrenzwerte; 30 min) Flächenauflösung wie LandCare DSS (1 km²) TP 2.2 Transientenrechnung (GKSS, Pätzold/Mengelkamp) Zeitreihen und Statistik mit 5 km Auflösung mit CLM (SGA Basis) TP 2.3 Dynamische Regionalisierung (Uni Bonn, Lindau/Simmer) Zeitreihen und Statistik mit 1km Auflösung mit CLM und Terra (GKSS Basis)

8 global Europa und D LandCare-Gebiet: Klimastation bzw. mit 1 km² ECHAM5 (MPI) KlimaZwei SGA, DWD, UBA WEREX WETTREG (UBA) CLM 20km (SGA) REMO 10km (UBA) TP 2.1 Klimadatenbank (TUD, Franke/Bernhofer) Klima (Tageswerte) für Stationen und Fläche Extreme (Niederschlag, Temperaturgrenzwerte; 30 min) Flächenauflösung wie LandCare DSS (1 km²) TP 2.2 Transientenrechnung (GKSS, Pätzold/Mengelkamp) Zeitreihen und Statistik mit 5km Auflösung mit CLM (SGA Basis) TP 2.3 Dynamische Regionalisierung (Uni Bonn, Lindau/Simmer) Zeitreihen und Statistik mit 1km Auflösung mit CLM und Terra (GKSS Basis)

9 TP 2.1 Klimadatenbank (TU Dresden, Franke/Bernhofer) Klimadaten von 1951bis 2050 Beobachtung (DWD, SGA) Simulation (UBA/WETTREG, SGA) Klimadatenbank Bobachtete Klimaänderung

10 478 Niederschlagmessstationen, DWD Jahresniederschlag in Ostdeutschland ( ): relativer Trend [%]

11 a) b) Niederschlagstrend c) d) Jahreszeitenniederschlag in Ostdeutschland ( ), a) Frühjahr, b) Sommer, c) Herbst, d) Winter: relativer Trend [%]

12 Vergleich Messung Simulation (Beobachtung) vs (CRun) CRun Temperatur: kühler (Winter um 0,3 C bis 0,7 C; Vegetationsperiode besser) Frühjahr Sommer Frühjahr Sommer Herbst Winter Herbst Winter Lufttemperatur [ C] Niederschlag [%] C-Run Niederschlag: Abweichungen von ± 9% mit räumlichen Mustern LandCaRe Gebiet: Winter zu kühl Sommer etwas zu feucht

13 Mögliche Änderungen für (A1B) vs (CRun) Temperatur: wärmer Vegetationsperiode etwa 1 C Frühjahr Sommer Frühjahr Sommer Herbst Winter Herbst Winter Lufttemperatur [ C] Niederschlag [%] Niederschlag: jahreszeitl. Änderung -20 bis +25% mit räumlichen Mustern LandCaRe Gebiet: Temperatur wie D. Vegetationsperiode viel trockener ohne plus im Winter!

14 Jährlichkeit (20./21.Jh.) Bemessungsregen 60 mm Jährlichkeit T [a] für hn(24h,t) = 60mm im EZG Weißeritz (Osterzgebirge), , Vegetationsperiode (05-09) Mögliche Entwicklung der Jährlichkeit T [a] für hn(24h,t) = 60mm im EZG Weißeritz (Gebietsmittel) im 21. Jahrhundert, Vegetationsperiode (05-09)

15 TP 2.1 Klimadatenbank - Stand der Arbeiten - Datenbanksystem: MySQL 5.1mit passwortgeschützem Online-Zugang (Version zur Entwicklung des DSS-Prototypen bereits erstellt) - gegenwärtige Arbeiten: * Assimilation von Datensätzen mit Tageswerten (siehe Tabelle) * Entwicklung einer Nutzeroberfläche - folgende Arbeiten: * Anbindung der Klimadatenbank an DSS-Prototyp * Implementierung von Analyseroutinen Datensatz gemessener Datensatz ( ) simulierte Datensätze: CRun, A1B, B1) - WETTREG - CLM(~20km) - CLM(~5km) - TERRA (~1km) Fortschritt Import fast abgeschlossen Import fast abgeschlossen Download von CERA-Datenbank (SGA) begonnen liefert TP 2.2 liefert TP 2.3 Projektfortschritt lt. Plan

16 TP 2.2 Transientenrechnung (GKSS, Pätzold/Mengelkamp) Statistik für (A1B, B1) Kontrolllauf: Simulation gegenwärtiges Klima Antriebsdaten für TP2.3 A1B B1

17 Methodik: CLM Simulationen für Deutschland mit 5 km Gitterweite Konsertialdaten aus Läufen C20_1, A1B_1, B1_1 dienen als Antrieb für Downscaling 5km mit CLM3 (versionskonsistent) Qualitätskontrolle s. CLM-Workshop Dez. -> Gegenwärtiges Klima (Prüfung der Simulationen) Simulation 1: Antrieb mit NCEP/NCAR Reanalyse Daten Simulation 2: Antrieb Kontrolllauf SGA-CLM Simulation Europa (20km) Klimaszenarien ( ) Simulation 3: Szenario A1B Simulation 4: Szenario B1

18 Modellgebiet: Auflösung: , ca 5km Region [lon/lat]: - rot_pol: / rot_region_start: / rot_region_end: / 4.83 # Gitterpunkte [lon/lat]: 162 / 222

19 Vergleich A1B/LandCare T_2M Deutschland 2015 Jahresmittel: Sommer (JJA): Gute Übereinstimmung große regionale Unterschiede (1 Jahr!)

20 Vergleich A1B/LandCare TOT_PREC Deutschland 2015 Ergebnis plausibel Jahresmittel und Sommer (JJA): Zeitraum zu kurz (1 Jahr!)

21 Vorsorge und Gestaltungspotenziale TP 2.1 Klimadatenbank in ländlichen Räumen unter TP regionalen 2.2 Transientenrechnung Wetter- und Klimaänderungen TP 2.3 Dynamische (LandCaRe Regionalisierung 2020) Das Model überschätzt den Regen im Mittel um 345 mm/a (44%) (links). In Norddeutschland ist die Überschätzung gering; in vielen Mittelgebirgsregionen beträgt sie mehr als 100%. (rechts)

22 Vorsorge und Gestaltungspotenziale TP 2.1 Klimadatenbank in ländlichen Räumen unter TP regionalen 2.2 Transientenrechnung Wetter- und Klimaänderungen TP 2.3 Dynamische (LandCaRe Regionalisierung 2020) Daher muss der Absolutwert mit den Beobachtungen korrigiert werden! Neben den Absolutwerten des Regens wurden folgende statistische Maße des Modells validiert: Häufigkeitsverteilung der Regenintensität Räumliche Autokorrelationen Ziel: Erhaltung der räumlichen und zeitlichen Variabilität bei Verbesserung der Absolutwerte als Voraussetzung zur Nutzung als Input ins DSS

23 Beispiel: Regen vom bis (als Teil der Kooperation mit TP5) DWD Original Ergebnis Varianzeigenschaften DWD Original BeobFehler: 0.04 mm 2 /d 2 Ergebnis Konstante Varianzreduktion um den BeobFehler

24 Vorsorge und Gestaltungspotenziale TP 2.1 Klimadatenbank in ländlichen Räumen unter TP regionalen 2.2 Transientenrechnung Wetter- und Klimaänderungen TP 2.3 Dynamische (LandCaRe Regionalisierung 2020) Extremwerthäufigkeiten werden vom Modell gut reproduziert. Wie in der vorigen Folie gezeigt, sind die unteren Regenklassen im Modell deutlich zu häufig. Modell 0-9 Obse Die Häufigkeit von extremen Regenmengen (20 bis 100 mm/tag) stimmt mit den Beobachtungen dagegen gut überein.

25 Vorsorge und Gestaltungspotenziale TP 2.1 Klimadatenbank in ländlichen Räumen unter TP regionalen 2.2 Transientenrechnung Wetter- und Klimaänderungen TP 2.3 Dynamische (LandCaRe Regionalisierung 2020) Räumliche Autokorrelation des Regens M Modell O Obse o TheoObse Die Autokorrelation des Models (M) ist für alle Abstände größer als die der Beobachtungen (O). Beobachtungen weisen bei Abstand Null eine Korrelation von 0.9 auf. Diese Verminderung gegenüber 1 kann als mangelnde Repräsentanz der Punktmessungen für die 18-km Gitterbox interpretiert werden. Um diesen Faktor sind auch alle anderen O-Werte reduziert. TheoObse (o) geben korrigierten Wert.

26 Vorsorge und Gestaltungspotenziale TP 2.1 Klimadatenbank in ländlichen Räumen unter TP regionalen 2.2 Transientenrechnung Wetter- und Klimaänderungen TP 2.3 Dynamische (LandCaRe Regionalisierung 2020) Teil 2 Vergleich CLM mit Down-scaling Produkten Downscaling der CLM-Läufe (18 km) mit Hilfe einer Stand-alone Version des Bodenmodells Terra (2.8 km). Vergleich zwischen Antriebsmodell (CLM) und hochaufgelösten Ergebnissen (Terra) am Beispiel der modellierten Oberflächentemperatur im Juli 2020 in der Uckermark.

27 Vorsorge und Gestaltungspotenziale TP 2.1 Klimadatenbank in ländlichen Räumen unter TP regionalen 2.2 Transientenrechnung Wetter- und Klimaänderungen TP 2.3 Dynamische (LandCaRe Regionalisierung 2020) Modellierte Oberflächentemperatur am 31.Juli 2020, 0:00. CLM zeigt warme Ostssee, Bornholm ist als nächtliche Kälteinsel zu erkennen. In der Uckermark herrschen K. Hochaufgelöstes Terra-Ergebnis ist für diesen Zeitpunkt kälter (285 K). CLM Terra

28 Vorsorge und Gestaltungspotenziale TP 2.1 Klimadatenbank in ländlichen Räumen unter TP regionalen 2.2 Transientenrechnung Wetter- und Klimaänderungen TP 2.3 Dynamische (LandCaRe Regionalisierung 2020) Mittelwerte und Gesamtvarianzen in Raum und Zeit Das zeitliche und räumliche Mittel der Oberflächentemperatur über den gesamten Juli 2020 und die gesamte Uckermark beträgt: CLM: Terra: K K Die Gesamtvarianz ist in Terra höher als im CLM, CLM: K 2 Terra: K 2 Diese erhöhte Varianz kann allerdings keineswegs als das Hinzufügen kleinräumiger Varianz durch Terra interpretiert werden. Die zeitliche Varianz dominiert deutlich: Gesamtvarianz Terra K 2 davon räumlich 0.58 K 2 davon kleinräumig (unterhalb von 18 km) 0.21 K 2

29 TP 2.3 Dynamische Regionalisierung Stand der Arbeiten Validierung des CLM (Schwerpunkt Niederschlag) Häufigkeit von Extremereignissen und die Autokorrelationsfunktion stimmen gut überein Es regnet zu viel im Modell (etwa 50%!) Korrekturbedarf Verdichtung des CLM mit TERRA Produkten Terra modifiziert die ursprünglichen Oberflächentemperatur- Felder des CLM deutlich Tagesgang ist gleichmäßiger, zeitliche Varianz dominiert Projektfortschritt lt. Plan

30 Schlussbemerkungen Modul Klima Warum die ganze Arbeit? Anpassung der Klimaprojektionen für landwirtschaftliche Anwendungen (Auflösung, Korrektur der Absolutwerte) Input in LandCaRe DSS Zu erwartende Fortschritte bis Sommer 2008: Integration der WETTREG-Ergebnisse in die Klimadatenbank in TP 2.1 Antriebsdaten 5km aus TP 2.2 CLM-Läufe mit 1km in TP 2.3 Zu erwartende Fortschritte bis Projektende: Anbindung zum DSS (TP 2.1) Bewertung und Analyse der Unsicherheit aus der Klimaprojektion für die Entwicklung der Erträge (alle TP 2)