Hat die Klimavariabilität im Alpenraum zugenommen? Eine Flash-Studie mit ~200-jährigen HISTALP-Daten

Größe: px

Ab Seite anzeigen:

Download "Hat die Klimavariabilität im Alpenraum zugenommen? Eine Flash-Studie mit ~200-jährigen HISTALP-Daten"

Nadine Hoch
vor 6 Jahren
Abrufe

1 Hat die Klimavariabilität im Alpenraum zugenommen? Eine Flash-Studie mit ~-jährigen HISTALP-Daten Reinhard Böhm Zentralanstalt für Meteorologie und Geodynamik, Wien Eine HISTALP-Studie aus der FA Klimatische Landesaufnahme und Klimavariabilität: Ingeborg Auer, Reinhard Böhm, Sophie Debit, Bernhard Hynek, Anita Jurkovic, Eva Korus, Alexander Orlik, Helfried Scheifinger, Elsa dos Santos,Wolfgang Schöner, Markus Ungersböck

2 GEGENSTAND DES VORTRAGS: Hier nicht behandelt: Kleinräumige Extremwerte, die TAGESDATEN erfordern (Hagel, Gewitter, Tornados, ) Hier behandelt: Extremwerte auf MONATSBASIS und länger (Hitzesommer, Dürre, großräumige Hochwasser, ) Grund: Datenprobleme für Tagesdaten schwer in den Griff zu bekommen (Sample-Länge vs. Varianz, Homogenisierung, Fehlererkennung, ) Für Monatsdaten eher:

3 DATENBASIS HISTALP: (genaueres siehe Poster) monatliche Klimazeitreihen aus dem Großraum Alpen homogenisiert und Outlier-korrigiert für Luftdruck Temperatur Niederschlag Luftdruck Temperatur Niederschlag Sonnenschein Bewölkung Anzahl der Reihen Datenumfang Jahre mittlere Länge einer Reihe Jahre Inhomogenitäten mittleres homogenes Subintervall Jahre Ausreisser fehlende Monatswerte Monate Rate der fehlenden Daten % alle

GAR: Subregionen und LONG SERIES SUBSET HISTALP LONG SERIES SUBSET deg E deg W Höhe (m) Luftdruck Temperatur Niederschlag seit seit seit bis Augsburg AUG DE.9 8. 6 8 8 8 - Basel BAS CH 7.6 7.

4 GAR: Subregionen und LONG SERIES SUBSET HISTALP LONG SERIES SUBSET deg E deg W Höhe (m) Luftdruck Temperatur Niederschlag seit seit seit bis Augsburg AUG DE Basel BAS CH Bern BER CH NE Bologna BOL IT Brno NW BRN CZ Budapest BUD HU Firenze FIR IT GNV CH Genova GOV IT Graz GRA AT Hohenpeißenberg HOP DE Innsbruck INN AT Karlsruhe KAR DE Klagenfurt KLA AT Konstanz-combi KMF DE Kremsmünster KRE AT Marseille MAR FR.. - Milano MIL IT München MUN DE Nancy NAN FR Orange ORA FR Padova PAD IT Pavia PAV IT Regensburg RBG DE Strasbourg STR FR S Stuttgart STU DE Torino TOR IT Udine UDI IT Ulm-combi ULM DE Verona VER NW IT.87NE.8 S 67 alle HISTALP 788 sites - Wien WIE AT Zürich ZUR CH

5 T SUM (JJA) Systematik der Analyse an einem Beispiel Die Urreihe Regensburg -jähr. Tiefpass T SUM lowpass- Regensburg jähr. Hochpass 6 T SUM highpass- Regensburg TQR8, ( years running windows) SUM (JJA) Regensburg T SUM (JJA) F-lowpass, Q, Q, Q9, Q9 Regensburg 8/9% Quantilbereich Zeitreihen der QR8 und

6 Fortsetzung: Was S, DJF: tut R sich extreme außerhalb anomalies von QR-8 beyond und QR8 QR-9? and R-anomalies, LP+Q,,9,9 % of S-LS-AV WIN Jetzt: fixe Quantile im längsten gemeinsamen Subintervall (-) % of 9- Zeitreihen der Ereignisse außerhalb QR8 und delta- S-LS-AV WIN delta-9 S-LS-AV WIN delta- S-LS-AV WIN delta-9 S-LS-AV WIN

7 NACHSATZ ZUR SYSTEMATIK. Diese Analysen wurden für jede der LONG-Series (LS) getrennt durchgeführt Dadurch wird die die potentielle Fehlerquelle der Varianzerhöhung bei Verkleinerung der Stichprobe vermieden Vergleiche mit Analog-Analysen von gemittelten Reihen für Subregionen (NW, NE, S) zeigten jedoch, dass dieser Fehler innerhalb der GAR-Subregionen vernachlässigbar ist

8 ERGEBNISSE die bis jetzt vorliegenden Ergebisse können hier in min nicht vollständig präsentiert werden Daher nur einige wenige Beispiele:

9 LP und QR, TEMPERATUR, JZ und JAHR GENF T SUM (JJA) F-lowpass, Q, Q, Q9, Q T AUT (SON) F-lowpass, Q, Q, Q9, Q T WIN (DJF) F-lowpass,Q, Q, Q9, Q T SPR (MAM) F-lowpass, Q, Q, Q9, Q9 T YEAR F-lowpass, Q, Q, Q9, Q

10 QR-REIHEN, TEMPERATUR, JZ und JAHR GENF TQR8, ( years running windows) SPR (MAM) TQR8, ( years running windows) SUM (JJA) TQR8, ( years running windows) AUT (SON) 7 6 TQR8, ( years running windows) YEAR (-) T QR8, ( years running windows) WIN (DJF)

11 hpa QR-Reihen gemittelt über alle LS-Reihen NW NE S 8 Jahr GAR NE,NW,S annual-highpass-p99 -: Quantile ranges (QR8, ) in years running windows MAX (-) MIN (89-9) MAX (9-9) LUFTDRUCK NIEDERSCHLAG TEMPERATUR % of 9- mean GAR NE,NW,S annual-highpass-r99 -: Quantile ranges (QR8, ) in years running windows MAX (-) 7 6 MAX (9-9) MIN (89-9) YEAR QR8 mean NE YEAR QR8 mean NE YEAR QR8 mean NE YEAR meanne GAR NE,NW,S annual-highpass-t -: YEAR meanne Quantile ranges (QR8, ) in years running YEAR meanne windows K MAX (-) YEAR QR8 mean NE YEAR meanne YEAR QR8 mean NW YEAR mean NW YEAR QR8 mean S YEAR S MAX (9-9) MIN (89-9) YEAR QR8 mean NE YEAR meanne YEAR QR8 mean NW YEAR mean NW YEAR QR8 mean S YEAR S

12 % of 9th cent Trends der Variabilität (QR-Reihen) 9.-.Jahrhundert die letzten Jahre %-Change of centennial mean interannual variability in the GAR air-temperature highpass-, QR-9, th minus 9th century (%) TEMPERATUR SPR SPR SPR SUM SUM SUM AUT AUT AUT WIN WIN WIN YEARYEARYEAR NE NW S NE NW S NE NW S NE NW S NE NW S K per years mean interannual variability in the GAR temperature highpass-, QR-9, recent trends 9- (K/ SPR SPR SPR SUM SUM TEMPERATUR SUM AUT AUT NE NW S NE NW S NE NW S NE NW S NE NW S AUT WIN WIN WIN YEAR YEAR YEAR % of 9th cent. %-Change of centennial mean interannual variability in the GAR precipitation highpass-, QR-9, th minus 9th century (%) NIEDERSCHLAG SPR SPR SPR SUM SUM SUM AUT AUT AUT WIN WIN WIN YEARYEARYEAR NE NW S NE NW S NE NW S NE NW S NE NW S % per years mean interannual variability in the GAR: precipitation highpass-, QR-9, recent trends 9- (% of 9-) SPR SPR NIEDERSCHLAG SPR SUM SUM SUM AUT AUT NE NW S NE NW S NE NW S NE NW S NE NW S AUT WIN WIN WIN YEAR YEAR YEAR

13 K - % of 9- Beispiele für die EXTREMES OF EXTREMES NE, JJA: T extreme anomalies beyond QR NE, JJA: R extreme anomalies beyond QR delta- NE-LS-AV SUM delta-9 NE-LS-AV SUM

14 VORLÄUFIGE ANTWORT AUF DIE FRAGE Hat die Klimavariabilität im Alpenraum zugenommen? Auf Jahreszeitenbasis ein eindeutiges NEIN: Bei der Temperatur dominiert eine Abnahme Beim Niederschlag überwiegt eine Abnahme, es gibt aber regionale und jahreszeitliche Unterschiede

15 AUSBLICK: Derzeit in Arbeit: Ursachenanalyse der bi-modalen Struktur der Variabilität (max-min-max-recent-min) Analyse der seltenen Ereignisse außerhalb QR8 und Analyse der Monatreihen Zukunftsmusik: Übergang zu Tageswerten (extrem arbeitsintensiv): erst ein Bruchteil der Daten digitalisiert (Problembereich signal to noise bei kurzen Zeitreihen) Homogenisierung noch nicht gelöst, (Problembereich network density vs. spatial decorrelation

Ähnliche Dokumente

Der Klimawandel im Alpenraum unter der Lupe von HISTALP und IPCC-2007 Reinhard Böhm Zentralanstalt für Meteorologie und Geodynamik Wien

Der Klimawandel im Alpenraum unter der Lupe von HISTALP und IPCC-2007 Reinhard Böhm Zentralanstalt für Meteorologie und Geodynamik Wien Geplanter Inhalt: 1) der neue EI-korrigierte HISTALP Temperaturdatensatz