Indirektes CO 2 -Forcing im Multi-Modell-Ensemble des CMIP5

Transkript

1 Universität Leipzig Fakultät für Physik und Geowissenschaften Leipziger Institut für Meteorologie Indirektes CO 2 -Forcing im Multi-Modell-Ensemble des CMIP5 Bachelorarbeit von Lisa Hellner geboren am Erstgutachter: Prof. Dr. Johannes Quaas Zweitgutachter: Dr. Marc Salzmann Matrikelnummer: Arbeit vorgelegt am:

2 Inhaltsverzeichnis 1 Einführung 2 2 Grundlagen Auswirkungen von CO 2 auf den Strahlungshaushalt und die Wolken Erklärung des Experiments Definition des Forcings und die Regressionsmethode nach Gregory Definition verwendeter Variablen Erweiterte Definition des Forcings Zusammenfassung der Grundlagen Forcings und Feedbacks als Ergebnis der Regression Ergebnisse für die Nettostrahlungsflüsse Korrektur der Ergebnisse aufgrund von Cloud Masking Effekten Ergebnisse für die Gesamtbedeckung und den Wasserdampf Vergleich der Ergebnisse der einzelnen Modelle untereinander Geographische Abhängigkeit der Forcings Geographische Abhängigkeit im Multi-Modell-Ensemble Geographische Abhängigkeit in den einzelnen Modellen Zusammenfassung und Ausblick 43 6 Literaturverzeichnis 46 1

3 1 Einführung Das Treibhausgas Kohlendioxid (CO 2 ) spielt in der Diskussion um eine mögliche Klimaerwärmung in der öffentlichen Wahrnehmung eine bedeutende Rolle, weil eine Zunahme des Kohlendioxids die Vorgänge in der Atmosphäre erheblich beeinflussen kann. Daher wird mit Hilfe von Klimamodellen untersucht, wie groß genau dieser Einfluss ist und was sich verändern kann. Dabei soll in der vorliegenden Arbeit vor allem der indirekte Effekt des CO 2 untersucht werden, da dieser Veränderungen in den Wolken mit sich bringt. In vielen vorherigen Studien wurden in diesem Zusammenhang schon viele wichtige Vorgänge beschrieben und untersucht, darunter zählen die Arbeiten von Gregory und Webb (2008), Andrews und Forster (2008), Andrews et al. (2009), Dong et al. (2009), Colman und McAvaney (2011) und Andrews et al. (2011) um nur einige zu nennen. Mit dem neu erschienenen CMIP5 (Coupled Model Intercomparison Project 5) steht ein neuer Satz von zahlreichen Klimamodell-Experimenten bereit. Diese Experimente basieren auf gekoppelten Ozean-Atmosphäre-Zirkulationsmodellen (coupled atmosphere-ocean general circulation models, AOGCM). Das bedeutet, dass neben der Atmosphäre auch der Ozean vollständig dynamisch simuliert ist. In vielen früheren Klimamodellen wurden häufig nur wenige Meter der oberen Schicht des Ozeans als veränderlich angesehen. Auch wenn es vorher schon AOGC-Modelle gab, können mit den neu erschienenen Klimamodellen des CMIP5 neue Erkenntnisse über die Vorgänge in der Atmosphäre gewonnen, sowie frühere Ideen fortgeführt und durch neue Ergebnisse erweitert werden (Taylor et al. 2011). Diese Arbeit analysiert speziell das im CMIP5 zum ersten Mal durchgeführte abrupt4xco2 -Experiment. Dabei soll untersucht werden, was für Veränderungen in der Atmosphäre stattfinden, wenn man die Konzentration des Kohlendioxids (CO 2 ) in der Atmosphäre, ausgehend von einem vorindustriellen Klimagleichgewicht, instantan vervierfacht und dann konstant hält. Betrachtet wird letztendlich der Unterschied zwischen dem Zustand der CO 2 -Vervierfachung und einem Zustand, in dem keine Veränderung stattgefunden hat. Hierbei sollen die Vorgänge im Mittelpunkt stehen, welche auf kurzen Zeitskalen stattfinden, denn darunter sind auch die Reaktionen der Wolken zu zählen. Die Vorgänge auf kurzen Zeitskalen werden durch das sogenannte Forcing beschrieben (Gregory und Webb 2008). Die Ideen und Ergebnisse zu dieser Thematik sind alle noch recht neu und eine Methode mit welcher man das Forcing unter anderem berechnen kann, wurde von Gregory et al. (2004) vorgestellt und soll in der vorliegenden Arbeit für die Simulationen des CMIP5 Anwendung finden. Da nun erstmals für dieses Experiment eine Vielzahl an gekoppelten Atmosphäre-Ozean-Zirkulationsmodellen (AOGCMs) bereitstehen, wird es interessant sein zu sehen, ob die Ideen und Ergebnisse vorangegangener Arbeiten mit den neuen Ergebnissen übereinstimmen oder ob sich 2

4 Unterschiede ergeben. In einem Grundlagenkapitel möchte ich deshalb zunächst erklären, in welcher Art und Weise sich eine Vermehrung des CO 2 überhaupt auf die Atmosphäre auswirkt und welche physikalischen Größen dabei genauer betrachtet werden sollen. Des Weiteren folgt eine in dieser Arbeit angewandte Definition des Forcings, sowie eine Beschreibung der Methode, mit welcher man dieses berechnen kann. Mit diesen Grundlagen sollte es dann möglich sein, die im Kapitel 3 und 4 vorgestellten Ergebnisse zu verstehen und nachzuvollziehen. Dabei sollen speziell die Veränderungen in den Wolken im Vordergrund stehen, da diese die größten Unsicherheiten in den Klimamodellen darstellen (Andrews et al. 2009). 2 Grundlagen 2.1 Auswirkungen von CO 2 auf den Strahlungshaushalt und die Wolken Das Kohlendioxid (CO 2 ) beeinflusst als Treibhausgas den Strahlungshaushalt der Erde. Treibhausgase haben die Eigenschaft, dass sie solare Strahlung nicht absorbieren, aber bei gewissen Wellenlängen im terrestrischen Spektralbereich sehr stark absorbieren. Wasserdampf ist das bedeutendste natürliche Treibhausgas, CO 2 das wichtigste Treibhausgas mit großem anthropogenem Anteil. Während CO 2 nur einen Anteil von ca. 26 % zum natürlichen Treibhauseffekt beiträgt, liegt der Anteil von Wasserdampf bei ca. 60 % (Kiehl und Trenberth 1997). Erhöht man das CO 2 in der Atmosphäre, steigt durch den Treibhauseffekt auch die Gleichgewichtstemperatur. Wenn die Temperatur steigt, steigt auch die Verdunstungsrate und somit der Wasserdampfgehalt in der Luft. Dies ist in so weit von Bedeutung, als dass der Mensch unter anderem durch die Verbrennung von fossilen Brennstoffen ca. 60 % zusätzliches Kohlendioxid in die Atmosphäre bringt (IPCC AR4 2007, Synthesis Report), wodurch der anthropogene Treibhauseffekt erhöht wird und somit indirekt auch der Wasserdampf vermehrt wird. Treibhausgase in der Atmosphäre bedeuten, dass die kurzwellige (solare) Strahlung, die die Erde von der Sonne aus erreicht, fast komplett durchgelassen wird, und hingegen die vom Erdboden aus emittierte langwellige (terrestrische) Strahlung sehr stark absorbiert und teilweise wieder zum Boden zurückgesandt wird. Dieser beschriebene Effekt ist der Treibhauseffekt. Da der Mensch durch zusätzlich emittiertes CO 2 einen zusätzlichen (anthropogenen) Treibhauseffekt zum natürlichen Treibhauseffekt verursacht, ist es interessant und wichtig zu beobachten, was nun genau in der Atmosphäre passiert, wenn das CO 2 zunimmt. Der zusätzliche Treibhauseffekt durch mehr CO 2 führt zu einer Veränderung in den langwelligen Strahlungsflüssen und dadurch zur Erwärmung der Atmosphäre. Der direkte Effekt von CO 2 in seiner Funktion als Treibhausgas auf den Strahlungs- 3

5 haushalt zieht dabei einen indirekten Effekt auf Wolken nach sich. Die durch den zusätzlichen Treibhauseffekt veränderten Strahlungsflussdivergenzen ergeben Veränderungen in den Heizraten der Atmosphäre. Dies kann dann zu Veränderungen in der Stabilität der Atmosphäre führen. Wenn die statische Stabilität beeinträchtigt wird, hat dies Auswirkungen auf die Wolken (Gregory und Webb 2008, Dong et al. 2009). Auch Wolken bewirken einen Treibhauseffekt. Dieser ist relativ zum solaren Strahlungseffekt von Wolken besonders relevant bei hohen, optisch dünnen Wolken (z.b. Cirrus). Treibhausgase und hohe, optisch dünne Wolken haben somit einen erwärmenden Effekt auf die Atmosphäre. Desto höher und optisch dünner eine Wolke ist, desto größer ist auch ihr erwärmender Effekt. Denn die kurzwellige Strahlung wird bei sehr geringen optischen Dicken größtenteils durchgelassen, während die vom Erdboden emittierte langwellige Strahlung größtenteils wieder absorbiert und teilweise zurück zum Boden emittiert wird (Gregory und Webb 2008). Wenn dieser Wolkentyp zunimmt, verstärkt sich auch der erwärmende Effekt. Wenn allerdings die hohen, optisch dünnen Wolken abnehmen, hätte das einen kühlenden Effekt zur Folge. Tiefe, optisch dicke Wolken (z.b. Stratocumulus) hingegen reflektieren einen Großteil der kurzwelligen Strahlung direkt wieder zurück ins All (Andrews et al. 2011). Wenn die Temperatur an der Wolkenobergrenze sich nur geringfügig von der Erdoberflächentemperatur unterscheidet, dann haben solche tiefen Wolken nur einen geringen Treibhauseffekt. Somit haben diese Wolken einen kühlenden Effekt auf die Atmosphäre zur Folge. Dieser würde sich weiter verstärken, wenn dieser Wolkentyp zunimmt. Eine Abnahme der tiefen, optisch dicken Wolken würde einen erwärmenden Effekt zur Folge haben. 2.2 Erklärung des Experiments Wie schon in der Einführung erwähnt, existieren in dem neuen Set an Modellen des CMIP5 zahlreiche Experimente, wobei ich mich nur auf das abrupt4xco2- Experiment beschränken werde. Dieses ist unter den Langzeitsimulation einzuordnen und dient dazu die Gleichgewichts-Klima-Sensitivität (equilibrium climate sensivity), Forcings und wichtige Feedbacks als Ergebnis langsamer Klima-Reaktionen zu bestimmen (Taylor et al. 2011). Dabei steht die von Gregory et al. (2004) vorgestellte Regressionsmethode im Vordergrund, welche im Abschnitt 2.3 näher erläutert wird. Für die Untersuchungen wurden acht verschiedene Klimamodelle aus dem CMIP5 ausgewählt, das CCSM4-, CNRM-CM5-, CSIRO-Mk3-6-0-, HadGEM2-ES-, IPSL-CM5A-LR-, MIROC5-, MPI-ESM-LR- und das NorESM1-M-Modell. Von die- 4

6 sen Modellen existiert ein abrupt4xco2-lauf und ein sogenannter picontrol-lauf 1. Im abrupt4xco2-lauf wird augenblicklich eine Vervierfachung der Konzentration des CO 2 in der Atmosphäre initialisiert und dann konstant gehalten. Dabei wird die Vervierfachung relativ zu dem picontrol-lauf gesehen, denn in diesem existieren (statistisch über lange Zeiträume und große Gebiete gesehen) konstante atmosphärische Bedingungen, sowie ein Klima im stabilen Zustand (Gregory et al. 2004). Das abrupt4xco2-experiment wird, ausgehend von einem vorindustriellen Gleichgewicht nach einer Einschwingphase des gekoppelten Klimamodells, zum selben Zeitpunkt wie das picontrol-experiment gestartet, mindestens aber 150 Jahre bevor der Kontrolllauf endet. Die Simulation bei diesem Experiment umfasst also in den meisten Fällen einen Zeitraum von 150 Jahren, über welchen stattgefundene Veränderungen betrachtet werden. In den Klimamodellen sind dann für den abrupt4xco2- und den picontrol-lauf verschiedene Variablen archiviert. Für jede Variable wird dabei die Veränderung zwischen den beiden Läufen betrachtet. Dies geschieht, indem die Differenz zwischen der Variable im abrupt4xco2- und im picontrol-lauf gebildet wird. Es wird ausschließlich die Veränderung einer jeweiligen Variable bei diesem Experiment betrachtet und dabei möchte ich speziell auf die Veränderung auf kurzen Zeitskalen eingehen, welche in dieser Arbeit als Forcings beschrieben werden. Die Erklärungen und Definitionen dazu folgen nun im nächsten Abschnitt. 2.3 Definition des Forcings und die Regressionsmethode nach Gregory Ein Forcing beschreibt an sich einen Antrieb, welcher durch verschiedenste Einflüsse verursacht werden kann. Antriebe können beispielsweise Treibhausgase und Aerosole sein. Radiative Forcings beschreiben Strahlungsantriebe. Wenn Strahlungsantriebe in ein Klimasystem gebracht werden, resultiert daraus ein Klimawandel, der sich so einstellt, dass er dem Strahlungsantrieb (Radiative Forcing) entgegenwirkt und die Strahlungsbilanz wieder in ein Gleichgewicht bringt. Wenn dies nicht der Fall wäre, würde das System instabil werden (Gregory et al. 2004). Auf diese Arbeit bezogen heißt das: Aus einem Radiative Forcing, verursacht durch eine Vervierfachung des CO 2 (Forcing), resultiert ein Klimawandel, welcher sich dem vermehrten CO 2 anpasst und ihm entgegenwirkt. Das Ganze lässt sich nun auch in einer Formel darstellen. Gregory et al. (2004) gehen dabei wie folgt vor: Das Radiative Forcing mit dem Formelzeichen F wird als positiv abwärts definiert. Der Strahlungsrücklauf, also die Reaktion auf den Strahlungsantrieb in Form eines Klimawandels, wird als positiv aufwärts mit dem Formelzeichen H definiert. Beide Größen sind global gemittelt, haben bis zum Zeitpunkt t < 0 den Wert Null und haben die Einheit (W m 2 ). Der 1 Das pi steht für preindustrial, was vorindustriell bedeutet. 5

7 abwärtsgerichtete Nettostrahlungsfluss lässt sich somit als N = F - H definieren und beschreibt die Rate, mit der zunehmend Wärme im Klimasystem gestaut wird. Ein Klima mit stabilem Zustand würde den Wert N = 0 benötigen, da in diesem Fall kein Wärmestau in der Atmosphäre stattfindet. Durch Modellexperimente hat man herausgefunden, dass H annähernd proportional zur Veränderung der global gemittelten Oberflächentemperatur T ist. Der Proportionalitätsfaktor wird dabei als Konstante α geschrieben, sodass H = α T. α ist der Klima-Feedback-Parameter und ist definiert als α (= N T ) mit der Einheit (W m 2 K 1 ) (Gregory und Webb 2008). Die Formel für N lautet zusammengesetzt nun: N = F - H= F - α T. Dabei sind N sowie T die Größen, welche aus den Klimamodellen bestimmt werden können. N ist die Veränderung des global gemittelten abwärtsgerichteten Nettostrahlungsflusses am Oberrand der Atmosphäre (ODA). T beschreibt, wie erwähnt, die Veränderung der global gemittelten Oberflächentemperatur. Wie N und T sich bestimmen lassen, wird in Abschnitt 2.4 erläutert. Unbekannt sind das Radiative Forcing F und der Klima-Feedback-Parameter α. Diese lassen sich jedoch im hier gewählten Formalismus nach Gregory et al. (2004) bestimmen, indem man eine lineare Regression von N(t) gegen T Formel (t) durchführt. der Geraden: DaΔN es sich = F - bei αδt der Formel 8 N = F - α T um eine lineare Gleichung handelt, Klima-Feedback-Parameter ist -α die Steigung der α=konstant Regressi- Veränderung des abwärtsgerichteten Strahlungsflusses ΔN am ODA (W m -2 ) onsgerade und F der Schnittpunkt mit der y( N)-Achse. In Abb. 1 ist dies in einem 6 Schema dargestellt. Die kleinen Punkte stellen berechnete global gemittelte Jahres Anstieg α Jahresmittelwerte "Forcing" F (ΔT=0) neues Gleichgewicht T eq (ΔN=0) Veränderung der Oberflächentemperatur ΔT (K) Abbildung 1: Schema zur Darstellung der Regressionmethode nach Gregory zur Bestimmung des Forcings F. 6

8 werte von N dar. Diese werden gegen die ebenfalls berechneten global gemittelten Jahreswerte von T aufgetragen. Nun wird durch diese Punkte eine Regressionsgerade gelegt. Der Anstieg dieser entspricht dem Klima-Feedback-Parameter α. Die Gerade schneidet sowohl die x( T )-Achse als auch die y( N)-Achse. Der Schnittpunkt mit der y-achse (Raute in der Grafik) wird dann als Forcing F definiert. Dieses beschreibt die Änderung von N, welche ohne eine Klimareaktion zum Zeitpunkt t=0 mit T = 0 stattgefunden hat. Denn wenn T = 0, folgt nach der Formel N = F - α T, dass N = F. Der Schnittpunkt mit der x-achse (Quadrat in der Grafik) (T eq ) 2 beschreibt einen neuen Gleichgewichtszustand des Klimas, der sich nach einem gewissen Zeitraum eingestellt hat, denn an diesem Punkt ist N = 0. Mit Hilfe dieser Methode ist es nun möglich das Forcing, sowie den Klima-Feedback- Parameter aus der linearen Regression zu bestimmen. Im nun folgenden Abschnitt werde ich auf verwendete Variablen aus den Klimamodell-Experimenten eingehen und bestimmen, welche Größen zur Ermittlung verschiedener Forcings verwendet wurden. 2.4 Definition verwendeter Variablen Eine Variable, welche schon im vorigen Abschnitt vorgestellt wurde, ist die Veränderung der global gemittelten Oberflächentemperatur T. Diese ergibt sich aus den Klimamodellen, wie ich es in Abschnitt 2.2 erklärt habe. Die Variable der Oberflächentemperatur T (K) wurde in den picontrol- und den abrupt4xco2-läufen von den untersuchten Modellen diagnostiziert. Zunächst wurden global und jährlich gemittelte Werte von T für beide Simulationen berechnet. Wenn man diese gegen die Zeit aufträgt, erhält man ein Diagramm wie in Abb. 2. Was man dabei erkennt, ist, dass erwartungsgemäß im picontrol-lauf (schwarze Linie) keine allzu große Temperaturänderung stattfindet, sondern diese im langjährigen Mittel annähernd konstant bleibt. Hingegen ist beim abrupt4xco2-lauf (rote Linie) ein sehr deutlicher Anstieg von T zu erkennen. Besonders in den ersten 30 Jahren erfolgt ein Temperaturanstieg von ca. 3 K. Danach steigt T zwar immer noch weiter an, aber nicht so extrem wie zu Beginn der Simulation. Auch zu erwähnen ist, dass der Wert der Oberflächentemperatur im abrupt4xco2-lauf zum Zeitpunkt t = 0.5 a (Mittel nach einem Jahr) nicht mit dem des picontrol-laufes übereinstimmt. Das bedeutet, dass bei einer augenblicklichen Vervierfachung des CO 2 innerhalb des ersten Jahres schon eine merkliche Änderung der Oberflächentemperatur stattfindet. Somit hat das Klimasystem auf das initialisierte Forcing (4xCO 2 ) unmittelbar mit einer Erwärmung reagiert. Was nun wie schon erwähnt betrachtet werden soll, ist die Veränderung zwischen den beiden Läufen, welche definiert ist als: T abrupt4xco2 - T picontrol = T. Da allerdings im 2 T eq beschreibt die Gleichgewichtstemperaturänderung, wobei eq für equilibrium = Gleichgewicht steht. 7

9 Abbildung 2: picontrol- und abrupt4xco2-lauf der global- und jährlich gemittelten Werte der Oberflächentemperatur T für 150 Jahre im MPI-ESM-LR-Modell weiteren Verlauf der Arbeit eine CO 2 -Verdoppelung und keine CO 2 -Vervierfachung angenommen werden soll, wurden alle Ergebnisse im Nachhinein halbiert. Dies ist möglich, da der Strahlungsantrieb durch CO 2 mit dem Logarithmus der relativen Konzentrationsänderung skaliert wird (Myhre et al. 1998). Analog zu T lässt sich auch N bestimmen, sowie die anderen Variablen, welche nun vorgestellt werden. N beschreibt, wie im vorigen Abschnitt 2.3 vorgestellt, die Änderung des abwärtsgerichteten Nettostrahlungsflusses in das Klimasystem am ODA (im Weiteren als N NET bezeichnet). Zugrunde liegt die Variable N NET als der abwärtsgerichtete Nettostrahlungsfluss in das Klimasystem am ODA. Diese lässt sich in einen kurzwelligen und langwelligen, sowie in einen unbewölkten (klaren) und bewölkten Anteil aufteilen (Gregory und Webb 2008). Zunächst beschreibe ich die Aufteilung in die kurz- und langwellige Strahlung. Die Formel dazu sieht dann wie folgt aus: N NET = N SW + N LW. Diese Formel besagt, dass sich der abwärtsgerichtete Nettostrahlungsfluss aus der kurzwelligen (SW) und langwelligen (LW) Strahlung zusammensetzt, wobei sich der kurzwellige Anteil weiterhin aus eingehender und ausgehender Strahlung zusammensetzt, der langwellige Anteil dagegen nur aus ausgehender Strahlung am ODA besteht (Kraus 2004: S ). Von der Sonne erhalten wir kurzwellige Strahlung, welche zu einem gewissen Anteil von Wolken, Aerosolen und Gasteilchen, sowie von der Erdoberfläche wieder zurück ins All reflektiert wird. Deshalb existiert im kurzwelligen Bereich sowohl eingehende als auch ausgehende Strahlung am ODA. Der Anteil an kurzwelliger Strahlung, der nicht wieder zurück reflektiert wird, wird in der Atmosphäre bzw. am Erdboden absor- 8

10 biert und in langwellige Strahlung oder andere Energieformen umgewandelt. Die langwellige Strahlung wird in der Atmosphäre von Wolken oder Treibhausgasen absorbiert und teilweise wieder zum Erdboden zurück emittiert. Am ODA aber ergibt sich daraus die ausgehende langwellige Strahlung. Wie schon erwähnt reicht aber die Unterscheidung der Nettostrahlung in kurzwellige und langwellige Anteile nicht aus, um die hier betrachteten indirekten CO 2 -Effekte zu analysieren. Deshalb erfolgt die Zerlegung der kurz- und langwelligen Anteile in unbewölkte und bewölkte Anteile. Die Komponente des unbewölkten Himmels (clear-sky) wird aus diagnostischen Strahlungsberechnungen bestimmt, indem evtl. im Modell vorhandene Wolken nicht berücksichtigt werden. Deshalb kann man eigentlich nur von einem hypothetischen klaren Himmel sprechen. Die Komponente des bewölkten Himmels CRE (Cloud Radiative Effect) bestimmt sich dann aus der Differenz der diagnostischen Strahlungsberechnung mit den Wolken (all-sky) und der, wo die Wolken als nicht vorhanden herausgerechnet wurden (clear-sky). Daraus ergibt sich dann CRE = (allsky) - (clear-sky). Die Summe aus dem klaren (clear) und bewölkten (CRE) Anteil ist (all-sky) = (clear-sky) + CRE (Gregory und Webb 2008). Somit teilen sich die kurz- und langwelligen Nettostrahlungsanteile nach der letzten Formel, wenn N SW bzw. N LW den all-sky-anteil beschreiben, wie folgt auf: N SW = clear-sky SW + CRE SW = N SN + N SC und N LW = clear-sky LW + CRE LW = N LN + N LC. Der CRE lässt sich also in kurz- und langwellige Strahlungsanteile zerlegen. Eine Veränderung des CRE wird aber keineswegs nur durch Veränderungen in den Wolken selbst herbeigeführt. Deshalb muss man bei der Interpretation dieser Variable sogenannte Cloud Masking Effekte beachten, doch dazu mehr in Abschnitt 3.2. Wenn man alle Strahlungsanteile aus den letzten beiden Formeln zusammensetzt, lässt sich der abwärtsgerichtete Nettostrahlungsfluss beschreiben als: N NET = (N SC + N LC ) + (N SN + N LN ). Wobei der Term in der ersten Klammer den bewölkten Netto-Anteil und der Term in der zweiten Klammer den unbewölkten Netto-Anteil beschreibt. In dieser Arbeit sollen alle fünf Größen der letzten Formel betrachtet werden. Vereinfacht wird dabei entsprechend den Strahlungsflüssen ein individuelles N i definiert (Gregory und Webb 2008). Der Index i steht dabei für NET, SN, LN, SC und LC. Da die Veränderung in N i betrachtet werden soll, wird wie im ersten Teil dieses Abschnitts beschrieben N i = N i abrupt4xco2 - N ipicontrol berechnet. 9

11 Noch zwei weitere Größen sollen auf diese Art und Weise betrachten. Zum einen ist das die Gesamtbedeckung der Wolken CLT (%). In dieser Größe sind sowohl großskalige, als auch konvektive Wolken enthalten, wobei viele Modelle aber die Bedeckung durch konvektive Wolken gänzlich vernachlässigen. Betrachtet wird der über die gesamte atmosphärische Säule vom ODA bis zum Erdboden projizierte Bedeckungsgrad. Die Veränderung der Größe als CLT = CLT abrupt4xco2 - CLT picontrol definiert wird. Die letzte Größe ist der atmosphärische Wasserdampfgehalt P RW (kg m 2 ), wobei hier der gesamte Wasserdampf vertikal über die Atmosphären-Säule integriert wird. Die Veränderung wird definiert als P RW = P W R abrupt4xco2 - P W R picontrol. Nun wurden alle Variablen, welche in dieser Arbeit Verwendung finden, zusammengetragen und erläutert. Eine Zusammenfassung der Variablen mit einer Beschreibung dieser befindet sich in Tabelle 1 in Abschnitt 2.6 auf Seite 14. Dort sind auch die Indizes noch einmal beschrieben. 2.5 Erweiterte Definition des Forcings An dieser Stelle möchte ich noch einmal auf das Forcing zurückkommen. Denn so einfach die Definition und Berechnung im Abschnitt 2.3 auch erscheinen mag, so gibt es noch einige Aspekte, welche ich noch nicht erwähnt habe. Diese sind aber von großer Bedeutung und wichtig für die Interpretation der Ergebnisse in den folgenden zwei Kapiteln 3 und 4. Wenn man sich noch einmal die Abb. 1 auf Seite 6 vor Augen führt, beschreibt das Radiative Forcing F die Veränderung, als Reaktion auf das vermehrte CO 2, der abwärtsgerichteten Nettostrahlung ( N NET ) in das Klimasystem, wenn noch keine Klimareaktion stattgefunden hat. In diesem Fall ist T = 0 und es ist noch nicht zu einer Klimaerwärmung gekommen. Das bedeutet, dass das Radiative Forcing so schnell aufgrund des CO 2 induziert wird, dass dem Klima keine Zeit bleibt um darauf in irgendeiner Art und Weise zu reagieren. Das Klima-Feedback ist dann die Veränderung von N NET über eine längere Zeitskala, welche durch die Reaktion auf das Forcing abläuft. Die Informationen dazu sind im Klima-Feedback-Parameter α enthalten. Dieser ist als nicht konstant anzusehen, wenn die Punkte nicht (zumindest annähernd) auf einer Geraden liegen (Gregory et al. 2004). Das Forcing beschreibt also allgemein die Reaktionen über einen kurzen Zeitraum, bzw. die instantane Änderung der Strahlungsbilanz an der Tropopause, wohingegen das Feedback die Reaktionen über einen längeren Zeitraum beschreibt (Gregory und Webb 2008, Andrews und Forster 2008, Taylor et al. 2011, Andrews et al. 2011). Man kann sich die sofortige Reaktion des Forcings wie in Abb. 3 auf Seite 11 in einem Schema vorstellen. Es handelt sich dabei um eine schematische Darstellung von langwelligen Strahlungs- 10

12 Boden Δ = F = 1 Wm -2 Abbildung 3: Schema für das Radiative Forcing: Eine schematische Darstellung für langwellige Strahlungsflüsse zwischen Erdboden und dem ODA. Ein Pfeil soll für 1 W m 2 stehen. Alle abwärtsgerichteten Strahlungsflüsse sind positiv definiert. Links eine fiktive Darstellung für den unveränderten Zustand und rechts eine fiktive Darstellung wenn eine Verdoppelung eines Treibhausgases (wie z.b. CO 2 ) stattgefunden hat. Die Werte am ODA sind die sich ergebenden abwärtsgerichteten Nettowerte für die langwellige Strahlung. flüssen zwischen dem Erdboden und dem ODA. Die Nettostrahlungsflüsse werden am ODA betrachtet und sind abwärtsgerichtet. Die linke Seite der Abb. 3 zeigt einen langwelligen Strahlungsfluss vom Boden ausgehend. Ein Teil der Strahlung kommt am ODA an, aber ein Teil wird auch von einen beliebigen Treibhausgas absorbiert und jeweils teilweise ins Weltall und teilweise wieder zurück auf die Erde emittiert. Bei der Annahme, dass ein Pfeil einem langwelligen Strahlungsfluss von 1 W m 2 entspricht, ergibt das einen Nettostrahlungsfluss vom -3 W m 2 am ODA. Wenn man nun das Treibhausgas verdoppelt, ergeben sich Veränderungen in der Strahlung, welche in der rechten Seite der Abbildung dargestellt sind. Da mehr Treibhausgas mehr langwellige Strahlung absorbieren und zurück zum Boden emittieren kann, erreicht weniger Strahlung den ODA. In meinem Beispiel sind dies Netto entsprechend nur -2 W m 2. Wenn man nun die Veränderung = ( 2 W m 2 ) ( 3 W m 2 ) zwischen beiden Nettostrahlungsflüssen am ODA betrachtet, beträgt diese 1 W m 2 und entspricht dem Radiative Forcing F. Die in dem Schema gezeigte Reaktion würde man zu dem instantaneous Radiative Forcing zählen. Das bedeutet, dass das System wirklich augenblicklich (instantaneous) reagiert. Es gibt aber auch Forcing-Effekte, welche nicht sofort eintreten und hier effective Forcing genannt werden. Somit wird die Definition von F erschwert. Dies lässt sich an folgendem Beispiel erklären. Ein augenblicklicher Forcing-Effekt auf das CO 2 ist die Anpassung der Stratosphäre, indem sie mehr Wärmestrahlung 11

13 in das All aussendet. Sie passt sich durch eine Temperaturabnahme an, welche ein paar Monate dauert. Dadurch wird aber die abwärtsgerichtete Nettostrahlung der Tropopause geschwächt und somit auch das wirksame (effective) Forcing durch das CO 2 (Gregory et al. 2004). Nachdem die Stratosphäre wieder ein thermisches Gleichgewicht erreicht hat, kann man die Strahlungsflüsse gleichermaßen am ODA und an der Tropopause betrachten (Gregory et al. 2004). Die Anpassung der Stratosphäre beeinflusst nur die ersten paar Monate der Berechnungen. Wenn die Stratosphäre also ihren angepassten Zustand erreicht hat, dann müssen die Strahlungsflüsse am ODA und an der Troposphäre dieselben sein (Gregory et al. 2004). Zusammengefasst heißt das, wenn man (Jahres-) Mittelwerte über einen längeren Zeitraum benutzt um die Regression durchzuführen, sind CO 2 -Effekte, welche nur über verhältnismäßig kurze Zeiträume (z.b. wenige Monate) ablaufen, im Forcing enthalten. Deshalb soll auch zwischen dem effektiven (effective) Forcing, welches sowohl die schnelle Anpassungen der Troposphäre (z.b. Temperaturgradient) als auch der Stratosphäre enthält, und dem augenblicklichen (instantaneous) Forcing (z.b. Aerosol) unterschieden werden (Gregory und Webb 2008, Andrews et al. 2011). Das Forcing aufgrund von CO 2, welches in den Kapiteln 3 und 4 betrachtet wird, enthält also [...] nicht nur seinen augenblicklichen Treibhauseffekt und die Stratosphärenanpassung, sondern auch alle anderen rapiden Anpassungen des Systems die eventuell auftreten, besonders die der Wolken. (eigene Übersetzung aus Gregory et al. 2004, S.69). Wenn wie im Titel dieser Arbeit vom Indirekten CO 2 -Forcing die Rede ist, kann man dieses als Folge der direkten Forcing-Effekte des CO 2 sehen. Mit direkt ist die Beeinflussung der langwelligen Strahlungsflüsse durch das CO 2 gemeint und diese haben ja, wie im Abschnitt 2.1 erläutert, einen indirekten Einfluss auf Wolken. Bei der Betrachtung der Ergebnisse wird später der schon erwähnte Cloud Masking Effekt noch eine entscheidende Rolle spielen, da er die Ergebnisse maßgeblich beeinflussen kann. Wobei Cloud Masking Effekte die Effekte sind, die nicht mit einer Änderung der Wolken an sich verbunden sind, doch dazu mehr im Abschnitt 3.2. Zunächst möchte ich noch eine kurze Zusammenfassung über das Grundlagen-Kapitel geben. 2.6 Zusammenfassung der Grundlagen Die Regressionsmethode nach Gregory et al. (2004) wurde, wie schon angedeutet, nicht nur auf die individuellen Strahlungsflüsse N i angewendet, sondern auch auf die Änderung der Gesamtbedeckung CLT und des Wasserdampfes P RW. Diese drei und die Variable T lassen sich wie im Abschnitt 2.2 und 2.4 beschrieben aus Klimamodellen bestimmen und sind messbare Größen. Da für jede Variable entsprechend ein Schnittpunkt mit der y-achse aus der Regression bestimmt wurde, soll 12

14 ähnlich dem N i für jede dieser Variablen ein individuelles Forcing F m mit dem Index m definiert werden. Das Gleiche gilt für den Klima-Feedback-Parameter α, wobei ich einen individuellen Klima-Feedback-Parameter α m definiere. Da α m allerdings nicht der physikalischen Interpretation entspricht, definiere ich einen individuellen Klima-Feedback-Parameter K m mit umgekehrten Vorzeichen. Daraus folgt, dass K m = - α m. Somit bedeutet ein positives K m, dass die Erwärmung des Klimas gefördert wird (Gregory und Webb 2008). Der Index m ist mit den Größen NET, SN, LN, SC, LC, CLT und PRW belegt. Mit den letzten Definitionen stellen sich die verwendeten linearen Gleichungen aus der Regressionsmethode nach Gregory et al. (2004) wie folgt dar: N SN = F SN + K SN T N LN = F LN + K LN T N SC = F SC + K SC T N LC = F LC + K LC T N NET = F NET + K NET T CLT = F CLT + K CLT T P RW = F PRW + K PRW T In Tabelle 1 auf Seite 14 sind alle Variablen, Indizes und Beschreibungen nochmals zusammengefasst. Die Veränderungen werden durch eine Verdoppelung des CO 2 induziert. 13

15 Variablen T Veränderung der global gemittelten Oberflächentemperatur (K) N i Veränderung der individuellen global gemittelten (W m 2 ) abwärtsgerichteten Nettostrahlungsflüsse entsprechend dem Index i am ODA, abwärtsgerichtete Strahlungsflüsse sind positiv definiert CLT Veränderung der global gemittelten Wolkenbedeckung (%) P RW Veränderung des global gemittelten atmosphärischen Wasser- (kg m 2 ) dampfgehalts, vertikal integriert über die gesamte Säule der Atmosphäre F m individuelles Forcing, für alle Größen entsprechend dem Index m, (W m 2 ), (%), Einheit entsprechend der Ausgangsgröße (kg m 2 ) K m individueller Klima-Feedback-Parameter, für alle Größen entspre- (W m 2 K 1 ), chend dem Index m, umgekehrtes Vorzeichen gegenüber α m, (% K 1 ), sodass ein positives Feedback K m eine Erwärmung des Klimas (kg m 2 K 1 ) fördern würde, Einheit entsprechend der Ausgangsgröße Indizes NET Nettostrahlungsfluss i, m SN clear-sky shortwave i, m kurzwellige (solare) Strahlung für klaren Himmel LN clear-sky longwave i, m langwellige (terrestrische) Strahlung für klaren Himmel SC cloudy-sky shortwave i, m kurzwellige Strahlung für bewölkten Himmel LC cloudy-sky longwave i, m langwellige Strahlung für bewölkten Himmel CLT Gesamtbedeckung m PRW atmosphärischer Wasserdampf m Tabelle 1: Zusammenfassung der betrachteten Variablen und Indizes 14

16 3 Forcings und Feedbacks als Ergebnis der Regression 3.1 Ergebnisse für die Nettostrahlungsflüsse Nachdem in Kapitel 2 die Grundlagen zum Verständnis der Ergebnisse gelegt wurden, sollen diese nun vorgestellt und interpretiert werden. In Abb. 4 und Abb. 5 auf den Seiten 16 und 17 sind jeweils die Regressionen für N i gegen T für die acht in Abschnitt 2.2 erwähnten Klimamodelle zu sehen. Was man zunächst erkennt, ist, dass N i in den meisten Fällen linear von T abhängt und somit die Annahme, dass der Klima-Feedback-Parameter K i konstant ist, gerechtfertigt ist (siehe Abschnitt 2.5). In der Tabelle 2 auf Seite 17 sind die Schnittpunkte mit der y-achse (das Forcing), sowie die Anstiege (Klima-Feedback-Parameter) aus der durchgeführten Regression nach Gregory et al. (2004) für jedes Klimamodell eingetragen. Die Tabelle enthält entsprechend jeder Größe noch einen Ensemble-Mittelwert, dies ist der arithmetische Mittelwert jeder Variable über alle acht Modelle. Die ±-Unsicherheiten für Forcing und Klima-Feedback-Parameter sind jeweils die Standardfehler aus der Regression. Der Fehler für den Ensemble-Wert ist die Standardabweichung. Die Zeiträume für die durchgeführte Regression sind jeweils den Abbildungsunterschriften zu entnehmen. Ich möchte zunächst hauptsächlich nur auf Interpretation der Ensemble- Werte der Forcings und der Klima-Feedback-Parameter eingehen. Eine Betrachtung der Unterschiede zwischen den Modellen erfolgt später. Bei Betrachtung der Ensemble-Mittel in der Ergebnistabelle fällt auf, dass der größte Wert im langwelligen Bereich bei klarem Himmel F LN = 3.73 ± 0.35 W m 2 zu verzeichnen ist. Dies ist auch nicht weiter verwunderlich, denn CO 2 als Treibhausgas beeinflusst die Strahlung ausschließlich im langwelligen Bereich. Die Werte liegen in allen Modellen im positiven Bereich und variieren von 3.23 ± 0.03 bis 4.19 ± 0.04 W m 2. Somit stellt das F LN auch den dominierenden Term für das F NET dar. Das F NET ist ja nichts anderes als die Summe über alle vier Strahlungsanteile LN, SN, LC und SC. Für die Ensemble-Werte ergibt sich die Summe mit F LN + F SN + F LC + F SC = 3.21 W m 2. Allerdings entspricht diese nicht dem berechneten Ensemble-Wert F NET = 3.18 W m 2. Dies sollte aber der Fall sein und die genannte Summenformel geht auch für jedes Modell außer dem HadGEM2-ES-Modell exakt auf. Weshalb der Fehler hier auftaucht lässt sich nur schwer erklären. Die Berechnung der Größen war für jedes Modell exakt die selbe und auch bei nochmaliger Analyse der Berechnungen im HadGEM2-ES-Modell konnte soweit kein Fehler gefunden werden, welcher diese Unstimmigkeit verursacht hätte. Ich vermute den Grund für den Fehler hauptsächlich im F SC -Wert. Das begründe ich zum einen mit einem Blick auf das Diagramm des HadGEM2-ES-Modells in Abb. 4 auf Seite 16, zweite Spalte, zweites Diagramm. Wenn man sich die Regression für den bewölk- 15

17 x x clear LW (LN) + + clear SW (SN) cloud LW (LC) cloud SW (SC) Net x x clear LW (LN) + + clear SW (SN) cloud LW (LC) cloud SW (SC) Net x x clear LW (LN) + + clear SW (SN) cloud LW (LC) cloud SW (SC) Net x x clear LW (LN) + + clear SW (SN) cloud LW (LC) cloud SW (SC) Net x x clear LW (LN) + + clear SW (SN) cloud LW (LC) cloud SW (SC) Net x x clear LW (LN) + + clear SW (SN) cloud LW (LC) cloud SW (SC) Net Abbildung 4: Regressionen von N i gegen T für verschiedene Klimamodelle: Die Symbole sind die global gemittelten Jahreswerte und die Linien die Regressionen. Alle Ergebnisse aus dem Experiment wurden durch zwei dividiert, damit sie einer CO 2 -Verdoppelung entsprechen. Der Zeitraum für die durchgeführten Regressionen umfasst beim CNRM-CM5 und CSIRO-Mk3-6-0 Modell 150 Jahre, beim CCSM4 und MIROC5 Modell 151 Jahre, beim HadGEM2-ES Modell 152 Jahre und beim IPSL-CM5A-LR 200 Jahre. 16

18 Abbildung 5: Beschreibung wie in Abb.4: Der Zeitraum für die durchgeführten Regressionen umfasst beim MPI-ESM-LR und NorESM1-M Modell 150 Jahre. Forcing (W m 2 ) Modelle F NET F LN F SN F LC F SC CCSM ± ± ± ± ± 0.07 CNRM-CM ± ± ± ± ± 0.06 CSIRO-Mk ± ± ± ± ± 0.08 HadGEM2-ES 2.43 ± ± ± ± ± 0.18 IPSL-CM5A-LR 3.12 ± ± ± ± ± 0.06 MIROC ± ± ± ± ± 0.08 MPI-ESM-LR 4.02 ± ± ± ± ± 0.10 NorESM1-M 3.04 ± ± ± ± ± 0.09 Ensemble-Mittel 3.18 ± ± ± ± ± 0.63 Klima-Feedback-Parameter (W m 2 K 1 ) Modelle K NET K LN K SN K LC K SC CCSM ± ± ± ± ± 0.04 CNRM-CM ± ± ± ± ± 0.03 CSIRO-Mk ± ± ± ± ± 0.04 HadGEM2-ES ± ± ± ± ± 0.04 IPSL-CM5A-LR ± ± ± ± ± 0.02 MIROC ± ± ± ± ± 0.04 MPI-ESM-LR ± ± ± ± ± 0.04 NorESM1-M ± ± ± ± ± 0.05 Ensemble-Mittel ± ± ± ± ± 0.63 Tabelle 2: Forcings und Klima-Feedback-Parameter als Ergebnis der Regression von N i gegen T bei einer augenblicklichen Verdoppelung des CO 2 für verschiedene Klimamodelle: Die Forcings sind die Schnittpunkte der Regressionsgeraden mit der y-achse. Die Klima-Feedback-Parameter sind die Anstiege der Regressionsgeraden. Die Ensemble-Mittelwerte sind arithmetische Mittelwerte der einzelnen Größen über alle Modelle. Die Fehler von F m und K m sind Standardfehler, die sich aus der Regression ergeben haben. Der Fehler für die Ensemble-Mittelwerte ist die Standardabweichung der einzelnen Größen über alle Modelle. 17

19 ten Himmel im kurzwelligen Bereich (SC - grüne Linie) und die entsprechenden Werte ( ) anschaut, erkennt man, dass im Gegensatz zu allen anderen Modellen die Werte vor allem zu Beginn sehr von der Regression abweichen. Auch der eine komplette Ausreißer ist eher ungewöhnlich. Zum anderen fällt auf, dass das berechnete F SC = ± 0.18 W m 2 die größte Unsicherheit mit 0.18 W m 2 im Vergleich zu allen anderen F m Termen (F NET ausgenommen) aufweist. Wie später noch gezeigt werden soll, liegt zwar im Allgemeinen eine große Unsicherheit in den Forcings für den SC Bereich, aber dieser Wert im HadGEM2-ES-Modell scheint so gar nicht richtig zu passen. Da die Berechnung aller Werte N i für jedes Modell exakt die selbe war und für alle anderen Größen im HadGEM2-ES-Modell außer dem N SC die Werte auch keine Auffälligkeiten zeigen, vermute ich, dass der Fehler auf einen Teil der Ursprungsdaten zurückzuführen ist. Allerdings habe ich dafür keinen Beweis. Um nun wieder auf die Ensemble-Werte zurückzukommen, das F LN ist dominant und beeinflusst hauptsächlich das F NET. Hingegen ist F SN = 0.02 ± 0.28 W m 2 nahezu Null. Dieses Ergebnis für das Ensemble-Mittel ergibt sich als Summe von einigen positiven und einigen negativen Forcings in den einzelnen Modellen. Der Haupteinfluss auf im F SN -Term ist auf die Anpassung der Eis- und Schneeflächen in den Polregionen zurückzuführen (Andrews und Forster 2008). Dies wird auch im Abschnitt 4 später noch deutlicher. Denn bei einem unbewölkten Himmel sind die einzigen Flächen der Erde, die sehr stark solare Strahlung zurück reflektieren und somit beeinflussen können, die, die mit Schnee und/oder Eis bedeckt sind. Wasserdampfabsorption im solaren Spektralbereich, oder Aerosol-Feedbacks, spielen demgegenüber eine untergeordnete Rolle. An dieser Stelle soll noch kurz ein Blick auf die Klima-Feedback-Parameter K LN und K SN geworfen werden. Genau wie beim Forcing in diesem Bereich ist das K LN = ± 0.35 W m 2 K 1 dominant gegenüber den anderen Werten und ist betragsmäßig am Größten. Das liegt daran, dass hier Schwarzkörper-, Wasserdampf- und Temperaturgradienten-Feedbacks mit enthalten sind (Gregory et al. 2004, Andrews et al. 2011). Insgesamt dominiert das fundamentale negative Schwarzkörper-Feedback, was in diesem Term ersichtlich ist. K SN = 0.76 ± 0.28 W m 2 K 1 stellt ein bedeutendes positives Feedback dar. Die Ursache dafür ist die Abnahme der Schnee- und Eisflächen mit zunehmender Temperatur und dadurch die Verringerung des Albedo der Oberflächen. Außerdem geht eine zunehmende Absorption durch Wasserdampf mit in das positive Feedback ein (Gregory und Webb 2008). Wenn man nun die beiden Ensemble-Werte der Forcings im langwelligen und kurzwelligen Bereich für einen bewölkten Himmel betrachtet fällt auf, dass diese in jedem Fall nicht Null sind. Das F LC = ± 0.40 W m 2 < 0 weißt einen negativen und das F SC = 0.48 ± 0.63 W m 2 > 0 einen positiven Effekt auf. Somit 18

20 kann man schon einmal festhalten, dass eine Erhöhung der CO 2 -Konzentration die Wolken zu beeinflussen scheint. Die Anpassung der Wolken ist sicherlich dadurch zu erklären, dass sich wie schon im Abschnitt 2.1 erwähnt, zunächst die langwelligen Strahlungsflüsse aufgrund des CO 2 und somit die Heizraten ändern. Diese führen ODA zu einer [...] rapiden lokalen Veränderung des vertikalen Temperaturprofils der Atmosphäre [...] mit darauf folgenden Veränderungen der Stabilität, der vertikalen Vermischung und des Feuchte-Profils, analog zu den Veränderungen, die indirekte und semidirekte Aerosol Forcings verursachen (eigene Übersetzung aus Gregory und Webb 2008, S.62). Die Anpassung der Wolken wird daher auf eine Anpassung der Troposphäre zurückgeführt. Der indirekte Effekt von CO 2 auf die Wolken ist also in den Forcing-Ergebnissen wieder zu finden. Die Antikorrelation zwischen F LC und F SC mit negativen Werten im terrestrischen und positiven Werten im solaren ODA Spektralbereich führt zu der Annahme, dass die Anpassung der Wolken in Form einer Reduzierung des Bedeckungsgrads erfolgt (Andrews und Forster 2008). In Abb. 6 auf dieser Seite ist dieser Sachverhalt einmal grafisch dargestellt. In der linken Abbildung 6: Schema zur Erklärung des negativen F LC (linke Grafik) und des positiven F SC (rechte Grafik), welche zu einer Reduzierung der Bewölkung führen: Es handelt sich um eine fiktive Darstellung von langwelligen (rechts) und kurzwelligen (links) Strahlungsflüssen zwischen dem Boden und dem ODA. Alle abwärtsgerichteten Strahlungsflüsse sind positiv definiert. Ein Pfeil soll für 1 W m 2 stehen. Die Werte am ODA sollen die Nettostrahlungsflüsse des jeweiligen Bereichs darstellen. In beiden Grafiken ist links ein fiktiver Strahlungsfluss wenn Wolken vorhanden sind zu sehen und rechts der Strahlungsfluss wenn aufgrund einer CO 2 -Verdoppelung die Bewölkung abnimmt. Die Resultate sind im langwelligen Bereich ein negatives Forcing und im kurzwelligen Bereich ein positives Forcing. Grafik erkennt man, dass wenn die Bewölkung aufgrund einer CO 2 -Verdoppelung abnimmt, mehr langwellige Strahlung, die vom Erdboden ausgeht, wieder den ODA erreicht. Daraus resultiert ein negatives Forcing. Dies hat einen kühlenden Effekt zur Folge. In der rechten Grafik sind die kurzwelligen Strahlungsflüsse dargestellt. Hier 19

21 erkennt man auch deutlich, dass wenn die Bewölkung abnimmt, weniger kurzwellige Strahlung zurück ins All reflektiert werden kann. Somit erreicht mehr kurzwellige Strahlung den Erdboden, welche dort absorbiert werden kann. Dies hat einen erwärmenden Effekt zu Folge. Wenn man auf die Klima-Feedback-Parameter K LC und K SC der Wolken blickt und die Anstiege der entsprechenden Geraden in Abb. 4 auf Seite 16 und Abb. 5 auf Seite 17 betrachtet, fällt auf, dass diese im Verhältnis zu den Feedbacks in unbewölkten Situationen im globalen Mittel für die meisten Modelle vergleichsweise klein sind bzw. flach verlaufen. Allerdings sind K LC und K SC der einzelnen Modelle nicht so nah bei Null, als dass man sie bei der Betrachtung der entsprechenden Forcings vernachlässigen könnte. Dies trifft nur für die Ensemble-Mittel K LC = 0.04 ± 0.40 W m 2 K 1 und K SC = 0.02 ± 0.63 W m 2 K 1 zu. Somit kann man einzig für diese beiden Werte sagen, dass sie für die Anpassung der Wolken keinen großen Effekt haben und somit das Forcing gegenüber dem Feedback dominiert. Damit lässt sich festhalten, dass nur im Ensemble-Mittel die Veränderungen in den Wolken hauptsächlich in einem kurzen Zeitraum stattfinden und deshalb zum Forcing zu zählen sind. Auch dass sich die Wolken hauptsächlich aufgrund des CO 2 durch rapide Änderungen in der Troposphäre und nicht etwa wegen des globalen Klimawandels, hier dargestellt in Form von T, anpassen (Gregory und Webb 2008, Andrews und Forster 2008, Andrews et al. 2011), lässt sich nur auf die Ensemble-Mittel anwenden. Für die einzelnen Modelle trifft diese Aussage nicht zu, denn die Klima-Feedback-Parameter sind einfach zu groß, besonders im kurzwelligen Strahlungsbereich. Bei der Regressionsmethode nach Gregory ergibt sich eben der Nachteil, dass nicht ganz verhindert werden kann, dass in das Forcing auch Einflüsse des Feedbacks mit einfließen. Denn das T = 0 wird nur durch die Regression festgelegt, weshalb automatisch der Schnittpunkt der y-achse mit der Regressionsgeraden (Forcing) erheblich durch die berechneten Werte beeinflusst werden kann (Feedbacks). Es gibt eine Methode, mit der man verhindern kann, dass Feedbacks mit in das Forcing-Ergebnis einfließen. Dabei wird von vornherein eindeutig das T = 0 gesetzt und das Forcing berechnet. Allerdings erhält man mit dieser Methode keinerlei Information über die Feedbacks, wohingegen man mit der Methode von Gregory et al. (2004) beides bestimmen kann (Andrews et al. 2011). Man sollte also berücksichtigen, dass bei der Regressionsmethode nach Gregory et al. (2004) Feedback-Einflüsse durchaus mit in das Forcing-Ergebnis einfließen können. Wenn man die einzelnen Modelle untereinander vergleicht, kann man festhalten, dass die Ergebnisse im langwelligen Bereich mit F LN und F LC durchaus übereinstimmen, zwar nicht in der Größe der Werte, aber im Vorzeichen. Die Ergebnisse im kurzwelligen Bereich F SN und F SC hingegen weisen doch signifikante Unterschiede zwi- 20

22 schen den einzelnen Modellen auf. Die Unterschiede im F SN sind hauptsächlich auf die Veränderungen in der Schnee- und Eisbedeckung und somit des planetaren Albedo zurückzuführen. Diese scheinen von Modell zu Modell doch recht unterschiedlich zu sein, denn die Werte schwanken von 0.41 ± 0.05 bis zu ± 0.04 W m 2. Jedoch scheinen die negativen Werte eher ein Artefakt der Regression zu sein, denn so gesehen würden sie für eine Zunahme der Schnee- und Eisbedeckung sprechen. Dies steht aber in einem deutlichen Widerspruch zur Erwärmung des Klimas. Ebenso ist in zwei von den acht Modellen das F SC nicht negativ. Somit lässt sich hier in dem jeweiligen Modell zunächst nicht die Annahme der Reduzierung der Bewölkung festmachen, da die Antikorrelation zu F LC fehlt. Die größte Unsicherheit in den Modellen liegt aber hauptsächlich im F SC -Wert, denn hier ergeben sich größere Variabilitäten zwischen den einzelnen Jahren. Diese werden besonders auf die Strahlungseigenschaften der tiefen Wolken zurückgeführt, denn diese haben den größten Strahlungseffekt im kurzwelligen, aber nicht im langwelligen Bereich (Gregory und Webb 2008). An sich stimmen die Ergebnisse meiner Berechnungen aus Tabelle 2 auf Seite 17 ziemlich gut mit den Ergebnissen von Gregory und Webb 2008 (dort Tabelle 2) überein. Es gibt also keinen signifikanten Unterschied zwischen den Berechnungen mit den AOGCMs aus dem CMIP5 mit einem komplett dynamischen Ozean und den slab Ozean Modellen aus dem CMIP3. Das CMIP3 ist sozusagen der Vorgänger des CMIP5. Im CMIP3 wurde der Ozean in vielen Modellen nur als eine durchmischte Schicht mit einer vorgegeben horizontalen Wärmekonvergenz ( slab ) angesehen (Gregory und Webb 2008), es gab aber auch hier schon AOG- CMs. Allerdings gibt es Effekte, welche sowohl bei meinen Ergebnissen, als auch bei denen von Gregory und Webb (2008) noch nicht berücksichtigt wurden. Es handelt sich dabei um sogenannte Cloud Masking-Effekte, welche ich im folgenden Kapitel erläutern möchte. 3.2 Korrektur der Ergebnisse aufgrund von Cloud Masking Effekten Die Cloud Masking Effekte spielen bei der Betrachtung der Ergebnisse eine beachtliche Rolle und sind deshalb unbedingt mit zu berücksichtigen. Denn durch sie verändern sich die Forcing-Ergebnisse so, dass sie eine andere Interpretation zulassen. Um die eigentliche Veränderung bzw. Anpassung der Wolken selbst an das verdoppelte CO 2 zu betrachten, müssen Cloud Masking Effekte bei der Berechnung entfernt werden. Erklären lässt sich dies folgendermaßen: Gregory und Webb (2008) haben angenommen, dass die Wolken sich an das vermehrte CO 2 so anpassen könnten, dass sie das Energieungleichgewicht am ODA reduzieren. Dies würde dazu führen, dass das Radiative Forcing des CO 2 geschwächt und somit auch die globale Temperaturänderung geringer ausfallen würde. Mit die- 21

23 ser Betrachtung wird aber der augenblickliche Effekt von vorhandenen Wolken auf das Radiative Forcing des CO 2 vernachlässigt (Andrews et al. 2011). Andrews und Forster (2008) haben dabei das semi-direkte Forcing vorgestellt. Da in diesem Artikel auch ein Radiative Forcing definiert wurde, welches aber nicht mit der Definition aus Abschnitt 2.5 zu verwechseln ist, habe ich dieses mit einem * versehen. Das semi-direkte Forcing resultiert aus zwei verschiedenen Forcing Definitionen. Zum einen dem Radiative Forcing*, wobei hier die Temperatur der Troposphäre konstant gehalten wird, und zum anderen dem Climate Forcing, wobei die Troposphäre sich anpassen darf, nicht aber die global gemittelte Oberflächentemperatur (als Reaktion auf eine CO 2 -Verdoppelung). Die Berechnung der Radiative Forcings* erfolgt dabei von verschiedenen Gruppen, die an den Modellen arbeiten, mit Hilfe eigener Strahlungstransfermodelle. Um letztendlich das semi-direkte Forcing zu bestimmen, haben Andrews und Forster (2008) die Differenz aus dem Climate- und dem Radiative Forcing* bestimmt (F semi = F Climate - F Radiative *). Die Ergebnisse in Tabelle 2 auf Seite 17, genauso wie die Ergebnisse von Gregory und Webb (2008) würden nach der Definition von Andrews und Forster (2008) Climate Forcings darstellen. Von diesen muss das Radiative Forcing* noch abgezogen werden, um dann letztendlich das semidirekte Forcing zu erhalten, welches die schnelle Reaktion der Troposphäre auf das vermehrte CO 2 nun genauer beschreibt, da die Cloud Masking Effekte berücksichtigt wurden. Das Cloud Masking selbst taucht auf, da bei einer augenblicklichen Verdoppelung des CO 2, wie schon erwähnt, die aufwärtsgerichtete langwellige Strahlung am ODA reduziert wird, allerdings die Emission langwelliger Strahlung von optisch dicken Wolken dieselbe bleibt. Daraus ergibt sich nun, dass bei klarem Himmel (clear-sky) das augenblickliche Radiative Forcing des CO 2 größer ausfällt als bei der Betrachtung des kompletten Himmels (all-sky) (Andrews und Forster 2008, Soden et al. 2008, Colman und McAvaney 2011). Dadurch entsteht eine augenblickliche Wolkenkomponente, welche aber kein Artefakt des Radiative Forcing des CO 2 ist, sondern eben einzig und allein dadurch entsteht, dass im Modell vorhandene Wolken den Einfluss des CO 2 selbst verdecken (Andrews et al. 2011). Zusammengefasst heißt das nun, es existiert ein sogenannter Cloud Masking Effekt. Dieser verschleiert die wirklich augenblicklich ablaufenden Reaktionen der Wolken selbst, sowie die sofortigen Reaktionen der Komponenten des klaren Himmels (F LC, F SC, F LN und F SN ). Deshalb muss der Cloud Masking Term mit in die Berechnungen einbezogen werden, um die wirklichen sofort ablaufenden Prozesse auf eine Reaktion des CO 2 darzustellen. Der von Andrews und Forster (2008) berechnete Wert für das Cloud Masking liegt bei 0.5 W m 2. Colman und McAvaney (2011) haben den Cloud Masking Term in einem eigenen Modell mit 0.6 W m 2 beziffert 22