From Global to Local Die regionalen Aspekte des globalen Klimawandels

Transkript

1 From Global to Local Die regionalen Aspekte des globalen Klimawandels H. Truhetz, A. Gobiet, G. Heinrich, A. Leuprecht, A. Prein, M. Themeßl und das WegCenter-ReLoClim Team Wegener Zentrum für Klima und globalen Wandel (WegCenter) und Institutsbereich für Geophysik, Astrophysik und Meteorologie (IGAM), Karl-Franzens Universität Graz 4. Klimaseminar Klimaveränderung Anpassungsstrategien und Modellanwendungen für die Landwirtschaft LFZ Raumberg Gumpenstein, 10. September 2009

2 Überblick 1. Regionalisierung von globalen Klimaszenarien 2. Modellfehler und Fehlerkorrektur 3. Regionale Klimaszenarien für Europa und deren Unsicherheiten 4. Zwischenbilanz 5. Anwendungsbeispiel: Trockengefährdung in der Steiermark 1/32

4 1. Regionalisierung Dynamische globale Klimamodelle (GCMs) Komponenten des Klimasystems Atmosphäre Hydrosphäre Cryosphäre Biosphäre Pedosphäre ( Landoberfläche ) Externe Einflüsse: Sonne (solare Energie) Vulkane (Aerosole) Anthropogene Einflüsse (Treibhausgase, Landnutzung, etc.) [Claussen, 2002] 3/32

5 1. Regionalisierung Globale Modelle [Quelle: McGuffiie, Henderson-Sellers, 2005] Die Alpen aus Sicht eines GCMs (80 km x 120 km Auflösung) Auflösung in modernen globalen Klimamodellen (GCMs): x ~ 100 km bis 300 km 4 4/32

6 1. Regionalisierung regionale / lokale Auswirkungen des Klimawandels Überschwemmungen Dürren, Brände, landwirtschaftl. Erträge Kappl/Paznauntal, Sommer 2005 (Quelle: ASI Tirol) Starkniederschläge, Hagel Quelle: MunRe, 2005 Schneesicherheit Energieerträge Quelle: ORF 5 5/32

7 1. Regionalisierung Downscaling (Verfeinerung) ist notwending. Aber wie? 6 6/32

8 1. Regionalisierung Methode 1: Regionale Klimamodellierung ( dynamisches downscaling ) Ein hoch auflösendes regionales Klimamodell (RCM) wird in ein GCM genestet. Die Randbedingungen des RCMs werden vom GCM generiert. Im Modellinneren läuft das RCM frei (wie ein GCM, nur mit höherer Auflösung). GCM: x = 200 km RCM: x = 25 km Das GCM gibt grob-skalige Einflüsse vor, das RCM erfasst regionale Einflüsse (Orographie, Küstenlinien, Landnutzung, ) und verfeinert so die Simulation des GCMs. 7/32

9 1. Regionalisierung Methode 2: Empirisches-Statistisches Downscaling GCM - Vergangenheit GCM - Zukunft Zusätzl. Information (z.b.: DHM) p, z, T, p, z, T, Statist. Modell (Training) Statist. Modell (Anwendung) Interpolation T, P, T, P, T, P,... Beobachtungsdaten Simulierte Beobachtung Hoch aufgelöste 8 Raster 8/32

10 1. Regionalisierung Kombinierte Methode: Dynamisches-Statistisches Downscaling (mit Fehlerkorrektur) Regionale Klimasimulation (Dynamisches Downscaling) x = 25 km Empirisches-Statist. downscaling, Tagesdaten (Beobachtungsdaten) Interpolation (DHM, Geo-Statistik) x =1 km grid RCM simuliert regionale Klimaprozesse (z.b.: Interaktion zw. Boden und Atmosphäre) Emp.-statist. Downscaling fügt lokale Information hinzu (Beobachtungen) und kann Schwächen des RCMs ausgleichen (Modellfehler) Nutzt weitere (sehr verlässliche) Information aus (z.b.: DHM) 9/32

12 2. Fehlerkorrektur Temperaturfehler Niederschlagsfehler Referenz ECA&D DJF Fehlerbereiche (regional-saisonal): ~ -1.5 C bis +3 C ~ ± 1 mm/tag (Typische Größen für state-of-the-art RCMs.) JJA Beispiel aus dem FP6 Projekt 11/32

13 2. Fehlerkorrektur Empirische-Statistische Fehlerkorrektur (z.b.: quantile mapping [Wood et al., J. Geophys. Res., 2002]) Quantile mapping (QM) Niederschlag [mm] Fehlerkorrigierte Zeitreihe Zeit [Tagen] Rohe Klimamodelldaten Summenhäufigkeit [1] Summenhäufigkeiten aus Trainingsperiode beobachtete Verteilung modellierte Verteilung Niederschlag [mm] Weitere Methoden: MLR, Analogmethode, CCA, ANN, local scaling, 12/32

14 2. Fehlerkorrektur Temperaturfehler Temperaturfehler (korrigiert mit QM) Referenz ECA&D DJF Fehlerkorrektur (regional-saisonal): ± 3 C < ± 0.3 C JJA Beispiel aus dem FP6 Projekt 13/32

15 2. Fehlerkorrektur Niederschlagsfehler Niederschlagsfehler (korrigiert mit QM) Referenz ECA&D DJF Fehlerkorrektur (regional-saisonal): ± 1 mm/tag < ± 0.2 mm/tag JJA Beispiel aus dem FP6 Projekt 14/32

16 2. Fehlerkorrektur Korrektur von Verteilungen DJF JJA Referenz ECA&D Rel. Häufigkeit [1] Fehlerkorrektur (regional-saisonal): Verteilungen werden korrigiert Korrelationen werden minimal verbessert Tagesmittel Temperatur [ C] Tagesmittel Temperatur [ C] Beispiel aus dem FP6 Projekt 15/32

18 3. Szenarien und Unsicherheiten Kette der Unsicherheit bei Klimaänderungssignalen Interne Klimavariabilität ( natürliche Variabilität ) Änderung des globalen Mittels: +1.1 C bis +6.4 C Emissionsszenario, Treibhausgase (anthropogene Einflüsse, CO 2 -Kreislauf ) Globales Klimamodel (GCM) (Modellfehler) [IPCC, 2007] Regionales Klimamodel (RCM) (Modellfehler) Impact-Forschung (Modellfehler) 17/32

19 3. Szenarien und Unsicherheiten Unsicherheiten der Temperaturänderung aus 24 GCMs (Europa) Unsicherheitskomponenten ( ): GCM: ~80% (~50%) Emissionsszenario: ~5% (~30%) Interne Variabilität: ~8% (~11%) Sonstige (Kreuzprodukte): ~7% (~9%) 18/32

20 3. Szenarien und Unsicherheiten ENSEMBLES Integrated Project (IP) des 6. EU Rahmenprogramms Regionaler Focus: Europa Klimasimulationen 29 davon 17 ausgewertet (11 GCMs, 15 RCMs) 25 km Auflösung, 21. Jahrundert Emissionsszenarien: A2, A1B, B1 Die ausgewerteten ENSEMBLES-Daten wurden finanziert vom Integrated Project ENSEMBLES des 6. EU Rahmenprogramms (Vertragsnummer ) für dessen Unterstützung wir uns herzlich bedanken º (25 km) Auflösung (von Burkhardt Rockel, GKSS, Deutschland) 19/32

21 3. Szenarien und Unsicherheiten Klimaänderung im Alpenraum aus ENSEMBLES minus ; Szenario A1B; Mittel aus 17 Simulationen DJF Temperatur Niederschlag JJA Jahresmittel: ~1.5 C (0.25 C pro Dekade) Regional/saisonal: -20% bis +13% 20/32

22 3. Szenarien und Unsicherheiten ENSEMBLES Treibhausgas-Emissionsszenarien SRES Szenarien (IPCC 4AR) A2, A1B, B1 A1B Globale Klimamodelle (GCMs) IPCC 4AR (CMIP3); x ~ 200 km; 11 Modelle Regionale Klimamodelle (RCMs) ENSEMBLES ( x ~ 25 km); 15 Modelle ECHAM5-r3, MPI Hamburg REMO, MPI Hamburg RegCM3, ITCP Triest 21/32

23 3. Szenarien und Unsicherheiten Temperaturänderung im Alpenraum aus ENSEMBLES minus ; Szenario A1B DJF REMO RegCM3 JJA Jahresmittel: ~1.2 C (0.2 C pro Dekade) Jahresmittel: ~1.1 C (0.18 C pro 22 Dekade) 22/32

24 3. Szenarien und Unsicherheiten Niederschlagsänderung im Alpenraum aus ENSEMBLES minus ; Szenario A1B DJF JJA Regional/saisonal: -38% bis +29% Regional/saisonal: -28% bis +22% 23 23/32

26 4. Resümee Fehler in regionalen Klimasimulationen RCM-Fehler sind typischerweise ±3 C und ±75% (saisonale Mittel). Solche Fehler beeinträchtigen Impact-Studien massiv (z.b.: Evapotranspiration Landwirtschaftliche Erträge). Die meisten Modellfehler können korrigiert werden, z.b. QM entfernt Bias und passt Verteilungen an. Keine unkorrigierten Modelldaten in Impact-Studien verwenden! Unsicherheiten in regionalen Klimaänderungssignalen Unsicherheiten beruhen hauptsächlich auf Unsicherheiten der GCMs. Die Wahl des Emissionsszenarios gewinnt erst gegen Ende des 21. Jahrhunderts an Bedeutung. Die Kette der Unsicherheiten schließt die Impact-Forschung mit ein. Modellfehler pflanzen sich fort! Unsicherheiten wurden bislang nur grob für saisonale Mittel der Temperatur (~ ±2 C) und des Niederschlags (~ ±50% oder mehr) abgeschätzt ( packen wir s an, es gibt viel zu tun!). Einzelne Modellergebnisse (ohne Abschätzung der Unsicherheit) sind Zufall. Ensemble-Ansatz 25/32

27 4. Resümee Einzelne Modellläufe sind wie REMO RegCM3 MM5 Reales Klima 26/32

29 5. Anwendungsbeispiel AgroClim2: LANDWIRTSCHAFTLICHE ERTRAGSENTWICKLUNG UND TROCKENGEFÄHRDUNG UNTER GEÄNDERTEN KLIMABEDINGUNGEN IN DER STEIERMARK 28/32

30 5. Anwendungsbeispiel Verwendete Klimasimulation Generiert am WegCenter im Projekt Research for Climate Protection Model Run Evaluation (reclip:more) Projektziel: Hochaufgelöste Klimamodellierung im Alpenraum Hohe horizontale Auflösung von 10 km (üblicherweise 25 km, siehe ENSEMBLE) Simulationsperioden: , Emissionsszenario: IS92a ( business as usual ) Nur 1 GCM (ECHAM5) und 1 RCM (MM5) Fehlerkorrektur ECA&D Datensatz (25 km Auflösung) und Stationsdaten der ZAMG, Zeitraum , Tagesmittel der Temperatur und des Niederschlags Korrigierte Modelldaten (Tagesdaten für Temperatur und Niederschlag; 2D Felder) wurden generiert und Klimaänderung von 13 Trockengefährdungsindizes berechnet. Korrigierte Antriebsdaten (Tagesdaten auf Stationsbasis) für Graslandmodellierung and LFZ Raumberg Gumpenstein weitergegeben. 29/32

31 5. Anwendungsbeispiel Korrigierte Klimaänderung im Alpenraum aus reclip:more minus ; Szenario IS92a DJF JJA Jahresmittel: ~2.4 C (0.4 C pro Dekade) Regional/saisonal: -72% bis +65% 30/32

32 5. Anwendungsbeispiel Korrigierte Klimaänderung des Ariditätsindex (AI) minus ; Szenario IS92a DJF JJA MAM SON 31/32

33 Überblick DANKE für die Aufmerksamkeit! 32/32