Dependence on time step. - leapfrog

Größe: px

Ab Seite anzeigen:

Download "Dependence on time step. - leapfrog"

Kasimir Frank
vor 6 Jahren
Abrufe

1 Dependence on time step - leapfrog - Runge-Kutta

2 Leapfrog-Simulations Model run configuration: CLM3-E/K CLM_ > and LM_3.19 Model domain: EURope (193 x 217) Extended EURope (256x271) LME Data: ERA40 GME ECHAM5+OPYC Dx = 18km Dt := 90 s for leapfrog TERRA_ML 10 Layers z_1=1cm, z_10=11.5m Dts = 30 s

3 TOT_PREC + vjuly 60 ECHAM5 DT=90, DX=0.165 DX=0.165 nested in DX=0.=0.44

4 TOT_PREC + vjuly 60 ECHAM5 DT=75, DTS=10 DT=75, DTS=18.75

5 TOT_PREC, July 60 ECHAM5 DT=60, DTS=30 DT=60, DTS=10

6 T(level,t) central Spain 7/60 DT=90 DT=75 DT=60 DTS=30 DTS=10 DTS=30 DTS=18.75 DTS=10 DTS=30 DTS= K 280 K 220 K

7 Overview: Leapfrog, CLM_2.4.8, DX=0.165, ext. EU DT DTS 30 ~ CFL: V < 160 km/h for 90 DT=90 Shower 75 Reference Shower,,The day after tomorrow 60

8 Runge-Kutta-Simulations Model run configuration: eupcb-440 CCLM_4.8_clm1 -> and int2lm_1.9_clm1 Model domain: Europe (101x111) Data: ERA40 Dx = 50km Dt := 360 to 180 s TERRA_ML 10 Layers z_1=1cm, z_10=11.5m Dts = 30 s

9 Runge-Kutta-Simulations, T_2m, tst010: 4.2, irefatm=1, 240s tst014: 4.2, irefatm=1, 360s Tst016: 4.8, irefatm=1, 240s tst017: 4.8,irefatm=2, 240s Tst018: 4.8,irefatm=2, 360s

10 Runge-Kutta-Simulations, TOT_PREC, tst010: 4.2, irefatm=1, 240s tst014: 4.2, irefatm=1, 360s Tst016: 4.8, irefatm=1, 240s tst017: 4.8,irefatm=2, 240s Tst018: 4.8,irefatm=2, 360s

11 Uncertainties in regional climate simulations due to Uncertainties in Soil-Vegetation Parameters Dissertation of Alexander Block Umweltmeteorologie, BTU Cottbus

12 Parameters LAI30 (LAI-LAI*0,3) Leaf Area Index PLCOV (ECOCLIMAP) ROOTDP (ECOCLIMAP) ALBVEG (ECOCLIMAP) RS (Stomatawiderstand) BK (Soil Type Change) GKSS/ECOCLIMAP-Data Sets

13 Motivation Maximaler LAI DWD ECOCLIMAP GKSS EFAI

14 Changes ALBVEG [%] ALBVEG [-] (ECO-DWD) LAI30 LAI30

15 Diff: ECOCLIMAP H Year T_2m Year E Year T_2m July

16 BK-Ref: July average H E

17 Diff: T 2m monthly average LAI30 May BK (soil type variation) July

18 Uncertainty ranges for all paramters T 2m DTR Yearly average LAN IBE SCA H [W m -2 ] 0,8 2,6 1,1 E [W m -2 ] 1,4 3,0 0,8 Q S [W m -2 ] 2,0 2,8 2,5 Q L [W m -2 ] 2,0 2,0 3,1 T 2m [K] 0,1 0,4 0,1 DTR [K] 0,4 1,0 0,7 Monthly average LAN IBE SCA H [W m -2 ] 3,6 13,1 5,5 E [W m -2 ] 4,6 22,3 4,3 Q S [W m -2 ] 7,4 6,2 20,4 Q L [W m -2 ] 6,1 9,2 10,0 T 2m [K] 0,7 1,5 0,9 DTR [K] 1,0 2,8 1,7

19 Evaluation of Soil Temperatures A.Will und K.Keuler BTU Cottbus

20 Observations Mean annual cycle soil temperature Potsdam C Januar Februar März April Mai Juni Juli Month August September Oktober November Dezember 2 cm 5 cm 10 cm 20 cm 50 cm 100 cm 200 cm 400 cm 600 cm 1200 cm T_2m

21 Simulation Mean annual cycle soil temperature CLM C T_SO 0.5 cm T_SO 2.5 cm T_SO 7 cm T_SO 16 cm T_SO 34 cm T_SO 70 cm T_SO 142 cm T_SO 286 cm T_SO 574 cm T_SO 1150 cm T_G -5 Jan Feb März Apr Mai Jun Jul Aug Sep Okt Nov Dez Month T_2m

22 Temperature [ o C] EC5 Temperature for PDC 12 T_2m T_SO L1 (0,3 cm) 11 T_SO L3 (7,8 cm) T_SO L5 (70 cm) Annual mean temperature of CLM Simulation A1B 12 T_2m T Variability in Potsdam, CLM und ECHAM 5 EC5 T 2m TS 0,3cm TS 7,8 cm TS 70 cm Mean 8,46 8,40 8,46 8,43 Varian ce 0,47 0,47 0,45 0,30 Temperature [ C] T_SO 0.5 cm T_SO 70 cm T_SO 286 cm T_SO 574 cm T_SO 1150 cm CLM T 2m 0,5 cm 2,5 cm 70 cm 2,9 m 5,7 m 11,5 m Mittel 8,09 8,19 8,19 8,21 8,28 8,39 8,63 Temperature [ C] Annual mean temperature Potsdam T_2m T_SO 2 cm T_SO 1m T_SO 4m T_SO 6m T_SO 12m Varianz 0,47 0,49 0,48 0,42 0,30 0,19 0,0 Potsdam T 2m TS 2 cm TS 4 m TS 6m TS 12 m Mittel 8,67 10,06 10,08 9,92 9,67 Varianz 0,69 0,75 0,36 0,25 0,

23 Quality Control of Regional Climate Simulations Gegenwartsklima Evaluierungslauf C20-Kontrolllauf SRES-Szenariolauf Aus Beobachtungen interpolierte oof analysierte Gitterdaten ERA40 EC5*-C20 EC5*-CCS Referenzdaten DWD, CRU, GPCC, HISTALP, ETH, MARS, ERA-Diagnose CLM-Eval Vgl. 1 Vgl. 2 CLM-C20 Teilzeiträume CLM-CCS Teilzeiträume Beobachtetes Referenzklima Regionales Referenzklima Regionales Kontrollklima Regionales Szenarioklima EC5* = gekoppelter Lauf mit ECHMA5/MPI -OM Comparison2: Influence of the global model and internal climate variability

24 Comparison 2: T_2m, Difference of yearly climatologies (20y) C20_1-CLM050, Vgl.2a: ECC201 ERA40, Comparison 1: CLM050-CRU005

25 Quality Control of Regional Climate Simulations Gegenwartsklima Evaluierungslauf C20-Kontrolllauf SRES-Szenariolauf Aus Beobachtungen interpolierte oof analysierte Gitterdaten ERA40 EC5*-C20 EC5*-CCS Vgl. 3 Referenzdaten DWD, CRU, GPCC, HISTALP, ETH, MARS, ERA-Diagnose CLM-Eval Vgl. 1 Vgl. 2 CLM-C20 Teilzeiträume CLM-CCS Teilzeiträume Beobachtetes Referenzklima Regionales Referenzklima Regionales Kontrollklima Regionales Szenarioklima EC5* = gekoppelter Lauf mit ECHMA5/MPI -OM Comparison3: Deviation of the control climate caused by the global model

26 Comparison 3: T_2m, Difference of yearly climatologies (20y) Vgl.3: C20_1 ECC20_ Vgl.2: C20_1-CLM050 Vgl.3a: CLM050 ERA

27 Comparison 3: T_2m, Climatological annual cycle (20y, MEU) ECHAM-simulation EC5-C20 C20 1 C20 2 C20 1 C20 2 CLM-simulation ( ) ( ) ( ) ( ) C20 1 ( ) C20 2 ( ) C20 1 ( ) C20 2 ( ) X X X X Comparison3: Deviation of the control climate caused by the global model

28 Quality Control of Regional Climate Simulations Gegenwartsklima Evaluierungslauf C20-Kontrolllauf SRES-Szenariolauf Aus Beobachtungen interpolierte oof analysierte Gitterdaten ERA40 EC5*-C20 EC5*-CCS Vgl. 3 Referenzdaten DWD, CRU, GPCC, HISTALP, ETH, MARS, ERA-Diagnose CLM-Eval CLM-C20 Teilzeiträume Vgl. 1 Vgl. 2 Vgl. 4 CLM-CCS Teilzeiträume Beobachtetes Referenzklima Regionales Referenzklima Regionales Kontrollklima Regionales Szenarioklima EC5* = gekoppelter Lauf mit ECHMA5/MPI -OM Comparison4: Variability of the Climate Change Signal

29 Comparison 4: T_2m, 50y Climate Change Signal, Difference of yearly climatologies (20y) A1B_1 - C20_1, C20_1-CLM050,

30 Comparison 4: T_2m, 50y Climate Change Signal, Climatological annual cycle (20y, DTL) CLM-simulation CLM-CSS CLM-simulation A1B 1 A1B 2 A1B 1 A1B 2 CLM-C20 ( ) ( ) ( ) ( ) C20 1 ( ) X X C20 2 ( ) X X C20 1 ( ) + + C20 2 ( ) + + Comparison4: Variability of the Climate Change Signal

31 Comparison4: Bias-Table of Climate Change Signal for all Regions considered See the report for all other tables! T2m Year January April July October Region min. max. min. max. min. max. min. max. min. max. NEU 0,7 1,7 0,1 2,7 0,4 1,6 0,6 1,3 0,8 1,5 NEL 0,7 1,9 0,0 3,2 0,4 1,9 0,6 1,3 0,9 1,6 NEW 0,7 1,5 0,4 2,0 0,4 1,2 0,7 1,3 0,7 1,4 SEU 0,8 1,4 0,2 1,6 0,6 1,6 1,1 1,6 1,1 1,6 SEL 0,9 1,6 0,2 1,7 0,6 1,9 1,2 1,8 1,1 1,8 SEW 0,7 1,2 0,3 1,4 0,5 1,2 0,9 1,3 0,9 1,4 SCA 0,7 1,9-0,1 3,1 0,1 1,3 0,2 1,4 0,4 1,7 NWE 0,6 1,2-0,2 2,1 0,1 1,0 0,4 1,5 0,5 1,8 MEU 0,6 1,5-0,4 3,0-0,1 1,3 0,4 1,5 0,9 2,0 SWE 0,8 1,5-0,1 1,6-0,1 1,6 1,2 1,6 0,9 2,3 EEU 0,6 2,0-0,1 3,3 0,3 2,3 0,6 1,2 1,0 1,8 SUE 0,8 1,7 0,1 2,2 0,4 2,0 0,6 1,7 0,9 2,0 NEE 0,6 2,3-0,3 3,8 0,5 2,4-0,2 2,0 0,8 1,7 RUS 0,8 2,2 0,4 3,5 0,9 3,4 0,6 1,8 0,9 1,8 VAS 0,8 1,6 0,1 1,2 0,9 2,2 1,3 2,3 0,5 1,7 NAF 0,9 1,6 0,1 1,6 0,6 1,9 1,0 2,1 0,9 1,8 MED 0,7 1,3 0,3 1,5 0,5 1,2 0,8 1,3 0,9 1,4 OSS 0,7 2,0 0,2 2,8 0,3 1,8 0,6 1,7 0,7 1,5 NOS 0,6 1,3 0,0 2,1 0,3 1,1 0,6 0,9 0,6 1,4 SWM 0,6 1,5 0,2 1,3 0,6 1,9 1,0 1,9 0,6 1,5 NOA 0,8 1,4 0,6 1,9 0,4 1,3 0,6 1,4 0,7 1,3 BIS 0,6 0,9 0,0 1,4 0,2 0,8 0,4 1,1 0,6 1,5 DTL 0,6 1,6-0,4 3,1-0,1 1,3 0,4 1,5 0,9 2,0 SLW 0,6 1,5-0,5 3,0 0,0 1,1 0,6 1,3 0,7 1,7 ESS 0,6 1,4-0,4 3,0-0,1 1,1 0,4 1,8 0,8 2,0 LIN 0,5 1,6-0,4 3,4-0,1 1,3 0,5 1,4 0,9 2,0 MEI 0,6 1,6-0,4 3,2-0,1 1,3 0,3 1,7 0,8 2,0 STU 0,6 1,5-0,6 2,9-0,2 1,5 0,0 1,8 0,9 2,1 MUN 0,6 1,7-0,6 3,1-0,1 1,8 0,0 1,6 1,1 2,2 SAX 0,5 1,6-0,5 3,3-0,1 1,4 0,4 1,5 0,9 2,1 ALP 0,8 1,7-0,4 2,8 0,1 2,0 0,3 1,8 1,1 2,3 POE 0,8 1,7-0,1 2,6-0,4 1,9 0,5 1,9 1,2 2,5 UNG 0,6 1,8-0,1 2,6-0,2 2,0 0,1 1,7 0,7 2,0 NSK 0,7 1,8 0,0 2,8 0,0 1,0 0,1 1,4 0,3 1,7 SSK 0,7 1,9-0,1 3,2 0,1 1,4 0,2 1,4 0,5 1,8

32 Quality Control of Regional Climate Simulations Gegenwartsklima Evaluierungslauf C20-Kontrolllauf SRES-Szenariolauf Aus Beobachtungen interpolierte oof analysierte Gitterdaten ERA40 EC5*-C20 EC5*-CCS Vgl. 3 Vgl. 5 Referenzdaten DWD, CRU, GPCC, HISTALP, ETH, MARS, ERA-Diagnose CLM-Eval CLM-C20 Teilzeiträume Vgl. 1 Vgl. 2 Vgl. 4 CLM-CCS Teilzeiträume Beobachtetes Referenzklima Regionales Referenzklima Regionales Kontrollklima Regionales Szenarioklima EC5* = gekoppelter Lauf mit ECHMA5/MPI -OM Comparison5: Consistency of the Climate Change Signal and Added Value

33 Comparison 5: T_2m, Difference of yearly climatologies (20y) C20_1 ECC20_1, A1B_1 - C20_ ECA1B_1 - ECC20_1,

34 Comparison 5: T_2m, Climatological annual cycle (MEU) Comparison5: Consistency of the Climate Change Signal and Added Value

35 Recommendations: 1. Uncertainties: 1. The Uncertainties estimated are based on comparisons between simulations and data. 2. The Uncertainties due to unknown model equations and parameters may increase the ranges of uncertainty. 2. The model uncertainties depend on: 1. The variable considered (e.g. T_2m, T_2m_max, Wind) 2. The Region 3. The Reference climate 3. The CLM (and every other climate model) is nonlinear and not perfect: 1. Analogies from one Comparison are not allowed and may be totally misleading. 2. The results can not be transfered to other regions and time periods. 3. The results can not be transfered to other configurations. 4. The model is not perfect and surprising effects may occur in new regions, at new resoslutions and with new configurations

Ähnliche Dokumente

Climate change and availability of water resources for Lima

Climate change and availability of water resources for Lima András Bárdossy bardossy@iws.uni-stuttgart.de Lima Marzo 12. 2009 1 Engineers and the future Knowledge about Past Design for Future Lima Marzo