gefördert von:

TP 5: Regionale Klimaszenarien mit dem REMO-Modell und stochastischen Modellen

 

Die Aufgaben des Teilprojektes umfassen die Bereitstellung bereits vorliegender und neu erzeugter regionaler Klimasimulationen für die Datenanwender, die Erzeugung von auf die Bedürfnisse der Anwender zugeschnittenen  Datenprodukten aus diesen Klimasimulationen, die Erstellung von Metadatenbanken, und das Anbieten einer einheitlichen Grundlage zur Verwendung von Klimadaten. Weiterhin gehört die Validierung der Klimasimulationen gegen Beobachtungsdatensätze im Bereich Niedersachsen, sowie eine Abschätzung der Unsicherheiten und Bias-Korrektur zur Aufgabe des Teilprojektes.

Um die Bearbeitung der Klimadaten und Verwendung für Impaktmodellierung zur Erleichtern wurde das “Einsteiger-Tutorial für REMO-Datennutzer” erstellt. REMO A1B Lauf 3 wurde berechnet.

Erstellung bias-korrigierter Datensätze:

Es wurde die Einigung getroffen, bias-korrigierte Datensätze von REMO- und CLM-Simulationen als Input für Klima-Impaktmodelle zu erzeugen. Da eine Vielzahl von Methoden zur statistischen Bias-Korrektur existieren, wurde die am MPI-M entwickelte und veröffentlichte Methode von  Piani et al. (2010) verwendet, mit der tägliche Datensätze von Niederschlag und Tagesmittel-, Minimal-, und Maximaltemperatur erzeugt werden können. Eine Einführung zu Bias-Korrekturen im Allgemeinen mit einer kurzen Beschreibung dieser Methode wurde unter der Federführung von TP1 (AWI) in Mudelsee et al. (2010) gegeben. Als vorläufige pragmatische Lösung auf Anfragen nach stündlichen bias-korrigierten Niederschlägen wurde eine Anleitung verfasst, mit der mit Hilfe der “Climate Data Operators” (CDO), die auch im erwähnten “Einsteiger-Tutorial” erklärt sind, aus den bias-korrigierten Tagesniederschlägen und den unkorrigierten stündlichen Niederschlägen, stündliche Datenreihen konstruiert werden können. Als geeigneter Beobachtungsdatensatz für den Niederschlag wurde der REGNIE-Datensatz des Deutschen Wetterdienstes herangezogen. Bias-korrigierte tägliche Niederschlagsdatensätze stehen bisher für die REMO-Simulationen C20_1, C20_2, A1B_1, A1B_2 sowie die CLM-Simulationen C20_1 und A1B_1 zur Verfügung. Für die Temperaturen wurde bisher empfohlen, die Originaldaten zu verwenden, da der Temperatur-Bias von REMO in Niedersachsen relativ gering ist. Es wurden bias-korrigierte Temperaturdatensätze auf der Basis des relativ grob aufgelösten Beobachtungsdatensatzes von Haylock et al. (2008) erzeugt, deren Qualität jedoch nicht sehr hoch eingeschätzt. Versucht wurde auch, den u.a. für KLIFF entwickelten hochaufgelösten Datensatz von Haberlandt et al. (2010) für die Bias-Korrektur der Temperatur zu verwenden. Ein wichtiges Ergebnis der Auswertung der bisher erstellten bias-korrigierten Datensätze ist, dass das Klimaänderungssignal sowohl der Temperaturen als auch der Niederschläge von der Bias-Korrektur-Methode verändert wird.

Zusammenarbeit mit Impaktmodellierung:

Die Verwendbarkeit globaler und regionaler Klimasimulationen in der Impakt-Modellierung wurde anhand von Fallstudien genauer analysiert. In Zusammenarbeit mit FT5 wurde ein Impakt-Modell, mit dem der Einfluss von Klimaextremen auf den Wald untersucht werden kann, im Validierungszeitraum nacheinander mit Stationsdaten, sowie globalen und regionalen Klimamodelldaten (unkorrigiert und bias-korrigiert) angetrieben.

In Zusammenarbeit mit dem Büsgen-Institut (FT5 und QT1) sowie WAWI (FT6 und QT1) ist geplant, das bisher für KLIFF verwendete REMO-Simulationsensemble zu erweitern. Am MPI-M sind seit kurzem je drei Realisierungen des Kontrollzeitraums (C20), sowie des A1B-, des B1- und des A2-Szenarios verfügbar.

 

Publikationen:

Mudelsee M., Chirila D., Deutschländer T., Döring C., Haerter J, Hagemann S., Hoffmann H., Jacob D., Krahé P., Lohmann G., Moseley C., Nilson E., Panferov O., Rath T., Tinz B. (2010): Climate Model Bias Correction und die Deutsche Anpassungsstrategie. Mitteilungen Deutsche Meteorologische Gesellschaft 3, 2-7

Haerter, J.O., S. Hagemann, C. Moseley, C. Piani, 2011: Statistical bias correction of global simulated daily precipitation and temperature for the application of hydrological models. Journal of Hydrology. 395: 199-215

Konferenzbeiträge:

Moseley C., Jacob D., Rechid D., Hagemann S., Haerter J.: Biaskorrigierte Datensätze für Deutschland im Rahmen von KLIFF., Vortrag im Rahen eines CSC-Workshops am 22.6./23.6.2010 in Offenbach/DWD, und eines KLIMZUG-NORD Workshops am 27.10.2010 in Hamburg-Harburg

Panferov O., Döring C., Moseley C., Ahrends B.: Implementation of regional climate scenarios data for the evaluation of abiotic forest risks in 21st century. Vortrag auf der Jahrestagung der Americal Geophysics Union, 13.-17.12.2010, San Francisco, USA

Moseley C., Ahrends B., Döring C., Panferov O.: Uncertainties in regional climate scenarios data and their effect on results of impact models in forestry. Poster-Präsentation auf der Jahrestagung der European Geosciences Union, 03.-08.04.2011, Wien

Leitung: Prof. Dr. D. Jacob

Bearbeiter: Dr. Christopher Moseley

Kontakt:

Climate Service Center Germany (CSC), Chilehaus – Eingang B, Fischertwiete 1, 20095 Hamburg

daniela.jacob@hzg.de

Laufzeit: 4 Jahre

-

Klimaänderungssignal “2m-Temperatur” im Jahresmittel, Sommer und Winter: Modell REMO, Szenario A1B, Mittelwert aus drei Läufen  (MPI für Meteorologie in Hamburg, Climate Service Center in Hamburg)

 

-

Klimaänderungssignal “2m-Temperatur” im Jahresmittel, Sommer und Winter: Modell CLM, Szenario A1B, Mittelwert aus drei Läufen (MPI für Meteorologie in Hamburg, Climate Service Center in Hamburg)

 

-

Klimaänderungssignal “Niederschlag” im Jahresmittel, Sommer und Winter: Modell REMO, Szenario A1B, Mittelwert aus drei Läufen  (MPI für Meteorologie in Hamburg, Climate Service Center in Hamburg)

 

-

Klimaänderungssignal “Niederschlag” im Jahresmittel, Sommer und Winter: Modell CLM, Szenario A1B, Mittelwert aus drei Läufen (MPI für Meteorologie in Hamburg, Climate Service Center in Hamburg)

 

-

The video series show climate change signals for temperature and precipitation in Germany until the end of the 21st century, simulated by the regional climate models REMO and CLM. The climate change signal is the difference between a reference time period and a time period in the future. Since information on climate can only be given if the statistics of a sufficiently long period of time is available, usually time periods of 30 years are used to build mean values of temperature and precipitation. For the videos, the reference time period is 1971-2000.

The current year shown in each case indicates the end year of the 30 year time periods, e.g. the year 2050 corresponds to the period 2021-2050, the year 2100 to 2071-2100, etc.. Temperature differences are given in absolute values in Celsius, for the precipitation relative differences in % are chosen.

The simulations are climate projections by the global climate model ECHAM5/MPI-OM following the IPCC emission scenario A1B (Special Report Emission Scenarios – SRES, IPCC 2000).

Three different “realizations” with different initial conditions were simulated in order to analyze different possible future climates. The regional climate models were used to downscale the global climate simulations to a higher resolution over Germany. Here, the REMO simulations have a horizontal resolution of ca. 10 km (shown in the mean of the three realizations of the global model), and the CLM simulations of ca. 18 km (shown is the mean of the first two realizations). Note that the differences of the simulations among each other (“band width”) is not visible in the videos but the mean values only.

A detailed documentation and discussion of the climate simulations will be available soon (in German only) as Report of the Climate Service Center (CSC) of Helmholtz Zentrum Geesthacht (Jacob et al.: “Regionale Klimasimulationen in Deutschlan und Europa”).

The videos show the seasonal and yearly means of the projected changes of temperature and precipitation separately for REMO and CLM simulations. A direct comparison of the results of REMO and CLM show that both models agree to a large extent on the climate change signals.
___________________
Data Visualization:
Christopher Moseley, Max-Planck-Institut für Meteorologie Hamburg

Video Editing:
Walter Stickan, Zentrum für Biodiversität und nachhaltige Landnutzung, Georg-August-Universität Göttingen