image
Dr. Frank Kreienkamp
Deutscher Wetterdienst
Regionales Klimabüro Potsdam
Stand und Perspektive
regionaler Klimasimulationen

image
image
image
image
Klimavorhersage
Klimaprojektion
Sub-Saisonal
Decadal
Saisonal

image
image
image
image
Quelle: Max-Planck-Institut für Meteorologie
Modelle / Methoden

image
image
image
image
Quelle: Max-Planck-Institut für Meteorologie
Modelle / Methoden

image
image
image
image
Räumliche Auflösung der Globalen Klimamodelle
Typische Auflösung /
Gitterweite
150 bis 200 km
Beispiel
MPI-ESM-LR
1,875 ° ~ 200 km
Quelle: DWD / DKRZ / MPI
Modelle / Methoden

image
image
image
image
image
image
image
image
Modelle / Methoden

image
image
image
image
Dynamisch numerisches Downscaling
Für einen Teilausschnitt der Erde wird feiner aufgelöst gerechnet
50 km
12.5 km
Quelle: DWD / DKRZ / MPI / CCLM
Modelle / Methoden

image
image
image
image
8

image
image
image
Dynamisch numerisches Downscaling
Auflösung / Gitterweite
50 bzw. 12,5 km
Nutzbare Auflösung / Gitterweite
Regionen mit einer Kantenlänge von 150 bzw. 37,5 km
Eigenschaften der Ergebnisse
Die Modellierung der atmosphärischen Eigenschaften erfolgt mit kleineren
Abweichungen (Bias)
Information als Mittelwert der Gitterbox
Nicht alles kann modelliert werden
Z. B. Gewitter, Hagel
Modelle / Methoden

image
image
image
Folgen einer verfeinerten räumlichen Auflösung
Eine Verdopplung der Auflösung benötig mindestens das 8-fache der
Rechenleistung und hat einen deutlich erhöhen Speicherbedarf zur Folge
2 x ‚Länge‘; 2 x ‚Breite‘; 2 x Zeit
Eventuell auch eine Erhöhung der vertikalen Auflösung
Speicherbedarf während der Simulation und für die Ablage der erzeugten
Daten
Eine weitere Erhöhung der CPU-Zeit folgt aus der Hinzunahme weiterer
simulierter Prozesse
Beispiel: eine Simulation mit 12,5km Auflösung benötig 1,5 Monate Rechenzeit
auf dem DWD-Großrechner sowie 80 TByte Speicherplatz
Grundsätzlich müssen die Prozesse der gewählten Auflösung mit Formeln
beschrieben sein
Modelle / Methoden

image
image
image
dynamisches Downscaling
Vorteile
Modellierung physikalischer
Zusammenhänge (Konsistenz)
Neue Extreme möglich
Nachteile
Durch die Modelabstraktion und
die grobe Auflösung treten
systematische Abweichungen von
der Realität auf (Bias)
Es werden mittlere Zustände für
Boxen bereitgestellt
Teilweise werden andere
Eigenschaften der Variablen
Niederschlag (undercatch)
In der aktuellen Auflösung werden
immer noch wesentliche Prozess
nicht direkt modelliert
Hohe Rechenzeiten
Modelle / Methoden

image
image
image
Statistisches Downscaling
Nutzen den Zusammenhang zwischen der großräumigen atmosphärischen
Situation und den meteorologischen Zuständen an einer Station
Diese Beziehung wird an Beobachtungen entwickelt
Ohne Beobachtungen keine Datenbasis für das Downscaling
Meist kein systematischer Unterschied zwischen Beobachtung und
Modelldaten
Neuartige Zustände und Extreme sind schwer zu simulieren
Modelle / Methoden

image
image
image
Statistisches Downscaling
Vorteile
Geringer Ressourcenbedarf
Viele Simulationen möglich
Stellen meist Daten als
Stationsdaten zur Verfügung
Nachteile
Benötigen Beobachtungsdaten
Erstellung neuer Extreme
problematisch
Haben oft Probleme auf Basis des
beobachteten Klimas starke
Änderungen des Klimas zu
simulieren
Eigenschaften der Zeitreihen
zusätzlich von den genutzten
Downscaling-Parametern
abhängig
Eine Vielzahl an unterschiedlichen Methoden verfügbar.
Modelle / Methoden

image
image
image
image
Vergleich
Dyn. Downscaling
Box-Werte
Auch in Regionen ohne
Beobachtungen nutzbar
Tagesdaten (manchmal auch h)
Hoher Ressourcenbedarf
Beschreiben eine Vielzahl an
atmos. Prozessen
Bias des GCM kann nicht korrigiert
werden
Ziel:
Systemanalyse von Prozessen
Stat. Downscaling
Stationsdaten
Nur in Regionen mit
Beobachtungen nutzbar
Tagesdaten
Geringer Ressourcenbedarf
Nur Bodennahe Daten
Bias des GCM kann in
Teilaspekten korrigiert werden
Ziel:
Bereitstellung von Zeitreihen
Modelle / Methoden

image
image
image
image
Saisonal forecast - Jahreszeitenvorhersagen
Zeitrahmen:
Die nächsten Monate bis maximal 1 Jahr
Rahmenbedingungen:
Anfangswerte / Beobachtungen (Meer, Eis, Boden, …)
Zielstellung:
Mittleren Bedingungen (3 Monatswerte)
NICHT der detaillierte Verlauf
Start:
Am Anfang jeden Monats
Saisonal

image
image
image
image
image
www.dwd.de/jahreszeitenvorhersage
Saisonal

image
image
image
image
image
Decadal forecast – Mittelfristige Klimavorhersagen
Zeitrahmen:
Das nächste Jahr bis maximal 10 Jahre
Rahmenbedingungen:
Anfangswerte / Beobachtungen (Meer, Eis, Boden, …)
Verlauf wie Szenario RCP4.5
Zielstellung:
Mittleren Bedingungen (Jahres- bzw. Mehrjahresmittel)
NICHT der detaillierte Verlauf
Start:
Am Ende jeden Jahres (aktuell reines Forschungsprodukt)
Decadal

image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
image
Forschungsprogramm des
Bundesministeriums für Bildung und Forschung
(BMBF)
MiKlip:
September 2011
.... August 2015
MiKlip II: November 2015
.... Oktober 2018/2019
Zentrale Aufgabe
:
Entwicklung eines Modellsystems zur Vorhersage der erwarteten Klimaänderung
und der damit verbundenen Wetterphänomene auf einer zeitlichen Skala von bis
zu 10 Jahren unter Berücksichtigung sowohl anthropogen induzierter
Änderungen als auch der natürlichen Klimavariation.
http://www.fona-miklip.de/en
Decadal

image
image
image
image
image
image
image
image
image
Aktuell: Temperatur, 4-Jahresmittel, 5° Gitterweite
Vorhersagegüte verglichen mit Referenzvorhersagen
(beobachtete Klimatologie, Klimaprojektion)
Dekadische Vorhersagen der MiKlip Vorhersage-Webseite
Quelle:
www.fona-miklip.de/decadal-forecast-2017-2026/decadal-forecast-for-2017-2026/
Decadal

image
image
image
image
image
Szenarien
Sind Abschätzungen einer möglichen
Entwicklung
Basieren auf vielen Annahmen
Liefern die Grundlagen für weitere
Analysen
?
Definition IPCC: (Glossary AR5 – WG1)
A plausible description of how the future may develop based on a coherent and
internally consistent set of assumptions about key driving forces (e.g., rate of
technological change, prices) and relationships. Note that scenarios are neither
predictions nor forecasts, but are useful to provide a view of the implications of
developments and actions.
Klimaprojektion

image
image
image
image
image
Szenariendefinition
Definition möglicher
Entwicklungsrichtungen
Umrechnung in den
Strahlungsantrieb
Bisher
SRES
Neu
RCP
Quelle: IPCC AR5 WG 1 Figure 1-15
Quelle:
http://wiki.bildungsserver.de
Klimaprojektion

image
image
image
image
Übersicht vorhandene Modellergebnisse
Quelle: ReKliEs-De (2017): Nutzerhandbuch
(http://reklies.hlnug.de/startseite)
Klimaprojektion

image
image
image
image
Klimasignal 2071-2100 gegenüber 1971-2000 (RCP8.5)
Quelle: ReKliEs-De (2017): Ergebnisbericht
(http://reklies.hlnug.de/startseite)
Die Information und worin die Unterschiede der einzelnen
Ergebnisse liegen müssen Sie jetzt nicht verstehen
Klimaprojektion

image
image
image
image
image
http://reklies.hlnug.de/startseite
Veröffentlichung: 7. Dezember 2017
Quelle: ReKliEs-De (2017): Ergebnisbericht / Nutzerhandbuch
(http://reklies.hlnug.de/startseite)
Klimaprojektion

image
image
image
Kernensemble - Idee
Zu viel Information
Nur sehr wenige Nutzer der Ergebnisse regionaler
Klimaprojektionsrechnungen sind in der Lage alle vorhandenen Läufe
auszuwerten
Daher erstellt der Deutsche Wetterdienst ein Kernensemble
Ziel:
Reduktion der Anzahl der zu nutzenden Läufe
Bei bestmöglichen Erhalt der Bandbreite der Information
Klimaprojektion

image
image
image
Kernensemble - wie geht es weiter
Methodik ist gefunden
Aktuell laufen die letzten Auswertungen
Für Anfang nächsten Jahres sind Gespräche mit den Nutzern geplant
Präsentation der Ergebnisse ist für 15. Mai 2018 auf dem DWD Nutzer-
Workshop regionale Klimaprojektionen in Hamburg geplant
Klimaprojektion

image
image
image
image
image
Fazit
Es gibt eine vollständige Modellkette von der Globalen Simulation bis hin zur
regionalen Skala
Es liegen der Daten für die Zeitskalen 1 Monat bis zum Ende des Jahrhunderts
vor
Aktuell liegen nur für die Klimaprojektionen regionale Daten vor
Für die Zeitskalen 1 Monat bis 10 Jahre wird an regionalen Daten
gearbeitet