Methoden

Kennwerte

Die Charakterisierung der klimatischen Bedingungen im Untersuchungsgebiet erfolgt mit ausgewählten Kennwerten, die auf der Basis von Tagesdaten berechnet werden. Auch zur Identifizierung von Veränderungen des Klimas können diese Kennwerte verwendet werden (Nicholls und Murray, 1999; Moberg und Jones, 2005; Klein -Tank , 2009; ECA & D, 2012).

Folgende Gruppen an Kennwerten wurden analysiert:

• Niederschlag
• Temperatur
• Trockenheit
• Strahlung und Komplexe Kennwerte

Nachfolgend werden die Kennwerte definiert, wobei die im Text verwendete Abkürzung sowie in Klammern die Einheit angegeben wird:

Niederschlagskennwerte

• Niederschlag RR [mm]
• Tage mit Starkniederschlag – R10mm, R90p [Tage]
• Tage mit Extremniederschlag – R20mm, R95p [Tage]
• Tage mit Extremstem Niederschlag – R99p [Tage]
• Höchster Tagesniederschlag - RX1day [mm]
• Höchster 5-Tagesniederschlag - RX5day [mm]
• Anteil an Starkniederschlägen - R90pT [%]
• Anteil an Extremniederschlägen - R95pT [%]
• Anteil an Extremstem Niederschlag - R99pT [%]

• lnk_Ergebnisse Klima_Glossar

Kennwerte für Trockenheit

• Häufigkeit von Trockenperioden - DPF [-]
• Dauer der Trockenperioden - DPD [Tage]
• Standardisierter Niederschlags Index – SPI [-]

• lnk_Ergebnisse Klima_Glossar

Temperaturkennwerte

• Mittlere Lufttemperatur - TG [° C]
• Minimale Lufttemperatur - TN [° C]
• Maximale Lufttemperatur - TX [° C]
• Tägliche Differenz der Lufttemperatur – DTR [° C]
• Extreme Differenz der Lufttemperatur – ETR [° C]
• Dauer der Vegetationsperiode - GSL [Tage]

• lnk_Ergebnisse Klima_Glossar

Strahlung und Komplexe Kennwerte

• Sonnenscheindauer - SS [hours]
• Potentielle Evapotranspiration – PET [mm]
• Klimatische Wasserbilanz - KWB [mm]

• lnk_Ergebnisse Klima_Glossar

Perioden und Trends

Für die ausgewählten Kennwerte werden die Mittelwerte für die Referenzperiode (1971-2000)berechnet. Um eventuelle klimatische Änderungen zu identifizieren werden lineare Trends für die Gesamtperiode (1971-2010)ermittelt. Hierbei sprechen wir von Trends, wenn der Signifikanztest nach Mann-Kendall (Schönwiese, 2006) bei einer Irrtumswahrscheinlichkeit von 10% einen signifikanten Trend feststellt. Andernfalls sprechen wir von Tendenzen. Perioden, die in dieser Broschüre untersucht werden sind: 

• Meteorologisches Jahr (Januar bis Dezember)      
• Meteorologisches Sommerhalbjahr (April bis September)
• Meteorologisches Winterhalbjahr (Oktober bis März)
• Frühling (März bis Mai)
• Sommer (Juni-August)
• Herbst (September bis November)
• Winter (Dezember bis Februar)

Erstellung von Klimaprojektionen

Um die zukünftige Klimaentwicklung abschätzen zu können, werden Globale Klimamodelle (GCM) verwendet. Da diese aufgrund ihres groben Berechnungsgitters zu ungenau für regionale Problemstellungen sind, werden die GCM verfeinert und sogenannte Regionale Klimamodelle (RCM) aufgebaut. 
Das zukünftige Klima wird in sogenannten Projektionen, deren Basis Emissionsszenarien sind, abgebildet. Die Emissionsszenarien zeigen mögliche Entwicklungen der Treibhausgasemissionen bzw. -konzentrationen unter der Annahme verschiedener globaler Faktoren (z. B. Bevölkerungsentwicklung, technisch-wissenschaftlicher Fortschritt, Wirtschaftsentwicklung, Entwicklung von Umweltethik und Gerechtigkeit) auf. Seit dem Jahr 2000 basieren die Klimaprojektionen auf den so genannten SRES-Szenarien (Nakicenovic et al. 2000).
Seit etwa 2008 erfolgte eine Novellierung der Szenario-Philosophie. Die Szenarien der Repräsentativen Konzentrationspfade (RCP), welche die zeitliche Entwicklung der Konzentration von Treibhausgasen sowie der Strahlungsantriebe abschätzt, wurde eingeführt (Moss et al. 2010).

Im Laufe der letzten 15 Jahre etablierte sich die Strategie, Aussagen zu Klimaänderungen belastbarer zu machen, indem Ensembles von Modellresultaten betrachtet werden. Durch Darstellung der Bandbreite möglicher Klimaentwicklungen können die Unsicherheiten in der Klimamodellierung berücksichtigt werden, die aus a) der Auswahl des Globalen und Regionalen Klimamodells, b) dem gewählten Treibhausgasszenario (SRES, RCP) sowie c) der Modellinitialisierungresultieren(siehe: http://klimawiki.org/klimawandel/index.php/RCP-Szenarien ). Derzeit wird davon ausgegangen, dass nur unter Berücksichtigung dieser Unsicherheiten robuste Ergebnisse des zukünftigen Klimas und seiner Auswirkungen zu erwarten sind. 

Für die Ermittlung der zu erwartenden Klimaveränderungen im Untersuchungsgebiet wird das Regionale Klimamodell WETTREG  (Version: WR13_v02) (Kreienkamp et al. 2013) verwendet. Seinen Antrieb bezieht WETTREG aus einem Ensemble aus Szenarioläufen von GCM. Aus finanziellen und zeitlichen Gründen konnte nur eine begrenzte Anzahl an Szenarioläufen gerechnet werden. Es wurde sich für das in Hamburg betriebene GCM ECHAM5 und MPI-ESM-LR entschieden.

Als Szenarien für die Treibhausgasemissionen bzw. Konzentrationen wurde einerseits das SRES A1B verwendet, um einen Vergleich mit den zahlreich angefertigten Studien zum Klima und dessen Auswirkungen in Deutschland und Europa zu ermöglichen. Um der aktuellen Philosophie des IPCC zu folgen und die Spannbreite zukünftiger Entwicklungen aufzuzeigen, wurden RCP 2.6 und RCP 8.5 verwendet. Das Szenario RCP 2.6 approximiert die atmosphärischen Bedingungen unter Einhaltung des Ziels, die globale Erwärmung am Ende des 21. Jahrhunderts unterhalb von 2 Grad bezüglich des vorindustriellen Niveaus zu halten. Jedoch werden zwischendurch Temperaturen von über 2 Grad erreicht. Über Kohlendioxidabscheidung und -speicherung wird der Atmosphäre wieder soviel Kohlendioxid entzogen, dass die Temperatur wieder sinkt. Dem Szenario RCP 8.5 werden ein starkes Bevölkerungswachstum und weiterhin steigende Treibhausgasemissionen unterstellt. Im Rahmen von NEYMO wird folgendes Ensemble des Typs Multi-Modell-Multi-Szenario genutzt:

• ECHAM5 MPI-OM A1B, Lauf 1 (“A1B”)
• MPI-ESM-LR RCP 2.6, Lauf 1 (“RCP 2.6”)
• MPI-ESM-LR RCP 8.5, Lauf 1 (“RCP 8.5,L1”)
• MPI-ESM-LR RCP 8.5, Lauf 2 (“RCP 8.5,L2”)
• MPI-ESM-LR RCP 8.5, Lauf 3 (“RCP 8.5,L3”)

 

Da lediglich eine Auswahl von Modellen zur Analyse verwendet wird, können die Modelle nicht notwendigerweise den vollständigen Bereich möglicher Resultate und Unsicherheiten umfassen.

Es werden 10 regionale Realisierungen für jedes Szenario berechnetBei ECHAM5 handelt es sich bis zum modellierten Jahr 2001 um sogenannte Re-Simulationen des Gegenwartsklimas (bis 2006 bei MPI-ESM). Diese werden zur Ermittlung von Klimasignalenbenötigt, welche die Differenz zwischen den meteorologischen Parametern einer gegenwärtig simulierten und einer zukünftig simulierten Periode darstellen. Würden gemessene Daten der Gegenwart mit für die Zukunft simulierten Daten verglichen, so bestünde das Risiko, dass systematische Modellfehler die Ergebnisse verfälschen.

Um zu ermitteln, ob das Änderungsverhalten einer simulierten meteorologischen Variablen ein Signal darstellt oder der natürlichen Klimavariabilität in der Gegenwart entspricht, sind die Vertrauensbereichedes Mittelwerts zu bestimmen (Kreienkamp und Spekat 2011). Mit Hilfe der Standardabweichung der Variablen innerhalb der Referenzperiode 1971-2000 erfolgt die Bestimmung der Vertrauensgrenzen des Mittelwerts. Der Vertrauensbereich gibt mit einer Irrtumswahrscheinlichkeit (hier: 10 %) den Bereich an, den die zeitliche Entwicklung einer projizierten Klimavariablen verlassen muss, um als deutliches Signal bezeichnet werden zu können.

 

Literatur

•  ECA & D European Climate Assessment & Dataset. Algorithm Theoretical Basis Document. December 2012. KNMI.
• KLEIN TANK A., ZWIERS F., ZHANG X. 2009. Guidelines on analysis of extreme in a changing climate in support of informed decisions for adaptation. Climate Data and Monitoring WCDMP-No. 72, WMO-TD No. 1500.
• KREIENKAMP F UND SPEKAT A (2011) IDP. Ein Werkzeug zur explorativen Datenanalyse. Bedienungsanleitung Version 3.4.0.8. Bericht, Potsdam: Climate and Environment Consulting GmbH im Auftrag des Landesamtes für Umweltschutz Sachsen-Anhalt.
• KREIENKAMP F, SPEKAT A UND ENKE W (2013a) Modellierung von Klimaprojektionen für das erweiterte Neißeeinzugsgebiet im Rahmen des Projektes NEYMO (Lausitzer Neiße/ Nysa Luzycka – Klimatische und hydrologische Modellierung, Analyse und Prognose). Dresden: Sächsisches Landesamt für Umwelt, Landwirtschaft und Geologie
• MOBERG A., Jones P.D. 2005. Trends in indices for extremes in daily temperature and precipitation in Central and Western Europe. International Journal of Climatology. Vol. 25.
• MOSS RH, EDMONDS JA , HIBBARD KA, MANNING MR, ROSE SK, VAN VUUREN DP, CARTER TR, EMORI S, KAINUMA M, KRAM T (2010) The next generation of scenarios for climate change research and assessment. Nature, 463, 747-756
• NAKICENOVIC, N., et al. Emissions Scenarios; A Special Reports of IPCC Working Group III. Cambridge, UK: Cambridge University Press, 2000.
• NICHOLLS N., MURRAY W. 1999. Workshop on indices and indicators for climate extremes: Asheville, NC, USA, 3-6 June 1997. Breakout Group B: Precipitation. Climatic Change 42.