Klima im Wandel Climate Change - Universität Salzburg
Klima im Wandel Climate Change - Universität Salzburg
Klima im Wandel Climate Change - Universität Salzburg
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Das <strong>Kl<strong>im</strong>a</strong> der nächsten 100 Jahre<br />
den großskaligen Randbedingungen abhängig sind. Aus ‚downgescalten‘ (herunterskalierten)<br />
Szenarien können dann regionale Auswirkungen beurteilt werden. Grob<br />
werden be<strong>im</strong> Downscaling zwei Zugänge unterschieden:<br />
Dynamisches Downscaling orientiert sich an den bekannten physikalischen Gesetzen,<br />
die Vorgänge auf lokaler Skala <strong>im</strong> <strong>Kl<strong>im</strong>a</strong>system beschreiben. Diese werden mit<br />
einem so genannten regionalen <strong>Kl<strong>im</strong>a</strong>modell (mit hoher Auflösung von einigen<br />
Kilometern) berechnet. Ein regionales <strong>Kl<strong>im</strong>a</strong>modell beschreibt für eine begrenzte<br />
Region (z.B. Mitteleuropa) physikalische Prozesse <strong>im</strong> <strong>Kl<strong>im</strong>a</strong>system, die von einem<br />
globalen <strong>Kl<strong>im</strong>a</strong>modell nicht s<strong>im</strong>uliert werden können. Dafür benutzt es die Randbedingungen,<br />
die vom globalen <strong>Kl<strong>im</strong>a</strong>modell vorgegeben werden. Regionale Modelle<br />
werden gewissermaßen in das Gitter des globalen <strong>Kl<strong>im</strong>a</strong>modells ‚hineingehängt‘.<br />
Empirisches Downscaling bedient sich Messreihen auf der Skala der globalen Modelle<br />
und der Skala, die man aufzulösen wünscht (z.B. Stationsdaten). Die Reihen werden<br />
zueinander in Beziehung gesetzt, und mit statistischen Methoden wird ein Zusammenhang<br />
zwischen ihnen abgeleitet. Dieser ermöglicht es, in Abhängigkeit von<br />
großskaligen <strong>Kl<strong>im</strong>a</strong>änderungs-S<strong>im</strong>ulation auf den künftigen Zustand der kleinskaligen<br />
Variable, d.h. auf lokaler Ebene, zu schließen.<br />
Abbildung 4 zeigt das Schema des dynamischen Downscalings. Das linke Bild steht<br />
stellvertretend für ein <strong>Kl<strong>im</strong>a</strong>szenario, gerechnet mit einem globalen <strong>Kl<strong>im</strong>a</strong>modell,<br />
basierend auf einem der oben beschriebenen Emissionsszenarien. Das regionalskalige<br />
Szenario (rechtes Bild) wurde am DKRZ mit dem regionalen <strong>Kl<strong>im</strong>a</strong>modell<br />
CLM (= das Community-Model der deutschen <strong>Kl<strong>im</strong>a</strong>forschung) aus dem globalen<br />
Szenario herunterskaliert. Im unteren Bild sind die auf zwei ‚downgescalten‘ Szenarien<br />
beruhenden Temperaturveränderungen für die Region Tirol gezeigt.<br />
Beide Formen des Downscalings hängen kritisch von der Fähigkeit des globalen<br />
<strong>Kl<strong>im</strong>a</strong>modells ab, das großskalige <strong>Kl<strong>im</strong>a</strong>geschehen realistisch wiederzugeben. Statistische<br />
Verfahren benötigen (relativ) wenig Computerressourcen, kein detailliertes<br />
Wissen über die Beschaffenheit des Untergrunds und der lokalskaligen physikalischen<br />
Prozesse. Daher stehen diese Verfahren einem weiten Kreis von Anwendern<br />
offen. Ein guter Überblick über Downscaling findet sich in IPCC (2001).<br />
Abbildung 5 zeigt <strong>im</strong> unteren Bild die Temperaturverteilung, die aus einem<br />
globalen <strong>Kl<strong>im</strong>a</strong>lauf mit empirischen Downscaling abgeleitet worden ist (Matulla et<br />
al. 2004). Der globale Lauf wurde mit ECHAM unter dem so genannten ‚business<br />
as usual’ Szenario (‚weiter wie bisher’) als Antrieb erzeugt. Das ‚business as usual’<br />
Szenario ist, den Verlauf der künftigen CO 2<br />
Konzentration betreffend, nahe am<br />
A1B Szenario.<br />
173