Refine
Has Fulltext
- yes (4)
Is part of the Bibliography
- yes (4)
Document Type
- Journal article (3)
- Doctoral Thesis (1)
Keywords
- Allgemeine atmosphärische Zirkulation (1)
- Anthropogene Klimaänderung (1)
- Bavaria (1)
- CMIP3 (1)
- CMIP5 (1)
- El-Niño-Phänomen (1)
- Elissen-Palm flux (1)
- Gewichtung von Klimamodellen (1)
- Klima (1)
- Klimatologie (1)
Institute
This study investigates the projected precipitation changes of the 21st century in the Mediterranean area with a model ensemble of all available CMIP3 and CMIP5 data based on four different scenarios. The large spread of simulated precipitation change signals underlines the need of an evaluation of the individual general circulation models in order to give higher weights to better and lower weights to worse performing models. The models' spread comprises part of the internal climate variability, but is also due to the differing skills of the circulation models. The uncertainty resulting from the latter is the aim of our weighting approach. Each weight is based on the skill to simulate key predictor variables in context of large and medium scale atmospheric circulation patterns within a statistical downscaling framework for the Mediterranean precipitation. Therefore, geopotential heights, sea level pressure, atmospheric layer thickness, horizontal wind components and humidity data at several atmospheric levels are considered. The novelty of this metric consists in avoiding the use of the precipitation data by itself for the weighting process, as state-of-the-art models still have major deficits in simulating precipitation. The application of the weights on the downscaled precipitation changes leads to more reliable and precise change signals in some Mediterranean sub-regions and seasons. The model weights differ between sub-regions and seasons, however, a clear sequence from better to worse models for the representation of precipitation in the Mediterranean area becomes apparent.
In recent years, the midlatitudes are characterized by more intense heatwaves in summer and sometimes severe cold spells in winter that might emanate from changes in atmospheric circulation, including synoptic‐scale and planetary wave activity in the midlatitudes. In this study, we investigate the heat and momentum exchange between the mean flow and atmospheric waves in the North Atlantic sector and adjacent continents by means of the physically consistent Eliassen–Palm flux diagnostics applied to reanalysis and forced climate model data. In the long‐term mean, momentum is transferred from the mean flow to atmospheric waves in the northwest Atlantic region, where cyclogenesis prevails. Further downstream over Europe, eddy fluxes return momentum to the mean flow, sustaining the jet stream against friction. A global climate model is able to reproduce this pattern with high accuracy. Atmospheric variability related to atmospheric wave activity is much more expressed at the intraseasonal rather than the interannual time‐scale. Over the last 40 years, reanalyses reveal a northward shift of the jet stream and a weakening of intraseasonal weather variability related to synoptic‐scale and planetary wave activity. This pertains to the winter and summer seasons, especially over central Europe, and correlates with changes in the North Atlantic Oscillation as well as regional temperature and precipitation. A very similar phenomenon is found in a climate model simulation with business‐as‐usual scenario, suggesting an anthropogenic trigger in the weakening of intraseasonal weather variability in the midlatitudes.
Bewertung und Auswirkungen der Simulationsgüte führender Klimamoden in einem Multi-Modell Ensemble
(2013)
Der rezente und zukünftige Anstieg der atmosphärischen Treibhausgaskonzentration bedeutet für das terrestrische Klimasystem einen grundlegenden Wandel, der für die globale Gesellschaft schwer zu bewältigende Aufgaben und Herausforderungen bereit hält. Eine effektive, rühzeitige Anpassung an diesen Klimawandel profitiert dabei enorm von möglichst genauen Abschätzungen künftiger Klimaänderungen.
Das geeignete Werkzeug hierfür sind Gekoppelte Atmosphäre Ozean Modelle (AOGCMs). Für solche Fragestellungen müssen allerdings weitreichende Annahmen über die zukünftigen klimarelevanten Randbedingungen getroffen werden. Individuelle Fehler dieser Klimamodelle, die aus der nicht perfekten Abbildung der realen Verhältnisse und Prozesse resultieren, erhöhen die Unsicherheit langfristiger Klimaprojektionen. So unterscheiden sich die Aussagen verschiedener AOGCMs im Hinblick auf den zukünftigen Klimawandel insbesondere bei regionaler Betrachtung, deutlich. Als Absicherung gegen Modellfehler werden üblicherweise die Ergebnisse mehrerer AOGCMs, eines Ensembles an Modellen, kombiniert. Um die Abschätzung des Klimawandels zu präzisieren, wird in der vorliegenden Arbeit der Versuch unternommen, eine Bewertung der Modellperformance der 24 AOGCMs, die an der dritten Phase des Vergleichsprojekts für gekoppelte Modelle (CMIP3) teilgenommen haben, zu erstellen. Auf dieser Basis wird dann eine nummerische Gewichtung für die Kombination des Ensembles erstellt. Zunächst werden die von den AOGCMs simulierten Klimatologien für einige
grundlegende Klimaelemente mit den betreffenden klimatologien verschiedener Beobachtungsdatensätze quantitativ abgeglichen. Ein wichtiger methodischer Aspekt
hierbei ist, dass auch die Unsicherheit der Beobachtungen, konkret Unterschiede zwischen verschiedenen Datensätzen, berücksichtigt werden. So zeigt sich, dass die Aussagen, die aus solchen Ansätzen resultieren, von zu vielen Unsicherheiten in den Referenzdaten beeinträchtigt werden, um generelle Aussagen zur Qualität von AOGCMs zu treffen. Die Nutzung der Köppen-Geiger Klassifikation offenbart jedoch, dass die prinzipielle Verteilung der bekannten Klimatypen im kompletten CMIP3 in vergleichbar guter Qualität reproduziert wird. Als Bewertungskriterium wird daher hier die Fähigkeit der AOGCMs die großskalige natürliche Klimavariabilität, konkret die hochkomplexe gekoppelte
El Niño-Southern Oscillation (ENSO), realistisch abzubilden herangezogen. Es kann anhand verschiedener Aspekte des ENSO-Phänomens gezeigt werden, dass nicht alle AOGCMs hierzu mit gleicher Realitätsnähe in der Lage sind. Dies steht im Gegensatz zu den dominierenden Klimamoden der Außertropen, die modellübergreifend überzeugend repräsentiert werden. Die wichtigsten Moden werden, in globaler Betrachtung, in verschiedenen Beobachtungsdaten über einen neuen Ansatz identifiziert. So können für einige bekannte Zirkulationsmuster neue Indexdefinitionen gewonnen werden, die sich sowohl als äquivalent zu den Standardverfahren erweisen und im Vergleich zu diesen zudem eine deutliche Reduzierung
des Rechenaufwandes bedeuten. Andere bekannte Moden werden dagegen als weniger bedeutsame, regionale Zirkulationsmuster eingestuft. Die hier vorgestellte
Methode zur Beurteilung der Simulation von ENSO ist in guter Übereinstimmung mit anderen Ansätzen, ebenso die daraus folgende Bewertung der gesamten Performance
der AOGCMs. Das Spektrum des Southern Oscillation-Index (SOI) stellt somit eine aussagekräftige Kenngröße der Modellqualität dar.
Die Unterschiede in der Fähigkeit, das ENSO-System abzubilden, erweisen sich als signifikante Unsicherheitsquelle im Hinblick auf die zukünftige Entwicklung einiger fundamentaler und bedeutsamer Klimagrößen, konkret der globalen Mitteltemperatur,
des SOIs selbst, sowie des indischen Monsuns. Ebenso zeigen sich signifikante Unterschiede für regionale Klimaänderungen zwischen zwei Teilensembles des CMIP3, die auf Grundlage der entwickelten Bewertungsfunktion eingeteilt werden. Jedoch sind diese Effekte im Allgemeinen nicht mit den Auswirkungen der
anthropogenen Klimaänderungssignale im Multi-Modell Ensemble vergleichbar, die für die meisten Klimagrößen in einem robusten multivariaten Ansatz detektiert und
quantifiziert werden können. Entsprechend sind die effektiven Klimaänderungen, die sich bei der Kombination aller Simulationen als grundlegende Aussage des
CMIP3 unter den speziellen Randbedingungen ergeben nahezu unabhängig davon, ob alle Läufe mit dem gleichen Einfluss berücksichtigt werden, oder ob die erstellte nummerische Gewichtung verwendet wird. Als eine wesentliche Begründung hierfür kann die Spannbreite der Entwicklung des ENSO-Systems identifiziert werden. Dies
bedeutet größere Schwankungen in den Ergebnissen der Modelle mit funktionierendem ENSO, was den Stellenwert der natürlichen Variabilität als Unsicherheitsquelle
in Fragen des Klimawandels unterstreicht. Sowohl bei Betrachtung der Teilensembles als auch der Gewichtung wirken sich dadurch gegenläufige Trends im SOI
ausgleichend auf die Entwicklung anderer Klimagrößen aus, was insbesondere bei letzterem Vorgehen signifikante mittlere Effekte des Ansatzes, verglichen mit der
Verwendung des üblichen arithmetischen Multi-Modell Mittelwert, verhindert.
Statistical modeling of phenology in Bavaria based on past and future meteorological information
(2020)
Plant phenology is well known to be affected by meteorology. Observed changes in the occurrence of phenological phases arecommonly considered some of the most obvious effects of climate change. However, current climate models lack a representationof vegetation suitable for studying future changes in phenology itself. This study presents a statistical-dynamical modelingapproach for Bavaria in southern Germany, using over 13,000 paired samples of phenological and meteorological data foranalyses and climate change scenarios provided by a state-of-the-art regional climate model (RCM). Anomalies of severalmeteorological variables were used as predictors and phenological anomalies of the flowering date of the test plantForsythiasuspensaas predictand. Several cross-validated prediction models using various numbers and differently constructed predictorswere developed, compared, and evaluated via bootstrapping. As our approach needs a small set of meteorological observationsper phenological station, it allows for reliable parameter estimation and an easy transfer to other regions. The most robust andsuccessful model comprises predictors based on mean temperature, precipitation, wind velocity, and snow depth. Its averagecoefficient of determination and root mean square error (RMSE) per station are 60% and ± 8.6 days, respectively. However, theprediction error strongly differs among stations. When transferred to other indicator plants, this method achieves a comparablelevel of predictive accuracy. Its application to two climate change scenarios reveals distinct changes for various plants andregions. The flowering date is simulated to occur between 5 and 25 days earlier at the end of the twenty-first century comparedto the phenology of the reference period (1961–1990).