Uncertainty in feedback mechanisms in climate change projections

Präsentation zum Thema: "Uncertainty in feedback mechanisms in climate change projections"—  Präsentation transkript:

1 Uncertainty in feedback mechanisms in climate change projections
Uncertainty in feedback mechanisms in climate change projections A comparison of perturbed-physics ensembles F. Niehörster1,2, M. Collins3, U. Cubasch2 Hi, I’m going to talk about a modelling study which was done in the framework of the ENSEMBLES project and in cooperation between the FU Berlin, the MetOffice and the LSE. Falk Niehörster IMSC 2010

2 Climate sensitivity & climate feedbacks
Outline Climate sensitivity & climate feedbacks 2. Experimental design of Perturbed-Physics 3. Ensemble analysis 4. Multi-Model comparison 5. Conclusions IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

3 1. Motivation & Basics Climate sensitivity describes the relationship between external forcing and temperature response of the climate system in a linear way: ΔT = s · F ΔT:= Temperature change s:= Climate sensitivity parameter F:= Radiative forcing (e.g. 2XCO2) F Δ T Schematic: Climate System Das Konzept der Klimasensitivität ist historisch bedingt und wurde in allen IPCC Berichten vwerwendet, um den Zusammenhang zwischen Strahlungsantrieb und der resultierenden Temperaturveraenderung des Klimasystems zu beschreiben. Dabei wird haeufig eine Verdopplung der vorindustriellen von CO2-Konzentration angenommen, nach der eine Stabilisierung der CO2-Konzentration auf diesem Nivaeu angenommen wird, wie sie etwa auch in den Emissionszenarien, die nach dem AR4 verhandelt wurden, angestrebt wird. Die Klimasensitivitaet wird im Allegemeinen als Gleichgewichtsaenderung des Klimasystems bei einer solchen Verdopplung definiert. Die Klimasensitivitaet unter anderem für viele Wirkungsmodelle und sotio-ökonomische Kostenabschätzungen (z.B. Stern Report) von Bedeutung. Sie laesst sich aus historsichen Klimadaten und Energie-Bilanzmodellen in einem Bayes‘schen Framework ermitteln (oben), aus Beobachtungsdaten des heutigen Klimas und der Abschaetzung der Emissionsen, bzw des Forcings oder aber auch durch Verwendung eines Klimamodells bestimmen (unten). IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

4 The concept of the climate system as a feedback system:
1. Motivation & Basics The concept of the climate system as a feedback system: F + R Δ T Climate System (t) Linearity Feedback R R = λ · ΔT Ferner kann eine Aufspaltung der Rückkopplungen, wie hier schematisch dargestellt, nach unterschiedlichen Veraenderungen des Klimasystems vorgenomen werden. Das sind dann zum Beispiel die Eis-Albedo Rueckkopplung, die Wasserdampfrueckkopplung oder der Aenderung des Wolkenalbedoeffekts und des Wolkentreibhauseffekts , auf die ich spaeter genauer eingehen werde. Unter der Bedingung der Unabhaengigkeit der einzelnen Rueckkopplungen ergibt sich die Gesamtrueckkopplung des Klimasystems aus der Summe der Einzelrueckkopplungen und ebenso fuer den Rueckkopplungsparameter lambda. Diese Annahmen lassen sich in Klimamodellexperimenten in erster Naeherung bestaetigen. IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

5 The concept of the climate system as a feedback system:
1. Motivation & Basics The concept of the climate system as a feedback system: F + R Δ T Climate System (t) Linearity Feedback R R = λ · ΔT R1 R2 Independence R3 R = Σ Ri λ = Σ λi R4 Ferner kann eine Aufspaltung der Rückkopplungen, wie hier schematisch dargestellt, nach unterschiedlichen Veraenderungen des Klimasystems vorgenomen werden. Das sind dann zum Beispiel die Eis-Albedo Rueckkopplung, die Wasserdampfrueckkopplung oder der Aenderung des Wolkenalbedoeffekts und des Wolkentreibhauseffekts , auf die ich spaeter genauer eingehen werde. Unter der Bedingung der Unabhaengigkeit der einzelnen Rueckkopplungen ergibt sich die Gesamtrueckkopplung des Klimasystems aus der Summe der Einzelrueckkopplungen und ebenso fuer den Rueckkopplungsparameter lambda. Diese Annahmen lassen sich in Klimamodellexperimenten in erster Naeherung bestaetigen. Rn IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

6 1. Motivation & Basics Which feedback effects show the highest uncertainty in terms of model disagreement? The cloud feedback! Die Wolkenrueckkopplungen zeigen eine sehr starke Modellabhaengigkeit. In dem ersten Modell gleicht die negative Rueckkopplung der Wolken etwa 70% des Treibhauseffekts aus, wogegen im letzten Modell der Treibhauseffekts des CO2s etwa um 50% verstaerkt wird 2xCO2 Dufresne & Bony; 2008 IPCC AR4; 2007 IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

7 "Perturbed-Physics" Ensemble with EGMAM
2. Experimental Design "Perturbed-Physics" Ensemble with EGMAM Parameter perturbations in cloud schemes 2. Experimental Design In diesem Abschnitt moechte ich das Experimentelle Design der Experimente vorstellen, die im Zusammenhang mit dieser Arbeit durchgefuehrt wurden. Dem Experimentellen Design liegt die Annahme zugrunde, dass die Beschreibung Subgitterskalige Prozesse mit hoher Unsicherheit behaftet ist. Da die Groesse einer durchschnittliche Gitterbox in Klimamodellen etwa 250 km entspricht lassen sich Prozesse, wie zum Beispiel Wolkenprozesse, die sich bis hin zur mikrophysikalischen Skala reichen nicht explizit durch deren physikalische Grundgleichungen darstellen, wie es etwa fuer die Grossskalige Zirkulation der Fall ist. Stattdessen muessen diese Prozesse parametrisiert dargestellt werden. Dabei werden in den numerischen Schemata Parameter eingefuehrt, die nicht eindeutig physikalisch bestimmbar sind und die somit einer Unsicherheit in deren Wert unterliegen. Die Auswirkung ieser unsicheren Parameter auf die Klimaprojektionen werden als Parameterunsichehrheit bezeichnet. IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

8 EGMAM 2. Experimental Design Atmosphere Ozean ECHO-G with
ECHAM4 – MA Horizontal resolution: T30 (~3,75°); Vertical resolution: 39 Schichten, Top level at 0,01 hPa (~80 km) Tiedke convection scheme Modification of the closure by Nordeng (CAPE) Stratiform clouds following Sundquist scheme EGMAM ECHO-G with Mittlerer Atmosphäre und Messy Atmosphere Heat and Freshwater- flux correction Coupling: OASIS HOPE-G (Hamburg Ocean Primitive Equation-Global Model) horizontal: T42 (~ 2.8°) with equator refinement ( 0.5° at the equator ) vertical: 20 level Zur Quantifizierung eben dieser Parameterunsicherheit in Klimaprojektionen wurde fuer diese Arbeit das voil gekoppelte Klimamodell EGMAM verwendet. EGMAM besteht aus dem Atmosphaerenmodell ECHAM4 m it mitllerer Atmosphaere. Ozean IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

9 Perturbation Parameter:
2. Experimental Design Perturbation Parameter: 3 equaly likely values Stratified MC Sampling  30 members Overshooting of cumuli above the level of buoyance OVER ICE Conversionsrate of cloud water to rain in convective updrafts Sedimentationrate of ice crystals in cold clouds CONV RAIN Entrainmentrate for shallow convection Efficiency of rain generation in stratiform clouds ENTR ENTR IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

10 2. Experimental Design Control runs initialised from pre-industrial equilibrium simulation 2xCO2 experiments initialised from CMIP 2xCO2-experiment 250 yrs stabilization Das Klimasignal bezeglich einer Verdopplung der CO2-Konzentration ergibt sich aus der Differenz des dekadischen Mittels der 2XCO2 Simulation und der entsprechenden Kontrollsimulation. Es ergeben sich also aus den durchgefuehrten Ensemblesimulationen 30 Klimasignale die im Folgenden ausgewertet werden. IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

11 3. Ensemble analysis 3. Ensemble analysis
Im Folgenden werde ich einige Ergebnisse aus der Auswertung des Ensembles zeigen, wobei ich ausschliesslich auf die Wolkensiganle und Wolkenrueckkopplungen eingehe. Dabei werde ich fuer verschiedene Groessen jeweils das mittlere Signal innerhalb des Ensembles zeigen und dazu die Standardabweichung als Mass fuer die Parameterunsicherherheit innerhalb dses Ensembles. IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

12 3. Ensemble analysis Ensemblemean and standard deviation in the cloud cover signal Das Klimasignal im Bedeckungsgrad zeigt eine Zunahme der Wolken in der oberen Troposphaere entlang der Tropopause und eine Abnahme des Bedeckungsgrades auf etwa 40Grad beider Hemisphaeren in den Subtropen. Dabei fuehrt die Ausdehnung der Hadley-Zirkulation zu einer polwaertigen Verschiebung der Absinkregionen der Hadleyzelle, in denen der Bedeckungsgrad niedrig ist. IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

13 3. Ensemble analysis Ensemble mean and standard deviation of
changes in the liquid water content of clouds IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

14 3. Ensemble analysis Global mean cloud feedback Max: 0.63 Min : 0.29
Ø : Max: Min : Ø : Max: Min : Ø : [ W/m2K ] IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

15 4. Comparison of results with
a HadSM3 PPE and the CFMIP MME Vergleich mit "Perturbed-Physics" Ergebnissen anderer Modelle Auswertung eines "Perturbed-Physics" Ensemble mit HadSM3 Und des CFMIP Mulit-Modellensembles Sind Perturbed Physics Ensemble eine Methode zur objektiven Abschaetzung von Unsicherheit in Klimamodellergebnissen? Multi-Modellvergleich IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

16 Comparison of selected perturbation experiments of
4. Comparison of results Comparison of selected perturbation experiments of EGMAM and HadSM3 Climate Sensitivity IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

17 4. Comparison of results Comparison of feedback parameters:
HadSM3, CFMIP and EGMAM Ensemble λ λCS λW λCSSW λCSLW λWSW λWLW λSW λLW CS: Clear-Sky W: Clouds SW: shortwave LW: longwave IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

18 4. Comparison of results Linear relationship between short- and longwave cloud feedbacks in the EGMAM Ensemble Zusammenhag in EGMAM in Uebereinstimmung der Maxima der Aenderungen des Fluessigwassergehalts bodennaher Wolken und der Zunahme hoher Wolken entlang der Tropopause Dieser Zusammenhang laesst sich in den mittleren Breiten auf synoptischer Skala durch die gleichzeitige Bildung. S.74 komplizierter Blaeh Warum nicht in HadSM3? Unterschiedliche Konvektionsschemata sowie unterschiedliche Ozeane. S.90 IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

19 5. Conclusions Negative cloud feedback in EGMAM robust against parameter perturbations Highest uncertainty for shortwave cloud feedbacks (in the tropics) follows the uncertainty in the simulation of changes in liquid water content of tropical clouds Linear relationship between long- and shortwave cloud feedback across the ensemble  Cancelling effect leads to low variance in the net cloud feedback across the ensemble Uncertainty for the feedback parameter (climate sensitivity) lower in EGMAM compared to multi-model studies or perturbed physics with HadSM3  No "extreme" climate sensitivities in the EGMAM Ensemble Structural differences between EGMAM and HadSM3 dominate even if the sign of the perturbation signals are the same ! IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

20 1. Motivation & Grundlagen
1. Gleichgewicht 2. Strahlungsantrieb (z.B. Solar / CO2) B=0 B = F 3. Forcing und Rückkopplung B = F + R <0 4. Neues Gleichgewicht B = F + R = 0 Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

21 1. Motivation & Grundlagen
Rückkopplungsparameter: (Cess et al; ’90, Murphy; ’95) λ := R / ΔT = (RSW+ RLW) / ΔT [W/m2K] RSW: Rückkopplung im kurzwelligen Strahlungsspektrum RLW: Rückkopplung im langwelligen Strahlungsspektrum R = RSW+RLW : Gesamtrückkopplung des Klimasystems Lokaler Rückkopplungsparameter: (Boer & Yu; 2003) λl := [RSW(x,y)-RLW(x,y)] / ΔT [W/m²K] Für ein Gleichgewicht im Klimasystem gilt: λ = R / ΔT = - F / ΔT = - 1 / s s:= Klimasensitivitätsparameter Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

22 1. Motivation & Grundlagen
Zur besseren Analyse der Beiträge zum Rückkopplungsparameter λ wird dieser als Summe von Einzelbeiträgen bestimmt: λ := R / ΔT λCS := RCS / ΔT = (RCSLW + RCSSW) / ΔT λCSLW := RCSLW / ΔT Wasserdampf + "Lapse Rate" λCSSW := RCSSW / ΔT Oberflächenalbedo λW := RW / ΔT = ( RWSW + RWLW) / ΔT λWSW := RWSW / ΔT Wolkenalbedo λWLW := RWLW / ΔT Treibhauseffekt der Wolken Es gilt: λ = λCS λW Unabhängigkeit: λW = λWSW + λWLW λCS = λCSSW + λCSLW Linearität und Unabhängigkeit? Evtl. nochmal Schema mit Aufspaltung der Rückkopplungsschleife. Formel mit partiellen Ableitungen? ≈0 Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

23 2. Experimentelles Design
Physikalischer Effekt Niedriger Wert (relativ zum Standardwert) Hoher Wert Konversionsrate von Wolkenwasser zu Regen KONV 0.5 4 Entrainmentrate für flache Konvektion ENTR 2 Überschießen von Kumuluswoken ÜBER Effizienz der Regenbildung in stratiformen Wolken REGEN 0.75 Sedimentationsrate EIS 0.25 Werte durch Tuningexperimente angepasst Stratifiziertes Monte-Carlo Sampling 10 Einzelparameter 20 Multiparamter 31 Ensemblemitglieder Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

24 Stabilitätstest 1 X CO2 (1860) 2 X CO2
Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

25 Stabilitätstest Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

26 2. Experimentelles Design
Methodiktest: CMIP Lauf mit Modell mit geringster Klimasensitivität im EGMAM Ensemble Klimasensitivität: Nach Perturbed Physics Methode 1,96 K Im CMIP Lauf 1,83 K Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

27 Lokale Rückkopplungsparameterparamter
3. Auswertung Lokale Rückkopplungsparameterparamter (Boer & Yu; 2003) λlWSW := RWSW(x,y) / ΔT λlWLW := RWLW(x,y) / ΔT Nach den Auswertungen der Klimasignale der Wolken und deren Eigenschaften kann auch deren Bedeutung fuer die Energiebilanz des Klimasystems untersucht werden. Um die beteilgten Prozesse dabei besser eingrenzen zu koennen koennen sogenannte “lokale Rueckkopplungsparameter verwendet werden, wie ich sie bereits in der Einleitung eingefuehrt habe. Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

28 3. Auswertung Ensemblemittel und Standardabweichung der kurzwelligen Wolkenrückkopplungen λWSW Die Struktur der kurzwelligen Rueckkopplungen zeigt eine postive Albedorueckkopplung der Wolken in zonalen Baendern entlang den Breiten von etwa 40Grad beider Hemisphaeren und negativ sonst. Dieses ist in gute Uebereinstimmung mit der eben gezeigten Aendrungen des Fluessigwassergehalts bodennaher Wolken, die in aequatorialen und hohen Breiten zunimmt. In der Standardabweichung zeigt sich ebenfalls eine Uebereinstimmung mit dem Fluessigwassergehalt bodennaher Wolken, die fuer die Tropen besonders hoch war, was auch in der Standardabweichung der Wolkenalbedorueckkopplung deutlich wird. Globales (Ens-)Mittel: W/m²K Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

29 3. Auswertung Ensemblemittel und Standardabweichung der kurzwelligen Wolkenrückkopplungen λWSW Die Struktur der kurzwelligen Rueckkopplungen zeigt eine postive Albedorueckkopplung der Wolken in zonalen Baendern entlang den Breiten von etwa 40Grad beider Hemisphaeren und negativ sonst. Dieses ist in gute Uebereinstimmung mit der eben gezeigten Aendrungen des Fluessigwassergehalts bodennaher Wolken, die ebne in diesen Gebiten abnimmt und in aequatorialen, wie polaren Breiten zunimmt. In der Standardabweichung zeigt sich ebenfalls eine Uebereinstimmung mit dem Fluessigwassergehalt bodennaher Wolken, die fuer die Tropen besonders hoch war, was auch in der Wolkenalbedorueckkopplung deutlich wird. Globales (Ens-)Mittel: W/m²K Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

30 3. Auswertung Ensemblemittel und Standardabweichung der kurzwelligen Wolkenrückkopplungen λWSW Die Struktur der kurzwelligen Rueckkopplungen zeigt eine postive Albedorueckkopplung der Wolken in zonalen Baendern entlang den Breiten von etwa 40Grad beider Hemisphaeren und negativ sonst. Dieses ist in gute Uebereinstimmung mit der eben gezeigten Aendrungen des Fluessigwassergehalts bodennaher Wolken, der eben in diesen Gebiten abnimmt und in aequatorialen, wie polaren Breiten zunimmt. In der Standardabweichung zeigt sich ebenfalls eine Uebereinstimmung mit dem Fluessigwassergehalt bodennaher Wolken, die fuer die Tropen besonders hoch war, was auch in der Wolkenalbedorueckkopplung innerhalb des Ensembles deutlich wird. Globales (Ens-)Mittel: W/m²K Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

31 3. Auswertung Ensemblemittel und Standardabweichung der langwelligen Wolkenrückkopplungen λWLW Globales (Ens-)Mittel: 0.45 W/m²K Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

32 3. Auswertung Ensemblemittel und Standardabweichung nach F-Test des Temperatursignals Globales (Ens-)Mittel: 2.15 K Standardabweichung: ?? Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

33 3. Auswertung Ensemblemittel und Standardabweichung des Temperatursignals Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

34 Änderung der relativen Feuchte der Atmosphäre
3. Auswertung Ensemblemittel und Standardabweichung der Änderung der relativen Feuchte der Atmosphäre Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

35 3. Auswertung Ensemblemittel und Standardabweichung im Wolkenbedeckungssignal Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

36 3. Auswertung Ensemblemittel und Standardabweichung des Wolkenrückkopplungsparameter λW Globales (Ens-)Mittel: -0,51 W/m²K ! Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

37 3. Auswertung Lineares Regressionsmodell für den Einfluss einzelner Parameter Parameter PENTR PUEBER PKONV PEIS PREGEN λWSW β 0,8176 0,0013 - 0,6448 0,0103 0,2405 σ 0,1543 0,1467 0,1326 0,1146 0,1271 p-Wert 5,2974 0,0088 - 4,8628 0,8982 1,8922 F-Wert 11,9022 λWLW - 0,7525 - 0,0894 0,8267 -0,1989 0,0635 0,2612 0,2323 0,4424 0,0585 0,0808 - 3,9440 - 0,4930 5,0440 -1,4039 0,4045 6,0631 Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

38 3. Auswertung Entrainmentparameter
Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

39 3. Auswertung Konversionsrate
Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

40 3. Auswertung Ensemblemittel und Standardabweichung der Zirkulationsänderung Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

41 Wärmeflußkorrektur - unveränderte Wolkenphysik
- geänderte Wolkenphysik Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

42 Methodik Flußkorrektur bei Änderung der Wolkenphysik
Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

43 Zusatzmaterial Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

44 Frischwasserlußkorrektur unter Änderung der Wolkenphysik
Flußkorrekturdifferenz bei geändeter zu unverändeter Wolkenphysik Differenz der Flußkorrekturen von EGMAM und ECHO-G Differenz kleiner! Differenz durch Simulationen als klimatologisch irrelevant bewertet Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

45 Flußkorrektur unter Änderungen der Wolkenphysik
Frischwasserflußkorrekturfelder für: - unveränderte Wolkenphysik - geänderte Wolkenphysik Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

46 Zusatzmaterial Beispiel: Bifurkationen bei Parameteränderung
Unsicherheiten innerhalb der Modelle in der Parametrisierung Sub-Grid-skaliger Prozesse (Beispiel: Wolkenphysik)  Unsicherheitsanalyse in Parametrisierungen durch systematische Untersuchungen  „perturbed physics“ Ensembles (Sampling der Unsicherheiten) Durch Änderungen der Parametrisierung kann sich der Phasenraum in nicht linearen Systemen sprunghaft ändern (nicht lineare Prozesse der Wolkenphysik) Beispiel: Bifurkationen bei Parameteränderung in der logistischen Abbildung Xn+1 = r Xn (1-Xn)  Variationsrechnungen Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

47 Parametersensitivität von EGMAM
Ansatz: Multivariate lineare Regression Stratiform clouds C0 Efficiency of rain formation α Sedimentationrate of ice crystals in cold clouds Cumulus convection β Overshooting of cumuli above the level of non-buoyance ε Entrainmentratefor shallow convection P Conversionrate from cloud water to rain Component of GCM Parameter Physical effect 0.325 C0 -0.720 α 0.196 β -0.303 ε 0.275 P stand. weight Parameter Stark linearer Temperaturresponse Bei Veränderung der Sedimentationsrate Korrelation von rekonstruiertem Response und Modellergebnissen von 0.89 Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

48 Vergleich der Validierung von EGMAM mit ECHO-G
EGMAM Validierung Vergleich der Validierung von EGMAM mit ECHO-G Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

49 Modelldiversität Tredger & Smith, 09
Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

50 Die Abkühlung im südliche Ozean: Was wissen wir?
3. Auswertung Die Abkühlung im südliche Ozean: Was wissen wir? In der Atmosphäre: Im Kontrolllauf positiver Trend von 0,6K/100a in der Oberflächentemperatur Abkühlung während der transienten Phase Schwach negativer Trend in der Stabilisierungsphase Im Ozean: Maximum in der Flusskorrektur (Wärmeentnahme) Keine Seeeisbedeckung Maximum in der Vertikaldiffusion (Aufwärtsgerichteter Wärmetransport) Stromfunktion zeigt keine erhöhten Werte (kein Massentransport) Temperaturinversion Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

51 Temperaturvalidierung
Standardabweichung der 2-Meter Temperatur im EGMAM Kontrolllauf Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

52 Konvektionsschema (Tiedke)
M ist Masse, E ist Entrainment, D ist Detrainment, ρ die Dichte, s = cpT +gz die trocken statische Energie, q ist die spezifische Feuchte, l ist das Mischungsverhältnis des Wolkenwassers, c ist die Freisetzung von latenter Wärme durch Kondensation, Pu bezeichnet die Konversionsrate von Wolkenwasser zu Regen in Aufwinden Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

53 Parameter Turb. Entrainment: Konversionsrate: Regengenerierung:
Űberschiessen: Sedimentationsrate: Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

54 Sampling Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

55 3. Auswertung Scatterplot:
Zonale Mittel der langwelligen gegen kurzwellige Wolkenrückkopplungen im Ensemblemittel Zusammenhang zwischen den Wolkenrückkopplungen auch räumlich räumlich Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

56 3.2 Ensembleauswertung Ensemble- Zonalmittel der Gesamtwolkenrückkopplungen W/m²K Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

57 3. Auswertung Ensemble- Zonalmittel der kurzwelligen Wolkenrückkopplungen W/m²K Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

58 3. Auswertung Ensemble- Zonalmittel der langwelligen Wolkenrückkopplungen W/m²K Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

59 3. Auswertung Ensemble- Zonalmittel der Vertikalgeschwindigkeit in 500hPa 2XCO2 Klimasignal Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

60 Wyant Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“