Teilprojekt 2.3 Dynamische Regionalisierung Tharandt,

Präsentation zum Thema: "Teilprojekt 2.3 Dynamische Regionalisierung Tharandt,"—  Präsentation transkript:

1 Teilprojekt 2.3 Dynamische Regionalisierung Tharandt, 20.11.2008
Ralf Lindau Uni Bonn

2 Validierung des CLM mit Beobachtungsdaten
Vorsorge und Gestaltungspotenziale in ländlichen Räumen unter regionalen Wetter- und Klimaänderungen (LandCaRe 2020) Validierung des CLM mit Beobachtungsdaten Für einen 41-Jahres-Zeitraum (1960 – 2000) werden Beobachtungen von Regenmessstationen des DWD mit CLM-Ergebnissen verglichen. Auf jedem 18 km X 18 km Gitterfeld liegen im Durchschnitt Beobachtungen des täglichen Niederschlags vor. Das sind etwa 1-5 pro Tag und Gitterfeld.

3 Die Beobachtungen zeigen Niederschläge von
Vorsorge und Gestaltungspotenziale in ländlichen Räumen unter regionalen Wetter- und Klimaänderungen (LandCaRe 2020) Die Beobachtungen zeigen Niederschläge von mehr als 1000 mm/a in Voralpenland, Schwarzwald und Bergischem Land. Große Teile Ostdeutschlands erhalten dagegen weniger als 600 mm/a. Das Mittel aller Stationen beträgt 785 mm/a

4 Im Model fällt in Mitteleuropa 993 mm/a Niederschlag (links).
Vorsorge und Gestaltungspotenziale in ländlichen Räumen unter regionalen Wetter- und Klimaänderungen (LandCaRe 2020) Im Model fällt in Mitteleuropa 993 mm/a Niederschlag (links). Bildet man Datenpaare und wertet das Modell nur an Tagen und Gitterpunkten aus, an denen Beobachtungen vorliegen, vermindert sich der Niederschlag auf 974 mm/a (rechts).

5 In Westdeutschland ist die Überschätzung sehr
Vorsorge und Gestaltungspotenziale in ländlichen Räumen unter regionalen Wetter- und Klimaänderungen (LandCaRe 2020) Das Model überschätzt den Regen im Mittel um 189 mm/a (26%) (links). In Westdeutschland ist die Überschätzung sehr ungleichmäßig verteilt. In Ostdeutschland beträgt sie häufig etwa 50%. (rechts)

6 Vergleich zwischen Modell und Beobachtung Häufigkeitsverteilung von Regenintensitätsklassen Modell: Flächenmittel 18 x 18 km2 Obse: Punktförmige Einzelstationen

7 Das Modell regnet zu häufig. Jede Regenklassenhäufigkeit
Vorsorge und Gestaltungspotenziale in ländlichen Räumen unter regionalen Wetter- und Klimaänderungen (LandCaRe 2020) Das Modell regnet zu häufig. Jede Regenklassenhäufigkeit wird um , also etwa 30% überschätzt. Kein Regen wird an 44% der Tage beobachtet, im Modell sind es lediglich 29% Allerdings gingen alle Gitter- felder ein, auch wenn nur eine Mess-Station in ihr liegt. Kein Regen an einer einzelnen Station ist aber wesentlich häufiger als kein Regen im gesamten Gitterfeld von 18 x18 km2 + Modell 0-9 Obse

8 Anteil regenfreier Tage
Mindest- Stations- Anzahl 2 3 4 Anteil regenfreier Tage Obs Modell Einzelobs 0.5127 0.2894 mind 1 Obs 0.4422 mind 2 Obs 0.4400 0.2895 mind 3 Obs 0.4374 0.2896 mind 4 Obs 0.4346 0.2892

9 Einerseits: Viele Stationen pro Gitterfeld
sind notwendig, um die gesamte Fläche zu repräsentieren. Andererseits: Große Gebiete Deutschlands erfüllen die Forderung nach mindestens 4 Stationen pro Gitterfeld nicht.

10 Mit der Methode gleicher Summenhäufigkeit
wird die pdf des Modells in die der Beobachtungen überführt. Durch die Tranfer-Funktion (links) werden sämtliche Modell-Regenraten vermindert. 99.94 – mm/d  82.5 mm/d mm/d  mm/d 0.00 – mm/d  mm/d Nach der Korrektur stimmen die pdfs überein, auch die Häufigkeit regen- freier Tage (rechts).

11 Mittlerer Jahresgang des Modellbias
Lauf_1 Lauf_2 Korrektur vermindert den Niederschlag in allen Monaten etwa gleich. Ist eine monatliche Korrekturfunktion (Febr. stark, März schwach) notwendig? Vergleiche Unterschiede zwischen den Monaten eines Laufs mit den Unterschieden zwischen den Läufen. Lauf_1 korrigiert

12 Mittelwert mm/d Stdabw. mm/d Lauf_1 0.537 0.237 Lauf_2 0.538 0.241 Lauf_1corr 0.006 0.200 Diff_1-2 0.001 0.264 rms - 0.253 Der Jahresgang erzeugt eine Standardabweichung von 0.24 mm/d. Die Standardabweichung der Differerenz beider Läufe ist mit 0.26 mm/d vergleichbar. Also ist der Jahresgang nicht signifikant.

13

14 uncorrected corrected
Die Korrektur vermindert den Regen auch räumlich recht gleichmäßig. Der Kontrast zwischen Oberrheintal und Schwarzwald bleibt z.B. erhalten. uncorrected corrected

15 Regionale Wirkung der Korrektur ist sehr gleichmäßig (links). Nur die sehr feine Differenzierung zeigt, dass die Korrektur zwischen 120 mm/a und 260 mm/a variiert.

16 Es bleibt also trotz Korrektur bei großen regionalen Differenzen des Modells verglichen mit den Beobachtungen (links). Die zeitliche Analogie dieser räumlichen Betrachtungsweise war Jahresgang des Biases nach Korrektur (rechts). Mithilfe einer 2. Modell-Realisation wurde der Jahresgang des Biases als zufällig entlarvt. Ist auch die räumliche Streuung zufällig oder tritt ein ähnliches Muster im 2.Lauf auf?

17 Lauf_1 Lauf_2 Beide Läufe sind nahezu identisch. Obwohl beide Läufe
mit derselben Korrektur verändert und mit denselben Beobach- tungen verglichen werden. Hat Herr Lindau sich hier vertan?

18 Differenz Auch die Original-Läufe sind sehr ähnlich, aber nicht gleich (links). Die Unterschiede zwischen beiden Läufen betragen 20 mm/a verglichen mit 1000 mm/a für die räumlichen Differenzen. (Maß: Stdabw.) Das Muster des Modellfehlers ist also persistent und muss Korrigiert werden. Lauf_1 Lauf_2

19 Original Modell-Regen
Korrigierter Modell-Regen Bias Bias Korrekturfunktion für jede Gitterbox PDF PDF

20 Korrektur basiert auf Lauf_1. Abschätzung des Fehlers
Lauf_1 minus Obs Lauf_2 minus Obs Korrektur basiert auf Lauf_1. Abschätzung des Fehlers der Korrektur durch Anwendung auf Lauf_2. Räumliche Struktur des Fehlers ähnlich der Differenz der Läufe. Lauf_2 - Lauf_1 Bias : mm/a Fehler des Einzelpixels: mm/a Bias : mm/a Fehler des Einzelpixels: mm/a

21 Änderung der Regenmenge A1B (2016 – 2025)
gegenüber C20 (1960 – 2000) (links). Der Unterschied zwischen Lauf_1 und Lauf_2 ist in der gleichen Größenordung (unten). Also herrscht 2020 noch keine signifikante Änderung im Niederschlag

22 Lauf_1 Lauf_2 Unkorrigiert Korrigiert Klimaläufe:
Die jährliche Regenmenge für Deutschland sinkt im Zeitraum signifikant. (in beiden Läufen, Korrigiert oder unkorriert) Unkorrigiert Korrigiert

23 Das Modell erzeugt Trends, die in den
Beobachtungen nicht zu finden sind. Modell Beobachtung

24 Zusammenfassung Regenkorrektur
Verglichen mit Beobachtungen regnet es im Zeitraum 1960 bis 2000 im Klimamodell zu häufig und zuviel. Lösung: Die pdf des Modells wird für jeden Gitterpunkt in die der Beobachtungen überführt. Bis 2020 sind die prognostizierten Änderungen im Regen klein gegenüber dem Bias des Modells und vergleichbar mit der Modellunsicherheit. Im Zeitraum 1960 bis 2000 erzeugt das Klimamodell signifikante Trends im Niederschlag, die in den Beobachtungen nicht zu finden sind. Sind prognostizierte Trends des Klimamodells dann noch glauwürdig?

25 Wöchentliche Felder mit 1/10° räumlicher Auflösung für 14 Jahre (1990 – 2003):
Regen Sonnenscheindauer 2m Temperatur

26 TP 2.3 Dynamische Regionalisierung
Beispiel: Regen vom bis DWD Original Ergebnis Varianzeigenschaften DWD Original Ergebnis BeobFehler: 0.04 mm2/d2 Konstante Varianz- reduktion um den BeobFehler

27 Rohdaten Varianzstruktur Ergebnis Neben dem Niederschlag wurden aus DWD-Klimastation auch Felder der - 2m-Temperatur - Sonnenscheindauer berechnet. Sonnenscheindauer Fehler

28 Die 2m-Temperatur wird an Klimastationen dreimal täglich gemessen. MEZ GMT T1 7:30 6:30 T2 14:30 13:30 T3 21:30 20:30 Tagesmittel = (T1 + T2 + 2 T3) / 4 Weißt das so ermittelte Tagesmittel einen Bias auf? Dreistündige Modelldaten für ein Jahr (1997) „Simuliere“ die Mittelung der Klimastationen durch das gewichtete Mittel: 5 mal 6:00 1 mal 9:00 3 mal 12:00 3 mal 15:00 2 mal 18:00 10 mal 21:00

29 Jahresgang in DE Deutschland Europa
Bias für ganz Deutschland etwa 0.01 °C Monatlich bis zu 0.08 °C Räumliche Standabw des Biases in DE etwa 0.03 °C Durch Verschiebung der Lokalzeit natürlich nur in DE verwendbar. Jahresgang in DE Deutschland Europa

30 T2m-Rohdaten T2m-Ergebnis Einfache Anwendung des Kriging-Verfahrens auf Rohdaten der Temperatur ist nicht ratsam, da Orographie-Effekte nicht berücksichtigt werden. Im Mittel erwartet man den feucht-adiabatischen Temperaturgradienten von -6.5 K/km

31 Der mittlere vertikale T-Gradient ist -5.61 K/km
Küstengebiete sind für ihre Höhe zu kalt und verfälschen das Ergebnis. Ohne sie ergibt sich ein besserer Zusammenhang und T-Gradient von K/km Alle Gitterpunkte Nur Gitterpunkte über 100m

32 Jan Jul Dec Dieses Ergebnis variiert auch für
einzelne Kalendermonate kaum. Nur im Dezember ist die Korrelation zu schwach, sodass kein stabiler Wert errechnet werden kann. Jul Dec

33 Mit Orographie Ohne Orographie T2m reduziert auf NN
Rück-reduziert Mit Orographie T2m Ohne Orographie

34

35 18 km 5 km Vergleich CLM 18 mit GKSS 5 km Regenmenge im Juli 2020 Randeffekte in GKSS_5km Uckermark schon zu dicht am Rand?

36 CLM_18km Terra_2.8km Achtung: Terra liefert nur Bodenparameter: Bodentemperatur, Bodenfeuchte, turbulente Flüsse. Nicht: Regen, Lufttemperatur, Feuchte, Druck, Einstrahlung, Wind, usw.