Arbeitsgruppe Meteorologische Umweltforschung/Klimatologie Institut für Meteorologie und Geophysik der J. W. Goethe-Universität Frankfurt/M. Anwendung.

Präsentation zum Thema: "Arbeitsgruppe Meteorologische Umweltforschung/Klimatologie Institut für Meteorologie und Geophysik der J. W. Goethe-Universität Frankfurt/M. Anwendung."—  Präsentation transkript:

1 Arbeitsgruppe Meteorologische Umweltforschung/Klimatologie Institut für Meteorologie und Geophysik der J. W. Goethe-Universität Frankfurt/M. Anwendung der schrittweisen Regression auf Temperaturdaten Tim Staeger

2 Gliederung: 1. Methodik 2. Anwendungen auf Temperaturdaten 3. Zusammenfassung a) Globales Mittel b) Globale Gebietsmittel c) Europäische Gitterpunkte d) Deutschlandmittel e) Bayerische und nordwestdeutsche Gitterpunkte

3 Methodischer Überblick: Datenfeld EOF-Trafo PC Modellwahl und multiple Regression Rücktrafo Signalfelder Residuenfeld

4 Sukzessive Regression Nein Ende Ist signifikanteste Korrelation signifikant? Lineare Regression Ja Residuum Selektierter Regressor Korrelation mit jeder potentiellen Einflußgröße

5 Reservoir R pot Vorwärts-Regression: MLR mit R n und R i für jedes einzelne R i Ist der sig. Reg.-Koeff. noch signifikant? Ende; Modell: Modell: Rückwärts-Regression: MLR mit R n ohne R j für jedes einzelne R j Ist der unsig. Reg.-Koeff. noch signifikant? Modell: nein ja nein ja R d zurück ins Reservoir Schrittweise Regression

6 Detektion: Frage: Hat das anthropogene Treibhaus-Signal zu einem signifikanten Klimawandel geführt? Ansatz: Das Signal muß sich signifikant vomRauschen abheben. Es wird die Wahrscheinlichkeit berechnet, mit der das Signal-Rausch-Verhältnis überzufällig ist.

7 Residuenanalyse: Frage: Existieren im unerklärten Anteil noch potentiell erklärbare Strukturen? Vorgehensweise: 1.) Nochmalige EOF-Transformation des Residuums, um Strukturen zu ordnen 2.) Selektive Zeitreihenzerlegung der neu erhaltenen PC des Residuums hinsichtlich eventuell vorhandener Trend- und Polynomialkomponenten. 3.) Durch zweimalige Rücktransformation gelangt man zu raumzeitlichen Feldern der strukturierten und unstrukturierten Komponente.

8 Globales Mittel Erklärte Varianzen 1901-2000: e.V. sukz. Reg. 1894-1995: 79,7%

9 Globales Mittel Erklärte Varianzen 1901-2000:

10 Globales Mittel Erklärte Varianzen 1901-2000 (ohne Sulfat):

11 Globales Mittel Erklärte Varianzen 1878-2000:

12 Globales Mittel Erklärte Varianzen 1878-2000:

13 Globales Mittel Erklärte Varianzen 1878-2000 (ohne Sulfat):

14 Globales Mittel

15

16

17

18 Global 84 Gebietsmittel

19

20

21

22

23

24

25

26

27

28 Erklärte Varianzen 1901-2000 (ohne Sulfat): Global 84 Gebietsmittel e.V. sukz. Reg. 1894-1995: 36,9%

29 Erklärte Varianzen 1901-2000 (ohne Sulfat): Global 84 Gebietsmittel

30 Erklärte Varianzen 1878-2000 (ohne Sulfat): Global 84 Gebietsmittel

31 Erklärte Varianzen 1878-2000 (ohne Sulfat): Global 84 Gebietsmittel

32

33 schrittweise Regressionsukzessive Regression

34 Global 84 Gebietsmittel

35

36

37

38

39 Europa 51 (34) Gitterpunkte

40 Europa 51 (42) Gitterpunkte

41 Europa

42

43

44

45 Erklärte Varianzen 1901-2000 (ohne Sulfat): Europa e.V. sukz. Reg. 1899-1998: 21,2%

46 Erklärte Varianzen 1901-2000 (ohne Sulfat): Europa

47 Erklärte Varianzen 1878-2000 (ohne Sulfat): Europa

48 Erklärte Varianzen 1878-2000 (ohne Sulfat): Europa

49

50

51

52

53

54 Deutschlandmittel Erklärte Varianzen 1901-2000:

55 Erklärte Varianzen 1901-2000 (ohne Sulfat): Deutschlandmittel

56 Erklärte Varianzen 1878-2000:

57 Erklärte Varianzen 1878-2000 (ohne Sulfat): Deutschlandmittel

58

59

60

61

62 Nordrhein-Westfalen / Niedersachsen

63 Erklärte Varianzen 1950-1999:

64 Nordrhein-Westfalen / Niedersachsen Erklärte Varianzen 1950-1999 (ohne Sulfat):

65

66 Bayern

67 Erklärte Varianzen 1950-1999: Bayern

68 Erklärte Varianzen 1950-1999 (ohne Sulfat): Bayern

69

70 Zusammenfassung: Die erklärten Varianzen sind bei vergleichbaren Analysen unter Verwendung der Schrittweisen Regression höher, als bei sukzessiver Regression (Ausnahme: globales Mittel, hier sind die e.V. annähernd gleich). Das solare Signal hat deutlich mehr Gewicht, als durch die Abschätzungen innerhalb des UBA-Projektes suggeriert wurde. Die verwendeten Sulfat-Einflussreihen sind nicht hinreichend repräsentativ und verzerren die Analysen. SOL- und GHG-Einfluss sind aufgrund ihrer Trendstruktur linear abhängig, wodurch sie im multiplen Modell viel gemeinsame Varianz erklären (geringe Abnahme der e.V. durch weglassen eines dieser Einflüsse). Außerhalb Europas ist der GHG-Einfluss am wichtigsten (in Europa die NAO).

71 Zusammenfassung: Die Verwendung des kompletten Residuums (natürliche plus unerklärte Varianz) anstelle der unstrukturierten Residualkomponente wirkt sich umso geringer aus, desto größer die Rauschkomponente ist. Am deutlichsten ist dieser Unterschied in der globalen Mitteltemperatur. In der Deutschlandmitteltemperatur gelingt eine Detektion des anthropogenen Signals kaum, da hier Rauschen und natürliche Varianz (NAO) gegenüber GHG dominiert. Im bayerischen und nordwestdeutschen Temperaturfeld ist die NAO vor GHG der wichtigste Einfluss. Die Detektion gelingt in Bayern, jedoch nicht in Nordwestdeutschland. Die Detektion gelingt unter Verwendung der schrittweisen Regression im globalen T-Feld schlechter als mit sukzessiver Regression (andere Daten?).