C2-WP2 - Vorhersage von starken regionalen Klimaanomalien

Zielsetzung des Projektes

Das allgemeine Ziel dieses Arbeitspaketes ist die Fähigkeit des regionalen Klimamodells COSMO-CLM zu quantifizieren zuverlässige dekadische Vorhersagen für Europa bereitzustellen, zu bestimmen wie weit und warum die Prognosen auf dekadischen Zeitskalen schwanken und die Prozesse aufzudecken, die der Vorhersehbarkeit zugrunde liegen. Daher analysieren wir die Vorhersagefähigkeiten der MiKlip Hindcasts und identifizieren die physikalischen Prozesse, die zu diesen Vorhersagefähigkeiten in Europa führen.
Für diese Aufgabe verfolgen wir zwei verschiedene Ansätze. Zum einen analysieren wir Statistiken der regionalen Vorhersagefähigkeiten in Abhängigkeit von Großwetterlagen oder Phasen der multi-dekadischen Variabilität. Die zweite Herangehensweise hat den Fokus auf großen Klimaanomalien in Verbindung mit dem vermehrten Auftreten von Extremereignissen wie Hitzewellen, Dürren, Überschwemmungen und Stürmen in der Zielregion. Dies hat aufgrund ihrer hohen Auswirkungen und Bedeutung für die Gesellschaft hohe Relevanz. Beide Ansätze ergänzen sich gegenseitig.

 

Struktur des Projektes

Zwei Gruppen (Deutscher Wetterdienst (DWD) und Karlsruhe Institute of Technology (KIT)) kooperieren im Arbeitspaket C2-WP2. Es ist unterteilt in vier Aufgabenbereiche mit zwei thematischen Aspekten: die bedingte Evaluierung der Hindcasts und die Analyse von großen Klimaanomalien.
 

Aufgabenstellung des Projektes

T1 Bedingte Evaluierung der Hindcasts

Die Hindcasts werden im Hinblick auf die Großwetterlage bzw. den Zustand der mehrjährigen und multi-dekadischen Oszillation (Atlantische multidekadische Variabilität (AMV), Nordatlantische Oszillation (NAO), etc.) klassifiziert, um Bedingungen höherer oder niedrigerer Vorhersagefähigkeit zu identifizieren. Erste Analysen klassifizierter Hindcasts deckten Bedingungen mit stark unterschiedlicher Vorhersagefähigkeit in Europa auf.

Wir analysieren die klassifizierten Daten statistisch im Hinblick auf die Vorhersagefähigkeit in Europe. Wir bestimmen die Korrelation zwischen den Vorbedingungen und den vorhergesagten Klimaelementen für jede Klasse von Witterungsbedingungen. Aus den erhaltenen Korrelationen für die verschiedenen Klassen (Witterung, Zustand der Oszillation) können Bedingungen mit höherer oder niedrigerer Vorhersagefähigkeit abgeleitet werden. Außerdem werden die klassifizierten Klimatologien der mittleren Klimatologie gegenübergestellt.
 

T2 Vorhersagbarkeit großer Klimaanomalien
In einem ersten Schritt werden Beispiele von potenziell relevanten Ereignissen wie die spürbaren Klimaveränderungen in den 90er Jahren (Erwärmung der subpolaren Wirbelregion im Atlantik) bis zum Hiatus in den 2000er Jahre oder anderen großen europäischen Klimaanomalien ausgewählt. Solche großen Anomalien könnten beispielsweise die Serie von Hitzewellen im Jahr 2003 und 2006, die große Überschwemmung im Jahr 2002, der Höhepunkt der Sturmaktivität in den frühen 1990er Jahren oder Anomalien der extremen Niederschlagsereignisse werden. Die Ergebnisse der bedingten Auswertung werden verwendet, um die ausgewählten Fälle mit anderen außergewöhnlichen Bedingungen zu erweitern. Es wird ein geeigneter Wetterlagen-Klassifizierungs-Ansatz gewählt und auf jede große Klimaanomalie angewendet.

Ferner werden die Mechanismen hinter der Vorhersagefähigkeit im Fokus stehen. Dazu wird die Korrelation zwischen dem Vorläufer, welcher die Großwetterlage definiert, und dem vorherzusagenden Klimaelement analysiert. Dies hat das Ziel den Anteil abzuleiten, zu dem die große Klimaanomalie vorhergesagt werden kann bzw. auf die multi-dekadische Variabilität des arktischen und Nordatlantischen Klimasystems zurückzuführen ist. Zusätzlich wird das Signal, welches jeweils zu der großen Klimaanomalie geführt hat, zurückverfolgt um festzustellen, wie weit im Voraus die große Klimaanomalie erkannt werden kann.
 

Zu liefernde Ergebnisse des Projektes

D1a Methoden zur Untersuchung der klassifizierten Hindcasts
D1b Ergebnisse der klassifizierten Evaluierung
D2a Methoden zur Untersuchung der großen Klimaanomalien
D2b Ergebnisse der großen Klimaanomalie-Analyse

 

Projektfortschritte

Sowohl für die bedingte Evaluierung als auch für die Analyse der Mechanismen und Prozessketten hinter den großen Klimaanomalien ist eine geeignete objektive Methode zur Wetterlagenklassifizierung erforderlich (siehe Beispiel in Abbildung 1 für die Reihe extremer Stürme im Jahr 1990: Daria, Vivian, Wiebke). Eine entsprechende Wetterlagenanalyse für Europa ist die Hess und Brezowsky Grosswetterlagen (GWL) Klassifikation. Inzwischen wurde bereits die objektive GWL Klassifizierung auf die ERA40 / ERA-Interim (Abb. 1) und das gesamte verfügbare Ensemble des dekadischen Vorhersagesystems von MiKlip (Baseline 0, Baseline 1, Prototyp und historische Läufe) angewendet.

Abbildung 1: Auftrittshäufigkeit der GWL 1, 2, 4 und 6 aus dem originalen GWL Katalog und der objektiven GWL Klassifikation.

Für die bedingte Evaluierung werden Datenklassen auf Basis von Terzilen großräumiger Zirkulationsindizes erzeugt. Das bedeutet, dass z.B. die globale Zeitreihe des NAO-Index genutzt wird, um negative, neutrale und positive NAO-Phasen zu bestimmen, und die Daten aller zu analysierenden Variablen (Temperatur, Niederschlag, Wind etc.) in die drei zugehörigen gleichgroßen Klassen bezüglich ihrer NAO-Phase aufzuteilen. Da die aus den Modelldaten abgeleiteten Zirkulationsindizes und der aus Reanalysen berechnete Zirkulationsindex nur bei einer perfekten Vorhersage identisch wären, gibt es innerhalb jeder Klasse noch zwei Möglichkeiten: Fälle, für die die Indizes nicht übereinstimmen (verschiedene Phasen), und Fälle, für die sie übereinstimmen (gleiche Phase). Eine Analyse der letzteren Fälle ergibt eine obere Abschätzung der möglichen bedingten Vorhersagegüte. Technisch wurde dazu das Softwarepaket MurCSS des zentralen Evaluierungssystems (MiKliP-CES) erweitert und getestet, um auch solche bedingten Daten behandeln zu können. Die überarbeitete Version wird demnächst allgemein verfügbar sein.

Zusätzlich zur bedingten Evaluierung wird die dekadische Variabilität von Klima-Phänomenen auf Basis von Klima-Indizes untersucht. Der Fokus liegt zunächst auf dem Zusammenhang von Klima-Indizes und potentiell vorhersagbaren Telekonnektionen und Wetterklassen. So wird beispielsweise ein täglicher SSI (storm severity index; als Proxy für Sturmserien) für 1961-2015 aus CCLM-ERA berechnet. Die resultierenden Zeitreihen werden dann mit Zeitreihen der NAO, AMO und GWLs korreliert (Abbildung 2). Die Ergebnisse zeigen eine hohe Korrelation zwischen SSI und NAO (0,72), während SSI und AMO anti-korreliert sind (-0,11). Hohe positive Korrelationen finden sich auch für die Summe der GWL 1, 2 und 5. Ähnliche Untersuchungen werden auch für Dürre, Hitzewellen und Starkniederschläge durchgeführt.

Abbildung 2: Zeitreihen der 4yr-gleitenden Summen für SSI (rot) für ERA (1961-2015) und 4yr-gleitenden Mittel von AMO (blau, links), NAO (blau, Mitte), und GWL 1+2+5 (blau, rechts).

Die Langzeit-Variabilität von Extremwert-Indizes und ihre Telekonnektion zum AMO Index wurden auf der Basis der „Centennial-Simulationen“ aus dem Arbeitspaket C2-WP3 untersucht, die den Zeitraum seit 1900 abdecken. Verschiedene Niederschlags-bezogene Indices deuten auf eine höhere Niederschlags-Intensität in AMO+ Phasen hin. Diese Ergebnisse müssen noch sorgfältig evaluiert werden, da nur wenige belastbare Beobachtungsdaten für die Zeit vor der Mitte des 20-ten Jahrhunderts vorliegen.

Kontakt

Deutscher Wetterdienst - Klima- und Umweltberatung
Dr. Barbara Früh
Barbara.Frueh[at]dwd.de
+49 (0)69 8062-2968

Deutscher Wetterdienst - Klima- und Umweltberatung
Dr. Sascha Brand
Sascha.brand(at)nospamdwd.de
+49 (0)69 8062-2967

Institute for Meteorology and Climate Research (IMK-TRO) Karlsruhe Institute of Technology (KIT)
Hendrik Feldmann
Hendrik.feldmann(at)nospamkit.edu
+49 (0)721 608-24942

Institute for Meteorology and Climate Research (IMK-TRO) Karlsruhe Institute of Technology (KIT)
Natalie Laube
Natalie.laube(at)nospamkit.edu
+49 (0)721 608-22844