Modul C - Zusammenfassung der ersten MiKlip Phase

Das Ziel von MiKlip Modul C ist es, erstmalig systematisch dekadische Prognosen zu regionalisieren. Diese Verfeinerung (englisch „downscaling“) soll dabei helfen, für relevante Regionen Klima-Informationen in einer Auflösung bereit zu stellen, wie sie von vielen Endnutzern solcher Daten benötigt werden. Acht Projekte waren während der ersten MiKlip Phase an Modul C beteiligt. Das Downscaling erfolgt in MiKlip über dekadische Simulationen mit regionalen Klimamodellen (RCMs), die an den Rändern ihrer Modellgebiete mit Daten aus dem Ensemble der globalen MiKlip Klimaprognosen des MPI-ESM angetrieben werden.

Zur Abschätzung der zu erwartenden Qualität einer Prognose in der Zukunft, werden mit dem Vorhersagesystem Simulationen für vergangene Zeiträume (hier 1960 – 2010) durchgeführt – sogenannte „Hindcasts“. Da diese regionalen Ensembles einen zusätzlichen Aufwand darstellen, ist es notwendig zu zeigen, dass die Regionalisierung die Vorhersagegüte erhält oder möglichst verbessert. Die Prozesse im Klimasystem, die zu einer dekadischen Vorhersagbarkeit beitragen, laufen auf einer globalen Skala ab (etwa die Ozeanströmungen oder planetare Wellen in der Atmosphäre). Sie entstehen daher oft außerhalb der begrenzten Modellgebiete der RCMs, und die Informationen müssen über die Modellränder vom antreibenden Global-Modell übernommen werden. Allerdings spielen auch feinerskalige Prozesse beim regionalen Klima eine große Rolle, die von den RCMs besser wiedergeben werden können, wie etwa die regionale Topographie oder die Beschaffenheit und Nutzung des Bodens in den Regionen. In Modul C gibt es drei Schwerpunkte bei denen unterschiedliche regionale und thematische Schwerpunkte untersucht wurden:

  • Europa - Fünf Projekte befassen sich mit Untersuchungen zu dekadischen Prognosen für diese Region. Zentrale Aufgaben waren die generelle Vorhersagegüte für Europa zu ermitteln sowie die Entwicklung eines regionalen Ensemble-Vorhersage-Systems.
  • Afrika – Hier steht der Westafrikanische Monsun und das Frühstadium der Entwicklung von tropischen Stürmen über dem Atlantik mit ihrer Vorhersagbarkeit im Vordergrund
  • Skalen-Wechselwirkung (oder 2-Wege Nesting) – Zwei Projekte befassen sich damit globale und regionale Modelle so miteinander zu koppeln, dass damit die regionalen Prozesse in wichtigen Regionen mit höherer Auflösung mit einem RCM beschrieben werden können und diese Informationen an das Global-Modell zurückgegeben werden kann. Als Quellregionen werden hier Zentral-Amerika/Nord-Atlantik (CANA-Region) und Afrika untersucht.

1. Regionalisierung für Europa

Projekte: Regio_Predict, DecReg, LACEPS, REDCLIP und PRODEF

Untersuchungen der dekadischen Klima-Variabilität bestätigen, dass der Nord-Atlantik im globalen Vergleich eine sehr hohe Vorhersagbarkeit auf dieser Zeitskala hat. Da das Klima in Europa stark vom Nord-Atlantik beeinflusst wird, sollte es auch möglich sein über Land eine Vorhersehbarkeit zu finden.

Regionalisierung mit dynamischen RCMs
Um ein regionales Vorhersagesystem optimal und effizient nutzen zu können, sind verschiedene Aspekte zu untersuchen: Es kann gezeigt werden, dass mit RCMs gegenüber dem Global-Modell die Vorhersagegüte in Europa generell erhalten und teilweise erhöht wird, dass aber in vielen Fällen die Häufigkeitsverteilungen der Klima-Kenngrößen nach der Regionalisierung besser wieder gegeben wird. In Abbildung 1 wird, am Beispiel der mittleren Temperatur im Sommer in den ersten fünf Jahren, dargestellt, wie gut die regionalen (links) und globalen Ensembles (rechts) die beobachtete Kima-Variabilität im Zeitraum 1960 – 2010 wiedergeben. Die Korrelationen der beiden Ensembles (oben) mit Beobachtungen liefern vergleichbare Werte. Positive Korrelation findet man in weiten Teilen Europas. Die untere Hälfte der Abbildung zeigt die „reliability“, ein Maß für die Zuverlässigkeit des Ensembles. Die Metrik stellt dar, ob die Häufigkeitsverteilung einer Klimagröße im ausgewogenen Verhältnis zum Modellfehler steht. Ein optimaler Wert ist hier bei Null erreicht, im Gegensatz zur Korrelation, bei der höhere Werte bessere Ergebnisse anzeigen. Durch die Regionalisierung steigert sich diese Zuverlässigkeit in vielen Regionen.
Es wurde auch der Einfluss der Modellauflösung, die Zusammensetzung des Ensembles mit nur einem oder verschiedenen RCM sowie die Bedeutung der Ensemble-Größe untersucht. Ein potentieller Mehrwert der Regionalisierung ergibt sich auch für die Vorhersage potentiell nutzer-relevanter Klima-Parameter wie etwa Hitze-Perioden, Starkniederschläge oder Wind-Böen.

Modul C Zusammenfassung - Abb. 1
Abbildung 1: Verifikation der dekadischen Vorhersagen für die Sommer-Temperatur in den ersten fünf Jahren nach der Initialisierung – links: Regional-Modell CCLM, rechts Global-Modell MPI-ESM-LR – beide MiKlip erste Generation (baseline0); oben Korrelation mit den E-Obs Beobachtungen (rötliche Farben kennzeichnen gute Übereinstimmung); unten: Zuverlässigkeit der Ergebnisse (siehe Text) – hier zeigen Werte um 0 (schwache Färbung) ausgewogene Ensemble Verteilungen an (aus Mieruch et al., 2014).

Regionalisierung mit einem statistisch-dynamischen Verfahren

Neben dem direkten dynamischen Downscaling wurde in Modul C auch ein Verfahren zum statistisch-dynamischen Downscaling (SDD) getestet, dass, wenn es auf bestimmte Klima-Parameter optimiert wird, eine Regionalisierung mit geringerem Aufwand ermöglicht. Mit SDD kann so eine gewisse Vorhersagbarkeit der Häufigkeit von Windstürmen und des Windenergie-Potentials einige Jahre im Voraus erreicht werden (Reyers et al., 2015). Abbildung 2 verdeutlicht am Beispiel der zweiten MiKlip Ensemble-Generation (baseline1) die Vorhersagegüte für das Windenergiepotential in Mitteleuropa für den Zeitraum 1979 - 2010. Die Vorhersagegüte ist hier definiert über das Verhältnis der mittleren quadratische Fehler des Ensemblemittels (MSESS) der Hindcasts und un-initialisierten Klima-Projektionen, in die keine Informationen über den beob-achteten Anfangszustand eingeflossen sind. Einen Mehrwert liefern die Hindcasts, wenn der MSESS positiv ist (rote Farben), keinen Mehrwert hat man bei negativen Werten (blaue Farben). Positive Ergebnisse finden sich vor allem nahe den Küsten von Nord- und Ostsee für den Mit-telwert über die ersten 4 Jahre der Vorhersagen (Abbildung 2 links). Für längere Vorhersage-Zeiträume werden die Ergebnisse schlechter (Abbildung 2 Mitte und rechts).

Modul C Zusammenfassung - Abb. 2
Abbildung 2: Vorhersagegüte (Skill Score für den mittleren quadratischen Fehler MSESS) für das Wind¬energie-Potential über Mitteleuropa ermittelt mit statistisch-dynamischen Downscaling der zweiten MiKlip Generation (baseline1). Es wer¬den „Hindcasts“ für den Zeitraum 1979 – 2010 dargestellt. Rote Farben stehen für eine gute Vor¬her¬sage¬güte, blaue Farben für eine schlechte. Links: Jahr 1 – 4 der Vorhersagen,; Mitte; Jahr 2 – 5, rechts: Jahr 6 – 9.

2. Regionalisierung für Afrika

Projekt: DEPARTURE

Das Projekt DEPARTURE untersucht die dekadische Vorhersagbarkeit des westafrikanischen Monsunniederschlags und der atlantischen Hurrikan Aktivität. Für unterschiedliche Dekaden des Hindcast-Zeitraums werden globale Simulationen des gekoppelten Klimamodells MPI-ESM anhand der drei regionalen Klimamodelle REMO, CCLM und WRF mit 50 km Auflösung regionalisiert. Zusätzlich wird für ausgewählte Dekaden REMO an ein globales Ozeanmodell gekoppelt und CCLM mit verbesserten Randbedingungen (Aerosole, Meeresoberflächentemperaturen (SSTs), Vegetation, Landnutzung) und Bodeninitialisierung angetrieben, um das Vorhersagepotential von Ozean, Atmosphäre und Landoberfläche zu nutzen.

Westafrikanischer Monsun

Die Ergebnisse verschiedener RCMs mit verbesserter Anfangs- und Randbedingungen hinsichtlich absolutem Bias und dekadischer Vorhersagbarkeit des westafrikanischen Monsunniederschlags können folgendermaßen zusammengefasst werden: Beim simulierten Monsunniederschlag zeigen die RCMs gegenüber MPI-ESM einen Mehrwert im West- und Zentral-Sahelin Form einer verringerten Abweichung, aber eine deutliche Verstärkung des bereits beim MPI-ESM vorhandenen Warm-Bias an der Guinea Küste, der auf einer zu warmen SST im Südost-Atlantik beruht. Die Ozeankopplung von REMO kann diesen SST Bias und den Niederschlagsbias über der Guinea Küste stark verbessern (Abbildung 3, links und Mitte). Weiterhin kann der Niederschlagsbias in jeder Region durch verbesserte Randbedingungen reduziert werden (Guinea-Küste: SSTs und Landbedeckung, Zentral-Sahel: Vegetation, West-Sahel: Aerosole)

Modul C Zusammenfassung - Abb. 3
Abbildung 3: Bias des westafrikanischen Monsunniederschlags (links) und der SSTs (Mitte) des globalen Klimamodells MPI-ESM (oben) und des regionalen Klimamodells REMO-O2 mit Ozeankopplung (unten) gegenüber Beobachtungsdaten. Rechts: Vergleich der jährlichen Anzahl atlantischer Stürme und Hurrikans der HURDAT2-Beobachtungen, des ungekoppelten regionalen Klimamodells REMO-H und der beiden gekoppelten Versionen REMO-O1 und REMO-O2.

Die dekadische Vorhersagbarkeit des westafrikanischen Monsunniederschlags über eine gesamte Dekade zeigt häufig einen Mehrwert einzelner RCMs, aber die positiven Korrelationen sind oft nicht signifikant und schwanken zwischen einzelnen Dekaden. Die intradekadische Vorhersagbarkeit innerhalb der vier untersuchten Dekaden und die interdekadische Vorhersagbarkeit zwischen diesen Dekaden ergeben statistisch robustere Ergebnisse und einen klaren Mehrwert von mindestens einem RCM in jeder Region.

Atlantische tropische Stürme

Hinsichtlich der atlantischen tropischen Stürme und Hurrikans zeigen alle ungekoppelten RCMs einen positiven Bias in der simulierten Anzahl und Intensität, der ebenfalls durch die Ozeankopplung von REMO deutlich reduziert werden kann (Abbildung 3, rechts). Die dekadische Vorhersagbarkeit beider Variablen weist einige Verbesserungen durch die Ozeankopplung auf aber erreicht selten statistische Signifikanz und schwankt deutlich zwischen einzelnen Dekaden.

3. Skalenwechselwirkung

Projekte: MesoTel, FLAGSHIP

Die saisonale bis interannuelle Entwicklung der Witterung in Europa ist geprägt von der Langzeitvariabilität der großräumigen Dynamik im Allgemeinen und im Nordatlantik im Besonderen. Die großräumige Dynamik im Nordatlantik wird nicht nur durch die großräumigen Wechselwirkungen zwischen den Erdsystem-Komponenten wie Ozean und Atmosphäre und den großräumigen Phänomenen in unterschiedlichen Regionen der Erde bestimmt, sondern auch durch die quasi stationäre Wechselwirkung mit kleinräumigeren Phänomenen (sogenannte Mesoskala im Bereich von einigen Kilometer bis mehreren 100 Kilometer). Für die Witterung in Europa sind die Wechsel-wirkungen windaufwärts über dem Atlantik von besonderer Bedeutung.

In den globalen Klimamodellen wird die Häufigkeit und Dauer von Hitzeperioden im Sommer oder Kälte-perioden im Winter unterschätzt. Es wird vermutet, dass der Grund hierfür die Unterschätzung der Häufigkeit und Stärke der in den niedrigen Breiten entstehenden und in den Nordatlantik ziehenden Zyklonen und Antizyklonen ist. Die Entstehung und die Entwicklung dieser Wettersysteme  sind zum Teil mesoskaliger Natur und können deshalb nicht von den Klimamodellen richtig erfasst werden, da sie diese Skalen nicht explizit auflösen. Gelingt es, die Statistik der großräumigen Wetterlagen zu verbessern, kann dies ein entscheidender Schritt hin zur Verbesserung der interannuellen bis dekadischen Vorhersage sein.

Modul C Zusammenfassung - Abb. 4
Abbildung 4: Zyklonen-Zugbahndichte 2001-2010 Differenzen zwischen MPI-ESM (baseline0) Ensemblemittel (B0ens) und ERAInterim (links) sowie MPI-ESM-CCLM 2Wege gekoppelt, Initialisierung (baseline0), Realisierung 1 (TWC) und B0ens. Die schwarze Box kennzeichnet das Gebiet indem CCLM und Globalmodell gekoppelt verwendet werden.

Zwei-Wege-Kopplung (TWC)

Aufgrund beschränkter Computer Ressourcen wird es auf absehbare Zeit nicht möglich sein, in glo¬balen Klimasimulationen die Mesoskalen explizit zu simulieren. Es ist allerdings möglich, diese Skalen in einem räumlich beschränkten Gebiet, z.B. dem Nord Atlantik, explizit mit zu berechnen. Im Rahmen von MiKlip werden deshalb die für die jeweilige Skala entwickelten und vielfach erprobten MiKlip-Modelle so gekoppelt, dass die mesoskalige Dynamik im gekoppelten Gebiet auf die großräumige Dynamik rückwirken kann. Hierzu wird das regionale Klimamodell COSMO-CLM für die Region Zentralamerika bis Nord-Atlantik (CANA, siehe Abbildung 4) konfiguriert und mithilfe des kürzlich entwickelten, parallelisierten Kopplers OASIS3-MCT an das globale Erdsystemmodell MPI-ESM gekoppelt.

Mesoskalige Rückkoppelung und großräumige Dynamik im Nordatlantik

Abbildung 4 zeigt eine deutliche Unterschätzung der Dichte der Zyklonen-Zugbahnen durch das MPI-ESM (links) und die entsprechende Erhöhung der Häufigkeit der Zyklonen durch TWC (rechts), was die Abweichungen zu den Beobachtungen deutlich reduziert. Ein zweites vielversprechendes Ergebnis zeigt Abbildung 5. Das MPI-ESM unterschätzt in den mittleren Breiten im Bereich 20° West bis 20° Ost die Blocking-Häufigkeit um etwa 25% im Vergleich zu ERAInterim. In TWC kommt diese Unterschätzung nicht mehr vor.

Modul C Zusammenfassung - Abb. 5
Abb.5: Blockinghäufigkeit in ERAinterim (schwarz), MPI-ESM B1 Ensemble (rot) und der TWC baseline1, Realisierung 1 (blau) .

Zusammenfassung und Ausblick für die Skalenwechselwirkung

Es kann demonstriert werden, dass die mesoskalige Simulation der Zyklonen-Entwicklung im Atlantik bekannte Defizite der Simulation der großräumigen Dynamik im Nordatlantik beheben kann. Dies kann mithilfe leicht erhöhten Ressourcenbedarfs erzielt werden, der einer geringfügigen Erhöhung der globalen Auflösung um den Faktor 1.2 entspräche. Das Modellierungskonzept kann grundsätzlich auch auf andere relevante Regionen angewandt werden.

Literatur

 

Mieruch, S., Feldmann, H., Schädler, G., Lenz, C.-J., Kothe, S., and Kottmeier, C.: The regional MiKlip decadal forecast ensemble for Europe: the added value of downscaling, Geosci. Model Dev., 7, 2983-2999

Reyers, M., Pinto, J. G. and Moemken, J. 2015. Statistical-dynamical downscaling for wind energy potentials: Evaluation and applications to decadal hindcasts and climate change projections. Int. J. Climatol. 35, 666, 229 - 244.

Mehr zu Modul CNews-Icon

Diese Darstellung fasst die Arbeiten in Modul C während der ersten Phase zusammen. Modul C arbeitet in MiKlip II weiter, hier lesen Sie mehr dazu.