Aufbereitung von Klimaprojektionsdaten für das ... · Aufbereitung von Klimaprojektionsdaten für...

Aufbereitung von Klimaprojektionsdaten für das

Ressortforschungsprogramm KLIWASSabrina Plagemann, Florian Imbery, Joachim Namyslo

KLIWAS: Projekt 1.02 Deutscher Wetterdienst Offenbach

DACH2010, Bonn, 22.09.2010

Übersicht

1. MotivationRessortforschungsprogramm KLIWAS

2. MethodenDatengrundlage, Untersuchungsgebiet, Datenanalyse

3. Erste Ergebnisse3.1 Gittertransformation 3.2 Regionalisierung3.3 Bias-Korrektur3.4 Aussagen aus KP-Ensembles

4. Zusammenfassung & Ausblick

Das Forschungsprogramm

KLIWASAuswirkungen des Klimawandels auf Wasserstraßen und Schifffahrt

1. Motivation

Bundesministerium für Verkehr, Bau und Stadtentwicklung (BMVBS)

Projektpartner:• Bundesamt für Seeschifffahrt und Hydrographie (BSH)

• Bundesanstalt für Gewässerkunde (BfG)

• Bundesanstalt für Wasserbau (BAW)

• Deutscher Wetterdienst (DWD)

Modellkette

1. Motivation

DWD

Übersicht

1. MotivationRessortforschungsprogramm KLIWAS

2. MethodenDatengrundlage, Untersuchungsgebiet, Datenanalyse

3. Erste Ergebnisse3.1 Gittertransformation 3.2 Regionalisierung3.3 Bias-Korrektur3.4 Aussagen aus KP-Ensembles

4. Zusammenfassung & Ausblick

Derzeitige Datengrundlage

A1B

HadCM3Q16

ECHAM5_r1HadCM3Q3

HadCM3Q0

CGCM3

ECHAM5_r2

ECHAM5_r3

BCM CNRM CM3IPSL

HadRM3Q16RCA 3.0

REMO 2005 (UBA)

WettReg 2005WettReg 2010

STAR

CLM 2.4.11

REMO 2009 (BfG)CLM 2.4.11

REMO 5.7HIRHAM 5

RACMO 2.1RegCM 3RCA 3.0

ALADIN RM4.5

HIRHAM 5ALADIN RM5.1

CLM 2.4.6RCA 3.0HIRHAM 5HIRHAM 2

CRCM 4.2.1

HadRM3Q0CLM 2.4.6

PROMES 2005HIRHAM 2

RRCM

HadRM3Q3RCA 3.0

ENSEMBLESCERA

Räumliche Auflösung: 10 bis 25 kmZeitliche Auflösung: Tag

SzenarioGlobal-modelleRegional-modelle

Untersuchungsgebiet

Modellgebiet: Deutschland und angrenzende Flusseinzugsgebiete

2. Methoden

Donau

Elbe

Oder

Rhein

Beispiel:Teileinzugsgebiete

Rhein

2. Methoden

1. Gittertransformation

- Interpolationsverfahren- Koordinatentransformation

2. Downscaling / Regionalisierung

- Niederschlag mit REGNIE- Temperatur mit DOWTEMP- Globalstrahlung mit DOWGLOB- usw.

3. BIAS-Korrektur

- lineare BIAS-Korrektur- Quantile-Mapping

4. Aussagen aus KP-Ensembles

- Eintrittswahrscheinlichkeiten- statistische Auswertung hydrologischer Kenngrößen

- Konsistenzprüfung verschiedener Variabeln

TP 1

.02

aTP

1.0

2 b

MethodenübersichtProjekt 1.02

Übersicht

1. MotivationRessortforschungsprogramm KLIWAS

2. MethodenDatengrundlage, Untersuchungsgebiet, Datenanalyse

3. Erste Ergebnisse3.1 Gittertransformation 3.2 Regionalisierung3.3 Bias-Korrektur3.4 Aussagen aus KP-Ensembles

4. Zusammenfassung & Ausblick

Gittertransformation

Herausforderung:1. Eingangsdatensätze auf verschiedenen Gittern (z.B. rotierte

/nichtrotierte Gitter, Lambert-konform-konisches Gitter)2. Eingangsdatensätze auf der Erdkugel KLIWAS-Arbeitsgrundlage

GRS80 Ellipsoid und Lambert-konform-konische Projektion

Lösung:1. Interpolationen (bilineare Interpolation, bikubische Interpolation,

nearest-neighbor Interpolation, inverse Distanzgewichtung, konservative Interpolation)

2. Koordinatentransformation

3.1 Gittertransformation

Regionalisierung Beispiel: NiederschlagREGNIE auf Klimaprojektionsdatensatz• Verfahren der Multiplen Linearen Regression

– Prädiktand: Mittlere Niederschlagshöhe pro Monat (1961-1990)

– Prädiktor: - geografische Länge

- geografische Breite

- Höhe über NN

- Hangneigung

- Exposition

• Distanzgewichtete Interpolation der Residuen Erstellung Hintergrundfeld• Abbilden der täglichen Niederschlagswerte auf nächstgelegene Nachbarpunkte • Interpolation des dimensionslosen Quotienten (täglicher Modellwert / Hintergrundfeld) auf

nicht besetzte Rastermittelpunkte & Multiplikation zum HintergrundfeldDerzeit werden als Hintergrundfeld noch die Beobachtungsdatensätze herangezogen (interne BIAS-Korrektur). Sie werden in Zukunft durch die modelleigenen Werte berechnet.

3.2 Regionalisierung

RegionalisierungNiederschlag

Beispiel: KNMI-RACMO2-ECHAM5_r3 (01.01.2010)25 km x 25 km 5 km x 5 km

3.2 Regionalisierung

Gegenwärtig:Lineare BIAS-KorrekturReferenzdatensatz: HYRAS (DWD)• tägliche Auflösung• 5 x 5 km² räumliche Auflösung• Zeitraum von 1961-1990 bzw. 1971-2000• derzeit Niederschlag, Temperatur, relative Feuchte, Globalstrahlung

Lineare BIAS-Korrektur:Niederschlag Temperatur

3.3 BIAS-Korrektur

1

*ij

ij CRf

PfPij

ij

aa

CRbiasbiasTT ,*R : Referenzdaten

(monatliche Summen)C : Kontrollzeitraumi : Gitterzellej : Monat P : Niederschlag

(Tagessumme)

R : Referenzdaten(monatliche Summen)

C : Kontrollzeitraumi : Gitterzellej : Monat Ta: Temperatur

(Tagesmittel)

Beispiel:Lineare BIAS-KorrekturBeispiel für den Niederschlag:

RACMO2_ECHAM5 (CTL: 1971-2000 und Prj: 2021-2050)

3.3 BIAS-Korrektur

Eintrittswahrscheinlichkeiten

• A1B-Szenario• 19 Kombinationen aus 8 GCMs

und unterschiedlichen RCMs• Kontrollzeitraum: 1971-2000• Projektionszeitraum: 2021-2050

und 2071-2100• keine BIAS-Korrektur• Dateninput:

1. EU FP6 Integrated Project ENSEMBLES (Contract number 505539)

2. CERA (cera-www.dkrz.de)

3.4 Aussagen aus KP-Ensembles

EintrittswahrscheinlichkeitenLufttemperatur in 2 mKontrollzeitraum: 1971-2000

3.4 Aussagen aus KP-Ensembles

2021-205085 % der betrachteten Modelle:1°C < Ta < 2°C bis 3,5°C

2071-2100

85 % der betrachteten Modelle:1,5°C < Ta < 3,5°C bis 5°C

Übersicht

1. MotivationRessortforschungsprogramm KLIWAS

2. MethodenDatengrundlage, Untersuchungsgebiet, Datenanalyse

3. Erste Ergebnisse3.1 Gittertransformation 3.2 Regionalisierung3.3 Bias-Korrektur3.4 Aussagen aus KP-Ensembles

4. Zusammenfassung & Ausblick

Zusammenfassung

KLIWAS-Projekt 1.02:

• Ensemblebildung und Regionalisierung von Niederschlags-, Lufttemperatur- undGlobalstrahlungsdaten

• Lineare BIAS-Korrektur der hoch aufgelösten KP-Daten• statistisch-klimatologische Aussagen der KP-Daten• Bereitstellung der hoch aufgelösten KP-Daten im

transformierten Gitter für andere KLIWAS-Projekte

4. Zusammenfassung / Ausblick

Ausblick

KLIWAS-Projekt 1.02:

• Überarbeitung und Verbesserung der Downscaling-Verfahren

• Quantile Mapping• Regionalisierung von relativer Feuchte und Wind• Integration von neuen Klimaprojektionen und Szenarien

(E1, RCP)• Probabilistische Aussagen zu Änderungssignalen• ...

4. Zusammenfassung / Ausblick

RessortforschungsprogrammDeutscher Wetterdienst (DWD)Bundesamt für Seeschifffahrt und Hydrographie (BSH) Bundesanstalt für Gewässerkunde (BfG)Bundesanstalt für Wasserbau (BAW)

Vielen Dank für Ihre Aufmerksamkeit !

www.kliwas.de

Sabrina Plagemann, Florian Imbery, Joachim NamysloDeutscher Wetterdienst Offenbachsabrina.plagemann@dwd.de, florian.imbery@dwd.de, joachim.namyslo@dwd.de

Tel.: ++49(0)69-8062-2904,(-2905,-2967)