Die Grundlagen von Klimamodellen

Hanna Göpfert, Florian Rödl

15.01.2010

Inhaltsverzeichnis1 Geschichte 2

1.1 Ein sehr einfaches Modell der Atmosphäre - das Lorenz-Modell . 31.2 Klima-Modelle - Grundgleichungen . . . . . . . . . . . . . . . . . 5

2 Glaubwürdigkeit der Ergebnisse von Klimamodellen 5

3 Entwicklungen seit dem Third Assessment Report 2001 (TAR) 73.1 Entwicklungen in der Modellformulierung . . . . . . . . . . . . . 93.2 Entwicklung in der Modellierung des Klimas . . . . . . . . . . . . 93.3 Entwicklungen in analytischen Methoden . . . . . . . . . . . . . 113.4 Entwicklungen in der Auswertung von Klimafeedbacks . . . . . . 11

4 Die Konstruktion von Modellen 12

5 Das Koppeln von einzelnen Komponenten 13

6 Darstellen des Klimas mit einfacheren Modellen 14

7 Simulation des aktuellen Klimas 157.1 Die Temperaturverteilung . . . . . . . . . . . . . . . . . . . . . . 157.2 Die Verteilung von Niederschlag . . . . . . . . . . . . . . . . . . . 21

8 Vorhersagen für das zukünftige Klima 238.1 Emissionsszenarien - Grundlage der Simulationen im 4. IPCC-

Report . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238.2 Fehlerquellen bei der Erstellung eines Klima-Modells . . . . . . . 248.3 Vorstellen einiger Ergebnisse . . . . . . . . . . . . . . . . . . . . 26

8.3.1 globale Erderwärmung . . . . . . . . . . . . . . . . . . . . 268.3.2 Niederschlag . . . . . . . . . . . . . . . . . . . . . . . . . 308.3.3 Veränderungen in der Arktis und Antarktis . . . . . . . . 338.3.4 Anstieg des Meeresspiegels . . . . . . . . . . . . . . . . . 35

8.4 Simulationen auf Grundlage von commitment-Szenarien . . . . . 35

1

1 GeschichteDer norwegische Physiker und Meteorologe Vilhelm Bjerknes formulierte 1904zwei Grundsätze, auf denen die Entwicklung von Klima-Modellen und Wetter-prognosen auch heute noch basiert:

1. eine ausreichend genaue Kenntnis des Anfangszustands des Systems

2. eine ausreichend genaue Kenntnis der Gesetze, die die Abläufe im Klima-system bestimmen

1922 versuchte der englische Wissenschaftler Lewis Fry Richardson, die Grund-gleichungen, die die Abläufe in der Atmosphäre beschreiben, zu lösen, um soeine Wettervorhersage zu entwickeln - sein einziges Hilfsmittel war ein Rechen-schieber. Damals wusste man schon, dass die Gleichungen sehr komplex sindund keine einfachen analytischen Lösungen besitzen, sondern nur mit nume-rischen Methoden gelöst werden können. Um ein System von kontinuierlichenGleichungen zu berechnen, approximierte man dieses durch ein entsprechendesdiskretes Gleichungssystem und verwendete dessen numerische Lösungen.Richardson gab in seinem Buch „Weather Prediction by Numerical Process“ eineSchritt-für-Schritt Anleitung für die Erstellung einer Wettervorhersage für einenkleinen Teil Europas, gestützt auf vorhandene Beobachtungsdaten; da er aberden Einfluss der gesamten, unterschiedlichen Prozesse in der Atmosphäre nichtkannte, führte das zu sehr unrealistischen Vorhersagen. Mit vielen Problemen,auf die Richardson zu Beginn des 20. Jahrhunderts gestoßen ist, sind auch heuteWissenschaftler konfrontiert, die Klima- oder Wetterprognosen erstellen wollen.

Bis Ende der 40er Jahre des 20. Jahrhunderts geschah wenig auf dem Ge-biet der numerischen Lösung von Gleichungen; erst die Entwicklung der erstenelektronischen Computer (unter ihnen auch der für die Meteorologie besonderswichtige Computer des Institute for Advanced Studies (IAS) an der PrincetonUniversity) erlaubte weitere Fortschritte in der Wettervorhersage.Die Arbeitsgruppe unter Leitung des amerikanischen Wissenschaftlers und Me-teorologen Jules Charney entwickelte ein Computerprogramm, das nicht dasgesamte von Richardson erstellte Gleichungssystem, sondern ein vereinfachtesSystem enthielt. Denn das gesamte Gleichungssystem enthält ein weites Spek-trum von Bewegungsabläufen in der Atmosphäre; eine angemessene Näherungfür dieses umfassende System liefert jedoch einfachere Gleichungen und filtertletztendlich die ungewollten, numerisch schwer zu berechnenden und meteorolo-gisch nicht bedeutenden Anteile heraus. Diesen Zusammenhang entdeckte CarlGustav Rossby Ende der 30er Jahre des 20. Jahrhunderts.Ein paar Jahre später (1956) fügte Philipps dem System von Charney einfa-che Zwangsbedingungen hinzu und konnte viele grundlegende Eigenschaften derKreisläufe in der Atmosphäre darstellen - ein großer Schritt in der lang andau-ernden Entwicklung von General Circulation Models (im Folgenden abgekürztmit GCMs).Eine weitere Verbesserung der GCMs führte wieder hin zu Richardsons gesam-tem System von Gleichungen; Richardsons Fehler, nämlich die fehlerhafte Ein-

2

gabe aufgrund der unzureichenden Beobachtungsdaten und das numerische Vor-gehen, sind entdeckt und korrigiert worden.

In den 50er Jahren entstanden weltweit Zentren zur Modellierung von Wet-ter und Klima, darunter auch das Geophysical Fluid Dynamics Laboratory ander Princeton University.Mit heutigen Klimamodellen können fast alle größeren beobachteten Eigenschaf-ten der Atmosphäre, der Ozeane und der Kryosphäre simuliert werden; dennochkann noch vieles verbessert werden, besonders im Hinblick auf das manchmalfragwürdige Anpassen oder „Tunen“ von Parametern, um die gewünschten Si-mulationen zu erzielen.

1.1 Ein sehr einfaches Modell der Atmosphäre - das Lorenz-Modell

Abbildung 1: schematische Darstellung des Lorenz-Modells

Dieses Modell beschreibt die Atmosphäre als ein quaderförmiges Gasvolu-men, das von unten gleichmäßig beheizt wird. Nach den Gesetzen der Strö-mungslehre beginnt die Luft aufgrund des Temperaturgefälles zu zirkulieren.Warme Luft steigt an der einen Seite des Quaders auf, kalte Luft sinkt ent-lang der anderen Seite ab - die Bewegung der Luft ist gleich einem rotierendenZylinder, dessen Rotationsachse parallel zur Ober- bzw. Unterseite der Box aus-gerichtet ist.Das Modell lässt sich mit einem System dreier gekoppelter, gewöhnlicher Diffe-rentialgleichungen beschreiben:

dx

dt= δ(y − x) (1)

dy

dt= rx− y − xz (2)

dz

dt= xy − bz (3)

Hierbei bezeichnet x die Winkelgeschwindigkeit des Luftzylinders, welche einMaß für die Windstärke in der Atmosphäre darstellt; y ist die Temperaturdif-

3

ferenz zwischen den vertikalen Seiten des Zylinders, also zwischen der aufstei-genden warmen Luft und der absinkenden kalten Luft; z ist der vertikale Tem-peraturgradient. Die Parameter des Lorenz-Modells sind folgende: δ gibt dasVerhältnis zwischen der Viskosität der Luft und ihrer thermischen Leitfähigkeitan und b ist das Verhältnis der Breite der Box zu ihrer Höhe; der eigentlichinteressante Parameter ist r, der die Differenz zwischen der Temperatur an derUnterseite und der Temperatur an der Oberseite der Box bestimmt - ein Anstiegder CO2-Konzentration in der Atmosphäre führt zu einem größeren Wert für r.Vernünftige Werte für die drei Parameter sind δ = 10, r = 28 und b = 8/3.Dieses Gleichungssystem lässt sich nicht analytisch lösen, sondern lässt sich nurmit numerischen Methoden berechnen. Zwei Graphen für den zeitlichen Verlaufder Winkelgeschwindigkeit x sind in den Abbildungen 2 und 3 gegeben; wie zu se-hen ist, führen schon geringste Abweichungen in den Anfangsbedingungen (hiereine Änderung des Anfangswertes für x um ein Millionstel) ab einem bestimmtenZeitpunkt zu einem ganz anderen zeitlichen Verlauf der Winkelgeschwindigkeit -eine solche außerordentliche Empfindlichkeit gegenüber Störungen des Systemsist als Chaos bekannt; wir haben es hier also mit einem chaotischen System zutun.

Abbildung 2: zeitlicher Verlauf der Winkelgeschwindigkeit x für die Anfangsbedin-gungen x = −9, y = −3 und z = 32

Abbildung 3: zeitlicher Verlauf der Winkelgeschwindigkeit x für die Anfangsbedin-gungen x = −9, 000001, y = −3 und z = 32

Auch wenn nun also zu einem bestimmten Zeitpunkt die Anfangsbedingun-gen der Atmosphäre, die ja ein chaotisches System ist, noch so gut bekanntsind - die geringste, nie auszuschließende Abweichung der beobachteten Datenvon den tatsächlichen Werten hat zur Folge, dass der Fehler in den Vorhersagenmit der Zeit so groß wird, dass diese unbrauchbar werden. Um dennoch realis-

4

tische Simulationen erzeugen zu können, ist die Anwendung von statistischenMethoden nötig - diese werden in der Literatur MT 2007 näher erläutert.

1.2 Klima-Modelle - GrundgleichungenDie Basis eines Klima-Modells bilden einige Grundgleichungen:Zunächst ist die Erhaltung dreier physikalischer Größen zu berücksichtigen,nämlich die Erhaltung des Drehimpulses, die Erhaltung der Masse und die Er-haltung der Eergie. Letztere findet eine Formulierung auch im ersten Hauptsatzder Thermodynamik.Desweiteren ist sowohl für die Atmosphäre als auch für den Ozean eine Zustands-gleichung zu formulieren; die Zustandsgleichung der Atmosphäre verbindet dieGrößen Druck, Temperatur und Dichte miteinander, die Zustandsgleichung desOzeans setzt die Größen Druck, Temperatur, Dichte und Salinität zueinanderin Relation.Eine weitere Gleichung ist zuletzt für den Feuchtigkeitshaushalt der gesamtenAtmosphäre anzugeben. Für eine genauere (numerische) Analyse dieser Glei-chungen verweise ich auf die am Ende des Artikels angeführte Literatur.

2 Glaubwürdigkeit der Ergebnisse von Klimamo-dellen

Es gibt drei gute Gründe, warum man den Prognosen, die von Klimamodellenerstellt werden, vertrauen kann. Einer der Gründe ist, dass alle Klimamodel-le letztlich auf physikalischen Gesetzen beruhen, wie beispielsweise den Erhal-tungssätzen von Masse, Impuls und Energie. Solche Gesetze wurden durch zahl-reiche Experimente bestätigt (nicht nur im Bereich der Klimaforschung), sodassdiese als gesichertes Wissen angesehen werden können.

Die Tatsache, dass Klimamodelle das aktuelle Klima recht gut beschreibenkönnen, ist ein weiterer Grund. Bei der Entwicklung eines Modells wird es immeran aktuellen Messdaten überprüft und gegebenenfalls verbessert; dabei werdensowohl Messdaten der Atmosphäre und der Ozeane, als auch der Kryosphäreund der Erdoberfläche verwendet. Hat man mehrere Modelle entwickelt, so kannman aus Vegleichen wiederum Rückschlüsse ziehen, welches Modell die Natur ambesten beschreibt. Durch das stetige Verbessern gelingt es mittlerweile sehr gut,wichtige Klimaeigenschaften nachzuempfinden, wie etwa die Temperaturvertei-lung der Atmosphäre im großen Maßstab, Aussagen über den Niederschlag, dieStrahlung, den Wind, die Temperaturen auf den Meeren, die Meeresströmungenoder die Schneebedeckung. Aber auch Klimaeigenschaften, die Schwankungenunterliegen, kann man modellieren. Dazu zählt das System des Monsuns, diesaisonale Abhängigkeit der Temperaturen, die Bewegung von Stürmen und Re-gengürteln, sowie die Arktische bzw. Antarktische Oszillation. Einige der Kli-mamodelle wurden sogar zu Testzwecken auf das Wetter angewandt, mit demErgebnis, dass man die wichtigsten Zirkulationen auch auf einer kleinen Zeitska-la erhält und dass solche Modelle auch fähig sind, Aspekte von Schwankungenim Bereich von Jahreszeiten oder Jahren richtig darzustellen. (Dass man dasWetter nur ein paar Tage voraus berechnen kann, schränkt die Gültigkeit vonKlimamodellen auf einer großen Zeitskale nicht ein, da es sich hier um zweigrundsätzlich unterschiedliche Arten von Vorhersagen handelt.)

5

Abbildung 4: Globale Durchschnittstemperatur nahe dem Erdboden; die schwarzeLinie zeigt Messungen, die gelben Linien sind eine Auswahl unterschiedlicher Simula-tionen von mehreren Modellen, deren Durchschnitt die rote Linie darstellt. Die Kurvensind relativ zum Durchschnitt der Daten zwischen 1901 und 1950. Die grauen Linienzeigen die Zeitpunkte von Vulkanausbrüchen

Den dritten Grund, warum man Aussagen von Klimamodellen vertrauenkann, liefern die Übereinstimmungen mit Klimaereignissen in der Vergangen-heit. So kann man Klimamodelle benutzen, um das Klima im Holozän vor 6000Jahren oder in der letzten Kaltzeit vor 21000 Jahren zu simulieren. Man fin-det im großen Maßstab beispielsweise das Abkühlen der Ozeane. Man mussallerdings nicht so weit in der Zeit zurückgehen. Abbildung 4 zeigt einen Tem-peraturverlauf des letzten Jahrhunderts, also zu einer Zeit, wo Messdaten (oderzumindest Überlieferungen) vorliegen. Wie man dem Bild entnehmen kann, ent-spricht der Durchschnitt der Modellaussagen gut den tatsächlich beobachtetenWerten. Man könnte dieses Beispiel auch ausdehnen auf den schnelleren Anstiegder Nachttemperaturen im Vergleich zu den Tageswerten, den Temperaturzu-wachs in der Arktis oder auf das kurze globale Abkühlen nach einem Vulkan-ausbruch (siehe auch Abb. 4).

Bei allen Erfolgen zeigen sich aber auch Fehler. Man kann sagen, dass dieseFehler vor allem auf kleinen Zeitskalen auftreten, dennoch gibt es sie auch, wennsie große Zeiträume überblicken. Besonders anfällig für Fehler sind Simulatio-nen, die die Niederschläge in den Tropen betreffen, El Niño Phänomene oderdie Madden-Julian Oszillation (eine Schwankung von Wind und Niederschlag inden Tropen innerhalb von 30 bis 90 Tagen.) Die größten Fehlerquellen sind kur-ze Prozesse, die man nicht genau simulieren kann, sie aber im Zusammenhanglanger Prozesse braucht, weshalb man auf Näherungen zurückgreifen muss. Dassman kurze Prozesse nicht gut genug modellieren kann, liegt zum einen daran,dass heutige Computer teilweise noch nicht schnell genug sind, zum anderen,dass die wissenschaftlichen Erkenntnisse nicht tief genug gehen und detaillier-te Messungen oft nicht zur Verfügung stehen. Große Schwierigkeiten hat manmit der Simulierung von Wolken und daher auch mit der Reaktion der Wolkenauf den Klimawandel. Dies ist auch einer der Gründe, warum in Klimamodel-

6

len die Prognose für den globalen Temperaturanstieg schwankt. Trotz allem istdie Aussage, dass die Temperatur mit zunehmenden Treibhausgasen ansteigenwird, jedem Zweifel erhaben, denn dafür sind die Belege, die sich durch aktu-elle Messdaten oder durch die Rekonstruktion vergangener Klimaverhältnisseergeben, zu stichhaltig.

Um nicht nur globale oder großflächige Aussagen machen zu können, wur-den spezielle regionale Klimamodelle entwickelt, aber auch Verfahren, wie manglobale Modelle runterskaliert. Unabhängig davon wird auch die Auflösung derglobalen Klimamodelle immer besser, was oft auch eine Frage der zur Verfügungstehenden Computer ist. Mit diesen Entwicklungen wird es immer besser, regio-nale Klimaveränderungen zu studieren, wie beispielsweise Extrem-Wetterlagen.Modelle verbessern sich aber auch bezüglich der Anzahl der berücksichtigtenProzesse, die in der Natur vorkommen. So hat man mittlerweile nicht mehrnur physikalische Prozesse, sondern man fügt auch chemische oder biologischeProzesse hinzu. Ein Beispiel hierfür ist die Reaktion der Pflanzen auf die Kli-maveränderungen.

Man kann schließlich sagen, dass Klimamodelle fähig sind, quantitative Vor-hersagen über das Klima zu machen, besonders über größere Zeiträume. Klima-modelle stoßen an ihre Grenzen bei der Simulierung von Wolken, was sowohlzu Unsicherheiten bei den Absolutwerten und den entsprechenden Zeitpunkten,als auch zu Einbußen von Informationen im regionalen Bereich führt. Trotzdemkann man zweifelsfrei voraussagen, dass mit zunehmenden Treibhausgasen dieErderwärmung voranschreitet.

3 Entwicklungen seit dem Third Assessment Re-port 2001 (TAR)

Ziel dieses Abschnitts ist es, abzuschätzen, wie gut die im IPCC gebrauchtenKlimamodelle die Klimaveränderungen für die Zukunft darstellen im Verhältniszum IPCC Third Assesment Report (TAR). Klimamodellen liegen gut bekann-te, physikalische Gesetzmäßigkeiten zu Grunde und werden überprüft, indemsie das Klima der Gegenwart und der Vergangenheit zu beschreiben versuchen.Man ist grundsätzlich der Auffassung, dass Atmosphere-Ocean General Circula-tion Models (AOGCMs) in der Lage sind, die künftigen Klimaveränderungen zubeschreiben, besonders auf kontinentaler Ebene und großen Maßstäben. MancheFaktoren können besser beschrieben werden als andere, z.B. sind Aussagen fürdie Temperatur klarer als für Niederschläge.

• Durch internationale Zusammenarbeit wurde die Überprüfung der Modellezunehmend gefördert. Auf diese Weise wurde es möglich, Daten aus Simu-lationen mit realistischen Randbedingungen zu sammeln und zu verteilen,wodurch eine sorgfältigere und frei zugängliche Auswertung der Model-le möglich wurde. Da die Ergebnisse öfter durchgesehen werden, könnenFehler leichter erkannt werden.

• Die Tests für Klimamodelle werden zunehmend umfangreicher, unter an-derem testet man die Vorhersagen auf einer Zeitskala zwischen Tagen undJahren. Mit diesen Tests kann man die Genauigkeit erhöhen, wie Prozesse,die für die Klimaentwicklung wichtig sind, beschrieben werden.

7

• Beachtliche Fortschritte machte man darin, die Unterschiede zwischen Mo-dellvorhersagen zu verstehen. Es wurde erkannt, dass die größte Fehler-quelle die Reaktion der Wolken ist. Dabei leisten tief stehende Wolken dengrößten Beitrag zum Fehler. Neue Erkenntnisse, die man durch Beobach-tungen und Simulationen erhalten hat, bestätigen das Feedback von derKombination Wasserdampf-Temperaturgradient, wie in General Circula-tion Models vorhergesagt wurde. Es ist immer noch ungewiss, wie starkdie Antwort der Kryosphäre ausfällt, was auch einen Beitrag dazu leistet,dass die Vorhersagen in mittleren und hohen Breitengraden schwanken.

• Man schafft laufend Verbesserungen bezüglich der Auflösung, der Berech-nung und der Parametrisierung. Außerdem wurden neue Prozesse den Kli-mamodellen hinzugefügt, wie beispielsweise die Wechselwirkung mit Ae-rosolen.

• Die meisten AOGCMs benutzen keine Fluss-Anpassungen mehr, die frü-her benötigt wurden, um ein stabiles Klima zu erhalten. Zur gleichen Zeitwurden die Simulationen vieler Bereiche des derzeitigen Klimas verbes-sert. In diesem Zusammenhang nahmen auch die Schwankungen ab, diedurch die Fluss-Anpassungen verursacht wurden; trotzdem benutzt manAOGCMs weiterhin für Tendenzen und große Zeiträume.

• Da man in der Beschreibung der wichtigsten Arten von Klimaschwankun-gen Fortschritte erzielt, steigt auch die Zuversicht, dass Klimamodelle diewichtigen Klimaprozesse richtig beschreiben. Beispielsweise können AOG-CMs nun die wichtigsten Aspekte der El Nino-Southern Oscillation (EN-SO) simulieren. Die Madden-Julian Oscillation (MJO) kann nach wie vornur schlecht berechnet werden.

• Die Fähigkeit von AOGCMs, Extrema zu simulieren, insbesondere Warm-und Kaltperioden, wurde verbessert. Die Niederschlagsmenge und die Häu-figkeit von starken Regenfällen wurde unterschätzt.

• Die Simulation von Wirbelstürmen außerhalb der tropischen Gebiete wur-de verbessert. Einige Modelle, die für die Darstellung der Veränderungentropischer Wirbelstürme benutzt werden, können erfolgreich die beobach-tete Häufigkeit und Verteilung tropischer Wirbelstürme simulieren.

• Systematische Abweichungen wurden in den meisten Modellen gefunden,die den südlichen Ozean beschreiben. Da der südliche Ozean für die Wär-meaufnahme wichtig ist, folgt daraus eine gewisse Unsicherheit für denklimatischen Ausgleichsvorgang.

• Um die Bedeutung des Kohlenstoffkreislaufs für das Klima zu erforschen,wurde in einigen AOGCMs und EMICs (Earth System Models of Interme-diate Complexity) dieser berücksichtigt. EMICs wurden in einem höherenMaße ausgewertet als bisher. Aufeinander abgestimmte Vergleiche habengezeigt, dass solche Modelle sinnvoll für Simulationen über lange Zeiträu-me oder für Fragen, die eine große Anzahl ausgewählter Simulationen er-fordern würden, sind.

8

3.1 Entwicklungen in der ModellformulierungVerbesserte Modelle der Atmosphäre benutzen neu formulierte Dynamik- undTransportschemata und darüber hinaus eine höhere vertikale und horizonta-le Auflösung. Interaktive Aerosol-Module wurden einigen Modellen hinzugefügtund dadurch trägt man den direkten und indirekten Effekten von Aerosolen weit-gehend Rechnung. Es gibt bedeutende Entwicklungen in der Beschreibung vonterrestrischen Prozessen. Individuelle Komponenten werden andauernd durchsystematische Auswertung gegenüber Messungen und gegenüber umfangreiche-ren Modellen verbessert. Die terrestrischen Prozesse, die maßgeblich das Klimader nächsten Jahrzehnte im großen Maßstab beeinflussen dürften, sind in gegen-wärtigen Klimamodellen eingebunden. Es gibt aber immer noch Prozesse, dienicht berücksichtigt werden, aber wichtig für größere Zeiträume wären.

Die Entwicklung der Ozean-Komponente von AOGCMs setzte sich fort.Die Auflösung konnte erhöht werden, und auch die Grenze zwischen Luft undOzeanoberfläche wird nicht mehr als starr und fest angesehen. Neue physikali-sche Parametrisierungen und numerische Verfahren schließen echte Frischwasser-Strömungen, verbessertes Mischverfahren von Flüssen, die ins Meer münden,und den Gebrauch von positiv definiten Advektionsschemen ein. Auch benutztman mittlerweile weitgehend adiabatische Mischverfahren für Stoffe gleicherDichte. Einige dieser Verbesserungen führten zu Verminderungen von Unsicher-heiten, die durch weniger gute Parametrisierungen verursacht wurden (wie z.B.dem virtuellen Salzfluss).

Die beste Entwicklung der Kryosphären-Komponente von AOGCMs liegtbei Meereis vor. Praktisch alle modernen AOGCMs arbeiten heutzutage mitbesser durchdachter Meereis-Dynamik und mehrere haben Kategorien für dieDicke des Meereises. Auch die benutzte Thermodynamik ist mittlerweile rela-tiv fortgeschritten. Die Formulierung der Parametrisierung von terrestrischenSchneeprozessen unterscheidet sich in den AOGCMs deutlich voneinander. Einesystematische Auswertung des Schnees legt nahe, dass die Verschiedenartigartig-keit des Schnees auf einer Längenskala unterhalb des Gitters wichtig ist für dieSimulation der beobachteten saisonbedingten Schneedecke. Ein paar AOGCMsbeinhalten die Dynamik von Eisdecken.

Es gibt momentan keine einstimmige Meinung, wie man die Computerka-pazitäten richtig einsetzt: Eine Möglichkeit wäre, die Auflösung zu erhöhen,wodurch die Simulationen besser werden; man könnte die Anzahl der Durchläu-fe erhöhen, damit statistische Aussagen klarer werden; schließlich könnte mandie Anzahl der berücksichtigten Prozesse erhöhen, wie z.B. die Reaktion desKohlenstoffkreislaufs oder chemische Reaktionen in der Atmosphäre.

3.2 Entwicklung in der Modellierung des KlimasIm großen Maßstab können AOGCMs die Muster der jahreszeitlichen Schwan-kungen von mehreren wichtigen Gebieten der Atmosphäre nun besser simulierenals dies zu Zeiten des TAR möglich war. Es ist bemerkenswert, dass Fehler wiedie Berechnung des Monatsdurchschnitts, der globalen Verteilung des Nieder-schlags, des Drucks auf Meereshöhe und der Lufttemperatur auf der Erdoberflä-che alle abgenommen haben. In einigen Modellen hat sich auch die Simulationder tief stehenden Wolken über dem Meeren verbessert, welche für eine korrekteBeschreibung der Temperatur auf der Meeresoberfläche und der Reaktion der

9

Wolken in einem sich ändernden Klima wichtig ist. Nichtsdestoweniger habendie Simulationen immer noch Defizite in der Beschreibung der Wolken und destropischen Niederschlags (mit ihren großen regionalen und globalen Auswirkun-gen).

Einige gewöhnliche Modelltendenzen im südlichen Ozean wurden erkannt,daraus entwickelte sich eine gewisse Unsicherheit bei der Wärmeaufnahme desOzeans und der darauf folgende Ausgleichsvorgang des Klimas. Simulationender Thermokline, die zu dick waren, und des Wärmetransports des Atlantiks,welcher zu schwach war, wurden in vielen Modellen verbessert. Trotz eines be-merkenswerten Fortschritts in der Verbesserung der Formulierung des Meereiseserreichten AOGCMs typischerweise nur einen mäßigen Erfolg in der Simulationbeobachteten Meereises seit dem TAR. Der relativ langsame Fortschritt kannteilweise dadurch erklärt werden, dass die Verbesserung der Simulation des Mee-reises zusätzlich die Verbesserung der Atmosphären- und Ozeankomponente be-nötigt.

Seit dem TAR haben die Entwicklungen der AOGCM-Formulierung die Dar-stellung der Schwankungen im großen Maßstab in Zeiträumen vieler Größen-ordnungen verbessert. Die Modelle erfassen die groben außertropischen Mustereinschließlich der arktischen und antarktischen Oszillation der Pacific DecadalOscillation, der Pacific-North American und Cold Ocean-Warm Land Patterns.AOGCMs simulieren eine Schwankung im Atlantik über mehrere Jahrzehnte,obwohl es scheint, dass die relative Bedeutung der Prozesse in hohen und nied-rigen Breitengraden sich innerhalb der einzelnen Modelle unterscheiden. In denTropen kann die ENSO besser beschrieben werden, sowohl bezüglich dem räum-lichen Verhalten als auch der Häufigkeit. Jedoch verbleiben Probleme in derAsymmetrie zwischen El Niño- und La Niña-Abschnitten. Einige schwankendeEigenschaften der MJO werden von den meisten AOGCMs berechnet. DieseEreignisse sind jedoch normalerweise zu selten und zu schwach.

AOGCMs sind in der Lage, sehr hohe Temperaturen oder sehr kalte Tage ver-nünftig zu beschreiben. Die Modelle, die im aktuellen IPCC-Report verwendetwerden, um Veränderungen tropischer Wirbelstürme darzustellen, können dieHäufigkeit und die Verteilung der Wirbelstürme in der Gegenwart beschreiben,die Stärke ist jedoch nur schlecht zu simulieren. Die Simulation von extremenNiederschlägen ist abhängig von der Auflösung, der Parametrisierung und desgewählten Grenzbereichs. Im Allgemeinen kann man sagen, dass Klimamodelledazu tendieren, zu viele Tage mit wenig Niederschlag (<10 mm am Tag) undzu wenige Tage mit starken Regenfällen (> 10mm am Tag) vorherzusagen.

EMICs wurden entwickelt, um Fragen zum Klimawandel in der Vergangen-heit und in der Zukunft zu erforschen, für die die umfangreichen AOGCMs nichtangemessen waren, da ihre Anforderungen an die Computer zu groß waren. Dankder reduzierten Auflösung der EMICs und ihre vereinfachte Darstellung einigerphysikalischer Prozesse sind diese Modelle die einzigen, die Schlüsse auf sehrgroßen Skalen zulassen. Seit dem TAR wurden EMICs weiter durch mehrereaufeinander abgestimmte Vergleiche von Modellen ausgewertet, welche aufge-zeigt haben, dass, in großen Skalen, die Ergebnisse der EMICs gut mit Mess-ergebnissen und den Ergebnissen der AOGCMs übereinstimmen. Dies führt zuder Auffassung, dass EMICs genutzt werden können, um Prozesse und Wech-selwirkungen innerhalb Klimasystemen, die sich auf Zeitskalen abspielen, diefür AOGCMs nicht zu erreichen sind, zu verstehen. Die Unsicherheiten in derDarstellung langwieriger Klimaveränderungen kann durch den Gebrauch von

10

EMICs umfangreicher erforscht werden.

3.3 Entwicklungen in analytischen MethodenSeit dem TAR wurde ein beispielloser Aufwand betrieben, um die Ergebnisseneuer Modelle den Wissenschaftlern außerhalb der Modell-Zentren für Prüfun-gen zugänglich zu machen. Achtzehn Gruppen, die für die Entwicklung von Mo-dellen verantwortlich sind, gestalteten eine Auswahl von abgestimmten Standard-Experimenten. Die abschließenden Ergebnisse dieser Modelle, die von hundertenWissenschaftlern auf der ganzen Welt ausgewertet wurden, bilden den Grund-stein für die Bewertung der Modellergebnisse im IPCC-Report. Die Vorteilevon abgestimmten Modellvergleichen beinhalten einen größeren Austausch zwi-schen Modellgruppen, eine schnelere Erkennung und Korrektur von Fehlern, dasSchaffen von standardisierten Berechnungen und eine vollständigere und syste-matische Aufzeichnungen der Modellerfolge.

Ein paar Klimamodelle wurden darauf getestet (und bewiesen), ob sich ihrePrognosen bereits zu Beginn als richtig erweisen, von Wettervorhersagen (einpaar Tage) bis jahreszeitliche Vorhrsagen (Jahre). Diese Fähigkeit, die von Mo-dellen unter solchen Bedingungen gezeigt wurde, stößt zunehmend auf Zustim-mung, dass sie einige der Schlüsselprozesse und Fernverbindungen im Klimasys-tem simulieren können.

3.4 Entwicklungen in der Auswertung von KlimafeedbacksDie Antwort des Wasserdampfes ist das wichtigste Feedback, welches die Emp-findlichkeit des Klimas erhöht. Obwohl die Stärke des Feedbacks zwischen denModellen etwas variiert, ist dessen gesamter Einfluss auf die Empfindlichkeit desKlimas durch die Reaktion des Temperaturgradienten reduziert. Mehrere neueStudien belegen, dass die Luftfeuchtigkeit unter und über der Troposphäre, wiesie in Modellen angegeben wird, sowohl auf die jahreszeitliche und jährlicheSchwankung, als auch auf das Abkühlen, welches von Vulkanausbrüchen inu-duziert worden ist, als auch auf Klimatrends reagiert wie sie auch beobachtetwerden. Aktuelle Messungen und Simulationen stützen die Aussagen über dasFeedback Wasserdampf-Temperaturgradient in der Art, wie es in AOGCMs ge-funden wurde.

Neue Studien bestätigen nochmals, dass die Bandbreite von Modellausagenüber die Empfindlichkeit des Klimas haupsächlich dadurch entsteht, dass dieModelle das Feedback der Wolken unterschiedlich einbauen. Der Einfluss vonKurzwellen auf Wolken in der Grenzschicht und das geringere Ausmaß der Wol-ken in mittleren Höhen bilden die größten Unterschiede zwischen den Modellen.Die relativ schlechte Simulation dieser Wolken im heutigen Klima ist Grundzur Besorgnis. Die Reaktion von tiefen konvektiven Wolken auf die globale Er-wärmung stellt ebenfalls eine große Unsicherheit dar. Stützen sich Modelle aufBeobachtungen und Messungen, so errechnen sie unterschiedliche Stärken undSchwächen des Feedbacks und man kann noch immer nicht sagen, welches Mo-dell am glaubwürdigsten ist.

Trotz der Fortschritte die man seit dem TAR gemacht hat, ist die Antwortder Kryosphäre, wie sie in AOGCMs berechnet wird noch sehr ungewiss. Dasführt zu einem Spektrum von Ergebnissen, besonders in hohen Breitengraden.

11

Verglichen mit der Schwankung durch das Wolken-Feedback, ist die Unsicher-heit bezüglich der Kryosphäre sehr gering. Die Abschätzung des Feedbacks vonMeereis wird verkompliziert durch die strenge Kopplung mit Polarwolken, mitder Wärme des Ozeans und mit dem Frischwassertransport. Die Tatsache, dassaus polaren Regionen zu wenige Messungen vorliegen, erschwert die Berech-nung zusätzlich. Vor kurzem wurden neue Techniken entwickelt das Feedbackder Oberflächen Albedo zu bestimmen. Modelle, die gemacht wurden um denjahreszeitlichen Verlauf von Schnee auf dem Erdboden zu bestimmen, könn-ten für eine indirekte Auswertung der Reaktion der Schnee Albedo unter demKlimawandel genutzt werden.

Systematische Modell-Vergleiche haben geholfen, den Schlüsselprozess zu fin-den, der verantwortlich ist für die unterschiedlichen Modellaussagen bezüglichder Antwort des Ozeans zum Klimawandel. Die Tragweite von Reaktionen vonVeränderungen der Oberflächenströmung für das „Förderband“ der Meere wirdin vielen Modellen nun berücksichtigt. Allerdings gibt es für diese Feedbacksnoch nicht genügend Messungen.

Eine Analyse der Prozesse, die einen Beitrag zu Feedbacks in Modellen leis-ten, und aktuelle Studien, die auf großen Ensembles von Modellen beruhen,deuten darauf, dass es in der Zukunft möglich sein wird, durch mehr Messungendie Bandbreite von Modellvorhersagen weiter einzugrenzen.

4 Die Konstruktion von ModellenSeit dem IPCC Third Assessment Report (TAR) der 2001 veröffentlicht wur-de, haben sich die Modelle weiterentwickelt. Das Grundprinzip ist dabei abergleich geblieben. Jedes Modell geht von fundamentalen physikalischen Gesetzenaus, wie etwa den Newtonschen Gesetzten der Mechanik, diese werden dannunter physikalischen Gesichtspunkten genähert. Konkret bedeutet das zum Bei-spiel die „Näherung“ auf große Maßstäbe. Solche Näherungen sind aber nichtzwingend Einbußen der Qualität, denn im globalen Maßstab kann es sein, dassdie fehlende Information einfach nicht auffällt. Schließlich werden die Formelnmathematisch vereinfacht, damit sie leichter zu berechnen werden. Trotz allerVereinfachungen hat man nur eine begrenzte Rechenkapazität, was bedeutet,dass die Modelle in ihrer Auflösung beschränkt sind (obwohl evtl. das Modellleistungsfähiger wäre). Es gibt Vorgänge, die man noch nicht ausreichend ver-standen hat, welche aber wichtig für die Entwicklung des Klimas wären. SolcheProzesse werden im Modell dann durch Parameter ersetzt, was immer ein gewis-ses Problem darstellt. Denn: Durch Parameter werden Modelle künstlich auf dasaktuelle Klima „getuned“. Wenn also ein bestimmter Prozess zwar gut durch dasModell simuliert wird, aber nur dank von eingestellten Parametern, so sagt dasnichts über die Qualität des Modells aus. Trotzdem wird man sich für Klimavor-hersagen eher auf solch gut getunten Klimamodelle verlassen, als auf solche, diedas aktuelle Klima mit weniger Parameter, dafür aber schlechter beschreiben.Prinzipiell ist es möglich den besten Satz von Parametern zu finden, indem manverschiedene Prozeduren durchspielt. Machbar ist das allerdings nur für EMICsund niedrig aufgelöste GCMs. Ensemble Methoden liefern nicht zwingend einen„besten“ Parameter.

12

5 Das Koppeln von einzelnen KomponentenDa die großen Komponenten des Klimas, wie etwa die Atmosphäre und dieOzeane, alle miteinander wechselwirken, ist es für eine vollständige Beschrei-bung des Klimas nötig, die einzelnen Modelle zu koppeln. Besonders wichtigwerden solche Kopplungen wenn man Simulationen machen möchte, die übergrößere Zeiträume gehen. Allerdings ist die Qualität der gekoppelten Modellenicht zwingen besser als die sog. „stand-alone models“. Denn wenn eine Kompo-nente fehlerhaft arbeitet, so werden falsche Daten an die anderen Komponentengeliefert, weshalb möglicherweise auch die anderen Komponenten schlechte Re-sultate liefern. Ein Beispiel: Werden die Wolken schlecht beschrieben, so hatdies Auswirkungen auf die Strahlungsbilanz, diese wiederum beeinflusst die Be-rechnung der Oberflächentemperatur.

Ein typisches Problem beim Koppeln von Ozeane, Kryosphäre, Land und At-mosphäre, sind die unterschiedlichen Reaktionszeiten. Beispielsweise reagierendie Atmosphäre und die Oberflächentemperatur wesentlich schneller auf äußereEinflüsse als die Ozeane. In den meisten Modellen des 21. Jahrhunderts werdendie Komponenten synchron auf einer Zeitskala von einmal am Tag oder wenigergekoppelt, d.h. innerhalb eines Kopplungsintervalls werden die jeweiligen Flüs-se gemittelt und der Mittelwert dann übertragen. Viele Gruppen schließen dentäglichen Verlauf der Wechselwirkung zwischen Atmosphäre, Land-Vegetationund Meereis ein. Das benötigt ein Kopplungsintervall in der Größe von ein paarStunden oder weniger. Die Kopplung zwischen Atmosphäre und Ozean machtman hingegen nur einmal pro Tag, da hier die Effekte der Wechselwirkung ver-gleichsweise niedrig sind. Ist das Kopplungsintervall zu groß oder zu klein, tre-ten Probleme auf. Ist der Ozean mit der Atmosphäre beispielsweise zu schwachgekoppelt, muss die Windenergie, die das Wasser durchmisschen kann separateingefügt werden. Das MIROC Modell benutzt hingegen ein Kopplungsintervallvon nur drei Stunden. Hier treten künstliche Schwerewellen auf, die man dannwieder wegglätten muss.

Die einzelnen Komponenten unterscheiden sich im Allgemeinen durch ihreArt der Berechnung. Beispielsweise gibt es Unterschiede in der Auflösung (so-wohl räumlich als auch zeitlich), der Kartographie, des verwendeten Koordinate-nystems usw.. Damit Erhaltungsgrößen, bei der Kopplung wirklich erhalten blei-ben sind deshalb „Fluss-Koppler“ zwischen den einzelnen Modell-Schnittstellengeschaltet.

Einige Modelle benutzen sogenannte „Fluss-Anpassungen“. Darunter ver-steht man eine Technik, die Modellen hilft ein stabiles Klima zu simulierenund dass außerdem simulierte Werte eher den beobachteten Entsprechen. Fluss-Anpassungen betreffen beispielsweise Impuls-, Wärme- oder Frischwasser-Ströme.Allerdings geht seit dem TAR der Trend hin zu Modellen, die keine Fluss-Anpassungen verwenden. Ein Nachteil dabei war die lange Verarbeitungszeit derAnpassungen innerhalb der Komponenten, bevor sie gekoppelt werden konn-ten. Es scheint, dass in AOGCMs, die keine Fluss-Anpassung verwenden, dieBedingungen für die Initialisierung flexibler sind. Die Ozeankomponente vie-ler Modelle werden gestartet indem man entweder ganze gerasterte Datensät-ze eingibt oder durch die Eingliederung eines „kleinen Ozean Programms“, dieselbst zum Starten weniger Messungen brauchen. Die Anfangsbedingungen fürdas „kleine Atmosphären Programm“ greift auf vorgefertigte Datensätze vonWasseroberflächen-Temperaturen zurück.

13

Eine wichtige Frage, die sich bei gekoppelten Systemen stellt, ist, wie mandie Modelle am besten auf einem Supercomputer laufen lässt. Eine Möglichkeitwäre es, jeder Komponente einen Satz von Prozessoren zur Verfügung zu stel-len, wobei die Anzahl der Prozessoren von den Anforderungen der jeweiligenKomponente abhängt. Der Idealfall wäre, wenn alle Komponenten gleich schnellarbeiten würden, damit keine Komponente auf die andere warten müsste umFlüsse auszutauschen. Andernfalls wären die Prozessoren nicht voll ausgelastet.Die zweite Möglichkeit ist, alle Prozessoren gleichzeitig für nur eine Komponentezu nutzen, und demnach die Komponenten nacheinander laufen zu lassen. DerVorteil dabei ist, dass kein Prozessor einen Leerlauf hat. Das heißt aber nicht,dass die zweite Variante grundsätzlich besser ist. Bei genauerer Betrachtunghaben beide Herangehensweisen Vor- und Nachteile.

6 Darstellen des Klimas mit einfacheren Model-len

Grundsätzlich kann man ein komplexeres Modell nicht automatisch einem ein-facheren vorziehen. Jedes Modell kann gewisse Fragen besser beantworten alsandere. Die Wahl des Modells ist vielmehr eine Frage des genauen Problems.

Die umfangreichsten Modelle sind AOGCMs. Diese versuchen das Klimamöglichst genau in seiner Gänze und seiner Dynamik nachzubilden. Die Hauptein-schränkung von AOGCMs sind die benötigten Rechenkapazitäten. Selbst wennman nur eine mäßige Auflösung benutzt und die Modelle auf großen Compu-tersystemen laufen lässt, können die AOGCMs nur Simulationen über ein paarJahrzehnte machen. Wegen der kurzen Zeitspanne können die Unsicherheiten,die man mit diesen Modellen hat, auch nur schwer durch Vergleiche erforschtwerden.

Das andere Ende der Komplexität sind sogenannte „Simple Climate Models“(SCM). Die fortschrittlicheren unter ihnen können anhand hoher Parametrisie-rungen folgendes berechnen:

• die Menge an Treibhausgasen, wenn man die zukünftigen Emissionen vor-gibt

• der sich daraus ergebende Strahlungshaushalt

• daraus die globale durchschnittliche Oberflächentemperatur

• darauf der Anstieg des Meerwasserpegels durch das eventuelle Schmelzenvon Eis

Die relativ geringen Computer-Anforderungen erlauben es, viele unterschiedli-che Szenarien durchzuspielen. Da so viele Experimente möglich sind, kann manauch Wahrscheinlichkeitsausaugen über die Zukunft machen. Ungereimtheitenkönnen durch Vergleiche gut erforscht werden. Allerdings sind Simple Clima-te Models auf Ergebnisse von AOGCMs angewiesen. Damit die Resultate vonSimple Climate Models ausführlicher werden, kann man sie so „tunen“, dasssie AOGCM-Charakter haben. Dies ist beispielsweise sinnvoll für Fragen aufglobaler Ebene.

Um die Lücke zwischen AOGCMs und Simple Climate Models zu füllen, wur-den Earth System Models of Intermediate Complexity (EMICs) entwickelt. Da

14

diese Lücke ziemlich groß ist, gibt es auch ein breites Spektrum an EMICs. Nor-malerweise benutzen EMICs eine vereinfachte Atmosphären-Komponente, diedann mit einem AOGCM gekoppelt wird oder sie bestehen aus vereinfachtenAtmosphären- und Ozean-Komponenten. Die EMICs variieren mit dem Gradder Vereinfachung der Komponenten. EMICs benutzen eine niedrigere Auflö-sung, haben aber die meisten Prozesse, die auch AOGCMs haben, allerdings ineiner parametrisierten Form. Trotzdem handelt es sich um richtig gekoppelteSysteme: Die einzelnen Komponenten wechselwirken miteinander. Im Gegen-satz zu Simple Climate Models ist die Anzahl der Freiheitsgrade um einigeGrößenordnungen höher als die Anzahl der Parameter. Trotzdem sind EMICseinfach genug, um mehrere tausend Jahre zu simulieren, manchmal sogar Eis-zeitalter (in der Größenordnung von 100 000 Jahren). Man kann die Parameterpraktisch beliebig variieren, so dass man wie bei Simple Climate Models Un-sicherheiten oder den besten Satz von Parametern erforschen kann. Aufgrunddieser Freiheiten ist es möglich, die Geschichte des Klimas nach interessantenZeiten abzusuchen, um sie dann in AOGCMs genau zu studieren. EMICs sindaußerdem besonders nützlich bei Vorhersagen im großen Maßstab und für dieUntersuchung von Feedbacks. Sowohl die Wolken als auch der Einfluss des Win-des werden in EMICs nur in Form von vorgeschriebenen Werten berücksichtigt.Es ist zunächst nicht klar, wie sich die niedrige Auflösung auf Vorhersagen aus-wirkt, allerdings stimmen im großen Maßstab die Ergebnisse gut mit heutigenMessungen und den Resultaten von AOGCMs überein.

7 Simulation des aktuellen KlimasEs ist entscheidend, dass Klimamodelle den aktuellen Zustand möglichst gutbeschreiben können, da Feedbacks besonders abhängig sind vom jeweiligen Kli-mazustand. Ist ein Modell nicht in der Lage, das aktuelle Klima richtig zu be-schreiben, so wird man nicht darauf vertrauen können, dass dieses Modell dieZukunft richtig darstellt. Bei der Konstruktion eines neuen Modells ist daherdas erste Ziel, die Gegenwart richtig zu simulieren.

Da aber kein Modell fehlerfrei ist, benutzt man gerne „multi-model Simula-tionen“. Darunter versteht man die Mittelung über alle einzelnen Modelle. DerVorteil dabei ist, dass sich viele Fehler gegenseitig aufheben, sich also „raus-mitteln“. Übrig bleiben hauptsächlich die systematischen Fehler, die man danndurch Vergleich mit den tatsächlich gemessenen Werten analysieren kann. Mannkann sagen, dass die Mittelwerte von multi-model Simulationen das Klima bes-ser beschreiben, als die einzelnen Modelle. Man ist im Umkehrschluss auch anverschiedenen Modellen interessiert, und favorisiert nicht nur ein einziges.

Die zwei folgenden Abschnitte sollen als Beispiel für Ergebnisse von gekop-pelten globalen Modellen dienen.

7.1 Die TemperaturverteilungSoll ein Modell den jahreszeitlichen oder täglichen Temperaturverlauf korrektsimulieren, so muss es eine Vielzahl von Prozessen richtig beschreiben können.Die Verteilung des Jahresdurchschnitts der Temperatur im globalen Maßstab istvor allem abhängig von der Sonneneinstrahlung, die wiederum von der Wolken-verteilung abhängt, anderen Wärmeströmungen auf der Oberfläche und anderen

15

Abbildung 5: die Beschriftung der Linien steht für die gemessene Lufttemperatur anLand bzw. die obere Wassertemperatur im Jahresdurchschnitt; die farbigen Bereichezeigen die Abweichung zum Mittelwert des Hauptmodels (Simulation minus Haupt-modell)

Energietransporten der Energie durch die Atmosphäre. Die Ozeane spielen hiereine geringere Rolle. Der jahreszeitliche und tägliche Verlauf der Temperaturhängt natürlich von diesen Faktoren ab, allerdings muss man hier noch berück-sichtigen, dass die Ozeane in den oberen Schichten auch Wärmeenergie speichernkönnen. Der Einfluss der Wärmeaufnahme des Erdbodens fällt dagegen geringeraus.

Bild 5 ist ein Ergebnis einer Multi-Modell Simulation: Die beschrifteten Li-nien zeigen die Orte, wo im Jahresdurchschnitt gleiche Temperaturen gemessenwurden. Die Farben stehen für Abweichungen zum Mittelwert des Hauptmo-dells. Rote Farben zeigen an, dass die berechnete Temperatur zu hoch ist, blaueFarben, dass sie zu niedrig ausgefallen sind. Man erkennt, dass der mittlereFehler weniger als zwei Grad beträgt, wenn man von mess-armen Regionen ab-sieht. Für einzelne Modelle liegt der Fehlerbereich innerhalb von drei Grad,zumindest außerhalb der hohen Breitengrade (siehe auch Abbildung 6). MancheAbweichungen lassen sich dadurch erklären, dass die zu Grunde liegende Topo-graphie nicht gut genug ist. Im Modell tendieren die Oberflächen glatter zu seinals in Wirklichkeit. Man kann erkennen, das die einzelnen Modelle generell dazutendieren, die Temperaturen zu niedrig darzustellen. Die Frage ist nun, wie sichsolche systematischen Fehler auf äußere Störungen auswirken. Betrachtet mandie jahreszeitlichen Temperaturverläufe (nicht im Bild zu sehen) so stellt manfest, dass sie trotz der obigen Abweichungen größtenteils richtig wiedergegebenwerden. Der Korrelations-Koeffizient zwischen Simulation und Messung eineslokalen Musters im Jahresdurchschnitt beträgt 0,98 für einzelne Modelle. Mankann deshalb sagen, dass die Hauptprozesse alle vernünftig beschrieben werdenkönnen.

Ein weiterer Punkt ist die Auswertung des jährlichen Temperaturverlaufs.Bild 7 zeigt die Standardabweichung des Monats-Durchschnitts der Oberflä-chentemperatur im Jahreskreislauf und farbig den absoluten Fehler des Haupt-

16

Abbildung 6: Größe des typischen Fehlers pro Model. Als Maß dafür benutzt mandie Wurzel der quadratischen Standardabweichung

Abbildung 7: Beobachtete Standardabweichung der Lufttemperatur bzw. der oberenWassertemperatur des monatlichen Mittelwerts im Jahreskreislauf (beschriftete Lini-en) und der Fehler des Hauptmodells (Simulation minus Messung, farbige Bereiche)

17

Abbildung 8: gemessener Temperaturbereich pro Tag im jährlichen Mittel; dunkel-blau steht für eine kleine Schwankung, dunkelrot für große

Abbildung 9: simulierter Temperaturbereich pro Tag im jährlichen Mittel; dunkel-blau steht für eine kleine Schwankung, dunkelrot für große

modells bezüglich der Standardabweichungen. An diesem Bild kann man alsoden Beitrag von Prozessen sehen, die jährlich oder halbjährlich ablaufen. Dasgrundsätzliche Muster, dass die Schwankung in höheren Breitengraden größerals am Äquator ist, findet man sofort wieder. Man sieht, dass die absoluten Ab-weichungen zwischen Modell und Messung hier i.d.R geringer als ein Grad sind.Auch in Gebieten, wo die monatliche Standardabweichung über zehn Grad ist,ist der Unterschied zwischen Simulation und Messung fast immer innerhalb zweiGrad. Besonders fällt auf, dass im östlichen Sibirien die Temperaturschwankun-gen unterschätzt sind. Wenn man von einzelnen Ausnahmen absieht, ist aufglobaler Ebene der Temperaturverlauf gut dargestellt. Man darf aber an dieserStelle nicht vergessen, dass die Modelle auf globaler Ebene besser funktionierenals auf regionaler Ebene.

Die gleichen Überlegungen kann man auch für die täglichen Temperatur-schwankungen anstellen. Abbildung 8 und 9 zeigen den gemessenen und den

18

Abbildung 10: mittlerer Fehler des Hauptmodels (Simulation minus Messung), lilasteht für weniger als minus zehn Grad, dunkelrot für über plus zehn Grad

Abbildung 11: gemessene Lufttemperatur im jährlichen und zonalen Mittel in Ab-hängigkeit der Höhe

berechneten Temperaturbereich (nicht die Standardabweichung) innerhalb dendie Tagestemperaturen im Mittel schwanken. Die Werte für Ozeane wurdenin Abbildung 8 weggelassen, da hier erstens die Tagesschwankungen zu geringausfallen und zweitens hier zu wenig Messungen vorliegen. Wie man Bild 10entnehmen kann ist die Schwankung meistens zu klein ausgefallen. Manchmalbeträgt der relative Fehler 50%. Am besten beschreiben lassen sich die Tages-schwankungen über klare, trockene Gebiete. Warum die Schwankun meistenszu klein ausfällt, ist noch nicht verstanden, liegt aber möglicherweise an einerschlechten Parametrisierung der Grenzschicht Boden-Atmosphäre. Ein weitererGrund könnte das Wechselspiel von frierenden und auftauenden Böden sein.Schließlich haben Wolken auf den Tagesverlauf Einfluss, welche nur schlechtbeschrieben werden können.

Die Bodentemperaturen hängen eng mit den Lufttemperaturen darüber zu-sammen. Das gilt besonders bei mittleren Breitengraden, wo Kalt- und Warm-

19

Abbildung 12: berechnete Lufttemperatur im jährlichen und zonalen Mittel in Ab-hängigkeit der Höhe

Abbildung 13: mittlerer Fehler des Hauptmodells bezüglich dem vertikalen Profil derLufttemperatur (Simulation minus Messung); dunkelblau steht für -7.5 Grad, dunkel-rot für +7,5 Grad

20

Abbildung 14: beim Modell UKMO-HadGEM1 fällt das typische Problem der zuniedrigen Temperaturen in hohen Breitengraden in der Höhe der Tropopause nurschwach aus

Fronten für große Temperaturbereiche sorgen. Deshalb gibt es großes Interessedas vertikale Profil der Atmosphären-Temperatur zu beschreiben. Wie man inden Abbildungen 11 bis 13 sehen kann, beträgt der mittlere Fehler weniger alszwei Grad, wobei die Temperaturspanne mehr als 100 Grad beträgt, wenn mandie Troposphäre ganz mit einschließt. Auch wenn es besser wird, hat man imm-me noch ein Problem, das seit vielen Jahren besteht: die zu niedrig berechnetenTemperaturen bei hohen Breitengraden in der Höhe der Tropopause (siehe Ab-bildung 13). Bei manchen Modellen tritt dieses nicht Problem nur schwach auf,aber wahrscheinlich nur deshalb, weil sich Fehler gegenseitig kompensieren (sie-he Abbildung 14).

7.2 Die Verteilung von NiederschlagSchon aus rein praktischem Nutzen ist es interessant zu wissen, wie sich derNiederschlag verteilt, und das nicht nur auf globaler, sondern auch auf regionalerEbene. Im Gegensatz zur Temperatur auf globaler Ebene ist hier nicht nur dieSonneneinstrahlung und die Verteilung der Kontinente wichtig, sondern auch dievertikale Bewegung der Luft, die wiederum von der Bodenbeschaffenheit und denatmosphärischen Unbeständigkeiten abhängt. Um den saisonalen Verlauf richtigdarzustellen, muss man zusätzlich noch ein Reihe von Prozessen beschreibenkönnen. Dazu zählt die Verdunstung, die Kondensation und der Transport vonFeuchtigkeit.

Die Bilder 15 und 16 zeigen die mittlere gemessene bzw. simulierte Nieder-schlagsmenge pro Jahr. Man kann erkennen, dass in höheren Breiten die Nieder-schläge geringer als am Äquator ausfallen. Der Grund dafür liegt in der Tatsache,dass bei niedrigeren Temperaturen weniger verdunstet und dass der niedrigeregesättigte Dampfdruck kühler Luft es verhindert, dass Feuchtigkeit aus ande-ren Regionen hintransportiert wird. Die grobe Verteilung des Hauptmodells ist,wie man an den Bildern sehen kann, wieder wie die der Messung. Man kannauch die niederschlagsarme Zone beim Äquator sehen, was eine Folge der Inner-tropischen Konvergenzzone (ITCZ) ist. Die absinkende Luft in den Subtropen

21

Abbildung 15: gemessene mittlere Niederschlagsmenge pro Jahr

Abbildung 16: Simulation des Hauptmodells der mittleren Niederschlagsmenge proJahr

22

verdrängt die Niederschläge. Es entstehen Stürme, was die Niederschläge in denmittleren Breitengraden fördert. Das Niederschlags-Muster im großen Maßstabkann das Hauptmodell also gut simulieren, weshalb man zum Schluss kommt,dass die Modelle diese Atmosphärenzirkulationen vernünftig beschreiben. Ge-nerell kann man aus anderen Gründen sagen, dass man den jährlichen Verlaufdes Niederschlags-Musters seit der letzten paar Jahre immer besser gelernt hatzu beschreiben.

Die Modelle können aber auch einige regionale Muster berechnen. Dazu ge-hören beispielsweise die Haupt-Konvergenzzone und die Maxima über den tro-pischen Regenwäldern. Allerdings gibt es unter den Modellen eine Tendenz, denNiederschlag über den Amazonas zu unterschätzen. Außerdem reicht die ITCZzu weit nach Osten und ist den Breitengraden zu parallel ausgerichtet. In denmeisten Modellen ist das Maximum im tropischen Atlantik zu schwach, dafürgibt es im Süden des Äquators zu viel Regen. Auch das Gebiet im indischenOzean weist einige systematische Fehler auf. Manche Fehler entstehen aus denWerten der Oberflächentemperatur von gekoppelten Modellen. Aber auch Mo-delle, die nur die Atmosphäre behandeln, sind nicht wirklich besser.

8 Vorhersagen für das zukünftige Klima

8.1 Emissionsszenarien - Grundlage der Simulationen im4. IPCC-Report

Die Emissionsszenarien des Special Report on Emission Scenarios (SRES) ent-halten Abschätzungen hinsichtlich des Bevölkerungs- und Wirtschaftswachs-tums im 21. Jahrhundert und lassen sich in die vier charakteristischen Szenario-Familien A1, B1, A2 und B2 einteilen.A1-Szenarien Familie:Hier wird ein rasches Wirtschaftswachstum prognostiziert, die Weltbevölkerungsteigt zunächst an, nimmt aber ab Mitte des 21. Jahrhunderts wieder ab. Wirt-schaftliche, kulturelle und soziale Interaktion begünstigen eine rasche Einfüh-rung neuer und effizienterer Technologien - bezüglich der unterschiedlichen Aus-richtungen der technologischen Entwicklung lässt sich die A1-Szenario-Familie indrei weitere Szenarien-Familien unterteilen: A1FI (fossilintensiv), A1T (nicht-fossile Energiequellen), A1B (ausgewogene Nutzung fossiler und nichtfossilerEnergiequellen).A2-Szenarien Familie:Das Streben nach Autarkie und die Bewahrung lokaler Identitäten führen zugroßen regionalen Unterschieden und einer langsamen technologischen Entwick-lung; außerdem wird eine stetig anwachsende Weltbevölkerung angenommen.B1-Szenarien Familie:Die Entwicklung der Weltbevölkerung ist ähnlich der in A1: Nach Erreicheneines Maximums Mitte des 21. Jahrhunderts nimmt sie wieder ab. Die wirt-schaftlichen Strukturen entwickeln sich hin zu einer Dienstleistungs- und Infor-mationsgesellschaft; weiter sind ein Rückgang des Materialverbrauchs und dieEinführung von sauberen und ressourcen-effizienten Technologien zu beobach-ten. Es wird eine globale Lösung für wirtschaftliche, soziale und umweltgerechteNachhaltigkeit gesucht.B2-Szenarien Familie:

23

Hier wird eine Welt beschrieben, in der der Schwerpunkt auf lokalen Lösun-gen für wirtschaftliche, soziale und umweltgerechte Nachhaltigkeit liegt. DieWeltbevölkerung steigt stetig, aber langsamer als in A2 an, die wirtschaftlicheEntwicklung ist mittelmäßig. Auch hier sind Umweltschutz und soziale Gerech-tigkeit wichtige Gesichtspunkte.

Für jede dieser sechs Szenarien-Familien A1B, A1FI, A1T , A2, B1 und B2wurde ein illustratives Szenario ausgewählt; die hauptsächlich im IPCC-Reportverwendeten Szenarien sind B1, A1B und A2, die mit einem langsamen, mit-telmäßigen bzw. starken Anstieg der Emissionen rechnen.

Neben diesen realitätsbezogenen Emissions-Szenarien werden im IPCC-Reportauch idealisierte Langzeit-Szenarien als Grundlage für Simulationen herangezo-gen:stabilisation scenarios: Hier wird die Konzentration der Treibhausgase ab einembestimmten Zeitpunkt auf einen konstanten Wert gesetzt. Für die erste Grup-pe dieser Szenarien ist diese Konzentration konstant bei den entsprechendenWerten für das Jahr 2000 und läßt eine Prognose bis 2100 zu. Für eine weitereGruppe sind die Konzentrationen konstant bei Werten für das Jahr 2100, be-rechnet aus den Szenarien A1B und B1. Hier ist eine Prognose für weitere 100bis 200 Jahre möglich.Desweiteren gibt es zero emission commitment scenarios, in welchen die Emis-sionen im Jahr 2100 auf 0 gesetzt werden, und overshoot scenarios, in welchendie Konzentration der Treibhausgase nach dem Jahr 2150 reduziert wird.

8.2 Fehlerquellen bei der Erstellung eines Klima-Modells

Abbildung 17: Fehlerquellen bei der Erstellung eines Klimadiagramms; die untereZeile für das A1B-Szenario ist zur Veranschaulichung aus Abbildung 18 entnommen

Fehler und Unsicherheiten treten auf verschiedenen Entwicklungsstufen einesKlima-Modells auf. Zunächst müssen die Emissionen, die durch ein bestimmtesEmissions-Szenario vorgegeben sind, mit Hilfe verschiedener biochemischer Mo-delle in die entsprechenden Konzentrationen der einzelnen Treibhausgase in derAtmosphäre umgerechnet werden. Diese Konzentrationen werden anhand vonverschiedenen Strahlungs-Schemata und geeigneter Parametrisierung in einenStrahlungsantrieb (englisch: radiative forcing) umgewandelt; der Strahlungsan-

24

Abbildung 18: CO2-, CH4 -und SO2-Emissionen für die sechs SRES-SzenarienA1B, A1FI, A1T , A2, B1 und B2, deren entsprechende CO2-, CH4- und SO2-Konzentration, der daraus resultierende Strahlungsantrieb und die globale Durch-schnittstemperatur; die Simulationen sind erstellt von einem SCM, abgestimmt auf19 AOGCMs

25

trieb ist eine Größe, die den weiteren Berechnungen zu Grunde liegt. Schließlichwird die Reaktion der einzelnen Komponenten des Klimasystems (z.B. Tempera-tur) auf den zusätzlichen Strahlungsantrieb in einem umfassenden Klima-Modellberechnet. Die einzelnen Entwicklungsstufen und die mit ihnen verbundenenFehlerquellen sind in Abbildung 17 dargestellt.Weitere Fehler treten bei der mathematischen Formulierung des Kohlenstoff-Kreislaufs und der Bestimmung seiner nicht zu vernachlässigenden Rückkopp-lungseffekte auf. Diese Unsicherheiten können jedoch in einem umfassendenKlima-Modell durch physikalische und chemische Darstellungen dieser Prozes-se quantitativ eingeschätzt werden. Weitere Fehlerabschätzungen werden durchausreichende Beobachtungsdaten, eine hierarchische Anordnung der einzelnenKlima-Modelle und Ensemble-Simulationen erzielt. Allerdings beinhaltet auchdie Wahl der Beobachtungsdaten und die mit ihnen verbundenen systematischenFehler eine weitere Fehlerquelle.Wie sich die Fehler quantitativ auf die Vorhersagen des zeitlichen Verlaufsdes Strahlungsantriebs und der Temperatur auswirken, ist für sechs illustra-tive Emissionsszenarien in Abbildung 18 dargestellt.An dieser Stelle muss ausdrücklich betont werden, dass die Unsicherheiten be-züglich der zukünftigen Entwicklung der Treibhausgaskonzentrationen gänzlichanderer Natur sind.

8.3 Vorstellen einiger Ergebnisse8.3.1 globale Erderwärmung

In der linken Spalte von Abbildung 19 sind einige Zeitreihen verschiedener Mo-delle für die Änderung der globalen Durchschnittstemperatur auf der Erdober-fläche dargestellt; daneben ist auch der Mittelwert aller Modelle für die Er-wärmung angegeben. Die Werte geben die absolute Änderung der Temperaturrelativ zu den Jahren 1980 bis 1999 an; in dieser Periode lag der Mittelwert derTemperatur bei 13, 6◦C.Für jedes Jahr zeigt sich ein weites Spektrum an Ergebnissen, allerdings nimmtder Betrag der internen Abweichungen der einzelnen Modelle untereinander ent-lang der Zeitskala im Vergleich zum Mittelwert ab und ist schließlich nur nochein Bruchteil des Mittelwerts der Erderwärmung - ein eindeutiges Ansteigen derTemperatur ist also zu erwarten.Entsprechend der Annahmen der einzelnen Emissionsszenarien ist die Erwär-mung am größten für das Szenario A2, das einen starken Zuwachs an Treibh-ausgasen representiert; der Mittelwert des Temperaturanstiegs im Vergleich zumEnde des 20. Jahrhunderts liegt bei etwa 3, 5◦C im Jahr 2100. Ein mittelmäßigerAnstieg der Temperatur von etwa 2, 8◦C ist für das Szenario A1B zu erwarten,der geringste Anstieg von etwa 1, 8◦C im Jahr 2100 folgt für das Szenario B1.Allerdings variieren die Trends der mittleren Temperaturzunahme etwas im Ver-lauf des 21. Jahrhunderts, was auf die unterschiedlichen Einflüsse des Strah-lungsantriebs und weiterer Größen zurückzuführen ist. Wie beispielsweise inAbbildung 20 zu sehen ist, ist um das Jahr 2040 herum der Mittelwert allerModelle für das Szenario A1B, das einen geringeren Anstieg der Emissionen an-nimmt als das Szenario A2, größer als der Mittelwert für das Szenario A2, daseinen starken Anstieg der Emissionen prognostiziert. Die Werte für die Tempe-

26

Abbildung 19: Zeitreihen für die Änderung der durchschnittlichen globalen Oberflä-chentemperatur in ◦C (links) und der durchschnittlichen globalen Niederschlagsmengein % (rechts) im Vergleich zum Mittelwert der Jahre 1980 bis 1999; diese Darstellungbeinhaltet Berechnungen verschiedener global coupled models für die Szenarien A2(oben), A1B (Mitte) und B1 (unten); Werte in Klammern geben die Anzahl der ge-zeigten Simulationen wieder; der Mittelwert des gesamten Modell-Ensembles ist mitschwarzen Punkten dargestellt

27

Abbildung 20: Mittelwerte einiger Modelle für die Änderung der Oberflächentem-peratur im Vergleich zu den Jahren 1980 bis 1999 für die Szenarien A2, A1B undB1 sowie ein constant composition commitment scenario; Werte für die Zeit nach2100 basieren auf stabilisation scenarios, in denen die Konzentration der Treibhaus-gase auf dem Wert des Jahres 2100 konstant bleibt; Linien zeigen den Mittelwert desModell-Ensembles, ausgegraute Flächen markieren die Standardabweichung der ein-zelnen Modelle; die farbigen Nummern geben die Zahl der Modelle für jeden Zeitraumund jedes Szenario an

raturänderung nach dem Jahr 2100 sind eine Fortführung der Simulationen aufGrundlage von idealisierten Szenarien (englisch: constant composition commit-ment scenarios), die eine konstante Konzentration der Treibhausgase ab demJahr 2100 annehmen.Die internen Schwankungen der einzelnen Modellergebnisse können reduziertwerden, indem über einen Zeitraum von 20 Jahren gemittelt wird; diese Zeit-spanne ist kürzer als die traditionelle klimatologische Zeitspanne von 30 Jah-ren, um das kurzzeitige Wesen der Simulationen und den größeren Umfang desModell-Ensembles zu berücksichtigen.Tabelle 21 zeigt den Mittelwert aller Modelle für die Erwärmung relativ zum

Abbildung 21: Änderung der globalen Durchschnittstemperatur, gewonnen aus demMittelwert der Modelle aus Abbildung 19, für vier Zeiträume im Vergleich zu denJahren 1980 bis 1999 (Durchschnittstemperatur bei 13, 6◦C); ´Commit´ verweist aufein constant composition scenario

Temperaturdurchschnitt der Jahre 1980 bis 1999 für drei Zeiträume im 21. Jahr-hundert, nämlich für den Beginn (2011 bis 2030), die Mitte (2046 bis 2065) und

28

das Ende des 21. Jahrhunderts (2080 bis 2099).Die Vorhersagen für den Beginn des 21. Jahrhunderts sind fast unabhängig vonder Wahl des Emissions-Szenarios, die Abweichungen der einzelnen Werte betra-gen maximal 0, 05◦C (diese Abschätzungen sind jedoch nur für die Mittelwertegültig, die Unsicherheiten in den Vorhersagen der einzelnen Klima-Modelle sinddeutlich größer!). Die Hälfte des Temperaturanstiegs, etwa 0, 37◦C, ist auf denjetzt schon verwirklichten Klimawandel zurückzuführen.Für die Mitte des 21. Jahrhunderts wird die Wahl des Szenarios wichtig, hierbetragen die Abweichungen der einzelnen Szenarien untereinander schon bis zu0, 46◦C. Etwa ein Drittel der Erwärmung ist auf den schon bemerkbaren Kli-mawandel zurückzuführen.Gegen Ende des 21. Jahrhunderts weichen die Werte der Szenarien schon umbis zu 1, 3◦C voneinander ab, mindestens 18% sind dem heutigen Klimawandelzuzuschreiben.Eine graphische Methode, die Breite der Fehler und die Wahrscheinlichkei-

Abbildung 22: Wahrscheinlichkeitsdichtefunktionen (englisch: Probability DensityFunctions PDFs) von unterschiedlichen Modellen für die Änderung der globalen Durch-schnittstemperatur für die Szenarien B1, A1B und A2, sowohl für die Jahre 2020 bis2029 als auch für die Jahre 2090 bis 2099 im Vergleich zum Durchschnittswert derJahre 1980 bis 1999

ten für den Betrag einer Klimakomponente anzugeben, ist die Wahrscheinlich-keitsdichtefunktion (englisch: Probability Density Function PDF). Abbildung

29

22 zeigt die Unsicherheiten in der Berechnung als relative Wahrscheinlichkeitenpro Grad Celsius für die geschätzte mittlere globale Erwärmung. PDFs sind hierfür die Jahre 2020 bis 2030 und die Jahre 2090 bis 2100 dargestellt (beachte,dass dies andere Zeiträume sind als in Tabelle 21).Zwei wesentliche Gesichtspunkte sind aus dieser Darstellung ersichtlich: erstensist für den ersten Zeitraum von 2020 bis 2029 die Übereinstimmung zwischenden einzelnen Modellen und Methoden zur Berechnung der PDFs größer als fürden zweiten Zeitraum von 2090 bis 2099; zweitens wird für den ersten Zeitraumunabhängig vom zu Grunde liegenden Szenario B1, A1B, oderA2 derselbe Wertvon etwa 0, 7◦C für die Erderwärmung angegeben, für den zweiten Zeitraumführt die Wahl des Szenarios zu signifikanten Unterschieden in den Ergebnissen.Außerdem wachsen die Unsicherheiten in der Vorhersage in den meisten Unter-suchungen beinahe linear mit der Temperatur.

Abbildung 23: regionale Durchschnittswerte für die Änderung der Oberflächentem-peratur entlang geographischer Breite sowohl über Land als auch über den Ozeanen,für die Jahre 2080 bis 2099 im Vergleich zu den Jahren 1980 bis 1999; links ist dielokale Änderung ins Verhältnis gesetzt zur mittleren globalen Änderung der Tempe-ratur, rechts nicht; die Ergebnisse des Mittelwerts eines Multi-Modell-Ensembles sindgezeigt für das A2-Szenario und ein commitment-Szenario

Regionale Mittelwerte für die Temperaturerhöhung entlang geographischerBreite werden in Abbildung 23 gezeigt. Die Graphiken vergleichen vergleichendie Werte für den Zeitraum von 2080 bis 2099 mit dem Zeitraum von 1980 bis1999. Im linken Diagramm wird der absolute Wert der regionalen Abweichungrelativ zum mittleren globalen Temperaturanstieg angegeben.Über Landmassen ist die Erwärmung größer als der globale Mittelwert, außerin den südlichen mittleren Breiten. Die Erwärmung über den Ozeanen ist gerin-ger als der globale Mittelwert, eine Ausnahme bilden die hohen geographischenBreiten - Grund hierfür sind die positiven Rückkopplungseffekte von Schneeund Eis. Dieses Muster der regionalen Temperaturänderungen im Verhältniszum globalen Durchschnittswert ist für alle Emissions-Szenarien ähnlich.Eine weitere Veranschaulichung der regional unterschiedlichen Oberflächener-wärmung ist in Abbildung 24 gegeben.

8.3.2 Niederschlag

Mit dem Anstieg der Temperatur ist ein Anstieg der durchschnittlichen Nieder-schlagsmenge verbunden - darin sind sich alle Modelle einig.In Abbildung 25 sind lokale und jahreszeitliche Änderungen der Temperatur

30

Abbildung 24: durchschnittliche Änderung der Oberflächentemperatur in ◦C für dieSzenarien B1 (oben), A1B (Mitte) und A2 (unten), und für drei Zeiträume, nämlichfür die Jahre 2011 bis 2030 (links), 2046 bis 2065 (Mitte) und 2080 bis 2099 (rechts);die Änderungen sind jeweils im Vergleich zum Durchschnittswert der Jahre 1980 bis1999 gegeben

Abbildung 25: Änderungen der Oberflächentemperatur (in ◦C, links), der Nieder-schlagsmenge (in mm pro Tag, Mitte) und des Drucks für die Monate Dezember,Januar, Februar (oben) und Juni, Juli, August (unten); die Änderungen sind Mittel-werte eines Multi-Modell-Ensembles für das SRES-Szenario A1B für die Jahre 2080bis 2099 im Vergleich zu den Jahren 1980 bis 1999; gepunktete Flächen zeigen an, dasshier der Betrag des Mittelwertes des Multi-Modell-Ensembles die Standardabweichungübersteigt

31

und der Niederschlagsmenge für die Jahre 2080 bis 2099 im Vergleich zu denJahren 1980 bis 1999 für das Szenario A1B dargestellt. Gepunktete Gebiete ge-ben an, dass hier der Betrag des Mittelwertes des Multi-Modell-Ensembles dieStandardabweichung übersteigt, hier stimmen die Modelle also gut überein; fürdie Änderung des Niederschlags gibt es häufiger verschiedene Werte der einzel-nen Modelle als für die Änderung der Oberflächentemperatur.Große Übereinstimmung gibt es darin, dass es mehr Niederschläge in Gebietenhoher Breitengrade zu beiden Jahreszeiten, Sommer wie Winter, geben wird.Ein weiterer Anstieg der Niederschlagsmenge ist über den Ozeanen entlang desÄquators und in einigen Monsun-Regionen (z.B. Südasien im Sommer, Austra-lien im Winter) zu erwarten. Ein breitgefächertes Spektrum an Prognosen gibtes für eine Abnahme der Niederschlagsmenge in Gebieten mittlerer Breite; einigsind sich die Modelle, dass sich die Niederschlagsmenge über vielen subtropi-schen Gebieten verringern wird.

Abbildung 26: Änderung der Niederschlagsmenge in mm pro Tag als Mittelwert ei-nes Multi-Modell-Ensembles; die Änderungen sind jährliche Mittelwerte für das SRES-Szenario A1B für die Jahre 2080 bis 2099 im Vergleich zu den Jahren 1980 bis 1999;gepunktete Flächen zeigen an, dass hier mindestens 80% der Modelle mit dem Vorzei-chen der mittleren Änderung der Niederschlagsmenge übereinstimmen

Eine weitere Graphik dieser Art ist in Abbildung 26 zu sehen. Sind Flächengepunktet, bedeutet dies, dass mindestens 80% der Modelle mit dem Vorzeichender mittleren Änderung der Niederschlagsmenge übereinstimmen. Ein Anwach-sen von mehr als 20% ist über den meisten Gebieten hoher geographischer Breite,sowie in Ostafrika, Zentralasien und im Pazifik entlang des Äquators zu erwar-ten. Die Änderung über den Ozeanen zwischen 10◦ S und 10◦ N trägt in etwazur Hälfte zum globalen Mittelwert bei. Beträchtliche Abnahmen bis zu 20%sind in den mediterranen Gebieten, in der Karibik und an den subtropischenWestküsten jedes Kontinents zu erwarten.Diese globalen Muster bezüglich der Änderung der Niederschlagsmenge geltenauch für die anderen SRES-Szenarien.

Auch aus Abbildung 27 lässt sich ein eindeutiger Zuwachs der Niederschlägenahe des Äquators und in den Gebieten hoher geographischer Breite ablesen.Die Ergebnisse hinsichtlich der Werte, die in Relation zum Mittelwert des globa-len Temperaturanstiegs gesetzt sind (linkes Diagramm) sind ähnlich für die vier

32

Abbildung 27: regionale Durchschnittswerte für die Änderung der Niederschlags-menge entlang geographischer Breite sowohl über Land als auch über den Ozeanen,für die Jahre 2080 bis 2099 im Vergleich zu den Jahren 1980 bis 1999; links ist dielokale Änderung ins Verhältnis gesetzt zur globalen Änderung der Temperatur, rechtsnicht; die Ergebnisse des Mittelwerts eines Multi-Modell-Ensembles sind gezeigt fürdas A2-Szenario und ein commitment-Szenario

angegeben Szenarien; eine Ausnahme ist das commitment-Szenario, das eine re-lativ große Zunahme der Niederschläge über den Ozeanen entlang des Äquatorsvorhersagt.Eine beträchtliche Abnahme ist dagegen in den Subtropen und den mittlerenBreiten sowohl der Nord- als auch der Südhalbkugel zu erwarten.

8.3.3 Veränderungen in der Arktis und Antarktis

Positive Rückkopplungseffekte von Schnee und Meereis und andere Prozesseführen im 21. Jahrhundert zu einer Erwärmung in hohen geographischen Brei-ten. Der Temperaturanstieg ist besonders groß im Herbst und frühen Winter.Hinsichtlich der quantitativen Änderungen in der Ausdehnung des Meereisesgibt es eine große Spannweite an Prognosen, sowohl bezüglich der einzelnen zuGrunde liegenden Emissions-Szenarien als auch innerhalb der einzelnen Modelle(vgl. Abbildung 28). Ein wichtiges Merkmal ist aber allen Simulationen gemein-sam: Die Ausdehnung des Meereises im Sommer nimmt viel schneller ab als dieAusdehnung im Winter. Neben der Ausdehnung wird sich auch die Dicke desMeereises ändern; Bitz und Roe (2004) sagen voraus, dass das arktische Meereisan den Stellen am schnellsten dünner wird, an denen es anfangs am dickstenist - das Volumen des arktischen Meereises nimmt also schneller ab als seineAusdehnung. Im Vergleich zum arktischen Meereis wird die Ausdehnung desMeereises in der Antarktis langsamer abnehmen.In den folgenden Punkten stimmen die meisten Klima-Modelle überein: die Än-derung der Oberflächentemperatur wird ein Maximum im Herbst und im frü-hen Winter erreichen, die Ausdehnung des Meereises wird immer mehr saisonalausgerichtet sein, das arktische Meereis wird schneller verschwinden als das ant-arktische Meereis und der nordwärts gerichtete Wärmetransport im Ozean wirdansteigen.Prognosen bezüglich der Abnahme der Meereisdicke und des gesamten Klima-wandels in den Polarregionen sind jedoch sehr unterschiedlich, da die Prozessein diesen Regionen noch unzureichend erforscht sind.

33

Abbildung 28: Änderung der Ausdehnung des Meereises als Mittelwert eines Multi-Modell-Ensembles für das 20. und 21. Jahrhundert auf Grundlage der Szenarien A2,A1B und B1 sowie das commitment-Szenario, sowohl für die Nordhalbkugel (oben), alsauch für die Südhalbkugel (unten), und die Monate Januar bis März (links) und Juli bisSeptember (rechts); durchgezogene Linien zeigen den Mittelwert, ausgegraute Flächenmarkieren die Standardabweichung; die Änderung ist im Vergleich zum Mittelwert derJahre 1980 bis 2000 gegeben; die Zahlen in Klammern geben die Anzahl der einzelnenModelle wieder

34

8.3.4 Anstieg des Meeresspiegels

Abbildung 29: globaler Mittelwert für den Anstieg des Meeresspiegels aufgrund ther-mischer Expansion während des 21. Jahrhunderts relativ zu den Jahren 1980 bis 1999,für die Szenarien A1B, A2 und B1

Der größte Teil des Anstiegs (etwa 70%) ist auf die thermische Expansion desMeerwassers zurückzuführen. Wie ja hinreichend bekannt ist, dehnt sich Wasserbei Temperaturerhöhung aus.Abbildung 29 stellt die Ergebnisse von 17 AOGCMs für die Szenarien A1B,A2 und B1 zusammen. Die resultierenden Zeitreihen verlaufen ziemlich glattim Vergleich zu den Graphen für den Temperaturanstieg; Grund dafür ist dieTatsache, dass die thermische Expansion die im gesamten Ozean gespeicherteWärmemenge widerspiegelt, die proportional zum Zeitintegral der Temperatur-änderung ist; die Abläufe im Ozean spielen sich auf einer viel größeren Zeitskalaab als die Abläufe in der Atmosphäre.Für den Beginn des 21. Jahrhunderts sind die Werte für alle drei Szenarien inetwa gleich, die thermische Ausdehnung liegt bei 1, 3± 0, 7 mm pro Jahr; dieserWert ist doppelt so hoch wie der Wert für den Zeitraum von 1961 bis 2003 mit0, 42 ± 0, 12 mm pro Jahr, aber gleich dem Wert von 1, 6 ± 0, 5 mm pro Jahrfür die Jahre 1993 bis 2003. Für die Jahre 2080 bis 2100 liegt der Wert für denAnstieg des Meeresspiegels aufgrund thermischer Expansion bei 1, 9± 1, 0 mm,2, 9± 1, 4 mm und 3, 8± 1, 3 mm pro Jahr für die Szenarien B1, A1B bzw. A2.Der ersichtlich beschleunigte Anstieg ist Folge des Temperaturanstiegs.Lokale Änderungen des Meeresspiegels relativ zum globalen Durchschnitt aufGrund der unterschiedlichen Dichte des Meerwassers und Änderungen in denMeeresströmungen zeigt Abbildung 30. Tabelle 31 zeigt zusammenfassend dieverschiedenen Komponenten, die zu einem Anstieg des Meeresspiegels führen.

8.4 Simulationen auf Grundlage von commitment-SzenarienDas Klimasystem reagiert mit Verzögerung auf Änderungen der Zusammen-stellung der Atmosphäre und des damit verbundenen Strahlungsantriebs; diesist hauptsächlich auf die thermische Trägheit der Ozeane zurückzuführen, dieeinen der größten Wärmespeicher des Klimasystems darstellen. Auch wenn die

35

Abbildung 30: regionale Änderungen des Meeresspiegels aufgrund unterschiedlicherDichte und Änderungen in den Meeresströmungen während des 21. Jahrhunderts, be-rechnet aus der Differenz des Mittelwerts der Jahre 2080 bis 2099 zum Mittelwertder Jahre 1980 bis 1999, als ein Mittelwert von über 16 AOGCMs auf Grundlage desA1B-Szenarios; gepunktete Flächen deuten an, dass hier der Betrag des Mittelwertsgrößer ist als die Standardabweichung

Abbildung 31: globaler Durchschnittswert für den Anstieg des Meeresspiegels wäh-rend des 21. Jahrhunderts sowie die einzelnen Komponenten für die sechs SRES-Szenarien. Die obere Zeile jeder Komponente gibt die 5−95%-Spannweite des absolutenAnstiegs zwischen den Zeiträumen 1980 bis 1999 und 2090 bis 2099 an; die untere Zeilegibt die Anstiegsrate des Meeresspiegels in mm pro Jahr für die Jahre 2090 bis 2099an; G&IC (Glaciers and Ice Caps) ist der Einfluss aller Gletscher und Eisschichten,mit Ausnahme der Eisflächen von Grönland und der Antarktis; SMB (surface massbalance) ist der Netto-Anteil der Eisdecke von Grönland bzw. der Antarktis; G&IC,sowie die Eisdecken von Grönland und Antarktis addieren sich zur land ice sum; mitdem Anstieg aufgrund thermischer Expansion ergibt sich dann der gesamte Anstiegdes Meeresspiegels

36

Konzentrationen der Treibhausgase ab einem bestimmten Zeitpunkt einen kon-stanten Wert erreicht haben, folgen weiterhin Änderungen in der Temperaturund weiteren klimatologischen Größen. Das heißt nicht, dass ein Klimawandelwegen der heute schon erhöhten Emissionen unabwendbar wäre innerhalb desnächsten halben Jahrhunderts, in dem die Auswirkungen sicher noch größersein werden, da die Emissionen und damit der Strahlungsantrieb nicht sofortstabilisiert werden kann; aber es ist möglich, dass die Folgen des Klimawandelsgeringer sind als in einem commitment-Szenario dargestellt; nämlich dann, wenndie Emissionen reduziert werden und der Strahlungsantrieb geringer ist als heu-te; illustriert wird dies an Hand von zero emission commitment Simulationenund overshoot-Szenarien.

Abbildung 32: (a) CO2-Konzentration in der Atmosphäre, (b) Änderung des globa-len Mittelwertes der Oberflächentemperatur, (c) Anstieg des Meeresspiegels aufgrundthermischer Expansion, (d) Atlantic Meridional Overturning Circulation (MOC), be-rechnet von acht EMICs für das SRES-Szenario A1B und stabilen Strahlungsantriebnach 2100; farbige Kurven sind Ergebnisse der EMICs, graue Kurven bezeichnen Er-gebnisse von AOGCMs zum Vergleich; Änderungen in (b) und (c) sind relativ zu denWerten vom Jahr 2000 angegeben; die vertikalen Balken auf der rechten Seite bezeich-nen die doppelte Standardabweichung

Abbildung 32 zeigt ein Beispiel für ein commitment stabilisation-Szenario.Entsprechend dem Szenario A1B steigt die CO2-Konzentration an bis zu einemWert von 700 pm im Jahr 2100 und bleibt dann konstant. Erstellt wurden dieSimulationen von EMICs, Klimamodellen mittlerer Komplexität, die Simulatio-

37

nen sind aber ähnlich denen von AOGCMs.Für das Jahr 2100 werden für die Änderung der Oberflächentemperatur im Ver-gleich zum Jahr 2000 je nach Modell Werte zwischen 1, 2◦C und 4, 1◦C vorherge-sagt, im Jahr 3000 liegt der Wertebereich, trotz konstanter CO2-Konzentration,zwischen 1, 9◦C und 5, 6◦C.Der Anstieg des Meeresspiegels aufgrund thermischer Expansion liegt im Jahr2100 zwischen 0, 2 m und 0, 5 m, im Jahr 3000 zwischen 0, 6 m und 2 m. Hierist die thermische Trägheit des Ozeans offensichtlich; der Meeresspiegel steigtüber Jahrhunderte an, während die Oberflächentemperatur den Geichgewichts-zustand sehr schnell erreicht.

Abbildung 33 stellt Ergebnisse vor für ein Szenario, in dem die anthropoge-nen Emissionen zunächst soweit ansteigen, dass die CO2-Konzentration in derAtmosphäre knapp 750 ppm beträgt; dann aber werden die Emissionen im Jahr2100 auf 0 gesetzt.Trotz dieser Reduzierung der Emissionen um 100% im Jahr 2100 dauert es jenach Modell etwa 100 bis 400 Jahre, bis die CO2-Konzentration in der Atmo-sphäre geringer ist als die doppelte CO2-Konzentration in der Zeit vor der In-dustrialisierung (etwa 560 ppm); Grund dafür ist der ununterbrochene Transfervon Kohlenstoff aus der Atmosphäre in die anderen Reservoirs des Klimasys-tems, etwa Pflanzen und Ozeane.Emissionen während des 21. Jahrhunderts beeinflußen also auch im Jahr 3000das Klima, wenn sowohl die Oberflächentemperatur als auch der Meeresspiegelimmer noch deutlich höher sein werden als zu vorindustriellen Zeiten.

Ein Beispiel für ein idealisiertes overshoot-Szenario ist in Abbildung 34 ge-geben; dargestellt sind die Simulationen eines Atmosphere-Ocean General Cir-culation Models. Die CO2-Konzentration, die ab dem Jahr 2100 gemäß demA1B-Szenario 700 ppm beträgt, fällt innerhalb der Jahre 2150 bis 2250 aufden entsprechenden Wert des B1-Szenarios ab. Diese Verringerung der CO2-Konzentration ist nur mit erheblicher Verringerung von Emissionen zu verwirk-lichen, ist damit also sehr unrealistisch. Aber ein solches Szenario illustriert dieAuswirkungen auf das Klimasystem, die einer derartigen Änderung der CO2-Konzentration folgen.Wie auch schon in den beiden letzten idealisierten Szenarien angemerkt, reagie-ren Oberflächentemperatur und die oberen Schichten des Ozeans relativ schnellauf die Änderung, während die tieferen Schichten des Ozeans sich nur langsamder Änderung anpassen. Die Temperatur nähert sich zwar nach weiteren 100Jahren dem konstanten Wert des B1-Szenarios allmählich an, ist aber auch imJahr 2350 noch nicht vollständig auf diesen Wert zurückgegangen.Andere Komponenten des Klimasystems, darunter die nordatlantische Umwälz-bewegung (North Atlantic Meridional Overturning Circulation, kurz North At-lantic MOC) und das Volumen des Meereises, erreichen meistens wieder denentsprechenden Wert des B1-Szenarions, signifikante Hysteresis-Effekte sind je-doch für den Anstieg des Meeresspiegels aufgrund thermischer Expansion zuerwarten.

38

Abbildung 33: Änderungen in natürlichen Kohlenstoffspeichern und deren Reak-tion im Vergleich zu vorindustriellen Werten für ein Szenario, in dem die CO2-Konzentration in der Atmosphäre zunächst bis knapp unter 750 ppm ansteigt, dannaber die Emissionen im Jahr 2100 sofort auf 0 gesetzt werden; (a) absolute Änderungder Kohlenstoffmenge, (b) CO2-Konzentration in der Atmosphäre, (d) Änderung derOberflächentemperatur, (e) Änderung der Kohlenstoffmenge im Ozean, (g) Anstieg desMeeresspiegels aufgrund thermischer Expansion, (h) Änderung der Kohlenstoffmen-ge in irdischen Reservoiren (z.B. Pflanzen); Simulationen fünf verschiedener Modellemittlerer Komplexität

39

Abbildung 34: in der oberen Graphik sind die CO2-Konzentrationen für die SRES-Szenarien B1 und A1B sowie das overshoot-Szenario gezeigt, simuliert mit Hilfe einesAOGCM; die untere Graphik gibt die globale Durchschnittstemperatur für diese Sze-narien wieder

40