Klimamodelle
CMIP6
Zur Analyse zukünftiger Klimaszenarien, zum Verständnis der Klimavariabilität in einem Multi-Modell-Rahmen und zur Bewertung der Auswirkungen des Klimawandels wird das CMIP6-Multi-Modell-Ensemble verwendet. CMIP ist eine große internationale Initiative zur Förderung der Klimamodellentwicklung und zur Verbesserung des wissenschaftlichen Verständnisses des Erdsystems. Sie wird vom Weltklimaforschungsprogramm (WCRP) über seine Arbeitsgruppe für gekoppelte Modellierung (WGCM) koordiniert.Weltweit tragen über 30 Forschungsgruppen zu CMIP6 bei. Insgesamt wurden 21 Modellvergleichsprojekte aufgrund ihrer Relevanz für die zentralen Herausforderungen des WCRP und die wissenschaftlichen Kernfragen von CMIP6 befürwortet. Die im Rahmen von CMIP6 erstellten Modellsimulationen wurden zudem in wichtigen internationalen Klimabewertungen und -verhandlungen, darunter den IPCC-Sachstandsberichten, evaluiert und verwendet.
Die von CMIP6 erzeugten Daten bilden die Grundlage für die im ISIMIP (Inter-Sectoral Impact Model Intercomparison Project) verwendeten Wirkungsmodelle, welche die in Climate Impacts Online präsentierten Ergebnisse untermauern.
Lesen Sie mehr über CMIP6:www.wcrp-climate.org
ISIMIP3b
Für das Webportal Climate Impacts Online wurden bias-korrigierte ISIMIP3b-Klimaeingangsdaten des Inter-Sectoral Impact Model Intercomparison Project (ISIMIP) verwendet. Dieser Datensatz basiert auf den ursprünglichen Ausgaben globaler Klimamodelle (GCM) aus dem CMIP6-Archiv. Weitere Informationen zu diesem Datensatz finden Sie unter [Link einfügen].ISIMIP-Website
Zur Korrektur von Verzerrungen und zur statistischen Herunterskalierung wurden die ISIMIP3BASD-Methode und der Beobachtungsdatensatz W5E5 v2.0 angewendet (Lange, 2019a; Lange, 2020).
Die Daten umfassen drei Zeiträume:
- - Vorindustriell (1601–1849)
- - Historisch (1850–2014)
- - Zukunft (2015–2100)
- - piControl (Vorindustrielles Steuerungsexperiment)
- - historisch
- - ssp126 (SSP1–RCP2.6)
- - ssp370 (SSP3–RCP7.0)
- - ssp585 (SSP5–RCP8.5)
Der ISIMIP3b-Datensatz umfasst eine breite Palette von Klimavariablen: relative und spezifische Luftfeuchtigkeit in Bodennähe, Windgeschwindigkeit in Bodennähe, tägliche Höchst-, Mittel- und Tiefsttemperatur, langwellige und kurzwellige einfallende Strahlung, Schneefall, Luftdruck an der Oberfläche und Gesamtniederschlag.
Wenn Sie mit Daten arbeiten, die von Climate Impacts Online heruntergeladen wurden, zitieren Sie bitte gemäß [Quelle einfügen].ISIMIP3b-Informationen „cite as“
Die ISIMIP3b-Daten umfassen die folgenden Modelle. Unter jedem Link finden Sie weitere Informationen zu den einzelnen Modellen:
| Modell | Link |
|---|---|
| GFDL-ESM4 | GFDL, ISIMIP-Eingangsdaten GFDL-ESM4 |
| IPSL-CM6A-LR | IPSL, ISIMIP-Eingangsdaten IPSL-CM6A-LR |
| MPI-ESM1-2-HR | Max-Planck-Institut für Meterologie, ISIMIP-Eingangsdaten MPI-ESM1-2-HR |
| MRI-ESM2-0 | Max-Planck-Institut, ISIMIP-Eingangsdaten MRI-ESM2-0 |
| UKESM1-0-LL | UKESM, ISIMIP-Eingangsdaten UKESM1-0-LL |
Modelle im Detail
GDFL-ESM4Das Klimamodell GDFL-ESM4, das Teil des CMIP6-Projekts ist, wurde 2018 veröffentlicht. Es besteht aus:
Aerosol: interaktiv (einschließlich indirekter Aerosolwirkung), Atmosphäre: GFDL-AM4.1 (Würfelkugel (c96) – nominelle horizontale Auflösung 1 Grad; 360 x 180 Längen-/Breitengrad; 49 Ebenen; oberste Ebene 1 Pa), Atmosphärenchemie: GFDL-ATMCHEM4.1 (vollständige Atmosphärenchemie), Land: GFDL-LM4.1 (Landmodell mit einem neuen Vegetationsdynamikmodell, das Pflanzenalter, Höhenstruktur und Bodenmikroben explizit berücksichtigt und tägliche Brand-, Anbau-, Weide- und Beweidungs-Kacheln enthält), Landeis: GFDL-LM4.1, Ozean: GFDL-OM4p5 (GFDL-MOM6, tripolar – nominell 0,5 Grad; 720 x 576 Längen-/Breitengrad; 75 Ebenen; oberste Gitterzelle 0–2 m), Ozean-Biochemie: GFDL-COBALTv2, Meereis: GFDL-SIM4p5 (GFDL-SIS2.0, tripolar – nominal 0,5°; 720 x 576 Längen-/Breitengrade; 5 Schichten; 5 Dickenkategorien), mit Strahlungstransport und C-Gitter-Dynamik zur Kompatibilität mit MOM6. Das Modell wurde von der National Oceanic and Atmospheric Administration, Geophysical Fluid Dynamics Laboratory, Princeton, NJ 08540, USA (NOAA-GFDL) in den nativen nominalen Auflösungen betrieben: Aerosol: 100 km, Atmosphäre: 100 km, Atmosphärenchemie: 100 km, Land: 100 km, Landeis: 100 km, Ozean: 50 km, Ozean-Biochemie: 50 km, Meereis: 50 km.
Quelle:WDC-Klima - GDFL-ESM4
IPSL-CM6A-LR
Das Klimamodell IPSL-CM6A-LR wurde 2017 veröffentlicht und ist ebenfalls Teil des CMIP-Projekts. Das Modell umfasst die Komponenten: „Atmosphäre: LMDZ (NPv6, N96; 144 x 143 Längen-/Breitengrad; 79 Ebenen; oberste Ebene 80000 m), Land: ORCHIDEE (v2.0, Wasser/Kohlenstoff/Energie-Modus), Ozean: NEMO-OPA (eORCA1.3, tripolar, primär 1°; 362 x 332 Längen-/Breitengrad; 75 Ebenen; oberste Gitterzelle 0–2 m), ocnBgchem: NEMO-PISCES, Meereis: NEMO-LIM3. Das Modell wurde vom Institut Pierre Simon Laplace, Paris 75252, Frankreich (IPSL) in den nativen nominalen Auflösungen betrieben: Atmosphäre: 250 km, Land: 250 km, Ozean: 100 km, ocnBgchem: 100 km, Meereis: 100 km.“
Quelle:WDC-Klima - GDFL-ESM4
MPI-ESM1-2-HR
Das MPI-ESM besteht aus den gekoppelten allgemeinen Zirkulationsmodellen für Atmosphäre und Ozean, ECHAM6 (spektral T127; 384 x 192 Längen-/Breitengrad; 95 Ebenen; oberste Ebene 0,01 hPa) und MPIOM (tripolar TP04, ca. 0,4°; 802 x 404 Längen-/Breitengrad; 40 Ebenen; oberste Gitterzelle 0–12 m), sowie den Subsystemmodellen für Land und Vegetation JSBACH3.20 und für die marine Biogeochemie HAMOCC6. Es wird vom Max-Planck-Institut für Meteorologie, Hamburg 20146, Deutschland (MPI-M), in folgenden nominalen Auflösungen betrieben: „Aerosol: 100 km, Atmosphäre: 100 km, Land: 100 km, Landeis: keine, Ozean: 50 km, marine Biogeochemie: 50 km, Meereis: 50 km.“
Quelle:WDC-Klima - GDFL-ESM4
MRI-ESM2-0
Das Modell MRI-ESM2.0 wurde 2017 veröffentlicht und wird vom Meteorologischen Forschungsinstitut Tsukuba, Ibaraki 305-0052, Japan (MRI) betrieben. Es umfasst die folgenden Komponenten: „Aerosol: MASINGAR mk2r4 (TL95; 192 x 96 Längen-/Breitengrad; 80 Ebenen; oberste Ebene 0,01 hPa), Atmosphäre: MRI-AGCM3.5 (TL159; 320 x 160 Längen-/Breitengrad; 80 Ebenen; oberste Ebene 0,01 hPa), atmosChem: MRI-CCM2.1 (T42; 128 x 64 Längen-/Breitengrad; 80 Ebenen; oberste Ebene 0,01 hPa), Land: HAL 1.0, Ozean: MRI.COM4.4 (tripolar, primär 0,5° Breite/1° Länge mit meridionaler Verfeinerung bis zu 0,3° innerhalb von 10° nördlich und südlich des Äquators; 360 x 364 Längen-/Breitengrad; 61 Ebenen; oberste Gitterzelle 0-2 m), ocnBgchem: MRI.COM4.4, seaIce: MRI.COM4.4. Das Modell wurde in den nativen nominalen Auflösungen ausgeführt: Aerosol: 250 km, Atmosphäre: 100 km, atmosChem: 250 km, Land: 100 km, Ozean: 100 km, ocnBgchem: 100 km, seaIce: 100 km.
Quelle:WDC-Klima - GDFL-ESM4
UKESM1
UKESM1 besteht aus dem Ozeanmodell NEMO und dem Meereismodell CICE sowie dem Landoberflächenmodell JULES mit der dynamischen Vegetationssimulation TRIFFID. Darüber hinaus simuliert das Modell die Atmosphärenchemie und Aerosole mit UKCA, die marine Biogeochemie mit MEDUSA und die dynamischen Eisschilde mit dem Modell BISICLES. Quelle:UKESM - UKESM1
Quellen:
Eyring, V., S. Bony, G. A. Meehl, C. A. Senior, B. Stevens, R. J. Stouffer, and K. E. Taylor, 2016: Overview of the Coupled Model Intercomparison Project Phase 6(CMIP6) experimental design and organization. Geoscientific Model Development, 9, 1937−1958, https://doi.org/10.5194/gmd-9-1937-2016.Lange, S.: Trend-preserving bias adjustment and statistical downscaling with ISIMIP3BASD (v1.0), Geoscientific Model Development, 12, 3055–3070, https://doi.org/10.5194/gmd-12-3055-2019, 2019a.
Lange, S.: ISIMIP3BASD v2.4.1, https://doi.org/10.5281/zenodo.3898426, 2020.
ISIMIP3b
WGCM CMIP6
SWIM-Modell
Zur Generierung der Daten zu den Variablen des Wassersektors in dieser Region wurde ein separates Modell verwendet: das integrierte Boden- und Wassermodell (SWIM).
Was macht das Modell?
SWIM wurde speziell entwickelt, um die Auswirkungen von Klima- und Landnutzungsänderungen auf regionaler Ebene zu untersuchen, wo sich die Auswirkungen manifestieren und Anpassungsmaßnahmen stattfinden. Das Modell simuliert miteinander verbundene Prozesse auf der Mesoskala wie Abflussbildung, Pflanzen- und Erntewachstum, Nährstoff- und Kohlenstoffkreislauf und Erosion. Es liefert zahlreiche Modellergebnisse wie Flussabfluss, Ernteertrag sowie Nährstoffkonzentrationen und -belastungen. Der Ansatz ermöglicht die Simulation aller miteinander verbundenen Prozesse innerhalb eines einzigen Modellrahmens in einem täglichen Zeitschritt unter Verwendung regional verfügbarer Daten (Klima, Landnutzung und Boden) und unter Berücksichtigung von Rückkopplungen. Die Modelleinrichtung und Nachbearbeitung werden durch eine GIS-Schnittstelle (basierend auf GRASS) unterstützt. Das Modell verwendet ein dreistufiges Disaggregationsschema: Becken – Unterbecken – Hydrotope. Die Ergebnisse werden als Zeitreihen und Karten für eine Reihe von Variablen dargestellt. SWIM ist ein Modell mittlerer Komplexität für Flusseinzugsgebiete und Regionen, da es a) aufgrund einer zuverlässigeren Darstellung der miteinander verbundenen hydrologischen, Vegetations- und Nährstoffprozesse umfassender ist als rein hydrologische und Niederschlags-Abfluss-Modelle; b) auf allgemein verfügbaren regionalen Daten basiert und leichter parametrisiert werden kann als komplexere hydrologische Modelle.
Wer pflegt es?
SWIM wird von der regionalen hydrologischen Modellierungsgruppe der Forschungsabteilung 2 im PIK-eigenen GitLab-Quellcode-Repository gepflegt und weiterentwickelt. Die Entwicklung wird von Michel Wortmann, Stefan Liersch und Fred Hattermann koordiniert.
Inwiefern unterscheidet sich das Modell von anderen Modellen in der Gemeinschaft?
Simulation des Wasserkreislaufs (Wasserabfluss, Grundwasserspiegel): gleich oder besser als in anderen vergleichbaren ökohydrologischen und hydrologischen Modellen;Simulation des Wasserkreislaufs im Flussgebietsmaßstab: bessere und detailliertere Prozessbeschreibung als in terrestrischen Modellen im kontinentalen Maßstab und in großmaßstäblichen Wasserressourcenmodellen;
Simulation von Vegetationsprozessen: besser als in vielen hydrologischen Modellen, die normalerweise dynamische Vegetationsprozesse nicht berücksichtigen;
Simulation der Wasserqualität: besser als in konzeptionellen hydrologischen Modellen, die keine (oder nur eine geringe) Darstellung von Bodenprozessen haben;
Simulation diffuser Verschmutzung: besser als in anderen häufig verwendeten Modellen aufgrund einer besseren zeitlichen und räumlichen Auflösung und Berücksichtigung dynamischer Landschaftsprozesse;
Simulation von Landnutzung, Landwirtschaftsmanagement, Ernteerträgen und Rückkopplungen von Klima- und Landnutzungsänderungen: besser als in anderen Modellen mit reduzierter Darstellung von Vegetationswachstumsprozessen.
Quellen:
Krysanova, V., F. Hattermann, Sh. Huang, C. Hesse, T. Vetter, S. Liersch, H. Koch und Z. W. Kundzewicz, 2014. Modellierung der Auswirkungen von Klima- und Landnutzungsänderungen mit SWIM: Erkenntnisse aus mehreren Anwendungen. Hydrological Sciences Journal, angenommen.Krysanova, F. Wechsung, J. Arnold, R. Srinivasan, J. Williams, 2000. PIK-Bericht Nr. 69 „SWIM (Soil and Water Integrated Model), Benutzerhandbuch“, 239 S. SWIM_Handbuch
Krysanova, V., Mueller-Wohlfeil, D.I., Becker, A., 1998. Entwicklung und Test eines räumlich verteilten hydrologischen/Wasserqualitätsmodells für mesoskalige Wassereinzugsgebiete. Ökologische Modellierung, 106, 261-289.
Klimaszenarien
Die sogenannten repräsentativen Konzentrationspfade (RCPs) wurden für den fünften Sachstandsbericht des Zwischenstaatlichen Ausschusses für Klimaänderungen (IPCC) entwickelt. Sie beschreiben verschiedene Stufen des durch Treibhausgase verursachten Strahlungsantriebs, die im Zeitraum von 2011 bis 2100 auftreten könnten. Allerdings enthielten sie keine begleitenden sozioökonomischen Szenarien. In den letzten Jahren hat ein internationales Team aus Klimawissenschaftlern, Ökonomen und Experten für Energiesystemmodellierung eine Reihe neuer Szenarien entwickelt, die untersuchen, wie sich die globale Gesellschaft, Demografie und Wirtschaft im Laufe des nächsten Jahrhunderts verändern könnten. Diese Szenarien sind als „Gemeinsame sozioökonomische Pfade“ (SSPs) bekannt. Die SSPs wurden 2017 veröffentlicht (Riahi et al., 2017) und werden im sechsten Sachstandsbericht des IPCC in den Jahren 2021/2022 eine wichtige Rolle spielen.
SSPs (Sustainable Climate Plans) sind Basisszenarien, die zukünftige Entwicklungen ohne neue Klimapolitiken – über die bereits bestehenden hinaus – beschreiben. Sie bieten fünf mögliche Entwicklungspfade. Die fünf SSPs unterscheiden sich hauptsächlich hinsichtlich Bevölkerungswachstum, Urbanisierung, Wirtschaftswachstum, Investitionen in Bildung und Gesundheit, Energiesystem und Landnutzung, Geschwindigkeit der technologischen Entwicklung sowie Nachfragetreibern wie beispielsweise Lebensstiländerungen (Riahi et al., 2017).
Da die RCPs (Recognitive Climate Plans) und die SSPs (Social Science Plans) in ihrer Konzeption unvollständig sind, handelt es sich lediglich um soziale Zukunftsszenarien, die die Auswirkungen des Klimawandels nicht berücksichtigen. Darüber hinaus sind in diesen Szenarien keine Minderungs- oder Anpassungsmaßnahmen vorgesehen (O'Neill et al., 2020). Aus diesem Grund verwendet ClimateImpactsOnline drei SSP-RCP-Kombinationen, um Klimadaten für verschiedene sozioökonomische und Strahlungsszenarien zu visualisieren.
„Nachhaltigkeit“ SSP1 - 2.6
Das Szenario mit geringem Klimawandel (SSP1) stellt einen relativ nachhaltigen Weg dar, der oft als „Grüner Weg“ bezeichnet wird. Es geht von hohen Investitionen in Bildung und Gesundheit aus. Diese führen zu einer Beschleunigung des demografischen Übergangs und einem langsameren Bevölkerungswachstum, insbesondere in Entwicklungsländern. Insgesamt liegt ein stärkerer Fokus auf dem menschlichen Wohlergehen. Angetrieben durch ein zunehmendes Engagement für die Erreichung der Entwicklungsziele wird die Ungleichheit sowohl zwischen als auch innerhalb von Ländern verringert. Der Konsum ist auf geringes materielles Wachstum und eine niedrigere Ressourcen- und Energieintensität ausgerichtet. Das SSP1-Basisszenario birgt geringe Herausforderungen für Klimaschutz und -anpassung, da die Klimaziele global erreicht werden können (O'Neill et al., 2017). Das SSP1 ist mit einer Strahlungsbilanz von 2,6 Watt pro Quadratmeter im Jahr 2100 kombiniert.„Regionale Rivalität“ SSP3 – 7,0
Das moderate Klimawandelszenario (SSP3), auch „Regionale Rivalität“ genannt, ist durch wiedererstarkenden Nationalismus und regionale Konflikte gekennzeichnet. Dies führt dazu, dass sich Länder zunehmend auf innenpolitische oder höchstens regionale Angelegenheiten konzentrieren. So werden beispielsweise Ziele der Energie- und Ernährungssicherheit nur in der eigenen Region erreicht. Investitionen in Bildung und technologische Entwicklung sinken. Die wirtschaftliche Entwicklung verläuft langsam, der Konsum ist materialintensiv, und die Ungleichheiten verschärfen sich im Laufe der Zeit. Zudem ist das Bevölkerungswachstum in Industrieländern gering und in Entwicklungsländern hoch. Insgesamt zeichnet sich SSP3 durch eine geringe internationale Priorität für die Bewältigung von Umweltproblemen aus (Fujimori et al., 2017). Das SSP3-Szenario basiert auf einer Strahlungsbilanz von 7 Watt pro Quadratmeter.„Fossile Entwicklung“ SSP5 – 8,5
Das Extremszenario (SSP5) ist durch rasanten technologischen Fortschritt und die Entwicklung des Humankapitals gekennzeichnet. Die globalen Märkte sind zunehmend integriert. Es werden zudem hohe Investitionen in Gesundheit, Bildung und Institutionen zur Stärkung des Human- und Sozialkapitals getätigt. Gleichzeitig geht dies mit der Ausbeutung reichlich vorhandener fossiler Brennstoffressourcen und der weltweiten Verbreitung ressourcen- und energieintensiver Lebensstile einher. Man vertraut darauf, soziale und ökologische Systeme steuern zu können, notfalls auch durch Geoengineering (Kriegler et al., 2017). ClimateImpactsOnline verwendet die Kombination des SSP5-Szenarios mit einer Treibhausgas-induzierten Strahlung von 8,5 Watt pro Quadratmeter.Siehe auch:
Gemeinsame sozioökonomische Entwicklungspfade (SSPs): Ein Überblick (Poster)
Quellen:
O’Neill, BC, Carter, TR, Ebi, K. et al. Errungenschaften und Bedarf des Klimawandel-Szenariorahmens. Nat. Clim. Chang. 10, 1074–1084 (2020). https://doi.org/10.1038/s41558-020-00952-0
Riahi, K. et al., Gemeinsame sozioökonomische Entwicklungspfade und ihre Auswirkungen auf Energie, Landnutzung und Treibhausgasemissionen: Ein Überblick, Global Environmental Change, Band 42, 153–168 (2017). https://doi.org/10.1016/j.gloenvcha.2016.05.009.
Beobachtungsdaten
Der W5E5-Datensatz besteht aus Beobachtungs- und Reanalysedaten und dient der Repräsentation der Beobachtungsdaten. Er ist Teil des Impact Model Intercomparison Project (ISIMIP3b), wo er zur Korrektur von systematischen Fehlern in Wirkungsanalysen verwendet wird. Der Datensatz umfasst die landbasierten WFDE5-Daten und den ozeanbasierten ERA5-Datensatz (Beobachtungs- und Reanalysedaten) (Cucchi et al., 2020; Hersbach et al., 2020). Eine zusätzliche Datenquelle sind die Niederschlagsdaten der Version 2.3 des Global Precipitation Climatology Project (Adler et al., 2003).
W5E5 Version 1.0 umfasst Daten für den Zeitraum von 1979 bis 2017. Das bedeutet, dass für das Jahrzehnt 2011–2020 nur Daten für sechs Jahre vorliegen und die Differenzkarten sich dementsprechend nur auf die Jahre 1991–2014 beziehen. Wir werden die W5E5-Daten in diesem Jahrzehnt kontinuierlich aktualisieren und weitere Daten veröffentlichen. Der Datensatz bietet eine horizontale räumliche Auflösung von 0,5° und eine tägliche zeitliche Auflösung.
Die im Datensatz enthaltenen Variablen sind: relative Luftfeuchtigkeit in Bodennähe (Abkürzung: hurs, Einheit: %), spezifische Luftfeuchtigkeit in Bodennähe (huss, kg kg⁻¹), Niederschlag (pr, kg m⁻² s⁻¹), Schneefallmenge (prsn, kg m⁻² s⁻¹), Luftdruck in Bodennähe (ps, Pa), Luftdruck auf Meereshöhe (psl, Pa), absteigende langwellige Strahlung an der Oberfläche (rlds, W m⁻²), absteigende kurzwellige Strahlung an der Oberfläche (rsds, W m⁻²), Windgeschwindigkeit in Bodennähe (sfcWind, m s⁻¹), Lufttemperatur in Bodennähe (tas, K), tägliche maximale Lufttemperatur in Bodennähe (tasmax, K), tägliche minimale Lufttemperatur in Bodennähe (tasmin, K), Höhe über dem Meeresspiegel (orog, m) und WFDE5-ERA5-Maske (mask, 1) (Lange, 2019). Die W5E5-Daten der Variablen sind über Land und Ozean die Tagesmittelwerte der stündlichen WFDE5-Daten. Die terrestrischen Variablen hurs, pr, psl, tasmax und tasmin sowie die ozeanischen Variablen tasmax und tasmin werden in einer anderen Berechnung ermittelt. Diese wird auf der folgenden Webseite beschrieben:WFDE5 über Land verschmolzen mit ERA5 über dem Ozean (W5E5).
Durch Auswahl von „Beobachtungen“ im Abschnitt „Historische Daten“ auf der Registerkarte „Einstellungen“ können Sie die beobachteten Daten des W5E5-Datensatzes visualisieren.
Quellen:
Adler, R. F., Huffman, G. J., Chang, A., Ferraro, R., Xie, P.-P., Janowiak, J., Nelkin, E. (2003). The Version-2 Global Precipitation Climatology Project (GPCP) Monthly Precipitation Analysis (1979–Present). Journal of Hydrometeorology, 4(6), 1147–1167. doi:10.1175/1525-7541(2003)004<1147:tvgpcp>2.0.co;2
Cucchi, M., Weedon, G. P., Amici, A., Bellouin, N., Lange, S., Müller Schmied, H., Hersbach, H., & Buontempo, C. (2020). WFDE5: bias-adjusted ERA5 reanalysis data for impact studies. Earth System Science Data, 12(3), 2097–2120. https://doi.org/10.5194/essd-12-2097-2020
Hersbach, H., Bell, B., Berrisford, P., Hirahara, S., Horányi, A., Muñoz‐Sabater, J., Nicolas, J., Peubey, C., Radu, R., Schepers, D., Simmons, A., Soci, C., Abdalla, S., Abellan, X., Balsamo, G., Bechtold, P., Biavati, G., Bidlot, J., Bonavita, M., … Thépaut, J. N. (2020). The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society, 146(730), 1999–2049. https://doi.org/10.1002/QJ.3803
Lange, Stefan (2019): WFDE5 over land merged with ERA5 over the ocean (W5E5). V. 1.0. GFZ Data Services. https://doi.org/10.5880/pik.2019.023
Lange, S.: ISIMIP3BASD v2.4.1, https://doi.org/10.5281/zenodo.3898426, 2020.
Historische Simulationsdaten
Zur Validierung von Klimamodellen werden vergangene Klimabedingungen simuliert und mit Beobachtungsdaten verglichen. Ein wichtiger Indikator für die Zuverlässigkeit zukünftiger Klimaprojektionen aus Modellen ist die simulierte zeitliche und räumliche Veränderung der globalen mittleren Oberflächentemperatur von der vorindustriellen Zeit bis heute.
Die historische Simulation ist Bestandteil der Teilnahmevoraussetzungen für das Coupled Model Intercomparison Project (Phase 6). Sie wurde in das Diagnose-, Bewertungs- und Charakterisierungsprogramm für Klima (DECK) integriert, um eine bessere Trennung zwischen CMIP und der jeweiligen Phase (CMIP6) zu ermöglichen. Die Simulationen dienen außerdem als Benchmark für die von CMIP6 unterstützten Model Intercomparison Projects (MIPs).
Die Simulationen beginnen mit beliebigen Gleichgewichtsbedingungen aus dem vorindustriellen Kontrollexperiment (piControl). Anschließend werden verschiedene zeitabhängige Antriebsfaktoren, die mit CMIP6 übereinstimmen, wie Treibhausgasemissionen, Landnutzungsänderungen, Aerosole, solare Strahlung und andere, in die Modelle eingespeist. Daraus wird eine Rekonstruktion der historischen Bedingungen erstellt. Die CMIP6-Simulationen decken den Zeitraum von 1850 bis 2014 ab.
Durch Auswahl von „Historische Simulationsdaten“ im Abschnitt „Historische Daten“ der Registerkarte „Einstellungen“ können Sie die vergangenen Simulationen der Klimamodelle visualisieren.
Quellen:
Eyring, V., Bony, S., Meehl, G. A., Senior, C. A., Stevens, B., Stouffer, R. J., and Taylor, K. E.: Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization, Geosci. Model Dev., 9, 1937-1958, doi:10.5194/gmd-9-1937-2016, 2016.WGCM CMIP6