Klima- und Wetteranalyse
Werbung
101 BMBF klimazwei Verbundprojekt KUNTIKUM „Klimatrends und nachhaltige Tourismusentwicklung in Küsten- und Mittelgebirgsregionen: Produkt- und Infrastrukturinnovation durch kooperative Gestaltungsprozesse und strategische Entscheidungsfindung“ Schlussbericht zum Teilvorhaben „Klima- und Wetteranalyse“ Klimatrends in den Modellregionen Nordsee und Schwarzwald aus einer tourismus-klimatischen Sichtweise Analyse hoch aufgelöster regionaler Klimasimulationen Christina Endler und Andreas Matzarakis Meteorologisches Institut, Albert-Ludwigs-Universität Freiburg Werthmannstr. 10, D-79085 Freiburg e-mail: [email protected] April 2010 102 Die Autoren danken dem Bundesministerium für Bildung und Forschung für die Förderung dieses Forschungsvorhabens, die im Rahmen der Forschungsinitiative klimazwei unter FKZ 01LS05019 erfolgte. 103 Inhaltsverzeichnis Seite Abbildungsverzeichnis 105 Tabellenverzeichnis 108 Zusammenfassung 109 1. Einleitung 113 2. Ziele des Projektes KUNTIKUM 115 3. Stand der Wissenschaft 116 3.1. Die Entwicklung der Tourismus-Klimatologie – ein kurzer Überblick 116 3.2. Der neue Ansatz in der Tourismus-Klimatologie 122 4. Methodik 125 4.1. Regionale Klimamodelle 125 4.1.1. REMO 126 4.1.2. CLM 127 4.2. 128 Datenbearbeitung 4.2.1. Datenextraktion 128 4.2.2. Kalkulation von Häufigkeiten 134 4.2.3. Grafische Darstellung 135 5. Ergebnisse 138 5.1. Testläufe und Validierung von Modelldaten 138 5.1.1. Lufttemperatur und Physiologisch Äquivalente Temperatur 140 5.1.2. Niederschlag 141 5.1.3. Relative Luftfeuchtigkeit 142 5.1.4. Wind 142 5.1.5. Dampfdruck 142 5.2. Klimaänderungen in der Nordseeregion basierend auf regionalen Klimasimulationen (REMO und CLM) 143 5.2.1. Thermische Komponente der Tourismus-Klimatologie 143 5.2.2. Physikalische Komponente der Tourismus-Klimatologie 148 5.2.3. Ästhetische Komponente der Tourismus-Klimatologie 150 5.3. Klimaänderungen in der Schwarzwaldregionen basierend auf regionalen Klimasimulationen (REMO und CLM) 151 104 5.3.1. Thermische Komponente der Tourismus-Klimatologie 152 5.3.2. Physikalische Komponente der Tourismus-Klimatologie 157 5.3.3. Ästhetische Komponente der Tourismus-Klimatologie 162 6. 164 Schlussfolgerungen Literatur 167 Anhang 171 Abbildungen 171 105 Abbildungsverzeichnis Abb. 1: Abb. 2: Abb. 3: Abb. 4: Abb. 5: Abb. 6: Abb. 7: Abb. 8: Abb. 9: Abb. 10: Abb. 11: Abb. 12: Abb. 13: Abb. 14: Abb. 15: Die thermische Umgebung von Menschen. Weitere Komponenten sind: A: atmosphärische Gegenstrahlung, D: diffuse Sonnenstrahlung, I: direkte Sonnenstrahlung, R: reflektierte Sonnenstrahlung, E: langwellige Emission der Umgebungsfläche, EKM: Infrarotstrahlung von der Oberfläche des Menschen (nach Jendritzky et al. 1990) .........................120 Klima-Tourismus-Informations-Schema anhand der Station Feldberg für den Zeitraum 1961-1990. Daten: Beobachtungsdaten des DWD ...................124 IPCC-Emissionsszenarien.....................................................................................125 Modellgebiet von REMO (dargestellt ist hierbei die Topgraphie in Metern)..................................................................................................................127 Modellgebiet von CLM mit Ausschnitt von Deutschland (dargestellt ist hierbei die Topographie in Metern) ......................................................................128 Hauptfenster vom ClimExtractor mit den einzelnen, möglichen zu extrahierenden Parametern aus dem REMO- und CLMModelldatensatz (Hintergrund) und „extended properties“ (Vordergrund). Erklärung siehe Text....................................................................129 Untersuchungsgebiet Nordsee (links) und Schwarzwald (rechts) auf Grundlage des REMO-Modells ............................................................................130 Hauptfenster des RayMan-Modells ......................................................................133 Hauptfenster von CDAP mit den Auswerte- und Analysemöglichkeiten.............134 Hauptfenster von CMT mit einem Beispiel der Topographie für das REMO-Modellgebiet mit Fenster für die Farbfestlegung (Legende) (oben) und Fenster für die Auswahl und Anpassung von Kartenprojektionen (unten) ...................................................................................137 Kältestress für die Nordseeregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. ..................................................................................................145 Thermische Eignung für die Nordseeregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1......................................................................146 Feuchtwarme Bedingungen für die Nordseeregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1......................................................................147 Anzahl der windigen Tage für die Nordseeregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1......................................................................149 Kältestress für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1......................................................................153 106 Abb. 16: Jährliche maximale Änderung der Kältestresstage in Abhängigkeit von Höhenklassen für den Zeitraum 2021/2050 verglichen zu 1961/1990. Modell: REMO. ....................................................................................................154 Abb. 17: Thermische Behaglichkeit für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1......................................................................155 Abb. 18: Feuchtwarme Bedingungen für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1......................................................................156 Abb. 19: Jährliche maximale Änderung der feuchtwarmen Bedingungen in Abhängigkeit von Höhenklassen für den Zeitraum 2021/2050 verglichen zu 1961/1990. Modell: REMO............................................................157 Abb. 20: Mittlere Schneehöhen für drei Regionen im Südschwarzwald gemittelt über die Monate November bis März. Die Zeitreihen sind von 19612000, außer für Titisee, die nur bis 1995 verfügbar ist. Datengrundlage: Beobachtungsdaten des Deutschen Wetterdienstes (DWD) .................................158 Abb. 21: Schnee- und Skifahrpotenzial für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1......................................................................160 Abb. 22: Maximale, relative Änderung der Schneetage (in Prozent) in Abhängigkeit von Höhenklassen für den Zeitraum 2021/2050 verglichen zu 1961/1990. Modell: REMO............................................................161 Abb. 23: Hitzestress für die Nordseeregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. ..................................................................................................171 Abb. 24: Regentage für die Nordseeregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. ..................................................................................................172 Abb. 25: Trockene Tage für die Nordseeregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. ..................................................................................................173 Abb. 26: Anzahl der sonnigen Tage für die Nordseeregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1......................................................................174 Abb. 27: Nebeltage für die Nordseeregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. ..................................................................................................175 Abb. 28: Hitzestress für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die 107 Abb. 29: Abb. 30: Abb. 31: Abb. 32: Abb. 33: Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1......................................................................176 Regentage für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. ..................................................................................................177 Trockene Tage für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1......................................................................178 Windige Tage für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1......................................................................179 Sonnige Tage für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1......................................................................180 Nebeltage für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. ..................................................................................................181 108 Tabellenverzeichnis Tab. 1: Tab. 2: Tab. 3: Tab. 4: Tab. 5: Tab. 6: Tab. 7: Tab. 8: Tab. 9: Empfinden des Menschen skaliert nach Fanger (1972) ........................................119 Zuordnung von PET-Bereichen zu PMV-Bereichen bei gleichem thermischen Empfinden und gleicher thermophysiologischer Belastungsstufe von Menschen, bezogen auf eine metabolische Rate von 80 W und einen Wärmedurchgangswiderstand der Bekleidung (leichter Anzug) von 0.9 clo (nach Matzarakis und Mayer, 1996) .......................121 Klimafacetten, deren Signifikanz und Wirkung (de Freitas 2003, Matzarakis 2006)...................................................................................................123 Tourismusrelevante Größen in Beziehung zu ihren Schwellenwerten und Autoren...........................................................................................................131 Vergleich der verwendeten Modelldaten (REMO, CLM) mit Beobachtungsdaten vom Deutschen Wetterdienst (DWD) basierend auf ausgewählte klimatische Größen für Freiburg. Periode: 1961-1990 .............................139 Vergleich der verwendeten Modelldaten (REMO, CLM) mit Beobachtungsdaten vom Deutschen Wetterdienst (DWD) basierend auf ausgewählte klimatische Größen für Bremen. Periode: 1961-1990...............................140 Quantitative Zusammenfassung der untersuchten Kenngrößen für die Nordseeregion basierend auf beiden Regionalmodelle REMO und CLM ......................................................................................................................151 Monatliche Schneehöhen für drei Regionen im Südschwarzwald für die Klimanormalperiode 1961-1990 und 1971-2000 basierend auf gemessenen Daten des Deutschen Wetterdienstes (DWD)...................................161 Quantitative Zusammenfassung der untersuchten Kenngrößen für den Schwarzwald basierend auf beiden Regionalmodelle REMO und CLM .............163 109 Zusammenfassung Der Tourismus ist für die heutige Industrie und Gesellschaft ein relevanter Faktor, welcher von den vorherrschenden klimatischen Bedingungen direkt und indirekt abhängt. Wetter und Klima gelten als Auswahlkriterium in der Reiseentscheidung. Für das interdisziplinäre Verbundprojekt KUNTIKUM (Klimatrends und nachhaltige Tourismusentwicklung in Küsten- und Mittelgebirgsregionen), welches sich mit dem wetter- und klimasensiblen Wirtschaftsektor Tourismus exemplarisch in zwei klimatisch sensitiven Destinationen (Nordsee und Schwarzwald) beschäftigt, stellten sich folgende Forschungsfragen für das Teilprojekt Klima- und Wetter-Analyse: 1. Untersuchung der aktuellen klimatischen Situation in beiden Destinationen (Nordsee und Schwarzwald) auf Grundlage von Beobachtungsdaten (Deutscher Wetterdienst), 2. Analyse von Klimasimulationen und Abschätzung von Klimatrends für den Tourismussektor auf Grundlage von regionalen Klimasimulationen (REMO und CLM). Da für Tourismuszwecke nicht nur Lufttemperatur und Niederschlag von Bedeutung sind, wird hier eine moderne Bewertungsmethodik eingeschlagen, die auf der Human-Biometeorologie und Tourismus-Klimatologie beruhen. Auf der Grundlage der weitergehenden hier durchgeführten Analysen mittels humanbiometeorologischen und tourismusklimatischen Kriterien wurden für die im Tourismus üblichen Planungshorizonte die möglichen Änderungen ermittelt und aufgezeigt. Es ergeben sich folgende Ergebnisse: 1. Ist-Zustand: Im Großen und Ganzen können die Regionalmodelle das Klima der untersuchten Destinationen gut wiedergeben. Jedoch kann die Topographie und das Geländerelief nicht im Detail von REMO und CLM mit ihrer recht hohen räumlichen Auflösung (10 km und 18 km) aufgelöst werden. Es kommt zu Höhenunterschieden von mehr als 600 m. Die Temperatur wird hierbei leicht überschätzt, bei REMO etwas stärker als bei CLM. Der Niederschlag ist eine sehr variable Größe und stellt vor allem im stark strukturierten Gelände eine Herausforderung in der Modellierung dar. An der Nordsee sowie in den tieferen Lagen des Schwarzwaldes wird der Niederschlag überschätzt, während dieser in höheren Lagen unterschätzt 110 wird. Kenngrößen wie Wind, Bewölkung und relative Luftfeuchtigkeit stellen bei der Modellierung ebenfalls große Unsicherheiten dar. 2. Zukünftige Klimatrends (für den Zeithorizont 2021-2050 verglichen zur Klimanormalperiode (1961-1990)): a. Nordsee: Steigende Lufttemperaturen (im Mittel +1 °C) begünstigen einerseits das zukünftige Klima an der Nordsee (Zunahme thermisch komfortabler Bedingungen um +5 bis +10 Tage, in Niedersachsen und im Hinterland etwas geringer). Andererseits wird sich die Nordseeregion mit einer Häufung feuchtwarmer Bedingungen konfrontiert sehen (+15 bis +25 Tage), die sich leicht negativ auf das Küstenimage auswirken kann. Kältestresstage werden deutlich zurückgehen (bis zu -24 Tage), da die Erwärmung vorwiegend in den Wintermonaten erwartet wird (+1.7 °C). Dabei ist die Abnahme in unmittelbarer Küstennähe stärker. Hingegen wird Wärme- und Hitzebelastung jedoch keine besondere Rolle spielen. Der Niederschlag wird im Mittel leicht zunehmen (+15 %), jedoch wird sich dieser innerhalb des Jahres umverteilen. Somit wird tendenziell eine Minimierung der Sommerniederschläge (mit Ausnahme von B1) erwartet, während die Niederschläge im Winter, Herbst und Frühjahr eine leichte Zunahme erwarten (im Winter bis zu +30 %). Auch die Regentage werden leicht zunehmen (bis zu +6 Tagen), gebietsweise kann es aber auch zu einer Abnahme kommen. Windige Tage werden je nach Modell und Region sowohl eine Abnahme als auch Zunahme erfahren (-3 bis +8 Tage). Die Entwicklung von heiteren und nebligen Tagen ist nicht eindeutig. b. Schwarzwald: Auch in der Schwarzwaldregion wird mit einer durchschnittlichen Erhöhung der Lufttemperatur von 1 °C gerechnet, die im Winter stärker ausgeprägt sein wird (+1.3 bis +1.8 °C). Die Physiologisch Äquivalente Temperatur wird in der gleichen Größenordnung zunehmen. Dies wirkt sich ebenfalls auf thermische Komfort- und Diskomfortbereiche aus. Kältestress wird um bis zu -19 Tagen abnehmen. Der Hauptrückgang ist vor allem im Winter zu erwarten. Höhere Lagen erfahren dabei eine geringere Abnahme. Thermisch komfortable Bedingungen nehmen in REMO um bis zu 6 Tage ab, während sie in CLM um +5 bis +10 Tage zunehmen können. Die Häufung feuchtwarmer (+15 Tage) und Hitze belastender Sommer (bis zu +6 Tage) kann vor allem in den tieferen Lagen zu Be- 111 einträchtigungen in Freizeit und Erholung führen. Dabei wird eine stärkere Zunahme im Nordschwarzwald verglichen zum Südschwarzwald erwartet. Die höheren Lagen und Gipfellagen jedoch werden weniger stark von Hitze und Schwüle betroffen sein. Die Entwicklung der Niederschlagsverhältnisse ist ebenfalls vom zu betrachtenden Klimaszenario abhängig. Die jährliche Niederschlagssumme wird sich hierbei nur minimal erhöhen (+5 bis +10). Die Winter und Herbstmonate werden feuchter (+30 % bzw. +60 %), die Sommermonate weisen gebietsweise kaum Veränderungen bis eine geringe Abnahme (-5 bis -10%) auf, was sich auch in der Änderung der trockenen Tage widerspiegelt. Je nach Klimaszenario kann es zu einer leichten Abnahme bzw. geringen Zunahme kommen. Schneetage sowie die mittlere Schneehöhe werden sich ebenfalls reduzieren. Mit jedem Grad Erwärmung steigt die Grenze der natürlichen Schneesicherheit um 150 m. Derzeit liegt diese bei 1500 m. Die Anzahl der schneesicheren Tage wird sich um bis zu 21 Tage verringern. Dabei sind die größten Änderungen unterhalb von 600 m zu erwarten. Die Entwicklung von Nebeltagen und sonnigen Tagen ist nicht eindeutig. Windige Tage erfahren in beiden Modellen eine leichte Zunahme (bis zu +4 Tagen). Im Großen und Ganzen zeigen beide Regionalmodelle gleiche Tendenzen in der klimatischen Entwicklung. 112 113 1. Einleitung Das Thema Klimawandel ist in den letzten Jahren in der wissenschaftlichen und nichtwissenschaftlichen Öffentlichkeit (Alltag) nicht mehr wegzudenken und vollzieht sich in vielen unterschiedlichen wirtschaftlichen und gesellschaftlichen Bereichen. Dessen Ausmaß ist jedoch von Bereich zu Bereich, von Region zu Region und von Zeitpunkt zu Zeitpunkt verschieden. Somit stellt er nicht nur für Meteorologen und Klimatologen eine Herausforderung bezogen auf die Abschätzung der zu erwartenden Änderungen dar, sondern auch für die einzelnen Bereiche, auf die sich der Klimawandel auswirkt. Die Auswirkungen umfassen nicht nur die langsam abtauenden Gletscher oder der allmählich steigende Meeresspiegel, sondern auch extreme Hitzewellen, massive Regenfälle, über die Ufer tretende Flüsse und in der Luft auch bisher unbekannte allergene Pollen. Anpassungen an die bereits eingetretenen und verstärkt zu erwartenden Folgen des Klimawandels sind für Gesellschaften überlebenswichtig und eine vorausschauende Anpassung an extreme Wetterverhältnisse und erwartende Änderung des Klimas ist ein wichtiger Aspekt einer nachhaltigen Entwicklung. Insbesondere für wetter- und klimasensible Wirtschaftsbereiche wie dem Tourismus hat der Klimawandel eine besondere Bedeutung, da kaum in einem anderen Wirtschaftszweig Klima und Wetter eine so große Rolle spielen. Gegebene klimatische Bedingungen und aktuelles Wetter steuern, limitieren und begünstigen dabei Angebot und Nachfrage im Tourismus. Beim Thema Urlaub und Erholung denken fast alle Menschen an sonnige Tage am Strand oder Urlaub in den schneebedeckten Bergen. Relativ geringe Änderungen der klimatischen Rahmenbedingungen können aber schon massive Ertragsausfälle in der Tourismusbranche zur Folge haben. Somit ist auch die saisonale Variabilität von verschiedenen Wetterbedingungen eine limitierende Größe und kann entscheidend die Reisemotivation beeinflussen. Um sich zukünftig an den Klimawandel anpassen zu können, um einerseits wettbewerbsfähig zu bleiben und andererseits die Bedürfnisse der immer anspruchsvoller werdenden Bevölkerung zu erfüllen, ist es sinnvoll, nicht die nächsten 5-10 Jahre in Betracht zu ziehen, die in der Tourismusbranche den üblichen Planungshorizont darstellen, sondern die nächsten 30-50 Jahre. 114 Das Klima wandelt sich schon seit Milliarden von Jahren vergleichsweise mäßig zwischen Warm- und Eiszeiten. Diese Klimaänderungen sind zunächst erst einmal natürliche Prozesse. In diesen Warmzeiten waren die Pole immer noch mit Eis bedeckt. Deshalb herrschte auch dann ein eher gemäßigtes Klima. Seit ca. 10.000 Jahren befinden wir uns in einer solchen Warmzeit. Jedoch hat in den vergangenen Jahrzehnten (seit der Industrialisierung) die globale Lufttemperatur stetig und rasant zugenommen: Im letzten Jahrhundert ist die globale Lufttemperatur um ca. 1 Grad Celsius gestiegen. In den nächsten 50 Jahren wird eine nochmalige Erhöhung von bis zu 3.5 Grad Celsius erwartet. Dabei weist die Erwärmung der Erde regionale und saisonale Unterschiede auf. So erwärmen sich die Kontinente schneller als die Ozeane. Besonders ausgeprägt ist die Erwärmung im Winter und Frühling, die wiederum erhebliche Auswirkungen auf die Schneebedeckung, Schneepotenzial und dem Wintertourismus vor allem in Mittelgebirgen hat (IPCC 2007). Satellitenbeobachtungsdaten von 1966 bis 2005 zeigten auf, dass die monatliche Schneedeckenhöhe in der nördlichen Hemisphäre um 1,3 % pro Dekade (UNEP 2007) zurückgegangen ist. Tiefebenen in Zentraleuropa weisen neuerdings eine Abnahme in der jährlichen Schneedeckendauer von 1 Tag pro Jahr auf (Falarz 2002). Schneegebiete oberhalb von 1500 m werden gegenwärtig als schneesicher erachtet (Beniston 2003). Zukünftig wird jedoch mit einer Zunahme von einem Grad Celsius eine Erhöhung der Schneegrenze um 150 m erwartet. Somit ist der Wintertourismus im Kontext mit dem Klimawandel ein sehr aktuelles Thema. Küstengebiete und flache Inseln sind vor allem aufgrund eines erhöhten Meeresspiegels vom Klimawandel betroffen, der für den Wirtschaftsfaktor Tourismus entscheidend sein kann. Laut dem vierten Sachstandbericht (IPCC 2007) wird die mittlere Anstiegsrate während des 21. Jahrhunderts die mittlere Rate von 1961 bis 2003 (1.8 ± 0.5 mm pro Jahr) überschreiten. Bis zum Ende des 21. Jahrhunderts kann ein Anstieg von 0.51 m erwartet werden. Der Meeresspiegel unterliegt jedoch erheblichen geografischen Schwankungen. Als weitere Folge des globalen Klimawandels muss mit einer Häufung von Extremereignissen und damit einer Zunahme von Gefahren gerechnet werden. Bezogen auf Sturmereignisse bedeutet dies keine Zunahme in der Häufigkeit des Auftretens, vielmehr wird sich die Intensität verstärken. 115 2. Ziele des Projektes KUNTIKUM Der Tourismus ist für die heutige Industrie ein relevanter Faktor, welcher von den vorherrschenden klimatischen Bedingungen abhängt. Sie gelten als Auswahlkriterium in der Reiseentscheidung. Für das interdisziplinäre Verbundprojekt KUNTIKUM (Klimatrends und nachhaltige Tourismusentwicklung in Küsten- und Mittelgebirgsregionen), welches sich mit dem wetter- und klimasensiblen Wirtschaftsektor Tourismus exemplarisch in zwei klimatisch sensitiven Destinationen (Nordsee und Schwarzwald) beschäftigt, stellen sich folgende Forschungsfragen für das Teilprojekt Klima- und WetterAnalyse: 1. Untersuchung der aktuellen klimatischen Situation in beiden Destinationen (Nordsee und Schwarzwald) auf Grundlage von Beobachtungsdaten 2. Analyse von Klimasimulationen und Abschätzung von Klimatrends für den Tourismussektor auf Grundlage von regionalen Klimasimulationen. Da für Tourismuszwecke nicht nur Lufttemperatur und Niederschlag von Bedeutung sind, wird hier eine moderne Bewertungsmethodik eingeschlagen, die auf der Human-Biometeorologie und Tourismus-Klimatologie beruhen Der vorliegende Abschlussbericht gliedert sich wie folgt: Am anschließenden Kapitel wird der Stand der Wissenschaft, insbesondere der der Tourismus-Klimatologie und Human-Biometeorologie kurz dargestellt. In Kapitel 4 werden die verwendeten regionalen Klimamodelle REMO und CLM vorgestellt und die Bearbeitung der Modelldaten auf Grundlage der Tourismus-Klimatologie (Methodik und Vorgehensweise) sowie die verwendeten Softwaretools erläutert. In Kapitel 5 werden ausgewählte Ergebnisse für die beiden Destinationen Nordsee und Schwarzwald aufgezeigt, die im anschließenden Kapitel diskutiert werden. Eine abschließende Schlussbetrachtung mit Ausblick findet sich im Kapitel 7. Im Anhang 1 sind die im Rahmen des Projektes entstandenen Veröffentlichungen aufgelistet sowie die zusätzlichen Abbildungen. 116 3. Stand der Wissenschaft 3.1. Die Entwicklung der Tourismus-Klimatologie - ein kurzer Überblick Das Klima sowie das Wetter spielen im Tourismus eine grundlegende Rolle, zum Beispiel für die Reiseentscheidung oder Aktivitäten am Urlaubsort. In den letzten Jahrzehnten wurde auf diesem Sektor mehr und mehr geforscht, um die Bewertungsmethoden des Klimas für den Tourismus zu verbessern. Anfang der 1970er Jahre untersuchten Wissenschaftler der angewandten Meteorologie klimatische Schwellenwerte, die die Saisonlänge für eine große Spannweite touristischer Aktivitäten definieren (Besancenot et al. 1978, Yapp und McDonald 1978). In den 1980er studierten Biometeorologen, wie Klimavariablen den thermischen Komfort von Touristen beeinflussen und entwickelten Bewertungssysteme, um Klimate verschiedener Tourismusdestinationen zu evaluieren und zu vergleichen (Mieczkowski 1985, Besancenot 1990, Harlfinger 1991). Einige Tourismusarten setzen aber auch sehr spezifische Klimabedingungen voraus wie z.B. der Badetourismus, Wintersport oder Erholungstourismus. Klimatische Bedingungen und ihre touristische Eignung können auf der Mikroebene aber sehr unterschiedlich sein. In der modernen Forschung beruht die Quantifizierung des Klimas für Tourismus und Erholung (Tourismus-Klimatologie) und folglich auch des sich wandelnden Klimas auf Grundlagen der Human-Biometeorologie und der angewandten Klimatologie. Dabei steht das Empfinden bzw. die Wahrnehmung des Klimas für den Menschen im Vordergrund. Um das Klima und deren Wahrnehmung beschreiben zu können, reicht es nicht, die tatsächliche Höhe der Lufttemperatur zu wissen, vielmehr wird die Wahrnehmung durch zusätzliche Wetterfaktoren wie die Luftfeuchtigkeit oder die Windgeschwindigkeit beeinflusst. Dementsprechend wird das thermische Empfinden in der HumanBiometeorologie und Tourismus-Klimatologie durch thermische Indizes quantifiziert. Es gibt über 100 einfache und teils komplexere thermische Indizes (Harlfinger 1985, VDI 1998, Matzarakis und de Freitas 2001, Matzarakis 2006). Der Vorteil dieser thermischen Indizes ist, dass eben nicht nur die Lufttemperatur sondern auch andere Faktoren wie z. B. Windgeschwindigkeit, relative Luftfeuchtigkeit oder kurz- und langwellige Strahlungsflüsse berücksichtigt werden, die in moderneren Indizes implementiert werden (z. B. Physiologisch Äquivalente Temperatur (PET, Höppe 1994), Predicted Mean Vote (PMV, Fanger 1972), Standard Effektive Temperatur (SET*, Gagge et al. 1986), 117 Gefühlte Temperatur (Jendritzky et al. 2000)). Dabei stellen die Strahlungsverhältnisse eine entscheidende Einflussgröße für komplexe Bedingungen der Wärmeabgabe des Menschen dar, die nicht nur die Solarstrahlung sondern auch die reflektierte, atmosphärische Gegenstrahlung und Strahlung der Umgebungsflächen beinhalten (VDI 1998). Im letzten Jahrhundert der angewandten Klimatologie und der Human-Biometeorologie wurden jedoch zumeist Zwei-Parameter-Indizes entwickelt, die die komplexen Bedingungen des Wärmeaustausches zwischen dem menschlichen Organismus und den thermischen Umweltbedingungen sehr vereinfachend beschreiben und somit nur eine mangelhafte Interpretation des bioklimatischen Einflusses auf den Menschen zulassen. Die bis jetzt eingesetzten Methoden zur Beschreibung des Klimas für den Tourismus (Lecha und Shakleford 1997, Shakleford und Olson 1995) beruhen jedoch auf einfache Ansätze, die meteorologische Parameter kombinieren, wie z. B. der Klima-Index von Davies (1968), der sich aus Lufttemperatur, Sonnenscheindauer und Niederschlag zusammensetzt. Für warme Bedingungen bestehen meist die elementaren Indizes aus einer Kombination von Lufttemperatur und unterschiedlichen Feuchtemaßen; für kalte Bedingungen werden Lufttemperatur und Windgeschwindigkeit vereint (z. B. Windchill). Die bereits existierenden Klima-Tourismus-Indizes haben jedoch den Nachteil, dass sie nicht alle notwendigen Parameter wie Strahlungsflüsse oder Windgeschwindigkeit berücksichtigen und somit nur für bestimmte Klimaregionen und Tourismusarten (z. B. Badetourismus, Wintersport) anwendbar sind. Sie können nur auf Jahres- oder Monatsbasis bestimmt werden und sind nicht anwendergerecht getestet worden (Matzarakis 2006). Außerdem fokussieren die Indizes entweder nur Sommer- oder Winterbedingungen. Der bekannteste und bis heute noch oft angewendete Tourismus-Klima-Index (TCI) ist von Miezckowski im Jahre 1985 entwickelt worden. Der TCI kombiniert sieben Parameter, die drei Einzelparameter und zwei bioklimatische Kombinationsgrößen umfassen: 118 TCI = 8Cld + 2Cla + 4 R + 4S + 2W (1) In Gleichung (1) beschreibt Cld den Komfort-Index während des Tages und Cla den täglichen thermischen Komfort-Index. Beide Parameter beruhen auf der Lufttemperatur und der relativen Luftfeuchtigkeit. R, S und W deklarieren den Niederschlag, die Sonnenscheindauer und die Windgeschwindigkeit. Im Gegensatz zu anderen Klima-Indizes ist jeder beitragende Faktor klassifiziert und gewichtet. Folglich können Werte bis 100 erreicht werden. TCI-Werte ≥ 80 bedeuten exzellente Bedingungen, während Werte zwischen 60 und 79 gute bis sehr gute Bedingungen beschreiben. Akzeptable Bedingungen werden durch den Wertebereich 40 bis 59 wiedergegeben und Werte < 40 implizieren schlechte bzw. schwierige Bedingungen für den Tourismus (Abegg 1996, Mieczkowski 1985). Auch der TCI berücksichtigt nicht die aus der Sicht der Tourismus-Klimatologie und Human-Biometeorologie wichtigen kurz- und langwelligen Strahlungsflüsse (Matzarakis und Mayer 1996, Matzarakis et al. 2007). Ein zusätzlicher Nachteil des TCI ist die alleinige Berücksichtigung der Lufttemperatur und der relativen Luftfeuchte. Daraus folgt, dass der TCI im Allgemeinen keine thermophysiologische Relevanz aufweisen kann. Eine vollständige Bewertung des thermischen Bioklimas kann nur mit dem Einsatz von Energiebilanzmodellen des Menschen gewährleistet werden. Dabei stellt die mittlere Strahlungstemperatur Tmrt den wichtigsten Parameter zur Bewertung der thermischen Umgebung des Menschen (vor allem im Sommer) dar. Zur Simulation der kurz- und langwelligen Strahlungsflüsse sowie der thermischen Indizes (z.B. PET, PMV SET* sowie Gefühlte Temperatur) werden nur wenige meteorologische Größen und geografische Informationen der Umgebungen benötigt. In den vergangenen 40-50 Jahren wurde die Forschung bezüglich der Modellierung des thermischen Komforts aktiv vorangetrieben. Erste Ansätze gehen dabei auf die Komfortgleichung von Fanger (1972) mit dem daraus resultierenden thermischen Index PMV zurück, der ursprünglich für Innenraumklimate konzipiert worden ist. PMV ist ein skalierter Wert für das thermische Empfinden und gibt Auskunft lediglich über das Zusammenwirken der einzelnen Variablen den thermischen Komfort betreffend (Tab. 1). Er gibt auf der Grundlage der siebenstufigen psycho-physischen ASHRAE-Skala (Ame- 119 rican Society of Heating, Refrigerating and Air-Conditioning Engineers) an, welche Einschätzung die thermischen Umgebungsluftbedingungen durch ein großes Kollektiv von Menschen erfahren wird. Die Komfortgleichung ist jedoch nur gültig für stationäre Bedingungen (d.h. meteorologische Bedingungen der Wärmeabgabe dürfen sich in der Zeit nicht ändern). Tab. 1: Empfinden des Menschen skaliert nach Fanger (1972) Skalenwert -3 -2 -1 0 1 2 3 Empfinden kalt kühl leicht kühl neutral leicht warm warm heiß Die Koppelung der Komfortgleichung nach FANGER mit den kurz- und langwelligen Strahlungsströmen im Freien, d.h. die Berechnung von PMV-Werten für Freilandbedingungen, ist unter dem Namen „Klima-Michel-Modell“ in zahlreichen Anwendungen bekannt geworden (u.a. Jendritzky et al. 1990, Grätz et al. 1994). Bei der Anwendung dieses Bewertungsverfahrens werden von den aufgeführten meteorologischen Parametern mit thermophysiologischer Relevanz die kurz- und langwelligen Strahlungsströme über die mittlere Strahlungstemperatur Tmrt parametrisiert. Sie ist als einheitliche Temperatur einer schwarz strahlenden Umschließungsfläche definiert, die zum gleichen Strahlungsenergiegewinn eines Menschen führt wie die aktuellen, unter Freilandbedingungen meist sehr uneinheitlichen Strahlungsströme (Jendritzky et al. 1990, Höppe 1994). Neben meteorologischen Faktoren hängt PMV noch von den personenbezogenen Größen „Bekleidung“ (steuert den Wärmedurchgangswiderstand der Bekleidung) und „Aktivität“ (steuert die metabolische Rate M und den Energieumsatz infolge mechanischer Leistung) ab. Nur wenige Modelle bewerten jedoch die physiologische Komponente des Energieaustausches zwischen Mensch und seiner Umgebung in einer realistischen Weise (z.B. Blazejczyk 1994, de Freitas 1985, 1990, Höppe 1984, Jendritzky 1990). Erst in der zweiten Hälfte des vergangenen Jahrhunderts fing man an diese Aussage in Form von Energie- 120 bilanz-Modellen des menschlichen Körpers umzusetzen und hielt diese Methoden in der VDI-Richtlinie 3787 Blatt 2 Teil I (VDI, 1998) fest. Alle Modelle basieren auf der menschlichen Energiebilanzgleichung (Höppe 1984, 1993), die auf den ersten Hauptsatz der Wärmelehre beruht: M + W + Rn + QH + QL + QSW + QRe = 0 (2) mit M Gesamtenergieumsatz (metabolische Rate), W Energieumsatz infolge mechanischer Leistung, Rn Strahlungsbilanz, QH konvektiver Wärmestrom, QL Strom latenter Wärme infolge von Wasserdampfdiffusion durch die Haut, QSw Strom latenter Wärme infolge der Schweißverdunstung und QRe Energieumsatz infolge von Erwärmung und Wasserdampfsättigung der Atemluft. Dabei gehen neben der Lufttemperatur auch die Windgeschwindigkeit, die Luftfeuchtigkeit und die mittlere Strahlungstemperatur ein. Zusätzlich werden thermophysiologischen Parameter wie Bekleidungsindex und Aktivität berücksichtigt. Dabei werden die Energieflüsse zur Körperoberfläche positiv und die von der Körperoberfläche weg negativ bewertet (Höppe 1984). Abb. 1: Die thermische Umgebung von Menschen. Weitere Komponenten sind: A: atmosphärische Gegenstrahlung, D: diffuse Sonnenstrahlung, I: direkte Sonnenstrahlung, R: reflektierte Sonnenstrahlung, E: langwellige Emission der Umgebungsfläche, EKM: Infrarotstrahlung von der Oberfläche des Menschen (nach Jendritzky et al. 1990) 121 Alle für den menschlichen Energiehaushalt relevanten Parameter sind nochmals schematisch in Abb. 1 dargestellt. Die Physiologisch Äquivalente Temperatur (PET) basiert ebenfalls auf der Energiebilanzgleichung (Gleichung 2), berücksichtigt alle auf den Menschen im natürlichen Umfeld wirkenden äußeren thermischen Einflüsse sowie seinen eigenen Energieumsatz, setzt diese zueinander in Beziehung und ordnet sie einer "psycho-physischen" Empfindungsskala zu (siehe Tab. 2). PET hat wie die Lufttemperatur die Einheit °C und ist somit für die Allgemeinheit verständlicher als der PMV-Index. Tab. 2: Zuordnung von PET-Bereichen zu PMV-Bereichen bei gleichem thermischen Empfinden und gleicher thermophysiologischer Belastungsstufe von Menschen, bezogen auf eine metabolische Rate von 80 W und einen Wärmedurchgangswiderstand der Bekleidung (leichter Anzug) von 0.9 clo (nach Matzarakis und Mayer, 1996) 122 3.2. Der neue Ansatz in der Tourismus-Klimatologie Ein wesentliches Problem der Bewertung des Klimas für Tourismuszwecke betreffend ist die Wahl meteorologischer und klimatologischer Kriterien. Zentrale Fragen sind zum Beispiel welche Kriterien für ideale, geeignete, angenehme oder nicht angenehme Bedingungen gelten. Die Bewertung des Klimas kann aber nicht universell für alle Regionen der Welt erfolgen, da Menschen abhängig vom Herkunftsland das Klima unterschiedlich empfinden. Dies betrifft besonders die thermische Komponente. In dieser Studie beziehen sich die Kriterien der thermischen Größen auf Mitteleuropäer. Viele Untersuchungen über das thermische Empfinden in anderen Regionen der Welt wurden bisher nicht durchgeführt. Nur nachdem adäquate klimatologische Kriterien eindeutig identifiziert wurden, können Schlüsselfragen, wie z.B. wann die beste Reisezeit ist, welche Kleidung, Ausstattung benötigt wird oder wie wahrscheinlich Wetterextreme sind, beantwortet werden. Die Auswirkung des Klimas auf den Tourismus ist stark beeinflusst von der Wahrnehmung der Touristen. Thermischer Komfort spielt hierbei eine größere Rolle als mittlere Lufttemperaturen; während Häufigkeit und Länge eines Regenschauers bedeutender für die Qualität und das touristische Erleben ist als der mittlere Niederschlag. Deswegen hängt die Forschung bezüglich Auswirkungen des Klimawandels auf den Tourismus von der Durchführung regionaler und lokaler Klimaszenarien ab sowie von der Art der Parameter, die auf diesen Skalen modelliert werden kann (UNWTO 2007). Die hier eingeschlagene Methode verbindet meteorologische und tourismusbezogene Parameter, da Lufttemperatur und Niederschlag oftmals nicht ausreichen. Neben dem thermischen Wirkungskomplex, der einen Schwerpunkt in der tourismus-klimatischen Analyse bildet, werden zwei weitere sog. Facetten betrachtet: die physikalische und ästhetische (de Freitas 2003, siehe Tab. 3). Zum Beispiel kann Starkwind Diskomfort bei den Touristen auslösen, grauer Himmel, geringe Sichtweite und Nebel können das ästhetische Erlebnis in einer Destination negativ beeinflussen auch wenn die thermischen Bedingungen im Komfortbereich liegen. Im wetter- und klimaabhängigen Tourismus ist die Reise direkt von der Attraktivität und saisonaler klimatischer Bedingungen (z.B. Sonnenschein, Schnee) beeinflusst (Smith 1993). 123 Tab. 3: Klimafacetten, deren Signifikanz und Wirkung (de Freitas 2003, Matzarakis 2006) Klimafacetten Ästhetisch Signifikanz Sonnenscheindauer/Bewölkung Erlebnisqualität Sichtweite Erlebnisqualität Tageslänge Annehmlichkeit Wirkung Genuss, Attraktivität Genuss, Attraktivität Verfügbares Tageslicht Physikalisch Wind Regen Schnee Eis extremes Wetter Luftqualität UV-Strahlung Gerüche Lärm Verwehte Sachen, Wind, Staub,… Nässe, reduzierte Sichtweite, Belästigung, Reiz Genuss Winter Teilnahme an Sportaktivitäten Sport/Aktivitäten Verletzungsgefahr Belästigung, Gefahr Alles Gesundheit, Wohlbefinden, Belästigung, Gefahr Allergien Gesundheit, Sonnenbräune Gefahr/Unattraktivität und -brand Belästigung Attraktivität Belästigung Attraktivität Belästigung Thermisch synerget. Wirkung von Lufttemperatur, Wind, kurz- und langwelliger Strahlung, Luftfeuchte metabolische Rate Bekleidung Thermischer Komfort/ Belastung Therapeutisch Erholsam Umweltstress Physiologischer Stress Hypothermie Hyperthermie Potenzial für Rehabilitation Nun gilt es, die Klimainformationen auch adäquat und verständlich der Öffentlichkeit zur Verfügung zu stellen. Eine Bioklimakartierung wie sie z.B. von Jendritzky et al. (1979, 1990), Matzarakis und Mayer (1997) durchgeführt wurde, beschreibt hierbei nur die thermische Komponente. In der Tourismus-Klimatologie fließen zusätzlich - wie schon erwähnt - die physikalische und ästhetische Komponente in die Bewertung mit ein. Dabei werden weniger mittlere Zustände (d.h. Mittelwerte) abgebildet, sondern 124 vielmehr Häufigkeiten (d.h. Anzahl der Tage), da sich Menschen viel besser etwas unter letzteres vorstellen können. Für gezielte Destinationen können nun die Häufigkeiten relevanter Kenngrößen prozentual und kompakt im so genannten Klima-Tourismus-Informations-Schema (CTIS, Abb. 2) dargestellt werden (Matzarakis 2007, Matzarakis et al. 2007b). Dabei besteht die Möglichkeit, zwischen unterschiedlichen zeitlichen Auflösungen zu wählen (z.B. Monate oder Monatsdekaden). Abb. 2: Klima-Tourismus-Informations-Schema anhand der Station Feldberg für den Zeitraum 1961-1990. Daten: Beobachtungsdaten des DWD CTIS liefert somit einfach verständliche Ergebnisse für die touristische Praxis und kann für eine bessere Planung von Urlaubern oder auch für die örtlichen Entscheidungsträger und Planer eingesetzt werden. CTIS kann also als Informationsgrundlage für eine große Palette von Klimagrößen und -faktoren dienen. Enthaltene Klimainformationen sowie auch Extreme können für die unterschiedlichen räumlichen und zeitlichen Planungsebenen, z.B. Bau von neuen Kurorten oder Ressorts, integriert werden. Für größere Destinationen wie z.B. der Nordsee oder des Schwarzwaldes eignet sich diese Methode der Informationsdarstellung leider nicht. Hierfür greift man wieder auf die bewährte Kartendarstellung zurück. Die der Studie zugrunde liegenden Vorgehensweise wird im anschließenden Kapitel ausführlich beschrieben. 125 4. Methodik 4.1. Regionale Klimamodelle Um die Folgen besser abschätzen zu können, basieren die so genannten Impact Studies weniger auf globale, sondern eher auf regionale Klimasimulationen. Um jedoch das zukünftige Klima modellieren zu können, gehen neben der physikalischen Beschreibung des Klimasystems verschiedene Emissionsszenarien ein. Dabei werden verschiedene mögliche politische, demografische, technische und kulturelle Entwicklungen berücksichtigt, so dass aus insgesamt 40 möglichen Emissionsszenarien 4 Szenarienfamilien betrachtet werden: A1, A2, B1 und B2 (Abb. 3). Dabei sind die A-Familien ökonomisch geprägt, während die B-Familie umweltorientiert ist. Die Notation 1 und 2 beschreiben die globale bzw. regionale Ausprägung. Die Familie A1 wird hinsichtlich ihrer technischen Ausrichtung differenzierter betrachtet: A1B (Balance), A1T (technologisch) und A1FI (fossil). Die projizierten Klimaänderungen hängen jedoch entscheidend von der Wahl der Emissionsszenarien ab. Für die Klimamodellierung sowie für die Impact Studies werden nach neueren Erkenntnissen des vierten Sachstandsberichtes (IPCC 2007) vorwiegend die Klimasimulationen A1B („mittleres“ Szenario), A2 („extremes Szenario) und B1 („moderates“ Szenario) verwendet. Die Emissionsszenarien dienen lediglich als Basis für Simulationen der Zirkulationsmodelle, die die Wechselwirkungen der Parameter im System Erde berechnen und dabei zukünftige Entwicklungen (Klimatrends) abbilden. Abb. 3: IPCC-Emissionsszenarien 126 Im Rahmen des Projektes wurden für die Analysen der Klimatrends im Schwarzwald und in der Nordseeregion die Szenarien A1B und B1 verwendet, da sie mit hoher Wahrscheinlichkeit das zukünftige Klima am realistischsten abbilden. Der Analysezeitraum ist hierbei von 1961 bis 2050. Um Auswirkungen globaler Klimaänderungen auf regionaler Ebene zu untersuchen, werden regionale Klimamodelle in globale Klimamodelle eingebettet („genestet“), d. h. der Modelloutput globaler Zirkulationsmodelle dient zur Berechnung der möglichen Klimaentwicklung auf einer feiner aufgelösten räumlichen Skala. In dieser Studie werden zwei Regionalmodelle verwendet, die im Folgenden kurz vorgestellt werden. 4.1.1. REMO Das REgionalMOodell ist ein dreidimensionales, hydrostatisches, atmosphärisches Zirkulationsmodell, das die relevanten physikalischen Prozesse unter Berücksichtigung nicht-linearer Zusammenhänge dynamisch berechnet. Subskalige Prozesse, d.h. nicht vom Modell auflösbar (z.B. Konvektionsbildung, kleinräumige Windsysteme, Turbulenzen), werden durch so genannte physikalische Parametrisierungen berechnet (Jacob et al. 2001, 2007). REMO, das aus dem Europamodell des Deutschen Wetterdienstes entstand (Majewski 1991), wird durch das globale gekoppelte Atmosphäre-OzeanModell ECHAM5/MPI-OM angetrieben. Die horizontale Auflösung des Atmosphärenmodells ECHAM5 beträgt dabei 1.875° entsprechend einem Gitterabstand von etwa 200 km am Äquator, während die des Ozeanmodells (MPI-OM) 1.5° entsprechend etwa 160 km am Äquator beträgt. Im Auftrag des Umweltbundesamtes wurden regionale Klimasimulationen für Deutschland am Max-Planck-Institut für Meteorologie in Hamburg durchgeführt. Diese Simulationen sollen detailliertere Informationen über regionale Änderungen des Klimas liefern. Sie liegen in einer horizontalen Auflösung von 0.088 ° (~ 10 km) vor. Die zeitliche Auflösung beträgt hierbei bis zu Stunden. Das Modellgebiet ist in Abb. 4 wiedergegeben. 127 Abb. 4: Modellgebiet von REMO (dargestellt ist hierbei die Topgraphie in Metern) 4.1.2. CLM CLM steht für Climate Version of the Local Model und ebenfalls ein dynamisches, regionales aber nicht-hydrostatisches Klimamodell. CLM ist auch aus dem Europamodell des Deutschen Wetterdienstes hervorgegangen (später Lokalmodell) und wurde von verschiedenen Institutionen und Forschungseinrichtungen weiterentwickelt (BTU Cottbus, MPI für Meteorologie, DWD, Forschungszentrum Karlsruhe, Potsdam-Institut für Klimafolgenforschung (PIK), GKSS Forschungszentrum und der Universität Bonn). CLM wird ebenfalls durch das gekoppelte Atmosphäre-Ozean-Modell (ECHAM5/MPIOM) angetrieben. Die horizontale Auflösung der CLM-Klimasimulationen beträgt hierbei 0.167 ° (≈ 18 km), die zeitliche bis zu Stunden. Das Modellgebiet umfasst Europa und ist in Abb. 5 wiedergegeben. 128 Deutschland Abb. 5: Modellgebiet von CLM mit Ausschnitt von Deutschland (dargestellt ist hierbei die Topographie in Metern) 4.2. Datenbearbeitung 4.2.1. Datenextraktion Folgende Daten (Nr. 1 in Abb. 6) aus dem REMO und CLM-Datensatz wurden mit der am Meteorologischen Institut der Universität Freiburg entwickelten Software ClimExtractor extrahiert (Matzarakis et al. 2007): – Datum – Geographische Koordinaten (Breite, Länge, Höhe) – Lufttemperatur in 2 m Höhe – Windgeschwindigkeit in 10 m Höhe – Tagesmaximum der Windgeschwindigkeit – Dampfdruck – Bowen-Verhältnis (Fluss sensibler Wärme/ Fluss latenter Wärme) – Globalstrahlung (nur aus REMO-Modelldatensatz) – Anteil der diffusen Strahlung – Bewölkung – Albedo – Niederschlagssumme – Wasseräquivalent der Schneedecke 129 Dabei beziehen sich die Werte auf 14 MEZ (Mitteleuropäische Zeit) bei REMO und auf eine Mittelung von 13 bis 15 MEZ bei CLM, da der Modelloutput zum Teil über eine Stunde bzw. drei Stunden gemittelt erfolgt. 2 1 3 4 5 6 Abb. 6: Hauptfenster vom ClimExtractor mit den einzelnen, möglichen zu extrahierenden Parametern aus dem REMO- und CLM-Modelldatensatz (Hintergrund) und „extended properties“ (Vordergrund); Erklärung siehe Text. Die Extraktion kann dabei über einzelne Gitterpunkte, über 5 (CLM) bzw. 9 (REMO) Gitterpunkte gemittelt oder über größere Regionen unter Angabe eines Koordinatenpaares, welches eine entsprechende Fläche aufspannt (Nr. 2, 5) erfolgen. Weiterhin kann der zu analysierende Zeitraum und das gewünschte Szenario gewählt werden (Nr. 3, 4). Für die Berechnung der Physiologisch Äquivalenten Temperatur mit dem RayMan- 130 Modell bedarf es einer auf die entsprechenden Parameter reduzierten Outputdatei, die beim Anklicken zusätzlich erstellt wird. Ferner kann über die „extended properties“ eine Analyse auf Monatsbasis erfolgen. Zusätzlich sind eine Höhenanpassung des Windes und eine Limitierung des Ausgabewertebereiches des Bowen-Verhältnisses möglich (Nr. 6). Für die sich anschließende Klimaanalyse wurde aus dem REMO-Modelldatensatz die beiden Untersuchungsgebiete Nordsee (Abb. 7, links) und Schwarzwald (Abb. 7, rechts) extrahiert. Dabei spannt die Schwarzwaldregion eine Fläche von 49°17’N und 6°45’ E bis 47°30’ N und 9°12’ E auf. Das Untersuchungsgebiet Nordsee wird im Ausschnitt 55°30‘ N und 6°00‘ E bzw. 53°00‘ N und 10°30‘ E wiedergegeben. Abb. 7: Untersuchungsgebiet Nordsee (unten) und Schwarzwald (oben) auf Grundlage des REMO-Modells 131 Die Klimaanalyse und deren Quantifizierung für den Tourismussektor beruht weniger auf mittlere Zustände meteorologischer Parameter (Mittelwerte), sondern vielmehr auf deren Häufigkeiten. Dabei wird meist auf einen Zeitraum von 30 Jahren zurückgegriffen. Die World Meteorological Organization (WMO) sieht in der 30-Jahresperiode eine sinnvolle Definition des Klimas. Somit werden statistische Daten der jeweils folgenden 30 Jahre 1901-1930, 1931-1960, 1961-1990 als Bezug dienen und als klimatologischer Normalstandard genutzt, um einen weltweiten Vergleich der Klimaereignisse auf einer einheitlichen Basis sicher zu stellen. Heutzutage werden aber diese Daten aufgrund des sich schneller ändernden Klimas manchmal alle 10 Jahre für den Zeitraum der letzten 30 Jahre berechnet, z. B. 1961-1990, 1971-2000 usw. obwohl die nächste offizielle Periode erst 1991-2020 sein wird. Im Projekt wurde die Klimanormalperiode 1961-1990 gewählt. Tab. 4: Tourismusrelevante Größen in Beziehung zu ihren Schwellenwerten und Autoren Parameter Schwellenwert Autoren Thermische Eignung 18 °C < *PET < 29 °C Hitzestress *PET > 35 °C Kältestress *PET < 0 °C Matzarakis (2007) Matzarakis und Mayer (1996) Matzarakis (2007) sonnig Bewölkung < 4/8 DWD Nebel Relative Feuchte > 93 % Matzarakis (2007) Feuchtwarm („schwül“) Dampfdruck > 18 hPa Scharlau (1943) trockener Tag Niederschlag ≤ 1 mm Matzarakis (2007) nasser Tag Niederschlag > 5 mm Matzarakis (2007) windig Windgeschwindigkeit > 8 m/s Besancenot (1990), Gómez Martín (2004) Schneedecke > 10 cm Schneepotenzial Schneedecke > 30 cm *PET = Physiologisch Äquivalente Temperatur u.a. Beniston (1997), Breiling und Charamza (1999), OECD (2007) 132 Für die Berechnung des klimatischen Tourismuspotenzials werden die Klimafacetten (thermisch, physikalisch und ästhetisch) berücksichtigt, die im Folgenden kurz erläutert werden. Dabei unterliegen die zu analysierenden Parameter verschiedenen Schwellenwerten, die in der Tab. 4 zusammengestellt sind. Die Definitionen der tourismusrelevanten Schwellenwerte entsprechen dabei nicht zwangsläufig den allgemein gültigen meteorologischen Schwellenwerten. Vielmehr werden sie den Bedürfnissen des Tourismus angepasst und finden in der TourismusKlimatologie ihre Gültigkeit. Während zum Beispiel ein Sturmtag aus meteorologischer Sicht bei einer Windstärke ab 8 Bft (> 17.2 m/s)1 deklariert wird, werden Windgeschwindigkeiten ab 8 m/s (5 Bft) in der Tourismus-Klimatologie schon als unangenehm empfunden (vgl. Besancenot 1990, Gómez Martín 2004). Deswegen wird für Freizeit und Erholung ein stürmischer Tag bereits ab einer Windgeschwindigkeit von 8 m/s festgelegt. Die Definition für schneesichere Skigebiete variierte in den letzten Jahrzehnten, die auf unterschiedliche Terrainverhältnisse wie Hanglage, Höhe, Skisportart, künstliche Beschneiung etc. zurückzuführen sind. Laut OECD (2007) wird aus technischer Sicht das Skifahrpotenzial mit einer Schneedeckenhöhe größer 30 cm definiert. Aus touristischer Sicht ist die Definition einer Schneedecke von 10 cm für Mittelgebirge hinreichend und zweckmäßig. Zur Parametrisierung der thermischen Umgebung wird die Physiologisch Äquivalente Temperatur PET verwendet (VDI 1998, Höppe 1999) und mit dem Strahlungs- und Bioklimamodell RayMan berechnet (Matzarakis et al. 2007) berechnet, welches ebenfalls am Meteorologischen Institut der Universität Freiburg entwickelt wurde. In PET fließen Lufttemperatur, Luftfeuchtigkeit, Windgeschwindigkeit sowie die kurz- und langwellige Strahlung der Umgebung und physiologische Größen ein. Bei der Berechnung von PET wird weiterhin von einem „Standardmenschen“, 35 Jahre alt, 75 kg schwer, 1.75 m groß und männlich mit einem Bekleidungsfaktor von 0.9 clo und einer Aktivität von 80.0 W ausgegangen. Diese Größen sind variabel einstellbar, jedoch wer1 http://www.dwd.de/de/wir/Geschaeftsfelder/KlimaUmwelt/Leistungen/Schadensfall/Beaufortskala.htm. 133 den sie in dieser Arbeit nicht verändert. Weiterhin werden zusätzlich meteorologische Größen festgesetzt. Die relative Feuchte wird beim Überschreiten eines Wertes von 93 % von RayMan als Nebel deklariert. Die Berechnung der mittleren Strahlungstemperatur sowie von PET wird folglich an die Nebelbedingungen angepasst (Abb. 8). Abb. 8: Hauptfenster des RayMan-Modells Die sog. „Schwüle“, wird, obwohl sie in PET berücksichtigt ist, über einen Schwellenwert des Wasserdampfdruckes von 18 hPa in der Quantifizierung der thermischen Facette des Klimas für den Tourismus miterfasst. Die ästhetische Facette umfasst die Faktoren wie Sonnenscheindauer und Bewölkung, Nebel sowie Sichtweite und Tageslänge. Sie wird hier mittels der Anzahl der Tage mit wenig oder keiner Bewölkung und der Anzahl der Tage mit Nebel in die Klimaanalyse für die Nordsee- und Schwarzwaldregion integriert. 134 Die physikalische Facette, d.h. Wind, Regen, Schneebedingungen, Luftqualität und Extremwettersituationen, kommt in der vorliegenden Untersuchung durch die Faktoren hohe Windgeschwindigkeit und Niederschlagsverhältnisse, aufbauend auf Tagen mit wenig oder kein Niederschlag sowie lang anhaltender Niederschlagsereignisse, zum Ausdruck (Matzarakis 2007). Zusätzlich wird für die Schwarzwaldregion der Parameter Schnee betrachtet. 4.2.2. Kalkulation von Häufigkeiten Da bei der Bewertung des Klimas für Tourismus und Erholung nicht Mittelwerte einzelner meteorologischer und klimatologischer Parameter von Bedeutung sind sondern vielmehr deren Häufigkeiten, wurde für den Schwarzwald und die Nordseeregion die Häufigkeiten der in Kapitel 4.2. vorgestellten tourismusrelevanten Größen ermittelt (siehe auch Tab. 4). Dabei diente die Software CDAP - Climate Data Analysing Program - welches am Meteorologischen Institut der Universität Freiburg entwickelt wurde (Abb. 9). Abb. 9: Hauptfenster von CDAP mit den Auswerte- und Analysemöglichkeiten 135 Dabei können direkt die durch den ClimExtractor oder das RayMan-Modell erzeugten Output-Dateien eingelesen und analysiert werden. Für die Analyse der einzelnen Parameter stehen folgende Anwendungen zur Verfügung: – Berechnung von Mittelwerten, Summen, Maxima sowie Minima für verschiedene Zeitintervalle (Jahre oder Monate) – Berechnung von Häufigkeiten einzelner Parameter für verschiedene Zeitintervalle (Jahre oder Monate) – Berechnung von Häufigkeiten einzelner Parameter basierend auf bestimmten Intervallklassen Die Ausgabe der Ergebnisse erfolgt im ASCII-Format und kann direkt in Tabellenkalkulationsprogrammen übergeben werden (Matzarakis et al. 2007, Neumcke 2008). 4.2.3. Grafische Darstellung Für eine räumlich differenzierte Darstellung der Ergebnisse kann leider nicht das für Tourismuszwecke geeignete Klima-Tourismus-Informations-Schema (CTIS; siehe Kapitel 3.2.) verwendet werden. Im Projekt KUNTIKUM wird auf die bewährte Kartendarstellung mittels des Climate Mapping Tool (CMT, Abb. 10) zurückgegriffen. Das CMT, entwickelt am Meteorologischen Institut der Albert-Ludwigs-Universität Freiburg, hat den Vorteil, dass es anwenderfreundlich und leicht zu bedienen ist (Matarakis et al. 2007). Dafür sind keine GIS-Kenntnisse erforderlich. Folgende Eigenschaften weist CMT im Einzelnen auf: – Einlesen und Darstellen von ASCII (.csv, .txt); Vektordateien (z.B. shapefiles) sowie aller gängiger Rasterformate (z.B. GeoTiff, netCDF, Grib) (Nr. 1 in Abb. 10) – Datendarstellung kann als Raster oder als Isolinien erfolgen – Legenden, Farbabstufungen und Überschriften sind veränderbar (Nr. 2, 3 in Abb. 10) – Pixelauflösung kann automatisch gewählt oder manuell angepasst werden 136 – Auswahl und Anpassung gängiger geographischer Kartenprojektionen (Nr. 4, 5 in Abb. 10) – Karten können in den üblichen Grafikformaten (,jpg und .png) abgespeichert werden oder direkt in Microsoft-Anwendungen übernommen werden – Zeitrafferkartenerstellung ist möglich 137 3 1 2 4 5 Abb. 10: Hauptfenster von CMT mit einem Beispiel der Topographie für das REMO-Modellgebiet mit Fenster für die Farbfestlegung (Legende) (oben) und Fenster für die Auswahl und Anpassung von Kartenprojektionen (unten) 138 5. Ergebnisse Die Klimatrendanalyse für Tourismus und Erholung beruht auf regionalen Klimasimulationen und berücksichtigt die Emissionsszenarien A1B und B1. Dabei wird der Zeitraum 2021-2050 als Zukunftshorizont gewählt und mit der Klimanormalperiode 19611990 verglichen. Somit werden lediglich relative Änderungen der einzelnen Kenngrößen wiedergegeben, da Modelle lediglich eine mögliche Entwicklung des zukünftigen Klimas abbilden und mit Unsicherheiten behaftet sind. 5.1. Testläufe und Validierung von Modelldaten In einem ersten Schritt der Klimaanalyse wurden für ausgewählte Stationen in den untersuchten Gebieten Schwarzwald und Nordsee Testläufe der Methodik auf Grundlage des A1B-Szenarios durchgeführt. Dabei wurden für die Nordseeregion sowohl Niedersachsen als auch Schleswig-Holstein abgedeckt. Weiterhin wurde bei der Selektion der Nordseestationen berücksichtigt, ob sich die Stationen auf dem Festland (z.B. St. PeterOrding) oder auf Inseln (z. B. Norderney) befinden, um u. a. abzuschätzen, ob signifikante Unterschiede im klimatischen Tourismuspotenzial zwischen Festlandsküste und Inseln auftreten (maritim/kontinentaler Charakter). Norderney ist vergleichsweise eine relativ große Nordseeinsel und bietet somit eine gute Voraussetzung, durch das Modellgitter von REMO gut erfasst zu werden. Für die Schwarzwaldregion fiel die Wahl auf Feldberg/Hinterzarten, Titisee und Freiburg, da für jene Stationen Vergleichsdaten (1961-1990) aus Beobachtungen vom Deutschen Wetterdienst zur Verfügung stehen (Endler und Matzarakis 2008). Für die Validierung der CLM-Läufe wurden jeweils nur 2 Stationen aus dem Modelluntersuchungsgebiet gewählt, da zum einen die Methodik mit REMO getestet wurde und zum anderen lediglich relative Änderungen aufgezeigt werden (siehe Tab. 5 und 6). Da CLM eine niedrigere räumliche Auflösung aufweist (≈18 km), müssen bei der Analyse einzelner Destinationen im stark strukturierten Gelände (hier z.B. Freiburg) und ihre Vergleichbarkeit die Höhenunterschiede berücksichtigt werden (Tab. 5). Es entstehen für den Schwarzwald Höhenunterschiede zwischen Beobachtungsstation und Modell 139 von mehr als 600 m. Feldberg mit seinen 1493 m wird somit im REMO-Modell mit einer Höhe von 1076 m und im CLM-Modell nur mit 866 m wiedergegeben. Tab. 5: Vergleich der verwendeten Modelldaten (REMO, CLM) mit Beobachtungsdaten vom Deutschen Wetterdienst (DWD) basierend auf ausgewählte klimatische Größen für Freiburg. Periode: 1961-1990 Parameter DWD REMO CLM Höhe 269 m 228 m 400 m Jahresniederschlag 955 mm 1150 mm 1717 mm Niederschlag > 1 mm 130 Tage 133 Tage 183 Tage Relative Feuchte (RF) 72.4 % 62.3 % 81.3 % Nebel (RF > 93 %) 24 Tage 7 Tage 93 Tage Dampfdruck (VP) 9.9 hPa 10.9 hPa 11.3 hPa „Schwüle“ (VP > 18 hPa) 11 Tage 10 Tage 33 Tage Lufttemperatur 10.7 °C 14.6 °C 11.3 °C 140 Tab. 6: Vergleich der verwendeten Modelldaten (REMO, CLM) mit Beobachtungsdaten vom Deutschen Wetterdienst (DWD) basierend auf ausgewählte klimatische Größen für Bremen. Periode: 1961-1990 Parameter DWD REMO CLM Höhe 12 m 4m 17 m Jahresniederschlag 694 mm 949 mm 842 mm Niederschlag > 1 mm 127 Tage 167 Tage 163 Tage Relative Feuchte (RF) 80.4 % 75.5 % 79.7 % Nebel (RF > 93 %) 37 Tage 65 Tage 62 Tage Dampfdruck (VP) 9.8 hPa 11.1 hPa 10.7 hPa „Schwüle“ (VP > 18 hPa) 7 Tage 25 Tage 17 Tage Lufttemperatur 9.0 °C 12.2 °C 10.6 °C 5.1.1. Lufttemperatur und Physiologisch Äquivalente Temperatur Die Validierung der Modelle mit Beobachtungsdaten hat Folgendes ergeben: REMO überschätzt die Lufttemperatur im Schwarzwald (tiefer gelegenen Höhenlagen) oberhalb 19 °C leicht und unterschätzt diese leicht unterhalb 19 °C. Der Schwellenwert liegt bei höheren Lagen bei 11 °C. Eine ausgeprägte Diskrepanz der Temperaturklassen zwischen Modell- und Beobachtungsdaten tritt bei 0 °C (deutliche Überschätzung) auf, die auf die Berücksichtigung der modellierten Schmelz- und Gefrierprozesse im Boden zurückzuführen ist. Die Häufigkeitsverteilung der Lufttemperatur an der Nordsee weist 141 zwei lokale Maxima auf, die vom Modell gut wiedergegeben wird. Während Werte kleiner 0 °C und größer 19 °C unterschätzt werden, werden sie in dem Temperaturbereich von 0 °C bis 19 °C leicht überschätzt. Die Analyse der Häufigkeitsverteilung der Lufttemperatur basierend auf CLM weist ebenfalls eine leichte Überschätzung der hohen Werte und eine Unterschätzung der tieferen Werte auf. Jedoch sind die Abweichungen verglichen zu REMO kleiner, d.h. CLM modelliert das Klima generell etwas kühler. Die starke Abweichung bei 0 °C ist bei CLM ebenfalls schwächer ausgeprägt. Gleiche Aussagen können auch für die Physiologisch Äquivalente Temperatur getroffen werden. 5.1.2. Niederschlag Der Niederschlag stellt mit seiner hohen Variabilität eine Schwierigkeit in seiner Modellierung dar, besonders im stark strukturierten Gelände wie dem Schwarzwald. REMO spiegelt das Geländerelief im Modellgebiet recht gut wieder, wobei allerdings eine systematische Verschiebung um 1 bis 2 Gitterboxen in der Hauptanströmrichtung erkannt wurde (vgl. Jacob et al. 2008). Niederschlag wird vom REMO-Modell in den tieferen Lagen des Schwarzwaldes um nahezu 20 % überschätzt, während er in höheren Lagen um 15-20 % unterschätzt wird. Im Winter wird der Niederschlag um 20 % von REMO überschätzt, während die anderen Jahreszeiten recht gut mit den Beobachtungen übereinstimmen. Im Gegensatz überschätzt CLM sowohl den Winter- als auch den Herbstniederschlag um 48 % bzw. 20 % (vgl. Feldmann et al. 2008). Die große Variation in REMO kann nicht nur auf die feinere Auflösung zurückgeführt werden, sondern muss auch den Prozessen, wie sie in REMO formuliert werden, die die Umverteilung des atmosphärischen Wassers zugeschrieben werden. Die Unterschiede zwischen beobachteten und simulierten Niederschlagsmustern entstehen durch einen Überschuss an orografischen Hängen mit einer West-Nord-Ausrichtung sowie durch ein vergleichbares Defizit bei einer Ost-Süd-Ausrichtung. Der Luv/Lee-Kontrast ist bei CLM nicht so stark ausgeprägt (Feldmann et al. 2008). Hingegen wird die Anzahl der trockenen Tage von 142 REMO sehr gut wiedergegeben (vgl. Endler und Matzarakis 2008) während sie von CLM unterschätzt wird. An der Nordseeküste wird der Niederschlag von REMO im Durchschnitt um 30 % und um 20 % von CLM überschätzt. Die Anzahl der trockenen Tage hingegen wird von REMO und CLM leicht unterschätzt. 5.1.3. Relative Luftfeuchtigkeit Kenngrößen wie Wind, Bewölkung und relative Luftfeuchtigkeit stellen bei der Modellierung ebenfalls größere Unsicherheiten dar. Die relative Luftfeuchtigkeit wird von REMO deutlich unterschätzt und von CLM überschätzt. Die Häufigkeitsverteilung offenbart hierbei eine Überschätzung der Werte zwischen 50-60 % und eine Unterschätzung ab 80 %. CLM hingegen überschätzt die relative Feuchte deutlich im Bereich von 90-100 %. Die Nebelhäufigkeit basierend auf REMO wird in der Schwarzwaldregion unterschätzt, während sie an der Nordsee deutlich überschätzt wird. 5.1.4. Wind Die Windkomponente kann, besonders im stark strukturierten Gelände, lokal großen Schwankungen unterliegen und ist u.a. von der Rauhigkeitslänge abhängig. Die montane Topographie kann jedoch nicht exakt und im Detail (Berücksichtigung lokaler Effekte, Hanglage, Neigung, Exposition etc.) vom Modell aufgelöst werden, so dass auch bei der Windgeschwindigkeit große Unterschiede zwischen Beobachtung und Modell auftreten können. Zum Beispiel werden die mittlere Windgeschwindigkeit sowie stürmische Tage von REMO in Titisee überschätzt, während sie auf dem Feldberg deutlich unterschätzt werden. An der Nordseeküste werden die Windgeschwindigkeit sowie die stürmischen Tage zum Teil deutlich überschätzt (vgl. Endler und Matzarakis 2008). 5.1.5. Dampfdruck Die Analyse der Häufigkeitsverteilung des Dampfdruckes weist bei beiden Modellen eine Überschätzung vor allem der hohen Werte auf, so dass auch die Anzahl der feucht- 143 warmen Bedingungen (Dampfdruck größer 18 hPa) überschätzt wird (vgl. Tab. 5 und 6), wobei REMO für die Region Freiburg sehr gut mit den Beobachtungen übereinstimmt. 5.2. Klimaänderungen in der Nordseeregion basierend auf regionalen Klimasimulationen (REMO und CLM) Im Folgenden werden die Parameter – eingeteilt nach der entsprechenden Klimafacette (thermisch, physikalisch und ästhetisch) – mit den größten Veränderungen in Form von Differenzenkarten (2021/2050-1961/1990) sowohl für A1B als auch B1 präsentiert sowie die Ist-Situation; die restlichen Karten finden sich dabei im Anhang wieder. Die mittlere jährliche Lufttemperatur wird in der Nordseeregion um 1 °C (REMO) zunehmen, wobei die Erwärmung besonders stark im Winter ausgeprägt ist (+1.7 °C). Die Physiologisch Äquivalente Temperatur wird ebenfalls bis 2050 um 1 °C im Durchschnitt zunehmen, mit einer über dem Jahresdurchschnitt liegenden Temperaturzunahme im Winter. Die Zunahme in der Temperatur wirkt sich ebenfalls auf die Anzahl der Tage mit Kältestress, thermische Eignung sowie Hitzestress aus. 5.2.1. Thermische Komponente der Tourismus-Klimatologie Anzahl der Tage mit Kältestress (PET < 0 °C) Die Anzahl der Tage mit Kältestress liegt auf Grundlage der REMO- und CLMSimulationen durchschnittlich in Schleswig-Holstein bei 110 Tagen und in Niedersachsen bei 90 Tagen. In Küstennähe ist ein Rückgang der Kältestresstage um bis zu 24 Tagen zu verzeichnen, im Hinterland um bis zu 18 Tagen (A1B). In B1 ist der Rückgang etwas schwächer, durchschnittlich um 10 Tage, an der Niedersächsischen Küste bis zu 14 Tagen. Die Änderungen auf CLM basierend liegen in der gleichen Größenordnung: Ein Rückgang im A1B-Szenario von 20- 25 Tagen und um die 15 Tage in B1 (Abb. 11). Thermische Eignung (18 °C < PET < 29 °C) Thermisch komfortable Tage sind an der Nordseeküste an 40-50 Tagen, im Hinterland um 20 Tage höher (REMO). Zukünftig wird mit einer leichten Zunahme von 6-10 Ta- 144 gen in Schleswig-Holstein und in Küstennähe gerechnet. Die Änderungen in Niedersachsen sowie im Hinterland liegen durchschnittlich bei einer Zunahme von 3-6 Tagen. Auf Grundlage von CLM werden in Küstennähe 40 Tage mit thermischer Eignung simuliert; im Hinterland sind sie geringfügig höher. Änderungen bis 2050 sind in einer Zunahme von 5-7 Tagen, wobei sie in Schleswig-Holstein sowie in B1 etwas geringer sind (Abb. 12). Hitzestress (PET > 35 °C) Hitzestress ist im Allgemeinen derzeit kaum vertreten und wird auch in der Zukunft kaum eine Rolle spielen (Abb. 23). Feuchtwarme Bedingungen („Schwüle“, Dampfdruck > 18 hPa) Feuchtwarme Bedingungen, in der breiten Öffentlichkeit auch unter dem Begriff der Schwüle bekannt, wird für die Klimanormalperiode an 25 Tagen (REMO) und 15 Tagen (CLM) modelliert. Dabei ist die unmittelbare Küstennähe weniger stark betroffen. Zukünftig werden die feuchtwarmen Tage durchschnittlich um 15 Tage (A1B) zunehmen, in B1 um 10 Tage (REMO). Änderungen basierend auf CLM weisen ebenfalls eine Zunahme auf: 12-15 Tage im Hinterland, in unmittelbarer Küstennähe etwas geringer. Änderungen in B1 fallen generell etwas schwächer aus (maximal bis ca. 10 Tage, Abb. 13). 145 1961-1990 (REMO) Tage 1961-1990 (CLM) A1B (REMO) Tage A1B (CLM) Tage B1 (CLM) Abb. 11: Kältestress für die Nordseeregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. 146 1961-1990 (REMO) Tage 1961-1990 (CLM) A1B (REMO) Tage A1B (CLM) B1 (REMO) Tage B1 (CLM) Abb. 12: Thermische Eignung für die Nordseeregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. 147 1961-1990 (REMO) Tage 1961-1990 (CLM) A1B (REMO) Tage A1B (CLM) B1 (REMO) Tage B1 (CLM) Abb. 13: Feuchtwarme Bedingungen für die Nordseeregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. 148 5.2.2. Physikalische Komponente der Tourismus-Klimatologie Niederschlag Der Gesamtjahresniederschlag zeigt kaum eine Zunahme, sondern eher eine Umverteilung der Niederschlagsverhältnisse im Jahr, d.h. die Winter werden feuchter und die Sommer trockener. Auf Grundlage der Modellergebnisse nimmt die mittlere jährliche Niederschlagssumme im Durchschnitt um bis zu 15 % zu. Der Winterniederschlag erfährt dabei eine Zunahme um 30 %, der Sommerniederschlag um 15 % (nur im B1, in A1B: Abnahme). Im Frühjahr wird im niedersächsischen Hinterland kaum eine Veränderung bis minimale Abnahme erwartet während Schleswig-Holstein und die unmittelbare Küstenzone eine leichte Zunahme des Niederschlags erfährt. Im Herbst muss mit einer Zunahme des Niederschlags um 15 % gerechnet werden. Die Niederschlagsmuster spiegeln sich auch in der Anzahl der trockenen bzw. feuchten Tage wider. Regentage oder feuchte Tage sind in Küstennähe häufiger (80-90 Tage) als im Hinterland (60-70 Tage). REMO simuliert abhängig vom gewählten Szenario unterschiedliche Änderungen. Während in B1 eine generelle Zunahme der Regentage (bis 6-9 Tage, in unmittelbarer Küstennähe stärkere Zunahme) erwartet wird, offenbart A1B ein eher differenzierteres Muster: Im Durchschnitt werden auch hier die Regentage zunehmen (bis zu 6 Tagen), jedoch kann aber gebietsweise auch mit einer Abnahme gerechnet werden. Die Modellergebnisse aus CLM zeigen sowohl für A1B als auch für B1 eine Zunahme der Regentage um 4-8 Tage (Abb. 24). In Küstennähe treten derzeit im Durchschnitt 190 trockene Tage auf, im Hinterland durchschnittlich 200-220 Tage. CLM simuliert generell eine Abnahme, die im A1B stärker ausgeprägt (10 Tage) ist als im B1 (bis zu 15 Tagen). REMO simuliert in B1 ebenfalls eine durchschnittliche Abnahme der trockenen Tage von 3 Tagen, wohingegen in A1B nur die unmittelbare Küstennähe eine Abnahme erfährt. Das Hinterland weist keine Veränderungen bzw. leichte Zunahme der trockenen Tage auf (Abb. 25). Windige Tage (Windgeschwindigkeit > 8 ms-1) Die windigen Tage - aus rein tourismusklimatologischer Sicht definiert mit einer Windgeschwindigkeit größer 8 ms-1 - sind auf dem schleswig-holsteinischem Festland ca. an 149 40 Tagen präsent, in Niedersachen an 20-30 Tagen und in Küstennähe an 80-130 Tagen. Die Änderungen basierend auf REMO weisen sowohl eine leichte Abnahme als auch Zunahme der windigen Tage im Untersuchungsgebiet (+/- 3 Tage). CLM hingegen weist in beiden Szenarien eine durchschnittliche Zunahme von 4-8 Tagen auf (Abb. 14). 1961-1990 (REMO) Tage 1961-1990 (CLM) A1B (REMO) Tage A1B (CLM) B1 (REMO) Tage B1 (CLM) Abb. 14: Anzahl der windigen Tage für die Nordseeregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. 150 5.2.3. Ästhetische Komponente der Tourismus-Klimatologie Sonnige Tage (Bewölkung < 4 Achtel) Sonnige Tage werden derzeit durchschnittlich von REMO an 120-130 Tagen simuliert, während CLM durchschnittlich 70-90 Tage berechnet. CLM weist in beiden Szenarien eine generelle Abnahme von bis zu 9 Tagen auf. REMO berechnet für B1 ebenfalls eine Abnahme von 3-6 Tagen, wohingegen in A1B keine eindeutige Aussage über die Entwicklung der sonnigen Tage getroffen werden kann (gebietsweise Abnahme als auch Zunahme, siehe Abb. 26). Nebeltage (relative Luftfeuchtigkeit > 93 %) Nebeltage sind durchschnittlich von 60-80 Tagen vertreten, mit leicht höheren Häufigkeiten in Schleswig-Holstein. Die Änderungen basierend auf CLM sind marginal, d.h. keine Änderungen bzw. eine leichte Zunahme von bis zu 5 Tagen. Die Ergebnisse aus dem REMO-Modell weisen für das A1B-Szenario vorwiegend in Niedersachsen eine leichte Zunahme der Nebeltage (4 Tage) auf, während in Schleswig-Holstein keine eindeutige Aussage möglich ist (Abb. 27). Abschließend gibt die folgende Tab. eine quantitative zusammenfassende Darstellung über die Veränderungen der für den Tourismus relevanten Parameter basierend auf die beiden im Projekt verwendeten Regionalmodelle REMO und CLM wieder. Die Tab. 7 zeigt auf, dass abhängig vom Modell und somit von der implementierten Modellphysik Unterschiede in den Klimasimulationen auftreten können. Es ist ersichtlich, dass der Trend in der thermischen Komponente (Thermischer Komfort, Kälte- und Hitzestress) gleich gerichtet ist. In Bezug auf die nassen Tage weisen REMO und CLM ebenfalls die gleiche positive Tendenz auf. Bei REMO ist die Entwicklung der Nebeltage, der heiteren (sonnigen), stürmischen (windigen) sowie der trockenen Tage heterogen innerhalb der Szenarien A1B und B1, so dass für die Region Nordsee keine eindeutige Tendenz der entsprechenden Parameter zugewiesen werden kann; gebietsweise sind gegenläufige Trends in den einzelnen Abbildungen erkennbar. 151 Tab. 7: Quantitative Zusammenfassung der untersuchten Kenngrößen für die Nordseeregion basierend auf beiden Regionalmodellen REMO und CLM Parameter CLM REMO Thermischer Komfort Kältestress Hitzestress Feuchtwarme Bedingungen („schwül“) heitere Tage trockene Tage nasse Tage Nebeltage stürmische Tage + -0 + -+ k. A. + + -0 ++ k. A. k. A. + k. A. k. A. --/++ -/+ 0 k. A. mäßige Abnahme/Zunahme geringe Abnahme/Zunahme keine Veränderungen im Modell keine Aussage aufgrund starker Variabilität zwischen den Szenarien A1B und B1 Die Tab. 7 zeigt auf, dass abhängig vom Modell und somit von der implementierten Modellphysik Unterschiede in den Klimasimulationen auftreten können. Es ist ersichtlich, dass der Trend in der thermischen Komponente (Thermischer Komfort, Kälte- und Hitzestress) gleich gerichtet ist. In Bezug auf die nassen Tage weisen REMO und CLM ebenfalls die gleiche positive Tendenz auf. Bei REMO ist die Entwicklung der Nebeltage, der heiteren (sonnigen), stürmischen (windigen) sowie der trockenen Tage heterogen innerhalb der Szenarien A1B und B1, so dass für die Region Nordsee keine eindeutige Tendenz der entsprechenden Parameter zugewiesen werden kann; gebietsweise sind gegenläufige Trends in den einzelnen Abbildungen erkennbar. 5.3. Klimaänderungen in der Schwarzwaldregionen basierend auf regionalen Klimasimulationen (REMO und CLM) Auch in der Schwarzwaldregion wird mit einer durchschnittlichen Erhöhung der Lufttemperatur von 1 °C bis 2050 gerechnet. Die Erwärmung wird dabei im Winter stärker ausgeprägt sein (+1.3 bis +1.8 °C), die wiederum großen Einfluss auf die Schneeentwicklung, Schneepotenzial und letztendlich auf den Wintertourismus haben wird. Die Komponente Schnee wird somit gesondert analysiert. 152 5.3.1. Thermische Komponente der Tourismus-Klimatologie Die Physiologisch Äquivalente Temperatur wird durchschnittlich um 1 °C bis 2050 zunehmen. Dabei werden die Wintermonate (bis zu 1.8 °C) stärker betroffen sein als die Sommermonate (bis zu 1.6 °C). Die Erhöhung in PET hat natürlich auch Auswirkungen auf die thermischen Komfort- und Diskomfortbereiche, die im Folgenden näher beschrieben werden: Anzahl der Tage mit Kältestress (PET < 0 °C) Kältestress ist in der Schwarzwaldregion im Durchschnitt an 80-100 Tagen präsent. Die tiefen Lagen sowie die Tiefebenen weisen hingegen nur 60 Tage mit Kältestress auf, höhere Lagen wie die Feldbergregion 120 Tage. Kältestress nimmt basierend auf REMO im Jahr um bis zu 19 Tage ab. Der Hauptrückgang ist vor allem im Winter spürbar. Dabei erfahren die höheren Lagen (ab 900 m) eine geringere Abnahme im Vergleich zu Höhen unterhalb von 900 m. Dies entspricht einer Reduzierung der Kältestresstage um 30 % (bis 900 m) und um 15-20 % für die höher gelegenen Regionen (ab 900 m). Im B1 sind die Änderungen deutlich geringer (Abb. 16). Auf Grundlage von CLM nimmt die Anzahl der Tage mit Kältestress in der gleichen Größenordnung ab (15 Tage, siehe Abb. 15). Thermische Behaglichkeit (18 °C < PET < 29 °C) Thermisch komfortable Bedingungen sind derzeit durchschnittlich an 80 Tagen, in höheren Lagen etwas geringer (70 Tage), im CLM fallen diese Werte etwas geringer aus (50-60 Tage). Zukünftig wird sich die Anzahl der komfortablen Tage im Durchschnitt um bis zu 6 Tagen reduzieren, wobei im A1B-Szenario die höchstgelegenen Regionen geringfügig von thermisch komfortablen Bedingungen profitieren werden. Die CLMModellergebnisse hingegen weisen in beiden Szenarien eine Zunahme von 5 bis 10 Tagen auf (Abb. 17). 153 1961-1990 (REMO) A1B (REMO) B1 (REMO) Abb. 15: 1961-1990 (CLM) Tage A1B (CLM) Tage B1 (CLM) Tage Kältestress für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. 154 Jährliche, maximale Änderung im Kältestress im Schw arwald in Abhängigkeit der Höhenlage, Zeitraum: 2021/2050-1961/1990 Höhenklassen 0-300 301-600 601-900 901-1200 Anzahl der Tage 0 -5 -10 -15 A1B B1 -20 Abb. 16: Jährliche maximale Änderung der Kältestresstage in Abhängigkeit von Höhenklassen für den Zeitraum 2021/2050 verglichen zu 1961/1990. Modell: REMO. Hitzestress (PET > 35 °C) Tage mit Hitzestress kommen im Südwesten Deutschlands nur in tiefer gelegenen Gebieten des Schwarzwaldes vor, gewinnt aber bis 2050 mehr an Bedeutung, d.h. eine Zunahme von 4 bis 6 Tagen im A1B-Szenario und maximal 2 Tage im B1 (auf Grundlage von REMO). Dabei erfährt der Nordschwarzwald kaum eine Veränderung. Die Modellergebnisse aus CLM weisen ebenfalls eine Zunahme von bis zu 6 Tagen, wobei die höheren Regionen nicht betroffen sein werden (Abb. 28). Feuchtwarme Bedingungen („Schwüle“, Dampfdruck > 18 hPa) Feuchtwarme Bedingungen oder im allgemeinen Sprachgebrauch Schwüle kommen in der Schwarzwaldregion durchschnittlich an 10-20 Tagen vor, mit leicht höheren Werten in tiefen Lagen. Die Anzahl feuchtwarmer Tage wird sich bis 2050 um bis zu 15 Tagen erhöhen, mit einer stärkeren Zunahme in Nordschwarzwald verglichen zum Südschwarzwald (Abb. 18). Abb. 19 zeigt, dass in den Höhenlagen bis 600 m die größte Zunahme erwartet wird. Aber auch höhere Lagen werden leicht von einer Zunahme feuchtwarmer Bedingungen betroffen sein. Die Veränderungen liegen dabei im A1B etwas höher als im B1. 155 1961-1990 (REMO) 1961-1990 (CLM) A1B (REMO) A1B (CLM) Tage Tage B1 (REMO) B1 (CLM) Tage Abb. 17: Thermische Behaglichkeit für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. 156 1961-1990 (REMO) 1961-1990 (CLM) Tage A1B (REMO) A1B (CLM) Tage B1 (CLM) Tage B1 (REMO) Abb. 18: Feuchtwarme Bedingungen für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. 157 Jährliche, maximale Änderung der feuchtwarmen Bedingungen im Schwarzwald in Abhängigkeit von der Höhenlage, Zeitraum: 2021/2050-1961/1990 20 A1B B1 Anzahl der Tage 15 10 5 0 0-300 301-600 601-900 901-1200 Höhenklassen Abb. 19: Jährliche maximale Änderung der feuchtwarmen Bedingungen in Abhängigkeit von Höhenklassen für den Zeitraum 2021/2050 verglichen zu 1961/1990. Modell: REMO. 5.3.2. Physikalische Komponente der Tourismus-Klimatologie Niederschlag Die Niederschlagsverhältnisse sind im orografisch stark strukturierten Gelände ziemlich schwierig zu modellieren, wie in Kapitel 5.1. schon erwähnt wurde. Die jährliche Niederschlagssumme wird sich bis 2050 nur minimal erhöhen (5-10 %). Die Modellergebnisse weisen aber darauf hin, dass die Wintermonate feuchter werden (+30 %, B1). Die Änderungen sind dabei in A1B etwas geringer (+10 %). Dieser Trend wird nicht von REMO-A1B wiedergegeben: zwar erhöht sich der Niederschlag leicht im Südschwarzwald, im Nordschwarzwald jedoch wird eine Abnahme des winterlichen Niederschlags berechnet. Die größte Änderung wird aber im Herbst erwartet mit einer Zunahme von bis zu 60 % (A1B) bzw. 33 % (B1). Basierend auf CLM wird dieser in tieferen Lagen um 15 % und in höheren Lagen um 20-25 % zunehmen. Der Niederschlag im Frühjahr wird auf Grundlage von REMO ebenfalls zunehmen (+30 %) während in CLM-B1 eine Abnahme von -10 % simuliert wird, die in höheren Lagen etwas geringer ist. Die Sommermonate hingegen weisen kaum Veränderungen bis eine geringe Abnahme (-5 bis 10 %) im Norden des Schwarzwaldes und Teilen des südlichen Schwarzwaldes. Nur in REMO-B1 wird eine Zunahme des Sommerniederschlags berechnet. 158 Die Entwicklung der trockenen Tage hängt bei REMO von dem zu betrachtenden Szenario ab. Während in B1 die trockenen Tage um 9 bis 12 Tage abnehmen, wobei der Nordschwarzwald eine stärkere Veränderung erfährt, wird in A1B im Durchschnitt kaum eine Änderung bzw. eine geringfügige Zunahme trockener Tage berechnet. Der Nordostschwarzwald hingegen erfährt eine leichte Abnahme. Basierend auf CLMErgebnisse wird (Abb. 30). Starkregen (Niederschlag > 20 mm) nimmt geringfügig zu. Schnee (Wasseräquivalent > 5 cm, einer Schneehöhe von ca. 23 cm entsprechend) Schnee wie auch Niederschlag ist eine variable und sehr sensible meteorologische Größe. Derzeit sind mehr als 100 Tage im Schwarzwald schneesicher (Datengrundlage DWD). Schneehöhen erreichen dabei Werte zwischen 15 bis 110 cm, wobei die Monate Januar, Februar und März die höchsten Schneemengen aufzeichnen (Tab. 8). Mittlere Schneehöhe dreier Regionen im Südschwarzwald (gemittelt über die Monate November bis März) Feldberg (1493 m) Hinterzarten (883 m) Titisee (846 m) 140.0 Schneehöhe [cm] 120.0 100.0 80.0 60.0 40.0 20.0 0.0 1961 1964 1967 1970 1973 1976 1979 1982 1985 1988 1991 1994 1997 2000 Zeit [Jahr] Abb. 20: Mittlere Schneehöhen für drei Regionen im Südschwarzwald gemittelt über die Monate November bis März. Die Zeitreihen sind von 19612000, außer für Titisee, die nur bis 1995 verfügbar ist. Datengrundlage: Beobachtungsdaten des Deutschen Wetterdienstes (DWD) 159 Die Zeitreihen der mittleren Schneehöhe (Abb. 20) zeigen auf, dass in den letzten Jahren die Schneehöhen sehr variabel waren, d.h. es gab schneereiche sowie schneearme Winter. Diese Variabilität wird sich jedoch bis 2050 verstärken. Basierend auf REMO wird sich die Schneehöhe um 30-40 % und die Anzahl der schneesicheren Tage um bis 21 Tage verringern (Abb. 21). Dabei sind die größten Änderungen unterhalb von 600 m zu erwarten (Abb. 22). Die Ergebnisse können nochmals ausführlich bei Endler und Matzarakis (2010) nachgelesen werden. 160 1961-1990 (REMO) A1B (REMO) B1 (REMO) Abb. 21: Schnee- und Skifahrpotenzial für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. 161 M axim ale, relative Änderung der Schneetage in Abhängigkeit der Höhenlage für die W interm onate Novem ber bis M ärz, Zeitraum : 2021/2050-1961/1990 Höhenklassen 0-300 301-600 601-900 901-1200 0 Prozent -10 -20 -30 -40 A1B B1 -50 Abb. 22: Tab. 8: Monat Maximale, relative Änderung der Schneetage (in Prozent) in Abhängigkeit von Höhenklassen für den Zeitraum 2021/2050 verglichen zu 1961/1990. Modell: REMO. Monatliche Schneehöhen für drei Regionen im Südschwarzwald für die Klimanormalperiode 1961-1990 und 1971-2000 basierend auf gemessenen Daten des Deutschen Wetterdienstes (DWD) Feldberg (1493 m) 1961-1990 1971-2000 Hinterzarten (883 m) 1961-1990 1971-2000 Titisee (846 m) 1961-1990 November 14.5 cm 15.0 cm 4.7 cm 5.1 cm 3.2 cm Dezember 45.5 cm 35.8 cm 18.8 cm 16.5 cm 15.6 cm Januar 76.7 cm 53.1 cm 28.4 cm 23.3 cm 27.4 cm Februar 105.6 cm 76.6 cm 35.8 cm 30.1 cm 32.2 cm März 110.8 cm 83.7 cm 29.4 cm 22.2 cm 24.5 cm April 79.3 cm 64.6 cm 7.2 cm 5.2 cm 4.1 cm Windige Tage (Windgeschwindigkeit > 8 ms-1) Windige Tage sind in den westlichen Teilen des Schwarzwaldes an 10-20 Tagen während sie in östlichen Gebieten vermehrt mit 40-50 Tagen auftreten. Bis 2050 ist kaum eine Änderung in der Anzahl windiger Tage zu verzeichnen, tendenziell ist eine leichte Zunahme (bis zu 4 Tagen) in REMO erkennbar. Die Entwicklung windiger Tage model- 162 liert mit CLM lässt ebenfalls eine geringe Zunahme von maximal 4 Tagen erkennen. Die Änderung in B1 fällt hierbei noch geringer aus (Abb. 31). 5.3.3. Ästhetische Komponente der Tourismus-Klimatologie Sonnige Tage (Bewölkung < 4 Achtel) Sonnige Tage werden derzeit von REMO durchschnittlich mit einer Anzahl von bis 160 Tagen simuliert. Gebietsweise werden aber auch Werte von 180 bzw. 140 Tagen erreicht. In CLM werden hingegen im Durchschnitt 70-90 Tage simuliert. Bis 2050 werden kaum Änderungen bzw. eine geringfügige Zunahme auftreten. Gleiches gilt für die REMO-Ergebnisse: leichte Zunahme von bis zu 4 Tagen in A1B, vor allem in weiten Teilen des Südschwarzwaldes sowie in den östlichen Gebieten, wohingegen in B1 keine eindeutige Aussage getroffen werden kann. Gebietsweise kommt es sowohl zu einer Ab- als auch zu einer Zunahme der sonnigen Tage (Abb. 32). Nebeltage (Relative Luftfeuchtigkeit > 93 %) Die Nebeltage basierend auf REMO liegen im Durchschnitt bei 40-60 Tagen, wobei vereinzelt auch Werte oberhalb (80 Tage) und unterhalb (20 Tage) des Durchschnitts auftreten. Bei CLM liegt der Durchschnitt bei 90 Tagen. Bis 2050 sind kaum Änderungen in den Modellen zu verzeichnen: eine leichte Zunahme (+4-5 Tage), die in B1 etwas stärker ausgeprägt ist. Vereinzelt ist in A1B (REMO) eine Abnahme der Nebeltage zu erwarten (Abb. 33). Die folgende Tabelle (Tab. 9) gibt für die Schwarzwaldregion eine quantitative zusammenfassende Darstellung über die Veränderungen der für den Tourismus relevanten Parameter wieder. 163 Tab. 9: --/++ -/+ 0 k. A. Quantitative Zusammenfassung der untersuchten Kenngrößen für den Schwarzwald basierend auf beiden Regionalmodellen REMO und CLM Parameter CLM REMO Thermischer Komfort Kältestress Hitzestress Feuchtwarme Bedingungen („schwül“) heitere Tage trockene Tage nasse Tage Nebeltage stürmische Tage Schneetage + -+ ++ 0 + + k. A. -- -+ ++ 0 k. A. + + 0 -- mäßige Abnahme/Zunahme geringe Abnahme/Zunahme keine Veränderungen im Modell keine Aussage aufgrund starker Variabilität zwischen den Szenarien A1B und B1 Dabei zeigt Tab. 9 auf, dass auch im orografisch stark strukturierten Gelände die Modellergebnisse untereinander stark differieren und teilweise gegenläufige Trends offen legen. Auffallend hierbei ist, dass der thermische Komfort in CLM zunimmt, während er in REMO eine abnehmende Tendenz aufweist. Für die Modellierung herausfordernde Größen sind u.a. Niederschlag aufgrund seiner Heterogenität, besonders in Gebirgslandschaften, und Wind. Über diese Parameter können keine eindeutigen Trends angegeben werden. Ebenfalls kann es hierbei gebietsweise zu größeren Abweichungen vom Mittel kommen (siehe entsprechende Abbildungen). 164 6. Schlussfolgerungen In den Klimasimulationen werden viele der heute schon beobachteten Klimaänderungen reproduziert und im 21. Jahrhundert weiter verstärkt. Dabei weist die Erwärmung der Erde regionale und saisonale Unterschiede auf. So erwärmen sich die Kontinente schneller als die Ozeane. Besonders ausgeprägt ist die Erwärmung im Winter und Frühling, die wiederum erhebliche Auswirkungen auf die Schneebedeckung, Schneepotenzial und dem Wintertourismus hat. Dabei stellt der Schwarzwald mit seiner maximalen Höhe von nahezu 1500 m eine besondere Herausforderung dar. Schon in den letzten Jahren konnte man eine Abnahme der Schneedecke und eine Zunahme der Variabilität bezüglich schneereicher Winter verzeichnen, die sich im Laufe der kommenden Jahre weiterhin verstärken werden. Die Wintersportsaison wird sich spürbar verkürzen. Auch wenn sich der Tourismus kurzfristig an gegebene klimatische Winterbedingungen anpassen kann, so ist doch aus längerfristiger Sicht eine Anpassung an veränderte Klimabedingungen notwendig. Schon aufgrund dessen, dass die Minimallufttemperaturen verglichen mit den Maximallufttemperaturen stärker ansteigen, wird auch der Kältestress, der aber nicht nur die Lufttemperatur beinhaltet, sowohl an der Nordsee als auch im Schwarzwald merklich zurückgehen. Dies geht einher mit einer Zunahme der thermisch komfortablen Bedingungen, vor allem in den höheren Gebirgslagen sowie in den Küstenregionen. Steigende Temperaturen begünstigen somit einerseits das zukünftige Klima an der Nordsee. Anderseits wird sich die Nordseeregion mit einer Häufung feuchtwarmer Bedingungen konfrontiert sehen, die sich leicht negativ auf das Küstenimage auswirken kann. Hingegen wird Wärme- und Hitzebelastung jedoch keine besondere Rolle spielen. Neben der globalen Erwärmung wird auch der Wasserkreislauf stark beeinflusst. Der Niederschlag wird sich jedoch in der Summe nicht signifikant verändern, allerdings werden sich die Niederschläge im Jahr umverteilen. Somit sind tendenziell eine Minimierung der Sommerniederschläge mit Ausnahme des B1-Szenarios und eine leichte Zunahme der Niederschläge im Frühjahr, Herbst und Winter zu erwarten. Jedoch können gebietsweise Abweichungen auftreten, die von dem zu betrachtenden Zukunftsszenario abhängen. 165 Im Schwarzwald ist die Entwicklung der Niederschlagsverhältnisse ebenfalls vom zu betrachtenden Szenario abhängig. Die Häufung trockener, feuchtwarmer und Hitze belastender Sommer kann vor allem in den tieferen Lagen zu Beeinträchtigungen in Freizeit und Erholung führen. Die höheren Lagen und Gipfellagen werden jedoch weniger stark von Hitze und Schwüle betroffen sein. Die Entwicklung von Nebeltagen und sonnigen Tagen ist nicht eindeutig. Die Entwicklung von Sturmereignissen wurde im Rahmen von KUNTIKUM nur sekundär analysiert. Während über der Nordsee mit einer Zunahme von Sturmereignissen gerechnet wird, erwartet man in Baden-Württemberg eher eine Abnahme. Abhängig vom Klimamodell und somit von der implementierten Modellphysik können Unterschiede in den Klimasimulationen auftreten, auch wenn diese mit dem gleichen globalen Zirkulationsmodell angetrieben werden. Hierbei spielt die Parametrisierung in den regionalen Modellen eine entscheidende Rolle, die mitunter zu größeren Unterschieden in der klimatischen Entwicklung führen können als die einzelnen Emissionsszenarien. Somit ist es von Vorteil, Analysen nicht nur auf ein Modell zu stützen, sondern verschiedene Modelle untereinander zu vergleichen, wie es in dieser Studie getan wurde, oder auf Ensembles zurückgreifen, um Unsicherheiten in der klimatischen Entwicklung entsprechend zu begrenzen. Im Großen und Ganzen zeigen beide Regionalmodelle gleiche Tendenzen in der klimatischen Entwicklung. Der Vorteil bei der Verwendung beider Modelle ist, dass eine größere Analysebasis vorhanden ist und somit eine bessere Aschätzung gewährleistet ist. Da der Planungshorizont im Tourismussektor eher kurzfristig ist, d.h. die nächsten 5 bis 10 Jahre, ist für diesen Wirtschaftsbereich die klimatische Entwicklung bis 2100, die vorwiegend in Klimawandel- und Klimafolgenstudien betrachtet wird, weniger von Bedeutung. Der Zeithorizont 2021-2050 scheint hierfür adäquater. Die meteorologischen Größen Lufttemperatur und Niederschlag stellen in der Bewertung des Klimas für den Tourismussektor nur 2 elementare Größen dar, die für eine vollständige Beschreibung jedoch nicht ausreichen. Die hier eingeschlagene Methode, 166 d.h. die Berücksichtigung zusätzlicher, für den Tourismus relevanter Größen wie zum Beispiel thermischer Komfort, Hitze- sowie Kältestress, Schneepotenzial, sonnige und neblige Tage hat sich bewährt und den Vorteil, dass sie je nach Region leicht angepasst werden können. Zu guter letzt sollte noch erwähnt werden, dass der Bereich Tourismus und die zu erwartenden Auswirkungen durch den Klimawandel einen starken Finanzsektor bilden, der auch Faktoren wie Gesundheit, Erholung, Freizeit und räumliche Planungsebenen beinhaltet. 167 Literatur Abegg B (1996) Klimaänderung und Tourismus. Schlussbericht NFP 31. vdf Hochschulverlag AG an der ETH, Zürich. Beniston M (1997) Variations of snow depth and duration in the Swiss Alps over the last 50 years: links to changes in large-scale climatic forcing. Climatic Change 36, 281-300. Beniston M (2003) Climatic change in mountain regions: a review of possible impacts. Climatic Change 59:5-31. Besancenot JP, Mounier J, Lavenne F.De (1978) Les conditions climatiques du tourisme littoral: un méthode de recherche compréhensive. Norois, XXV(9):357-382. Besancenot JP (1990) Climat et tourisme. Masson édit. Collection géographie, Paris. Blazejczyk K (1994) New climatological and physiological model of the human heat balance outdoor (MENEX) and its applications in biometeorological studies in different scales. Zeszyty IGiPZ PAN 28:27-58. Breiling M, Charamza P (1999) The impact of global warming on winter tourism and skiing: a regionalised model for Austrian snow conditions. Reg. Environ. Change 1, 4-14. de Freitas CR (1985) Assessment of human bioclimate based on thermal response. Int J Biometeorol 29:97-119. de Freitas CR (1990) Recreation climate assessment. Int J Climatol 10:89-103. Davies NE (1968) An optimum summer weather index. Weather 23:305-317. Endler C, Matzarakis A (2008) Climatic tourism potential in the North Sea and Black Forest region - A comparison of REMO and DWD data. Ber. Meteorol. Inst. Univ. Freiburg 17, 179-189. Endler C, Matzarakis A (2010) Climatic potential and tourism in the Black Forest – winter season. Int J Biometeorol DOI: 10.1007/s00484-010-0342-0. Falarz M (2002) Long-term variability in reconstructed and observed snow cover over the last 100 winter seasons in Cracow and Zakopane (southern Poland). Clim Res 19:247–256. Fanger PO (1972) Thermal comfort. Analysis and applications in environmental engineering. McGraw Hill. New York, 244 pp. Feldmann H, Früh B, Schädler G, Panitz H-J, Keuler K, Jacob D, Lorenz P (2008) Evaluation of the precipitation for South-western Germany from high resolution simulations with regional climate models. Met Z 17(4), 455-465. Gagge AP, Fobelets AF, Berlund LG (1986) A standard predictive index of human response to the thermal environment. ASHRAE Transactions 92, 702-731. Gómez Martín MB (2004) An evaluation of the tourist potential of the climate in Catalonia (Spain): A regional study. Geogr. Ann. 86 A (3), 249-264. 168 Grätz A, Jendritzky G, Schmidt J, Brass S (1994) Stadtökologie. Die Bauverwaltung 3/94, 122-126. Harlfinger O (1985) Bioklimatischer Ratgeber für Urlaub und Erholung. Gustav Fischer Verlag. Harlfinger O (1991) Holiday Biometeorology: A Study of Palma de Majorca, Spain. Geojournal 25, 377–381. Höppe P (1984) Die Energiebilanz des Menschen. Wiss. Mittl. Meteorol. Inst. Uni München, 49, 171pp. Höppe PR (1993) Heat balance modelling. Experientia 49, 741-746. Höppe P (1994) Die Wärmebilanzmodelle MEMI und IMEM zur Bewertung der thermischen Beanspruchung am Arbeitsplatz. Verh. Dtsch. Ges. Arbeitsmed. Umweltmed. 34, 153-158. Höppe P (1999) The physiological equivalent temperature – a universal index for the biometeorological assessment of the thermal environment. Int. J. Biometeorol. 43, 71-75. IPCC (2007) Climate Change 2007: The Scientific Basis. Contribution of the Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change (Solomon S, Qin D, et al., (eds)), Cambridge University press. Jacob D, Van den Hurk BJJM, Andræ U, Elgered G, Fortelius C, Graham LP, Jackson SD, Karstens U, Koepken Chr, Lindau R, Podzun R, Roeckel B, Rubel F, Sass BH, Smith RNB, Yang X (2001) A comprehensive model intercomparison study investigating the water budget during the BALTEX PIDCAP period, Meteorol. Atmos. Phys. 77, 19-43. Jacob D, Bäring L, Christensen OB, Christensen J H, De Castro M, Deque M, Giorgi F, Hagemann S, Hirschi M, Jones R, Kjellström E, Lenderink G, Rockel B, Sanchez E, Schär C, Seneviratne S, Somot S, Van Ulden A, Van Den Hurk B (2007) An inter-comparison of regional climate models for Europe: model performance in present-day climate. Climatic Change 81, 31–52. Jacob D, Göttel H, Kotlarski S, Lorenz P, Sieck K (2008) Klimaauswirkungen und Anpassung in Deutschland. Phase 1: Erstellung regionaler Klimaszenarien für Deutschland. Umweltbundesamt. Dessau-Roßlau. Jendritzky G (1990) Bioklimatische Bewertungsgrundlage der Räume am Beispiel von mesoskaligen Bioklimakarten. In: Jendritzky G, Menz G, Schmidt-Kessen W, Schirmer H (eds.) Methodik zur räumlichen Bewertung der thermischen Komponente im Bioklima des Menschn. Fortgeschriebenes Klima-Michel-Modell. Akad. Raumforschung u. Landesplanung, 114. Hannover: ARL. Jendritzky G, Sönning W, Swantes HJ (1979) Ein objektives Bewertungsverfahren zur Beschreibung des thermischen Milieus in der Stadt- und Landschaftsplanung (Klima Michel-Modell). Beitr. Akad. Raumforsch. Landesplan. Nr. 28. Jendritzky G, Menz G, Schirmer H, Schmidt-Kessen W (1990) Methodik zur räumlichen Bewertung der thermischen Komponente im Bioklima des Menschen (Fortgeschriebenes Klima-Michel-Modell). Beitr. Akad. Raumforsch. Landesplan. Nr. 114. 169 Jendritzky G, Staiger H, Bucher K, Grätz A, Laschewski G (2000) The perceived temperature: a method of Deutscher Wetterdienst for the assessment of cold stress and heat load for the human body. Internet workshop on Windchill, 2000, Meteorological Service of Canada, Environment Canada. Lecha L, Shakleford P (1997) Climate services for tourism and recreation. WMO Bulletin 46, 46-47. Majewski D (1991) The Europa-Modell of the Deutscher Wetterdienst. Seminar Proceedings ECMWF 2, 147-191. Matzarakis A (2006) Weather- and Climate-Related Information for Tourism - Tourism and Hospitality Planning and Development 3, 99-115. Matzarakis A (2007) Entwicklung einer Bewertungsmethodik zur Integration von Wetter- und Klimabedingungen im Tourismus. Ber. Meteorol. Inst. Univ. Freiburg Nr. 16, 2007, 73-79. Matzarakis A, de Freitas CR (2001) Proceedings of the First International Workshop on Climate, Tourism and Recreation. International Society of Biometeorology, Commission on Climate Tourism and Recreation. December 2001. http://www.mif.uni-freiburg.de/isb Matzarakis A, Mayer H (1996) Another kind of environmental stress: Thermal stress. WHO Newsletter No. 18, 7-10. Matzarakis A, Mayer H (1997) Heat stress in Greece. Int. J. Biometeor. 41, 34-39. Matzarakis A, Rutz F, Mayer H (2007a) Modelling Radiation fluxes in simple and complex environments – Application of the RayMan model. Int. J. Biometeorol. 51, 323-334. Matzarakis A, Matuschek O, Neumcke R, Rutz F, Zalloom M (2007b) Climate change scenarios and tourism - How to handle and operate with data. In: A. Matzarakis, C. R. de Freitas, D. Scott (Eds.), Developments in Tourism Climatology, 240-245. Mieczkowski Z (1985) The tourism climate index: A method for evaluating world climates for tourism. The Canadian Geographer 29, 220-233 Neumcke R (2008) Thermisches Bioklima in Österreich unter Klimawandelbedingungen - Quantifizierung und Validierung anhand der Klimanormalperiode 19611990, Mai 2008, Diplomarbeit in Geographie, Albert-Ludwigs-Universität OECD (2007) Climate Change in the European Alps - Adapting Winter Tourism and Natural Hazards Management Scharlau K (1943) Die Schwüle als meßbare Größe. Bioklimat. Beibl.10, 19 Shakleford P, Olson LE (1995) Tourism, climate and weather. WMO Bulletin 44, 239242. Smith K (1993) The influence of weather and climate on recreation and tourism. Weather 48:398-404. UNEP (2007) Global outlook for snow and ice. UNEP Arendal/Nairobi 2007 UNWTO (2007) Climate change and tourism - responding to global challenges. Summary. Joint UNWTO, UNEP,WMOpublication issued October 2007 170 VDI (1998) VDI 3787 Blatt 2, Umweltmeteorologie: Methoden zur humanbiometeorolo-gischen Bewertung von Klima und Lufthygiene für die Stadt- und Regionalplanung. Teil I: Klima. Berlin, Beuth Verlag. Yapp G, McDonald N (1978) A Recreation Climate Model. Journal of Environmental Management, 7, 235–252. 171 Anhang Abbildungen Klimaänderungen in der Nordseeregion basierend auf regionalen Klimasimulationen (REMO und CLM Hitzestress 1961-1990 (REMO) Tage 1961-1990 (CLM) A1B (REMO) Tage A1B (CLM) B1 (REMO) Tage B1 (CLM) Abb. 23: Hitzestress für die Nordseeregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. 172 Regentage (Niederschlag > 5 mm) 1961-1990 (REMO) Tage 1961-1990 (CLM) Tage A1B (REMO) A1B (CLM) Tage B1 (REMO) B1 (CLM) Abb. 24: Regentage für die Nordseeregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. 173 Trockene Tage (Niederschlag ≤ 1 mm) 1961-1990 (REMO) Tage 1961-1990 (CLM) A1B (REMO) Tage A1B (CLM) Tage B1 (REMO) B1 (CLM) Abb. 25: Trockene Tage für die Nordseeregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. 174 Sonnenscheintage (Bewölkung < 4 Achtel) Tage 1961-1990 (REMO) 1961-1990 (CLM) A1B (REMO) Tage A1B (CLM) B1 (REMO) Tage B1 (CLM) Abb. 26: Anzahl der sonnigen Tage für die Nordseeregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. 175 Nebel (relative Luftfeuchtigkeit > 93 %) 1961-1990 (REMO) Tage 1961-1990 (CLM) Tage A1B (REMO) A1B (CLM) Tage B1 (REMO) B1 (CLM) Abb. 27: Nebeltage für die Nordseeregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (19611990), die mittlere die Änderung für A1B und die untere die Änderung für B1. 176 Hitzestress (PET > 35 °C) 1961-1990 (REMO) 1961-1990 (CLM) A1B (REMO) A1B (CLM) B1 (REMO) B1 (CLM) Abb. 28: Tage Tage Tage Hitzestress für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. 177 Regentage (Niederschlag > 5 mm) 1961-1990 (REMO) 1961-1990 (CLM) A1B (REMO) A1B (CLM) B1 (REMO) Abb. 29: Tage Tage B1 (CLM) Tage Regentage für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. 178 Trockene Tage (Niederschlag ≤ 1 mm) 1961-1990 (REMO) 1961-1990 (CLM) A1B (REMO) B1 (REMO) Abb. 30: A1B (CLM) B1 (CLM) Tage Tage Tage Trockene Tage für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. 179 Windige Tage (Windgeschwindigkeit > 8 ms-1) 1961-1990 (REMO) 1961-1990 (CLM) Tage A1B (REMO) A1B (CLM) Tage B1 (REMO) B1 (CLM) Tage Abb. 31: Windige Tage für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. 180 Sonnenscheintage (Bewölkung < 4 Achtel) 1961-1990 (REMO) 1961-1990 (CLM) A1B (REMO) A1B (CLM) Tage B1 (REMO) B1 (CLM) Tage Abb. 32: Tage Sonnige Tage für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1. 181 Nebeltage (relative Luftfeuchtigkeit > 93 %) 1961-1990 (REMO) 1961-1990 (CLM) A1B (REMO) A1B (CLM) B1 (REMO) B1 (CLM) Abb. 33: Tage Tage Tage Nebeltage für die Schwarzwaldregion basierend auf REMO (links) und CLM (rechts). Die obere Grafik zeigt jeweils die Klimanormalperiode (1961-1990), die mittlere die Änderung für A1B und die untere die Änderung für B1.
