Reduktion der Emission von Rußaerosolen
Werbung
Universität Leipzig Leipziger Institut für Meteorologie Arbeit zur Erlangung des akademischen Grades „Master of Science“ im Fach Meteorologie Reduktion der Emission von Rußaerosolen: Analyse der „Co-Benefits“ für Klima und Luftqualität vorgelegt von Danny Löser geb. 23.10.1990 in Spremberg Matrikelnummer: 2507451 eingereicht im September 2015 Betreuer: Dr. Ribu Cherian Erstgutachter: Prof. Dr. Johannes Quaas Zweitgutachter: Prof. Dr. Ina Tegen Abstrakt Die Masterarbeit folgt dem EU-Forschungsprojekt ECLIPSE – „Evaluating the Climate and Air Quality Impacts of Short-Lived Pollutants“, welches unter anderem von der Arbeitsgruppe „Wolken und globales Klima“ des Leipziger Instituts für Meteorologie bearbeitet wurde. Neben Treibhausgasen gibt es andere anthropogene Emissionen, die einen signifikanten Einfluss auf das Klima und die Luftqualität haben; sogenannte „kurzlebige Klimawandelverursacher“ (SLCPs). In dieser Arbeit wird die Wirkung durch die Reduktion von Rußaerosolen (Black Carbon, BC) auf das Klima und die Luftqualität untersucht. Um den Einfluss BCs kontrollieren zu können, sind politische Maßnahmen notwendig. Neue Richtlinien könnten eine zunehmend schlechtere Luftqualität und mögliche negative Klimawirkungen, besonders auf regionaler Ebene, dämpfen. Dennoch sind die Auswirkungen von BC auf das Klima schwer vorherzusagen und einzuschätzen. In der Masterarbeit wird ein idealisiertes Minderungsexperiment durchgeführt, in dem die vollständige, Land bezogene, anthropogene Emission von BC entfernt wird und die eventuellen Vorteile („Co-Benefits“) in Hinblick auf Klima und Luftqualität (global, kontinental und national) beurteilt werden. Dabei werden drei globale, gekoppelte Atmosphäre-Ozean Klimamodelle verwendet. Es wurde unter anderem herausgefunden, dass die größten Signale durch die Reduktion BCs nicht ausschließlich in den Regionen starker Emissionen hervorgerufen werden. So sind die Änderungen auch in den höheren Breiten der Nord- und auch teilweise auf der Südhemisphäre sehr stark. Auf globaler Ebene hingegen, sind die Signale kaum sichtbar. Außerdem unterscheiden sich die Modelle stark im Vorzeichen einzelner Klimavariablen. Diese Differenzen sind weitgehend auf natürliche Veränderungen (Ozean und atmosphärische Zirkulationsmuster, Temperatur und Meereisbedeckung sowie Wolkenänderungen) und auf die unterschiedlichen Modellsetups (primär durch unterschiedliche Vertikalverteilung BCs) zurückzuführen. Die Summe aller markant unterschiedlichen und komplexen Einflüsse machen es schwierig, die Klimareaktion durch die Reduktion BCs signifikant einschätzen zu können. Eine Verbesserung der Luftqualität durch eine Emissionsminderung ist hingegen zweifellos. Seiten (insg.) : 76 Abbildungen : 29 Tabellen : 03 I Inhaltsverzeichnis Abkürzungsverzeichnis ......................................................................................................... III 1 Einleitung ............................................................................................................................... 1 1.1 Motivation .......................................................................................................................... 1 1.2 Mikrophysikalische Eigenschaften von Black Carbon ...................................................... 4 1.3 Maßnahmen zur Emissionsminderung von Black Carbon ................................................ 7 2 Idealisiertes Minderungsexperiment ................................................................................. 11 2.1 Beschreibung der Modelle ............................................................................................... 11 2.2 Versuchsdurchführung und Methodik ............................................................................. 14 2.3 Emissionen ....................................................................................................................... 17 3 Ergebnisse der Modellsimulationen .................................................................................. 21 3.1 Änderungen der Strahlungsvariablen und Cloud-radiative Effects ................................. 21 3.2 Änderungen der Lufttemperatur ...................................................................................... 31 3.3 Änderungen von Wolken- und Niederschlagsmustern sowie vom Oberflächenabfluss .. 36 3.4 Änderungen der Bodenalbedo und Meereisbedeckung ................................................... 45 4 Diskussion ............................................................................................................................ 49 5 Zusammenfassung und Schlussfolgerungen ..................................................................... 56 Danksagung............................................................................................................................. 58 Literaturverzeichnis ............................................................................................................... 59 Anhang A BC Emissionen im Jahr 2000 ............................................................................................ i B Globale Mittelwerte ......................................................................................................... iii C Kontinentale und nationale Mittelwerte ........................................................................ iv D Regionale Temperaturverläufe im Kontrolllauf ............................................................ v E Abbildungsverzeichnis ..................................................................................................... vi F Tabellenverzeichnis .......................................................................................................... ix II Abkürzungsverzeichnis Abb AF AOGCM BC CAM CCN CCSM CDO CH CICE CLM CRE CS CTL ECHAM ECLIPSE EU GAINS GHGs GTP GWP HadGEM HAM IN ITZ LW MICOM MMM MPIOM NA NCL NEMO NetCDF NorESM OA OC OLR OM PM RF SA Sfc SLCPs SW T2m TOA UKCA UK Abbildung Afrika Atmosphere-Ocean Global Circulation Model Black Carbon Community Atmosphere Model Cloud Condensation Nuclei Community Climate System Model Climate Data Operators China Los Alamos Sea-Ice Model Community Land Model Cloud-radiative Effect clear-sky Control European Centre for Medium-Range Weather Forecasts Hamburg Model Evaluating the Climate and Air Quality Impacts of Short-Lived Pollutants Europa The Greenhouse Gas and Air Pollution Interactions and Synergies Greenhouse Gases Global Temperature Potential Global Warming Potential Hadley Centre Global Environment Model Hamburg Aerosol Model Indien Innertropische Konvergenzzone longwave Miami Isopycnic Coordinate Ocean Model Multi-Modellmittel Max Planck Institut Global Ocean/Sea-Ice Model Nordamerika NCAR Command Language Nucleus for European Modelling of the Ocean Network Common Data Format Norwegian Earth System Model Organic Aerosol Organic Carbon Outgoing Longwave Radiation Organic Matter Particulate Matter Radiative Forcing Südamerika Surface Short-lived Climate Pollutants shortwave Lufttemperatur in 2m Höhe Top of Atmosphere Chemistry and Aerosols III Kapitel 1 Einleitung1 1.1 Motivation Der Begriff „Aerosol“ setzt sich im Lateinischen aus den Wörtern aer „Luft“ und solutio „Lösung“ zusammen und bedeutet wortwörtlich „Lösung in Luft“. Es beschreibt ein Ensemble von festen, flüssigen oder in der gemischten Phase bestehenden Partikeln (Aerosolpartikel), die in der Luft schweben. Grundsätzlich unterscheidet man primäre und sekundäre Aerosole, die sowohl natürlicher als auch anthropogener Quelle sein können. Primäre Aerosole entstehen durch den direkten Eintrag von Partikeln in die Atmosphäre, während sich sekundäre Aerosoledurch homogene Nukleation von Gasen mit geringem Dampfdruck (z. B. Schwefelsäure) herausbilden. Aerosole beeinflussen den Strahlungshaushalt der Erde, indem sie einerseits Strahlung absorbieren und streuen (direkter Effekt) und andererseits die Eigenschaften von Wolken verändern (indirekter und semi-direkter Effekt). Ein besonderen Teil, hinsichtlich seiner Wirkung auf das Klima, nimmt „elementarer Kohlenstoff“ (auch genannt Ruß oder Black Carbon, kurz BC) ein. BC ist ein Typ kohlenstoffhaltigen Materials, das während der unvollständigen Verbrennung von kohlenstoffhaltigen Brennstoffen (bspw. Kohle, Erdöl oder Holz) entsteht (Bond et al., 2013). Seine Emissionsquellen können industriellen Ursprungs sein (z. B. aus der Petrochemie, Ziegeleien und Kokereien), durch die Verbrennung von Biomasse (anthropogen und natürlich verursacht), sowie in Fahrzeugen (Dieselfahrzeuge und Benzin-Direkteinspritzer), Flugzeugen oder Schiffen entstehen und wird direkt in die Atmosphäre emittiert. Rußaerosole absorbieren dabei den größten Teil der ankommenden Strahlung im sichtbaren Wellenlängenbereich, was bedeutet, dass sie einen netto wärmenden Effekt auf die Atmosphäre haben, sowie einen positiven Antrieb der kurzwelligen Strahlungsflüsse am Oberrand der Atmosphäre (TOA). Das Kyoto-Protokoll wurde im Jahr 1997 auf der Konferenz Kyōto in Japan beschlossen und ist nach wie vor durch die Emissionen von sechs verschiedenen Treibhausgasen (eng. greenhouse gases, kurz GHGs) beziehungsweise Gruppen von GHGs (Kohlenstoffdioxid CO2, Methan - CH4, Stickstoffoxide - N2O, perfluorierte Kohlenwasserstoffe - PFCS, teilhalogenierte Fluorkohlenwasserstoffe - HFCs und Schwefelhexafluorid - SF6) limitiert. Darüber hinaus gibt es jedoch weitere anthropogene Emissionen, die einen signifikanten Einfluss auf das Klima haben. Gemeint sind sogenannte „kurzlebige KlimawandelVerursacher“ (eng. short-lived climate pollutants, kurz SLCPs). Dazu zählen BC, Ozon (mit Vorläufersubstanzen CH4, CO, VOCs und NOx), sowie Sulfat (mit Vorläufersubstanz SO2) und organische Aerosole. Anders als Treibhausgase, tragen diese eine entscheidende 1 1 Einige Abschnitte in diesem Kapitel wurden nahezu unverändert oder überarbeitet aus der eigenen Ausarbeitung zum Pflichtfach P6 „Meteorologische Arbeitsmethoden“ im März 2015 übernommen. KAPITEL 1. EINLEITUNG Verbindung zwischen dem Klimawandel und der Luftqualität/Gesundheit bei (Shindell et al., 2012). Besonders BC kann aufgrund seiner geringen Partikelgröße (PM2.5) zu erheblichen gesundheitlichen Schäden führen. Das Rußpartikel kann sich bis zu den kleinsten Lungenbläschen fortbewegen und sich dort absetzen, sodass es bei übermäßiger Schadstoffbelastung zu schweren, lokalen und systematischen Auswirkungen im Körper kommen kann (Janssen et al., 2012). Eine Verbesserung der Luftqualität zielt demnach zwingend auf eine Reduktionsemission BCs ab. Während die dafür erforderlichen Maßnahmen einen indiskutablen, positiven Effekt auf die Luftqualität und Gesundheit haben, sind die (positiven) Auswirkungen auf das Klima („climate benefits“) durch eine Verringerung der BC Emissionen weniger offensichtlich. BC besitzt im Vergleich zu gut durchmischten Treibhausgasen (bspw. CO2) eine relativ kurze Lebensdauer von wenigen Tagen. Dadurch ist die Verteilung BCs in der Atmosphäre inhomogen, sodass sich die größten Konzentrationen nahe der Emissionsquellen (und damit primär auf der Nordhemisphäre) befinden. Resultierend daraus, ergeben sich ebenso ungleiche Muster der Strahlungsantriebe und -effekte, sodass eine Einschätzung der regionalen und globalen Auswirkungen BCs auf das Klima sehr komplex ist. BC besitzt einen unterschiedlich starken Einfluss auf verschiedene Klimaelemente. Der Einfluss BCs auf Wolken ist sehr variabel, da es abhängig von der Position relativ zur Wolke, sowohl zur Wolkenbildung als auch zur Auflösung von Wolken kommen kann (Bond et al., 2013). Dementsprechend beeinflusst BC ebenso Niederschlagsmuster, die sich vorwiegend in den Tropen abändern. Aufgrund der differentiellen Erwärmung, hervorgerufen durch die Absorption von Strahlung an BC, zwischen der Nord- und Südhemisphäre, kommt es zu einer meridionalen Bewegung der „Innertropischen Konvergenzzone“ (ITZ) in Richtung der wärmeren Hemisphäre (Nordhemisphäre) (Chung und Seinfeld, 2005). BC besitzt weitere komplexe Einflüsse auf Niederschlagsmuster. So erwärmt es die Atmosphäre durch Absorption von Strahlung, aber kann die Bodenoberfläche (abhängig von der vertikalen Verteilung) sowohl erwärmen als auch kühlen (solar dimming) und die Oberflächenverdunstung entsprechend begünstigen oder verringern. Eine verringerte Oberflächenverdunstung erzeugt dabei einen erhöhten Oberflächenabfluss (eng. Run-off) und führt ebenso zu einer unterdrückten Evapotranspiration (Baker et al., 2015). Der tatsächliche (netto) Effekt BCs auf den Niederschlag, ist daher von der Region, von der vertikalen Verteilung und vom „Mischverhältnis“ (mit anderen Aerosolpartikeln) BCs abhängig (Kvalevåg et al., 2013). Weiterhin haben mehrere Studien gezeigt, dass BC und auch andere anthropogene Aerosolemissionen zu einer Schwächung des Monsun auf der Nordhemisphäre in den letzten Jahrzehnten beigetragen haben (u. a. Ramanathan und Carmichael, 2008). Weiterhin erzeugt BC einen signifikanten Einfluss in höheren Breiten, wenn es sich auf Schnee- und Eisflächen absetzt und so zur Reduzierung der Albedo führt (Ramanathan und Carmichael, 2008). Durch die zusätzlich erhöhte Absorption von Strahlung an BC (vorwiegend im sichtbaren Wellenlängenbereich, Bond et al., 2013), kommt es zu erhöhten 2 KAPITEL 1. EINLEITUNG Temperaturen in der Schneedecke selbst, sowie zu einer erhöhten Lufttemperatur. Eine erhöhte Lufttemperatur führt zum Schmelzen von Schneeflächen und beeinflusst die Schneedecke sowie die Schneehöhe (snow albedo feedback). Dieser Effekt sorgt für eine weitere Reduktion der Schnee- und Bodenalbedo. Höhere Temperaturen in der Schneedecke selbst, beeinflussen im Gegensatz dazu die Korngröße des Schnees (größer werdend). Mit größer werdender Korngröße steigt der Massenabsorptionsquerschnitt an, sodass sich die Albedo wiederum verringert. Ist dann der Anteil am BC im Schnee größer werdend, so verstärkt sich der Effekt zusätzlich (Bond et al., 2013). Der Einfluss BCs von auftretenden Strahlungseffekten auf die Bodentemperatur in der Arktis, ist ebenso ein sehr komplexer Prozess und stark von der geographischen Breite sowie dem Ort der „Antriebe“ abhängig (Baker et al., 2015). Auch über der Himalaya Region sind diese Effekte zu beobachten und können zum Abschmelzen der Gletscher führen (Ramanathan und Carmichael, 2008). In dieser Arbeit wird der Fokus auf die Reduktion der Emissionen von BC gelegt und die klimatischen Änderungen untersucht und diskutiert. In der Abbildung 1.1 ist ein Flussdiagramm über den Einfluss BCs auf das Klima, der Luftqualität und Gesundheit, sowie zur Motivation für eine Reduzierung der BC Emissionen dargestellt. Ein idealisiertes Minderungsexperiment der BC Emissionen, in dem die vollständige, Land bezogene, anthropogene Emission BCs entfernt wird, soll Aufschlüsse über klimatische Änderungen geben und die möglichen „Co-Benefits“ diskutiert werden. Abbildung 1.1: Flussdiagramm über den Einfluss BCs auf das Klima, der Luftqualität und Gesundheit, sowie zur Motivation für eine Reduzierung der BC Emissionen (Zahlenwerte aus Bond et al., 2013). 3 KAPITEL 1. EINLEITUNG Das Kapitel 1 gilt der Einleitung und stellt im Folgenden die mikrophysikalischen Eigenschaften BCs heraus. Des Weiteren werden verschiedene Maßnahmen zu Reduzierung der BC Emissionen erläutert. Im Kapitel 2 geht es um die Versuchsdurchführung sowie Methodik der Masterarbeit und es werden die verwendeten Modelle beschrieben. Außerdem werden die unterschiedlichen Emissionen der Kontrollsimulationen der einzelnen Modelle beschrieben. Im Kapitel 3 werden die Klimaänderungen aufgrund der vollständigen Reduktion der BC Emissionen erläutert. Diese Ergebnisse werden im Kapitel 4 diskutiert, sowie abschließend eine Zusammenfassung und Schlussfolgerung im Kapitel 5 gegeben. 1.2 Mikrophysikalische Eigenschaften von Black Carbon Im Folgenden werden die mikrophysikalischen Eigenschaften von BC in der Atmosphäre erläutert. Alle Zahlenwerte hierfür wurden aus Bond et al. (2013) entnommen. Abbildung 1.2: Elektronenmikroskopische Aufnahme (a) von BC Aggregaten im jungen Rauch des Madikwe Game Reserve Feuers (August, 2000), (b) von kettenartigen BC Aggregaten im flammenden Rauch aus einem Feuer in der Nähe von Kaoma, Zambia (September, 2000) und (c) von einem kompakten BC Aggregat einer regionalen Dunstwolke in der Nähe von Skukuza, Südafrika (August, 2000) (aus Bond et al., 2013). 4 KAPITEL 1. EINLEITUNG Wird BC emittiert, so besitzt es eine Größe von kleiner als 100 nm (aitken mode range) und zählt demnach zu den ultrafeinen Aerosolpartikeln. BC existiert als ein Aggregat mehrerer kleiner kohlenstoffhaltiger Kügelchen (Abb. 1.2). Es absorbiert stark elektromagnetische Wellen im Bereich sichtbaren Lichts mit einem Massenabsorptionsquerschnitt von etwa 7.5 (±1.2) m²/g bei 550 nm Wellenlänge. Zudem ist BC „hitzebeständig“ was bedeutet, dass es seine ursprüngliche Form auch bei sehr hohen Temperaturen, mit einer Verdampfungstemperatur nahe 4000 K, beibehält. Des Weiteren ist es weder in Wasser, organischen Lösungen, noch in anderen Komponenten atmosphärischen Aerosols löslich. Durch Alterungsprozesse (Koagulation und Kondensation) in der Atmosphäre ändern sich sowohl die Größe des Aerosolpartikels als auch seine Eigenschaften. BC wird generell mit anderen Aerosolpartikeln emittiert: primär organisches Aerosol (POA) und Schwefeldioxid (Vorläufersubstanz von Sulfat). „Organisches Aerosol“ (OA) ist ein weit gefasster Begriff, der kohlenstoffhaltige Verbindungen angibt, welche Wasserstoff und in der Regel Sauerstoff enthalten (Bond et al., 2013). Alle Quellen die BC emittieren, emittieren ebenso POA, sowie Gase die zu sekundärem organischen Aerosol (SOA) in der Atmosphäre werden. Die Emissionsquellen POAs sind daher ähnlich zu denen von BC. In der Atmosphärenchemie wird die Kombination aus BC und OA oft als „carbonaceous aerosol“ (kohlenstoffhaltiges Aerosol) bezeichnet (Seinfeld und Pandis, 2006). Schwefeldioxid hingegen entsteht ausschließlich während der Verbrennung von schwefelhaltigen fossilen Brennstoffen wie Kohle oder Erdölprodukten. Handelt es sich um reines (frisch emittiertes) BC, ist dieses extern gemischt. Obwohl BC nicht in anderen Komponenten atmosphärischen Aerosols löslich ist, kann es sich dennoch mit den (u. a.) oben genannten co-emittierten Aerosolpartikeln verbinden, sodass es als ein intern gemischtes Aerosolpartikel definiert ist. Da Sulfataerosole die Eigenschaft besitzen Sonnenlicht stark reflektieren zu lassen, besitzt intern gemischtes BC folglich andere Eigenschaften. Trotz dieser hohen Reflektivität, ist der Massenabsorptionsquerschnitt für intern gemischtes BC mit etwa 12.5 m²/g (bei 550 nm Wellenlänge) größer, als der von extern gemischtem BC (siehe oben). Dabei wird oft angenommen, dass sich die nicht-absorbierenden Aerosolpartikel vollständig und annähernd symmetrisch um das BC legen („core-shell-Konfiguration") und demnach das Licht in Richtung des absorbierenden Materials brechen (Bond et al., 2013). Das Verhältnis aus absorbierendem und nicht-absorbierendem Material ist stets unterschiedlich und abhängig von der Emissionsquelle (Art der Verbrennung etc.). Im Anhang A sind die BC Emissionen im Jahr 2000, in Abhängigkeit zu den Emissionsquellen und Mischverhältnissen BCsmit coemittierter Aerosole, dargestellt. Intern gemischtes BC ist hydrophil (reines BC hydrophob) und kann demnach mehr Feuchtigkeit aus der Umgebung aufnehmen, sowie als Kondensationskeim (CCN) zur Bildung von Wasserdampf (Wolkenbildung) dienen. Dieser Prozess wird allgemeinhin als „CCN activation“ bezeichnet und ist in der Abbildung 1.3 dargestellt. Die kritische Übersättigung ist die niedrigste Übersättigung, bei der sich ein Tropfen bilden kann. Ist diese 5 KAPITEL 1. EINLEITUNG hoch, so ist die Wahrscheinlichkeit für eine Tropfenbildung gering (und niedrig entsprechend andersherum). Werden alle Faktoren gleichgehalten, benötigen kleine Partikel eine höhere kritische Übersättigung zur Aktivierung als große Partikel. Weniger hygroskope Aerosolpartikel haben eine große kritische Übersättigung. Weil frisch emittiertes BC einen kleineren Durchmesser besitzt und nur sehr wenig Feuchtigkeit aus der Umgebung aufnehmen kann, hat extern gemischtes BC eine große kritische Übersättigung und kann sich nicht als CCN aktivieren. Gealtertes BC hingegen senkt die kritische Übersättigung in BC enthaltenen Aerosolen, sodass sich die Zugabe von löslicher Masse erhöht und entsprechend das Partikelvolumen sowie die Hygroskopizität größer werden. Außerdem ist die Aktivierung abhängig von der BC Massenkonzentration im Aerosol selbst. Das heißt, für eine gegebene Partikelgröße erhöht sich die kritische Übersättigung mit zunehmendem BC Massenanteil. Im Vergleich zum Einfluss der Partikelgröße auf die Aktivierung als CCN, ist dieser Effekt aber eher gering. Zudem kann BC als Eiskeim (IN) dienen. Eiskristalle wachsen auf Kosten der Wassertropfen wegen des unterschiedlichen Dampfdrucks zwischen Wasser und Eis (Bergeron-Findeisen-Effekt). Generell können größere IN Konzentrationen die Eispartikelkonzentration sowie die Lebensdauer von Cirren erhöhen und auch verringern; dennoch ist dieser Effekt sehr unsicher (u. a. wegen Konzentrationen anderer IN, Aufwindgeschwindigkeiten etc.) (Bond et al., 2013). Abbildung 1.3: Darstellung von der erforderlichen kritischen Übersättigung, um intern gemischte Aerosole unterschiedlicher Größe sowie unterschiedlichem BC Massenanteil in Wolkenkondensationskeime zu aktivieren. Die beiden Zweige zeigen gealtertes BC aus Diesel- (bis 70% BC Anteil) und Benzinabgasen (bis 20% BC Anteil) (aus Bond et al., 2013). 6 KAPITEL 1. EINLEITUNG Die Änderung der solaren Irradianz durch die Wechselwirkung von Aerosol- und Wolkenpartikeln wird allgemein als „indirekter Strahlungseffekt“ bezeichnet. Durch die Änderung der Anzahlkonzentration von Tropfen sowie der Lebensdauer in Flüssigwasserwolken, die Änderung des Niederschlags in Wolken der gemischten Phase und durch die Änderung der Anzahlkonzentration von Eispartikeln, kann BC die Wolkenbedeckung sowie die Emissivität und Helligkeit von Wolken beeinflussen (Bond et al., 2013). Ebenso kann sich durch die Absorption von solarer Strahlung an BC das vertikale Temperaturprofil der Atmosphäre ändern (Stabilisierung), und so gegebenenfalls zur Wolkenauflösung führen (semi-direkter Effekt). Dennoch ist eine Ab- oder Zunahme der Wolkenbedeckung abhängig von der Position BCs (unter, über oder in der Wolke), sowie von der Wolkengattung selbst. Der tatsächliche Einfluss BCs auf Wolken ist demnach sehr komplex. Der Alterungsprozess von extern zu intern gemischtem BC liegt auf einer Zeitskala von etwa einem Tag (Riemer et al., 2010). Gealtertes BC hat eine Größe von etwa 100-1000 nm (accumulation mode range) und zählt damit zu den feinen Aerosolpartikeln. Seine troposphärische Lebensdauer beträgt etwa sieben Tage, wobei intern gemischtes (hydrophiles) BC durch Depositionsprozesse effizienter aus der Atmosphäre entfernt wird. Der Einfluss BCs auf das Klima tritt daher auf kurzen Zeitskalen von weniger als 30 Jahren auf (Baker et al., 2015). 1.3 Maßnahmen zur Emissionsminderung von Black Carbon In diesem Abschnitt werden Maßnahmen zur Emissionsminderung in stark BC-emittierenden Regionen aufgeführt. Aufgrund der kontroversen Debatte um den Klimawandel, hat sich das Thema „Umweltschutz“ in den letzten Jahrzehnten in den Köpfen der Menschen stark etabliert. Im Rahmen der „Energiewende“ sollen verbrauchsmindernde Maßnahmen eingeleitet werden, um in den Sektoren Strom, Wärme und Mobilität die TreibhausgasEmissionen zu verringern. Wie bereits deutlich geworden ist, sollte auch die Reduktion der Emission von SLCPs, besonders BC, nicht vernachlässigt werden. Unabhängig der klimatischen Auswirkungen BCs, führen Maßnahmen zur Emissionsminderung auch zu einer besseren Luftqualität und Gesundheit. Ähnlich zur Staubbelastung, kann BC anhand der Masse verschiedener Größenfraktionen beschrieben werden. Eines dieser ist das PM2.5: Die als Feinstaub (PM2.5) bezeichnete Staubfraktion enthält 50% der Teilchen mit einem Durchmesser von 2.5 µm, einen höheren Anteil kleinerer Teilchen und einen niedrigeren Anteil größerer Teilchen (Umweltbundesamt, 2014). PM steht wortwörtlich für „Particulate Matter“, was übersetzt „Feinstaub“ bedeutet. Auch BC wird aufgrund seiner geringen Größe zu dieser Größenfraktion gezählt; je nach Alterungsprozess (Abschnitt 1.2) sogar zur PM0.1. Die PM-Größenfraktionen beinhalten sowohl primäre, als auch sekundäre Partikel. 7 KAPITEL 1. EINLEITUNG In Europa wurden bereits mehrere EU-Luftqualitätsrichtlinien festgelegt (Umweltbundesamt, 2014). Auch in Deutschland wurden und werden Gesetzgebungen getroffen, um den Menschen vor schädlichen Umwelteinwirkungen durch Luftverunreinigungen zu schützen (bspw. Bundes-Immissionsschutzgesetz). Durch das Einführen der Umweltzone einiger deutscher Städte (u. a. Leipzig), konnten die Feinstaubemissionen in den letzten Jahren regional reduziert werden. Die Emission von Rußpartikeln bleibt jedoch ein globales Problem, und führt nach wie vor in Entwicklungsländern wie Indien zu starken Belastungen der Umwelt. Die Frage, wie effektiv und schnell die Belastungen auch in solchen Weltregionen reduziert werden können, bleibt es weiterhin zu diskutieren. Da sich die Reduktion der BC Emissionen stark von ihren Quellen unterscheidet, werden nachfolgend die Maßnahmen ausgewählter Emissionsquellen im Einzelnen betrachtet. Dieselfahrzeuge: Die Minderung der BC Emissionen aus Dieselfahrzeugen, stellt das größte Potenzial zur Reduzierung der (kurzfristigen) Strahlungsantriebe dar (Bond et al., 2013). Diesel-Rußpartikelfilter führen dabei zur Reduzierung der im Abgas von Dieselmotoren vorhandenen Partikel. In Deutschland wird die Nachrüstung von dieselbetriebenen Personenkraftwagen mit Rußpartikelfilter steuerlich gefördert. Seit dem Einführen der Umweltzone am 1. März 2011 in Leipzig, dürfen nur Fahrzeuge am öffentlichen Straßenverkehr teilnehmen, die mit einer grünen Plakette (Schadstoffgruppe 4) gekennzeichnet sind (Stadt Leipzig, 2011). In der Abbildung 1.4 ist die Reduktion der Emission von BC Konzentrationen der Stadt Leipzig (Zentrum) von 2010 bis 2014 dargestellt. Dabei ist ein markanter Rückgang der BC Emissionen zu erkennen. Besonders zu den Stoßzeiten werktags, konnten die Emissionen auf teilweise über die Hälfte gesenkt werden. Trotzdem bleibt festzuhalten, dass der Rußpartikelfilter zu einem Mehrverbrauch führen kann (Hamburger Abendblatt, 2005). Dementsprechend bedarf es weiterer Forschungen, um die Partikelfilter noch effizienter zu gestalten und den Mehrverbrauch zu senken. Es kommen außerdem viele weitere Möglichkeiten in Betracht, die lokale Feinstaubbelastung zu reduzieren, wie beispielsweise Fahrverbote. In Peking zum Beispiel, sind zeitliche Fahrverbote über alle Fahrzeugklassen hinweg in Anwendung (Spiegel-Online, 2007). Eine ähnliche Regelung wie in Peking, bei der wechselweise nur gerade oder ungerade Kennzeichen erlaubt sind, wird in einigen italienischen Innenstädten ebenso durchgeführt. Auch in Entwicklungsländern sollten solche politischen Maßnahmen zunehmender durchgesetzt werden. Shindell et al. (2011) fanden heraus, dass es in Folge der Anwendung europäischer Emissionsnormen für Dieselfahrzeuge in Indien und Lateinamerika, zu einem Klimanutzen sowie zur Verbesserung der Luftqualität und Gesundheit im Jahr 2030 kommen kann. Generell bleibt unabhängig der Region festzuhalten, dass die Reduktion BCs in Dieselfahrzeugen davon abhängt, wie schnell solche Regelungen durchgesetzt, und/oder alte Fahrzeuge durch modernere Fahrzeuge (bspw. Fahrzeuge mit Filter ab Werk) ersetzt werden können. 8 KAPITEL 1. EINLEITUNG Abbildung 1.4: Reduktion der Emission von BC Konzentrationen [μg m−3 ] der Stadt Leipzig (Zentrum) von 2010 bis 2014 (A. Wiedensohler, TROPOS, 2014). Industrie: BC Emissionen von Industriequellen (Weltweit aggregiert) tragen einen großen Beitrag am negativen direkten sowie indirekten Strahlungsantrieb durch co-Emissionen (vor allem Schwefel) bei (Bond et al., 2013). Dennoch sind die BC Emissionen von den unterschiedlichen Industriequellen (Kokereien, Industriekessel usw.) sehr inhomogen, sodass diese Aussage nicht zu verallgemeinern ist. Minderungsmaßnahmen BCs sind auch hier stark von politischen Maßnahmen abhängig. Neuere und damit weniger stark emittierende Technologien erfordern ein hohes Kapital und verlangen oft die Unterstützung vom jeweiligen Staat. Zudem müssen mehr Kontrollen in den einzelnen Unternehmen durchgeführt werden (Abgasnorm), das heißt, die Abgasrichtlinien sollten genau überprüft und auf längere Sicht dokumentiert und ausgewertet werden. Oft ist die Datenverfügbarkeit besonders in Entwicklungsländern jedoch sehr gering. Auch die Öl und Gas Industrie spielt bei der Emission von BC eine dominante Rolle. Beim Fördern von Öl wird Erdgas frei, das die Ölbohrunternehmen abfackeln. Dieses Abfackeln sollte reduziert und die Effizienz bei der Förderung von Öl generell verbessert werden. Nach der Studie von Stohl et al. (2015) wird deutlich, dass eine Reduzierung des Abfackelns vom Erdgas die größte positive Auswirkung auf die Luftqualität und gleichzeitig auf das Klima besitzt. Offene Biomasseverbrennung: Die offene Verbrennung von Biomasse stellt den größten Anteil der BC Emissionen im Vergleich zu den anderen Emissionsquellen dar (Bond et al., 2013). Sarofim et al. (2010) analysierten unterschiedliche Vermeidungspotenziale unter Berücksichtigung verschiedener Minderungsoptionen der Biomasseverbrennung in den USA. Dazu zählen unter anderem das Verwenden von Propanbrennern auf Ernterückständen, die Vermeidung von natürlichen Waldbränden oder eine Vielzahl unterschiedlicher Minderungsvorschriften in der Forstwirtschaft. Außerdem könnte durch weitere Forschungsprojekte die Verbrennungseffizienz weiter gesteigert werden. Des Weiteren sollten 9 KAPITEL 1. EINLEITUNG in Entwicklungsländern die Farmer in speziellen Seminaren über die Thematik „aufgeklärt“ werden. Die private Biomasseverbrennung ist nach wie vor schwer zu kontrollieren und könnte auch in Deutschland ein zunehmend größeres Problem darstellen. Heimisches Kochen und Heizen: Das heimische Kochen und Heizen stellt neben der offenen Biomasseverbrennung den zweitgrößten Anteil der weltweiten BC Emissionen dar (Bond et al., 2013). Da diese Art der Emissionsquelle vorwiegend den Entwicklungs- und Schwellenländern geschuldet ist, bedarf es einen sehr großen Aufwand umweltschonende Maßnahmen einzuleiten. Eine Option wäre es emissionsärmere Pellet-, Späne- oder Sägemehl- Verbrennungsöfen zu errichten. Allerdings müssten diese möglichst kostengünstig an den Verbraucher veräußert werden, wobei solche Vorhaben weiterhin ein gesellschaftliches Problem (u. a. wegen verarmter Lebensverhältnisse) darstellen. In Bond et al. (2013) wird außerdem deutlich, dass durch die Erhöhung der Effizienz verschiedener Verbrennungsöfen zwar die totale Emissionsrate sinkt, allerdings Feldmessungen eine sehr geringe Reduktion der BC Aggregate ergaben. Ein Großteil der Emissionsverringerungen sei zugunsten von POA anstatt BC, sodass nicht alle BC Minderungsmaßnahmen den Klimaantrieb reduzieren können. Letztlich bleibt festzuhalten, dass es sich besonders bei dieser Emissionsquelle um Schätzungen der BC Emissionen handelt; die tatsächliche Emissionsrate könnte durchaus größer sein. In Shindell et al. (2012) werden die BC Emissionen nach ihrem ökonomischen Nutzen beurteilt (GWP und GTP) und mit denen zu CH4 verglichen. Dabei wird deutlich, dass eine verringerte Temperatur bis 2050 durch BC Maßnahmen nur eine untergeordnete Rolle, im Vergleich der Vorteile zu CH4 und den damit verursachten Kosten, einnimmt. Eine verbesserte Luftqualität durch die Verringerung BCs, sowie die daraus vermiedenen Todesfälle sind unabwendbar und geben ein klares Signal in Richtung der Minderungsmaßnahmen. Nach Bond et al. (2013) wurden jedoch aus heutiger Sicht kaum spezielle Maßnahmen zur globalen Reduzierung BCs eingeleitet. Die meisten relevanten Maßnahmen wurden vorwiegend auf lokaler Ebene zur Verbesserung der Luftqualität und Gesundheit veranlasst. Daher gibt es eine erhebliche Menge an Fachliteratur über das Potenzial und die Kosten für PM Emissionsreduktionen, aber weniger über Möglichkeiten zur Emissionsminderung BCs selbst. 10 Kapitel 2 Idealisiertes Minderungsexperiment Klimamodelle werden benutzt, um Projektionen für das Klima folgender Jahrzehnte sowie Jahrhunderte zu erstellen oder vergangene und heutige Klimazustände nachzubilden. Sie stellen die einzelnen Subsysteme des Klimasystems (z. B. die Atmosphäre, den Ozean, die Vegetation usw.) und einzelne Komponenten der Subsysteme (z. B. Aerosole) in getrennten Modellen dar, die miteinander gekoppelt werden. Die Atmosphäre und der Ozean sind dabei die wichtigsten Komponenten des Klimasystems. Klimamodelle, die solche Prozesse für den gesamten Planeten abbilden, werden als Globale Zirkulationsmodelle (General Circulation Models, GCM) bezeichnet. Ein globales Atmosphärenmodell wird in der englischsprachigen Abkürzung als AGCM (Atmosphere General Circulation Model), ein Globales Ozeanmodell als OGCM, und ein gekoppeltes Atmosphären-Ozean-Modell als AOGCM bezeichnet (GFDL.NOAA – Glossary Page). In der Masterarbeit werden drei AOGCMs verwendet, um die Klimawirkungen durch die (idealisierte) vollständige Reduktion von BC zu untersuchen. Im folgenden Kapitel werden zunächst die verwendeten Modelle und darauffolgend die Methodik zur Versuchsdurchführung der Masterarbeit beschrieben, sowie die Emissionen des Kontrolllaufs der einzelnen Modelle abgebildet. 2.1 Beschreibung der Modelle Bei den folgenden Untersuchungen wurden die drei Klimamodelle ECHAM6-HAM2, HadGEM3 und NorESM1-M verwendet. Während HadGEM3 und NorESM1-M die klimatische Wirkung von interaktiven Aerosolen sowie chemischen Prozessen berücksichtigen, beinhaltet das ECHAM6-HAM2 Modell ausschließlich den Einfluss interaktiver Aerosole. Ein solch interaktiver Prozess beschreibt die Wirkung von Aerosolen in der Atmosphäre, welche interaktiv mit dem System verbunden sind. Das heißt, die Aerosole werden emittiert, durch Advektion herangeführt, greifen selbstständig in einen Prozess (z.B. in den Strahlungshaushalt) ein, können diesen mitbestimmen und werden letztlich depositioniert. In HadGEM3 und NorESM1-M können Änderungen der Aerosole somit gleichzeitig die Chemie (durch Änderung der Oxidation von SO2 ) beeinflussen, sowie die verfügbare Oberfläche für die heterogene Chemie verändern (Baker et al., 2015). Um beispielsweise abschätzen zu können, wie Aerosolpartikel (hier BC) die Sonnenstrahlung oder die Wolkenmikrophysik beeinflussen können, müssen unter anderem die Anzahlkonzentration, die chemische Zusammensetzung, sowie die Partikelgröße berücksichtigt werden. In Klimamodellen müssen sich diese Aerosoleigenschaften auf 11 KAPITEL 2. IDEALISIERTES MINDERUNGSEXPERIMENT Näherungen und Parametrisierungen verlassen. Allerdings besitzt jedes der drei (aktuellen) Modelle eine gute Modellperformance, sodass sich aus solchen Parametrisierungen ziemlich realistische Muster generieren lassen. ECHAM6(-HAM2) ist das European Centre for Medium-Range Weather Forecasts Hamburg Model der Version 6 (Stevens et al., 2013). Die Atmosphärensimulationen werden durch das Verwenden des ECHAM6 GCMs, mit einer horizontalen Auflösung vom T63 (Gauß-Gitter mit ca. 1.8° x 1.8° Auflösung) und einer vertikalen Auflösung von 47 Höhenlevel (angefangen am Boden bei 0,01 hPa), berechnet. ECHAM6 setzt den Schwerpunkt auf die Kopplung zwischen diabatischen Prozessen und großskaligen Zirkulationen, während beide durch Strahlungsantriebe (RF) simuliert beziehungsweise angetrieben werden. Es besteht aus einem „dynamical core“, einem Transportmodell für skalare Größen (Temperatur und Oberflächendruck ausgeschlossen), sowie aus einer Reihe physikalischer Parametrisierungen für die Darstellung diabatischer Prozesse und „Rand-Datensätze“ für externe Parameter (z. B. Aerosolverteilungen, optische Eigenschaften absorbierender Gase, Landoberflächen Eigenschaften etc.). Das Atmosphärenmodell ist mit dem Max Planck Institut Global Ocean/Sea-Ice Model (MPIOM) gekoppelt. Das MPIOM ist ein primitives Gleichungsmodell (C-Gitter, z-Koordinaten, freie Oberfläche) mit hydrostatischen und Boussinesq-Annahmen. Es umfasst ein integriertes dynamisch-thermodynamisches Meereis-Modell (mit viskosplastischer Rheologie) und verwendet ein orthogonal-krummliniges Gitter (Jungclaus et al., 2013). Es besitzt ein bipolares Raster mit 1.5° Auflösung (Äquatornähe) sowie 40 vertikale Level. Das Atmosphärenmodell wird außerdem durch das Hamburg Aerosol Model (HAM2) der Version 2 erweitert (Zhang et al., 2012). Das Aerosol-Modul HAM wurde ursprünglich als eine Komponente des AGCMs ECHAM5, mit dem Ziel Aerosol-Klima-Interaktionen genauer zu untersuchen, entwickelt. Die aktuelle Version HAM2 beinhaltet neue Parametrisierungen, Emissionsberechnungen für Meersalz und Mineralstaub, sowie diverse Wolkenphysik-Schemata. Die Überarbeitung des Aerosol-Moduls erweitert damit die Fähigkeit des HAM2, den Lebenszyklus des Aerosols und seine Wechselwirkungen mit dem Klima detaillierter wiederzugeben. Die Hauptkomponenten des HAM2 sind die Aerosolmikrophysikalischen Sub-Module M7. Diese simulieren die Bildung und das Wachstum von Aerosolpartikeln (aufgrund der Nukleation und Kondensation von Schwefelsäure-Gasen), die Koagulation von Partikeln und die Wasseraufnahme von Aerosolen. Die fünf Aerosolkomponenten SO4, OC, BC, Meersalz und Mineralstaub werden in diesem Modell berücksichtigt. In HAM2 werden Aerosol-Effekte auf Flüssigwasser- und Eiswolken (Aerosol-Activation und Eisnukleation) nach einem „two-moment cloud microphysics scheme“ berücksichtigt. HadGEM3 ist das Hadley Centre Global Environment Model der Version 3 (Hewitt et al., 2011). Die Auflösungen der dritten Version sind vergleichbar mit denen zum HadGEM1. Die atmosphärische Komponente hat eine horizontale Auflösung von 1.875°x1.25° und besitzt 85 vertikale Level bis zu einer Höhe von 85 km (50 Level unter 18 km). Die Atmosphäre ist mit 12 KAPITEL 2. IDEALISIERTES MINDERUNGSEXPERIMENT dem NEMO (Nucleus for European Modelling of the Ocean) Ozeanmodellierungs-System (tripolares Gitter) und mit dem CICE (Los Alamos sea-ice model) Meereis-Modell gekoppelt(OASIS3 Kopplung).Um chemische Prozesse (u. a. Gasphase) zu modellieren, wird das UKCA (UK Chemistry and Aerosols) Schema verwendet. Dabei wird ein LagrangschesAdvektions-Schema benutzt, um dynamische Prozesse (bspw. Advektion) atmosphärischer Gase und Aerosole (55 Spezies), sowie die Klimavariablen (z. B. Niederschlag) zu simulieren. HadGEM3 unterscheidet sich im Vergleich zu den bisherigen Modellversionen von einem überarbeiteten Staubschema. Dieses erhöht die Menge der Staubbelastung im Modell und verringert die Leistung der ankommenden kurzwelligen Solarstrahlung am Boden über dem tropischen Atlantik, der Sahara, dem Arabischen Meer und in Südasien. Die Auswirkungen auf die Strahlung durch Aerosole werden mit dem „Edwards-Slingo radiation“ Schema berechnet. Die Aerosolprozesse werden „Größe-bezogen“ simuliert. Die Simulationen beinhalten primäre Emissionen, sekundäre Partikelbildung durch binäre homogene Nukleation von Schwefelsäure und Wasser, das Partikelwachstum durch Koagulation und Kondensation, sowie die Beseitigung durch trockene Deposition und Abregnen in Wolken. Für die Berechnung der internen Mixtur aus SO4, OC, BC, Staub und Meersalz wird eine „zwei-Moment Modellannäherung“ und eine sich dynamischentwickelnde Partikelgrößenverteilung verwendet. Dafür gibt es sieben Modi: vier Lösliche (nukleation bis coarse mode) und drei Unlösliche (aitken bis course mode). NorESM1-M ist das Norwegian Earth System Model der Version 1 (Iversen et al., 2013). Die atmosphärische Komponente hat eine horizontale Auflösung von 1.9° x 2.5° und besitzt 26 vertikale Level (Modelloberrand bei 2.19 hPa). Das Ozean-Modul ist eine neuere Version des Ozeanmodells MICOM (mit einer 1.1° Auflösung in Äquatornähe und 53 Layer), während das Meereismodell CICE4 und Landmodell CLM4 sowie die Kopplung CPL7 die gleichen Bestandteile wie in CCSM4 darstellen. Für den atmosphärischen Teil des NorESM1-M wird das CAM4-Oslo verwendet. Das Atmosphären-Modul CAM4-Oslo (Kirkevåg et al., 2013) ist eine Version von CAM4 mit einer besseren Darstellung von Aerosolen (mit Depositionsprozessen), Aerosol-Strahlung und Aerosol-WolkenWechselwirkungsprozessen. Die Strahlungsantriebe durch Aerosole werden mit dem Collins (2011) Strahlungsschema berechnet. Die Aerosol-Komponenten SO4, BC, OM, Meersalz und Mineralstaub sind dabei im Modell enthalten. Partikel die Wolkenkondensationskeime (z. B. reines BC) sind, bekommen hydrophile Eigenschaften nachdem sie eine interne Mixtur mit Sulfat eingehen.CAM4-Oslo berechnet außerdem Massenkonzentrationen von Aerosolen, die nach Produktionsmechanismen in wolkenfreier und bedeckter Atmosphäre, sowie von vier Größenklassen (nukleation, aitken, accumulation und coarse mode) bestimmt werden. Diese Prozesse entsprechen der primären Emission von Aerosolpartikeln, die gasförmige und lösliche Chemie (Wolkenbildung), Nukleation, Kondensation und Koagulation. Nicht beinhaltet sind trockene und nasse Depositionsprozesse (in-cloud und below-cloud 13 KAPITEL 2. IDEALISIERTES MINDERUNGSEXPERIMENT scavenging). Im voll gekoppelten NorESM1-M werden ebenso Albedo-Effekte durch BC, sowie Ablagerungen von Mineralstaub auf Schnee- und Eisflächen berücksichtigt. Im weiteren Textverlauf und in den Abbildungen werden die oben beschriebenen Modelle auf ECHAM-HAM, HadGEM und NorESM abgekürzt. 2.2 Versuchsdurchführung und Methodik Das experimentelle Setup der hier verwendeten Modelle ist identisch zu dem in Baker et al. (2015), wobei in dieser Veröffentlichung neben BC auch andere Emissionen zweier SLCPs (SO2 und OC) in den Modellsimulationen (zusätzlich mit NCAR CESM 1.0.4/CAM4) entfernt und die klimatischen Wirkungen untersucht wurden. Die Versuchsdurchführung und Methodik in dieser Arbeit fokussiert sich ausschließlich auf die Reduktion BCs und stellt dessen Ergebnisse detaillierter dar. Dennoch bietet die Ausarbeitung von Baker et al. (2015) eine gute Vergleichs- und Diskussionsgrundlage zu den eigenen Ergebnissen. Für jedes Modell wurde ein Kontrolllauf (CTL-Simulation) und ein „gestörter“ (eng. perturbed) Lauf (hier BC-Simulation genannt), indem die vollständige, Land bezogene, anthropogene Emission BCs entfernt wurde, simuliert. Die Kontrollsimulationen wurden zu Beginn für mehrere Jahrzehnte, unter Verwendung eines anfänglichen Ozean-Zustands basierend auf aktuelle CMIP5 Bedingungen, ausgeführt. In ECHAM-HAM hingegen, wird ein vorindustrieller Zustand verwendet (Abschnitt 2.3). Die CTL- und BC-Simulationen wurden in einer Zeitspanne von 50 Jahren gerechnet, um ein zuverlässiges Signal im Vergleich zur unterjährigen Variabilität zu erzeugen. Dabei wurden beide Simulationen nach einer anfänglichen „Spin-up“ Periode von mehreren Jahrzehnten gestartet. In Baker et al. (2015) wird deutlich, dass die Integrationslänge von 50 Jahren (basierend auf frühere Studien) als ausreichend erachtet wurde und demnach auch in dieser Arbeit verwendet wird. Alle der folgenden Berechnungen und Abbildungen (wenn nicht anders angegeben) wurden mit der Visualisierungssoftware NCL erstellt. Zunächst wurden dafür alle verfügbaren Klimavariablen als Network Common Data Format (NetCDF) in das Skript geladen und über 50 Jahre gemittelt. Die 50 Jahre beziehen sich auf monatliche (600) Zeitschritte. Die Differenz Δp (p für perturbation) aus der CTL- und BC-Simulation wurde wie folgt bestimmt: Δp= BC – CTL (1) Ist Δp>0zeigen die Regionen der einzelnen Abbildungen (Kapitel 3 und 4) rote Flächen auf; bei Δp<0 ist die Darstellung Blau. Umso rötlicher die Färbung, desto größer ist das Δp (invers für Δp<0). Ist Δp=0 gibt es keine Änderungen (weiße Darstellung). Die in der Masterarbeit untersuchten Klimavariablen der einzelnen Modelle sind in der Tabelle 2.1 markiert. Die fehlenden Parameter in HadGEM und NorESM waren zu diesem Zeitpunkt nicht verfügbar, wobei die Ergebnisse in ECHAM-HAM auch allein eine gute 14 KAPITEL 2. IDEALISIERTES MINDERUNGSEXPERIMENT Diskussionsgrundlage darstellen werden (beachte: die Klimavariablen und Titel der Abbildungen sowie Tabellen werden in Englisch geschrieben). ECHAM6-HAM2 Temperature (K) Precipitation (mm Run-off (mm Tag-1) Tag-1) HadGEM3 NorESM1-M Total cloud cover (%) Surface albedo (%) Sea-ice cover (%) Net TOA SW radiation (W m-2) Net TOA LW radiation (W m-2) Net Surface SW radiation (W m-2) Net Surface LW radiation (W m-2) Net TOA SW radiation (clear sky) (W m-2) Net TOA LW radiation (clear sky) (W m-2) Tabelle 2.1: Tabellarische Auflistung der untersuchten Klimavariablen in ECHAM-HAM, HadGEM und NorESM. Alle kurz- und langwelligen Strahlungsvariablen beziehen sich auf den Nettowert, d. h. hier wurde bereits die Differenz aus abwärts- und aufwärtsgerichteter Strahlungskomponente wie folgt berechnet: TOA Net Radiation = TOA incoming direct Radiation + TOA outgoing Radiation (2) Sfc Net Radiation = Sfc incoming Radiation + Sfc outgoing Radiation (1 − Sfc Albedo) (3) Wenn in den Bildtiteln nicht cs (clear-sky) angegeben ist, so wird stets auf die all-sky Bedingung (mit Wolken) Bezug genommen. Für die Strahlungsvariablen wurde außerdem die Strahlungsbilanz (total radiation) an der TOA und am Boden, sowie der solare Cloudradiative Effect (CRE) untersucht. Die Strahlungsbilanz berechnet sich generell aus der Differenz zwischen (netto) kurz- und langwelliger Strahlung. Da die langwellige Strahlung eine aufwärtsgerichtete Strahlungskomponente darstellt (- OLR), ist das Vorzeichen der hier verwendeten NetCDF negativ, sodass im Skript statt der Differenz die Summe beider Strahlungsgrößen (für TOA und Sfc) wie folgt berechnet wurde: Total Radiation = Net SW Radiation + Net LW Radiation (4) Der CRE ist allgemeinhin definiert als die Differenz zwischen dem Strahlungsfluss in einer bewölkten Atmosphäre (R all −sky ) minus dem Strahlungsfluss, der in einer wolkenfreien Atmosphäre vorhanden wäre (R clear −sky ): CRE = R all −sky − R clear −sky (5) 15 KAPITEL 2. IDEALISIERTES MINDERUNGSEXPERIMENT Der solare CRE wird demnach aus Gleichung (5) mit R als die kurzwellige Strahlung an der TOA beschrieben; im Terrestrischen ist es andersherum. Für jedes der drei Modelle zur Verfügung stehenden Klimavariablen wurde nun das Δp nach Gleichung (1) auf globaler Ebene, sowie für die Nord- und Südhemisphäre, bestimmt. Außerdem wurden zonale Mittel im 50-Jahre Zeitintegral auf globaler Ebene untersucht. Um auch regional die Differenzen aus der CTL- und BC-Simulation besser zu erkennen, wurden die globalen Karten auf mehrere Kartenausschnitte gezoomt. Die ausgewählten Weltregionen beziehen sich dabei auf Europa, Afrika, Nord- und Südamerika, sowie Südostasien. Um auch den exakten Mittelwert einzelner Weltregionen und Nationen zu bestimmen, wurde eine externe NetCDF in das eigene Skript geladen. Hier wird den verschiedenen Regionen ein Code (region_code) zugeordnet, sodass beim Einlesen des entsprechenden Codes nur die Werte innerhalb der jeweiligen Ländergrenzen beachtet werden. Dafür wurden die Kontinente Europa, Afrika, Nord- und Südamerika, sowie die Nationen Indien und China genauer untersucht. Allerdings beziehen sich die Grenzen des region_code nur bis zu einer geografischen Breite von 60°N und 60°S, was bei der Einschätzung der Ergebnisse (Europa und Nordamerika betreffend) zwingend zu beachten ist. Des Weiteren wurde für die in allen drei Modellen gleichzeitig vorhandenen Klimavariablen (Temperatur, Niederschlag, Oberflächenabfluss und kurzwellige Strahlung an der TOA) ein Multi-Modellmittel (Multi-model mean) erzeugt. Dafür wurde ein weiteres Skript mit Hilfe von „Climate Data Operators“ (CDO) geschrieben. Hier wurden die NetCDFs zunächst auf ein einheitliches Gitter (T63 Grid) gebracht und anschließend die Einheiten übereinstimmend abgewandelt. Danach konnten die Multi-Modellmittel über 50 Jahre hinweg berechnet werden und als neue NetCDF ausgegeben werden. Anschließend wurde auch hier die Differenz aus CTL- und BC-Simulationen nach Gleichung (1) berechnet und visualisiert. Um die Ergebnisse auch statistisch einschätzen zu können, wurde für ausgewählte Klimavariablen ein Zweistichproben-t-Test durchgeführt. Beim Zweistichproben-t-Test wird zusätzlich zu der Annahme, dass die Daten normalverteilt sind, auch davon ausgegangen, dass die Varianzen beider Gruppen nicht signifikant unterschiedlich sind. Diese Prüfgröße lässt sich wie folgt herleiten (aus Statistische Methoden, Prof. Quaas, 2011). Zunächst wird die Varianz der Differenz der Stichproben a und b (hier CTL- und BC-Simulation) bestimmt: σ2a−b = σ2a + σ2b (6) Dann wird der zugehörige Standardfehler der Differenz der Stichprobenmittelwerte (mit den Stichprobenumfängen na und nb ) bestimmt: σa −b = σ2a na σ2 + nb (7) b Da die Stichprobenvarianzen nicht signifikant unterschiedlich sind, gilt: σa −b = σ 1 na 1 +n b (8) 16 KAPITEL 2. IDEALISIERTES MINDERUNGSEXPERIMENT Die beste Schätzung der Varianz aus der Kombination beider Stichproben ergibt sich mit: σ2 = 1 n a −1 +(n b −1) na i=1(a i [ − a) 2 + nb i=1(bi − b) 2 ] (9) Demnach ist der Standardfehler (mit Stichprobenvarianzen sa2 und sb2 ): σa −b = 1 na nb na (a −a )2 + i=1 (b i −b )2 i=1 i 1 +n ∗ n a +n b −2 b = 1 na 1 +n ∗ (n a −1)s 2a +(n b −1)s 2b b n a +n b −2 (10) Damit ergibt sich die gesuchte Prüfgröße (hier gilt gleicher Stichprobenumfang mit na = nb = n und Φ = 2n − 2 Freiheitsgraden): t= a −b n (11) s 2a +s 2b Mit NCL wird die Prüfgröße anhand der Funktion ttest beschrieben. Dafür müssen im Vorfeld die zeitlichen Mittelwerte (dim_avg) und Varianzen (dim_variance) berechnet werden. Letztlich wurde die Prüfgrößte so berechnet, dass sich ein Konfidenzniveau von 90% einstellt. Dafür wurde der entsprechende Wert aus der t-Test Tabelle (hier 1.676 für n=50) gelesen und durch eine „Wenn- (größer/gleich) Dann-Funktion“ das entsprechende Konfidenzniveau erzeugt. Neben dem Zweistichproben-t-Test wurde außerdem für alle Mittelwerte x (global und regional) ein Vertrauensintervall (95%) des Fehlers bestimmt. Dafür wurde im ersten Schritt die Standardabweichung berechnet mit (N als die Anzahl der Gitterpunkte): σ= VAR(x) = 1 N−1 N i=1(xi − x)² (12) Der Standardfehler σp des arithmetischen Mittels ergibt sich aus der Standardabweichung σ der Klimavariable in der Grundgesamtheit und dem Stichprobenumfang n (50 Jahre) wie folgt: 𝜎𝑝 = 𝜎 𝑛 (13) Der Standardfehler σp ist demnach eine Aussage über die „Genauigkeit“ des Mittelwerts in einer Stichprobe. Um das 95% Vertrauensintervall zu erzeugen, muss weiterhin σp mit dem entsprechenden Faktor der t-Test Tabelle multipliziert werden. 2.3 Emissionen Die Kontrollsimulationen werden durch aktuelle (Jahr 2008) anthropogene BC Emissionen aus dem ECLIPSE Emissions-Datensatz V4.0a beschrieben (Klimont et al., 2015). Diese globalen Emissionen wurden mit dem GAINS Modell für die Periode von 2005 bis 2050 erstellt (IIASA.at). Die hier dargestellten anthropogenen Emissionsquellen stammen aus dem 17 KAPITEL 2. IDEALISIERTES MINDERUNGSEXPERIMENT Energiesektor, der Industrie, dem Transport (ohne internationalem Schiff- und Luftverkehr), der Landwirtschaft mit der Verbrennung landwirtschaftlicher Abfälle und der Abfallbeseitigung. Neben BC sind Schwefeldioxid (SO2), Stickoxide (NO2), flüchtige organische Verbindungen ohne Methan, Ammoniak (NH3), Kohlenmonoxid (CO), Methan (CH4) sowie anderer primärer Feinstaub PM2.5, PM10, OC und OM enthalten. Die Emissionen aus der Verbrennung von Biomasse stammt aus dem GFED v3.1 EmissionsDatensatz für das Jahr 2005 in ECHAM-HAM und NorESM, sowie für 2008 in HadGEM. Meersalz und Staub-Aerosol Emissionen sind interaktiv in HadGEM und ECHAM-HAM; in NorESM hingegen, werden Staubemissionen durch eine Klimatologie beschrieben, wobei die Meersalz Emissionen interaktiv sind. In HadGEM und NorESM werden die Konzentrationen der GHGs auf aktuelle anthropogene Emissionen, und in ECHAM-HAM auf vorindustriellem Niveau (1850), gehalten. Die vorindustriellen GHG Emissionen in ECHAM-HAM wurden gewählt, weil das Modell den Gleichgewichtszustand in diesem Fall erreicht hatte; ein neues Spin-up für erhöhte GHG Konzentrationen wäre rechnerisch zu aufwändig gewesen (Baker et al., 2015). In der Abbildung 2.1 ist die atmosphärische BC Belastung der CTL-Simulation in ECHAMHAM dargestellt. Durch die relativ kurze atmosphärische Lebensdauer BCs, befinden sich dessen größte Anteile nahe der Emissionsquellen selbst. Im Vergleich zwischen der Nordund Südhemisphäre fällt demnach auf, dass sich dessen Anteile vorwiegend nördlich des Äquators befinden. Der größte Beitrag der BC Belastung lässt sich dementsprechend über den Gebieten Südamerikas, Zentralafrika, Indien und China finden. Durch globale, atmosphärische Zirkulationsprozesse lassen sich (geringe) BC Konzentrationen außerdem in den höheren Breiten erkennen. Auch über Europa und Nordamerika sind die Emissionen BCs nicht zu vernachlässigen und tragen einen großen Anteil an der globalen Gesamtbelastung. Die atmosphärische BC Belastung in HadGEM und NorESM konnte aufgrund fehlender NetCDF zu diesem Zeitpunkt nicht eigenständig untersucht werden. Zur Interpretation der Ergebnisse spielt der Unterschied in der BC Belastung zwischen den einzelnen Modellen dennoch eine fundamentale Rolle. In Baker et al. (2015) wird deutlich, dass die BC Belastung zwischen den Aerosolmodellen eine große Diskrepanz aufweist: ECHAM-HAM (0.102 Tg) und HadGEM (0.080 Tg) haben im Vergleich zu NorESM (0.163 Tg) eine relativ geringe globale BC Belastung (in CTL). Auch in der vertikalen Verteilung BCs unterscheiden sich die Modelle markant. In der Abbildung 2.2 ist die jährlich und zonal gemittelte Vertikalverteilung BCs mit dem Mischverhältnis der betrachteten Modelle (CTL-Simulation) dargestellt. ECHAM-HAM und HadGEM (Abb. 2.2a und b) haben geringere BC Konzentrationen in höheren Atmosphärenschichten als NorESM (Abb. 2.2c). In NorESM sind die Konzentrationen in Bodennähe ähnlich zu denen in HadGEM, während ECHAM-HAM hier deutlich größere Werte in Äquatornähe aufweist. Wie bereits erwähnt, besitzt NorESM die größte atmosphärische Belastung durch BC, sodass sich auf die Nordhemisphäre bezogen der Anteil BCs über 700 hPa kaum ändert, während die Belastung in ECHAM-HAM und 18 KAPITEL 2. IDEALISIERTES MINDERUNGSEXPERIMENT HadGEM wesentlich stärker abfällt. Dementsprechend ist der Anteil BCs über Wolken in NorESM am größten. Des Weiteren ist der Anteil BCs über der Antarktis verschieden. In HadGEM und NorESM finden sich die BC Konzentration ab ca. 800 hPa vor, in ECHAMHAM ab 300 hPa und nur sehr gering. In NorESM ist der BC Anteil zwischen 60°S und 90°S erneut am größten. Diese Differenzen werden unterschiedliche Einflüsse auf die Klimavariablen durch die Reduktion BCs haben. Umso mehr BC in der Atmosphäre vorhanden ist, desto größere Anteile werden im idealisierten Minderungsexperiment reduziert, sodass sich eine größere Wirkung bezogen auf die Klimaänderung ergibt. In Baker et al. (2015) wird deutlich, dass nach der Studie von Samset et al. (2014) das NorESM, im Vergleich zu realen Messungen, zu hohe BC Konzentrationen in großen Höhenlagen berücksichtigt und dessen atmosphärische Lebensdauer überschätzt. Im Vergleich zu HadGEM (3.40 Tage) und ECHAM-HAM (5.345 Tage), ist die Lebensdauer BCs in NorESM (7.82 Tage) damit deutlich höher (Zahlenwerte aus Baker et al., 2015). Abbildung 2.1: Globale atmosphärische BC Belastung (kg m−2 ) der CTL-Simulation in ECHAM-HAM. 19 KAPITEL 2. IDEALISIERTES MINDERUNGSEXPERIMENT Abbildung 2.2: Jährliches Mittel der zonal gemittelten Vertikalverteilung BCs mit dem Mischverhältnis (μg kg −1 ) in der CTL-Simulation für (a) HadGEM, (b) ECHAM-HAM und (c) NorESM (aus Baker et al., 2015). 20 Kapitel 3 Ergebnisse der Modellsimulationen Im folgenden Kapitel werden die Ergebnisse der Modellsimulationen präsentiert. Diese werden nach den untersuchten Klimavariablen (Änderungen der Strahlungsvariablen mit CRE, der Lufttemperatur, der Niederschlagsmuster mit Oberflächenabfluss, sowie der Albedo und Meereisbedeckung) differenziert und nacheinander aufgeführt. Alle Änderungen entsprechen der Berechnung nach Gleichung (1). Die globalen und über die Nord- und Südhemisphäre gemittelten Werte, sowie die kontinentalen und nationalen Mittelwerte, sind in den Anhängen B und C tabellarisch dargestellt und werden im Folgenden, ohne erneut auf die Verzeichnisse zu verweisen, stets in den Textverlauf integriert. Die Abbildungen sind der Übersicht halber am Ende jeden Abschnittes angefügt. 3.1 Änderungen der Strahlungsvariablen und Cloudradiative Effects Strahlungsänderungen am Boden oder an der TOA spielen eine sehr wichtige Rolle im Bezug auf das Klima und üben einen indirekten Einfluss auf andere Klimavariablen aus. Befindet sich BC in der Atmosphäre absorbiert es (abhängig vom Mischverhältnis und der Größe des Rußaerosols) den größten Teil der ankommenden Solarstrahlung. Umso höher der Anteil BCs in der höheren Troposphäre ist, desto weniger Strahlung kommt an der Erdoberfläche an (solar dimming). Werden die Emissionen BCs entfernt, so kommt die einst durch BC absorbierte Strahlungsleistung zusätzlich am Boden an und führt zu einer Erwärmung. Dennoch sei vermerkt, dass abhängig von der vertikalen Verteilung BCs, auch durch Absorption von Strahlung in Bodennähe die Lufttemperatur ansteigen kann (auch wenn weniger Strahlung die Oberfläche erreicht). In der Abbildung 3.1 ist eine Reduzierung des solar dimming Effekts durch die BC-Simulation in ECHAM-HAM zu erkennen; wobei hier auf die Netto-Strahlung am Boden Bezug genommen wird, das heißt, der wiederum aufwärtsgerichtete kurzwellige Strahlungsfluss ist bereits „rausgerechnet“ worden (Gleichung 3). Besonders in den Regionen wo die BC Belastung am stärksten ist, sind die Strahlungsänderungen nach der Störung am größten. Dementsprechend ist das Mittel auf der Nordhemisphäre mit 0.527 W m−2 , um 31% höher, als auf der Südhemisphäre mit 0.165 W m−2 . Im Osten Chinas und im Nordosten Indiens entstehen die größten Differenzen mit bis zu 10 W m−2 und liegen damit deutlich über dem globalen Mittel von 0.346 W m−2 . Nördlich von Indien werden dagegen negative Differenzen mit bis zu -7 W m−2 simuliert. Im westlichen Teil Afrikas (Cote D’ivoire, Ghana und im Süden Nigerias) ist ebenso ein auffällig positives Signal bis 4 W m−2 zu erkennen. Obwohl die BC Belastung in Südamerika ähnlich 21 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN zu der in Südostasien ist (Abb. 2.1), sind hier nur sehr geringe und auch negative Differenzen zu erkennen, während die Werte in Nordkanada wiederum bis ca. 5 W m−2 unerwartet ansteigen. In Myhre und Sam (2015) wird dennoch deutlich, dass globale Klimamodelle die Strahlungsantriebe (radiative forcing) durch BC um ca. 10% unterschätzen (Baker et al., 2015). Die Änderungen der kurzwelligen Solarstrahlung an der TOA weisen ähnlich signifikante Muster in Regionen starker BC Belastungen auf (Abb. 3.2). Deutlich wird dieser Zusammenhang über Indien, China und in Teilen Nordamerikas, wobei NorESM stark negative Signale (-7 W m−2 ) über Nord- und Zentralrussland simuliert, sodass diese Aussage wiederum nicht zu verallgemeinern ist. Generell werden in NorESM negative Differenzen in den höheren Breiten sichtbar, wobei die Signale über den Landregionen deutlich stärker sind. In HadGEM wird eine stark positive Differenz südöstlich von Grönland und westlich vom Europäischen Nordmeer mit ca. 6-7 W m−2 simuliert. In den anderen Regionen der höheren Breiten hingegen, werden in HadGEM nur geringe negative Änderungen sichtbar und decken sich vom Vorzeichen mit den Ergebnissen in NorESM. In ECHAM-HAM hingegen, werden ähnlich zur Solarstrahlung am Boden erneut über dem Norden Kanadas positive Differenzen (3-4 W m−2 ) sichtbar. Im Vergleich der drei Modelle wird deutlich, wie verschieden die regionalen Differenzen sind, wobei in Indien die größten (Mittel-) Werte in ECHAM-HAM (1.604 W m−2 ) und HadGEM (2.23 W m−2 ) zu erkennen sind. In NorESM hingegen werden über China, im Mittel von -2.51 W m−2 , die größten Differenzen generiert (Abb. 3.3). Dabei fällt sofort auf, dass sich die Vorzeichen der einzelnen Modelle stark unterscheiden. Die geringen Änderungen des Multi-Modellmittels zeugen daher nicht von schwachen Wirkungen der Modelle selbst, sondern lassen sich durch die (regionalen) Gegensätze der Modellläufe begründen. Diese Differenz spiegelt sich auch im zonalen Mittel der einzelnen Modelle wieder. Dennoch sind global gemittelt die Unterschiede vom Vorzeichen her identisch: ECHAM-HAM -0.164 W m−2 , HadGEM -0.135 W m−2 und NorESM -0.611 W m−2 . In Baker et al. (2015) wird über stark negative Differenzen der kurzwelligen Solarstrahlung an der TOA über Indien in HadGEM geschrieben und widersprechen damit den eigenen Ergebnissen. Dennoch sei vermerkt, dass in Baker et al. (2015) nicht die kurzwellige Strahlung an der TOA als solche, sondern ein Strahlungsfluss (TOA SW flux) mit Rückkopplungen von Schnee, Eis und Wolkenreaktionen auf Temperaturänderungen, verwendet wird. Im Vergleich der eigenen Ergebnisse zum Multi-Modellmittel in Baker et al. (2015) sind die Signale wiederum nahezu identisch. Die Änderungen der langwelligen Strahlung am Boden und an der TOA zeigen im Vergleich zu den kurzwelligen Strahlungsänderungen nur geringe Signale auf (Abb. 3.4). In NorESM werden mit Ausnahme in Äquatornähe fast ausschließlich negative Differenzen an der TOA sichtbar (Abb. 3.4c), wobei die Änderungen über Wasser größer sind als über Land. In ECHAM-HAM hingegen, werden auch über Südamerika, den Arabischen Ländern, sowie über Ostafrika und Indien positive Differenzen simuliert (Abb. 3.4b). Allgemeinhin werden 22 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Änderungen der langwelligen Strahlung (LW feedback) auch mit Änderungen vom Wasserdampf (watervapor feedback) assoziiert. Diese Größe wurde hier nicht separat untersucht und dennoch deuten die langwelligen (neg.) Strahlungsänderungen über den Ozeanen in NorESM auf eine geringe Abkühlung auf Meereshöhe hin, sodass der Wasserdampfgehalt eher zurückgehen sollte. Eine weitere wichtige Größe in Bezug auf den Strahlungshaushalt stellt die Strahlungsbilanz (total radiation) nach Gleichung (4) dar. Positive Werte der Strahlungsbilanz bedeuten generell ein Energieüberschuss und negative Werte ein Energiedefizit. In der Abbildung 3.5 ist die Änderung der Strahlungsbilanz nach der BC-Simulation (a) am Boden in ECHAMHAM, (b) an der TOA in ECHAM-HAM und (c) an der TOA in NorESM dargestellt. Aus Gleichung (1) ergibt sich demnach für positive Differenzen ein Energieüberschuss nach der Störung, wobei dieser am Boden über Indien und China mit bis zu 7 W m−2 am größten ist (Abb. 3.5a). Im Vergleich zu den anderen Weltregionen sind nur geringere Differenzen zu erkennen, wobei sich über der Arabischen Halbinsel und Nordkanada ebenso ein markantes, positives Signal erkennen lässt und sich mit der Differenz aus Abbildung 3.1 deckt. In Südamerika lassen sich auch hier keine aussagekräftigen Differenzen erkennen. Die Änderungen der Strahlungsbilanz an der TOA hingegen (Abb. 3.5b und c), unterscheiden sich zunächst grundsätzlich zwischen den beiden Modellen. In NorESM ist im Vergleich zu ECHAM-HAM eine klare Struktur zu erkennen: In Äquatornähe sind die Änderungen positiv (mit Maximum über dem Pazifik) und abseits davon, mit Ausnahme gering positiver (im Bereich 60°N und 60°S) Signale, negativ. Die größten negativen Differenzen treten mit Ausnahme über der Sahara im Bereich der Wendekreise auf, wobei die Maxima in China (-9 W m−2 ), der Himalaya Region (-10 W m−2 ), im Indischen Ozean (-10 W m−2 ) und im Pazifik (-9 W m−2 ) sehr zahlreich vorhanden sind und klare Signale aufzeigen. In NorESM werden auch über den USA und Nordwesteuropa markante (negative) Differenzen deutlich, was in ECHAM-HAM nicht der Fall ist. In ECHAM-HAM sind die Differenzen gleichen Vorzeichens sehr verstreut; die einzigen auffälligen Signale werden hier über Indien (-5 W m−2 ), China (-7 W m−2 ) und Nordkanada (4 W m−2 ) sichtbar. Die Differenz aus den Strahlungsflüssen an der TOA und am Boden erläutern die atmosphärischen „Antriebe“ (atmospheric forcing). Diese Antriebe haben einen direkten Zusammenhang mit der atmosphärischen Heizrate/Temperatur (nach Clausius Clapeyron). In Indien sowie in Teilen Chinas und Europas stimmen beide Modelle vom Vorzeichen überein, sodass sich nach der BC-Simulation ein netto Energiedefizit an der TOA einstellt, was demnach tendenziell mit einer Abkühlung der Atmosphäre einhergeht. Anders als in NorESM, ist in ECHAM-HAM ein weiteres negatives Maximum (-7 W m−2 ) im Bereich der westlichen Sahelzone zu erkennen. Weiterhin haben Wolken einen entscheidenden Einfluss auf die Strahlung. Da Wolken im Allgemeinen eine höhere Albedo als die darunter liegende Erdoberfläche haben, wird im solaren Wellenlängenbereich beim Vorhandensein von Wolken mehr Strahlung reflektiert als 23 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN in einer wolkenfreien Atmosphäre (Cloud Albedo Effekt). Im terrestrischen Wellenlängenbereich emittieren Wolken, aufgrund der kühleren Wolkenoberseite im Vergleich zum Erdboden, bei einer geringeren Temperatur als die Erdoberfläche. Daher wird bei bewölkter Atmosphäre weniger Energie an den Weltraum abgegeben, als bei wolkenfreier Atmosphäre. Die nicht abgegebene Energie erwärmt die Atmosphäre und Erdoberfläche (Cloud Greenhouse Effect). Je nach Wolkentyp überwiegt der eine oder andere Effekt. Im folgendem wird die Änderung des CRE nach der BC-Simulation untersucht, wobei hier nicht zwischen den unterschiedlichen Wolkentypen separiert wurde. Der CRE nach Gleichung (5) beschreibt demnach ein Effekt, den die Wolken auf den Strahlungshaushalt haben. Ein negativer CRE bedeutet allgemein eine Abkühlung der Atmosphäre durch die Wolken und ein positiver CRE eine Erwärmung. In der Abbildung 3.6a ist zunächst die Änderung der Strahlungsbilanz (TOA) im clear-sky Fall nach der BC-Simulation in ECHAM-HAM dargestellt. Vor allem über Indien, China, der Sahelzone und dem Himalaya wird deutlich, dass die Strahlungsbilanz an der TOA ohne Wolken netto geringer wird. Dieselben Signale werden auch im Vergleich zur Abbildung 3.5b mit Wolken (all-sky Bedingung) sichtbar, wobei die Signale im clear-sky Fall etwas stärker sind (beachte unterschiedliche Skaleneinteilung). Mit Ausnahme über dem Südpolarmeer südwestlich des Kap Horn, sind im Vergleich zur all-sky Bedingung alle positiven Differenzen im clear-sky Fall tendenziell schwächer und die negativen Differenzen signifikanter. Demnach ist es schwer einzuschätzen, ob sich nach der BC-Simulation eine geringe Abkühlung oder Erwärmung der Atmosphäre ohne Wolken einstellt. Zudem ist der Einfluss BCs auf Wolken sehr komplex, sodass auch nach der BC-Simulation kaum signifikante Differenzen zu erkennen sein werden (Abschnitt 3.3). In der Abbildung 3.6b und c ist der solare CRE in ECHAM-HAM und NorESM zu sehen, wobei sich hier keine klare Struktur in stark BC-emittierenden Regionen abzeichnet. Die Signale unterscheiden sich sowohl im Vorzeichen der unterschiedlichen Regionen, als auch zwischen beiden Modellen selbst, sodass von keinem signifikant kühlenden oder wärmenden Effekt durch Wolken nach der BC-Simulation ausgegangen werden kann. Nach dieser vereinfachten Darstellung scheint der CRE eher ein zufälliges Signal/Rauschen zu sein (zumal der Effekt BCs auf Wolken sehr komplex ist). Der terrestrische CRE weißt nur sehr geringe Differenzen auf (Abb. weggelassen). 24 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Abbildung 3.1: Änderung der kurzwelligen Solarstrahlung am Boden (W m−2 ) in ECHAMHAM. 25 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Abbildung 3.2: Änderung der kurzwelligen Solarstrahlung (W m−2 ) an der TOA (links) und dem zonalen Mittel (rechts) für (a) Multi-Modellmittel, (b) ECHAM-HAM, (c) HadGEM und (d) NorESM. 26 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Abbildung 3.3: Säulendiagramm der globalen, kontinentalen (Europa, Afrika, Nord- und Südamerika) und nationalen (Indien und China) Mittelwerte der (netto) kurzwelligen Strahlung an der TOA (W m−2 ) nach der BC-Simulation mit einer Integrationslänge von 50 Jahren in ECHAM-HAM (Hellblau), HadGEM (Rot), NorESM (Blau) und vom MultiModellmittel (Schwarz). Die 95% Konfidenzintervalle sind (der Übersicht halber) im Anhang B und C tabellarisch angefügt. 27 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Abbildung 3.4: Änderung der langwelligen Solarstrahlung (W m−2 ) (a) am Boden in ECHAM-HAM, (b) an der TOA in ECHAM-HAM und (c) an der TOA in NorESM. 28 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Abbildung 3.5: Änderung der Strahlungsbilanz (W m−2 ) für (a) am Boden in ECHAM-HAM, (b) an der TOA in ECHAM-HAM und (c) an der TOA in NorESM. 29 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Abbildung 3.6: Änderung (a) der Strahlungsbilanz (W m−2 ) an der TOA im clear-sky Fall in ECHAM-HAM und vom solaren CRE an der TOA (W m−2 ) für (b) ECHAM-HAM und (c) NorESM. 30 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN 3.2 Änderungen der Lufttemperatur Temperaturänderungen sind an Strahlungsänderungen gekoppelt, wobei eine Änderung der (globalen) Temperatur nicht allein durch Änderungen der Strahlung zu begründen ist, sondern vielmehr aus dem Zusammenspiel zwischen Strahlungstransport, Konvektion und großräumiger Luftmassenbewegungen. In der Abbildung 3.7 ist eine Zeitreihe vom globalen jährlichen Mittel der Lufttemperatur in der Kontrollsimulation (links) und von der Änderung des globalen jährlichen Mittels der Lufttemperatur nach der BC-Simulation (rechts) dargestellt. ECHAM-HAM hat im Vergleich zu den anderen Modellen eine wesentlich geringere mittlere Globaltemperatur. Diese Differenz ist durch die vorindustriellen GHG und Methan Konzentrationen zu begründen (Abschnitt 2.3). ECHAM-HAM und HadGEM verzeichnen einen leichten Abfall der Temperatur im Vergleich zum Verlauf der Kurven selbst, sowie zu den Anfangs- und Endwerten, wobei HadGEM nach den ersten 10 Jahren dennoch einen relativ konstanten Verlauf darstellt. Der Verlauf in NorESM hingegen, ist stets konstant. Das Multi-Modellmittel liegt aufgrund des Einflusses von ECHAM-HAM stets unter dem Verlauf in HadGEM sowie (bis auf die ersten 6 Jahre) in NorESM und besitzt ebenfalls eine leicht abfallende Tendenz. Da dieser Abfall auch im gestörten Lauf aller Modelle vorhanden ist (hier nicht gezeigt), wird das Signal der Ergebnisse nach der BCSimulation (Abb. 3.7 rechts) nicht beeinflusst. Nach der Störung zeigt sich sofort eine klare Unstimmigkeit der Modelle. Während HadGEM im Verlauf der Temperaturänderung fast ausschließlich positive Differenzen simuliert, ist es in NorESM andersherum. In ECHAMHAM ist keine klare Tendenz zu erkennen und es lässt sich nur vermuten, dass im Mittel, aufgrund des starken Temperaturabfalls nach 42 Jahren, diese Tendenz ein negatives Vorzeichen hat. Das Multi-Modellmittel zeigt aufgrund der Differenz zwischen HadGEM und NorESM nur sehr geringe Ausschläge, wobei dennoch eine leichte Tendenz zum Temperaturabfall hin zu erkennen ist; im Mittel lassen sich hier mehr negative als positive Differenzen finden. Besonders auffällig ist, dass sich nach ca. 30 Jahren der Verlauf in HadGEM und NorESM mehr an der Nulllinie angleicht. Zunächst suggeriert HadGEM einen Anstieg der Temperatur und später einen Abfall, sodass im zeitlichen (50 Jahre) Mittel die Differenz immer noch positiv ist, wobei diese Änderung womöglich für eine länger gewählte Integrationslänge kompensiert werden könnte (invers für NorESM). Würde ein Zeitintegral von nur 30 Jahren gewählt worden sein, wären die Signale beider Modelle vermutlich stärker. Auch auf kontinentaler und nationaler Ebene ist ein ähnliches Verhalten zu erkennen (zu beachten ist hier, dass regional gesehen die Temperaturverläufe in CTL oft eine andere Struktur im Vergleich zur Zeitreihe des globalen Mittels der einzelnen Modelle aufweisen, Anhang D). In Europa (Abb. 3.8a), Nordamerika (Abb. 3.8c) und China (Abb. 3.8f) scheint es ebenso, dass sich nach etwa 30 Jahren der Temperaturverlauf zwischen HadGEM und NorESM annähert, sodass diese Tendenz nicht ausschließlich mit einem zufälligen Rauschen zu begründen ist. In Afrika (Abb. 3.8b), Südamerika (Abb. 3.8d) und Indien (Abb. 3.8e) ist der Temperaturverlauf fast immer sehr konstant an der Null und keine klare Tendenz nach 31 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN oben oder unten zu erkennen. Das Multi-Modellmittel kommt in keiner dieser Regionen über einen Bereich von ±0.5 K und ist demnach ähnlich zum Verlauf des globalen MultiModellmittels (beachte: im Vergleich zwischen dem globalen und regionalen Temperaturverlauf, muss die unterschiedliche Skaleneinteilung berücksichtigt werden). Obwohl ECHAM-HAM im globalen Mittel sehr nah am Multi-Modellmittel liegt (Abb. 3.10), sind die (pos. und neg.) Differenzen im Zeitverlauf deutlich größer. Umso erstaunlicher ist es, dass in Afrika, Südamerika und Indien die größten Differenzen aller Modelle in ECHAMHAM zu erkennen sind. Weiterhin ist es interessant zu sehen, dass obwohl die BC Belastungen in Indien und China nahezu identisch sind, sich dennoch die Größenordnung der Differenzen beider Länder stark unterscheidet. In Indien liegen fast alle Werte im Bereich ±0.5 K, wobei es in China zu Differenzen von ±1.4 K im Zeitverlauf kommt. Eine ähnliche Struktur der Modellunterschiede ist in der Abbildung 3.9 zu erkennen. Auf den globalen Karten sieht man, dass HadGEM vorwiegend positive und NorESM negative Signale simulieren, wobei diese Differenz besonders bei der Betrachtung der zonalen Mittel (Abb. 3.9 c und d, rechts) sichtbar wird. ECHAM-HAM ist von den Größenordnungen her ähnlich zum Multi-Modellmittel und es sind kaum eindeutige und klare Signale zu erkennen. Das die Differenzen im Multi-Modellmittel im Vergleich zu den anderen Modellen keine signifikanten Signale darstellen, liegt, wie bereits im vorherigen Abschnitt erwähnt, nicht an einer schwachen Wirkung der einzelnen Modellläufe selbst, sondern an den Gegensätzen der Modelle. In HadGEM werden mit Ausnahme eines stark negativen Signals über dem Europäischem Nordmeer (-2.5 K), fast ausschließlich positive Differenzen nördlich des Äquators sichtbar. Die Temperatur erreicht dabei in den höheren Breiten (vor allem nordwestlich von Alaska und südlich von Grönland) die größten positiven Differenzen. Obwohl sich über Europa eine relativ hohe atmosphärische BC Belastung befindet, erreichen die Differenzen Werte bis zu 1K. Sowohl auf der Nord- als auch auf der Südhemisphäre, scheinen die Differenzen über Wasser stets größer zu sein als über Land. Demnach sind zwei stärkere Signale im zentralen (1.2 K) und westlichen (-2.2 K) Bereich nördlich der Antarktis (Südpolarmeer) zu erkennen. Schließlich treten in HadGEM die größten Änderungen nicht in den Regionen starker BC Belastungen (wie Indien) auf, sondern eher unerwartet abseits davon. Die Mittelwerte ausgewählter Regionen sind in der Abbildung 3.9 dargestellt. In NorESM sind die größten negativen Differenzen in der Himalaya Region (-2 K), im Norden Russlands sowie in östlichen Teilen der Barentssee (-2.5 K) und in den USA (-2 K) zu erkennen. Die zwei starken Signale in HadGEM über dem Südpolarmeer werden von ihrer Struktur her, auch in NorESM ähnlich stark simuliert, wobei die Differenzen (-0.9 K) hier auffallend geringer sind. In ECHAM-HAM erreichen die Änderungen in den höheren Breiten ähnlich stark positive Werte im Vergleich zu HadGEM, sodass auch im Multi-Modellmittel über Alaska, Nordkanada und dem westlichen Nordpolarmeer positive Differenzen simuliert werden (0.3 bis 0.8 K). Die stärkste positive Änderung in ECHAM-HAM befindet sich über der Barentssee (1.8 K) und widerspricht damit dem Vorzeichen in HadGEM und NorESM. 32 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Außerdem werden in ECHAM-HAM auch stärkere negative Signale (-1 K) über Indien sichtbar, obwohl die Änderung der kurzwelligen Strahlung am Boden mit bis zu 10 W m−2 (Abb. 3.1) auf eine stärkere Erwärmung hindeutet. Diese Temperaturabnahme scheint daher aus den hohen BC Konzentrationen in Bodennähe im Bereich des nördlichen Wendekreises (Abb. 2.2b) zu resultieren. In der Abbildung 3.10 wird deutlich, dass im Mittel die größten Änderungen durch NorESM über China (-0.44 K) und Nordamerika (-0.428 K) simuliert werden. HadGEM widerspricht generell dem Vorzeichen in NorESM, und ECHAM-HAM liegt über allen Regionen sehr nah am Multi-Modellmittel. Trotzdem simuliert ECHAM-HAM im Mittel die größte Änderung über Indien mit -0.209 K, wobei die stärkeren negativen Differenzen der kurzwelligen Solarstrahlung sowie der Strahlungsbilanz an der TOA über Indien, nicht ausschließlich diesen Temperaturrückgang erklären können. In Afrika und Südamerika sind die Differenzen aller Modelle ähnlich gering. Obwohl HadGEM und NorESM auch über Europa ein eindeutiges Signal simulieren, kompensieren sich die Werte fast auf null, sodass sich vom Multimodellmittel keine klare Aussage ableiten lässt. Global gesehen, scheint die Temperatur durch die Reduktion BCs etwas zurückzugehen (alle Modelle außer HadGEM zeigen eine Abkühlung), wobei die regionalen Unterschiede und Unstimmigkeiten der Modelle sehr stark sind. Abbildung 3.7: Zeitreihe vom globalen jährlichen Mittel der Lufttemperatur (K) in der Kontrollsimulation (links) und von der Änderung des globalen jährlichen Mittels der Lufttemperatur (K) nach der BC-Simulation (rechts) in ECHAM-HAM (Hellblau), HadGEM (Rot), NorESM (Blau) und im Multi-Modellmittel (Schwarz). 33 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Abbildung 3.8: Zeitreihe von der Änderung des jährlichen Mittels der Lufttemperatur (K) nach der BC-Simulation für (a) Europa, (b) Afrika, (c) Nordamerika, (d) Südamerika, (e) Indien und (f) China in ECHAM-HAM (Hellblau), HadGEM (Rot), NorESM (Blau) sowie im Multi-Modellmittel (Schwarz). 34 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Abbildung 3.9: Änderung der Lufttemperatur (K) (links) und dem zonalen Mittel (rechts) für (a) Multi-Modellmittel, (b) ECHAM-HAM, (c) HadGEM und (d) NorESM. 35 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Abbildung 3.10: Säulendiagramm der globalen, kontinentalen (Europa, Afrika, Nord- und Südamerika) und nationalen (Indien und China) Mittelwerte der Lufttemperatur (K) nach der BC-Simulation mit einer Integrationslänge von 50 Jahren in ECHAM-HAM (Hellblau), HadGEM (Rot), NorESM (Blau) und vom Multi-Modellmittel (Schwarz). Die 95% Konfidenzintervalle sind (der Übersicht halber) im Anhang B und C tabellarisch angefügt. 3.3 Änderungen von Wolken- und Niederschlagsmustern sowie vom Oberflächenabfluss Die Interaktion zwischen Strahlungsänderungen und Wolken mit Rußaerosolen zieht wichtige Implikationen für den Wasserkreislauf mit sich. Je nach Höhenlage BCs in der Atmosphäre, wird die Verdunstung am Boden entweder begünstigt (Erwärmung durch Absorption von Solarstrahlung in Bodennähe) oder verringert (Abkühlung am Boden durch solar dimming). Wenn BC die Solarstrahlung in größeren Höhenlagen absorbiert, kommt es außerdem zu einer erhöhten atmosphärischen Stabilität, was tendenziell mit einer Wolkenauflösung einhergeht (semi-direkter Effekt). Die lokalen Effekte sind bei genauem Hinschauen jedoch weitaus 36 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN komplexer. Zwar fördert die Erwärmung durch Absorption von Solarstrahlung an BC in Bodennähe die Verdunstung (des bereits vorhandenen Niederschlags), aber dennoch kann wärmere Luft auch mehr Feuchtigkeit aufnehmen und so die Wolken- und Niederschlagsbildung wiederum begünstigen. Ohne BC in der Atmosphäre kommt es zu einer erhöhten Labilisierung der Atmosphäre und damit zur Förderung der Wolken- und Niederschlagsbildung. Der Boden hingegen kühlt netto, trotz der erhöhten Strahlungsbilanz (und damit Verringerung vom solar dimming, Abb. 3.1) am Boden, ab (Abb. 3.10). Generell kann kühlere Luft weniger Feuchtigkeit aus der Umgebung aufnehmen und hemmt demnach eine Wolken- und Niederschlagsbildung. Dennoch besteht der vertikale Fluss an der TOA ausschließlich aus Strahlung, wobei dieser Fluss mit der Wärmebilanz an der Erdoberfläche und der horizontalen Energieflussdivergenz im Gleichgewicht ist. Die Prozesse lassen sich demnach ohne weiteres nicht leicht erklären und es ist schwer einzuschätzen, ob eine Verdunstung überwiegt oder nicht. In Regionen wo das BC vertikal gesehen relativ gleichmäßig verteilt ist, könnten die Effekte gegeneinander laufen, sodass in diesem idealisierten Minderungsexperiment auch generell von nur sehr geringen Differenzen nach der BC-Simulation ausgegangen wird. In der Abbildung 3.11 ist die Änderung der totalen Wolkenbedeckung nach der BCSimulation in ECHAM-HAM dargestellt. Auf den ersten Blick scheinen sich keine klaren Muster hervorzuheben, sodass die Änderungen der Wolkenbedeckung nur sehr gering mit den Niederschlagsänderungen (Abb. 3.12 und 3.13), welche sich vorwiegend in den Tropen modifizieren, korrelieren. Insgesamt nimmt die globale Wolkenbedeckung nach der BCSimulation um 0.047% zu, wobei die Änderungen auf der Nordhemisphäre (0.058%) etwas größer sind als auf der Südhemisphäre (0.035%). Das globale Mittel der Änderung vom Niederschlag und dem Oberflächenabfluss sind im Vergleich zu allen anderen untersuchten Klimavariablen (aller Modelle) am geringsten (Abb. 3.14 und 3.16), sodass sich dieses Ergebnis gut mit der obigen Erkenntnis deckt. Während bei den Strahlungs- und Temperaturänderungen markante Unterschiede bei den Vorzeichen der Modelle deutlich wurden, stimmen diese beim Niederschlag in ECHAM-HAM (0.003%) und HadGEM (0.014%) überein, wohingegen NorESM, trotz der starken BC Konzentrationen in größeren Höhenlagen (Abb. 2.2) mit der Tendenz zur Labilisierung der Atmosphäre durch die Reduktion BCs, von keiner Änderung ausgeht. Nach Baker et al. (2015) wird angenommen, dass die positiven Niederschlagsänderungen aufgrund des netto negativen Strahlungsantriebs durch die Reduktion BCs resultieren. Die atmosphärische Erwärmung und der solar dimming Effekt durch BC (sowie nicht BCenthaltende Aerosole) haben einen signifikanten Einfluss auf den Monsun (Ramanathan und Carmichael, 2008). Durch die Abschattung der Solarstrahlung durch BC in größeren Höhenlagen kann über dem Indischen Ozean weniger Wasser verdampfen, sodass auch weniger Feuchte dem (Sommer) Monsunstrom zugeführt wird und sich dieser abschwächt. Nach der BC-Simulation sollte demnach eine klare Erhöhung des Niederschlags in der 37 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Indischen Monsun Region zu sehen sein; ECHAM-HAM und HadGEM stimmen dieser Erkenntnis im Wesentlichen zu, während NorESM eine Verringerung des Niederschlags über Indien simuliert (Abb. 3.12). In der Abbildung 3.12d wird deutlich, dass NorESM eine südwärts gerichtete Bewegung der ITC simuliert. Warme Luft kann mehr Feuchtigkeit aus der Umgebung aufnehmen; ein Kriterium für die Wolken- und Niederschlagsbildung, sodass der markante Temperaturrückgang auf der Nordhemisphäre nach der BC-Simulation (Abb. 3.9d) gut mit der südlichen ITC Verschiebung übereinstimmt. Betrachtet man die Niederschlagsänderungen in HadGEM über den Tropen westlich des Nullmeridians, so lässt sich eine nur leicht nördlich verschiebende ITC vermuten. Auch im Vergleich der zonalen Mittel beider Modelle wird die sich stärker südlich verschiebende ITC in NorESM und die wiederum leicht nördlichere Verschiebung in HadGEM sichtbar (Abb. 3.12c und d, rechts). Die beiden gegensätzlichen Richtungen erklären erneut die sehr schwachen Signale des Multi-Modellmittels. Auch in ECHAM-HAM ist trotz der stärkeren Signale in den Tropen, keine Verschiebung der ITC zu erkennen. In Baker et al. (2015) wird, trotz der starken BC Belastungen über Indien, eine Abnahme des Niederschlags simuliert. Begründet wird die unerwartete Zunahme mit der Veränderung großräumiger Zirkulationsprozesse (wie die südwärts Drift der ITC), welche die lokalen BC Effekte überkompensieren. Aufgrund der markanten Verschiebung der ITC in den eigenen Ergebnissen in NorESM, ist dieser Rückgang über Indien auch nur in NorESM zu erkennen, sodass die Aussage in Baker et al. (2015) stimmt und auch hier als Begründung verwendet werden kann. Demnach berechnet NorESM im Mittel über Indien (Abb. 3.14) die einzig stärkere negative Differenz (-0.08 mm Tag−1 ) vom Niederschlag, wobei diese Differenz größer ist, als die größte positive Änderung im Vergleich aller Regionen, und diese positive Änderung wiederum über Indien selbst erzeugt wird. Dieser Zusammenhang und die starken BC Konzentration in größeren Höhenlagen zeigen, wie sehr die Veränderungen von Zirkulationsprozessen in NorESM die lokalen Effekte BCs über Indien dominieren; zumal es über Indien zusätzlich zu einem horizontalen Transport von Feuchtigkeit aus dem Indischen Ozean kommt. In HadGEM und ECHAM-HAM hingegen, treten die lokalen Destabilisationseffekte ohne atmosphärisches BC hervor, sodass auch im Multi-Modellmittel eine leichte Erhöhung des Niederschlags über Indien (bis 0.2%) simuliert wird. In ECHAMHAM wird weiterhin deutlich, dass die Niederschlagsänderungen primär konvektivem Ursprungs sind (Abb. 3.13), wobei diese Reaktion mit den starken Änderungen innerhalb der Tropen einhergeht und damit auch bei den anderen Modellen zu erwarten ist. In der Abbildung 3.14 ist im Multi-Modellmittel über Europa und China, trotz ähnlicher BC Belastungen im Vergleich zu Indien, ein Rückgang des Niederschlags zu erkennen. Die Dominanz großskaliger Zirkulationsprozesse auf die Niederschlagsänderungen durch die Reduktion BCs auf lokaler Ebene, können hier allerdings nicht als Begründung verwendet werden, wobei das Signal eher zu vernachlässigen ist und dennoch die Komplexität der BC 38 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Reduktion verdeutlicht. Andere Effekte, wie das Wachstum beziehungsweise die Stärkung konvektiver Wolken, werden in diesen Modellen nicht parametrisiert (Baker et al., 2015). Der Oberflächenabfluss ist der Teil des Niederschlags, der oberirdisch und unmittelbar nach Einsetzen des Niederschlags den Weg des größten Gefälles sucht und abließt. Die Stärke und Entstehung ist demnach abhängig vom Niederschlag selbst, der Bodenbeschaffenheit, der Evapotranspiration sowie von der Neigung im Gelände. Die Änderung des Oberflächenabflusses nach der BC-Simulation ist in den Abbildungen 3.15 und 3.16 zu erkennen. Da im Mittel aller Modelle (außer NorESM) eine positive Differenz des Niederschlags simuliert wurde, sollte der Oberflächenabfluss ebenso eine geringe Erhöhung aufzeigen. Global gemittelt stimmt das Multi-Modellmittel (0.002 mm Tag−1 ) mit dieser Aussage überein und dennoch gibt es große Unterschiede im Vorzeichen sowie in der Größenordnung der Differenzen im Vergleich der einzelnen Regionen. Die größten Änderungen werden über dem Amazonas und Südostasien simuliert. Im Vorzeichen scheinen sich die Modelle recht einig zu sein, sodass auch im Multi-Modellmittel ähnlich starke Strukturen im Vergleich zu den einzelnen Modellläufen zu erkennen sind. In ECHAM-HAM wird über Indien eine starke Abnahme des Oberflächenabflusses deutlich (-0.6 mm Tag−1 ) und korreliert damit gut mit den Ergebnissen der Niederschlagsänderungen (vgl. Abb. 3.14 und 3.16). In Europa und Südamerika stimmt die im Mittel positive Differenz ebenso mit der Niederschlagserhöhung überein. In Nordamerika ist der Zusammenhang zwischen Niederschlag und Oberflächenabfluss nicht gegeben; im Multi-Modellmittel unterscheiden sich beide Klimavariablen im Vorzeichen, wobei diese Unstimmigkeit mit erhöhten Verdunstungsprozessen einhergeht. Durch den starken Temperaturrückgang der höheren Breiten in NorESM, wird ein weiteres stark negatives (-0.8 mm Tag−1 ) Signal im Osten Grönlands simuliert. Die allgemein verursachte Erwärmung der Schneedecke durch die Erwärmung BCs in den höheren Breiten, wird hier durch die vollständige Reduktion der BC Emissionen gemindert, sodass sich der Oberflächenabfluss ausgelöst durch Schneeschmelze verringert. 39 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Abbildung 3.11: Änderung der totalen Wolkenbedeckung (%) in ECHAM-HAM. 40 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Abbildung 3.12: Änderung vom Niederschlag (mm Tag−1 ) (links) und dem zonalen Mittel (rechts) für (a) Multi-Modellmittel, (b) ECHAM-HAM, (c) HadGEM und (d) NorESM. 41 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Abbildung 3.13: Änderung vom (a) konvektiven und (b) großskaligen Niederschlag (mm Tag−1 ) (links) und dem zonalen Mittel (rechts) in ECHAM-HAM. 42 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Abbildung 3.14: Säulendiagramm der globalen, kontinentalen (Europa, Afrika, Nord- und Südamerika) und nationalen (Indien und China) Mittelwerte vom Niederschlag (mm Tag−1 ) nach der BC-Simulation mit einer Integrationslänge von 50 Jahren in ECHAM-HAM (Hellblau), HadGEM (Rot), NorESM (Blau) und vom Multi-Modellmittel (Schwarz). Die 95% Konfidenzintervalle sind (der Übersicht halber) im Anhang B und C tabellarisch angefügt. 43 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Abbildung 3.15: Änderung vom Oberflächenabfluss (mm Tag−1 ) (links) und dem zonalen Mittel (rechts) für (a) Multi-Modellmittel, (b) ECHAM-HAM, (c) HadGEM und (d) NorESM. 44 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Abbildung 3.16: Säulendiagramm der globalen, kontinentalen (Europa, Afrika, Nord- und Südamerika) und nationalen (Indien und China) Mittelwerte vom Oberflächenabfluss (mm Tag−1 ) nach der BC-Simulation mit einer Integrationslänge von 50 Jahren in ECHAMHAM (Hellblau), HadGEM (Rot), NorESM (Blau) und vom Multi-Modellmittel (Schwarz). Die 95% Konfidenzintervalle sind (der Übersicht halber) im Anhang B und C tabellarisch angefügt. 3.4 Änderungen der Bodenalbedo und Meereisbedeckung Die Arktis ist eine der klimatisch sensibelsten Regionen der Erde. BC hat einen signifikanten Einfluss in den höheren Breiten: sobald sich das Rußaerosol auf Schnee- und Eisflächen positioniert, verringert sich die Albedo und es wird die Schneeschmelze vorangetrieben. Dennoch ist der Einfluss BCs in der Arktis sehr komplex und streng von der Höhe und Lage des Strahlungsantriebs (BC forcing) abhängig (Sand et al., 2013). Für BC auf Schnee- und Meereisflächen werden co-Emissionen nicht-absorbierender Aerosole (z. B. Sulfat) in den eigenen Modellsimulationen keine Auswirkungen auf den Antrieb durch BC haben, wobei coEmissionen absorbierender Aerosole (z. B. POA) dem „forcing“ beitragen (Baker et al., 45 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN 2015). Nach der BC-Simulation fokussieren sich die größten Änderungen der Bodenalbedo wider Erwarten in den höheren Breiten der Nord- und Südhemisphäre (Abb. 3.17). Obwohl die BC Konzentrationen in den Gebieten der Antarktis sehr gering sind, resultieren hier erneut starke Signale, sodass die Änderungen nach der BC-Simulation in erster Linie den Strahlungsund Temperaturänderungen in diesen Regionen geschuldet sind. Im Mittel beträgt die Änderung auf der Südhemisphäre 0.025%. Unerwartet hingegen, ergibt sich im Mittel auf der Nordhemisphäre eine negative Differenz von -0.075%; berechnet man das Mittel zwischen 70°N und 90°N sind es sogar -0.716%. Die größten negativen Differenzen treten dabei über Nordkanada (-5%), Alaska (-4%), der Barentssee (-6%) sowie an der Ostküste Grönlands (6%) auf und übertreffen damit sogar die größte positive Änderung von ca. 4.5% über der Laptewsee. Auch über der Himalaya Region ist ein stärkeres Signal (3.5%) zu erkennen. Die negativen Differenzen stehen dabei im Zusammenhang mit den simulierten positiven Temperaturdifferenzen (Abb. 3.9b), sowie dem Rückgang der Wolkenbedeckung (Abb. 3.11) über diesen Regionen in ECHAM-HAM. Die Erwärmung in der Arktis geht gleichzeitig mit einem Rückgang der Meereisbedeckung einher, wobei die größten positiven und negativen Differenzen sowohl auf der Nord- als auch Südhemisphäre gut mit den Änderungen der Albedo korrelieren (Abb. 3.18a). Wenn die BC Emissionen reduziert werden, legt sich weniger BC auf Schnee- und Eisflächen in den höheren Breiten nieder, was zu einer erhöhten Albedo führt. Die Ergebnisse in NorESM stimmen mit dieser Erkenntnis überein, sodass das Vorzeichen hier ein anderes ist (Abb. 3.18b). Vor allem über der Barentssee sowie an der Ostküste Grönlands werden stark positive Änderungen mit bis zu 9% simuliert. Diese erneute Unstimmigkeit resultiert aus dem Modellsetup; in NorESM werden Albedo-Effekte durch BC und Mineralstaub Aerosole auf Schnee- und Meereisflächen berücksichtigt, während diese Prozesse in den anderen Modellen nicht vertreten sind. Dem unerwartet starken Rückgang der Albedo und Meereisbedeckung in ECHAM-HAM sollte demnach weniger Aufmerksamkeit geschenkt werden. In ECHAM-HAM ist weiterhin zu beachten, dass Eis und Wasser in der Simulation berücksichtigt werden. 46 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Abbildung 3.17: Änderung der Bodenalbedo (%) in ECHAM-HAM. 47 KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN Abbildung 3.18: Änderung der Meereisbedeckung (%) in (a) ECHAM-HAM und (b) NorESM. 48 Kapitel 4 Diskussion Nach der BC-Simulation entsteht eine große Diskrepanz zwischen den Modellen. NorESM simuliert eine eindeutige Abkühlung, wobei die größten Signale vorwiegend auf der Nordhemisphäre in den höheren Breiten zu erkennen sind. HadGEM berechnet hingegen eine netto globale Erwärmung durch die Reduktion BCs, wobei die größten Signale auch hier primär auf der Nordhalbkugel in den höheren Breiten zu finden sind. Die Signale in ECHAMHAM sind im Vergleich dazu sehr gering und ähneln von der Größenordnung dem MultiModellmittel, welches aufgrund der starken Gegensätze zwischen HadGEM und NorESM kaum signifikante Differenzen simulieren kann. Generell ist der lokale Einfluss BCs auf die Temperatur von der vertikalen Verteilung des Rußaerosols abhängig: BC in tieferen Atmosphärenschichten kann durch Absorption von Strahlung die bodennahen Luftschichten erwärmen, während höher liegendes BC durch Absorption die an der Erdoberfläche ankommende Solarstrahlung reduziert (solar dimming). Die Energiebilanz am Boden ist jedoch weitaus komplexer, weil latente sowie fühlbare Wärmeströme und die Albedo der Erdoberfläche eine wichtige Rolle spielen. Die verschiedenen Klimawirkungen zwischen HadGEM und NorESM, sowie die schwachen Änderungen in ECHAM-HAM, könnten in erster Linie aus der unterschiedlichen Vertikalverteilung BCs resultieren. Die stärksten direkten Strahlungseffekte BCs werden durch BC über Wolken, aufgrund ihrer hohen Oberflächenalbedo, hervorgerufen, sodass diese Effekte in HadGEM und ECHAM-HAM wesentlich kleiner sind. In NorESM hingegen scheint es, dass sich aufgrund der starken BC Belastung in größeren Höhenlagen, die negativen Temperaturänderungen und starken Signale begründen lassen. In HadGEM ist die BC Konzentration in Bodennähe nahezu identisch im Vergleich zu NorESM, wobei die BC Konzentration mit zunehmender Höhe in HadGEM stärker abnimmt. Diese Verteilung begründet allerdings nicht ausschließlich die Vorzeichenänderung. In ECHAM-HAM befinden sich im Vergleich aller Modelle die größten BC Konzentrationen in Bodennähe (Tropenregion) und dennoch sind beispielsweise die Temperaturänderungen (mit Ausnahme von Indien) im Vergleich zu HadGEM und NorESM nicht signifikant stärker. In Baker et al. (2015) wird davon ausgegangen, dass die stärkeren Signale in NorESM wegen der Berücksichtigung von Albedo Effekten durch BC auf Schneeund Eisflächen zu begründen sind. Werden die BC Emissionen reduziert, können sich weniger Rußpartikel auf dem Schnee positionieren und die Albedo nimmt zu. Die stark negativen Differenzen der Temperatur und die positiven Änderungen der Meereisbedeckung, vor allem über der Barentssee, korrelieren sehr stark miteinander, sodass auch die eigenen Ergebnisse sehr gut mit der obigen Erkenntnis übereinstimmen. Auch in den Strahlungsänderungen unterscheiden sich die Modelle sehr stark im Vorzeichen und unterstützen damit diese 49 KAPITEL 4. DISKUSSION Beobachtung. Die Tatsache, dass ECHAM-HAM keine interaktive Chemie beinhaltet, sollte ebenso einen Einfluss auf die geringeren Differenzen im Vergleich zu den beiden anderen Modellen haben. Generell ist die jahreszeitliche und klimatische Variabilität in der Arktis jedoch sehr groß, sodass es trotz der eindeutigen Ergebnisse der höheren Breiten in NorESM schwer ist, signifikante Aussagen zu treffen. Im Vergleich der Konfidenzintervalle aller Klimavariablen (Anhang B und C) wird deutlich, dass die Mittelwerte kaum statistisch relevant sein können, weil die berechneten Werte extrem nach oben und unten schwanken. Bei den Niederschlagsänderungen hingegen, sind die Unterschiede zwischen den Modellen etwas geringer. Die Signale in ECHAM-HAM und HadGEM weisen im Vergleich zu NorESM ähnlich starke Signale auf, wobei das Vorzeichen in NorESM wiederum ein anderes ist. Die Orte der größten Differenzen in ECHAM-HAM und HadGEM stimmen allerdings sehr gut miteinander überein, sodass das Multi-Modellmittel die unterschiedlichen Signale in NorESM teilweise kompensiert und primär den Änderungen aus ECHAM-HAM und HadGEM entspricht. Dennoch ist zu berücksichtigen, dass die direkten, indirekten und semidirekten Effekte BCs auf Wolken eine große Inhomogenität mit sich bringt, sodass die Mittelwerte nur sehr gering sind und das Vorzeichen, aufgrund der großen Konfidenzintervalle, kaum zu rechtfertigen ist. Außerdem scheint die starke südwärts gerichtete Bewegung der ITC in NorESM überschätzt zu sein. Grundsätzlich haben alle Modelle ein „double ITCZ“ Problem, das heißt, es existiert ein zu starkes Niederschlagsband südlich des Äquators (Baker et al., 2015). Demnach könnte die starke negative Differenz über Indien in NorESM zu groß sein, sodass die lokalen Effekte einen wiederum größeren Einfluss besitzen sollten. Weiterhin simulieren die Modelle zu große Niederschlagsmengen über dem Himalaya, was aufgrund der ungenauen Darstellung von Niederschlagsprozessen über hoher Orographie zu begründen ist (Baker et al., 2015). In Stohl et al. (2015) wird deutlich, dass die Modelle im Vergleich zu realen Messungen, die BC Konzentrationen, vor allem in höheren Troposphärenschichten, systematisch überschätzen. Die atmosphärische Lebensdauer BCs ist damit, besonders in NorESM, zu lang (Abschnitt 2.3). Der Einfluss auf die verschiedenen Klimavariablen ist demnach sehr unterschiedlich und muss bei der Diskussion zum Klimaeinfluss BCs stets beachtet werden. Auch in Hodnebrog et al. (2015) wird deutlich, dass die globalen BC Emissionen in Klimamodellen generell zu gering sind, während die BC Konzentrationen in höheren atmosphärischen Lagen eher überschätzt wird. Regional gibt es trotzdem Unterschiede; Gadhavi et al. (2015) haben herausgefunden, dass in Südindien die BC Konzentrationen unterschätzt werden, wobei nach Hodnebrog et al. (2014) diese Unterschätzung generell in niedrigeren Atmosphärenschichten in den Modellen ein Problem darstellt. Eine andere ECLIPSE Studie zeigte, dass die BC Konzentration auf Schnee über Nordrussland in den Modellen zu gering ist, aber die anderen Regionen der Arktis diese Konzentrationen eher überschätzen (Stohl et al., 2015). Nach einer BC-Simulation mit einer erneut überarbeiteten Angleichung zwischen beobachteten und simulierten BC Konzentrationen sowie einer 50 KAPITEL 4. DISKUSSION geringeren atmosphärischen Lebensdauer BCs, sollten signifikantere Signale berechnet werden können. Dennoch ist in den eigenen Ergebnissen aufgefallen, dass die größten Reduktionsemissionen von BC besonders auffällige Signale nicht ausschließlich in den Regionen starker BC Emissionen hervorrufen. Diese Erkenntnis verdeutlicht erneut die Komplexität des Rußaerosols auf das Klima, sodass bei einer Diskussion der Ergebnisse mehrere Unbekannte eine Rolle spielen, als nur das Modellsetup selbst. In Baker et al. (2015) wird deutlich, dass die natürliche Veränderung der Meereisbedeckung eine weitere Einflussgröße auf die Signale durch die Reduktion BCs zu sein scheint und demnach weniger aus einem erzwungenen Antrieb resultieren. Alle Faktoren erschweren eine signifikante Einschätzung der Klimawirkung durch die Reduktion BCs. In den Abbildungen 3.19, 3.20 und 3.21 sind die zu 90% signifikanten Änderungen aus dem Zweistichproben-t-Test für die Strahlungsbilanz (aus Abb. 3.5), der Lufttemperatur (aus Abb. 3.9) und vom Niederschlag (aus Abb. 3.12) der einzelnen Modelle dargestellt. Die Abbildungen aus dem Signifikanztest behalten dabei die Skaleneinteilung der globalen Karten ohne t-Test, wegen dem besseren Vergleich beider zugehörigen Abbildungen, bei. Bei den Änderungen der Strahlungsbilanzen (Abb. 3.19) fällt zunächst auf, dass sich die meisten signifikanten Differenzen zwischen den Wendekreisen befinden. So werden auch die mit bis zu 7 W m−2 starken Signale der Strahlungsbilanz am Boden über dem Norden Indiens sowie dem Osten Chinas als signifikant in ECHAM-HAM eingestuft (Abb. 3.19a). Die negativen Differenzen spielen dabei eine untergeordnete Rolle. Eventuell kompensiert der starke Energieüberschuss am Boden, die eigentliche Abkühlung ohne BC Konzentration in Bodennähe. Demnach werden in Indien (bis auf ECHAM-HAM) und China keine signifikanten Differenzen der Lufttemperatur berechnet (Abb. 3.20). Wie bereits deutlich geworden ist, haben weitaus mehrere Faktoren als nur die Strahlungsflüsse einen entscheidenden Einfluss auf die Temperatur, sodass die Tendenz hier wohl eher zufällig ist. Im Vergleich der Änderungen zur Strahlungsbilanz an der TOA in ECHAM-HAM (Abb. 3.19b) und NorESM (Abb. 3.19c) fällt auf, dass in ECHAM-HAM nur sehr wenige signifikante Signale berechnet werden. In NorESM hingegen, lassen sich viele negative Differenzen nördlich und südlich vom Äquator erkennen, sodass man auch im Vergleich zu den Änderungen der anderen Strahlungsvariablen (Abschnitt 3.1) von einem netto negativen Strahlungsantrieb durch die Reduktion BCs ausgehen kann. In NorESM werden Teile der starken negativen Differenzen der Temperatur über der Barentssee (2 K) ebenso als signifikant eingestuft. HadGEM berechnet im Zweistichproben-t-Test eine stark negative Differenz östlich sowie eine positive Änderung süd-südöstlich von Grönland (Abb. 3.20b), während die signifikanten Signale in ECHAM-HAM nur sehr vereinzelt auftreten (Abb. 3.20a). Bei den Niederschlagsänderungen zeigt sich eine positive Differenz in ECHAM-HAM über Indien (Abb. 3.21a). Generell sind die signifikanten Signale in ECHAM-HAM und HadGEM auf Höhe allen Breitengrade vorhanden, wobei in NorESM die größten negativen Signale nördlich des Äquators und die größten positiven Signale südlich des Äquators 51 KAPITEL 4. DISKUSSION berechnet werden, sodass die südwärts gerichtete Bewegung die ITC nach der BC-Simulation in NorESM auch als signifikant einzuschätzen ist (Abb. 3.21c). Im Vergleich aller Abbildungen stellt sich letztlich heraus, dass diese allgemein gering vorhandenen signifikanten Differenzen sowie die Unterschiede zwischen den Modellen, den Einsatz von mehr als nur einem Modell befürworten, da verschiedene Modelle eine unterschiedliche Empfindlichkeit gegenüber nur kleinen Störungen in den Anfangsbedingungen haben. Es ist daher besonders wichtig, möglichst viele Parameter und auch unterschiedliche Modelle/Modellläufe mit in eine Diskussion einzubeziehen. 52 KAPITEL 4. DISKUSSION Abbildung 4.1: Änderung der Strahlungsbilanz (W m−2 ) mit den zu 90% signifikanten Signalen nach einem Zweistichproben-t-Test für (a) am Boden in ECHAM-HAM, (b) an der TOA in ECHAM-HAM und (c) an der TOA in NorESM. 53 KAPITEL 4. DISKUSSION Abbildung 4.2: Änderung der Lufttemperatur (K) mit den zu 90% signifikanten Signalen nach einem Zweistichproben-t-Test für (a) ECHAM-HAM, (b) HadGEM und (c) NorESM. 54 KAPITEL 4. DISKUSSION Abbildung 4.3: Änderung vom Niederschlag (mm Tag−1 ) mit den zu 90% signifikanten Signalen nach einem Zweistichproben-t-Test für (a) ECHAM-HAM, (b) HadGEM und (c) NorESM. 55 Kapitel 5 Zusammenfassung und Schlussfolgerungen In dieser Arbeit wurde ein idealisiertes Minderungsexperiment, indem die vollständige, Land bezogene, anthropogene Emission von BC entfernt wurde, durchgeführt. In erster Linie wurden dafür die klimatischen Änderungen durch die Emissionsreduktionen mit Hilfe unterschiedlicher Klimavariablen untersucht und beurteilt. Der Einfluss BCs auf das Klima ist jedoch sehr komplex (Kapitel 1) und wird von großen Unsicherheiten begleitet. So können bereits bei den unterschiedlichen Verbrennungsprozessen unterschiedlich starke brennstoffreiche und sauerstoffarme Zonen im Verbrennungskessel entstehen, sodass der Anteil vom emittierten BC stets unterschiedlich sein kann. Wird die Temperatur stets hoch gehalten und ist der Verbrennungsprozess gut mit Sauerstoff durchmischt, können die kohlenstoffhaltigen Partikel durch Oxidationsreaktionen bereits im Kessel eliminiert werden (Bond et al., 2013). Zudem unterscheiden sich die Emissionsquellen generell, vom Verhältnis der co-emittierten Aerosolpartikel zum BC, untereinander. So gibt es einen erhöhten SO2 Anteil bei der Verbrennung von Kohle, während bei der Biomasseverbrennung mehr BC als SO2 emittiert wird (Anhang A). Dementsprechend unterschiedlich ist auch der Mischungszustand von intern gemischtem BC, sodass auch hier der Massenabsorptionsquerschnitt nicht einheitlich sein kann. Demnach ist es äußerst schwierig eine reale Abschätzung der BC Konzentrationen in Klimamodellen zu berücksichtigen. Es wurde deutlich, dass in den Modellen die BC Konzentrationen in hohen Lagen systematisch überschätzt werden, während das BC in Bodennähe eher unterschätzt wird und es dennoch regionale Unterschiede gibt. Des Weiteren kann die Lebensdauer von BC schwanken (± 3 Tage, Riemer et al. 2010), sodass es auch hier schwer zu modellieren ist, wann und wie viel BC sich auf beispielsweise Schnee- und Eisflächen tatsächlich ablagern wird. Wolken- und Aerosol-Wechselwirkungsprozesse tragen weiterhin den Beitrag zur größten unsicheren Interpretation von Änderungen im Energiehaushalt der Erde bei. Besonders BC besitzt eine sehr große Anzahl von mikrophysikalischen Prozessen, welche die Eigenschaften aller Wolkengattungen grundlegend ändern können. Selbst beim Versuch die Modellergebnisse durch Messungen einschränken zu wollen, ist es schwer diese Unsicherheiten zu kompensieren. Weil der Anteil vom BC in einem bestimmten Luftvolumen sehr gering (1015%) und schwer von anderen Licht-absorbierenden Aerosolpartikeln (z. B. Dunst und Staub) zu unterscheiden ist, müssen indirekte Messungen aus einer Kombination von thermischen und optischen Methoden angewandt werden (Bond et al., 2013). In den meisten Regionen mit sehr hohem BC Anteil (z. B. Afrika und Südostasien) sind die Messungen zudem sehr spärlich verbreitet. Um dennoch ein möglichst großes Signal in den eigenen Ergebnissen zu erzeugen, wurde die vollständige Reduktion BCs in den Klimamodellen gewählt. Dafür 56 KAPITEL 5. ZUSAMMENFASSUNG UND SCHLUSSFOLGERUNGEN wurden drei AOGCMs verwendet: ECHAM6-HAM2, NorESM1-M und HadGEM3 (Kapitel 2). Es stellte sich heraus, dass sich die Modelle stark im Vorzeichen der einzelnen Klimavariablen unterscheiden (Kapitel 3). Durch die Verwendung von Kopplungen können die Ozeanzirkulation, Wärmeaufnahme und Meereis-Ausdehnung auf die Änderungen durch die BC Reduktion reagieren (Baker et al., 2015). Demnach ist das Signal nach der Reduktion BCs auf das Klima nur sehr gering (auch im Vergleich anderer SLCP Reduktionen wie SO2 in Baker et al., 2015), sodass es neben der natürlichen Variabilität des Klimas auf einer längeren Zeitskala sehr schwierig ist, mögliche „Co-Benefits“ durch eine Reduktion BCs signifikant einschätzen zu können (Kapitel 4). Besonders weil die BC Emissionen vorwiegend auf der Nordhemisphäre vorhanden sind, sind die Strahlungsantriebe nach der BC-Simulation hier auch (tendenziell) größer, als auf der Südhemisphäre. BC in höheren Breiten besitzt einen großen Einfluss auf die Bodenalbedo und auf Temperaturänderungen, vor allem dann, wenn es sich zusätzlich über Wolken mit hoher Oberflächenalbedo legt. Die Temperaturdifferenzen nach der BC-Simulation sind daher in der Nordpolarregion am größten und nicht wie vermutet dort, wo die BC Konzentrationen am stärksten sind (u. a. in Indien und China). Entwicklungsländer, wie Indien und andere Südostasiatische Länder, sind noch immer Agrarländer und deren Landwirtschaft wird stark vom Niederschlag beeinflusst. Die Reduktion BCs könnte daher sehr nützliche Einflüsse mit sich bringen, indem eine weitere Reduzierung der Monsunregenfälle durch BC und andere SLCPs gemindert wird. Dennoch sei vermerkt, dass der globale Einfluss durch eine Reduktion BCs nur sehr gering ist. Um die klimatischen „Co-Benefits“ durch eine Reduzierung BCs dennoch zu maximieren, sollten den Emissionsquellen mit hohem BC/OA Verhältnis die größte Priorität zugewiesen werden. Vor dem Hintergrund, dass BC einen starken Einfluss auf die Gesundheit besitzt, nimmt die Reduktion BCs und auch anderer SLCPs eine zunehmend wichtigere Rolle, gegenüber den GHGs, ein. Neue PM Luftreinhaltungsmaßnahmen könnten in naher und ferner Zukunft die Emissionen von Rußaerosolen dämmen und gleichzeitig zu einer besseren Luftqualität und Gesundheit beitragen. Inwieweit eine vollständige Reduktion der BC Konzentrationen die Luftqualität tatsächlich verbessert, konnte hier nicht explizit untersucht werden und bietet daher Anreize für weitere Studien. Fakt ist, dass aufgrund der stark negativen Einwirkungen BCs auf die Lunge, es definitiv zu einer verminderten Anzahl durch BC erkrankte Menschen (Asthma usw.) kommen muss. Mehrere Studien und Staubmessungen einzelner Städte (u. a. Leipzig) haben gezeigt, dass eine Verbesserung der Luftqualität und Gesundheit durch eine Reduktion BCs und anderer SLCPs zweifellos ist. Daher sollte in Zukunft der Fokus auf explizite Lösungsansätze für eine Reduktion BCs gelegt werden, damit die Ergebnisse solcher Studien sowie die untersuchten „Co-Benefits“ der Masterarbeit, in die Realität umgesetzt werden können. 57 Danksagung Diese Arbeit ist der Abschluss meines Master-Studiums am Leipziger Institut für Meteorologie und der Beginn meiner beruflichen Zukunft als Meteorologe. Das Studium ist eine sehr prägende Zeit für junge Menschen, die sich für eine solche Laufbahn entscheiden. Deshalb möchte ich mich an dieser Stelle herzlich bei denjenigen bedanken, die mir all dies ermöglicht und mich auf meinem Weg begleitet haben, sodass ich nach Abgabe dieser Arbeit auf einen erfolgreichen Masterabschluss in der Meteorologie stolz sein kann. Im Laufe dieser Arbeit entwickelte sich für mich ein stetiges Interesse am den Thematiken Klima und Umweltschutz, sodass ich unabhängig von meiner beruflichen Zukunft auch weiterhin neue Aktivitäten und Erkenntnisse dieser Themenbereiche mit großer Begeisterung verfolgen werde. Herr Prof. Dr. Quaas ermöglichte mir erst diese Arbeit am Institut und stellte mit der Hilfe seiner Forschungsgruppe „Wolken und globales Klima“ einen Arbeitsplatz und alle Daten zur Verfügung. Vielen Dank dafür, sowie für die Beantwortung meiner Fragen. Herr Dr. Ribu Cherian betreute diese Arbeit und unterstützte mich bei aufkommenden Problemen. Ich bedanke mich für seine endlose Mühe, geduldig jedes Detail erklärt und meine Fragen ausführlich beantwortet zu haben. Vor allem bei der Entwicklung meiner NCL Routinen stand er mir ausdauernd zur Seite. Außerdem möchte ich mich bei Herrn Jan Kretzschmar bedanken, der während seiner Tätigkeit als Studentische Hilfskraft allen Studenten bei der Erstellung Ihrer Abschlussarbeiten, mit den dabei aufkommenden Problemen und Fragestellungen, zur Verfügung stand. Des Weiteren sei allen am ECLIPSE-Projekt beteiligten Arbeitsgruppen für die Entwicklung und Bereitstellung der NetCDF gedankt. Ein ganz besonderes Dankeschön möchte ich am Ende noch meiner Familie und meinen Freunden widmen, die mich immer begleiten, unterstützen und mir im Zusammenhang dieser Arbeit stets Mut zugesprochen haben. 58 Literaturverzeichnis Veröffentlichungen (paper) Baker, L.H., Collins, W. J., Olivié, D. J. L., Cherian, R., Hodnebrog, Ø., Myhre, G., Quaas, J., Samset, B. H.: Climate response to anthropogenic emissions of short-lived pollutants, Atmos. Chem. Phys. Discuss., 15, 3823-3862, doi:10.5194/acpd-15-3823-2015, 2015 Bond, T. C., Doherty, S. J., Fahey, D. W., Forster, P. M., Berntsen, T., DeAngelo, B. J., Flanner, M. G., Ghan, S., Kärcher, B., Koch, D., Kinne, S., Kondo, Y., Quinn, P. K., Sarofim, M. C., Schlutz, M. G., Schulz, M., Venkataraman, C., Zhang, H., Zhang, S., Bellouin, N., Guttikunda, S. K., Hopke, P. K., Jacobson, M. Z., Kaiser, J. W., Klimont, Z., Lohmann, U., Schwarz, J. P., Shindell, D., Storelvmo, T., Warren, S. G., Zender, C. S.: Bounding the role of black carbon in the climate system: A scientific assessment, Journal Of Geophysial Research: Atmospheres, Vol. 118, 1-173, doi:10.1002/jgrd.50171, 2013 Chung, S. and Seinfeld, J: Climate response of direct radiative forcing of anthropogenic black carbon, Journal Of Geophysical Research: Atmospheres, Vol. 110, D11102, doi:10.1029/2004JD005441, 2005 Gadhavi, H. S., Renuka, K., Ravi Kiran, V., Jayaraman, A., Stohl, A., Klimont, Z., Beig, G.: Evaluation of black carbon emission inventories using a Lagrangian dispersion model – a case study over southern India, Atmos. Chem. Phys., 15, 1447-1461, doi:10.5194/acp-15 1447-2015, 2015 Hewitt, H. T., Copsey, D., Culverwell, I. D., Harris, C. M., Hill, R. S. R., Keen, A. B., McLaren, A. J., Hunke, E. C.: Design and implementation of the infrastructure of HadGEM3: the next-generation Met Office climate modelling system, Geosci. Model Dev., 4, 223–253, doi:10.5194/gmd-4-223-2011, 2011 Hodnebrog, Ø., Myhre, G., Samset, B. H.: How shorter black carbon lifetime alters its climate effect, Nat. Comm., 5, 5065, doi:10.1038/ncomms6065, 2014 Intergovernmental Panel on Climate Change (IPCC): Climate Change 2013 – The Physical Science Basis, Chapter 7 & 8, Cambridge University Press, 2013 Iversen, T., Bentsen, M., Bethke, I., Debernard, J. B., Kirkevåg, A., Seland, Ø., Drange, H., Kristjansson, J. E., Medhaug, I., Sand, M., Seierstad, I. A.: The Norwegian Earth System Model, NorESM1-M – Part 2: Climate response and scenario projections, Geosci. Model Dev., 6, 389-415, doi:10.5194/gmd-6-389-2013, 2013 Janssen, N., Gerlofs-Nijland, M., Lanki, T., Salonen, R., Cassee, F., Hoek, G., Fischer, P., Brunekreef, B., Krzyzanowski, M.: Health effects of black carbon, World Health Organization – Regional Office for Europe, Bonn, 2012 59 LITERATURVERZEICHNIS Jungclaus, J., Fischer, N., Haak, H., Lohmann, K., MaRotzke, J., Matei, D., Mikolajewicz, U., Notz, D., and Storch, J.: Characteristics of the ocean simulations in the Max Planck Institute Ocean Model (MPIOM) the ocean component of the MPI-Earth system model, Journal of Advances in Modeling Earth Systems, 5, 422-446, 2013 Kirkevåg, A.; Iversen, T.; Seland, Ø.; Hoose, C.; Kristjánsson, J. E.; Struthers, H.; Ekman, A. M. L.; Ghan, S.; Griesfeller, J.; Nilsson, E. D.; Schulz, M.: Aerosol–climate interactions in the Norwegian Earth System Model – NorESM1-M, Geosci. Model Dev. Discuss., 6, 2599-2685, doi:10.5194/gmdd-5-2599-2012, 2013 Klimont, Z., Kupiainen, K., Heyes, Ch., Cofala, J., Rafaj, P., Höglund-Isaksson, L., Borken, J., Schöpp, W., Winiwarter, W., Purohit, P., Bertok, P., Sander, N.: ECLIPSE V4a: Global emission data set developed with the GAINS model for the period 2005 to 2050, Key features and principal data sources, International Institute for Applied System Analysis (IIASA), Schlossplatz 1, 2361 Laxenburg, Austria, 2015 Kvalevåg, M. M., Samset, B. H., Myhre, G.: Hydrological sensitivity to greenhouse gases and aerosols in a global climate model, Geophys. Res. Lett., 40, 1432-1438, 2013 Myhre, G. and Samset, B. H.: Standard climate models radiation codes underestimate black carbon radiative forcing, Atmos. Chem. Phys., 15, 2883-2888, doi:10.5194/acp-15-28832015, 2015 Ramanathan, V. and Carmichael, G.: Global and regional climate changes due to black carbon, Nat. Geosci., 1, 221-227, 2008 Riemer, N., West, M., Zaveri, R., Easter, R.: Estimating black carbon aging time-scales with a particle-resolved aerosol model, Aerosol Science 41, 143-158, doi:10.1016/j.jaerosci.2009.08.009, 2010 Samset, B. H., Myhre, G., Herber, A., Kondo, Y., Li, S.-M., Moteki,N., Koike, M., Oshima, N., Schwarz, J. P., Balkanski, Y., Bauer,S. E., Bellouin, N., Berntsen, T. K., Bian, H., Chin, M., Diehl,T., Easter, R. C., Ghan, S. J., Iversen, T., Kirkevåg, A., Lamarque, J.-F., Lin, G., Liu, X., Penner, J. E., Schulz, M., Seland, Ø.,Skeie, R. B., Stier, P., Takemura, T., Tsigaridis, K., Zhang,K.: Modelled black carbon radiative forcing and atmosphericlifetime in AeroCom Phase II constrained by aircraft observations, Atmos. Chem. Phys., 14, 1246512477, doi:10.5194/acp-14-12465-2014, 2014 Sand, M., Berntsen, T. K., Seland, Ø., Kristjánsson, J. E.: Arctic surface temperature change to emissions of black carbon within Arctic or midlatitudes, J. Geophys. Res.-Atmos., 118, 7788-7798, 2013 Sarofim, M., DeAngelo, B., Beach, R., Weitz, K., Bahner, M., Zapata, A.: Marginal abatement curves for U.S. black carbon emissions, J. Integr. Environ. Sci., Volume 7, Supplement 1, 279-288, doi:10.1080/19438151003774455, 2010 60 LITERATURVERZEICHNIS Shindell, D., Faluvegi, G., Walsh, M., Anenberg, S., Dingenen, R., Muller, N., Austin, J., Koch, D., Milly, G.: Climate, health, agricultural and economic impacts of tighter vehicleemission standards, Nature Climate Change 1, 59-66, doi: 10.1038/nclimate1066, 2011 Shindell, D., Kuylenstierna, J., Vignati, E., Dingenen, R., Amann, M., Klimont, Z., Anenberg, S., Müller, N., Janssens-Maenhout, G., Raes, F., Schwartz, J., Faluvego, G., Pozzoli, L., Emberson, L., Streets, D., Ramanathan, V., Hicks, K., Oanh, K., Milly, G., Williams, M., Demkine, V., Fowler, D.: Simultaneously Mitigating Near-Term Climate Change and Improving Human Health and Food Security, Science Vol. 335, doi: 10.1126/science.1210026, 2012 Stohl, A., Aamaas, B., Amann, M., Baker, L. H., Bellouin, N., Berntsen, T. K., Boucher, O., Cherian, R., Collins, W., Daskalakis, N., Dusinska, M., Eckhardt, S., Fuglestvedt, J. S., Harju, M., Heyes, C., Hodnebrog, Ø., Hao, J., Im, U., Kanakidou, M., Klimont, Z., Kupiainen, K., Law, K. S. Lund, M. T., Maas, R., MacIntosh, C. R., Myhre, G., Myriokefalitakis, S., Olivié, D., Quaas, J., Quennehen, B., Raut, J.-C., Rumbold, S. T., Samset, B. H., Schulz, M., Seland, Ø., Shine, K. P., Skeie, R. B., Wang, S., Yttri, K. E., Zhu, T.: Evaluating the climate and air quality impacts of short-lived pollutants, Atmos. Chem. Phys. Discuss., 15, 15155-15241, doi:10.5194/acpd-15-15155-2015, 2015 Zhang, K., O’Donnell, D., Kazil, J., Stier, P., Kinne, S., Lohmann, U., Ferrachat, S., Croft, B.,Quaas, J., Wan, H., Rast, S., Feichter, J.: The global aerosol-climate model ECHAMHAM, version 2: sensitivity to improvements in process representations, Atmos. Chem. Phys., 12, 8911-8949, doi:10.5194/acp-12-8911-2012, 2012 Bücher Seinfeld, J. H. and Pandis, S.N.: Atmospheric Chemistry and Physics - From Air Pollution to Climate Change (Second Edition), John Wiley & Sons INC., 2006 Universitätsskripte und Ausarbeitungen Löser, D.: Reduktion der Emission von Ruß-Aerosolen: Analyse der Co-Benefits für Luftqualität, Klima und Gesundheit, Universität Leipzig – Institut für Meteorologie, P6 – Meteorologische Arbeitsmethoden (Vorleistung zur Masterarbeit), 2014 Quaas, J.: Vorlesungsskript Hypothesenprüfung, 2010 – Statistische Methoden, Vorlesung 9 und 10: Internetquellen Hamburger Abendblatt – Rußpartikelfilter erhöhen den Spritverbrauch: http://www.abendblatt.de/ratgeber/automotor/article107044852/Russpartikelfiltererhoehenden-Spritverbrauch.html, heruntergeladen im Juli 2015 61 LITERATURVERZEICHNIS International Institute for Applied Systems Analysis http://gains.iiasa.ac.at/models/, heruntergeladen im August 2015 (IIASA), GAINS: IPCC – Intergovernmental Panel on Climate Change: http://www.ipcc.ch/, heruntergeladen im November 2014 GFDL.NOAA (Geophysical Fluid Dynamics Laboratory) – Glossary http://data1.gfdl.noaa.gov/nomads/forms/deccen/glossary/glossary.html#aogcm, heruntergeladen im Juli 2015 Page: Spiegel Online Auto – Luftverbesserung: Fahrverbot für 1,3 Millionen Autos in Peking: http://www.spiegel.de/auto/aktuell/luftverbesserung-fahrverbot-fuer-1-3-millionen-autosin-peking-a-500133.html, heruntergeladen im Juli 2015 Stadt Leipzig: http://www.leipzig.de/umwelt-und-verkehr/luft-und-laerm/umweltzone/, heruntergeladen im Januar 2015 UMAD – Wirkungen von Luftschadstoffen: http://www.umad.de/infos/wirkungen/, heruntergeladen im Januar 2015 Umweltbundesamt – Perspektiven für Umwelt und Gesellschaft: http://www.umweltbundesamt.at/umweltsituation/luft/luftschadstoffe/staub/, heruntergeladen im November 2014 Umweltbundesamt – Luftreinhaltung in der EU: http://www.umweltbundesamt.de/themen/luft/regelungen-strategien/luftreinhaltung-in-dereu, heruntergeladen im Juli 2015 United States Environmental Protection Agency (US EPA): http://www.epa.gov/blackcarbon/, heruntergeladen im November 2014 62 Anhang A BC Emissionen im Jahr 2000 In der untenstehenden Abbildung A.1 sind die BC Emissionen im Jahr 2000 dargestellt. Diese werden nach Ländern mit Emissionsquellen, sowie nach dem Mischverhältnis BCs mit coemittierter Aerosole (POA) und Aerosol-Vorläufersubstanzen (SO2) aufgeführt und gegenübergestellt. Es wird zunächst deutlich, dass der größte Anteil der BC Emissionen der Verbrennung von Biomasse (durch offene Feuer und heimisches Kochen/Heizen), vor allem in Südostasien, geschuldet ist. Laut U.S. EPA (Environmental Protection Agency, 2000) nimmt die offene Verbrennung von Biomasse einschließlich offener Feuer einen Anteil von 35.5% ein, das häusliche Kochen und Heizen 25.1%, gefolgt von der Industrie mit 19,3% und dem Verkehr mit 19%. Hinzu kommt der Energiesektor (0,7%) und andere Quellen (0,5%). Bei der Beeinflussung des Strahlungshaushaltes durch BC, stellt das Mischverhältnis eine wichtige Rolle dar. Ein höheres Verhältnis (>1) bedeutet, dass mehr Aerosolspezies coemittiert werden und der Anteil am BC geringer ist. Diese Konstellation kann durch erhöhte Streuung eine Erwärmung durch BC auffangen, bzw. verringern. Bei der Verbrennung von Biomasse aber, ist das Mischverhältnis zu SO2 sehr gering, sodass die Emissionen BCs aus dieser Quelle einer Erwärmung beisteuern. Der Anteil am emittierten BC gegenüber POA ist bei Dieselfahrzeugen am größten. Die Kombination aus den Eigenschaften BCs, lassen das Rußaerosol deutlich von anderen OM und lichtabsorbierenden Aerosolen (z. B. „brown carbon“) abgrenzen. Der Term „Organischer Kohlenstoff“ hingegen (eng. organic carbon, kurz OC), beschreibt lediglich die kohlenstoffhaltige Menge im OA (ohne dazugehörigen Sauerstoff- und Wasserstoffgehalt). Als Referenz wird angenommen, dass das Verhältnis von OA:OC abhängig von der Quelle zwischen 1.1 bis 1.4 variiert (Bond et al., 2013). Gasarten, von denen ebenso viele zur Erwärmung beitragen (bspw. Kohlenstoffmonoxid und O3 Vorläufer), sind in dieser Darstellung nicht vorhanden. Generell muss beachtet werden, dass die hier aufgeführten BC Emissionen mit großen Unsicherheiten (u. a. durch Art der Verbrennung, Messunsicherheiten usw.) verbunden sind. i ANHANG A. BC EMISSIONEN IM JAHR 2000 Abbildung A.1: Emissionsraten BCs im Jahr 2000 sortiert nach den Emissionsquellen einzelner Länder und dem Mischverhältnis BCs zu co-emittierter Aerosole (POA) und Aerosol-Vorläufersubstanzen (SO2). Die Emissionen werden durch SPEW (Speciated Pollutant Emissions Wizard), GAINS (Greenhouse Gas and Air Pollution Interactions and Synergies) und RETRO (Reanalysis of the Troposphere over the last 40 years) beschrieben. GFED (Global Fire Emissions Database) beinhaltet wie RETRO Fernerkundungsinformationen über Brände; mit saisonalen und unterjährigen Emissionsveränderungen (aus Bond et al., 2013). ii ANHANG B Globale Mittelwerte Tabelle B.1: Tabellarische Darstellung der globalen Mittelwerte aus Gleichung (1) mit einer Integrationslänge von 50 Jahren in ECHAM6-HAM2, HadGEM3 und NorESM1-M. Darüber hinaus wird das Mittel auf der Nord- und Südhemisphäre einzeln betrachtet, sowie für jeden Mittelwert ein 95% Konfidenzintervall aus Gleichung (13) angegeben. iii ANHANG C Kontinentale und nationale Mittelwerte Tabelle C.1: Tabellarische Darstellung der kontinentalen (Europa, Afrika, Nord- und Südamerika) und nationalen (Indien und China) Mittelwerte aus Gleichung (1) mit einer Integrationslänge von 50 Jahren in ECHAM6-HAM2, HadGEM3, NorESM1-M und dem Multi-Modellmittel. Darüber hinaus wird für jeden Mittelwert ein 95% Konfidenzintervall aus Gleichung (13) angegeben. iv ANHANG D Regionale Temperaturverläufe im Kontrolllauf Abbildung D.1: Zeitreihe vom jährlichen Mittel der Lufttemperatur (K) in der Kontrollsimulation für (a) Europa, (b) Afrika, (c) Nordamerika, (d) Südamerika, (e) Indien und (f) China in ECHAM6-HAM2 (Hellblau), HadGEM3 (Rot), NorESM1-M (Blau) sowie im Multi-Modellmittel (Schwarz). Im Vergleich der Abbildungen (a) bis (f) ist die unterschiedliche Skaleneinteilung zu beachten; diese wurde gewählt, um die Struktur der Zeitverläufe der einzelnen Regionen besser zu erkennen. v ANHANG E Abbildungsverzeichnis 1.1 Flussdiagramm über den Einfluss BCs auf das Klima, der Luftqualität und Gesundheit, sowie zur Motivation für eine Reduzierung der BC Emissionen (Zahlenwerte aus Bond et al., 2013) S.3 1.2 Elektronenmikroskopische Aufnahme Emissionen (aus Bond et al., 2013) 1.3 Darstellung von der erforderlichen kritischen Übersättigung, um intern gemischte Aerosole unterschiedlicher Größe sowie unterschiedlichem BC Massenanteil in Wolkenkondensationskeime zu aktivieren (aus Bond et al., 2013) S.6 1.4 Reduktion der Emission von BC Konzentrationen [μg m−3 ] der Stadt Leipzig (Zentrum) von 2010 bis 2014 (A. Wiedensohler, TROPOS, 2014 S.9 2.1 Globale atmosphärische BC Belastung (kg m−2 ) der CTL-Simulation in ECHAM- von BC Aggregaten unterschiedlicher S.4 HAM 2.2 Jährliches S.19 Mittel der zonal gemittelten Vertikalverteilung BCs mit dem −1 Mischverhältnis (μg kg ) in der CTL-Simulation für (a) HadGEM, (b) ECHAMHAM und (c) NorESM (aus Baker et al., 2015) S.20 3.1 Änderung der kurwelligen Solarstrahlung am Boden (W m−2 ) in ECHAM-HAM S.25 3.2 Änderung der kurzwelligen Solarstrahlung (W m−2 ) an der TOA (links) und dem zonalen Mittel (rechts) für (a) Multi-Modellmittel, (b) ECHAM-HAM, (c) HadGEM und (d) NorESM S.26 3.3 Säulendiagramm der globalen, kontinentalen (Europa, Afrika, Nord- und Südamerika) und nationalen (Indien und China) Mittelwerte der (netto) kurzwelligen Strahlung an der TOA (W m−2 ) nach der BC-Simulation mit einer Integrationslänge von 50 Jahren in ECHAM-HAM (Hellblau), HadGEM (Rot), NorESM (Blau) und vom MultiModellmittel (Schwarz) S.27 3.4 Änderung der langwelligen Solarstrahlung (W m−2 ) (a) am Boden in ECHAM-HAM, (b) an der TOA in ECHAM-HAM und (c) an der TOA in NorESM S.28 3.5 Änderung der Strahlungsbilanz (W m−2 ) für (a) am Boden in ECHAM-HAM, (b) an der TOA in ECHAM-HAM und (c) an der TOA in NorESM S.29 3.6 Änderung (a) der Strahlungsbilanz (W m−2 ) an der TOA im clear-sky Fall in ECHAM-HAM und vom solaren CRE an der TOA (W m−2 ) für (b) ECHAM-HAM und (c) NorESM S.30 3.7 Zeitreihe vom globalen jährlichen Mittel der Lufttemperatur (K) in der Kontrollsimulation (links) und von der Änderung des globalen jährlichen Mittels der vi ANHANG E. ABBILDUNGSVERZEICHNIS Lufttemperatur (K) nach der BC-Simulation (rechts) in ECHAM-HAM (Hellblau), HadGEM (Rot), NorESM (Blau) und im Multi-Modellmittel (Schwarz) 3.8 S.33 Zeitreihe von der Änderung des jährlichen Mittels der Lufttemperatur (K) nach der BC-Simulation für (a) Europa, (b) Afrika, (c) Nordamerika, (d) Südamerika, (e) Indien und (f) China in ECHAM-HAM (Hellblau), HadGEM (Rot), NorESM (Blau) sowie im Multi-Modellmittel (Schwarz) S.34 3.9 Änderung der Lufttemperatur (K) (links) und dem zonalen Mittel (rechts) für (a) Multi-Modellmittel, (b) ECHAM-HAM, (c) HadGEM und (d) NorESM S.35 3.10 Säulendiagramm der globalen, kontinentalen (Europa, Afrika, Nord- und Südamerika) und nationalen (Indien und China) Mittelwerte der Lufttemperatur (K) nach der BCSimulation mit einer Integrationslänge von 50 Jahren in ECHAM-HAM (Hellblau), HadGEM (Rot), NorESM (Blau) und vom Multi-Modellmittel (Schwarz) S.36 3.11 Änderung der totalen Wolkenbedeckung (%) in ECHAM-HAM S.40 3.12 Änderung vom Niederschlag (mm Tag−1 ) (links) und dem zonalen Mittel (rechts) für (a) Multi-Modellmittel, (b) ECHAM-HAM, (c) HadGEM und (d) NorESM S.41 3.13 Änderung vom (a) konvektiven und (b) großskaligen Niederschlag (mm Tag−1 ) (links) und dem zonalen Mittel (rechts) in ECHAM-HAM S.42 3.14 Säulendiagramm der globalen, kontinentalen (Europa, Afrika, Nord- und Südamerika) und nationalen (Indien und China) Mittelwerte vom Niederschlag (mm Tag−1 ) nach der BC-Simulation mit einer Integrationslänge von 50 Jahren in ECHAM-HAM (Hellblau), HadGEM (Rot), NorESM (Blau) und vom Multi-Modellmittel (Schwarz) S.43 3.15 Änderung vom Oberflächenabfluss (mm Tag−1 ) (links) und dem zonalen Mittel (rechts) für (a) Multi-Modellmittel, (b) ECHAM-HAM, (c) HadGEM und (d) NorESM S.44 3.16 Säulendiagramm der globalen, kontinentalen (Europa, Afrika, Nord- und Südamerika) und nationalen (Indien und China) Mittelwerte vom Oberflächenabfluss (mm Tag−1 ) nach der BC-Simulation mit einer Integrationslänge von 50 Jahren in ECHAM-HAM (Hellblau), HadGEM (Rot), NorESM (Blau) und vom Multi-Modellmittel (Schwarz) S.45 3.17 Änderung der Bodenalbedo (%) in ECHAM-HAM S.47 3.18 Änderung der Meereisbedeckung (%) in (a) ECHAM-HAM und (b) NorESM S.48 4.1 Änderung der Strahlungsbilanz (W m−2 ) mit den zu 90% signifikanten Signalen nach einem Zweistichproben-t-Test für (a) am Boden in ECHAM-HAM, (b) an der TOA in ECHAM-HAM und (c) an der TOA in NorESM S.53 vii ANHANG E. ABBILDUNGSVERZEICHNIS 4.2 Änderung der Lufttemperatur (K) mit den zu 90% signifikanten Signalen nach einem Zweistichproben-t-Test für (a) ECHAM-HAM, (b) HadGEM und (c) NorESM S.54 4.3 Änderung vom Niederschlag (mm Tag−1 ) mit den zu 90% signifikanten Signalen nach einem Zweistichproben-t-Test für (a) ECHAM-HAM, (b) HadGEM und (c) NorESM S.55 A.1 Emissionsraten BCs im Jahr 2000 sortiert nach den Emissionsquellen einzelner Länder und dem Mischverhältnis BCs zu co-emittierter Aerosole (POA) und AerosolVorläufersubstanzen (SO2) (aus Bond et al., 2013) D.1 S.ii Zeitreihe vom jährlichen Mittel der Lufttemperatur (K) in der Kontrollsimulation für (a) Europa, (b) Afrika, (c) Nordamerika, (d) Südamerika, (e) Indien und (f) China in ECHAM6-HAM2 (Hellblau), HadGEM3 (Rot), NorESM1-M (Blau) sowie im MultiModellmittel (Schwarz) S.v viii ANHANG F Tabellenverzeichnis 2.1 Tabellarische Auflistung der untersuchten Klimavariablen in ECHAM-HAM, HadGEM und NorESM S.15 B.1 Tabellarische Darstellung der globalen Mittelwerte aus Gleichung (1) mit einer Integrationslänge von 50 Jahren in ECHAM6-HAM2, HadGEM3 und NorESM1-M. Darüber hinaus wird das Mittel auf die Nord- und Südhemisphäre einzeln betrachtet, sowie für jeden Mittelwert ein 95% Konfidenzintervall aus Gleichung (13) angegeben C.1 S.iii Tabellarische Darstellung der kontinentalen (Europa, Afrika, Nord- und Südamerika) und nationalen (Indien und China) Mittelwerte aus Gleichung (1) mit einer Integrationslänge von 50 Jahren in ECHAM6-HAM2, HadGEM3, NorESM1-M und dem Multi-Modellmittel. Darüber hinaus wird für jeden Mittelwert ein 95% Konfidenzintervall aus Gleichung (13) angegeben S.iv ix Selbstständigkeitserklärung Ich versichere, dass ich diese Masterarbeit selbstständig und nur unter Verwendung der angegebenen Quellen und Hilfsmittel angefertigt und die den benutzten Quellen wörtlich oder inhaltlich entnommenen Stellen als solche kenntlich gemacht habe. Die Arbeit hat in gleicher oder ähnlicher Form noch keiner anderen Prüfungsbehörde vorgelegen. Leipzig, den Danny Löser
