Klimaprojektionen für die Zukunft

Universität Augsburg
Fakultät für Angewandte Informatik
Institut für Geographie
Klimaprojektionen für die Zukunft
Hauptseminar: Klimavariabilität (WS 2012/2013)
Leitung: Dr. Andreas Philipp
Korswagen Eguren, Stefanie
Matrikelnummer: 1282949
[email protected]
Bachelor Geographie, o.A.
Abgabetermin: 15.01.2013
Inhaltsverzeichnis
Abbildungsverzeichnis ................................................................................................... IV
1. Einleitung .................................................................................................................... 1
2. Einführung in die Klimaforschung ............................................................................... 1
3. Zukunftsszenarien ...................................................................................................... 5
!
3.1. Beschreibung der Szenarien ......................................................................... 6
!
!
3.1.1. Die SRES Szenarien ....................................................................... 6
!
!
3.1.2. Die quantitativen Szenarien ............................................................ 9
!
3.2. Bedeutung der Szenarien ........................................................................... 11
4. Klimaprojektionen ..................................................................................................... 12
!
4.1. Klimamodelle .............................................................................................. 13
!
!
4.1.1. Klimamodelle ................................................................................. 13
!
!
4.1.2. Modelltypen ................................................................................... 15
!
!
!
4.1.2.1. Simple Climate Models .................................................... 16
!
!
!
4.1.2.2. Earth System Models of Intermediate Complexity .......... 17
!
!
!
4.1.2.3. General Circulation Models ............................................. 18
!
!
!
!
a) Atmosphäre GCM .......................................................... 18
!
!
!
!
b) Ozean GCM .................................................................. 19
!
!
!
4.1.2.4. Gekoppelte Modelle ........................................................ 20
!
!
!
4.1.2.5. Andere Modelle ............................................................... 21
!
!
!
!
a) Meereismodelle ............................................................. 21
!
!
!
!
b) Inlandeismodelle ........................................................... 21
!
!
!
4.1.2.6. Ensembles und Validierungen ......................................... 22
!
4.2. Probleme und Vorgehensweisen gegenüber Unsicherheiten in der
!
Modellierung ...................................................................................................... 23
!
!
4.2.1. Unsicherheiten und Herausforderungen ....................................... 23
!
!
4.2.2. Vorgehensweisen zur Behandlung der Unsicherheiten ................ 26
5. Ergebnisse der Klimaprojektionen ............................................................................ 27
!
5.1. Bewertung der Klimaprojektionen ............................................................... 28
II
!
!
5.1.1. Temperaturprojektionen ................................................................. 28
!
!
5.1.2. Niederschlagsprojektionen ............................................................ 29
!
!
5.1.3. Projektionen für Ozeane ............................................................... 30
!
!
5.1.4. Projektionen für Eis ....................................................................... 30
!
!
5.1.5. Projektionen für Extremwetterereignisse ...................................... 31
!
!
5.1.6. Stabiisationsszenarien .................................................................. 31
!
5.2. Erwartungen der Klimaprojektionen ............................................................ 33
!
!
5.2.1. Ökosysteme .................................................................................. 33
!
!
5.2.2. Wasserressourcen und Küsten ..................................................... 33
!
!
5.2.3. Gesellschaftliche Aspekte und Regionenüberblick ....................... 34
!
!
5.2.4. Anpassung und Mitigation ............................................................. 35
6. Weitere Szenarienentwürfe und Beispiel .................................................................. 37
!
6.1. Weitere Entwürfe: die Representative Concentration Pathways ................. 37
!
6.2. Projektionen am Beispiel Peru .................................................................... 39
7. Fazit .......................................................................................................................... 41
Literaturverzeichnis ....................................................................................................... 42
III
Abbildungsverzeichnis
Abbindung 1: Publizierte Aufnahmen von Änderungen der landoberflächlichen
Temperatur, 1840-2000 ................................................................................................... 3
Abbildung 2. Beobachtete und modellierte globale und regionale Temperaturveränderungen mit natürlichen und anthropogenen Antriebe, 1910- 2000 ..................... 4
Abbildung 3. Globale kumulative CO2 Emissionen von 1990 bis 2100 und Verteilung der
40 Szenarien in Gruppen nach höhe der Emissionen .................................................. 10
Abbildung 4. Prozess des Aufbaus eines zusammenhängenden Klimamodells am
Beispiel von Projektionen für Klimaänderung basierend auf Treibhausgasemissionen,
Strahlungsantrieb und Klimareaktionen ........................................................................ 14
Abbildung 5. Projektierte Emissionsszenarien 2000-2100 ohne weitere Klimapolitiks und
Multi-modellierte Mittelwerte und Spektrum der projektierten Lufttemperatur .............. 28
Abbildung 6. Veränderungen in Niederschlag (in %) gegen 2090-2099 im Vgl. zu
1980-1999 für Dezember, Januar und Februar und Juni, Juli und August ................... 29
Abbildung 7. Tabelle mit sechs Stabilisationsszenarien für Treibhausgase (CO2-eq in
ppm), Temperatur und Meeresspiegel nach dem IPCC ................................................ 32
Abbildung 8. Gesamter Strahlungsantrieb für RCP (2000-2100) und ECP (2100-2500)
für die repräsentative Durchschnittswerte jedes Szenario ............................................ 38
IV
1. Einleitung
Die Gegenwart wird von Bevölkerungs- und Wirtschaftswachstum, technischen und
industriellen Entwicklungen, und dadurch gewichtige Benutzung von natürlichen
Ressourcen und Umweltdruck charakterisiert. Der Umweltkrise zählt sich der
Klimawandel hinzu. Zusammen bestimmen sie die zukünftige Versorgung von
Ressourcen, Lebensqualität und Entwicklung voraus. Klimawissenschaft und Forschung bekommen in diesem Kontext eine wichtige Rolle, da sie für das Erarbeiten
von Entwicklungsstrategien in Politik, Gesellschaft und Wirtschaft vonnöten sind. Für
diese Zwecke gewinnen Klimaprojektionen an Bedeutung.
Klimaprojektionen werden viel diskutiert und unterliegen strenge Herausforderungen.
Vor allem die Ergebnisse, Ausgangsdaten und Methoden werden in Frage gestellt. Trotz
Kritiken, Fehler und Mängel, finden Klimaprojektionen für die Zukunft ihre
Rechtfertigung in dem humanes Bedürfnis nach wissenschaftlichen Kenntisse für kurzund langfristige Versorgung, Planung, Mitigation des Klimawandels, Energiegewinnung
u.a., zum andern für das Erarbeiten von Kriterien, Beurteilungen und Entscheidungen.
Die vorliegende Arbeit befasst sich mit dem Thema der Klimaprojektionen für die
Zukunft. Dabei werden die Zukunftszenarien, Projektionen, Modelle und ihren
Ergebnisse vorgestellt. Zuerst wird eine Einführung im Klimawandel, Beobachtungen
und Projektionen gegeben. Im Kapitel 3. werden die Zukunftsszenarien anhand des 4.
Asessment Report des IPCC beschrieben und ihre Bedeutung und Gebrauch erklärt.
Das vierte Kapitel stellt Methoden der Klimamodelle und
Unsicherheiten in der
Klimamodellierung dar. Eine Bewertung der Ergebnisse der Zukunftsszenarien erfolgt
im Kapitel 5. Kapitel 6 gibt ein weiteres Szenarioentwurf und ein Beispiel der
Projektionen für Peru. Zum Schluss wird das Fazit vollgezogen.
2. Einfürung in die Klimaforschung
1
Das Klima ist die statistische Zusammenfassung der Wettererscheinungen für einen
bestimmten Ort oder Gebiet über eine Referenzperiode von über 30 Jahren. Es umfasst
die natürliche Variabilität des Klimas, Extremwerte und Tendenzen (DWD, 2012). Der
Vergleich mehrerer Referenzperioden zeigt, dass Änderungen im Klima stattfinden.
Eine Definition zu Klimawandel wird vom Intergovernmental Panel on Climate Change
(IPCC) als eine signifikante Änderung im Klimazustand wegen Veränderungen in
Mittelwerten und Variabilität, die über einen längeren Zeitraum stattfindet und durch
natürliche und anthropische Faktoren verursacht wurde, gegeben (Pachauri und
Reisinger, 2007). Dagegen bezieht sich die Defintion vom United Nations Framework
Convention on Climate Change (UNFCC) nur auf dem gegenwärtigen Klimawandel,
verstanden als eine Klimaänderung, die direkt oder indirekt durch menschliche
Aktivitäten ausgelöst wurde, die Komposition der Atmosphäre umformt und sich zu der
natürlichen Klimavariabilität zuzählt (Pachauri und Reisinger, 2007).
Beobachtungen, die den Klimawandel befürworten, sind beispielsweise seit Aufnahmen
von Köppen 1881 zu finden. Die untere Abbildung stellt publizierte Aufnahmen von
Änderungen der landoberflächlichen Temperatur dar (Solomon et al., 2007). Die
Ordinate zeigt die Temperaturabweichungen von der Normalperiode 1961-1990 und die
Abzisse die Zeit. Es wird einerseits deutlich, dass klimatische Schwankungen immer
vorkommen, z.B. mit einer dekadalen Variabilität, aber dass diese nicht vorherzusagen
sind. Andererseits kann festgestellt werden, dass bei alle abgebildeten Daten ab 1900
eine Tendenz von einer Erwärmung von 0,6°C im letzten Jahrhundert vorkommt.
2
Abb.1: Publizierte Aufnahmen von Änderungen der landoberflächlichen Temperatur, 1840-2000
(Genommen von Solomon et al., 2007, S. 101). Die Ordinate zeigt die Temperaturabweichungen vom
Wert der Normalperiode 1961-1990, während die Abzisse die Zeit angib.
Es wurden auch eine Erwärmung der globalen Oberflächentemperatur, verglichen mit
dem Durchschnittswert der Normalperiode 1961-1990, von 0,7°C seit 1850, sowie eine
Steigung der Meeresspiegels von 1,8 mm/a seit 1961 nachgewiesen (Pachauri und
Reisinger, 2007). Beobachtungen in Wasserhaushalt und ökologische Systeme für
1970-2004 deuten auch auf dem Klimawandel, sowie die Erhöhung der Temperatur und
Sauerung des Meeres, Eis- und Schneeschmelzen und Vertiefung des Permafrosts in
einigen Gebieten. Sie sind mit größer Wahrscheinllichkeit auf die erhöhte
Treibhausgaskonzentration in der Atmosphäre und deren Erwärmungseffekte durch
menschliche Aktivitäten zurückzuführen (Pachauri und Reisinger, 2007).
Eine Betrachtung der Trends in verschiedenen Zeitspannen kann auf heterogene
Ergebnisse führen. Die Erwärmung ist, zum Beispiel, intensiver die letzten 25 Jahre
(0.177°C) als der letzte 100-jährige Zeitraum (0.045°C). Dies führt zur Frage, welche
Zeitspanne relevant und ein richtiger Beleg für eine Klimawandelthese ist. Andererseits
versteckt ein globaler Durchschnitt die Unterschiede zwischen Landmassen und
Ozeane, sowie unter verschiedene Kontinente (Abb. 2). Abbildung 2 zeigt die
3
Temperaturanomalien des 20 Jh. im Vergleich zum Durchschnitt 1901-1950 für jede
Region. Die nördliche Hemisphäre erwärmte sich mehr als die südliche, genauso wie
industrielle Regionen mehr als Agrarflächen oder wie intrakontinentale Gebiete mehr als
die durch Maritimität geprägten Gebieten. Dagegen registrieren Temperaturen und
Eisverbreitung in der Antarktis keine mit den Klimawandel beziehten Trends (Pachauri
und Reisinger, 2007). Lokale Daten, die größere Unterschiede und heterogene Trends
aufzeigen, werden von regionalen Durchschnitte auch nicht repräsentiert.
Abb. 2. Beobachtete und modellierte globale und regionale Temperaturveränderungen mit natürliche und
anthropogene Antriebe zwischen 1910- 2000 (Genommen von Pachauri und Reisinger, 2007, S. 40). Die
Anomalien werden gegenüber dem Durchschnitt für 1901-1950 dargestellt. Die durchgezogene schwarze
Linie zeigt die dekadale Mittel der Beobachtungen zwischen 1901 und 2005; die punktierte Linie wo
räumliche Daten nur 50% vollständig sind.
Anhand der Beobachtungen wird dann untersucht, ob die Trends wirklich existieren und
4
wie sie sich weiterentwickeln werden. Um die zukünftige Entwicklung des Klimas zu
forschen werden Vorgehensweisen wie Szenarien und Projektionen hergestellt.
Projektionen können daher als einen Versuch der Erweiterung der Klimabeobachtungen
verstanden werden. Vorherige Anmerkungen stellen Herausforderungen den
Wissenschaftlern, nicht nur gegenüber den vergangenen Entwicklungen, sondern auch
im Bezug auf Vorstellungen und Methoden zur Klimaforschung und ihre Interpretation.
Es wird befragt, auf wie lange es üblich ist, eine beweisgründige Projektion zu machen,
bis welchen zukünftigen Zeitraum Szenarien und Annahmen vertraulich sind oder mit
welcher Auflösung die Daten und Modelle verarbeitet werden sollen damit weder
präzisere Ergebnisse noch die einheitliche Funktionalität eines Systems verloren gehen.
Weitere Herausforderungen beziehen sich auf die Qualität, Anzahl und Art der
Ausgangsdaten, Annahmen für die Zukunft und Formeln der Modellen.
Folglich der eingeführten Problematik wird eine Bearbeitung der Klimaprojektionen für
die Zukunft in der vorliegenden Arbeit durchgeführt. Im nächsten Kapitel werden die
Zukunftsszenarien erklärt und ihre Bedeutung auf eine soziale, politische und
umweltliche Basis wird auch vorgestellt.
3. Zukunftsszenarien
Ein Klimaszenario ist eine zusammenhängende und vereinfachte Beschreibung wie sich
das Klimasystem in der Zukunft verändern kann (Silva, 2011). Sie sind für die
Forschung von potentiellen Auswirkungen vom anthropisch verursachten Klimawandel
hergestellt worden und dienen oft als Eingangsdata für Klimamodelle (Pachauri und
Reisinger, 2007). Für ihre Herstellung werden zusätzliche Beobachtungen von Klima
und sozioökonomische Entwicklung, sowie Projektionen benutzt. Es ist zu betonen,
dass sie als Vorstellungen und nicht als Prognosen der Zukunft oder gewünschte Pfade
zu verstanden sind und keine Wahrscheinlichkeiten um aufzutretten unterliegen
(Nakicenovic et al., 2000). Ein Emissionsszenario ist eine Darstellung der zukünftigen
Entwicklung von Emissionen, wie Treibhausgase und Aerosole, die auf Annahmen von
Antriebsfaktoren basiert. Davon werden Konzentrationsszenarien abgeleitet. In der
5
vorliegenden Arbeit werden die von Nakicenovic, Swart et al. (Nakicenovic et al., 2000)
publizierte Emissionsszenarien, die “SRES Szenarien”1, verarbeitet.
3.1. Beschreibung der Szenarien
3.1.1. Die SRES Szenarien
Die SRES Szenarien sind die Grundlage der IPCCs “Assessments of climate change”2.
Sie stellen dar, wie sich das Klima im nächsten Jahrhundert entwickeln kann, was von
Demographie, Wirtschaftswachstum, Technologiewandel, Energieversorgung und Verbrauch und von Änderungen in Landnutzung, also von individuellen und kollektiven
(v.a. politischen) Entscheidungen und Verhalten abhängt (Nakicenovic et al., 2000). Die
Diversität der Szenarien, Quellen und Methoden ist eine Vorstellung der möglichen
Zukunft und eine Maßnahme gegen Unsicherheiten (Nakicenovic et al., 2000).
Die SRES Szenarien umfassen verschiedene Annahmen und Projektionen laut der
Antriebe, welche die Storylines ausmachen. Storylines sind eine narrative Beschreibung
eines Szenarios oder Familie, die ihre Hauptmerkmale, Antriebe und Dynamiks
beinhalten, d.h. sie stellen verschiedene demographische, soziale, wirtschaftliche,
technische und umweltliche Entwicklungen und mögliche Emissionen dar. Sie sind in
vier Familien gegliedert (A1, A2, B1 und B2), die unterschiedliche Entwicklungswege
darstellen und in bestimmte Emissionsszenarien resultieren (Pachauri und Reisinger,
2007). Sie schließen Klimapolitiks, z.B. das Kyoto Protokoll, nicht ein. Die Szenarien
innerhalb einer Familie wurden mit sechs verschiedenen Modelle entwickelt, sodass
1
Special Report on Emission Scenarios- Scenarios, 2000, im Vergleich zu den IS92 Szenarien aus 1992.
2
Die Herstellung der Szenarien umfasste eine Literaturanalyse der vorherigen Szenarien; eine Analyse
ihrer Hauptmerkmale, Antriebe und Beziehungen; die Beschreibung und Quantifizierung von vier
Storylines; ein iteratives Mitarbeiten und eine offene Bewertung der Ergebnisse von Emissionen und
deren Implikationen, sowie Überprüfungen des IPCC Reports. Ihre Herstellung soll ihre Reproduktion
durch andere Wissenschaftlern ermöglichen (O. Davidson und B. Metz in Nakicenovic et al., 2000).
6
insgesamt 40 Szenarien entstanden3 ; davon sind 26 harmonisiert und die restliche
alternativ. Jede der sechs Gruppen (A1B, A1F1, A1T, A2 und B2) wird durch ein
illustratives Szenario räpresentiert, die die “Marker Szenarien” einbeziehen. Die Letzte
vertreten jede Familie da sie als der beste Ausdruck einer Storyline und der Modelle
eingeschätzt wurden. Szenarien lassen sich nach seiner Orientierung auf den Achsen
“Ökonomie- oder Umwelt-Schwerpunkt” und “globale Integration oder Regionalismus”
einordnen. So ergibt sich, dass A1 Familie eher global und ökonomisch, B1 global und
umweltlich, A2 regional und ökonomisch und B2 regional und umweltlich orientiert sind.
Folgende Antriebe werden berücksichtigt: Bevölkerungswachstum, Veralterung und
Urbanisierung; soziale und ökonomische Entwicklung, soziale und institutionelle
Veränderungen, Handel und Investitionen; Energieträger und -Verbrauch, Technologie,
Emissionen pro Sektor, Bau, Transport, Ressourcenverbrauch und Technologiewende;
Landwirtschaftsnutzung und Emissionen; Politik für Sozialhilfe, Innovation und
Entwicklung, Energie, Ackerbau, Ressourcenmanagement, Transport und Infrastruktur
(Nakicenovic et al., 2000).
Für Bevölkerung wurden drei Storylines entwickelt, die niedrigere Fruchtbarkeitsraten
und somit ein geringeres Wachstum als in 1992 annehmen(Nakicenovic in IPCC, 2005).
Die niedrige Projektion kombiniert niedrige Fruchtbarkeits- und Sterblichkeitsraten,
sodass gegen 2050 eine Bevölkerung von 8,7 Billionen erreicht wird und 2100 zu 7
Billionen sinkt. Diese Ziffern werden auch für Familien A1 und B1 angenommen. Die
mittlere Projektion, angenommen für B2 Familie, zählt mit 10,4 Billionen Menschen
gegen 2100, während die hohe Variante 15 Billionen für Familie A2 annimmt. Nach den
rezenten Szenarien altert die Bevölkerung mehr als früher (O’Neill in IPCC, 2005).
3
Die quantitative Szenarien wurden von den nächsten Modellen und Institutionen durchgeführt: Asian
Pacific Integrated Model (AIM), National Institute of Environmental Studies, Japan; Atmospheric
Stabilization Framework Model (ASF), ICF Consulting, USA; Integrated Model to Assess the Greenhouse
Effect (IMAGE), National Institute for Public Health and Environmental Hygiene und Dutch Bureau for
Economic Policy Analysis, Niederlande; Multiregional Approach for Ressource and Industry Allocation
(MARIA), Science University Tokyo, Japan; Model for Energy Supply Strategy Alternatives and their
General Environmental Impact (MESSAGE), International Institute of Applied System Analysis,
Österreich; und Mini Climate Asessment Model (MiniCAM), Pacific Northwest National Laboratory
(PNNL), USA. (Nakicenovic et al., 2000).
7
Im wirtschaftlichen Aspekt zeigt die niedrigste Projektion für weltweites
Bruttoinlandsprodukt 10-Fach höhere Werte als heute, die Höchste das 26-Fache. Im
Vergleich zu vorherigen Szenarien bleibt der BIP im Durchschnitt ähnlich. Andererseits
wird eine Einengung der Lücke des Einkommens zwischen Regionen, v.a. in A1 und B1,
angenommen. In Wirtschaftswachstum identifiziert man drei mögliche Szenarien: alle
Länder konvergieren im Arbeitsproduktivitätsniveau, sie konvegieren langsamer in
Wachstum und in unterschiedlicher Niveaus, oder sie konvergieren werder in
Wachstumsraten noch -Niveau (Oliveira Martins in IPCC, 2005). Wegen Unsicherheiten
in Energieressourcen und Technologiewende wird eine breite Reihe von Annahmen im
Bereich Energie verwendet. Da Technologie ein gleich wichtiger Antriebsfaktor als
Demographie und Wirtschaft ist, wird die A1 Familie in zwei Gruppen mit divergenten
Energie-Storylines und eine Mittelgruppe untergliedert. Die letzte, A1B, stellt Mittelwerte
bei alle Emissionsszenarien und Klimawandelprojektionen dar (Räisänen, 2007).
A1 wird durch ein schnelles Wirtschaftswachstum, eine gipfelnde Demographie gegen
2050 und neue effizientere Technologien charakterisiert. Weitere Merkmale sind eine
verstärkte Globalisierung, Kapazitätsaufbau und soziokulturelle Interaktionen, die zu
verminderte regionale Unterschiede in Einkommen führen. Sie wird in fossil intensive
Energien (A1F1), nicht fossile Energieressourcen (A1T) und balanzierte Energieträger
(A1B) untergliedert. B1 unterscheident sich von A1 indem eine konvergente Welt und
schnellere ökonomische Veränderungen in Richtung Dienstleistungen und
Informationswirtschaft, sowie saubere und ressourcen-effiziente Technologien
vorherrschen. Globale Lösungen der Probleme, Gerechtigkeit und Nachhaltigkeit
gehören auch zu B1. Mittlere Werten in Bevölkerungs- und Wirtschaftswachstum,
zusammen mit einem langsameren aber diversen Technologiewandel werden durch B2
repräsentiert. B2 setzt Prioritäten auf nachhaltige Problemlösungen, Umweltschutz und
soziale Gerechtigkeit auf lokale und regionale Ebenen. Dagegen stellt A2 eine
heterogene Welt mit Überwiegen der lokalen Identitäten dar. Das Wachstum der
Bevölkerung ist schnell; die regional orientierte Wirtschaft und die fragmentierte
Technologie entwickeln sich langsam (Nakicenovic et al., 2000).
8
3.1.2. Die quantitativen Szenarien
Szenarien können eher qualitativ oder quantitativ sein, wobei die Storylines der
qualitative Teil sind. Quantitative Szenarien beinhalten Emissionsszenarien, die die
Auswirkungen der Storylines über die Treibhausgasemissionen darstellen. Diverse
Antriebe können zu ähnlichen kumulativen Emissionen führen, während ähnliche
Szenarien unterschiedliche Emissionen auswirken können (Nakicenovic et al., 2000).
Emissionsszenarien falten sich mit der Zeit auf um Unsicherheiten und Rückkopplungen
umzufassen; manche zeigen Wenden und Vermischungen.
Kohlenstoffdioxid Szenarien beinhalten Emissionen aus Energie, Industrie und andere
Sektoren. CO2 aus Landnutzungsveränderungen werden v.a. durch eine Steigerung der
Ackerproduktivität und Waldverluste verursacht. Diese Emissionen gipfeln und sinken
gemäß den niedrigeren Bevölkerungswachstum gegen Ende des Jahrhunderts in
manche Szenarien. Abbildung 3 stellt die Projektionen für CO2 dar. Das gesamte
Spektrum der kumulativen Kohlenstoffemissionen gegen 2100 reicht von 770 bis 2540
GtC und besitzt eine hohere Variabilität als vorherige Szenarien (Nakicenovic et al.,
2000). Das Spektrum ist bei der A1 Familie am größten, während die Stabilisierung
schneller und niedriger in der B1 Familie ist. Die Szenarien werden in vier Klassen von
kumulativen CO2-Emissionen gruppiert. Niedrigere Projektionen (bis 1100 GtC) werden
vor allem von Familien B1, B2 und A1T repräsentiert; an der Mitte (1300 bis 1700 GtC)
befinden sich vor allem Szenarien der B2 und A1B Familien und in der hohen Klasse
(ab 1800 GtC) A1F1 und weniger A2. Die meisten Szenarien befinden sich in der mittelhohen und mittel-niedrigen Klassen (jw. 10 und 12 Szenarien), sodass ein Mittelwert
von 1500 GtC von der Mehrheit und das illustrative A1B angedeutet wird. Unter den
Auswirkungen eines wärmeren Klimas wird eine reduzierte Fähigkeit der Erdsysteme
CO2 aufzunehmen erwartet. Damit wurden große Teile der anthropogenen Emissionen
in der Atmosphäre bleiben und die Rückkopplung verstärkt sich (Meehl et al., 2007).
9
Abbildung 3. Globale kumulative CO2 Emissionen (GtC) von 1990 bis 2100 (oben) und Verteilung der 40
Szenarien in Gruppen nach höhe der Emissionen (unten). Die durchgezogene Linie in der oberen
Abbildung zeigt das illustrative Szenario. Das Spektrum aller Emissionsszenarien und das von IS 1992
wird gezeigt. (Genommen von Nakicenovic et al., 2000).
Szenarien für Distickstoffmonoxid und anthoropogenes Methan zeigen gleichfalls ein
breites Spektrum gegen 2100 und eine Reduzierung ab 2050 (Nakicenovic et al., 2000).
10
Ursachen liegen in der Reduktion des Bevölkerungswachstums und Verbesserung der
Landwirtschaftsproduktivität. Bei N2O ist eine starke Tendenz zur Stabilisierung zu
erkennen. Alle Szenarien außer A1T zeigen einem gemeinsamen Bereich von 9 bis 15
Mt Stickstoffemissionen pro Jahr, wobei A1B Szenario um die 6 Mt N/a liegt. Die
niedrigste Emissionsraten beider Gase liegen bei A1T, gefolgt von B1. Gesamte CH4
Emissionen liegen zwischen 230 und 1030 Mio T/a. Die höchste Emissionen liegen
weitgehend bei Gruppe A2, während bei den anderen Familien einen Mittelwert von
450- 500 Mt CH4/a festgestellt werden kann. Hohe Werte bei A2 lassen sich durch
hohes Bevölkerungswachstum und sehr langsame Modernisierung der Landwirtschaft
erklären.
Hydrofluorokohlenstoffe (HFC) zeigen niedrigere Werte als in frühere IPCC Szenarien.
In A1 und B1 steigen die Emissionen schnell nach 2050; dagegen ist diese Erhöhung
langsamer oder wird reduziert in A2 und B2. Es muss in Erinnerung gebracht werden,
dass freigesetzte HFC jahrzehntenlang in der Atmosphäre bleiben. Schwefeldioxid
Emissionen liegen unter 100 Mt S/a (Nakicenovic et al., 2000). Nach einer initiellen
Erhöhung sinken sie in den meisten Szenarien und gehen einen Stabilisierungstrend
ein, der zwischen 20 und 80 Mt S/a liegt. Die Ursache davon findet sich in der
legislativen Kontrolle dieser Emissionen in Europa, Nordamerika, Japan und einige
Länder Asiens, sowohl als in strukturellen Veränderungen im Energiesystem. Ozon
besitzt eine kurze Lebensdauer und wird durch Emissionen von CH4, CO, NO und
volatile organische Stoffen beeinflüsst. Die Projektionen zeigen eine Zunahme des
troposphärisches Ozon von 11,4 - 20,5 Dobson Units (DU) gegen 2100 (dies entspricht
einen Strahlungsantrieb von 0,4 - 0,78 W/m2) und eine Zunahme des stratosphärisches
Ozon von 7,5 - 9,3 DU (Strahlungsantrieb von 0,15 - 0,17 W/m2) (Meehl et al., 2007).
3.2. Bedeutung der Szenarien
Szenarien zeigen die Auswirkungen und Verflechtungen verschiedener Sozial-,
Wirtschafts- und Technologieentwicklungen auf Emissionen, Klima und Umwelt. Sie
werden für die Darstellung, Analyse und Projektion des Klimawandels, der möglichen
11
Auswirkungen der Antriebe über Emissionen, der Untersuchung von Zusammenhängen
zwischen Entwicklungsrichtlinien und Umweltqualität oder für die Beurteilung von
Unsicherheiten verwendet (Obasi und Töpfer in Nakicenovic et al., 2000).
Mithilfe der Szenarien werden Ziele gesetzt, dargestellt und erzielt (WBGU, 2011). Im
Bereich Entwicklung und Naturschutz beispielsweise, können nachhaltigen Entwicklung,
soziale Gerechtigkeit oder erneuerbare Energien erzielt werden (Silva, 2011). Unter
anderen können Naturschutz- oder Landwirtschaftsflächen, Ressourcenbedarf,
Energieversorgung, Siedlungsfläche oder Gesellschaftsdienste eingeschätzt und die
nötigen Maßnahmen genommen werden. Die Bedeutung von Szenarien liegt deshalb in
humane und ökologische Grundlagen.
Man kann zusammenschließen, dass Zukunftsvorstellungen für das Treffen von
Entscheidungen entwickeln werden. Somit werden Szenarien überwiegend für Planung
verwendet. Mit langfristigen Szenarien können mittelfristig akkurate Entscheidungen (20
Jahren) anhand komparativer Analysen getroffen werden. Zukunftszenarien sind also
zweckvoll in strategische Planung gegenüber Risikos, Ressourcen und Demographie,
aber auch in der Einführung von Emissionskontrollen, Mitigation und Anpassung
einsetzbar (Nakicenovic et al., 2000). Mitigation ist im Kontext des Klimawandels von
großer Bedeutung um Kosten der Aufbereitung und Wiederaufbaus niedrig zu halten,
aber auch um Risikos vorherzusehen, Auswirkungen zu reduzieren oder zu vermeiden.
Im Bereich Ökologie warnen die Szenarien vor irreversiblen Schäden.
4. Klimaprojektionen
Unter den Methoden zur Klimaforschung befinden sich die klassische Statistik und
Diagnostik, numerische Experimente und Klimamodellierung (Gates, 2003). Dieses
Kapitel befasst sich mit der Modellierung für Klimaprojektionen. Zuerst wird eine
Definition der Klimamodelle gegeben, dann werden verschiedene Modelltypen und
zuletzt Unsicherheiten in der Modellierung vorgestellt.
12
Eine Projektion muss von einer Vorhersage unterschieden werden. Eine Vorhersage ist
eine Einschätzung der zukünftigen Klimaentwicklung mittels probabilistische Methoden.
Sie wird für Wetterprognosen und auf saisonalen und interanuellen Zeiträumen
verwendet (Pachauri und Reisinger, 2007). Eine Projektion ist das Durchlaufen eines
Modells; also ein Experiment, das Annäherungen an einer Realität ergibt (Collins,
2007). Unter Klimamodell wird eine numerische Darstellung des Klimasystems
bezeichnet, die auf den physikalischen, chemischen und biologischen Eigenschaften
und Prozessen der Klimakomponente, sowie auf deren Beziehungen und
Rückkopplungen basiert (Pachauri und Reisinger, 2007). Klimamodelle sind in Daten,
Auflösung und Formeln unterschiedlich aufgebaut, sodass sie je nach ihrer Komplexität
hierarchisch klassifiziert werden. Ihre geplante Anwendung bestimmt die im Modell
enthaltene Details und Vorgehensweisen der Modellierung. Die verschiedene Modelle
können großräumige Verteilung und klimatische Variabilität von Lufttemperatur und
Niederschlag, Strahlung, Wind, Schnee und Eis, Meeresspiegel, Ozeantemperatur, Strömungen und -Sauerung simulieren, sowie Kohlenstoffkreislauf, ENSO, Monsune,
Meeresniveaudruck, Zyklone, Stürme und MOC (Randall et al., 2007).
4.1. Klimamodelle
4.1.1. Klimamodelle
Alle Klimamodelle sind physikalische Gleichungen i.e.S. und aufgrund begrenzter
Rechnerfähigkeiten müssen Approximationen der Gleichungen und Vereinfachungen
oder Parametrisierungen von komplexen Klimaprozessen gemacht werden (Collins,
2007). Die Gleichungen werden dann für ein Koordinatensystem diskretisiert und die
Auflösung wird je nach Rechnerkapazität bestimmt (Randall et al., 2007). Zur
Herstellung einer Modellgleichung wird zuerst eine schematische Vorstellung der
Wechselwirkungsprozessen auf der Basis von Beobachtungen und theoretischen
Überlegungen entwickelt. Dies wird dann in einer Gleichung übersetzt (Roeckner,
2003). Da das Klimasystem komplexe Beziehungen und Wechselwirkungen auf
unterschiedlichen Skalas einschließt, können viele dieser Prozesse durch Gleichungen
13
im Koordinatensystem nicht gelöst werden und müssen durch Parametrisierungen
annähert werden. Ein Parameter oder Variable wird dann als Ersatz für ein Prozess
eingegeben, v.a. bei nicht völlig verstandene Klimaprozessen. Diese werden angepasst,
um die Simulation einer Variable zu optimizieren4 . Verschiedene Parametrisierungen
verursachen viele der Unterschiede in den Modellergebnissen (Randall et al., 2007).
Abbildung 4 zeigt der Prozess des Aufbaus eines zusammenhängenden Klimamodells
am Beispiel von Projektionen für Klimaänderung. Erste Eingangsdaten bestehen aus
Szenarien, wie z.B. Emissionen, wobei die Beobachtungen eingegeben und projiziert
werden. Dann wird Data der strahlungsaktiven Stoffen eingegeben, die in ihre
Projektionsgleichung Ergebnisse der vorherigen Projektion einbeziehen. Dieser Prozess
spiegelt sich in den Gleichungen von Antriebsfaktoren und Klimaentwicklung wieder. Die
Resultate der letzten Gleichung werden in vorherigen Gleichungen, wie z.B. der
Treibhausgaskonzentration, eingefügt. Auf dieser Weise werden Wechselwirkungen im
Klimasystem einbezogen. Andere Klimaprozesse und Rückkopplungen werden
gleichzeitig berechnet und manchmal als Parameter oder gekoppelte Modelle eingefügt
(Meehl et al., 2007). Bei der Lösung der numerischen Modellen müssen Rechenschritte
und Gitterintervale, Erhaltungseigenschaften (Masse, Energie und Enthropie) und
Formerhaltung berücksichtigt werden (Roeckner, 2003).
Abbildung 4. Prozess des Aufbaus eines zusammenhängenden Klimamodells am Beispiel von
Projektionen für Klimaänderung basierend auf Treibhausgasemissionen, Strahlungsantrieb und
4
Dieser Prozess wird auf Englisch “tuning” genannt.
14
Klimareaktionen. In jeder Phase des Modells, Einfügung der Daten und Gleichungen nehmen die
Unsicherheiten und Fehlerwahrscheinlichkeiten zu (Genommen von Meehl et al., 2007).
Mehrere Simulationen bieten ein breites Szenarienspektrum dar. Anhand Vergleiche
können Mittelwerte und beste Einschätzungen als repräsentative Simulierungen
dargestellt werden (Solomon et al., 2007). Mit Beobachtungen verglichene
Modellergebnisse liefern eine Einschätzung der Wahrscheinlichkeiten oder
Unsicherheiten in den Modellierungsfähigkeiten. Somit werden Unsicherheiten in den
Projektionen ermittelt. Andererseits liefern Vergleiche mit Beobachtungen oder
Proxydaten Beweise für Hypothesen in Klimaänderungen. Beispiele davon sind die
regionale Temperaturentwicklung im letzten Jahrhundert und die Tatsache, dass
natürliche Treiber sie allein nicht erklären, sodass anthropogene Treiber eine wichtige
Ursache des Klimawandels seit 1900 n.Ch. sind (Solomon et al., 2007).
Modelle werden daher getestet, untersucht und diskutiert. Fortschritt wurde im
Verständnis der Unterschiede in Klimasensitivität zwischen den Modellen gemacht,
wobei anerkannt wurde, dass Wolken-, Wasserdampf- und Eisrückkopplungen noch
unsicher sind und große Auswirkungen im Klimasystem haben. Verbesserungen wurden
in der Auflösung, Rechnerfähigkeiten und Parametern, sowie in Simulationen von
gegenwärtigem Klima mit AOCGM, Klimavariabilität, extreme Wetterereignisse und
tropische Zyklonen erreicht (Randall et al., 2007).
4.1.2. Modelltypen
Generell werden einfache Klimamodelle (Simple Climate Models, SCM), Modelle
mittlerer Komplexität (Earth System Models of Intermediate Complexity, EMICs),
Modelle der allgemeinen Zirkulation (Global Climate oder General Circulation Models,
GCM) und Regional Climate Models (RCM) unterschieden. Energiebilanzmodelle
werden zu den SCM gezählt. Komplexere gekoppelte Modelle wurden aus
Atmosphären- und Ozean-GCM entwickelt. Folglich werden SCM, EMICs, GCM,
AOCGM u.a. Modellen, sowie Ensembles vorgestellt.
15
4.1.2.1. Simple Climate Models (SCM)
Seit den 60er Jahren entwickelte man einfache Klimamodelle für Klimaforschung. Ihr
Hauptvorteil ist, dass sie wegen ihrer einfachen Struktur sehr rechnerökonomisch sind.
Sie ermöglichen schnelle Aussagen und komprensive Analysen der globalen
klimatischen Wechselwirkungen. Dagegen aber schließen sie wenige Prozesse ein,
sodass ein Verlust an Information und Zuverlässlichkeit folgt (Egger, 2003).
Energiebilanzmodelle (EBM) sind als eindimensionale Strahlungskonvektionsmodellen
entstanden, die Wärmeübergänge durch Strahlung und Konvektion mit einer
gegebenen Temperaturverteilung berechnen (Collins, 2007). Sie vernachlässigen die
Dynamik der Atmosphäre. Eisbedeckung und Albedo spielten eine ausschlaggebende
Rolle in der Entwicklung der EBM. Auch die Behandlung von vertikalen und horizontalen
Energieflüsse als Parametern, der Temperatur als Variable, Bewölkung, Wasserdampf
und Strahlungsprozesse wurden in diesen Modellen hinzugefügt (Egger, 2003). Sie
werden zurzeit in gekoppelten Modellen als Darsteller der Atmosphäre eingefügt und
dienen zur Herstellung von zahlreichen Ensembles für das Finden von Unsicherheiten
in Parametern und für das Testen von Hypothesen (Gates, 2003).
Statistisch-dynamische Modelle basieren auf alle Grundgleichungen der Atmosphäre
und repräsentieren ihre turbulente Zirkulation dank der Berücksichtigung der
großflächigen Gesamtwirkung von Druck, Temperatur, Wärme- und Impulstransport
(Egger, 2003). Jedoch umfassen sie Wirkungen auf Ozeane nicht. In stochastischen
Modellen wird das Klimasystem in schnellen und langsamen Komponenten und die
Atmosphäre in konstante und variable Komponenten zerlegt. Die variablen Prozesse
der Atmosphäre werden stochastisch beschrieben und verursachen Auswirkungen auf
Ozeane, die auch im Modell berechnet werden. Schachtel- oder Boxmodelle
repräsentieren die Zirkulation von Atmosphäre, Ozean oder beide indem sie starke
Vereinfachungen der Systeme durch eine bis mehrere Schachteln darstellen. Die
Gleichungsstruktur umfasst in der Regel alle Variablen, die komplexeren Modellen auch
beinhalten (Egger, 2003). Es gibt auch SCM für gekoppelte Systeme. In solche SCM
werden Atmosphäre, Ozean, Cryosphäre und Vegetation durch zugeschaltete Schemas
16
oder Kreislaufe, Einfügung oder Parametrisierung ihrer Prozesse im Modell in
Zusammenhang gebracht. Andere SCM stellen ENSO Prozesse dar, die auch durch
Schachtelmodelle beschrieben werden. Schließlich gibt es auch Zirkulationsmodelle,
die eine reduzierte Auflösung besitzen und noch Hoch- und Tiefdruckgebiete erzeugen
(Egger, 2003).
SCM können mit anderen Kreislaufmodellen berechnet oder an komplexeren Modellen
gekoppelt werden. Heutzutage ist die Entwicklung, Benutzung und Kenntniss von
Klimamodellen weit fortgeschritten, sodass einfache Klimamodelle vor allem aufgrund
der Möglichkeit, in langen Zeitskalen zu modellieren, verwendet werden (Egger, 2003).
4.1.2.2. Earth System Models of Intermediate Complexity (EMICs)
Die Vielfalt der Modellen mittlerer Komplexität stellt eine Brücke zwischen SCM und
AOGCM. Deren Entwicklung ermöglicht Forschungen des Erdsystems, vergangene und
zukünftige Klimaänderungen und Wahrscheinlichkeitseinschätzungen der Ergebnisse
mit eingeschränkter Rechnerkapazität, weil ihre Vereinfachung von horizontalen
Auflösung, Prozesse oder Klimakomponenten noch lange Simulierungen und
Ensembles erlaubt (Randall et al., 2007). EMICs erlauben jedoch nur akkurate
Aussagen in große zeiträumliche Skalas, wobei ihre Ergebnisse mit den von
gekoppelten Modellen, z.B. für globale Temperatur und Meeresniveau, gut vergleichbar
sind (Meehl et al., 2007). Sie liefern relativ realistische zwei- bis dreidimensionale
Darstellungen von Atmosphäre oder Ozean und manche beziehen Vegetationsdynamik,
Kohlenstoffkreisläufe und Chemie der Atmosphäre ein (Meehl et al., 2007).
Ein EMIC resultiert aus dem Ausgleich zwischen die Anzahl der im Modell
repräsentierten Klimakomponente, die Anzahl der simulierten Prozesse und das Detail
der Darstellung (Randall et al., 2007). Manche EMICs beziehen so viele Komponente
wie möglich ein und vereinfachen Prozesse und Auflösung stärker, während andere
wenige Komponente aber ein detailierter Prozess darstellen. Sie sind in der Regel
dynamisch und umfassen viele der Komponente, die auch in AOGCM enthalten sind.
17
Jedoch ist der Generalisierungsgrad zwischen den Modellen unterschiedlich und die
Klimaprozesse und -Sensitivität starkt parametrisiert.
Bespiele ihrer Anwendung sind in der Simulierung der globalen Lufttemperatur, von
Ozeanströmungen unter verschiedene CO2-Konzentrationen und Frischwasserzufuhr
oder von Änderungen im Meeresspiegel zu finden. Letztere können durch komplexere
mit EBM gekoppelten Ozeanmodelle dargestellt werden, sowie durch ein einfaches
dreidimensionales Ozeanmodell mit gekoppeltem Atmosphäremodell (Randall et al.,
2007). EMICs können auch terrestrische Prozesse wie Kohlenstoffkreislauf mit
Vegetations- und Bodenprozesse oder Wechselwirkungen zwischen Bodenfeuchtigkeit
und Niederschlag schildern.
4.1.2.3. General Circulation Models (GCM)
GCM beschreiben mittels mehreren Variablen und bessere Auflösungen eine
großräumliche und dredimensionale Struktur auf der Basis dynamischer Gleichungen
der Zirkulation und Energiezuflüsse. Da sie rechnerisch aufwändiger sind, ermöglichen
sie wenige Durchführungen oder kleinere Ensembles mit hoch entwickelten Computern
(Collins, 2007). Sie werden in Simulationen angewendet, z.B. von Paläoklimaten oder
Klimasensitivität (Gates, 2003). Ein GCM basiert auf dem 2. Bewegungsgesetz von
Newton und auf dem 1. Hauptsatz der Thermodynamik. Es berücksichtigt Gesetze der
Massenkontinuität, die hydrostatische Beziehung und die thermodynamische
Zustandsgleichung als die drei zeitunabhängige Beziehungen (Roeckner, 2003).
Anfangs- und Randbedingungen, sowie das Koordinatensystem, müssen spezifiziert
werden. Horizontale Koordinaten und Gitterpunkte werden in der Regel durch Längenund Breitengrade definiert. Ähnlich zu den GCM funktionieren Regional Climate Models
(RCM) für das gesamte Klimasystem, Atmosphäre oder Ozean; allerdings verwenden
sie Auflösungen von ca. 50km und vermindern somit Unsicherheiten (Räisänen, 2007).
a) Atmosphären GCM
GCM für Atmosphäre simulieren u.a. oberflächliche Temperatur, Niederschlag, Feuchte,
Energiehaushalt und Strahlungsbilanz am oberen Ende der Atmosphäre. Die
18
Parametrisierungen beinhalten Strahlungs-, Konvektions- und Wolkenprozesse, sowie
Prozesse an der atmosphärischen Grenzschicht und an der Erdoberfläche. Eine
Darstellung von Raum- und Zeitkoordinaten erfolgt durch Diskretierungen, z.B durch die
Gittermethode, Spektralmethode und Ikosaeder-Gitterverfahren. Der untere Rand ist die
Erdoberfläche und der obere liegt meistens in der Stratosphäre (30-50 km Höhe)5.
Spurenstoffen, darunter Wasserdampf das wichtigste, werden mit Bilanzgleichungen
berechnet. In manche Modellen werden auch Wolkenwasser und -Eis, Regen und
Schnee als Variablen behandelt, in den meisten aber nur vereinfacht ermittelt.
Treibhausgase und Aerosole sind vorgeschrieben. In komplexeren Modellen wird auch
die chemische Zusammensetzung der Atmosphäre durch biogeochemischen
Kreislaufmodellen berechnet. Vereinfachungen sind in der hydrostatischen
Approximation, die zu einem Gleichgewicht von Druckgradient- und Schwerkraft führt,
und in der Trägheit der Erdrotation zu finden. Kräfte wie Druckgradient, Windadvektion,
Corioliskraft und Reibung werden für Impulssteuerung berücksichtigt, während
Temperaturänderungen durch Advektion, adiabatische Kompression/Expansion und
Änderungen vom Wasserzustand stattfinden (Roeckner, 2003).
b) Ozean GCM
Ozean GCM sind sehr komplex, umfangreich und divers aufgrund der Komplexität und
Vernetzung der Prozesse auf denen sie beruhen. Manche Modelle beinhalten
Berechnungen der Flüssigkeitsdynamik auf realistische Ozeanbecken, Simulierungen
von globalen oder regionalen Strömungen, Salzgehalt, Wärmetransport und
Speicherkapazität (Gates, 2003). Berücksichtigte Prozesse, die an der Oberfläche und
Bodengrenzschichten verlaufen, umfassen Austausche mit der Atmosphäre, Meereis
und Süßwasser, sowie windinduzierte Bewegungen, Wellen und Vermischungen. Die
meisten Prozesse erfordern Energie, sodass ihre Parametrisierung auf Energiebilanzen
und Stabilitätsrechnungen basiert. Approximationen stehen für hydrostatischen Druck,
Schallwellen und Volumenerhaltung; Wasseraustausch und Zustandwechsel an der
Oberfläche werden vernachlässigt. Das Koordinatensystem besteht aus Gittern mit
5
Obwohl bei Untersuchungen der oberen Atmosphäre bis 120 km Höhe berechnet werden.
19
einer Auflösung von 1- 2 Breitenlängen (Randall et al., 2007). Bessere Auflösungen von
1/6 bis 1/3 Grad können kleinskalige Vermischungen und Wirbeln simulieren. Vertikale
Koordinaten können u.a. Dichteflächen als Koordinatenflächen verwenden.
Schwierigkeiten sind in der Verknüpfung von Prozessen unterschiedlicher Natur,
zeitlicher und räumlicher Skalen, sowie in Datenverfügung und Verifikation zu finden.
Auch tretten sie bei der Auswahl der hydrologischen und thermodynamischen
Erhaltungsgleichungen auf. Herausforderungen liegen bei der Darstellung und
Formulierung von Eigenschaften der Tiefsee, Strömungen und kleinskalige Prozesse,
Austausch zwischen Atmosphäre und Ozean, thermohalinen Zirkulation und schließlich
im Transport und Speicherkapazität von Wärme und Spurenstoffen (Gerdes et al.,
2003). Probleme tretten auch in der nördlichen oberflächlichen Zirkulation und ihre
Auswirkungen in Eis-Albedo Rückkopplungen (Randall et al., 2007).
4.1.2.4. Gekoppelte Modelle
Komplexe gekoppelte Atmosphären-Ozean-GCM (AOGCM) wurden gegen den 1980er
Jahre entwickelt. Sie ergeben die besten Darstellungen vom Klimasystem; ihre stärkste
Limitierung ist der rechnerische Kost. Sie integrieren in einem realistischen Raum die
Gleichungen von AGCM und OGCM und fügen die Ergebnisse gegenseitig als
Eingangsdaten der anderen Gleichung ein. Infolge ihrer Komplexität werden sie
großskalig in Simulationen von Regionen, Klimavariabilität, Extremereignisse und
Rückkopplungen eingesetzt (Gates, 2003). Sie führen Simulierungen auf
jahreszeitlichen, interannuellen und jahrhundertlichen Skalen, z.B. mit einer Auflösung
von 250 km, durch (Räisänen, 2007). AOGCM-Ensembles werden auch für
Simulationen von CO2, Wolkenwasser und -Eis und Sulfataerosole verwendet (Meehl et
al., 2007). Unsicherheiten in den AOGCM tretten bei Wolken-, Meer- und EisRückkopplungen, globale Albedo und an den Grenzschichten auf.
AOGCM sind für ENSO Simulationen bekannt. Die Modellgleichungen gehen auf den
im zentralen Pazifik aufgelösten Rossby- und Kelvinwellen und den interannuellen
Schwankungen zurück. Außerdem wurde anhand AOGCM-Analysen die Bedeutung der
20
oberflächlichen Wasserzuflüsse-Rückkopplungen in der MOC besser erfoscht. GCM
und AOGCM werden für folgende Systeme benutzt: nördliche und südliche “annular
Modus”, Verteilung von kaltes Meer und warmes Land, Monsunvariabilität, atlantische
multi-dekadale Varibilität, interannuelle Oscillationen, Temperaturextrema, Regime von
Niederschlag und tropischen Zyklone (Randall et al., 2007).
4.1.2.5. Andere Modelle
a) Meereismodelle
Die saisonalen Schwankungen in Ausdehnung, Dicke und Drift des Meereises können
durch thermodynamische und dynamisch-thermodynamische Modelle beschrieben
werden. Sie schließen Strahlung, Wärmetransport, Wind- und Ozeanprozesse in
Gesetzen der Festkörperphysik und Thermodynamik ein (Lemke und Hilmer, 2003).
Probleme tretten bei der Simulation von Windeinflüsse und Mischungen im Ozean auf
(Randall et al., 2007). Thermodynamische Modelle befassen sich mit der Energiebilanz
an der Eisoberfläche und mit Wärmeleistungsgleichungen zwischen Ozean,
Atmosphäre und Kryosphäre. Im Vergleich dazu berücksichtigen dynamischthermodynamische Modelle auch die Meereisbewegung. Am besten wird
Meereisdynamik mit einem viskös-plastischen Deformationsgesetz beschrieben (Lemke
und Hilmer, 2003). Meereis kann auch durch regionale AGCM simuliert werden.
b) Inlandeismodelle
Die Veränderung der Eisschilde bzw. ihrer Antriebe sind aufgrund Albedo,
Rückkopplungen, Wasservorkommen und Wechselbeziehungen im Klimasystem für
Klimaprojektionen bedeutsam. Projektionen müssen Eisschilde als eigenständige
Komponente ab Zeiträumen von Jahrhunderten einschließen; für Projektionen unter ein
Jahrhundert können sie vernachlässigt werden (Greve, 2003). Eisschildmodelle werden
für Simulierungen des Paläoklimas, aktueller Eisschilde oder Zukunftsszenarien
eingesetzt. Sie simulieren Dicke, Ausdehnung, Geschwindigkeit und Wassergehalt im
Eisschild. Sie benötigen Eingaben für Eiseigenschaften, Schneefall, Schmelzen,
21
Temperatur an der Oberfläche, Meeresspiegel, geotherme Wärmefluss und
Gesteinseigenschaften (Greve, 2003).
4.1.2.6. Ensembles und Validierungen
Ein Ensemble ist die Durchführung von mehreren Simulationen mit leicht veränderten
Anfangsbedingungen (Schnur und Hegerl, 2003), d.h. eine Gruppe vergleichbarer,
strukturell koordinierte Simulationen mit demselben Modell oder mit verschiedenen
Modelle (“multi-model Ensemble”). Sie liefern eine Menge an Simulationen, die dann
zur Einschätzung der Wahrscheinlichkeiten, Durchschnittswerte und Rang der
Ergebnisse verwendet werden. Daher werden sie als “ensemble of opportunities”
bezeichnet. Die Ergebnisse großer Ensembles zeigt sehr gute Korrespondenzen mit
den Beobachtungen und die resultierende Information wird als quantitatv und qualitativ
besser eingeschätzt (Meehl et al., 2007).
Ein Ensemble mit demselben Modell -selbe Struktur aber veränderte Parameternuntersucht die Unsicherheiten in Klimavariabilität, während ein multi-model Ensemble
die Differenzen in den Modellen zeigt und für probabilistische Vorhersagen dient
(Randall et al., 2007). “Perturbed physics ensembles” verändern absichtlich ein
Parameter, um die Auswirkungen im Ergebniss und die Unsicherheit zu berechnen.
Ähnlicherweise fügen stochastische Parametrisierungen absichtliche Störungen in
kleinskaligen Prozesse hin um die Auswirkungen in große Skalas zu untersuchen
(Knutti et al., 2010). Schließlich wird durch das Downscalling Information
großräumlicher Skalas zu kleine Skalas abgeleitet mithilfe aus GCM abgeleiteten
Modelle oder Statistik aus Beobachtete Daten.
Es existiert eine Reihe von Validierungsmethoden für Simulationen und
Modellevaluationen, sowie von Evaluierungsgruppen und -Zentren. Modelle für
Wettervorhersagen können ziemlich schnell evaluiert werden, da ihre Ergebnisse mit
den später beobachteten Daten verglichen werden. Klimamodelle, die ähnlich
aufgebaut sind, können auf der Basis dieser Modelle angepasst werden. Solche
Verifikation ist aber bei den meisten Klimamodellen nicht möglich, weil
22
Klimaprojektionen mit Zeiträumen von mehreren Jahrhunderten rechnen. Sie werden
deshalb geprüft, indem sie Simulationen des historischen Rekords oder von
Paläoklimaten durchführen. Klimamodelle müssen als System und in Komponenten
zerlegt geprüft werden (Roeckner, 2003).
Einzelne Simulationen ermöglichen aber keine Schlussfolgerungen über die
Modellqualität, sodass Ensembles verwendet werden. Es wird die Verteilung aus vielen
Modellexperimenten analysiert, daraus eine Verteilungsfunktion abgeleitet und dann die
Anomalien gegenüber Durchschnittswerten bewertet (Roeckner, 2003). Mit dieser
Methode können auch wahrscheinliche Vorhersagen abgeschätzt werden, wobei
geringe Diskrepanzen zwischen mehrere Projektionen eine eher gute Projektion deuten.
4.2. Probleme und Vorgehensweisen gegenüber Unsicherheiten in der
Modellierung
4.2.1. Unsicherheiten und Herausforderungen
Fehler und Imperfektionen der Modelle resultieren aus Limitierungen in
Rechnerkapazität und Verständis der klimatischen Prozessen, die den Zweifel an den
Modellierungsergebnissen verursachen (Collins, 2007). Unsicherheiten können schon
im Modellaufbau enthalten sein und tretten im Prozess der Modellierungen in jeder
Phase ein (s. Abb. 4). Daher breitet sich das Risiko möglicher Fehler auf und deren
Folgen vergrößern sich. Eine andere Quelle der Unsicherheiten liegt bereits in den
Klimadaten. Datenaufnahme und -Verfügung, zusammen mit ihrer Qualität, können ab
den ersten Schritten der Projektion zu Fehlern führen (Annan und Hargreaves, 2007).
Daher werden Unsicherheiten mit zunehmenden Zeiträumen größer.
Modellierungen stellen allerdings viele Schwierigkeiten hin. In kleinräumige
Simulierungen sind die natürliche Variabilität und Unsicherheiten über lokale Antriebe
und Rückkopplungen höher. Langfristige oder GCM Projektionen sind sensibler zu
Parametrisierungen der multidekadischen und zeitlich längere Klimaprozessen (Annan
23
und Hargreaves, 2007). Der Anfangszustand wird kurze Zeit nach dem Beginn der
Simulation nicht mehr gefolgt und die Ergebnisse hängen nur vom Modell und
Randbedingungen ab. Die wichtigsten Randbedingungen müssen berücksichtigt
werden, damit das Modell das Klima innerhalb seiner statistischen Variabilität und
Eigenschaften reproduzieren kann (Roeckner, 2003).
Fragestellungen in der Klimamodellierung bestehen in der zeitlichen und räumlichen
Auflösungen und in der Art und Weise der Parametrisierungen. Diskutiert wird auch wie
man kleinskalige Prozesse in der Modellierung einschließen kann und wie man
biochemischen Prozessen in Atmosphären-Ozean-Modellen einfügen kann oder ob sie
noch vernachlässigen werden können. Weitere Kritikaspekten sind in Konvektion,
Wolkenbildung und -Strahlung, Prozesse an der planetarischen Grenzschicht und
kleinskalige Effekte von Topographie, sowie Salz- und Energiemischungsprozesse in
den Ozeanen (Gates, 2003). Verbesserungen sind auch im Wasserkreislauf und
Landoberflächenprozessen notwendig (Schnur und Hegerl, 2003). Schnur und Hegerl
heben die Problematik hervor, dass Dynamiks und Wechselwirkungen im Klimasystem
besser verstanden werden müssen bevor sie in den Modellen korrekt eingegeben und
realistischere Ergebnisse erwartet werden können. Auch müssen die Simulierungen von
vergangenem und aktuellem Klima realistischer sein bevor eine völlige Glaubwürdigkeit
der Zukunftprojektionen angemommen wird (Schnur und Hegerl, 2003). Es muss auch
befragt werden, inwiefern Simulierungsergebnisse miteinander übereinstimmen und ob
ihre Differenzen die Einschätzung der Unsicherheit ermöglichen (Räisänen, 2007).
Für die Einschätzung der Gaubwürdigkeit und Qualität der Simulierungen werden
Modellvalidierungen, statistische Tests, Vergleiche mehrerer Modellen und Ensembles
durchgeführt (Schnur und Hegerl, 2003). Collins synthetisiert das Kernproblem bei der
Glaubwürdigkeit der Projektionen für Zukunftsszenarien folgendermaßen: “Model
imperfections, coupled with fundamental limitations on the initial-value prediction of
chaotic weather and the unknown path that society may take in terms of future
emissions of greenhouse gases, imply that it is not possible to be certain about future
24
climate” (Collins, 2007). Der Autor schließt, dass Klimamodellen immer imperfekt sein
werden.
Jedoch unterliegt die Glaubwürdigkeit von Simulationen das Verständnis vom gesamten
Klimasystem selbst, von externen und internen Einflüsse und nichtlinearen
Wechselwirkungen, sowie der korrekten Darstellung der Komponente und
Wechselwirkungen (Schnur und Hegerl, 2003). Anders ausgedruckt wird diese
Glaubwürdigkeit durch das Verständnis und die Kenntnis des Klimas beschränkt
(Randall et al., 2007). Die Bewertung der Simulierungen benötigt ein Verständnis der
Modellstruktur, wie zB. Parametrisierung und Auswirkungen der Klimasensitivität (Knutti
et al., 2010). Die Anzahl der Modellen in Ensembles, deren Unterschiede, Annahmen,
Abhängigkeit und Gewichtungen müssen auch berücksichtigt werden. Die
Glaubwürdigkeit einer Analyse benötigt zuletzt auch, dass die verwendete Klimadaten
und Vorgehensweisen zur Verfügung gestellt werden, sodass eine Reproduktion und
Verifikation der Experimente möglich sind.
Unterschiede und Unsicherheiten in modellierte Klimaprojektionen sind grundsätzlich
auf natürliche Klimavariabilität, Antriebe, Unsicherheiten bzw. Unterschiede in der
Modellstruktur und in Parametrisierungen zurückzuführen (Collins, 2007; Räisanen,
2007). Natürliche Klimavariabilität erfolgt aus täglichen Interaktionen im Klimasystem
und deutet auf der chaotischen nichtlinearen Natur des Klimas. Sie wird häufig als
anfangsbedingte Unsicherheit eines Modells behandelt. Da sie nicht komplett
berechenbar ist, wird sie mittels einer Quantifizierung der Modellunsicherheit gegeben
(Collins, 2007). Der Einfluss externer Antriebe kann mit statistischen Methoden ermittelt
werden. Unsichere Pfade der Antriebsfaktoren beruhen auf gesellschaftliche,
wirtschaftliche und technische Entwicklungspfade, sodass sie am schwierigsten zu
berechnen sind.
Auf der anderen Seite wird die Glaubwürdigkeit der Klimaprojektionen durch die
Tatsachen, dass sie von physikalischen Prinzipien und große Datenbanken abgeleitet
sind, sowie von den guten Modellfähigkeiten das Wetter, aktuelles Klima und
25
Paläoklima zu simulieren und durch die Übereinstimmungen unterschiedlicher Modelle
unterstützt (Räisänen, 2007). Diese Simulierungen verstärken die Sicherheit, dass
Klimamodelle das Klimasystem und -Mechanismen wiedergeben. Modellvergleiche aus
Ensembles, Übereinstimmungen mit Beobachtungen und Evaluationen sind weitere
Argumente dafür (Randall et al., 2007).
4.2.2. Vorgehensweisen zur Behandlung der Unsicherheiten
Eine akkurate Lösung um gründlegende und realistischere Klimaprojektionen zu
erzielen in der Verwendung von variierten und kombinierten Methoden liegt. D.h. eine
glaubwürdige Studie soll die Modellformulierung (Struktur und Parametern, die von
Klimaforschung abhängen), Hierarchie (verschiedene Komplexitätsgrade), Ensembles
und ihre Größe (wobei die Anzahl der Experimente von der Modellkomplexität und
Rechnerkapazität abhängt) und zuletzt die Qualität der Eingangsdata berücksichtigen.
Für eine rücksichtsvolle Behandlung der Modelle und Einschätzung ihres Realismus
gehen Annan und Hargreaves davon aus, dass alle Klimamodelle von der Realität
abweichen und bereits strukturbedingt limitierte Variablen und Klimadarstellungen
repräsentieren (Annan und Hargreaves, 2007). Daher gäbe es keine korrekte
Parametrisierung -nur bessere Annäherungen- und keine korrekte Methode für die
Untersuchung der Einschätzung von Unsicherheiten und Fehlern aller Modelle, sondern
müssen diverse Methoden je nach Modell und Zweck eingesetzt werden.
Diese müssen durch Studien in Modellformulierung, Tuning und Parametrisierungen
gesucht werden. Die meisten Analysen bestehen aus Evaluierungen je nach
Parametrisierungen. Die Evaluierung anhand Vergleiche mit Klimabeobachtungen oder
andere Modellergebnisse (Ensembles oder frühere Versionen eines Modells) wird
mittels diagnostische Methoden (Karten, Zeitreihen und Häufigkeitsverteilungen) oder
“performance” Messungen durchgeführt (Knutti et al., 2010). Komplexere
Einschätzungen basieren auf hierarchische Analysen, Filtern, Bayes’schen Methoden
und “Probability density functions” (PDFs) (Annan und Hargreaves, 2007).
26
Probabilistischen Vorhersagen werden durch verschiede Methoden hergestellt. Eine
vergleicht die Ergebnisse mehrerer Modellen und bestimmt darunter die beste
Simulierung für ein gegebenen Zweck. Die Abweichung dieser “best estimate” mit der
Realität wird als Diskrepanz bezeichnet (Collins, 2007). Ähnlicherweise verwendet das
IPPC das “Konvergenz-Kriterium”, also der meisten Einigungen in der Richtung der
Ergebnisse. Gewichtungen einer Unsicherheit werden auch durch die Beziehung zwei
abhängiger Variablen beschränkt, indem die Unsicherheit der beobachteten Variable auf
der gesuchten Variable projiziert wird. Es werden auch Wahrscheinlichkeiten für die
Bewertung der Verteilung einer Simulierung formuliert. Somit werden realistischere
Ergebnisse empfohlen und eine bessere Einschätzung der Repräsentativität der
Modellierung erreicht (Collins, 2007). Die Herausforderung liegt in der Entscheidung
und Berechnung der Gewichtungen. Das IPCC arbeitete Maßnahmen heraus, um sich
mit den Problemen von Daten- und Modellunsicherheiten, Begrenzung der
wissenschaftlichen Kenntnissen und Verständnis gegenüber den Prozessen zu
befassen. Unter diesen Maßnahmen zählen Erklärungen von Begriffen, Indexes und
Empfehlungen. Relevant sind “confidence”, “likelihood” und “Level of Scientific
Understanding” 6 (Pachauri und Reisinger, 2007).
5. Ergebnisse der Klimaprojektionen
In diesem Kapitel werden die Ergebnisse der Klimaprojektionen dargestellt. Zuerst
werden Projektionen über Temperatur, Niederschlag, Ozeane, Eis und extreme
Wetterereignisse, sowie Stabilisationsszenarien vorgestellt. Im zweiten Teil werden die
daraus abgeleitete Erwartungen über natürliche und menschliche Systeme, sowie
Anpassung und Mitigation präsentiert.
6
Eine Sicherheitsskala (“level of confidence”) wird für quantitativ verarbeitete Unsicherheiten in Daten,
Modelle und Analysen angewendet. Sie druckt die Chance für ein wahres Ergebnis aus: sehr hohe
Sicherheit (9/10 Chance) bis sehr niedrige Sicherheit (1/10). Eine Wahrscheinlichkeitsskala (“likelihood of
occurrence”) druckt die Wahrscheinlichkeit für das Auftretten eines Ergebnisses aus. Diese sind: virtuell
sicher (Wahrscheinlichkeit um aufzutretten >99%), über wahrscheinlich (>66%) bis virtuell unsicher
(<1%). Das LOSU ist ein Maß für das Verständnis von Strahlungsantriebe in Klimaänderungen, das die
Beweismengen und wissenschaftliche Einigung darüber berücksichtigt. Eine Skala wird daraus
abgeleitet: viel Einigung und viele Beweise (hohes LOSU) bis niedrige Einigung und wenig Beweise (sehr
niedriges LOSU) (Pachauri und Reisinger, 2007).
27
5.1. Bewertung der Klimaprojektionen
5.1.1. Temperaturprojektionen
Abb. 5 stellt die projektierten Emissionsszenarien und die projektierte Lufttemperatur
2000-2100 dar. Die rechte Abbildung lässt eine ein Erwärmungstrend von 0,2°C pro
Jahrzent feststellen. Selbst bei einer konstanten Konzentration der Emissionen im
Niveau 2000 wurde eine Erwärmung von 0,1°C pro Dekade erwartet sein (rosane Linie).
Die Bereiche der Modellierungen ist unterschiedlich hoch, wobei die beste
Einschätzung zwischen 1,8 und 4°C im Vgl. zum Niveau 1980-1999 liegt (Pachauri und
Reisinger, 2007). Anders ausgedruckt deuten die Projektionen für Klimasensitivität auf
einer Erwärmung im Bereich von 1,5 bis 4,5°C für eine Verdoppelung bzw.
Vervierfachung der CO2 Konzentration in der Atmosphäre (Meehl et al., 2007). Das
illustrative A1B Szenario zeigt eine Lufttemperaturerhöhung von 2,8°C gegen 2100.
Abb. 5. Links: Projektierte Emissionsszenarien 2000-2100 ohne weitere Klimapolitiks. Die Abzisse gibt die
Jahre und die Ordinate die globale Treibhausgasemissionen in Gt CO2-eq/a an (CO2, CH4, N2O und
HFC). Durchgezogene Linien stellen die Marker Szenarien dar, die punktierte Linien die gesamte Breite
der Szenarien und die graue Fläche das 80 Perzentil. Rechts: Multi-modellierte Mittelwerte und Rang der
projektierten Lufttemperatur. Unten wird die Zeit angegeben und auf der Ordinate die Lufterwärmung (°C)
im Vgl. zu 1980-1999. Durchgezogene Linien zeigen die multi-modellierten Mittelwerte, die gefärbte
Fläche ihre ±1° standarisierte Abweichung. Die rechten Spalten zeigen die Bereiche der jeweiligen
Szenarien (Genommen von Solomon et al., 2007).
28
Regional betrachtet ziehen sich beobachtete Trends weiter (s. Abb.2). Lufttemperatur
und ihre Variabilität in der Nordhemisphäre, auf Landmassen und in höheren nördlichen
Breiten werden zunehmen, hauptsächlich wegen der starken Kontinentalität.
Demgegenüber erwärmen sich Ozeane weniger, insbesonders die Nordatlantik,
Südpazifik und Antarktik (Solomon et al., 2007).
5.1.2. Niederschlagsprojektionen
Die multi-model Projektionen für Niederschlagsänderungen werden in Abb. 6
dargestellt. Die linke Karte zeigt die Veränderungen im nördlichen Winter, rechts im
nördlichen Sommer. Gefärbt sind de Flächen wo über 90% der Modelle in die Richtung
des Trends übereinstimmen. Die Projektionen deuten auf einer sehr wahrscheinlichen
Zunahme der Niederschläge in höheren Breiten, vor allem über den mittleren nördlichen
Breiten und auf der Antarktis in den respektiven Wintermonaten (eine Erhöhung von
über 20% im Vgl. zu aktuellen Werten). Das Pazifische Ozean im Bereich der ITC und
Ostafrika (in DJF) experimentieren auch starke Niederschlagszunahmen. Dagegen wird
eine Abnahme in den meisten subtropischen Landgebieten modelliert. Darunter zählen
der Mittelmeerraum, Zentralamerika und die westliche USA, die Karibik und die zentral
Atlantik, das Südostliches Pazifisches Ozean, Südwest Australien, Südost Brasilien und
Südafrika (JJA) (Pachauri und Reisinger, 2007).
Abb. 6. Veränderungen in Niederschlag (in %) gegen 2090-2099 im Vgl. zu 1980-1999 für Dezember,
Januar und Februar (links) und Juni, Juli und August (rechts). Werte basieren auf Ergebnisse des A1B
29
Szenario. In den gefärbten Zonen stimmten über 90% der Modelle in die Veränderungsrichtung überein
(Genommen von Solomon et al., 2007).
Deswegen wird mit hoher Sicherheit projiziert, dass der Abfluss und verfügbares
Wasser gegen Mitte des Jahrhunderts in höhen Breiten zunehmen werden, dagegen in
den erwähnten Trockengebieten in tropischen und mittleren Breiten abnhemen.
5.1.3. Projektionen für Ozeane
Neben der Erwärmung der Ozeane werden eine Steigerung des Meeresspiegels und
eine Sauerung der Ozeane projiziert. Die Steigerung des Meeresspiegels ist
hauptsächlich der thermischen Expansion des Wassers und Wasserzufuhr von Schneeund Eisschmelzen zurückzuführen. Die modellierte Steigerung des Meeresspiegels
gegen 2100 im Vgl. zu 1980-1999 nimmt Werte im Bereich von 0,18 (Szenario B1) bis
0,59 m (A1F1), mit einem Mittelwert von 0,21-0,48 m in A1B (Solomon et al., 2007). Auf
der anderen Seite, die zunehmende CO2 Konzentration in der Atmosphäre, zusammen
mit der Zunahme der Meerestemperatur, führen dazu, dass mehr CO2 in den Ozeanen
gespeichert wird. Demzufolge sinkt der pH-Wert. Der Trend deutet auf eine
Reduzierung des ph-Wertes von 0,14 bis 0,35 Einheiten am Ende des 21. Jh. Das IPCC
schließt, dass die durch anthropogene Emissionen verursachte Erwärmung und
Steigerung des Meeresspiegels über ein Millenium hinaus zu erwarten sind, da die
zeitliche Klimaskalen sehr groß sind (Pachauri und Reisinger, 2007; Solomon et al.,
2007). Jedoch sind die Speicherkapazität der Ozeane und ihre Klimawirkungen noch
ungenügend erforscht.
5.1.4. Projektionen für Eis
Die Ergebnisse der Projektionen deuten auf einer Einschränkung der durch Schnee
bedeckten Fläche und Meereisextention, sowie eine Vertiefung des Permafrosts hin.
Viele Modelle zeigen das Verschwinden des Arktiseises am Ende des Nordsommers.
Laut der Projektionen wird die Oberflächenmassenbilanz ab einer Erwärmung von 1,9
bis 4,6°C (im Vgl. zu preindustriellen Werten) negativ (Pachauri und Reisinger, 2007;
30
Solomon et al., 2007). Die Kontraktion der Eisbedeckung in Grönland verstärkt die
Steigerung des Meeresspiegels und dieser Trend kann über 2100 hinaus fortdauern.
Der partielle Verlust an Polareis kann zu Küstenveränderungen und Überflutungen von
Küsten, niedrigen Gebieten, Deltas und Inseln führen. Es konnte sogar in Jahrtausende
zu einem kompletten Abschmelzen des Grönlandeises kommen und damit zu einer
vergleichbaren Meeresspiegelssteigerung wie im letzten Interglazial (+4 bis 6 m). Die
Antartik bleibt dagegen weiterhin zu kalt um ein signifikantes Verlust an Eisoberfläche
aufzuzeigen und soll sogar an Eismasse dank erhöhtem Niederschlag gewinnen.
5.1.5. Projektionen für Extremwetterereignisse
Extremwetterereignisse sind die Ereignisse des Wetters, die sich an den Extrema seiner
Wahrscheinlichkeitskurve befinden und nur 5% des Auftrettens aufweisen. Das Trend
zeigt, dass die Temperaturkurve nach “warm” wandert und ihre horizontale Amplitude
breiter wird, d.h. die Durchschnittstemperatur erhöht sich und die Kurve umfasst kältere
und wärmere Extremereignisse (Silva, 2011; DWD, 2012).
Aus den Projektionen wurde eine virtuell sichere Zunahmen der Anzahl von warmen
Tage und Nächte, genauso wie die Frequenz wärmerer Tage und Nächte über die
meisten Landoberflächen abgeleitet, dagegen eine Abnahmen der Anzahl kälterer Tage
und Nächte. Es ist sehr wahrscheinlich, dass die Frequenz von Hitzewellen und Extrema, sowie von starken Niederschlagereignissen in Landregionen zunehmen
werden. Weitere Trends sind die Zunahme der von Dürren affektierten Fläche und
extrem hohen Stand des Meeresspiegels. Mit mittlerer Wahrscheinlichkeit geweinnen
tropische Zyklone an Intensität und Windgeschwindigkeit, während sich außertropische
Stürme polwärts bewegen werden, mit entsprechenden Veränderungen in Wind,
Niederschlags- und Temperaturregimen (Pachauri und Reisinger, 2007).
5.1.6. Stabilisationsszenarien
31
Um ein Stabilisierungsniveau zu erreichen ist es nötig, dass die Konzentration von
Treibhausgase ein Maximum erreicht und dann sinkt. Die Unsicherheiten der Szenarien
werden aber durch die Berücksichtigung von Rückkopplungen und lang-zeiträumigen
Prozesse erhöht. Die Wärmespeicherkapazität und -Transport durch Ozeane, sowie die
reduzierte CO2-Speicherkapazität von Land und Ozeane durch die globale Erwärmung,
zusammen mit der Klima-Kohlenstoffkreislauf-Kopplung bewirken, dass weiterer CO2 in
der Atmosphäre gelangt bzw. länger bleibt und dass ein globaler Erwärmungstrend über
Jahrzehnte hinaus reicht, auch bei stabilisierten Emissionskonzentrationen (Pachauri
und Reisinger, 2007).
Abb. 7 stellt die Stabilisationsszenarien dar. Die Spalten geben die Szenarien an (als
Klassen bezeichnet), die äquivalente Treibhausgaskonzentration der Atmosphäre, die
Periode der modellierten Stabilisation, die Veränderung der Temperatur und des
Meeresspiegels. Die Abhängigkeit der Temperatur und Meeresspiegelsniveau von der
Treibhausgaskonzentration wird deutlich: bei geringerem Treibhauseffekt sind
niedrigere Temperatursteigung und somit die niedrigste Änderung im Meeresspiegel zu
erwarten, und umgekehrt. Szenario III wird als Mittelwert bzw. als repräsentativer
dargestellt. Wie schon vorher erwähnt wird eine Erwärmung von 0,1°C pro Jahrzent in
den nächsten 20 Jahren erwartet auch bei konstante Antriebe im Jahr 2000 Niveau
(Pachauri und Reisinger, 2007).
Abb. 7. Tabelle mit sechs Stabilisationsszenarien für Treibhausgase (CO2-eq in ppm), Temperatur und
Meeresspiegel nach dem IPCC (Eigene Verarbeitung nach Pachauri und Reisinger, 2007).
32
5.2. Erwartungen der Klimaprojektionen
Die Klimaprojektionen erlauben eine Voraussage der Auswirkungen vom Klimawandel
über Ökosysteme, Ressourcen, den davon abhängigen Aktivitäten und Gesellschaft.
Daraus werden Mitigation und Anpassungsmaßnahmen hergestellt.
5.2.1. Ökosysteme
Im Ökosystembereich wird vorausgesagt, dass die Resilienz der Ökosysteme wegen
Klimawandel, anthropische Veränderungen und Ressourcenextraktion überschritten
werden kann. Aufgrund ihrer Erwärmungsempfindlichkeit werden Tundra, boreale
Wälder und Gebirgsökosysteme affektiert und wegen Niederschlagsabnahmen das
Mediterranraum und tropische Regenwälder. Sümpfe, Mangrove, Koralle, marine und
Küsten-Systeme werden von Veränderungen in Meeresspiegel, -Oberflächentemperatur
und Wassereigenschaften, sowie extreme Wetterereignisse, betroffen (Pachauri und
Reisinger, 2007).
Bei einer Temperaturerhöhung von 2,5°C gegen 2100 würden wahrscheinlich 20-30%
der bekannten Arten eine zunehmende Extintionsrate eingehen, während bei einer
Erwärmung über 3,5°C diese zu 40-70% steigen. Bei solcher Temperaturänderungen
verändern sich auch die Struktur der Ökosysteme, Beziehungen der Lebewesen und
ihre geographische Lagen. Diese hätte überwiegend negative Auswirkungen über Güter
und Dienste, die die Natur den Menschen liefert. Weitere mögliche Veränderungen
finden in ozeanischen Produktivität, CO2-Speicherung und O2-Konzentrationen im
Ozean statt. Es ist auch sehr wahrscheinlich, dass die Meridionale Over-turning
Zirkulation des Atlantischen Ozeans (MOC) sich im Laufe des 21 Jhs. um etwa 25%
abbremst, aber sehr unwahrscheinlich, dass sie einen abrupten Übergang durchläuft.
5.2.2. Wasserressourcen und Küsten
33
Im Bereich Wasserressourcen kommen unterschiedliche Auswirkungen vor. Die schon
erwähnte Niederschlagsänderungen führen zu unterschiedlichen räumlichen und
saisonallen Verteilung des Wassers und somit zu erhöhten Überflutungs- oder
Dürrenrisikos. Aufgrund des Verlustes an Eis- und Schneemassen in Gebieten, die von
Gletschern und Gebirgen abhängen, kann mit einer langfristigen Reduktion der
Wasserverfügbarkeit und -Kraftpotentials gerechnet werden; kurzfristig erhöht sich der
saisonal differenzierte Abfluss (Pachauri und Reisinger, 2007). In den Küsten nehmen maritime und fluviale- Überflutungsrisikos und Salinization von Grundwasser zu,
teilweise erhöht durch den anthropischen Druck auf Küstenressourcen und
Degradierung dieser Ökosysteme. Vor allem in den Bevölkerungsdichten Gebieten
Asiens, Afrikas und Kleininseln steigt die Anzahl der Menschen, die durch
Überflutungen affektiert sind. Insgesammt wird der Stress für Wasserressourcen durch
Bevölkerungs- und Wirtschaftswachstum, sowie Urbanization und Landnutzung erhöht.
5.2.3. Gesellschaftliche Aspekte und Regionenüberblick
Folglich der veränderten Wasserverfügung werden Veränderungen in Land- und
Forstwirtwschaft, sowie im Industriesektor, Besiedlung, Gesellschaft und menschliche
Gesundheit erwartet (Pachauri und Reisinger, 2007). Es wird vorausgesehen, dass die
Vulnerabilität in Gebieten, deren Wirtschaft stark von Klima-sensitiven Ressourcen
abhängt, sowie in armen und schnell urbanisierende Gebieten und diese, die von
extremen Wetterereignisse affektiert werden, zunehmen wird.
Die Nahrungsproduktion hängt von der Wasserversorgung, v.a. Niederschlagsregime,
stark ab. Da diese von den Temperaturszenarien bestimmt werden, können auch
Ermittlungen über Nahrungsproduktion vollgezogen werden (Pachauri und Reisinger,
2007). Die Produktivität der Saatgüter in mittleren und höheren Breiten kann mit einer
lokalen Temperaturerhöhung von 1 bis 3°C leicht wachsen. Somit kann das globale
Potential der Nahrungsproduktion auch steigen. Dagegen nimmt in trockenen niedrigen
Breiten die Produktivität auch bei einer Temperaturerhöhung von 2°C ab. Im
Gesundheitssektor wird eine Zunahme der Betroffenen durch Unter- oder
34
Schlechternährung, Diarrheas (Wasserqualität und -Verfügung), Herz-Atmung
Krankheiten (Pollution) und Beschädigte wegen extremen Wetter- und Hitzeereignisse
vorausgesehen. Positive Auswirkungen sind aber Änderungen in Malariatransmission
und Abnahme der Kältetode in temperaten Gebieten.
Regional betrachtet sind Auswirkungen des projektierten Klimawandels ungleich. Auf
der Arktik sind Effekte über natürlichen Ökosysteme, Bevölkerung und Kultur
vorauszusehen. Bevölkerungen mit niedrigen Anpassungsfähigkeiten, wie in Afrika,
Entwicklungsländer und auch Arme, Kinder und Greise in reichen Länder können
besonders stark von Temperatur- und Niederschlagsänderungen, als auch von
extremen Wetterereignisse affektiert werden. In Kleininseln werden Menschen und
Infrastruktur aufgrund der hohen Exposition vor Unwetter und Meeresspiegels
gefährdet. Die asiatische und afrikanische Megadeltas sind gleichermaßen wegen dem
steigenden Druck von Bevölkerungswachstum, Überflutungen und Stürme gefährdet.
5.2.4. Anpassung und Mitigation
Entwicklungsfragen, Ressourcenverbrauch und Umweltveränderungen sollen mithilfe
Klimamodellierungen illustriert werden (Collins, 2007). Im Kontext des Klimawandels
werden Maßnahmen empfohlen, die von lokalen bis zu globalen Ebenen eingeführt
werden können (Pachauri und Reisinger, 2007; IPCC 2005). Maßnahmen für
Anpassung und Mitigation werden betont, da sie positive Effekte in Vulnerabilität,
Nachhaltigkeit und Klima bringen. Die Anpassungsfähigkeit eines Ortes hängt von ihrer
gesellschaft-wirtschaftlichen Entwicklung ab, und ihre Planung geschieht in Zeitskalen
von Jahren bis Jahrzehnten, weshalb sie sichereren Vorhersagen von Klimawandel
benötigen. Dagegen rechnen Mitigationsmaßnahmen mit langfristigen Prozessen, wie
Kohlenstoffkreislauf und thermohaline Zirkulation (Collins, 2007).
Mitigation kann manche der oben genannte Erwartungen reduzieren, vermeiden oder
verspäten, und ist entscheidend um Stabilisationsszenarien zu erreichen. Maßnahmen
für Mitigation beschließen Management, Pollutionreduktion, Änderungen im Lebensstil,
35
Kooperationsvereinbarungen, Karbonmarkets, Finanzierung für Forschung und für
soziale Hilfe, sowie Investitionen in Treibhausgas-niedrige Produkte und Technologien
ein. Die Anwendbarkeit dieser Möglichkeiten hängt von nationalen Schicksäle, vom
Verständnis deren Wirkungen, Kosten und Zugänglichkeit ab. Trotzdem sind
Wirtschaftspotential und die Fähigkeit für die Mitigation von CO2 Emissionen für die
Staaten verfügbar (Pachauri und Reisinger, 2007; WBGU, 2011).
Die Energiewende ist entscheidend um Emissionen zu reduzieren (WBGU, 2011). Alle
SRES Szenarien zeigen, dass 60-80% der Reduktionen in den Sektoren Energie und
Industrie machbar sind, da die Einführung heutiger und zukünftiger kommerziellen
Technologien theoretisch alle Stabilisationsniveaus in folgenden Jahren erreichen
können. Andere Szenarienanalysen zeigen, dass eine Dekarbonisierung der
Energiesysteme gegen 2050 erreichbar ist und somit auch eine Erwärmung unter 2°C
eingehalten werden kann (WBGU, 2011). Allerdings erfordert eine signifikante
Emissionsreduktion die Beschleunigung des Umbaus der Energiesysteme,
Infrastrukturinvestitionen, effektiven Technologietransfer und institutionelle
Strukturveränderungen (zB. Bewässerungstechnik und Landreformen) (WBGU, 2011).
Es wird deutlich, dass Energiemaßnahmen mehrere soziale und ökosystemaren
Begleitnutzen besitzen.
Entscheidungen für eine bestimmte Maßnahme und Ziel sollen wirtschaftliche,
gesellschaftliche und umweltliche Kosten berücksichtigen, wobei Kosten einer schnellen
Aktion mit Reparaturen und Risikos einer späteren Mitigation verglichen werden
(Pachauri und Reisinger, 2007; IPCC, 2005). Im allgemein erhöhen sich die
ökonomische Kosten um ein Stabilisationsniveau zu erreichen je kurzfristiger und
strenger der Ziel ist. Z.B., bei einer Stabilisation von 445-710 ppm CO2-eq gegen 2050
entsprechen die Mitigationskosten eine Einschränkung des globalen BIP von 1- 5,5%;
im Vergleich dazu sind globale Verluste im Fall einer Erwärmung von 4°C auch 1- 5%
des BIP. Die Kosten sind jedenfalls regional unterschiedlich; manche Regionen und
Sektoren können sogar vom Klimawandel ökonomisch profitieren.
36
6. Weitere Szenarienentwürfe und Beispiel
6.1. Weitere Entwürfe: die Representative Concentration Pathways
Zuletzt müssen auch weitere Entwürfe zum Thema Szenarien erwähnt werden, die
aktuellere Einschätzungen nach den SRES Szenarien einbeziehen. Relevant sind die
Representative Concentration Pathways (RCP), die im Rahmen des Projekts Fifth
Coupled Model Intercomparison Project (CMIP5) des World Climate Research
Programme Klimasimulierungen durchführen (Meinshausen et al., 2011). RCP ergänzen
und sollen die SRES Szenarien in der Zukunft teilweise ersetzen. Das CMIP führt
Reihen von Experimenten durch, um Ergebnisse von AOGCM, GCM und Earth System
Models systematisch zu analysieren und somit Modellierungen zu verbessern (PCMDI,
2013). Die multi-model Simulierungen emöglichen Modellevaluierungen in Simulationen
vom vergangenem Klima und in unsicheren Klimaprozessen. Szenarien und
Projektionen im Assessment Report 5 des IPCC und spätere Simulierungen werden auf
den Ergebnissen des CMIP5 basieren (Knutti et al., 2010).
Die Herstellung der RCP umfasst die historischen Analysen und die Projektion von
repräsentativen Treibhausgaskonzentrationen der wichtigsten anthropogene
Emissionen, ihre Strahlungsantriebe und Projektionen für Landnutzungsveränderungen
bis 2100. RCP sind keine Szenarien i.e.S., sondern konsistente Projektionen die als
Eingangsdata für Klimamodellierung dienen (IIASA, 2013). Sie bestehen aus vier
Richtlinien, die von unterschiedlichen Modellierungsgruppen entwickelt worden sind und
nicht auf gemeinsame Annahmen basieren. Daher tretten Inkonsequenzen zwischen
den Simulierungen auf; Unterschiede gehen auf Modell- und Szenarienunterschiede
zurück (Meinshausen et al., 2011). Strahlungsantrieb wurde aus Treibhausgase und
externe Einflüsse abgeleitet, aber berücksichtigt die Albedo aus Landnutzung und
Staubeinflüsse nicht. Eine Erweiterung der RCP, die Extented Concentration Pathways
(ECP), wurde auch entwickelt. Sie zeigen Klimaprojektionen im Zeitraum von 2100 bis
2300 und wurden mit einfachen Regeln hergestellt, z.B. Annahmen von bestimmten
Stabilisationsniveaus (Meinshausen et al., 2011).
37
Meinshausen et al. stellen die Ergebnisse von RCP und ECP dar, die jedoch nur mit
einem SCM (MAGICC6) hergestellt wurden aufgrund der Modellfähigkeit Ähnlichkeiten
mit früheren CMIP-Ergebnissen in CO2-Kreislauf zu erreichen. Die RCP ergeben ein
breiteres Spektrum für Strahlungsantrieb als die SRES Szenarien (Meinshausen et al.,
2011). Mit einer Klimasensitivität von 3°C entspricht die am besten eingeschätzte
Erwärmung der Oberflächentemperatur gegen 2100 (im Vgl. zu preindustriellen Werten)
einem Bereich von 1,5°C in der niedrigsten Projektion bis 4,5°C in der höchsten.
Abbildung 8. Gesamter Strahlungsantrieb für RCP (2000-2100) und ECP (2100-2500) für die
repräsentative Durchschnittswerte jedes Szenario (blau: RCP 2.6, ocker RCP 4.5, grau RCP 6 und rot
RCP 8.5). Kleinere Schwankungen gehen auf Sonnenaktivität und Vulkanismus zurück (Genommen von
Meinhshausen et al., 2011, S. 230).
Die vier RCP Szenarien, die ECP und die historische Klimadaten sind in Abbildung 8
dargestellt, wobei die Ordinate der Strahlungsantrieb und die Abzisse die Zeit (1800 bis
2500 n.Ch.) angeben. Das niedrige Szenario ist RCP 2.6 und schildert sehr geringe
Konzentrationen aufgrund Emissionsreduktionen, die in einem Strahlungsantrieb von
2.6 W/m2 gegen 2100 resultieren. Der gesamte Bereich von RCP 2.6 entspricht eine
Temperaturerhöhung von 1- 2°C im Vgl. zu 1750. RCP 4.5 stellt eine Stabilisation des
Strahlungsantriebs vor 2100 dank Technologiemaßnahmen für Emissionsreduktionen
dar (IIASA, 2013). Diese Stabilisation geschieht nach 2100 in RCP 6. Eine Erhöhung
38
der Emissionen und hohe Konzentrationen wird durch RCP 8.5 dargestellt, sodass ein
mittlerer Strahlungsantrieb von 8,5 W/m2 und 6 - 9°C in Temperaturanstieg erreicht
werden (Meinshausen et al., 2011).
6.2. Projektionen am Beispiel Peru
Für Lateinamerika werden Temperatursteigerungen von über 1,5 bis 4°C projiziert
(Pachauri und Resinger, 2007). Im Zentralamazonas werden die höchsten
Temperaturzunahmen für die Trockenzeit (JJA) projiziert, die wahrscheinlich in
Beziehung mit den Niederschlagsabnahmen in SO Brasilien stehen. Deutliche
Abnahmen in Niederschlag sind im subtropischen Pazifik, südliches Südamerika,
Zentralamerika und die Karibik zu finden, während Zunahmen für das äquatoriale
Pazifik projiziert werden (Pachauri und Resinger, 2007).
In Peru besitzt die Klimaänderung unterschiedliche räumliche Auswirkungen und wird
stark durch regionale und lokale Faktoren, v.a. Meeresoberflächentemperatur und die
Kordillere, beeinfüsst. Projektionen für Temperatur sind kongruent mit vorherigen
Trends und weisen auf einer Erwärmung, v.a. im Norden und in den zentralen und
südlichen Anden. Temperaturmaxima können mit Raten von 0,53°C pro Jahrzehnt und
Temperaturminima mit 0,47°C pro Jahrzehnt zunehmen, sodass gegen 2030 eine
Erhöhung von 1,4 -1,6°C im Vgl. zu 1961-1991 zu erwarten ist (SENAMHI, 2009).
Trends zeigen Zunahmen in der Intensität und Frequenz von starken Niederschläge in
der nordlichen Küste und nördlichen Anden, dagegen Abnahmen in den südlichen
Anden. Es gibt kein nennenswerter Trend in Dürren; sie tretten regelmäßig im
Amazonasbecken und in den südlichen Anden auf. Projektionen für Niederschlag mit
bessere Auflösungen zeigen wenige Übereinstimungen zwischen den Modellen.
Veränderungen gegen 2030 werden durchschnittlich im Bereich von -10% bis +10%
erwartet. Höhere Zunahmen werden für die nördliche Küste und Anden (+15% aufgrund
erhöhter SST), zentrale Anden und südliches Regenwald projiziert, dagegen zeigen sich
die starksten Abnahmen im nördlichen Regenwald und südlichen Anden (SENAMHI,
2009).
39
Unter den Erwartungen der Klimaänderungen in Lateinamerika befinden sich der
Wandel des tropischen Regenwaldes in Savannen im Ostamazonia und ein Übergang
der semi-ariden in ariden Vegetation. Ein signifikanter Verlust an Biodiversität hängt
damit zusammen. Die Produktivität wichtiger Saatgüter und Tierzucht in manchen
Gebieten kann senken, sodass das Risiko in Nahrungssicherheit und Hunger wächst.
Aufgrund Gletscherschmelzen nimmt die Wasserverfügbarkeit für Landwirtschaft,
Energie und Haushalt ab (Pachauri und Reisinger, 2007). Weitere Änderungen in Peru
sind die Steigerung des Meeresspiegels (0,95 - 4 m), erhöhte Frequenz und Intensität
von Niño-Ereignisse, Überflutungen, Fröste, Desertifikation und Wasserstress (Silva,
2011). Auf der anderen Seite kann der Anbau bestimmter Pflanzen wachsen,
beispielsweise Soya in temperaten Gebieten. In den Anden verbreitet sich die
Höhengrenze von Nutzpflanzen wie Mais oder Kartoffel. Im Bereich Gesundheit kann
die geographische Ausbreitung von Krankheitsvektoren, z.B. Malaria, erwähnt werden.
In Peru wird eine hohe Vulnerabilität gegenüber Klimaereignisse und -Änderung
bestätigt (Silva, 2011). Sektoren wie Landwirtschaft, Fischerei und Viehhaltung hängen
direkt vom Klima ab, sowie Wasserkraftwerke und Energie von Wasserverfügbarkeit,
v.a. von Gletschern. Aus diesen Gründen werden heutzutage viele Maßnahmen im
Bezug zum Klimawandel entworfen. Um Empfehlungen der UNFCC und das
Montrealprotokoll anzuwenden wurde 2003 die Nationalstrategie für Klimawandel
entwickelt. Diese fördert, dass das Land seine Vulnerabilität kennt und technische
Unterstützung und Finanzierung benötigt, Anpassungsmaßnahmen in Politiks und
Entwicklungspläne einbezieht, Bildung über Klimawandel schafft und seine Emissionen
reduziert. Es ist zu bemerken, dass Politiks und Maßnahmen gegen Armut, für
nachhaltige Entwicklung und Umweltmanagement gegenseitig berücksichtigt werden
und zusammen mit der Nationalstrategie für Klimawandel arbeiten (Silva, 2011).
Aus diesen Beziehungen entstand das Program PROCLIM. Sein Ziel ist die Entwicklung
von Fähigkeiten für ein effektives Management der humane, institutionelle und
finanzielle Ressourcen im Kontext des Klimawandels und der Luftverschmutzung in
40
ausgewählten Orten. Es umfasst Vulnerabilität, Anpassung, Mitigation, Aufbau von
Datenbanken, Informationstransfer und Kapazitätsaufbau (Silva, 2011). Datenbanken
der Emissionen, Studien der Vulnerabilität von Wasserressourcen und gegenüber
ENSO, sowie Maßnahmen zur Emissionsreduktion wurden schon entwickelt. Diese
Prozesse geben ein Beispiel der Anwendung der Klimaforschung und ihre Beziehungen
mit globalen Initiativen und Strategien, die in angewandte Politiks, Entwurfe zur
Anpassung von Sektoren und Gesellschaft und ihre Einsetzung in Entwicklungspläne
einschließt.
7. Fazit
In der vorliegenden Arbeit konnte festgestellt werden, dass Klimaforschung an
Methoden, Datenverfügbarkeit, Entwicklung und Einsatz gewinnt. In gleicher Weise
gewinnen Klimaprojektionen an Komplexität, Vielfalt der Simulationsmöglichkeiten,
Evaluierungen der Unsicherheiten und Kritikalität. Besonders die Letzte muss als
vorteilhaft angesehen werden, da sie zu Verbesserungen, neuen Entwicklungen und
Kenntnissen führt.
Praktische Anwendungen der Klimaforschung, Szenarien und Modellierungsergebnisse
breiten sich auf. Dies wird in internationale und nationale Initiativen, Politiken und
Maßnahmen deutlich. Klimafachkenntnisse werden in Deutschland beispielsweise in
der Emissionsreduktion und Energiewende eingesetzt und im Falle Perus in der
Planung und Herstellung von Projekten für nachhaltige Entwicklung. Diese
Vorgehensweisen schaffen Fähigkeiten den wissenschaftlichen Methoden und
Ergebnissen anzuwenden, aber auch eine notwendige und wachsende
Interdisziplinarität in wissenschaftlichen und sozialen Arbeitsweisen. Denn nicht nur das
Klimasystem und die Emissionen haben Wechselwirkungen, sondern auch Forschung,
Bildung und Entwicklung.
41
Literaturverzeichnis
Annan, J.D. und Hargreaves, J.C., 2007: Efficient Estimation and Ensemble Generation
in Climate Modelling. In “Philosophical Transactions: Mathematical, Physical
and Engineering Sciences”. Vol. 365, Nr. 1857, Ensembles and Probabilities: A
New Era in the Prediction of Climate Change (14 Aug. 2007), The Royal Society,
S. 2077-2088
Collins, Matt, 2007: Ensembles and Probabilities: A New Era in the Prediction of Climate
Change. In “Philosophical Transactions: Mathematical, Physical and
Engineering Sciences”. Vol. 365, Nr. 1857, Ensembles and Probabilities: A New
Era in the Prediction of Climate Change (14 Aug. 2007), The Royal Society, S.
1957-1970
Deutscher Wetterdienst, 2012: http://www.dwd.de (Eingang 29 Nov. 2012)
Egger, J., 2003: Einfache Klimamodelle. In “Numerische Klimamodelle – Was können
sie, wo müssen sie verbessert werden? Teil II: Modellierung natürlicher
Klimaschwankungen”. Promet. Meteorologische Fortbildung. Jahrgang 29, Heft
1-4, S. 29-35. Deutscher Wetterdienst
Gates, W.L., 2003: Ein kurzer Überblick über die Geschichte der Klimamodellierung. In
“Numerische Klimamodelle – Was können sie, wo müssen sie verbessert
werden? Teil II: Modellierung natürlicher Klimaschwankungen”. Promet.
Meteorologische Fortbildung. Jahrgang 29, Heft 1-4, S. 3-5. Deutscher
Wetterdienst
Gerdes, R., Böning, C.W. und Willebrand, J., 2003: Allgemeine Zirkulationsmodelle,
Ozean. In “Numerische Klimamodelle – Was können sie, wo müssen sie
verbessert werden? Teil II: Modellierung natürlicher Klimaschwankungen”.
42
Promet. Meteorologische Fortbildung. Jahrgang 29, Heft 1-4, S. 15-28.
Deutscher Wetterdienst
Greve, R., 2003: Inlandeismodelle. In “Numerische Klimamodelle – Was können sie, wo
müssen sie verbessert werden? Teil II: Modellierung natürlicher
Klimaschwankungen”. Promet. Meteorologische Fortbildung. Jahrgang 29, Heft
1-4, S. 98-104. Deutscher Wetterdienst
International Institute for Applied Systems Analysis (IIASA), 2013: RCP Database (http://
www.iiasa.ac.at/web-apps/tnt/RcpDb/dsd?Action=htmlpage&page=welcome
Eingang 9 Jan. 2013)
IPCC, 2005: IPCC Expert Meeting on Emission Scenarios. 12-14 January 2005,
Washington DC. Meeting Report. [Monique Hoogwijk (ed.)] IPCC Technical
Support Unit WG III. Bilthoven, Niederlande, S. 90
Knutti, R., G. Abramowitz, M. Collins, V. Eyring, P.J. Gleckler, B. Hewitson, und L.
Mearns, 2010: Good Practice Guidance Paper on Assessing and Combining Multi
Model Climate Projections. In: Meeting Report of the Intergovernmental Panel
on Climate Change Expert Meeting on Assessing and Combining Multi Model
Climate Projections [Stocker, T.F., D. Qin, G.-K. Plattner, M. Tignor, and P.M.
Midgley (eds.)]. IPCC Working Group I Technical Support Unit, University of
Bern, Bern, Schweiz
Lemke, P. und Hilmer, M., 2003: Meereismodelle. In “Numerische Klimamodelle – Was
können sie, wo müssen sie verbessert werden? Teil II: Modellierung natürlicher
Klimaschwankungen”. Promet. Meteorologische Fortbildung. Jahrgang 29, Heft
1-4, S. 90-97. Deutscher Wetterdienst
Meehl, G.A., T.F. Stocker, W.D. Collins, P. Friedlingstein, A.T. Gaye, J.M. Gregory, A.
Kitoh, R. Knutti, J.M. Murphy, A. Noda, S.C.B. Raper, I.G. Watterson, A.J. Weaver und
43
Z.-C. Zhao, 2007: Global Climate Projections. In: Climate Change 2007: The Physical
Science Basis. Contribution of Working Group I to the Fourth Assessment
Report of the Intergovernmental Panel on Climate Change [Solomon, S., D. Qin,
M. Manning, Z. Chen, M. Marquis, K.B. Averyt, M. Tignor and H.L. Miller (eds.)].
Cambridge University Press, Cambridge, UK und New York
Meinshausen, M., Smith S.J., Calvin K., Daniel, J.S., Kainuma, M.L.T., Lamarque J-F.,
Matsumoto K., Montzka, S.A., Raper, S.C.B., Riahi, K., Thomson, A., Velders, G.J.M.
und van Vuuren, D.P.P., 2011: The RCP greenhouse gas concentrations and their
extensions from 1765 to 2300. In “Climatic Change”. Publiziert online, 9 Aug.
2011, Springerlink.com
Nakicenovic, N., Swart, R. et al., 2000: Special Report on Emissions Scenarios. A
Special Report of Working Group III of the Intergovernmental Panel on Climate
Change. IPCC, Cambridge University Press, UK, S. 570
Pachauri, R.K und Reisinger, A. (eds.), 2007: Climate Change 2007: Synthesis Report.
Contribution of Working Groups I, II and III to the Fourth Assessment Report of
the Intergovernmental Panel on Climate Change. IPCC, Genf, Schweiz, S. 104
Program For Climate Model Diagnosis and Intercomparison (PCMDI), 2013: CMIP5 Coupled Model Intercomparison Project Phase 5 (http://cmip-pcmdi.llnl.gov/
cmip5/index.html Eingang 9 Jan.2013)
Räisänen, J., 2007: How reliable are climate models? In “Tellus, 59A”. S. 2-29,
Blackswell Munksgaard
Randall, D.A., R.A. Wood, S. Bony, R. Colman, T. Fichefet, J. Fyfe, V. Kattsov, A.
Pitman, J. Shukla, J. Srinivasan, R.J. Stouffer, A. Sumi and K.E. Taylor, 2007: Climate
Models and Their Evaluation. In: Climate Change 2007: The Physical Science
Basis. Contribution of Working Group I to the Fourth Assessment Report of the
44
Intergovernmental Panel on Climate Change [Solomon, S., D. Qin, M. Manning,
Z. Chen, M. Marquis, K.B. Averyt, M.Tignor and H.L. Miller (eds.)]. Cambridge
University Press, Cambridge, United Kingdom und New York
Roeckner, E., 2003: Allgemeine Zirkulationsmodelle, Atmosphäre. In “Numerische
Klimamodelle – Was können sie, wo müssen sie verbessert werden? Teil II:
Modellierung natürlicher Klimaschwankungen”. Promet. Meteorologische
Fortbildung. Jahrgang 29, Heft 1-4, S. 6-14. Deutscher Wetterdienst
Schnur, R. und Hegerls, G., 2003: Geben die gekoppelten Ozean-Atmosphärenmodelle
die natürliche Klimavariabilität wieder? In “Numerische Klimamodelle – Was
können sie, wo müssen sie verbessert werden? Teil II: Modellierung natürlicher
Klimaschwankungen”. Promet. Meteorologische Fortbildung. Jahrgang 29, Heft
1-4, S. 63-71. Deutscher Wetterdienst
Servicio Nacional de Meteorología e Hidrología, 2009: Escenarios Climáticos en el Perú
para el año 2030. Resumen Ejecutivo. Ministerio del Ambiente, Lima
Silva Vidal, Y., 2011: Klimawandel, Kapitel 23. Und Klimaprognose, Kapitel 22 (PDF).
PUCP, Lima. Persönliche Mitteilung
Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis, K.B. Averyt, M. Tignor und H.L.
Miller (eds.), 2007: Climate Change 2007: The Physical Science Basis. Contribution of
Working Group I to the Fourth Assessment Report of the Intergovernmental
Panel on Climate Change. Cambridge University Press, Cambridge, UK und
New York, S. 996
Wissenschaftlicher Beirat der Bundesregierung Globale Umweltveränderungen, 2011:
Welt im Wandel. Gesellschaftsvertrag für eine Große Transformation. Zweite
Auflage, WBGU, Berlin
45
Eidesstattliche Erklärung
Ich versichere, dass ich die vorliegende Arbeit ohne fremde Hilfe und ohne Benutzung
anderer als der angegebenen Quellen angefertigt habe, und dass die Arbeit in gleicher
oder ähnlicher Form noch keiner anderen Prüfungsbehörde vorgelegen hat. Alle
Ausführungen der Arbeit, die wörtlich oder sinngemäß übernommen wurden, sind als
solche gekennzeichnet.
Stefanie Korswagen
Augsburg, den 11 Januar 2013
46