Physische Geographie - Klimatologie

Vorlesung Klimatologie
HS 4, Carl-Zeiss-Str. 3
Zeit: Montags 14:15-15:45 Uhr
Physische Geographie Klimatologie
14.Oktober 2013
21. Oktober 2013
28. Oktober 2013
Martin Heimann, Christoph Gerbig, Sönke Zaehle
4. November 2013
Max-Planck-Institut für Biogeochemie
11. November 2013
Hans-Knöll Str. 10, PF 100164, 07701 Jena
Tel.: (03641) 57-6350 (Heimann) -6373 (Gerbig) -6325 (Zaehle)
Thema
Einleitung, Klimageschichte
Energiebilanz
Prozesse im Klimasystem: Ozean / Atmosphäre /
Landoberflächen / Kryosphäre
Prozesse im Klimasystem: Ozean / Atmosphäre /
Landoberflächen / Kryosphäre
Klimazonen & Klimaklassifikation
18. November 2013
Messsysteme zur Klimabeobachtung
25. November 2013
Messsysteme zur Klimabeobachtung
2. Dezember 2013 Modellierung des Klimasystems: von der Wettervorhersage
bis zum Klimamodell
9. Dezember 2013 Modellierung des Klimasystems: von der Wettervorhersage
bis zum Klimamodell
16. Dezember 2013
fällt aus
Vorlesungswebsite:
http://www.bgc-jena.mpg.de/bgc-systems/lectures/MH_CG
Emails/Homepages:
[email protected]
[email protected]
[email protected]
6. Januar
13. Januar
20. Januar
27. Januar
3. Februar
http://www.bgc-jena.mpg.de/~martin.heimann
http://www.bgc-jena.mpg.de/~christoph.gerbig
http://www.bgc-jena.mpg.de/~szaehle
2014
2014
2014
2014
2014
Natürliche Klimavariabilität
Simulationen des Klimawandels
Wechselwirkung Biogeochemie und Klimasystem
Prüfung
Klimaforschung und Gesellschaft, Feedback Vorlesung
Gerbig
Gerbig
Gerbig
Gerbig
Zaehle
Gerbig
Gerbig
Zaehle
Zaehle
Zaehle
Zaehle
Heimann
Heimann
Zaehle
1
Final Draft (7 June 2013)
Simulationen des
Klimawandels
Figures
2
Technical Summary
IPCC WGI Fifth Assessmen
IPCC Strategie zum Umgang mit
Unsicherheiten und Proxydaten
Empfohlene Literatur:
Technical Summary, IPCC, AR5 WGI:
http://climatechange2013.org/
Box TS.1, Figure 1: A depiction of evidence and agreement statements and their relationship to confidence.
Confidence increases toward the top-right corner as suggested by the increasing strength of shading. Generally,
3
4
evidence
is most robust when there are multiple, consistent independent lines of high-quality. {Figure
1.11}
Räumliche Änderungen der Oberflächentemperatur
Klimawandel der letzten 200 Jahre
•
(Wie) hat sich das Klima in den
letzten 200 Jahren verändert?
•
Wie haben sich die Antriebskräfte des Klimas in den letzten
200 Jahre entwickelt?
•
Wie stark tragen anthropogene
Faktoren dazu bei?
•
Welche Schlussfolgerungen lassen
Simulationen des zukünftigen
Klimas zu (und was sind die
Unsicherheiten)?
IPCC, 2007, AR4, WG I
•
Die Erwärmung ist global verteilt, aber stärker über Land
IPCC WGI AR5
SPM-27
27 September 2013
IPCC AR5 (2014): Summary for Policymakers,
Figure SPM1b
5
1860
0.5
1880
1900
1920
1940
1960
1980
2000
6
Final Draft (7 June 2013)
Chapter 3
IPCC WGI Fifth Assessment Report
Zunahme des Energiegehalts der Meere
Northern Hemisphere
(a)
150
IPCC (2014), AR5, Ch. 3 Fig 2
−0.5
100
Southern Hemisphere
0−700 m OHC (ZJ)
0.5
0.0
−0.5
0.5
Global
0.0
50
0
Levitus
Ishii
Domingues
Palmer
Smith
−50
−0.5
1860
1880
1900
1920
1940
1960
1980
−100
1950
2000
http://www.cru.uea.ac.uk/cru/data/temperature/
7
1960
1970
1960
1970
(b)
(ZJ)
HadCRUT4 Temperature anomaly (°C)
0.0
1950
50
1980
Time (yr)
1980
1990
2000
2010
1990
2000
2010
8
Erwartete Änderungen
im Erdsystem
bei einer
Chapter 2
IPCC WGI Fifth Assessment Report
Temperaturerhöhung
Final Draft (7 June 2013)
Chapter 2
IPCC WGI Fifth Assessment Report
0.0
-0.5
-1.0
0.4
Temperature
anomaly (ºC)
Glacier Volume
Air Temperature
in the lowest few Km (troposphere)
Sea-surface temperature: 5 datasets
0.2
0.0
0
-0.2
-0.4
-10
-0.6
Temperature
Over Land
Temperature
anomaly (ºC)
0.4
Sea Ice Area
Sea level
anomaly (mm)
Extent (106km2)
Sea Surface Temperature
Sea Level
0.0
0.0
-0.4
-0.2
Sea level: 6 datasets
6 Northern hemisphere (March4 April) snow cover: 2 datasets
50
0
2
-50
0
-100
-2
-150
-4
-200
12
-6
10
5
10
Summer arctic sea-ice extent: 6 datasets
8
-5
6
-10
1850
1900
IPCC AR5 (2014): Chapter 2
1950
2000
Year
9
Glacier mass balance:
3 datasets
0
4
Ocean Heat Content
Specific humidity:
4 datasets
0.2
-0.2
-0.6
100
Snow Cover
Marine Air Temperature
0.4
Marine air temperature: 2 datasets
0.2
Specific humidity
anomaly (g/kg)
Water Vapor
-15
1940
1960
1980
Ocean heat content
anomaly (1022 J)
0.6
Tropospheric temperature:
0.4 7 datasets
0.2
0.0
-0.2
-0.4
-0.6
-0.8
20
Ocean heat content(0-700m):
5 datasets
10
Land surface air temperature: 4 datasets
0.5
Mass balance (1015GT) Extent anomaly (106km2)
Temperature
anomaly (ºC)
1.0
Temperature
anomaly (ºC)
Erwartete Änderungen im Erdsystem bei einer Temperaturerhöhung
Final Draft (7 June 2013)
2000
Year
IPCC AR5 (2014):
Chapter 2,
FAQ 2.1, Figure 1
FAQ 2.1, Figure 2: Multiple independent indicators of a changing global climate. Each line represents an
independently-derived estimate of change in the climate element. In each panel all datasets have been normalized to a
common period of record. A full detailing of which source datasets go into which panel is given in the Supplementary
Material 2.SM.5.
10
FAQ 2.1, Figure 1: Independent analyses of many components of the climate system that would be expected to change
in a warming world exhibit trends consistent with warming (arrow direction denotes the sign of the change), as shown
in FAQ 2.1, Figure 2.
Zusammenfassung: Hat sich die Erde erwärmt?
IPCC AR5: Die Erwärmung der Erde ist eindeutig
Do Not Cite, Quote or Distribute
2-145
Total pages: 163
Ein paar Definitionen
Viele Änderungen in Klimaparametern seit 1950 sind stärker als in den
vorangegangenen Jahrzehnten bis Jahrtausenden
– Die letzten drei Jahrzehnte waren sukzzesive die wärmsten seit 1850
– In der Nordhemisphäre war die klimatologische Periode 1983-2012 wahrscheinlich die
wärmste seit dem Jahr 600 A.D
– Die Ozeane nahmen zwischen 1971 und 2010 etwa 90% des Energieüberschusses im
Klimasystem auf, und haben sich demzufolge sehr wahrscheinlich erwärmt
– Die Eisdecken von Grönland und der Antarktis haben in den letzten zwei Dekaden
deutlich an Masse verloren
Not Cite,
Quote or
Distribute
pages: 163als in
–DoDer
mittlere
Meeresspiegel
steigt seit2-144
Mitte des 19ten Jahrhunderts Total
schneller
den 2000 Jahren zuvor (~1.7 cm/Dekade)
IPCC (2014), AR5 Summary for Policymakers
11
12
Radiative Forcing
Radiative Forcing
Zunahme der Treibhausgase
-> Änderung des “Strahlungsantriebs”
-> Änderung des vertikalen Temperaturprofils
-> Änderung der Oberflächentemperatur
13
Final Draft (7 June 2013)
Chapter 8
IPCC WGI Fifth Assessment Report
Figures
Figure 8.1: Cartoon comparing (a) instantaneous RF, (b) RF, which allows stratospheric temperature to adjust, (c) flux
change when the surface temperature is fixed over the whole Earth (a method of calculating ERF), (d) the ERF
calculated allowing atmospheric and land temperature to adjust while ocean conditions are fixed, and (e) the
equilibrium response to the climate forcing agent. The methodology for calculation of each type of forcing is also
outlined. To represents the land temperature response, while Ts is the full surface temperature response. Updated 15
from Hansen et al. (2005).
14
Wichtigste Treibhausgase in der
Erdatmosphäre
16
Vergleich von Treibhausgasen:
Global Warming Potential
Global Warming Potential
IPCC führt noch viele weitere atmospährische Treibhausgase auf
Quelle: IPCC AR4
17
Final Draft (7 June 2013)
Welche natürlichen und
anthropogenen KlimaTreiberfaktoren haben sich
während der letzten
~200 Jahre verändert?
18
Chapter der
8
IPCC WGI Fifth Assessment Report
Faktor 1: Änderung
Sonneneinstrahlung
Beobachtungen von Satelliten
IPCC AR5 (2014) Ch. 8 Fig 8.10
Figure
8.10: Annual average composites of measured Total Solar Irradiance: The Active Cavity Radiometer
Irradiance
19
20
Monitor (ACRIM) (Willson and Mordvinov, 2003), the Physikalisch-Meteorologisches Observatorium Davos (PMOD)
(Frohlich, 2006) and the Royal Meteorological Institute of Belgium (RMIB) (Dewitte et al., 2004).These composites are
standardized to the annual average (2003–2012) Total Solar Irradiance Monitor (TIM) (Kopp and Lean, 2011)
Final Draft (7 June 2013)
Faktor 1: Änderung der Sonneneinstrahlung
Chapter 8
IPCC WGI Fifth Assessment Repo
Faktor 2: Vulkanasche und -aerosole
Rekonstruiert aufgrund von Sonnenfleckenbeobachtungen
IPCC, 2007, AR4, WG I
IPCC AR5 Ch. 8 Fig 8.12
Figure 8.12: Volcanic reconstructions of global mean aerosol optical depth (at 550 nm). Gao et al. (2008) and Crowley
and Unterman (2013) are from ice core data, and end in 2000 for Gao et al. (2008) and 1996 for Crowley and Unterman
21
22
(2013).
Sato et al. (1993) includes data from surface and satellite observations, and has been updated through
2011.
Updated from Schmidt et al. (2011).
Satellitenbeobachtungen der Aerosolbelastung der
Final Draft (7 June 2013)
Chapter 8
IPCC WGI Fifth Assessment Report
Stratosphäre
Faktor 2: Vulkanasche
und -aerosole
Beobachtete und simulierte Anomalie der Erdabstrahlung
IPCC, 2007, AR4, WG I
IPCC (2014) AR5 Ch. 8 Fig 8.13
Figure 8.13: (Top) Monthly mean extinction ratio (525 nm) profile evolution in the tropics [20°N–20°S] from January
1985 through December 2012 derived from Stratospheric Aerosol and Gas Experiment (SAGE) II extinction in 1985–
2005 and Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation (CALIPSO) scattering ratio in 2006–2012,
after removing clouds below 18 km based on their wavelength dependence (SAGE II) and depolarization properties
(CALIPSO) compared to aerosols. Black contours represent the extinction ratio in log-scale from 0.1 to 100. The
position of each volcanic eruption occurring during the period is displayed with its first two letters on the horizontal
axis, where tropical eruptions are noted in red. The eruptions were Nevado del Ruiz (Ne), Augustine (Au), Chikurachki
(Ch), Kliuchevskoi (Kl), Kelut (Ke), Pinatubo (Pi), Cerro Hudson (Ce), Spur (Sp), Lascar (La), Rabaul (Ra), Ulawun
(Ul), Shiveluch (Sh), Ruang (Ru), Reventador (Ra), Manam (Ma), Soufrière Hills (So), Tavurvur (Ta), Chaiten (Ch),
Okmok (Ok), Kasatochi (Ka), Victoria (Vi* - forest fires with stratospheric aerosol injection), Sarychev (Sa), Merapi
23
24
Faktor 3: Anthropogene Aerosole
Faktor 3: Anthropogene Aerosole
Veränderungen der optischen Dichte durch industrielle Aerosole, Feuer etc.
IPCC, 2007, AR4, WG I
Veränderungen der Oberflächen-Strahlungsbilanz
IPCC, 2007, AR4, WG I
25
Faktor 3: Anthropogene Aerosole
26
Faktor 4: Änderungen in der
Landnutzung
IPCC, 2007,
AR4, WG I
27
28
Änderung des Strahlungsantriebs durch
Beispiel: Änderung der Landnutzung:
Abholzung in Brasilien
1900
land-nutzungsbedingte Albedo Änderungen
2010
2000
3 4.5
-0.2
1400
Quelle: NASA Earth Observatory
29
Faktor 5: Zunahme der Treibhausgase
0.0
-0.1
1600
Rad. Forc. [W m-2]
-1 0 1
W m-2
0.0
1750
-4.5 -3
SW Flux change
1992
-0.1
1800
2000
IPCC AR5 Ch. 8 Fig 8.9
–2
30
Figure 8.9: Change in TOA SW flux [W m ] following the change in albedo as a result of anthropogenic
Land U
Change for three periods (1750, 1900 and 1992 from top to bottom). By definition, the RF is with respect to 1750
some anthropogenic changes had already occurred in 1750. The lower right inset shows the globally averaged imp
the surface albedo change to the TOA SW flux (left scale) as well as the corresponding RF (right scale) after
normalization to the 1750 value. Based on simulations by Pongratz et al. (2009).
Faktor 5: Zunahme der
Treibhausgase
IPCC, 2007, AR4, WG I
IPCC, 2007, AR4, WG I
31
Do Not Cite, Quote or Distribute
8-112
32
Total pag
Final Draft (7 June 2013)
Faktor 5: Zunahme der
Treibhausgase
GHG Radiative Forcing
Chapter 8
IPCC WGI Fifth Assessment Report
IPCC AR5 Ch. 8 Fig 8.6
IPCC, 2007, AR4, WG I
33
34
Figure 8.6: (a) Radiative forcing from the major well-mixed greenhouse gases and groups of halocarbons from 1850 to
2011 (data
a logarithmic
scale, (c) Radiative
forcing
fromFifth Assessment Re
Final
Draftfrom
(7 Table
June A.II.1.1
2013) and Table A.II.4.16), (b) as (a) but with
Chapter
8
IPCC
WGI
the minor well-mixed greenhouse gases Unsicherheiten
from 1850 to 2011 (logarithmic
(d) Rate of change in forcing from the
desscale).
Strahlungsantriebs
Beiträge der wichtigsten Treiberfaktoren zur
Chapter 8
IPCC WGI Fifth Assessment Report
major well-mixed greenhouse gases and groups of halocarbons from 1850 to 2011.
Änderung des Strahlungsanstriebs seit 1750
Final Draft (7 June 2013)
Radiative forcing of climate between 1750 and 2011
Forcing agent
CO2
Anthropogenic
Well Mixed
Greenhouse Gases
Halocarbons
Other WMGHG
Ozone
CH4 N2O
Stratospheric
Tropospheric
Stratospheric water
vapour from CH4
Surface Albedo
Do Not Cite, Quote or Distribute
Black carbon
on snow
Land Use
Contrails
8-109
Total pages: 139
Contrail induced cirrus
Aerosol-Radiation Interac.
Natural
Aerosol-Cloud Interac.
Total anthropogenic
Solar irradiance
-1
0
1
Radiative Forcing [W m-2]
2
3
IPCC AR5 Ch. 8 Fig 8.15
Figure 8.6: (a) Radiative forcing from the major well-mixed greenhouse gases and groups of halocarbons from 1850 to
2011 (data from Table A.II.1.1 and Table A.II.4.16), (b) as (a) but with a logarithmic scale, (c) Radiative forcing from
the minor well-mixed greenhouse gases from 1850 to 2011 (logarithmic scale). (d) Rate of change in forcing from the
major well-mixed greenhouse gases and groups of halocarbons from 1850 to 2011.
IPCC AR5 Ch. 8 Fig 8.16
Figure 8.15: Bar chart for RF (hatched) and ERF (solid) for the period 1750–2011, where the total ERF is derived from
35Figure
Figure 8.16. Uncertainties (5–95% confidence range) are given for RF (dotted lines) and ERF (solid lines).
8.16: Probability density function (PDF) of ERF due to total GHG, aerosol forcing, and total36anthropogenic
forcing. The GHG consists of WMGHG, ozone, and stratospheric water vapour. The PDFs are generated based on
uncertainties provided in Table 8.6. The combination of the individual RF agents to derive total forcing over the
Draft (7 June 2013)
Chapter 8
IPCC WGI Fifth Assessment Report
Räumliche Muster des
Strahlungsantriebs
Radiative forcing
Surface forcing
IPCC, 2007, AR4, WG I
GFDL Klimamodel
IPCC AR5 Ch. 8 Fig 8.18
37
re 8.18: Time evolution of forcing for anthropogenic and natural forcing mechanisms. Bars with the forcing and
rtainty ranges (5–95% confidence range) at present are given in the right part of the figure. For aerosol the ERF
o aerosol-radiation interaction and total aerosol ERF are shown. The uncertainty ranges are for present (2011
s 1750) and are given in Table 8.6. For aerosols, only the uncertainty in the total aerosol ERF is given. For several
e forcing agents the relative uncertainty may be larger for certain time periods compared to present. See
(Klimaantriebskräfte)
lementary Material Table 8.SM.8 for further
information on the forcing time evolutions. Forcing numbers
ded in Annex II.– Die atmosphärischen Treibhausgase CO2, CH4 und N2O haben ein Niveau erreicht,
Zusammenfassung
dass in den letzten 800,000 Jahren nicht überschritten wurde
• Der gesamt Strahlungsantrieb des Klimasystems ist positiv (in 2011):
38
Klimasensitivität
Mass der Klimaänderung als Reaktion
auf eine Änderung im Strahlungsantrieb
ΔT = λ F
2.3 (1.1-3.3) W m-2
[K (W m-2)-1]
• Die grösste Beiträge dazu stammen aus
Spezialfall: Gleichgewichtsantwort auf eine
Verdopplung der atmosphärischen CO2 Konzentration
– Zunahme der CO2 Konzentration um 40% seit 1750 -> 1.8 (1.5-2.2) W m-2
– Zunahme der CH4 Konzentration um 150% seit 1750 -> 0.5 (0.4-0.6) W m-2
• Die Erwärmung zwischen 1986 und 2008 ist mit hoher Wahrscheinlichkeit nicht auf
Änderungen der Sonneneintrahlung zurückzuführen
• berücksichtigt schnelle Änderungen im Klimasystem (z.B. Wasserkreislauf)
• vernachlässigt langfristige Rückkopplungen/Prozesse
(z.B. durch biogeochemische Zyklen)
IPCC (2014), AR5 Summary for Policymakers
39
40
Wechselwirkungen im Klimasystem
Final Draft (7 June 2013)
Chapter 9
Final Draft (7 June 2013)
Chapter 9
Final Draft (7 June 2013)
Wechselwirkungen im Klimasystem
IPCC WGI Fifth Assessment Report
IPCC WGI Fifth Assessment Report
Chapter 9
IPCC WGI Fifth Assessment R
Beispiele:
Positive (verstärkende) Wechselwirkungen:
• Wasserdampf
• Albedo (Schnee / Eis)
Abschätzungen
von
Klimamodellen
Negative (abschwächende) Wechselwirkungen
• Schwarze Körperabstrahlung (Stefan-Bolzmann)
•Unklar (weil komplex)
• Wolkenalbedo (hohe Wolken wirken wärmend, tiefe kühlend)
41
Figure 9.43: a) Strengths of individual feedbacks for CMIP3 and CMIP5 models (left and right columns of symbols)
for Planck (P), water vapour (WV), clouds (C), albedo (A), lapse rate (LR), combination of water vapour and lapse rate
(WV+LR),
sum of of
all individual
feedbacks except
Planck
Soden and
Held(left
(2006)
(Vial
et al., 2013),
Figure
9.43: a)and
Strengths
feedbacks
for (ALL),
CMIP3from
and CMIP5
models
andand
right
columns
of symbols)
Figure
9.43:
a) (C),
Strengths
individual
feedbacks
for CMIP3
and
CMIP5
models
(left
following
al (2008).
CMIP5
feedbacks
are of
derived
fromrate
CMIP5
forof
abrupt
four-fold
increases
in right columns of symbo
for Planck
(P),Soden
wateretvapour
(WV),
clouds
albedo
(A),
lapse
(LR),simulations
combination
water
vapour
and
lapseand
rate
for
Planck
(P),
water
vapour
(WV),
clouds
(C),
albedo
(A),
lapse
rate
(LR),
combination
concentrations
(4
×
CO
).
b)
ECS
obtained
using
regression
techniques
by
Andrews
et
al.
(2012)
against
ECS of water vapour and lapse
CO
2
2
(WV+LR),
and sum of all feedbacks
except Planck (ALL), from Soden and Held (2006) and (Vial et al., 2013),
(WV+LR),
and
sum
of
all
feedbacks
Planck
(ALL),
from
Soden
and2 forcings
Held
(2006)
to the
sum
all
feedbacks.
The CO
is one-half
the
4four-fold
× CO
frominand42(Vial et al., 2013),
estimated
frometthe
ratio of
CO2 ERF
2 ERF
following
Soden
al (2008).
CMIP5
feedbacks
areof
derived
fromexcept
CMIP5
simulations
for
abrupt
increases
Andrews et al. (2012),
and
the
feedback
(ALL
+regression
Planck)
from (Vial are
et al.,
2013).from
following
et al
(2008).
CMIP5is feedbacks
derived
× CO
b) total
ECSSoden
obtained
using
Andrews
et al.CMIP5
(2012) simulations
against ECSfor abrupt four-fold increase
2). Summary
Final Draft (7 June 2013)CO2 concentrations (4Technical
IPCC
WGI Fifthtechniques
Assessment by
Report
concentrations
obtained
using
by Andrews
CO2 ERF
2). b) ECSThe
to the sum(4
of×allCO
feedbacks.
CO2 ERF
is regression
one-half thetechniques
4 × CO2 forcings
fromet al. (2012) against ECS
estimated from the ratio of CO
2
to the(Vial
sum et
ofal.,
all 2013).
feedbacks. The CO2 ERF is one-half the 4 × CO2 forcings fr
estimated
from the(ALL
ratio +ofPlanck)
CO2 ERF
Andrews et al. (2012), and the
total feedback
is from
Andrews et al. (2012), and the total feedback (ALL + Planck) is from (Vial et al., 2013).
Abschätzung der GleichgewichtsKlimasensitivität
GleichgewichtsKlimasensitivität in
AR5
Instrumental Record
Paleodata
Paleo modelling
Do Not Cite, Quote or Distribute
9-201
IPCC, 2007, AR4, WG I
43
Do Not Cite, Quote or Distribute
9-201
Do Not Cite, Quote or Distribute
TFE.6, Figure 1: Probability density functions, distributions and ranges for equilibrium climate sensitivity, based on
Figure 10.20b plus climatological constraints shown in IPCC AR4 ( Box AR4 10.2 Figure 1), and results from CMIP5
(see Table 9.5). The grey shaded range marks the likely 1.5°C to 4.5°C range, grey solid line the extremely unlikely less
Total pages: 205
IPCC, 2014, AR5, WG I,
Ch 10, Fig. 10.20
9-201
Total pages: 20544
Total page
Final Draft (7 June 2013)
Transiente
Klimasensitivität
Chapter 10
IPCC WGI Fifth Assessment Report
Transient Climate Response (+1% CO2 yr-1)
a)
Schwartz (2012)
Libardoni and Forest (2011)
Padilla et al (2011)
Instantane Erwärmung bei Verdoppelung
der CO2 Konzentration in einem Szenario,
bei dem die CO2 Konzentration um 1%
Jahr steigt.
Gregory and Forster (2008)
Probability / Relative Frequency (°C−1)
Stott and Forest (2007)
Gillett et al (2013)
Tung et al (2008)
Otto et al (2013) −− 1970−2009 budget
Otto et al (2013) −− 2000−2009 budget
Rogelj et al (2012)
Harris and Sexton (2011)
Meinshausen et al (2009)
Knutti and Tomassini (2008) expert ECS prior
Knutti and Tomassini (2008) uniform ECS prior
1.5
IPCC, 2014, AR5, WG I,
Ch 10, Fig. 10.20
1
0.5
0
0
Warr & Smith, 1998
45
Zusammenfassung
Das Netto-Feedback der Kombination von atm. Wasserdampfänderungen und
atmosphärischer und oberflächennaher Temperatur ist extrem wahrscheinlich
positiv
•
Die Gleichgewichts-Klimasensitivität liegt wahrscheinlich zwischen 1.5 und
4.5°C. Es ist extrem unwahrscheinlich, dass sie kleiner ist als 1°C (high
confidence) und sehr unwahrscheinlich grösser als 6°C
•
Änderungen am unteren Grenzwert gehen auf besseres Verständnis der
Meerestemperatur und des Klimaantriebs zurück
•
Die transiente Klimasensitivität ist besser beschränkt und liegt wahrscheinlich
zwischen 1.0 und 2.5°C (high confidence). Es ist extrem unwahrscheinlich, dass
die grösser als 3.0°C ist
1
2
3
4
Transient Climate Response (°C)
5
b)
6
46
Detection & Attribution
(Klimasensitivität)
•
Dashed lines AR4 studies
IPCC (2014), AR5 Summary for Policymakers
47
48
Definitionen
Detektion (“detection”)
•
Klimavariabilität: Interne/natürliche Variabilität des
Klimasystems (siehe letzte Vorlesung)
•
Identifizierung von Klimaänderungen
(ohne deren Erklärung)
•
Klimawandel: statistisch signifikante Änderung des
klimatischen Mittels (oder der Variabilität) über
einen längeren Zeitraum (Dekade und länger)
gegenüber der Klimavariabilität
•
Kriterium: geringe Wahrscheinlichkeit,
dass eine beobachtete Änderung
alleine durch interne Variabilität verursacht wird
•
Voraussetzung: Variabilität ist bekannt
•
Methode: erwartete Antworten auf Grundlage
externer Störungen:
•
•
•
Paleo Beobachtungen
Aus physikalischen Überlegungen
Simuliert von komplexen Klimamodellen
49
Simulierte und beobachtete
Temperaturentwicklung
seit 1900
Ursachenzuweisung (“attribution”)
•
Identifizierung der am wahrscheinlichsten Ursache
einer Klimaänderungen (insb. anthropogen)
•
Direkte Beweisführung nur durch Manipulation des
Klimasystems möglich
•
Daher indirekte Argumentation (Konsistenzprüfung)
•
1) Die Änderung ist konsistent mit der
geschätzten Wirkung von natürlichen und
anthropogenen Klimafaktoren
•
2) Die Änderung ist inkonsistent mit der
alleinigen Berücksichtigung alternativer
Klimafaktoren
50
Beobachtung
Simulation mit allen
Treiberfaktoren,
inkl. anthropogener Faktoren
Simulation mit allen
Treiberfaktoren,
ohne anthropogene Faktoren
Beobachtung
Indiz, das Treibhausgase
ursächlich zur beobachteten
Temperaturerhöhung beitragen
IPCC, 2007, AR4, WG I
51
52
Final Draft (7 June 2013)
1880
2.0
Simulierte und beobachtete
Temperaturentwicklung
seit 1900
Temperature anomaly, oC
1.5
Auf Grundlage von
Thermometermessungen
und Schiffsbeobachtungen
(links)
Simuliert von Klimamodellen
(rechts)
1920
Chapter 10
1960
2000
Global
1880
1920
IPCC WGI Fifth Assessment Report
1960
2000
Global Land
1880
1920
1960
2000
2.0
Global ocean
1.5
1.0
1.0
0.5
0.5
0.0
0.0
-0.5
-0.5
-1.0
2.0
1.5
North America
South America
-1.0
2.0
Europe
1.5
1.0
1.0
0.5
0.5
0.0
0.0
-0.5
-0.5
-1.0
2.0
1.5
Africa
Asia
-1.0
2.0
Australasia
1.5
1.0
1.0
0.5
0.5
0.0
0.0
-0.5
-1.0
2.0
1.5
-0.5
-1.0
1880
Antarctica
1920
1960
2000
1880
1920
1960
2000
historical 5-95%
historicalNat 5-95%
HadCRUT4
1.0
0.5
0.0
Alle Treiberkröfte
Nur “natürliche”
Treiberkräfte
-0.5
IPCC AR5 (2014), Fig 10.2
-1.0
1880
1920
1960
2000
IPCC, 2007, AR4, WG I
53
Änderungen der Ozeantemperatur
in den letzten 40 Jahren
Figure 10.7: Global, land, ocean and continental annual mean temperatures for CMIP3 and CMIP5 historical (red) and
historicalNat (blue) simulations (multi-model means shown as thick lines, and 5–95% ranges shown as thin light lines)
and for HadCRUT4 (black). Mean temperatures are shown for Antarctica and six continental regions formed by
combining the sub-continental scale regions defined by Seneviratne et al. (2012). Temperatures are shown with respect
to 1880–1919 for all regions apart from Antarctica where temperatures are shown with respect to 1950–2010. Adapted
from Jones et al. (2013 ).
Do Not Cite, Quote or Distribute
10-115
54
Total pages: 132
Natürliche Variabilität (blau)
Änderungen in Solar- und Vulkan-aerosol Treibern (grau)
Anthropogener Treiber (grün)
IPCC, 2007, AR4, WG I
Beobachtete Änderungen (rot)
55
56
Zusammenfassung
Zusammenfassung
(detection & attribution)
(detection & attribution)
•
• Es ist extrem wahrscheinlich, dass mehr als 50% der zwischen 1951 und 2010
beobachteten globalen Temperaturänderungen auf den Menschen zurückzuführen
ist
• Treibhausgase haben dazu wahrscheinlich 0.5-1.3 °C beigetragen
• Andere anthropogene Antriebskräfte (z.B) Aerosole hatten wahrscheinlich
einen Effekt von -0.6°C bis 0.1 °C
•
• Interne Variabilität und natürliche Klimaantriebe hatten jeweils einen
Effekt zwischen -0.1 und 0.1 °C
• Zusammengenommen sind diese Trends konsistent mit der Erwärmung von
0.6-0.7°C in dieser Periode
– Dies gilt für alle Kontinente (bis auf die Antarktis, wegen unzureichender
Messungen)
IPCC (2014), AR5 Summary for Policymakers
Der anthropogene Antrieb ist sehr wahrscheinlich
•
für die beobachtete Erwärmung der Troposphäre und der Abkühlung der
unteren Stratosphäre verantwortlich
•
ein wesentlicher Grund für die Zunahme des Ozeanischen Wärmegehalt
seit 1970
Der anthropogene Antrieb ist wahrscheinlich für die Intensivierung des
globalen Wasserkreislaufes verantwortlich, insbesondere
•
der Zunahme des atmosphärischen Feuchte (medium confidence)
•
globale Änderungen des Niederschlagsmusters (medium confidence)
•
die Intensivierung von Starkregenereignissen über land (medium
confidence)
IPCC (2014), AR5 Summary for Policymakers
57
•
58
Zusammenfassung
Der anthropogene Klimaantrieb hat
•
sehr wahrscheinlich zur Reduzierung des arktischen Seeeises
•
wahrscheinlich zum Rückzug der Gletscher seit 1960, sowie
zum Abbau des Grönland Eisschildes seit 1993 beigetragen.
Aussagen zu der Periode vorher, sowie zum Antarktischen
Eisschildes sind aufgrund mangelnder Daten nicht robust
möglich
•
zur Reduzierung der Frühlingsschneebedeckung der nördlichen
Hemisphäre
•
zum Meeresspiegel anstieg seit 1970
•
beigetragen.
•
Änderungen der Sonneneinstrahlung haben nicht zur
Temperaturänderung seit 1970 beigetragen (high confidence)
Klimawandel Simulationen
IPCC (2014), AR5 Summary for Policymakers
59
60
Arbeitschritte bei der Erstellung
einer “Klimaprojektion”
Zwei Klimaprojektionen (A1B, A1FI)
(basierend auf dem Special Report for Emission Scenarios; SRES, 1998)
IPCC, 2007, AR4, WG I
IPCC, 2007, AR4, WG I
61
62
Vergleich älterer Klimaprojektionen
mit tatsächlich eingetretenen
Klimaänderungen
Zwei Klimaprojektionen (A1B, A1FI)
IPCC, 2007, AR4, WG I
IPCC, 2007, AR4, WG I
63
64
Climatic Change (2011) 109:5–31
23
3.4 Concentrations of greenhouse gases
Projektionen der oberflächennahen
Lufttemperatur
Modelunsicherheit
(Antriebsunsicherheit
+ Klimamodelunsicherheit)
The greenhouse gas concentrations in the RCPs closely correspond to the emissions trends
discussed earlier (Fig. 9). For CO2, RCP8.5 follows the upper range in the literature
(rapidly increasing concentrations). RCP6 and RCP4.5 show a stabilizing CO2 concentration (close to the median range in the literature). Finally, RCP2.6 has a peak in CO2
concentrations around 2050, followed by a modest decline
to around 400 ppm CO2, by the
Szenariendifferenz
RCPs can be placed are also a
end of the century. For CH4 and N2O, the order in which the(Wahlfreiheit)
direct result of the assumed level of climate policy. The trends in CH4 concentrations
are more pronounced, as a result of the relatively short lifetime of CH 4. Emission
reductions, as in the RCP2.6 and RCP4.5, therefore, may lead to an emission peak much
earlier in the century. For N2O, in contrast, a relatively long lifetime and a modest
reduction potential imply an increase in concentrations, in all RCPs. For both CH4 and
N2O, the concentration levels correspond well with the range in the literature. Further
information on the calculations of concentration can be found in Meinshausen et al.
(2011b)
The combination of trends in greenhouse gases and those in atmospheric pollutants
translate to changes in concentrations affecting the overall development of radiative forcing.
As shown in Fig. 10, the RCPs, as specified in the original selection criteria, cover the
trends and level of radiative forcing values of scenarios in the literature very well. Total
radiative forcing is determined by both positive forcing from greenhouse gases and negative
forcing from aerosols. The most dominant factor, by far, is the forcing from CO2. As a
result, both for the RCPs and in the overall literature, 2100 radiative forcing levels are
correlated with cumulative 21st century CO2 emissions (see middle panel of Fig. 10). Thus,
it is not surprising that the RCPs are consistent withIPCC,
the literature,
both
in Iterms of total
2007, AR4,
WG
forcing and cumulative CO2 emissions (over the course of the century).
66
Simulationen von 1988, Daten von 2006; Hansen et al. 2006
65
3.5 Concentration of air pollutants
10
8
8
8
6
6
6
4
4
2
2
0
0
-2
2000 2025 2050 2075 2100
Literature
RCP2.6
RCP4.5
RCP6
RCP8.5
Other
Halogenated
N2O
CH4
1000
CO2
900
4
2
0
-2
-2
0
500 1000150020002500
CO2 emissions (GtC)
700
600
500
4000
3000
2000
1000
400
300
2000 2025 2050 2075 2100
Fig. 10 Trends in radiative forcing (left), cumulative 21st century CO2 emissions vs 2100 radiative forcing (middle)
and 2100 forcing level per category (right). Grey area indicates the 98th and 90th percentiles (light/dark grey) of
the literature. The dots in the middle
graph
a large number
of studies. Forcing is relative to
Vuuren
etalso
al. represent
(2011) Climatic
Change
pre-industrial values and does not include land use (albedo), dust, or nitrate aerosol forcing
respectively (again CAM3.5). This is the result of assumed trends in air pollution control and
climate policy.
Aerosol concentrations eventually decrease in all RCPs, following the strong decrease in
emissions, especially those of anthropogenic SO2. This is very different from some of the
SRES scenarios. However, the new insights into implementation of air pollution control
800
5000
500
N O concentrations (ppb)
10
CO2 concentration (ppm)
10
400
300
200
100
RCP2.6
RCP4.5
RCP6
RCP8.5
2
Climatic Change (2011) 109:5–31
20
00
R
C
P8
.5
R
C
P6
R
C
P4
R .5
C
P2
.6
2
Radiative forcing (W/m )
24
For tropospheric ozone (driven by the changes in NOx, VOC, OC and methane emissions,
CMIP5 Strategie ->
along with changes in climate conditions), there is a clear difference between the RCPs.
For RCP8.5,
radiative forcing Concentration
from tropospheric ozone,
according(RCPs)
to the CAM3.5
Representative
Pathways
calculations, increases by an additional 0.2 W/m2 by 2100 (Lamarque et al. 2011). In
contrast, there is a decrease in radiative forcing, for RCP4.5 and RCP2.6, of 0.07 and 0.2 W/m2,
CH4 concentration (ppb)
CMIP5 Strategie ->
Representative Concentration Pathways (RCPs)
0
2000 2025 2050 2075 2100
0
2000 2025 2050 2075 2100
Fig. 9 Trends in concentrations of greenhouse gases. Grey area indicates the 98th and 90th percentiles
(light/dark grey) of the recent EMF-22
al. 2010) Change
Vuurenstudy
et al.(Clarke
(2011)etClimatic
67
68
Final Draft (7 June 2013)
Technical Summary
IPCC WGI Fifth Assessment Report
Technical Summary
IPCC WGI Fifth Assessment Report
CMIP5 Temperature
Projections
Final Draft (7 June 2013)
IPCC AR5 (2014) TS. Figure 15
Figure TS.15: Top left: Total global mean radiative forcing for the 4 RCP scenarios based on the MAGICC energy
69
balance model. Note that the actual forcing simulated by the CMIP5 models differs slightly between models. Bottom
left: Time series of global annual mean surface air temperature anomalies (relative to 1986–2005) from CMIP5
concentration-driven experiments. Projections are shown for each RCP for the multimodel mean (solid lines) and ±1.64
standard deviation (5–95%) across the distribution of individual models (shading). Those ranges are interpreted as
“likely” changes at the end of the 21st century. Discontinuities at 2100 are due to different numbers of models
Final Draftthe
(7 extension
June 2013)runs beyond the 21st century
Technical
IPCC WGI
Fifth Assessment
in the sameReport
colours as
performing
andSummary
have no physical meaning.
Numbers
the lines indicate the number of different models contributing to the different time periods. Maps: Multimodel ensemble
average of annual mean surface air temperature change (compared to 1986–2005 base period) for 2016–2035 and 2081–
2100, for RCP2.6, 4.5, 6.0 and 8.5. Hatching indicates regions where the multi model mean signal is less than one
standard deviation of internal variability. Stippling indicates regions where the multi model mean signal is greater than
two standard deviations of internal variability and where 90% of the models agree on the sign of change. The number of
CMIP5 models used is indicated in the upper right corner of each panel. {Box 12.1; Figures 12.4, 12.5, 12.11; Annex I}
Änderungen im hydrologischen Kreislauf
(2081-2100)
Box TS.6, Figure 1: Patterns of temperature (left column) and percent precipitation change (right column) for the
TS Box
6.scaled
Figure
1 corresponding global
CMIP3 models average (first row) andIPCC
CMIP5AR5
models(2014)
average (second
row),
by the
average temperature changes. The patterns are computed in both cases by taking the difference between the averages
over the last twenty years of the 21st century experiments (2080–2099 for CMIP3 and 2081–2100 for CMIP5) and the
last twenty years of the historic experiments (1980–1999 for CMIP3, 1986–2005 for CMIP5) and rescaling each
difference by the corresponding change in global average temperature. This is done first for each individual model, then
the results are averaged across models. Stippling indicates a measure of significance of the difference between the two
corresponding patterns obtained by a bootstrap exercise. Two subsets of the pooled set of CMIP3 and CMIP5 ensemble
members of the same size as the original ensembles, but without distinguishing CMIP3 from CMIP5 members, were
randomly sampled 500 times. For each random sample the corresponding patterns and their difference are computed,
Finalthe
Draft
June 2013)is compared, grid-point by grid-point,
Chapter 12to the distributionIPCC
Fifth Assessment
Report
then
true(7difference
of theWGI
bootstrapped
differences,
and
only grid-points at which the value of the difference falls in the tails of the bootstrapped distribution (less than the 2.5
percentiles or the 97.5 percentiles) are stippled. {Figure 12.41}
70
Änderungen im hydrologischen Kreislauf
(2081-2100)
Bodenfeuchte
Do Not Cite, Quote or Distribute
Do Not Cite, Quote or Distribute
TS-109
IPCC, 2014, AR5, WG
TS.16
TotalI,
pages:
127
Figure TS.16: Maps of multi-model results for the scenarios RCP2.6, RCP4.5, RCP6.0 and RCP8.5 in 2081–2100 of
average percent change in mean precipitation. Changes are shown relative to 1986–2005. The number of CMIP5
models to calculate the multi-model mean is indicated in the upper right corner of each panel. Hatching indicates
regions where the multi model mean signal is less than one standard deviation of internal variability. Stippling indicates
regions where the multi model mean signal is greater than two standard deviations of internal variability and where 90%
71
TS-105
Total pages: 127
IPCC, 2014, AR5, WG I, Ch 12, Fig.23
Figure 12.23: Change in annual mean soil moisture (mass of water in all phases in the uppermost 10 cm of the soil)
(mm) relative to the reference period 1986–2005 projected for 2081–2100 from the CMIP5 ensemble. Hatching
indicates regions where the multi model mean is less than one standard deviation of internal variability. Stippling
indicates regions where the multi model mean is greater than two standard deviations of internal variability and where
90% of models agree on the sign of change (see Box 12.1). The number of CMIP5 models used is indicated in the upper
right corner of each panel.
72
Entwicklung des Meereises in der
nördlichen hemisphäre
Final Draft (7 June 2013)
Technical Summary
Änderungen in der Saisonalität
IPCC WGI Fifth Assessment Report
IPCC, 2007, AR4, WG I
Winter
Winter
Sommer
Sommer
(Eis-albedo Feedback -> stärke des Polaren Wirbels -> Stärke/Phase der NAO)
Figure TS.17: Northern Hemisphere sea-ice extent in September over the late 20th century and the whole 21st century
2014,
AR5,
WG I,
for the scenarios RCP2.6, RCP4.5, RCP6.0 and RCP8.5 in the CMIP5 models, and IPCC,
corresponding
maps
of multi-model
results in 2081–2100 of Northern Hemisphere September sea ice extent. In the time series, the number of CMIP5
models to calculate the multi-model mean is indicated (subset in brackets). Time series are given as 5 year running
means. The projected mean sea ice extent of a subset of models that most closely reproduce the climatological mean
state and 1979 2012 trend of the Arctic sea ice is given (solid lines), with the min-max range of the subset indicated
with shading. Black (grey shading) is the modelled historical evolution using historical reconstructed forcings. The
CMIP5 multi-model mean is indicated with dashed lines. In the maps, the CMIP5 multi-model mean is given in white
color, the results for the subset in grey colour. Filled areas mark the averages over the 2081–2100 period, lines mark the
sea ice extent averaged over the 1986–2005 period. The observed sea ice extent is given in pink as a time series and
averaged over 1986–2005 as a pink line in the map. {Figures 12.18, 12.29, 12.31}
TS.17
73
Änderung in Extremereignissen
Do Not Cite, Quote or Distribute
TS-111
74
Änderung in Extremereignissen
Total pages: 127
IPCC, 2011, Special Report
on Climate Extremes
75
76
Änderungen in Extremereignissen
Trägheit des Klimasystems:
Stabilisierung Treiberfaktoren
!= Stabilisierung Klimasystem
IPCC, 2007, AR4, WG I
IPCC, 2014, AR5, WG I, Ch 12. Fig 13
77
78
Zusammenfassung
Map of potential policy-relevant tipping elements in the climate
system, overlain on global population density.
(Klimawandelprojektionen)
Figure 12.13: CMIP5 multi model mean geographical changes (relative to a 1981–2000 reference period in common
with CMIP3) under RCP8.5 and 20-year smoothed time series for RCP2.6, RCP4.5 and RCP8.5 in the (a,b) annual
minimum of minimum daily temperature, (c,d) annual maximum of maximum daily temperature, (e,f) frost days
(number of days below 0°C) and (g,h) tropical nights (number of days above 20°C). White areas over land indicate
regions where the index is not valid. Shading in the time series represents the interquartile ensemble spread (25th and
75th quantiles). The box-and-whisker plots show the interquartile ensemble spread (box) and outliers (whiskers) for 11
CMIP3 model simulations of the SRES scenarios A2 (orange), A1B (cyan), and B1 (purple) globally averaged over the
respective future time periods (2046–2065 and 2081–2100) as anomalies from the 1981–2000 reference period.
Stippling indicates grid points with changes that are significant at the 5% level using a Wilcoxon signed-ranked test.
Updated from Sillmann et al. (2013), excluding the FGOALS-s2 model.
Do Not Cite, Quote or Distribute
12-137
•
Die relativen Muster des Klimawandels gleichen sich zwischen dem Anfang und
Ende des 21sten Jahrhunderts.
•
Interannuale Variabilität wird einen starken Einfluss auf das Klima behalten,
besonders in nächsten Dekaden und auf regionaler Skala.
•
Erst ab Mitte des 21sten Jahrhunderts unterscheiden sich Szenarien
deutlicher
•
Die Reduzierung der Unsicherheiten in Temperaturprognosen ist hauptsächlich
durch den neuen Ansatz (RCP Szenarios) bedingt, da die KohlenstoffKlimainteraktionen die Projektionen nicht beeinflussen, und nicht durch
verbessertes Verständnis
•
Die erhöhten Abschätzungen des Meeresspiegelanstiegs ist durch eine
Verbesserung der Modellierugen von dynamischen Land-Eis Prozessen
(Gletscher)
Total pages: 175
Lenton T M et al. PNAS
2008;105:1786-1793
79
80
Zusammenfassung
•
Globale Oberflächentemperatur in 2016-2035: 0.3°C - 0.7°C
(relativ zu 1986-2005; medium confidence)
•
Globale Oberflächentemperatur in 2081-2100:
RCP 2.6: 0.3-1.7°C
RCP 4.5: 1.1-2.6°C
RCP 6.0: 1.4-3.1°C
RCP 8.5: 2.6-4.8°C
zusätzlich zu den 0.6-0.7°C von 1850 bis 1985-2005
•
Erwärmung in der Arktis > globale Erwärmung (very high confidence)
Erwärmung über Land > Erwärmung über Ozeanen (very high confidence)
•
Szenarion RCP 6.0 und 8.5: Erwärmung wahrscheinlich >2°C.
Szenarien 2.6 und 4.5: Die Überschreitung der 2°C Marke ist wahrscheinlicher
als die nicht-Überschreitung
•
Zunahme von heissen und Abnahme von kalten Temperaturextremen gilt als
beinahe sicher
81