Arbeitsgruppe Meteorologische Umweltforschung/Klimatologie Institut für Meteorologie und Geophysik der J. W. Goethe-Univ

1. Arbeitsgruppe Meteorologische Umweltforschung/Klimatologie Institut für Meteorologie und Geophysik der J. W. Goethe-Universität Frankfurt/M. Empirisch-statistische Analyse von Wechselbeziehungen zwischen Klimasystem und Anthroposphäre in neoklimatologischer Zeit Tim Staeger Disputations-Vortrag am 13. März 2003

2. Gliederung: Teil I: Signalanalyse globaler und regionaler Klimadatenfelder Teil II: Witterungseinflüsse auf deutsche Ernteerträge

3. Global gemittelte Temperatur-Anomalien 1956 bis 2002 nach Jones Fragestellung: Welche Anteile der Variationen in beobachteten Klimaelementen sind mittels Regression natürlichen und anthropogenen Ursachen zuzuordnen? I Signalanalyse globaler und regionaler Klimadatenfelder Wie signifikant lässt sich ein anthropogenes Signal vom Zufall und von den natürlichen Signalen unterscheiden?

4. Ansatz: Mit Hilfe klimatologischer Vorkenntnisse erhält man ein Reservoir an potenziellen Einfluss-Zeitreihen. Durch die Selektionsstrategie der schrittweise Regression werden signifikante Einfluss-Zeitreihen ausgewählt, die in ein multiples Regressionsmodell einfließen. Das Signal-Rausch-Verhältnis der anthropogenen Signale ist ein Maß für deren Signifikanz.

5. Berücksichtigte Antriebe / Prozesse: Anthropogene Treibhausgas-Konzentrationen (GHG) Troposphärische Sulfatkonzentrationen* (SUL) Schwankungen der Solarkonstanten (SOL) Explosiver Vulkanismus (VUL) El Niño – Southern Oscillation (SOI) Nord-Atlantik-Oszillation (NAO) * Signale unplausibel

6. Globale Mitteltemperatur 1878 – 2000, Jahresmittel nach Jones GHG + SOL + SOI + VUL erklärte Varianz: 78,9%

7. Erklärte Varianz des Gesamtmodells und der einzelnen Einflüsse an der globalen Mitteltemperatur 1878 - 2000

8. Signifikanz des Treibhaus-Signals: Ein Signal muss sich hinreichend vom Rauschen abheben: Unter der Vorraussetzung Gauß-verteilter Residuen lässt sich die zu einem gegebenen Signal-Rausch-Verhältnis gehörende Signifikanz berechnen.

9. Was ist Rauschen? Fall 1: „Rauschen“ repräsentiert den Zufall: Um die „zufallsartige“ Komponente zu erhalten, wird das Residuum in eine strukturierte und unstrukturierte Komponente zerlegt. Hierbei wird getestet ob sich das Treibhaus-Signal signifikant vom Zufall unterscheidet

10. Was ist Rauschen? Fall 2: „Rauschen“ beinhaltet die natürliche Variabilität und die unerklärte Varianz: Hierbei wird getestet ob sich das Treibhaus-Signal signifikant von der Variabilität nicht anthropogenen Ursprungs unterscheidet

11. Fall 1: Unstrukturierte Residualkomponente als Rauschen

12. Fall 1: Unstrukturierte Residualkomponente als Rauschen

13. Fall 2: Komplettes Residuum und natürliche Variabilität als Rauschen

14. Datenfelder: Vorhandene Gebietsmittel, Temperatur Jahresmittel 1901 - 2000 Räumliche Differenzierung führt zu Gebietsmittelreihen die nicht unabhängig voneinander sind, da sie alle einen Teil desselben Feldes meteorologischer Parameter beschreiben

15. EOF-Transformation PC Rücktransformation Signalfelder, Residuenfeld Schrittweise Regression Vorbehandlung von Feldern: Datenfeld

16. Treibhausgas-Signalfeld im Jahr 2000 relativ zum Jahr 1901 in [K]:

17. Treibhausgas-Signalfeld saisonale Mittel im Jahr 2000 relativ zum Jahr 1901 in [K]: Winter Frühjahr Sommer Herbst

18. Solares Signalfeld im Jahr 2000 relativ zum Jahr 1906 (erstes Sonnenfleckenmaximum im Analysezeitraum) in [K]:

19. Erklärte Varianz des Gesamtmodells und der einzelnen Einflüsse an den globalen Gebietsmitteln der Temperatur 1878 - 2000

20. Prozentuale Signifikanz des GHG-Signals im Jahr 2000 relativ zum Jahr 1901: Fall 1: Unstrukturierte Residualkomponente als Rauschen Fall 2: Komplettes Residuum und natürliche Variabilität als Rauschen

21. Prozentuale Signifikanz des GHG-Signals im Jahr 2000 relativ zum Jahr 1878: Fall 1: Unstrukturierte Residualkomponente als Rauschen Fall 2: Komplettes Residuum und natürliche Variabilität als Rauschen

22. Treibhausgas-Signalfeld Europa im Jahr 2000 relativ zum Jahr 1878 in [K]:

23. Prozentuale Signifikanz des GHG-Signals in Europa im Jahr 2000 rlativ zum Jahr 1878: Fall 1: Unstrukturierte Residualkomponente als Rauschen Fall 2: Komplettes Residuum und natürliche Variabilität als Rauschen

24. Signfikanz des Treibhaus-Signals in der Deutschland-Mitteltemperatur 1878 - 2000: Fall 1: Unstrukturierte Residualkomponente als Rauschen

25. Signfikanz des Treibhaus-Signals in der Deutschland-Mitteltemperatur 1878 - 2000: Fall 2: Komplettes Residuum und natürliche Variabilität (ohne NAO) als Rauschen

26. Vergleich erklärter Varianzen des Gesamtmodells und der einzelnen Einflüsse an verschiedenen Temperatur-Datensätzen 1878 - 2000:

27. Zusammenfassung Teil I: Die erklärten Varianzen sind in den global und hemisphärisch gemittelten Temperaturen am höchsten (ca. 70% - 80%) und verringern sich mit zunehmender räumlicher Differenzierung (Ausnahme: Deutschland-Mitteltemperatur). Die Sulfat-Signale sind unplausibel. Die verwendeten Einfluss-Zeitreihen sind wahrscheinlich ungeeignet. Anthropogene Treibhausgase sind auf der globalen Skala der wichtigste Einfluss auf die bodennahe Lufttemperatur, und dort auch signifikant vom Zufall und von der natürlichen Variabilität unterscheidbar. Auf der Europäischen Skala dominiert die NAO – das Treibhaus-Signal ist dort nicht signifikant. Dies gilt auch für das Europäische Luftdruck- und Niederschlagsfeld.

28. II Witterungseinflüsse auf deutsche Ernteerträge: Meteorologische Daten: Monatsmittel bzw. -Summen aus sieben westdeutschen Bundesländern von Temperatur und Niederschlag, die aus Gitterpunktsdaten abgeleitet wurden (0,5° x 0,5°). Bayern Baden-Württemberg Rheinland-Pfalz Hessen Nordrhein-Westfalen Niedersachsen Schleswig-Holstein

29. Frühkartoffeln Spätkartoffeln Zuckerrüben Runkelrüben Weisskohl Rotkohl Wirsing Gras Klee Winterraps Sommerraps Ackerbohnen Körnermais Spargel Erdbeeren Winterweizen Sommerweizen Wintergerste Sommergerste Roggen Hafer II Witterungseinflüsse auf deutsche Ernteerträge: Ertragsdaten: Bundeslandmittel von 21 Fruchtarten in [t/ha]

30. Hochpassfilterung von Ertragsreihen: Beispiel: Erträge des Sommerweizens in Bayern 1950 - 1998

31. Korrelationen zwischen Ertrags- und Klimazeitreihen: Fragestellung: Gibt es Monate, in denen der Einfluss von meteorologischen Parametern besonders ausgeprägt ist?

32. Beispiel: Ackerbohnen in Baden-Württemberg Korrelationen zwischen Ertrags- und Klimazeitreihen: Fragestellung: Gibt es Monate, in denen der Einfluss von meteorologischen Parametern besonders ausgeprägt ist?

33. Korrelationen zwischen Ertrags- und Klimazeitreihen: Fragestellung: Gibt es Monate, in denen der Einfluss von meteorologischen Parametern besonders ausgeprägt ist? Beispiel: Spargel in Niedersachsen

34. Korrelationen zwischen Ertrags- und Klimazeitreihen: Abgeleitete Einflussgrößen: a) Quadrieren Vorstellung: Extreme wirken sich besonders stark auf die Erträge aus

35. Korrelationen zwischen Ertrags- und Klimazeitreihen: Abgeleitete Einflussgrößen: a) Quadrieren Vorstellung: Extreme wirken sich besonders stark auf die Erträge aus Beispiel: Ackerbohnen in Baden-Württemberg

36. Korrelationen zwischen Ertrags- und Klimazeitreihen: Abgeleitete Einflussgrößen: a) Quadrieren Vorstellung: Extreme wirken sich besonders stark auf die Erträge aus Beispiel: Spargel in Niedersachsen

37. Korrelationen zwischen Ertrags- und Klimazeitreihen: Abgeleitete Einflussgrößen: b) Multiplizieren / Dividieren Vorstellung: Temperatur und Niederschlag wirken in Kombination

38. Korrelationen zwischen Ertrags- und Klimazeitreihen: Abgeleitete Einflussgrößen: b) Multiplizieren / Dividieren Vorstellung: Temperatur und Niederschlag wirken in Kombination Beispiel: Ackerbohnen in Baden-Württemberg

39. Korrelationen zwischen Ertrags- und Klimazeitreihen: Abgeleitete Einflussgrößen: b) Multiplizieren / Dividieren Vorstellung: Temperatur und Niederschlag wirken in Kombination Beispiel: Spargel in Niedersachsen

40. Hochsignifikanter (Si > 99%) Einfluss trocken-heisser sommerlicher Witterungen: Aufgelistet sind alle Fruchtarten, bei denen eine hochsignifikante Korrelation zwischen dem Ertrag und den Quotientenreihen aus Temperatur und Niederschlag für die Monate Juni, Juli und August vorliegen.

41. Schrittweise Regression: • Potenzielle Regressoren: • Monatsmittel der Temperatur bzw. Monatssummen des Niederschlages innerhalb der Vegetationsperiode und des vorausgehenden Monats • Abgeleitete Zeitreihen (quadriert, multipliziert bzw. dividiert) aus den „Basis-Regressoren“ Temperatur und Niederschlag derselben Zeiträume • - Basis-Regressoren und abgeleitete Zeitreihen der jeweiligen Vegetationsperioden

47. Selektierte Regressoren:

48. Zusammenfassung Teil II: Durch die notwendige Hochpassfilterung der Ertragsreihen können keine niederfrequenten Variationsanteile analysiert werden. Viele Fruchtarten sind empfindlich gegenüber trocken-heissen Witterungsabschnitten im Sommer. Feucht-warme Witterung im April wirkt sich negativ auf Getreideerträge aus. Extreme Anomalien in den meteorologischen Parametern wirken sich fast ausschließlich negativ auf die Erträge aus.

49. Fazit: Der anthropogene Zusatz-Treibhauseffekt ist der wichtigste Einfluss auf die beobachtete bodennahe Lufttemperatur der letzten 100 – 120 Jahre, und ist dort (bei hinreichender räumlicher Mittelung) signifikant nachweisbar. Der Witterungseinfluss auf Ernteerträge der letzten ca. 50 Jahre in Westdeutschland ist überwiegend sichtbar. Extreme Anomalien der meteorologischen Parameter führen häufig zu Ernteeinbrüchen. Um den Impakt einer Klimaänderung auf Ernteerträge in Deutschland beurteilen zu können, sind künftig vor allem Änderungen im Extremverhalten meteorologischer Parameter zu untersuchen.