Ralf Lindau Uni Bonn Müncheberg, 21.01.2009

1. Validierung der CLM-Konsortialläufe mit NiederschlagsmessungenDownscaling der 2m-Temperaturunter Berücksichtigung der Orographie Ralf Lindau Uni Bonn Müncheberg, 21.01.2009

2. Vergleich des mittleren Niederschlags 1961 bis 2000 aus Beobachtungen und Modell - = Modell CLM 974 mm/a Beobachtung DWD 785 mm/a Differenz 189 mm/a

3. Vorsorge und Gestaltungspotenziale in ländlichen Räumen unter regionalen Wetter- und Klimaänderungen (LandCaRe 2020) www.landcare2020.de Das Modell regnet zu häufig. Jede Regenklassenhäufigkeit wird um 10 0.12, also etwa 30% überschätzt. Kein Regen wird an 44% der Tage beobachtet, im Modell sind es lediglich 29% + Modell 0-9 Obse

4. Mit der Methode gleicher Summenhäufigkeit wird die pdf des Modells in die der Beobachtungen überführt. Durch die Tranfer-Funktion (links) werden sämtliche Modell-Regenraten vermindert. 99.94 – 100.07 mm/d  82.5 mm/d 2.95 - 3.06 mm/d  2.0 mm/d 0.00 – 0.45 mm/d  0.0 mm/d Nach der Korrektur stimmen die pdfs überein, auch die Häufigkeit regen- freier Tage (rechts).

5. Mittlerer Jahresgang des Modellbias Lauf_1 Lauf_2 Korrektur vermindert den Niederschlag in allen Monaten etwa gleich. Ist eine monatliche Korrekturfunktion (Febr. stark, März schwach) notwendig? Vergleiche Unterschiede zwischen den Monaten eines Laufs mit den Unterschieden zwischen den Läufen. Lauf_1 korrigiert

6. Der Jahresgang erzeugt eine Standardabweichung von 0.24 mm/d. Die Standardabweichung der Differerenz beider Läufe ist mit 0.26 mm/d vergleichbar. Also ist der Jahresgang nicht signifikant.

7. Räumliche Struktur des Modellbias nach der Korrektur Die zeitliche Analogie dieser räumlichen Betrachtungsweise war Jahresgang des Biases nach Korrektur (unten). Nach der Korrektur bleiben große regionale Differenzen des Modells verglichen mit den Beobachtungen (links). Mithilfe einer 2. Modell-Realisation wurde der Jahresgang des Biases als zufällig entlarvt. Ist auch die räumliche Streuung zufällig oder tritt ein ähnliches Muster im 2.Lauf auf?

8. Differenz Die Modellläufe sind sehr ähnlich, aber nicht gleich (links). Die Unterschiede zwischen beiden Läufen betragen 20 mm/a verglichen mit 1000 mm/a für die räumlichen Differenzen. (Maß: Stdabw.) Das Muster des Modellfehlers ist also persistent und muss korrigiert werden. Lauf_1 Lauf_2

9. Original Modell-Regen Korrigierter Modell-Regen Bias Bias Korrekturfunktion für jede Gitterbox PDF PDF

10. Änderung der Regenmenge A1B (2016 – 2025) gegenüber C20 (1960 – 2000) (links). Der Unterschied zwischen Lauf_1 und Lauf_2 ist in der gleichen Größenordung (unten). Also herrscht 2020 noch keine signifikante Änderung im Niederschlag

11. Lauf_1 Lauf_2 Klimaläufe: Die jährliche Regenmenge für Deutschland sinkt im Zeitraum 1960 - 2000 signifikant. (in beiden Läufen, korrigiert oder unkorriert) Unkorrigiert Korrigiert

12. Das Modell erzeugt Trends, die in den Beobachtungen nicht zu finden sind. Modell Beobachtung

13. Verglichen mit Beobachtungen regnet es im Zeitraum 1960 bis 2000 im Klimamodell zu häufig und zuviel. Lösung: Die pdf des Modells wird für jeden Gitterpunkt in die der Beobachtungen überführt. Bis 2020 sind die prognostizierten Änderungen im Regen klein gegenüber dem Bias des Modells und vergleichbar mit der Modellunsicherheit. Im Zeitraum 1960 bis 2000 erzeugt das Klimamodell signifikante Trends im Niederschlag, die in den Beobachtungen nicht zu finden sind. Zusammenfassung Regenkorrektur

14. Bereitstellung wöchentlicher Felder mit 1/10° räumlicher Auflösung für 14 Jahre (1990 – 2003) für Teilprojekt 5: Regen Sonnenscheindauer 2m Temperatur Gewünschte Erweitung auf: Feuchte Wind Klimatologische Wasserbilanz

15. www.landcare2020.de www.landcare2020.de TP 2.3 Dynamische Regionalisierung Beispiel: Regen vom 01.01.1996 bis 07.01.1996 Varianzeigenschaften DWD Original Ergebnis DWD Original Ergebnis Konstante Varianz- reduktion um den BeobFehler BeobFehler: 0.037 mm2/d2

16. Rohdaten Varianzstruktur Ergebnis Neben dem Niederschlag wurden aus DWD-Klimastation auch Felder der - 2m-Temperatur - Sonnenscheindauer berechnet. Sonnenscheindauer Fehler

17. T2m-Rohdaten T2m-Ergebnis Einfache Anwendung des Kriging-Verfahrens auf Rohdaten der Temperatur ist nicht ratsam, da Orographie-Effekte nicht berücksichtigt werden. Im Mittel erwartet man den feucht-adiabatischen Temperaturgradienten von -6.5 K/km

18. Korrelation zwischen Höhe und Temperaturanomalie Der Orographie-Effekt wirkt ständig und ist in langjährigen Anomalien (gegen den deutschlandweiten Tagesmittelwert) am besten nachweisbar. Bei einer Korrelation von -0.697 ergibt sich eine (beidseitige) Regressionsgerade von -6.98 K/km. Das entspricht recht genau dem erwarteten Wert etwas oberhalb des feucht-adiabatischen Temperaturgradienten.

19. T2m reduziert auf NN T2m reduziert auf NN Rück-reduziert Mit Orographie T2m Ohne Orographie

20. Unsere Kriging-Methode produziert aus einzelnen Stationszeitreihen vollständige Felder mit Fehlerangabe. Die Gesamtvarianz ist genau um den Beobachtungsfehler reduziert. Die Stukturfunktion bleibt erhalten. Die Varianz ist auf jeder Längenskala um den Beobachtungsfehler reduziert. Der Zusammenhang zwischen Orographie und Temperatur ermöglicht und erfordert deterministisches Downscaling Weitere Parameter (Klimatol, Wasserbilanz) sind nicht ohne größeren Aufwand herstellbar. Zusammenfassung Kriging

21. 18 km 5 km Vergleich CLM 18 mit GKSS 5 km Regenmenge im Juli 2020 Randeffekte in GKSS_5km Uckermark schon zu dicht am Rand?

22. CLM_18km Terra_2.8km Achtung: Terra liefert nur Bodenparameter: Bodentemperatur, Bodenfeuchte, turbulente Flüsse. Nicht: Regen, Lufttemperatur, Feuchte, Druck, Einstrahlung, Wind, usw.