Klima: Klima – Zukunft

Einleitung

Die Änderung des Klimas ist heute bereits an vielen Stellen zu beobachten. Nach dem Fünften Sachstandsbericht des Zwischenstaatlichen Ausschusses für Klimawandel (engl.: Intergovernmental Panel on Climate Change, Assessment Report 5, IPCC AR5) von 2013 ist durch den fortgesetzten Anstieg der Treibhausgas(THG)-Konzentrationen in der Atmosphäre mit weiteren Klimaveränderungen zu rechnen.

Szenarien

Um die Folgen der THG-Emissionen auf das Klima der Zukunft abschätzen zu können, werden sogenannte Klimaprojektionen erstellt. Sie basieren auf Szenarien der zukünftigen ökonomischen, sozialen, politischen und technischen Entwicklung der Welt. Aspekte wie z. B. Bevölkerungswachstum, technologische und ökonomische Entwicklung, Globalisierung und weltweit vorhandenes Umweltbewusstsein fließen in die Berechnung zukünftiger Emissionen von Kohlendioxid (CO2) und weiteren THG ein.

Im "IPCC Special Report on Emission Scenarios" (SRES) werden 4 Hauptgruppen von Szenarien (sogenannte SRES-Szenarien, farbige Linien in Abbildung 1) definiert (Nakicenovic & Swart, 2001). Sie unterscheiden sich durch die Annahme einer ökonomisch (A-Szenarien) oder ökologisch (B-Szenarien) orientierten Welt, sowie nach einer global (1-Szenarien) oder regional (2-Szenarien) handelnden Welt. Daraus ergeben sich folgende Szenarien-Gruppen (im Folgenden kurz "Szenarien" genannt), die in der Klimaforschung überwiegend angewendet werden:

A1B: Eine ökonomisch orientierte, globalisierte Welt, in der eine starke Technologieentwicklung stattfindet und in der sich durch die Globalisierung diese Technologien rasch in weite Teile der Welt verbreiten.
A2: Eine ökonomisch orientierte, regional handelnde (also nicht globalisierte) Welt, in der eine starke Technologieentwicklung stattfindet, in der sich diese Technologien nur langsam in andere Weltregionen verbreiten.
B1: Eine ökologisch orientierte, globalisierte Welt.
B2: Eine ökologisch orientierte, regional handelnde Welt.

Das A1-Szenario wird zusätzlich noch nach folgenden Aspekten aufgeschlüsselt: A1T für "Technologisch orientierte Entwicklung" (hohe Energieeffizienz), A1B für "Base line" (Nutzung fossiler und erneuerbarer Energiequellen) und A1Fl für "Fossil Intense" (vorwiegende Nutzung fossiler Energie), um möglichst viele potentielle Pfade der Weltentwicklung zu generieren. Alle SRES-Szenarien nehmen eine Entwicklung ohne gezielte politische Maßnahmen zur Reduktion der Emissionen (wie z. B. das Kyoto-Protokoll) an. Die zeitliche Entwicklung der THG-Emissionen für verschiedene Szenarien ist in Abbildung 1 zu sehen. Szenarien, die nach 2001 entwickelt wurden (sog. post-SRES), sind in ihren extremen Ausprägungen durch die grauen gestrichelten Linien gekennzeichnet. Zu 80 % liegen sie in dem Bereich, den auch die SRES-Szenarien abdecken (grau schattiert). In dieser Darstellung ist nicht nur CO2 berücksichtigt, sondern auch die anderen im Kyoto-Protokoll definierten Treibhausgase (Methan, Lachgas u.a.). Zur Vereinfachung wird deren Treibhauswirkung umgerechnet in eine Menge CO2, die die gleiche Wirkung hätte. Zusammengefasst werden diese Emissionen als CO2-Äquivalent (engl. Abkürzung: CO2-eq) bezeichnet.


Abbildung 1: Emissionen der Treibhausgase (engl.: Greenhouse Gases, GHG) der verschiedenen Szenarien bis 2100 in Gt CO2-Äquivalent pro Jahr. Szenarien, die nach dem SRES erstellt wurden, sind mit `postSRES´ gekennzeichnet. (Quelle: IPCC, 2007)
Die verschiedenen Szenarien starten alle im Jahr 2000 bei derselben THG-Konzentration, danach entwickeln sich die verschiedenen Emissionspfade der Szenarien auseinander, was in der Folge zu Unterschieden der Modellergebnisse für die verschiedenen Szenarien führt. Die beobachteten globalen THG-Emissionen von 2000 bis 2008 sind (trotz des Kyoto-Protokolls) höher als in allen SRES-Szenarien für diesen Zeitraum.

Im Jahr 2012 wurden neue Szenarien veröffentlicht, die durch repräsentative Konzentrationspfade der THG gekennzeichnet sind: die sogenannten RCP-Szenarien (engl. Representative Concentration Pathways). Diese RCP-Szenarien werden bereits im fünften Bericht des Zwischenstaatlichen Ausschusses für Klimawandel (IPCC AR5, 2013) verwendet. Sie werden nach der Stärke der darin angenommenen zusätzlichen Wirkung der THG (ausgedrückt in Watt pro m2) benannt. Das RCP2.6 stellt einen Konzentrationsverlauf dar, der die Einhaltung des 2°-Zieles ermöglichen würde. Es gibt darüber hinaus die Szenarien RCP4.5, RCP6.0 und RCP8.5, die jeweils entsprechend stärkere Anstiege der THG-Konzentrationen darstellen. In den RCP-Szenarien werden erstmals auch gezielte Klimaschutzmaßnahmen als mögliche politische Handlungsoptionen einbezogen. Abbildung 2 zeigt den Strahlungsantrieb (engl.: Radiative Forcing) der SRES- und RCP-Szenarien im Vergleich.


Abbildung 2: Summe aller anthropogenen Strahlungsantriebe (d. h. THG, Aerosole und Landnutzungsänderung) relativ zur vorindustriellen Zeit. Nach: IPCC 2013 (WG1, Abb. 12.3 a).

Die Wahrscheinlichkeit für das Eintreten der verschiedenen Szenarien hängt davon ab, ob, und wenn ja, wann welche Maßnahmen zur Emissionsminderung umgesetzt werden. In diesem Atlas werden Ergebnisse für das Szenario A1B gezeigt. Nur falls in den nächsten Jahren deutlich stärkere Klimaschutzmaßnahmen umgesetzt werden als dies derzeit der Fall ist, bestehen noch realistische Chancen auf ein Szenario unterhalb von SRES-A1B oder RCP6.0. Sollte die Weltgemeinschaft keine signifikant größeren Klimaschutzanstrengungen umsetzen, so ist möglicherweise sogar mit noch stärkeren Klimaveränderungen zu rechnen als beim Szenario A1B, das in diesem Atlas verwendet wird.

Globale Klimaprojektionen

Aus den THG-Emissionen (der SRES-Szenarien) werden mit Kohlenstoff-Kreislauf-Modellen atmosphärische CO2-Konzentrationen berechnet. Diese gehen dann in globale Klimamodelle ein. Die Ergebnisse von Simulationen mit Klimamodellen für ein bestimmtes Szenario sind die Klimaprojektionen. Diese sind keine Klimavorhersagen, sondern mögliche, physikalisch sinnvolle Entwicklungen des Klimasystems unter Annahme der jeweiligen THG-Konzentration des verwendeten Szenarios. Im IPCC AR4 (2007) werden Ergebnisse von 21 globalen Klimamodellen (engl.: General Circulation Models, GCMs) dargestellt, im IPCC AR5 (2013) sogar von 45 GCMs.

In den Ergebnissen der Klimamodelle sind die Differenzen zwischen den Szenarien zu Beginn dieses Jahrhunderts geringer als am Ende. Bei Betrachtung der Szenarien A1B, A2 und B1 ergeben sich folgende systematische Unterschiede: Zum Ende des 21. Jahrhunderts fällt der globale Klimawandel für das B1-Szenario relativ gering aus, für das A1B-Szenario stärker und für das A2-Szenario am stärksten. Diese globalen Ergebnisse können jedoch für einzelne Regionen etwas anders aussehen. Während z. B. global für das A2-Szenario zum Ende dieses Jahrhunderts eine deutlich stärkere Erwärmung von den Klimamodellen simuliert wird als für das A1B-Szenario, ist die Erwärmung für das Gebiet von Hessen in beiden Szenarien ungefähr gleich stark.
Unterschiede treten aber auch zwischen den Ergebnissen verschiedener GCMs auf. Die jeweils kältesten Modelle für ein bestimmtes Szenario zeigen bis zum Jahr 2100 einen Temperaturanstieg, der vergleichbar ist mit demjenigen der jeweils wärmsten Modelle für das nächst-schwächere Szenario.

Regionalisierung

Globale Klimamodelle haben heutzutage üblicherweise eine horizontale Auflösung zwischen 100 und 300 km. Das bedeutet, dass Aussagen aus globalen Klimamodellen nur für relativ große Regionen sinnvoll abzuleiten sind. Um regionale Informationen über das mögliche Klima der Zukunft zu erhalten, ist daher eine sogenannte Regionalisierung der globalen Ergebnisse notwendig. Es gibt prinzipiell zwei methodische Ansätze zur Regionalisierung der globalen Ergebnisse: statistische oder dynamische Regionalisierung.

Bei der statistischen Regionalisierung (im weiteren Verlauf auch "Empirisch Statistisches Downscaling, ESD" genannt) werden statistische Zusammenhänge zwischen großskaligen Klimavariablen und gemessenen Werten an verschiedenen Standorten erstellt. Unter der Annahme, dass der statistische Zusammenhang auch in Zukunft erhalten bleibt, lassen sich die globalen Simulationen auswerten und daraus auf lokale Ereignisse Rückschlüsse ziehen. Vorteile des ESD sind:

Nachteile sind:

Ein statistisches Regionalisierungsverfahren (ESD) berechnet aus Beobachtungsdaten den Zusammenhang zwischen einer Information auf der kontinentalen oder der globalen Skala (z. B. großskalige Wetterlage über Europa und dem Nordatlantik oder globale Mitteltemperatur) und Parametern an Messstationen (z. B. Temperatur oder Niederschlag am Flughafen Frankfurt) für das heutige Klima. Diesen statistischen Zusammenhang wendet das Modell für das zukünftige Klima auf Wetterdaten an, die von einem globalen Klimamodell simuliert werden, und berechnet damit die entsprechenden Parameter am Stationsort. Die statistischen Methoden (ESD) stellen die räumliche Struktur nur am Boden und nur an den Stationsorten dar. Bodenwerte zwischen den Messstationen werden interpoliert.  

Die dynamische Regionalisierung verwendet ein Klimamodell für einen Ausschnitt des Globus (sogenanntes Regionales Klimamodell, engl. RCM) und simuliert die physikalischen Zusammenhänge für diesen Bereich mit einer höheren Auflösung als ein globales Modell.

Vorteile der RCMs sind:

Nachteile der Methode sind:

Ein RCM liefert Informationen über alle simulierten Parameter (z. B. Temperatur, Niederschlag, Wind, Luftfeuchte, Luftdruck, etc.) nicht nur am Boden, sondern auch in den darüber liegenden Luftschichten. Die dynamischen Modelle (RCMs) stellen die räumlichen Strukturen mit ihrer jeweiligen horizontalen und vertikalen Auflösung als Mittelwerte über die resultierenden Gitterboxen dar.

Mit einer Kombination aus einem regionalen und einem globalen Klimamodell werden nicht nur Simulationen für die Zukunft durchgeführt, sondern mit derselben Kombination auch für die Vergangenheit. Der Vergleich zwischen beobachtetem und simuliertem Klima für die Vergangenheit zeigt dann, wie gut diese Modell-Kombination das heutige Klima darstellen kann. Das Klimasignal ist die Differenz zwischen dem simulierten Klima der Vergangenheit und mit den gleichen Modellen simulierten Klima der Zukunftsperiode.

Modell-Ensemble

Bei der Klimamodellierung ist es wichtig zu verstehen, dass das Klimasystem grundsätzlich chaotisch ist. Mathematisch betrachtet bedeutet das, dass kleine Änderungen in der Ausgangssituation des Systems zu größeren Änderungen in der Endsituation führen können. Desweiteren ist es nicht möglich, auf einer beliebig feinen räumlichen Skala die komplette Physik des Klimasystems für alle relevanten Prozesse (z. B. Strahlung, Wolken, Luftchemie, etc.) in allen Details mathematisch zu berechnen. Manche Prozesse sind so kleinräumig, so schnell oder so kompliziert, dass sie nicht exakt in das Klimamodell eingebaut werden können. Aus diesem Grund werden solche Prozesse nur annäherungsweise ausgerechnet (sogenannte Parametersierung). Eine Parametrisierung bedeutet, dass man eine statistische Formel verwendet, um die Wirkung des Prozesses im Modell zu simulieren, auch wenn der Prozess selber (z. B. Bildung einer einzelnen Wolke) nicht direkt simuliert wird. Die räumliche Auflösung des Modells ist ausschlaggebend, denn sie bestimmt, welche Prozesse groß genug sind, um im Modell direkt simuliert werden zu können und welche Prozesse so kleinräumig sind, dass sie parametrisiert werden müssen. Die Parametrisierungen, wie die Modelle selber, sind nur Annäherungen an die komplexe Realität des Klimasystems. Dies hat zur Folge, dass in allen Modellen Fehler zu erwarten sind. Da in den Modellen aber nicht immer dieselben Prozesse mit denselben statistischen Formeln und identischer mathematischer Genauigkeit berechnet werden, können manche Modelle den einen oder anderen Prozess etwas besser darstellen als andere.

Um die unvermeidlichen Modellfehler zu eliminieren, werden in der Klimaforschung sogenannte Ensembles verwendet. Ein Ensemble ist eine Vielzahl verschiedener Simulationen (sei es mit einem Modell und unterschiedlichen Anfangsbedingungen oder mit unterschiedlichen Modellen). In einer Ensembleauswertung wird über viele verschiedene Modelle ein Mittelwert gebildet, um dadurch die Fehler der einzelnen Modelle herauszurechnen (Multi-Modell-Auswertung). Dies ist so zu begründen: Alle Modelle haben zwar Fehler, aber üblicherweise haben sie unterschiedliche Fehler. Außerdem simulieren die Modelle mehr Prozesse richtig als falsch. Die Ensembledarstellung führt im Allgemeinen dazu, dass Unterschätzungen eines bestimmten Parameters (z. B. Windstärke oder Temperatur) in einem Modell durch die Überschätzung dieses Parameters in einem anderen Modell kompensiert werden. Man kann daher erwarten (und das wurde in allen bisher untersuchten Fällen auch gezeigt), dass ein Ensemble aus möglichst vielen Modellen die tatsächliche Entwicklung besser abbildet als jedes einzelne der im Ensemble enthaltenen Modelle. Dies gilt sowohl für globale als auch für regionale Klimamodelle sowie für Kombinationen von globalen und regionalen Modellen.

Darstellung im Umweltatlas

Für Hessen liegen Auswertungen von 22 verschiedenen Kombinationen von globalen und regionalen Klimamodellen für das Szenario A1B vor (Liste der verwendeten Modellketten). In der Multi-Modell-Auswertung werden Mittelwertkarten über alle verwendeten Modelle gezeigt. Um die Bandbreite der möglichen Änderungen darzustellen, werden zusätzlich Karten mit dem jeweiligen Minimum und Maximum für jeden Punkt aus allen beteiligten Modellergebnissen abgebildet. Um modellspezifische Muster (z. B. Kanten der rechteckigen Gitterboxen der dynamischen Modelle) in der Multi-Modell-Abbildung zu minimieren, wird nach der Berechnung eine räumliche Glättung durchgeführt. Dadurch zeigen die Karten zum Teil nur geringe Unterschiede innerhalb von Hessen.

Ergänzend zur Multi-Modell-Auswertung stellen wir auch die Ergebnis-Karten für alle 22 Modellkombinationen einzeln dar. Diese werden jeweils auf der Seite mit den Multi-Modell-Abbildungen in einem weiterführenden Link angeboten. Eine der Modellkombinationen liefert für die Vergangenheit sehr unrealistische Werte und wird daher aus der Mittelwertbildung sowie aus der Minimum- und Maximumdarstellung ausgeschlossen. Die Ergebnisse dieser Modellkombination werden jedoch trotzdem in der Darstellung der Einzelergebnisse zur Verfügung gestellt.

Die Texte zu den jeweiligen Karten beschreiben die möglichen zukünftigen Entwicklungen der jeweiligen Parameter. In den Abschnitten ‚Bewertung‘ werden Aussagen getroffen, in denen die oben genannten Unsicherheiten (Szenarien, GCM, RCM, ESD) berücksichtigt sind. Die generellen Aussagen zur zeitlichen Entwicklung verschiedener Parameter, die in diesem Atlas getroffen werden, können als gesichert angesehen werden.

Für die Szenarien A2 und B1 lassen sich für Hessen derzeit nur qualitative Aussagen im Vergleich zu den Ergebnissen des Szenarios A1B treffen (Änderungen im Szenario A2 ähnlich wie in A1B, im Szenario B1 geringer). Es kann für diese Szenarien derzeit keine Angabe über die Bandbreiten der Änderungssignale in Hessen gemacht werden, weil dafür lediglich 3 (Szenario A2) bzw. 4 (Szenario B1) regionale Klimaprojektionen für Hessen vorliegen.

Die verwendeten Daten entstammen den Beobachtungsdaten des Deutschen Wetterdienstes (Beobachtungsdaten für den Referenzzeitraum), den vom Umweltbundesamt (UBA) finanzierten Klimasimulationen für Deutschland, den sog. Konsortialläufen der COSMO-CLM-Gemeinschaft, dem EU-Projekt ENSEMBLES und dem INKLIM-A Forschungsprojekt "Weiterentwicklung von WETTREG zur Erstellung von regionalisierten Szenarien auf der Basis der Ergebnisse des ENSEMBLES-Projektes".


© 2014 Hessisches Landesamt für Umwelt und Geologie