Deutscher Wetterdienst (DWD) 2018: Datensätze auf Basis der RCP-Szenarien. Internet: https://www.dwd.de/DE/klimaumwelt/klimaforschung/klimaprojektionen/fuer_deutschland/fuer_dtld_rcp-datensatz_node.html (Zugriff am 26.11.2024) Deutscher Wetterdienst (DWD) 2024: Deutscher Klimaatlas. Internet: https://www.dwd.de/DE/klimaumwelt/klimaatlas/klimaatlas_node.html (Zugriff am 17.01.2025) Huebener, H., Hoffmann, P., Keuler, K., Pfeifer, S., Ramthun, H., Spekat, A., Steger, C., Warrach-Sagi, K. 2017: Deriving user-informed climate information from climate model ensemble results. Adv. Sci. Res. 14, 261–269. IPCC (Intergovernmental Panel on Climate Change) 2013: Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge United Kingdom and New York, NY, USA. https://www.ipcc.ch/site/assets/uploads/2018/02/WG1AR5_all_final.pdf (Zugriff am 19.02.2025) IPCC (Intergovernmental Panel on Climate Change) 2021: Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge United Kingdom and New York, NY, USA. https://www.ipcc.ch/report/ar6/wg1/downloads/report/IPCC_AR6_WGI_FullReport_small.pdf (Zugriff am 19.02.2025) IPCC (Intergovernmental Panel on Climate Change) 2022: Climate Change 2022: Mitigation of Climate Change. Contribution of Working Group III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge United Kingdom and New York, NY, USA. https://www.ipcc.ch/report/ar6/wg3/downloads/report/IPCC_AR6_WGIII_FullReport.pdf (Zugriff am 19.02.2025) Jacob, D., Petersen, J., Eggert, B., Alias, A., Christensen, O.B., Bouwer, L.M., Braun, A., Colette, A., Déqué, M., Georgievski, G., Georgopoulou, E., Gobiet, A., Menut, L., Nikulin, G., Haensler, A., Hempelmann, N., Jones, C., Keuler, K., Kovats, S., Kröner, N., Kotlarski, S., Kriegsmann, A., Martin, E., Van Meijgaard, E., Moseley, C., Pfeifer, S., Preuschmann, S., Radermacher, C., Radtke, K., Rechid, D., Rounsevell, M., Samuelsson, P., Somot, S., Soussana, J.-F., Teichmann, C., Valentini, R., Vautard, R., Weber, B., Yiou, P. 2014: EURO-CORDEX: new high-resolution climate change projections for European impact research. Reg Environ Change 14, 563–578. Reusswig, F.; Becker, C.; Lass, W.; Haag, L.; Hirschfeld, J.; Knorr, A.; Lüdeke, M. K.B.; Neuhaus, A.; Pankoke, C.; Rupp, J., Walther, C.; Walz, S.; Weyer, G.; Wiesemann, E. 2016: Anpassung an die Folgen des Klimawandels in Berlin (AFOK). Klimaschutz Teilkonzept. Hauptbericht. Gutachten im Auftrag der Senatsverwaltung für Stadtentwicklung und Umwelt, Sonderreferat Klimaschutz und Energie (SR KE). Potsdam, Berlin. Internet: https://www.berlin.de/sen/uvk/klimaschutz/anpassung-an-den-klimawandel/programm-zur-anpassung-an-die-folgen-des-klimawandels/ (Zugriff am 05.12.2024) SenStadt (Senatsverwaltung für Stadtentwicklung, Bauen und Wohnen Berlin) (Hrsg.) 2020: Umweltatlas Berlin, Karte 06.08 Stadtstruktur differenziert, Berlin. Internet: https://www.berlin.de/umweltatlas/nutzung/stadtstruktur/2020/zusammenfassung/ (Zugriff am 06.01.2025) SenStadt (Senatsverwaltung für Stadtentwicklung, Bauen und Wohnen Berlin) (Hrsg.) 2022a: Umweltatlas Berlin, Karte 04.10 Klimamodellierung Berlin – Analysekarten, Berlin. Internet: https://www.berlin.de/umweltatlas/klima/klimaanalyse/2022/zusammenfassung/ (Zugriff am 06.01.2025) SenStadt (Senatsverwaltung für Stadtentwicklung, Bauen und Wohnen Berlin) (Hrsg.) 2022b: Umweltatlas Berlin, Karte 04.11 Klimamodellierung Berlin – Planungshinweise Stadtklima, Berlin. Internet: https://www.berlin.de/umweltatlas/klima/klimabewertung/2022/zusammenfassung/ (Zugriff am 06.01.2025)
Klimatologische Kennwerte zum Klima der Zukunft im Klimaatlas BW. Daten basierend auf Klimamodelldaten und RCP-Szenarien 1971-2100.
Durch die internationale Forschungsgemeinschaft werden Globalmodellläufe in verschiedenen Phasen des Coupled Model Intercomparison Project ( CMIP ) in Vorbereitung des nächsten IPCC-Berichtszyklus berechnet. Ergebnisse dieser Globalmodellsimulationen haben grobe Auflösungen (> 100 km x 100 km), welche für regionale Betrachtungen des zu erwartenden Klimawandels nicht ausreichend sind. Mit Hilfe von Regionalmodellen (Regional Climate Models - RCMs) können die Ergebnisse aus Globalmodellrechnungen auf räumlich höhere Auflösungen gebracht werden: Da regionale Klimamodelle lediglich einen Ausschnitt der Atmosphäre betrachten, benötigen sie geeignete Randbedingungen an den Grenzen des Simulationsgebietes. Diese Randbedingungen stammen aus Simulationen der globalen Klimamodelle. Man spricht davon, dass ein regionales Klimamodell durch ein globales Klimamodell angetrieben wird. Dieser Prozess wird als „Nesting“ bezeichnet. Für die 5. Phase des CMIP (CMIP5) liegen solche regionalisierten Klimamodelldaten für Deutschland bzw. Europa in einer Auflösung von 12,5 km x 12,5 km vor. Diese wurden in verschiedenen Initiativen bzw. Projekten erstellt: EURO-CORDEX, ReKliEs-De, EPISODES (DWD) Im Rahmen von EURO-CORDEX ( Co o r dinated D ownscaling Ex periment - Euro pean Domain), als Teil der CORDEX-Initiative, wurden europaweite, regionalisierte Klimasimulationen/ Projektionen (auf Basis des CMIP5) erstellt. Ein großer Vorteil dieses Ensembles (= Menge an Klimamodellläufen) ist die Festlegung von einheitlichen Ausgabeformaten des Datenoutputs der Modelle (z. B. einheitliche räumliche Auflösung; vorgegebene, obligatorische Ausgabevariablen). Dies erleichtert die Vergleichbarkeit und Auswertung der vorliegenden Modellläufe. In dem BMBF-finanzierten Projekt ReKliEs-De ( Re gionale Kli maprojektionen E n s emble für De utschland) wurden die Ergebnisse aus EURO-CORDEX um weitere Läufe ergänzt. Weitere regionalisierte Projektionsdaten liefert EPISODES. Es handelt sich dabei um eine Empirisch-Statistische Downscaling Methode, welche durch den Deutschen Wetterdienst (DWD) entwickelt wurde. Alle diese benannten Modelldaten stehen auf dem ESGF-Knoten des DWD bzw. des Deutschen Klimarechenzentrums (DKRZ) für die Öffentlichkeit zur Verfügung. Aus den oben genannten Initiativen bzw. Projekten ist somit ein Ensemble von regionalisierten Klimamodellsimulationen entstanden, welches im Nachhinein durch verschiedene Gründe/Ausschlüsse nochmal einmal reduziert werden musste: verschiedene Rückzüge einiger Modellläufe aufgrund methodisch begründbarer Modellfehler durch die jeweiligen Modellierergruppen bzw. durch den DWD Ausschlüsse aufgrund von Unplausibilitäten in der Reproduktion der Vergangenheit in manchen Modellen sowie Ausschlüsse von Läufen, welche in der Reproduktion der Vergangenheit die Referenzperiode 1961 bis 1990 nicht abdecken. (Die letzten beide Ausschlüsse erfolgten durch die Umweltämter der drei Bundesländer Sachsen-Anhalt (LAU), Sachsen (LfULG) und Thüringen (TLUBN)) Im Ergebnis ist das mitteldeutsche Referenzensemble entstanden, welches für die Szenarien RCP2.6, RCP4.5 und RCP8.5 je 17, 18 bzw. 25 Läufe beinhaltet. Eine genaue Auflistung des Ensembles ist in der Dokumentation zum Mitteldeutschen Kernensemble (MDK, siehe unten) zu finden. Eine ausführliche Auswertung dieses Klimamodellensembles für Sachsen-Anhalt ist im Ergebnisbericht sowie Synthesebericht des Projektes „Klimamodellauswertung Sachsen-Anhalt 1961-2100“ zu finden. Die Broschüre „ Der Klimawandel vor unserer Haustür “ liefert eine etwas leichter verständliche Kurzdarstellung der mittleren Ergebnisse der Klimamodellauswertung. Im Nachfolgenden sei ein kleiner Einblick in die Ergebnisse dieser Auswertung gegeben. Eine Kernaussage des Projektes lautet: „RCP2.6 und RCP8.5 unterscheiden sich in ihren Auswirkungen auf das Klima stark, insbesondere was die Entwicklung des Klimas nach 2050 betrifft. “ Es „[…] wird […] deutlich, dass das RCP8.5 Änderungssignale für das Klima in Sachsen-Anhalt beinhaltet, die weit außerhalb der heute üblichen Bandbreite liegen, während das RCP2.6 lediglich eine moderate Verschiebung des Klimas in Richtung dessen bedeutet, was wir heute als oberen Bereich der Bandbreite beschreiben würden. Die Stärke und besonders die Geschwindigkeit der Änderung des Klimas hängt also sehr stark von den Maßnahmen zum Klimaschutz ab und es könnte sehr schwierig sein, die Infrastruktur sowie andere gesellschaftliche Systeme an die neuen Gegebenheiten anzupassen.“ Anhand der Projektion der Tagesmitteltemperatur sowie des Niederschlags sei dies verdeutlicht. Die Auswertung des Referenzensembles für das Gebiet von Sachsen-Anhalt zeigt folgende, zu erwartende Entwicklungen auf: Stagnation der Erwärmung ab 2050 im RCP2.6 Im RCP2.6-Szenario (Szenario mit globalem Klimaschutz) zeigt sich für Sachsen-Anhalt sowohl für die nahe Zukunft (Mittel der Periode 2021 bis 2050) als auch für die ferne Zukunft (Mittel der Periode 2071 bis 2100) eine Temperaturzunahme von knapp 2 K im Vergleich zur Referenzperiode (1961 bis 1990). Durch die Reduzierung der Treibhausgasemissionen, welche in diesem Szenario angenommen wird, kann die Temperaturzunahme somit eingedämmt werden und stagniert ab Mitte des Jahrhunderts. Beschleunigung der Erwärmung ab 2050 nach RCP8.5 Für das Szenario RCP8.5 (Szenario ohne globalen Klimaschutz) zeigt sich für die nahe Zukunft (2021 bis 2050) eine Temperaturzunahme, die der des RCP2.6 projizierten Temperaturzunahme entspricht (ca. 2 K). Für die ferne Zukunft hingegen zeigt dieses Szenario eine Temperaturzunahme von rund 4 K für Sachsen-Anhalt. Einige Modelle zeigen sogar über 5 K Temperaturzunahme an. Ähnliche Größenordnungen der Temperaturentwicklung der einzelnen Jahreszeiten wie des Gesamtjahrs (für beide Szenarien sowie beide Zukunftsperioden) Ausnahme bildet hierbei der Sommer: Für das RCP8.5 zeigt sich für die ferne Zukunft eine deutlich größere obere Spannweite der Temperaturzunahme von 7 K und mehr. Verschiebung der Niederschlagsverteilung über das Jahr: In beiden RCP-Szenarien zeigt sich eine Tendenz zu leichter Niederschlagszunahme im Winter sowie eine Tendenz zu leichter Niederschlagsabnahme im Sommer, welche je nach betrachtetem Zeitraum und Szenario stärker oder schwächer ausfallen kann. Man beachte hierbei jedoch die Spannweiten der projizierten Niederschlagsänderung, welche zum Teil auch in das entgegengesetzte Vorzeichen (im Vergleich zum Ensemblemittel) rutschen können. Leichte Niederschlagszunahme für das Gesamtjahr Jedoch ist auch hier auf die große Spannbreite der Projektionen hinzuweisen. Die untere Spanne der Modellsimulationen zeigt für beide Zeiträume und beide Szenarien eine Niederschlagsabnahme an. Eine kurze Einordnung der oben benannten Ergebnisse sei im Folgenden gegeben: Unter dem Aspekt, der Temperaturzunahme und damit einhergehend zunehmender Verdunstung ist mit negativen Auswirkungen auf den Wasserhaushalt vor allem im Sommer zu rechnen. Für die Entwicklung des Niederschlags ist anzumerken, dass es sich beim Verständnis und der Modellierung von Wolkenprozessen und damit auch des Niederschlags um Gegenstand der Forschung handelt. Zum einen sind die wolkenphysikalischen Prozesse weiterhin Bestandteil der Grundlagenforschung. Zum anderen bedingt die Kleinskaligkeit der Prozesse, dass diese auf dem Modellgitter nicht aufgelöst werden können und deshalb parametrisiert werden müssen, was Unsicherheiten mit sich bringt. Es ist daher darauf zu verweisen, dass es sich bei der zukünftig zu erwartenden Niederschlagsverteilung/-entwicklung lediglich um Tendenzen handelt, die keine 100-prozentig gesicherten Aussagen liefern können. In der Frage, ob es ein Zuviel oder ein Zuwenig an Wasser geben wird, muss sich die Gesellschaft/Wasserwirtschaft auf beide Möglichkeiten/Herausforderungen einstellen - nicht zuletzt, da es sich bei den dargestellten Tendenzen um 30-Jahresmittel handelt. Innerhalb dieser Zukunftsperioden können trotzdem mehrere zu nasse ggf. hochwassergeprägte Winter (wie bspw. im Dezember 2023) aber auch Winter, die ein potenzielles Niederschlagsdefizit des Sommers nicht durch überdurchschnittliche Niederschläge ausgleichen können, existieren. Ebenso bedeutet die Tendenz zur Abnahme der Sommerniederschläge nicht, dass es keine hochwassergefährdeten Sommer mit überdurchschnittlichem Niederschlag geben werden kann. Soweit möglich, sollten immer so viele Klimamodelle wie möglich ausgewertet werden. Für den Fall, dass dies aus Kapazitätsgründen nicht möglich ist, wurde von den Umweltämtern der Bundesländer Sachsen-Anhalt, Sachsen und Thüringen das Mitteldeutsche Kernensemble (MDK) ausgewählt/erstellt. Das MDK stellt eine reduzierte Auswahl (je 7 Modellläufe für RCP2.6, RCP4.5 und RCP8.5) von regionalisierten Klimamodellsimulationen (basierend auf dem Referenzensemble) für die Region der drei Bundesländer dar. Es wurde erstellt, um den Rechenaufwand für detaillierte Auswertungen und ggf. Impact-/Wirkmodellierung zu reduzieren. Die Reduzierung/Auswahl basiert auf der Erhaltung der zukünftig simulierten Spannbreiten für die verschiedenen meteorologischen Variablen, die die Klimamodelle simulieren. Genaue/ weiterführende Informationen sind in der ausführlichen Dokumentation zum MDK zu finden: Mitteldeutsches Kernensemble - Auswertung regionaler Klimamodelldaten Letzte Aktualisierung: 18.09.2024
Dienst bestehend aus den Rasterlayern zur Klimatischen Wasserbilanz in mm, jeweils für das ganze Jahr und den Jahreszeiten. Die hier dargestellten Rasterlayer zur Klimatischen Wasserbilanz wurden vom Deutschen Wetterdienst mit dem Modell AMBAV berechnet und für den Klimaatlas NRW aufbereitet. Die jeweiligen Raster-Layer wurden jeweils für die 30-jährigen Mittelwerte der Klimanormalperioden 1961-1990, 1971-2000, 1981-2010 und 1991-2020 für die beobachtete Vergangenheit berechnet. Ergänzend werden die Änderungen der Klimanormalperiode 1991-2020 bezogen auf 1961-1990 dargestellt. Zusätzlich liegen Klimaprojektionen für die Zukunftszeiträume 2031-2060 und 2071-2100 vor, die jeweils nach den Klimaprojektionen RCP2.6, RCP4.5 und RCP8.5 gegliedert sind. Die Stärke des möglichen Klimasignals je Szenario wird unterteilt nach dem 15., 50. und dem 85. Perzentil. Es werden sowohl absolute Mittelwerte als auch sogenannte Delta-Change Raster dargestellt, die die Änderung des Klimasignals gegenüber der Referenzperiode 1971-2000 zeigen. Datenquelle: Deutscher Wetterdienst (DWD). Quellen für Klimaprojektionsdaten: Brienen et al. (2020), Krähenmann (2019). Weitere Hinweise des Deutschen Wetterdienstes sind zu beachten: https://www.dwd.de/DE/service/rechtliche_hinweise/rechtliche_hinweise_node.html
Dienst bestehend aus den Rasterlayern zur mittleren Anzahl von Kühlgradtagen [Kelvin*Tag] nach Spinoni. Hier wird der Kühlenergiebedarf durch eine Temperatursumme dargestellt. Die Kühlgradtage werden von der Lufttemperatur abgeleitet und nach dem Verfahren von Spinoni et al. (2015) berechnet. Hierbei wird eine Basistemperatur von 22 °C angenommen. Liegt die Tageshöchsttemperatur unter diesem Wert, wird nicht von einem Kühlbedarf ausgegangen. Die jeweiligen Raster-Layer wurden für die 30-jährigen Mittelwerte der Klimanormalperioden 1951-1980, 1961-1990, 1971-2000, 1981-2010 und 1991-2020 für die beobachtete Vergangenheit berechnet. Ergänzend werden die Änderungen der Klimanormalperiode 1991-2020 bezogen auf 1961-1990 und 1951-1980 dargestellt. Zusätzlich liegen Klimaprojektionen für die Zukunftszeiträume 2031-2060 und 2071-2100 vor, die jeweils nach den Klimaprojektionen RCP2.6, RCP4.5 und RCP8.5 gegliedert sind. Die Stärke des möglichen Klimasignals je Szenario wird unterteilt nach dem 15., 50. und dem 85. Perzentil. Es werden sowohl absolute Mittelwerte als auch sogenannte Delta-Change Raster dargestellt, die die Änderung des Klimasignals gegenüber der Referenzperiode 1971-2000 zeigen. Datenquelle: Deutscher Wetterdienst (DWD); Quellen für Klimaprojektionsdaten: Brienen et al. (2020), Krähenmann (2019), Berechnung durch das LANUK. Weitere Hinweise des Deutschen Wetterdienstes sind zu beachten: https://www.dwd.de/DE/service/rechtliche_hinweise/rechtliche_hinweise_node.html
In der Klimaökonomie gibt es Bemühungen, Mängel des konventionellen Integrated Assessment Modelling (IAM) sowohl durch die Verfeinerung bestehender Modelle als auch durch ganz neue Ansätze zu überwinden. Beides zielt unter anderem darauf ab, auch besonders nachhaltige Klimaschutzpfade aufzuzeigen. Das UBA ist bestrebt, seine breite und tiefe umweltwissenschaftliche Expertise in diese fachspezifischen Diskussionen und Entwicklungen direkt mit einzubringen. Durch das avisierte Leuchtturm-Projekt soll aber auch die Expertise des UBAs durch den Ausbau der hausinternen Analyse- und Modellierungskompetenz für globale Klimaszenarien erweitert werden, um auch selbstständig oder in Kooperation mit Partnerschaftsinstitutionen eigene globale Klimaschutzszenarien entwickeln zu können, die wirtschaftlich, ökologisch und sozial nachhaltig sind. Die RESCUE2-Ergebnisse für die deutsche und die europäische Klimapolitik sind dabei der Ausgangspunkt der Überlegungen und stellen ein sehr gutes Beispiel für den Nutzen eigener Klimaschutzszenarien dar.
Die erwarteten zukünftigen Auswirkungen des Klima- und Landnutzungswandels auf den terrestrischen Wasserkreislauf verlangen Modellierungsansätze, die in der Lage sind, hydrologische Prozesse auf den für lokales und regionales Wassermanagement relevanten Skalen zu simulieren. Physikalisch-basierte hydrologische Modelle auf der Mesoskala sollten alle lokalen Gegebenheiten berücksichtigen, die zur Steuerung der räumlichen Differenzierung des Niederschlag-Abfluss Transformationsprozesses beitragen. Zur Etablierung eines Modells, welches das Verhalten hydrologischer Systeme realitätsnah simuliert, werden wir einen 'integrierten' multikriteriellen Kalibrationsansatz entwickeln, der neben dem Gebietsabfluss auch detaillierte räumliche Informationen über die dominierenden Abflussbildungsprozesse und Tagesraten der Evapotranspiration (ETa), abgeleitet aus hochauflösenden Fernerkundungsdaten, beinhaltet. Wir werden unseren Ansatz für drei ausgewählte Einzugsgebiete im Nahe-Tal (Südwestdeutschland) im Rahmen des flexibel anpassbaren WaSiM-ETH Models entwickeln, um ein beispielhaftes Verhalten-erklärendes (behavioural) Modell zu erstellen, das die raumzeitliche Dynamik des Niederschlag-Abfluss Prozesses in stündlichen Zeitschritten abbildet. Dazu werden fernerkundlich erfasste Landoberflächenparameter und aus Thermaldaten abgeleitete ETa Karten mit einer Pixelgöße vonca. 30-100 m eingebunden. Zur Erstellung dieser Karten auf Tagesbasis werden wir Multi-Sensor Datenfusionsansätze und Methoden zum sogenannten 'Downscaling' der Landoberflächentemperatur, welche die Vorteile räumlich hoch-auflösender Fernerkundungssysteme wie z.B. Landsat-8/Sentinel-2 mit zeitlich hochauflösenden Erdbeobachtungssystemen wie MODIS und VIIRS verknüpfen. ETa Raten werden mit einer Reihe von etablierten Energiebilanzmodellen (SEBAL, METRIC, SSEB) ermittelt. Diese Prozessierungskette ermöglicht die für die Kopplung mit räumlich-distributiven hydrologischen Modellen auf der Mesoskala notwendige Ableitung von LST und ETa Karten auf der Feldskala. Diese Fernerkundungsprodukte können unmittelbar zur Kalibration des hydrologischen Modells WaSiM-ETH eingesetzt werden. Etabliert werden sowohl manuelle als auch automatisierte Kalibrationsansätze, welche die raumzeitliche Dynamik der ETa Muster innerhalb der Einzugsgebiete mit einer Reihe von räumlichen Metriken erfassen. Die Kombination von fernerkundlich-abgeleiteter ETa bei wolkenfreien Bedingungen mit Simulationsergebnissen der hydrologischen Modellierung erlaubt uns die Erstellung lückenloser, hochauflösender ETa Zeitreihen. Darüber hinaus wird ein physikalisch-basiertes 'behavioural' Modell fähig sein, korrekt auf veränderte Randbedingungen hinsichtlich des Klimas oder der Landnutzung zu reagieren, und so zum Verständnis von Veränderungen im Wasserkreislauf im Rahmen globaler Klimaszenarien beitragen (z.B. das RCP6.0 oder das RCP8.5 Szenario, beide mit deutlichen Änderungen von Temperatur- und Niederschlagsmustern).
Dienst bestehend aus Rasterdaten zu spezifischen Lufttemperaturkenntagen wie Sommertage, Heiße Tage, Hitzewellen, Tropennächte, Frosttage und Eistage. Die Daten liegen für fünf Klimanormalperioden (30-jährige Mittelwerte) vor, die einen Beobachtungsbereich von 1951-2020 abdecken, jeweils als mittlere Anzahl Tage/Jahr. Hinzu kommt jeweils ein Layer, bei dem die Änderung der Anzahl der Kenntage von 1991-2020 bezogen auf 1961-1990 dargestellt wird. Außerdem werden auch die Raster der zwei Zukunftszeiträume (2031-2060 und 2071-2100) dargestellt, die jeweils nach den Klimaprojektionen RCP2.6, RCP4.5 und RCP8.5 gegliedert sind. Die Stärke des möglichen Klimasignals wird je RCP-Szenario unterteilt nach dem 15., 50. und dem 85. Perzentil. Es werden absolute Mittelwerte (außer Tropennächte) und das Änderungssignal (Delta-Change) von 2031-2060 und 2071-2100 bezogen auf 1971-2000 dargestellt. Absolute Werte liegen bei den Tropennächten nicht vor. Datenquelle: Deutscher Wetterdienst (DWD). Weitere Hinweise des Deutschen Wetterdienstes sind zu beachten: https://www.dwd.de/DE/service/rechtliche_hinweise/rechtliche_hinweise_node.html
Im letzten Jahrzehnt war der grönländische Eisschild mehreren Extremereignissen ausgesetzt, mit teils unerwartet starken Auswirkungen auf die Oberflächenmassebilanz und den Eisfluss, insbesondere in den Jahren 2010, 2012 und 2015. Einige dieser Schmelzereignisse prägten sich eher lokal aus (wie in 2015), während andere fast die gesamte Eisfläche bedeckten (wie in 2010).Mit fortschreitendem Klimawandel ist zu erwarten, dass extreme Schmelzereignisse häufiger auftreten und sich verstärken bzw. länger anhalten. Bisherige Projektionen des Eisverlustes von Grönland basieren jedoch typischerweise auf Szenarien, die nur allmähliche Veränderungen des Klimas berücksichtigen, z.B. in den Representative Concentration Pathways (RCPs), wie sie im letzten IPCC-Bericht genutzt wurden. In aktuellen Projektionen werden extreme Schmelzereignisse im Allgemeinen unterschätzt - und welche Konsequenzen dies für den zukünftigen Meeresspiegelanstieg hat, bleibt eine offene Forschungsfrage.Ziel des vorgeschlagenen Projektes ist es, die Auswirkungen extremer Schmelzereignisse auf die zukünftige Entwicklung des grönländischen Eisschildes zu untersuchen. Dabei werden die unmittelbaren und dauerhaften Auswirkungen auf die Oberflächenmassenbilanz und die Eisdynamik bestimmt und somit die Beiträge zum Meeresspiegelanstieg quantifiziert. In dem Forschungsprojekt planen wir zudem, kritische Schwellenwerte in der Häufigkeit, Intensität sowie Dauer von Extremereignissen zu identifizieren, die - sobald sie einmal überschritten sind - eine großräumige Änderung in der Eisdynamik auslösen könnten.Zu diesem Zweck werden wir die dynamische Reaktion des grönländischen Eisschilds in einer Reihe von Klimaszenarien untersuchen, in denen extreme Schmelzereignisse mit unterschiedlicher Wahrscheinlichkeit zu bestimmten Zeitpunkten auftreten, und die Dauer und Stärke prognostisch variiert werden. Um indirekte Effekte durch verstärktes submarines Schmelzen hierbei berücksichtigen zu können, werden wir das etablierte Parallel Ice Sheet Model (PISM) mit dem Linearen Plume-Modell (LPM) koppeln. Das LPM berechnet das turbulente submarine Schmelzen aufgrund von Veränderungen der Meerestemperatur und des subglazialen Ausflusses. Es ist numerisch sehr effizient, so dass das gekoppelte PISM-LPM Modell Ensemble-Läufe mit hoher Auflösung ermöglicht. Folglich kann eine breite Palette von Modellparametern und Klimaszenarien in Zukunftsprojektionen in Betracht gezogen werden.Mit dem interaktiv gekoppelten Modell PISM-LPM werden wir den Beitrag Grönlands zum Meeresspiegelanstieg im 21. Jahrhundert bestimmen, unter Berücksichtigung regionaler Veränderungen von Niederschlag, Oberflächen- und Meerestemperaturen, und insbesondere der Auswirkungen von Extremereignissen. Ein Hauptergebnis wird eine Risikokarte sein, die aufzeigt, in welchen kritischen Regionen Grönlands zukünftige extreme Schmelzereignisse den stärksten Eisverlust zur Folge hätten.
Dimethylsulfid (DMS) ist ein klimarelevantes Spurengas marinen Ursprungs, das in der Atmosphäre als Vorstufe von Kondensationskernen bei der Wolkenbildung dient. Das Südpolarmeer wurde als Region mit erheblicher DMS Freisetzung aus dem Ozean in die Atmosphäre erkannt. Schwerpunkte der DMS Produktion wurden in der Nähe des Antarktischen Kontinentes und in der Zone der saisonalen Eisschmelze ermittelt. Modellsimulationen haben gezeigt, dass Störungen der DMS Flüsse vom Ozean in die Atmsophäre die Wolkenbedeckung beeinflussen und so zu Veränderungen im Strahlungshaushalt der Atmosphäre führen können. Das Prozessverständnis für marine DMS Emissionen und ihre Vorhersage sind somit entscheidend für Szenarien zukünftiger Klimabedingungen. DMS wird im Oberflächenozean durch den bakteriellen Abbau von Dimethylsulfoniumpropionat (DMSP) freigesetzt, das wiederum durch Phytoplankton produziert wird. Der bakterielle DMSP-Abbau folgt zwei konkurrierenden enzymatischen Stoffwechselwegen: dem Demethylierungsweg und dem Spaltungsweg. Da nur der Spaltungsweg zur Produktion von DMS führt, ist ein verbessertes Verständnis von Umweltfaktoren und genetischen Voraussetzungen, die die Balance zwischen den beiden Stoffwechselwegen kontrollieren, von großer Bedeutung um die Regulation der biologischen DMS Flüsse vom Ozean in die Atmosphäre abzuschätzen. Während die globalen Auswirkungen des DMSP Umsatzes im Ozean schon vor mehr als 30 Jahren erkannte wurden, ist es durch neue Methoden der Molekularbiologie und der „Omics“ Techniken erst kürzlich möglich geworden relevante Gene des bakteriellen DMSP Stoffwechsels zu identifizieren und Einsicht in ihre phylogenetische Verteilung zu gewinnen. Bisherige Erkenntnise zum bakteriellen Umsatz von DMSP in marine Systemen basieren weitgehend auf Studien aus mittleren und niederen Breiten, während die polaren Ozeane kaum untersucht wurden. Die Analyse der Bakteriengemeinschaften im Weddellmeer mittels Amplicon Sequenzierung des 16S rRNA Gens hat hohe Abundanzen potentiell DMS produzierender Bakteriengruppen wie der Roseobacter Gruppe und SAR11 gezeigt.Im vorgeschlagenen Projekt möchten wir modernen Methode der Moleklularbiologie in Kombination mit bioinformatischen Werkzeugen anwenden um im Weddellmeer(1) die Umweltkontrolle des bakteriellen DMSP Abbaus zu analysieren(2) die Diversität und Taxonomie DMSP abbauender Bakterien zu untersuchen(3) das genetische Inventar für DMSP Transformationen zu analysieren und(4) Stoffwechsel und ökologische Strategien von Schlüsselarten zu charakterisieren.Hierzu werden Seewasserproben analysiert, die am Östlichen Weddellmeer Eisschelf, am Filchner-Ronne Eisschelf und im Weddellwirbel genommen wurden. Die zu erwartenden Ergebnisse werden das mechanistische Verständnis des bakteriellen DMSP Abbaus im Weddellmeer verbessern und zu verlässlichen Prognosen von marinen DMS Emissionen im Südpolarmeer unter zukünftigen Klimaszenarien beitragen.
| Organisation | Count |
|---|---|
| Bund | 40 |
| Land | 27 |
| Weitere | 1 |
| Wissenschaft | 14 |
| Type | Count |
|---|---|
| Förderprogramm | 26 |
| Text | 18 |
| unbekannt | 10 |
| License | Count |
|---|---|
| Geschlossen | 22 |
| Offen | 32 |
| Language | Count |
|---|---|
| Deutsch | 49 |
| Englisch | 11 |
| Resource type | Count |
|---|---|
| Archiv | 1 |
| Bild | 6 |
| Dokument | 11 |
| Keine | 19 |
| Unbekannt | 1 |
| Webseite | 27 |
| Topic | Count |
|---|---|
| Boden | 40 |
| Lebewesen und Lebensräume | 49 |
| Luft | 54 |
| Mensch und Umwelt | 54 |
| Wasser | 42 |
| Weitere | 54 |