Klimadynamik, Wettervorhersage und Paläo: wie geht das

Klimadynamik, Wettervorhersage
und Paläo: wie geht das
zusammen?
Andreas Hense
Meteorologisches Institut
Universität Bonn
http://www.meteo.uni-bonn.de/forschung/gruppen/klimadynamik
1 Assistentin
2 wissenschaftliche
MitarbeiterInnen
9 Doktoranden
2 Diplomanden
Meteorologische und
klimatologische Probleme, die
durch den stochastischen
Charakter der Atmosphäre und des
Klimasystems bestimmt werden
• in Lehre
• und Forschung
(1) Klimamodellierung (P)
(2) Physik des Klimasystems, Klimatologie (S)
(3) Paläoklima (P)
(1) Einführung Dynamik der Atmosphäre (S)
(2) Thermodynamik der Atmosphäre (S)
(3) Lineare Dynamik der Atmosphäre (S)
(4) Allgemeine Zirkulation der Atmosphäre (S)
(1) Grundlagen der Statistik (S)
(2) Multivariate Statistik (S)
(3) Zeitreihenanalyse (S)
(4) Numerische Analyse,Datenmodellierung (S)
(5) Statistik in der Wettervorhersage
(6) Rechnergestützte Statistik
(vergl. Brown et.al. 1999, BAMS)
Klimaänderungsanalyse
mit Hilfe der Bayesischen Statistik
Seung-Ki Min, Daniel Simonis
Reverend Sir Thomas Bayes 1701/02 bis 7.4.1761
1763:
* allows you to start with what you
believe (in climate change)
already
* to see how new information changes your
confidence in that belief
Es gibt keine deterministischen Parameter.
Alle relevanten Größen werden mit
Wahrscheinlichkeiten belegt.
Dies können auch subjektive Größen sein.
Daten, Beobachtungsfehler
Modellfehler, (sub.) Modelleinschätzung
IPCC 4. Sachstandsbericht,
Globale Modellierung
• ECHAM5/MPI-OM (E. Röckner, MPI-HH)
– Atmosphärenmodell T63 L30
• ECHO-G (MIUB, METRI Seoul)
– Atmosphärenmodell ECHAM4 T30 L19
• Simulationen 20.Century Climate Change 20C3
– Solar&Vulkane
– THG&Schwefelaerosol
• Vergleich mit Einzelantriebe in ECHO-G
• Vergleich von 17 verschiedenen Modellen mit
20C3 Antrieb
Umweltaktivist
Klimaskeptiker
Interdisziplinarität und
Klimaforschung
• Projekt Klimavorhersage- und Vorsorge
– Europäische Akademie Bad Neuenahr
• GLOWA Impetus (Heiko Paeth)
– Uni Bonn und Köln, angeschoben vor 7
Jahren durch die beiden MeteorologieInstitute
– Wasserverfügbarkeit Westafrika
– Regionale Klimaänderungen Afrika mit REMO
• Paläoklima (siehe unten)
Schwerpunktprogramm SPP 1167 PQP
http://www.meteo.uni-bonn.de/projekte/SPPMeteo
PQP: Praecipitationis Quantitativae Praedictio
Stochastische Probleme bei der
Wettervorhersage
• Vorhersage einer
Wahrscheinlichkeitsdichtefunktion
– Szenarien der zukünftigen Wetterentwicklung
– Für konvektive Prozesse sind Vorhersagen über 2-3
Tage „Langfristvorhersagen“
– Nur Wahrscheinlichkeitsaussagen möglich
– Fokker-Planck Gleichung nummerisch nicht
zugänglich (~ 109 Freiheitsgrade)
– Monte Carlo Verfahren
• Kalibration und Verifikation von
Wettervorhersagen
Stochastische Wettervorhersage
• Stichprobenerzeugung
– Anfangsbedingungen: „Breeding“ (Jan Keller)
– Unsicherheiten in Parametrisierungen und
Randbedingungen im LM (Susanne Theis)
• Extraktion statistischer Information aus einer
deterministischen Vorhersage (Susanne Theis)
• Statistische Kalibration von Vorhersagen, MOS
(Steffen Weber, Timo Winkelnkemper in
Zusammenarbeit mit WetterOnline, Gamila El
Drogi für Libyen, Petra Friederichs mit ECHAM4)
• MOS für Wahrscheinlichkeiten, Entscheidungen
(Armin Mathes)
Effect of Stochastic Physics
(Susanne)
OUTLINE
• Introduction
• Statistical
Postprocessing
Tuning Parameters: a = 0.25
D = 1∆x
T = 18 ∆t
original LM-forecast
10.7.2002, 18-19 UTC
lead time: 43 hours
177x177 grid points
standard deviation between
ensemble members
• Experimental
Ensemble
- Aims
- Stoch. Phys.
- Init. Cond.
- Summary
- Outlook
mm/h
Zeitreihe (Januar) 1985-99 für Station Brilon (52119) (Armin
Mathes, Vorticity und Feuchtefeld vs Niederschlag)
Forecast skill
Brier Skill Score
BSS = 1 – BS/CS
BS: Differenz MSE zwischen Beobachtungen
und vorhergesagter Wahrscheinlichkeit;
CS: Differenz MSE zw. Beobachtungen und klimatologische Vorhersage
(hier: Mittelwert der Zeitreihe)
Log Odds Ratio
log Θ = log a + log d - log b - log c
a, b, c, d: hit, false alarm, miss, correct rejection aus Kontigenztafel
Brier Skill Score (oben) und Log Odds Ratio (unten)
Station Brilon (52119)
Korrekte Vorhersage
12mal wahrscheinlicher
rr_ev > 0 mm; p > 0.3
Korrelation ECHAM4-CRU
Petra Friederichs:
MOS mit ECHAM4 + CRU
1904-2000,15 Realisierungen
Benin: GLOWA Impetus
Robin Girmes/Heiko Paeth
MOS für Quantile statt Mittelwert,
Extremwertvorhersage
Fehlermaß
Klima
ECHAM4
Quantitative
Paläoklimarekonstruktion
• drei gemeinsame Projekte mit dem Institut
für Paläontologie, Prof. Thomas Litt
(Paläobotanik)
• SFB 350/DFG: Rekonstruktion Eem 125115 ka BP Mitteleuropa
• BMBF: KIHZ Rekonstruktion Holozän
Naher Osten/Totes Meer
The transfer relationship - a probabilistic
view
k : physical system state e.g. temperature, precipitation etc
b : geochemical or biological system state, proxy data
Complete information is provided
by the joint probability density
function (pdf) p(k,b)
which can be split into conditional and marginal pdf‘s
The transfer relationship - a probabilistic
view
p(k,b) = cond(k|b) rd(b) = cond(b|k) rd(k)
cond(k|b): reconstruction / posterior
cond(b|k): likelihood, training
rd(k): marginal pdf of climate variables, prior
Paläoklimarekonstruktion für Eem 115 ka BP
(Christoph Gebhardt (DWD) zusammen mit Norbert Kühl Paläontologie)
Jahr P
Sommer T
Winter T
Rekonstruktion Holozän Totes Meer,
Christian Schölzel mit Frank Neumann (Paläontologie)
Nordatlantische Oszillation
• Seit 1985: Lagrange-Index für
gemeinsame Variabilität des Island-Tief
und Azoren Hoch
•
http://www.meteo.unibonn.de/english/kihz/nao/naokihz.html
• Mit historischer Literatur (Hann, 1890)
• auch für Modelle geeignet (Reduktion des
systematischen Fehlers) (siehe Paeth et
al., 1999)
NAO Index 20.tes Jahrhundert
NAO Index aus ECHAM4 Ensemblesimulation 1903 -1994