Regionale Klimamodelle

Globale Klimamodelle können regionale und lokale Klimata nicht darstellen, da der Gitterabstand zu grob ist und deshalb kleinere, jedoch für Regionen relevante Strukturen (wie zum Beispiel Gebirgszüge, urbane Lebensräume) nicht genau genug erfasst werden können. Um mögliche Klimaauswirkungen im regionalen und lokalen Maßstab zu bewerten, bilden lokale und regionale Modellprojektionen jedoch eine wichtige Grundlage zum Beispiel zur Planung zukünftiger Anpassungsstrategien. Es wurden daher regionale Klimamodelle entwickelt, um die simulierten globalen Klimaänderungen auf die regionale Ebene zu übertragen. Sie verfügen über eine wesentlich höhere Auflösung als globale Klimamodelle und analysieren nur einen kleinen Teilbereich der Erde. Sie spielen aber für die Klimafolgenforschung eine wichtige Rolle, da sie für Regionen entscheidungsträgerrelevante Ergebnisse liefern.

Regionale Modelle benötigen die Ergebnisse globaler Klimamodelle, da die ozeanischen und lateralen atmosphärischen Randbedingungen aus den globalen Klimamodellen an den Modellrändern der Regionalmodelle eingehen. Sie sind also in die globalen Klimamodelle eingebettet. Dieser Vorgang wird als „Nesting“ bezeichnet und beschreibt eine Methode, bei der die (seitlichen und oberen) Ränder des regionalen Modells mit Werten des globalen Modells angetrieben werden.

Bei der regionalen Modellierung unterscheidet man zwischen zwei grundlegend verschiedenen Ansätzen, der statistischen und der dynamischen Regionalisierung. Beide Methoden lassen sich aber nur schwer miteinander vergleichen.

Die statistische Methode verwendet grundsätzlich Beobachtungsdaten lokaler Messstationen, um die tatsächlich beobachteten Verhältnisse einer Region möglichst detailliert reproduzieren zu können. Sie basiert auf der Analyse des statistischen Zusammenhanges zwischen beobachteten, großräumigen atmosphärischen Strukturen und diesen lokalen Beobachtungsinformationen.

Bei der dynamischen Methode wird hingegen versucht, die beobachteten Zustände über die Nachbildung physikalisch konsistenter Prozesse zu generieren, ohne dass dem Modell die tatsächlichen Beobachtungsreihen bekannt sind beziehungsweise in die Erstellung einfließen. Sie arbeiten ähnlich wie globale Modelle. Hinzu kommt, dass alle dynamischen regionalen Klimamodelle dem gleichen Ansatz folgen. Bei den statistischen Modellen hingegen existiert eine Vielzahl unterschiedlicher methodischer Ansätze mit ihren individuellen Stärken und Schwächen, die einen generellen Vergleich der Vor- und Nachteile beider Methoden nicht zulassen.  Die dynamischen Modelle haben im Vergleich zu statistischen die folgenden beiden wesentlichen Vorteile:

  • Zum einen sind sie prinzipiell für die Berechnung von Szenarien geeignet, da sie direkt die atmosphärischen Prozesse abbilden und nicht, wie die statistischen Modelle, auf die Stationarität, das heißt auf die zeitliche Unveränderlichkeit, von verwendeten statistischen Beziehungen angewiesen sind. In Form der Parametrisierungen subskaliger Prozesse verwenden allerdings auch die dynamischen Modelle statistische Beziehungen (von denen dann ebenfalls angenommen werden muss, dass sie in verändertem Klima weiter gültig sind).
  • Zum anderen ist die Kohärenz zwischen verschiedenen Klimavariablen automatisch gewährleistet, das heißt alle Klimavariablen passen zueinander, da die modellierten Prozesse unter anderen von vorneherein bestimmten physikalischen Erhaltungssätzen folgen. Diese Kohärenz ist bei statistischen Verfahren nicht notwendigerweise gegeben.


Vorteile der statistische Modelle im Vergleich zu dynamischen liegen in dem üblicherweise geringeren Arbeitsaufwand zu ihrer Erstellung und dem meist nur relativ geringen Rechenaufwand. Mit den statistischen Modellen ist theoretisch eine beliebig hohe räumliche Auflösung zu erreichen, wenn die langjährigen Messdatenreihen entsprechend verfügbar sind. Sie liefern für ähnliche klimatische Verhältnisse wie diejenigen, aus denen die statistischen Beziehungen abgeleitet sind, in der Regel zuverlässigere Ergebnisse als dynamische Modelle und eignen sich daher besonders für kurz- bis mittelfristige Klimaprojektionen.

In Deutschland werden derzeit verschiedene regionale Klimamodelle zur Erstellung regionaler Klimaszenarien eingesetzt. Dazu gehören die beiden dynamischen Modelle REMO (MPI-M, Hamburg) und CLM (DWD und etwa 25 weitere Institutionen) sowie die beiden statistischen Modelle STAR (PIK, Potsdam) und WettReg (CEC, Potsdam). Ein Beispiel für die Anwendung eines regionalen Klimamodells für die Arktis ist das regionale Klimamodell HIRHAM am AWI.

__________________________

[1] Quelle: Forschungsstelle AWI Potsdam, Klaus Dethloff