Other language confidence: 0.9073789841993343
In der letzten Antragsphase wurde das regionale Paläoklimamodell WRF-CEMSYS entwickelt und erfolgreich angewendet, um erstmals hochauflösende regionale Paläoklimadaten für Studien zur Anwesenheit von Homo sapiens unter eiszeitlichen Bedingungen in Europa bereitzustellen. In der dritten Phase konzentriert sich E6 auf die Rekonstruktion regionaler Klimate verschiedener Zeitintervalle, die für die SFB Projekte von zentraler Bedeutung sind. Es werden Potenziale und Begrenzungsfaktoren für die menschliche Präsenz im gesamten SFB-Gebiet untersucht. Dabei werden unterschiedliche Zeitskalen betrachtet, die von synoptischen, über saisonalen, jährlichen bis hin zu dekadischen reichen.
Niedrige Wolken sind Schlüsselbestandteile vieler Klimazonen, aber in numerischen Modellen oft nicht gut dargestellt und schwer zu beobachten. Kürzlich wurde gezeigt, dass sich während der Haupttrockensaison im Juni und September im westlichen Zentralafrika eine ausgedehnte niedrige Wolkenbedeckung (engl. „low cloud cover“, LCC) entwickelt. Eine derart wolkige Haupttrockenzeit ist in den feuchten Tropen einzigartig und erklärt wahrscheinlich die dichtesten immergrünen Wälder in der Region. Da paläoklimatische Studien auf eine Instabilität hinweisen, kann jede Verringerung des LCC aufgrund des Klimawandels einen Kipppunkt für die Waldbedeckung darstellen. Daher besteht ein dringender Bedarf, das Auftreten, die Variabilität und die bioklimatischen Auswirkungen des LCC in westlichen Zentralafrika besser zu verstehen.Um diese Ziele zu erreichen, wurde ein Konsortium aus französischen, deutschen und gabunischen Partnern aufgebaut, zu dem Meteorologen, Klimatologen und Experten für Fernerkundung und Waldökologie gehören. Die meteorologischen Prozesse, welche die Bildung und Auflösung der LCC im Tagesgang steuern, werden anhand von zwei Ozean-Land-Transekten auf der Grundlage einer synergistischen Analyse von historischen In-situ Beobachtungen, von Daten einer Feldkampagne und anhand von atmosphärischen Modellsimulationen untersucht. Die Ergebnisse werden mit einem kürzlich entwickelten konzeptionellen Modell für LCC im südlichen Westafrika verglichen.Die intrasaisonale bis interannuale Variabilität des LCC wird durch die Analyse von In-Situ-Langzeitdaten und Satellitenschätzungen quantifiziert. Unterschiede im Jahresgang des LCC (d.h. jahreszeitlicher Beginn und Rückzug, wolkenarme Tage) und die Ausdehnung ins Inland werden dokumentiert. Ansätze, die auf Wettertypen und äquatorialen Wellen basieren, werden verwendet, um intrasaisonale Variationen des LCC zu verstehen. Die Auswirkungen lokaler und regionaler Meeresoberflächentemperaturen auf die LCC-Entwicklung und ihre Jahr-zu-Jahr Variabilität werden bewertet, wobei statistische Analysen und spezielle Sensitivitätsversuche mit einem regionalen Klimamodell verknüpft werden.Schließlich wird der Einfluss von LCC auf die Licht- und Wasserverfügbarkeit bzw. die Waldfunktion anhand von In-Situ-Messungen untersucht. Die Ergebnisse werden mit Messungen aus der nördlichen Republik Kongo, wo die Trockenzeit sonnig ist, sowie mit einem einfachen Wasserhaushaltsmodells, das an die Region angepasst ist, verglichen. Die Wasserhaushaltsanalysen sollen die Kompensations- oder Verstärkungseffekte von Regen im Vergleich zur potenziellen Evapotranspiration, beide moduliert durch die LCC, auf das Wasserdefizit aufzeigen.Die Ergebnisse von DYVALOCCA werden zum ersten konzeptionellen Modell für Wolkenbildung und -auflösung im westlichen Zentralafrika führen und eine Hilfestellung für die Bewertung von Klimawandel-Simulationen mit Blick auf potentielle Kipppunkte für die immergrünen Regenwälder in der Region geben.
Basales Schmelzen der Eisschelfe Grönlands (GrIS) ist einer der Hauptquellen für den GrIS Masseverlust und für den Meeresspiegelanstieg. Darüber hinaus ist das beschleunigte Abschmelzen in den letzten 20 Jahren auch durch den Einstrom von wärmerem Wasser in die Fjorde verursacht. Die basalen Abschmelzraten sind jedoch unsicher und offene Fragen bestehen bezüglich der relevanten Prozesse in den Fjorden, und wie viel und wie das Schmelzwasser aus den Fjorden in den Randstrom und weiter in den offenen Ozean gelangt. Diese Unsicherheiten können in Klimamodellen zu Fehlern in der zukünftigen Rolle des Schmelzwassers für die Zirkulation und Wassermassen Verteilung und somit zu Fehlern in der Projektion des regionalen Meeresspiegels führen. Bis jetzt gibt es nicht genügend geeignete Messungen, um Schmelzwasser im Inneren des Ozeans zu quantifizieren und die Pfade zu identifizieren. Wir beantragen hier die Messung von Helium und Neon Verteilungen um zu verfolgen wo und wie viel Schmelzwasser aus GrIS in den Randstrom und ins Ozeaninnere gelangt. Dazu wird eine Prozessstudie am 79N Gletscher durchgeführt sowie Messungen im Randstrom und im Inneren der Labradorsee. Die Ziele sind: (i) Abschätzung der basalen Schmelzwasseranteile im Nah und Fernfeld des 79N Gletschers, und der Menge an Schmelzwasser, die in den Randstrom befördert wird, (ii) Berechnung der Anteile an Schmelzwasser, die aus dem Randstrom in die Labradorsee gelangen, einer der Schlüsselregionen für die Atlantische Meridionale Umwälzbewegung, Abschätzung der Zunahme seit Anfang 2000, (iii) Auswertung von hochauflösenden Modellläufen die mit basalen Schmelzwasserquellen versehen wurden, um die Verteilung des Schmelzwassers und die beteiligten Prozesse zu analysieren und um (iv) die Auswirkungen der zunehmenden Schmelzraten auf die Entwicklung des regionalen Meeresspiegels im subpolaren Nordatlantik abzuschätzen.
Die Beurteilung thermisch belastender Situationen kann anhand unterschiedlicher Bewertungskriterien vorgenommen werden. “Die häufigste Anwendung findet die Behaglichkeitsgleichung nach Fanger (1972) sowie die daraus berechnete Gefühlte Temperatur GT, über die der thermische Wirkungskomplex bestimmt wird” (VDI 2008). Ein darauf aufbauendes Modellverfahren ist das für praktische Anwendungen in der Stadtplanung beim Deutschen Wetterdienst DWD entwickelte Stadtbioklimamodell UBIKLIM (Urbanes BIoKLIma Modell, welches in Berlin bereits 1996 zur Bewertung der thermischen Situation eines typischen Sommertages zum Einsatz kam (vgl. SenSUT 1998). Die methodisch-fachliche Besonderheit dieser Arbeit bestand darin, eine Projektion des Bioklimas für Zeiträume des Klimawandels, also die nächsten 30- 70 Jahre zu entwickeln. Da dafür bisher keine standardisierten und normierten Verfahren existieren, sind die Ergebnisse, die hiermit bezüglich der Anwendung von UBIKLIM im Rahmen von Klimaprojektionen vorgelegt werden, als Vorstellungen der künftigen Klimaentwicklung zu bewerten. Auf Basis der Klimaprojektionen können Klimaänderungsszenarien entworfen werden, die mögliche plausible Klimaentwicklungen der Zukunft repräsentieren. Sie sind jedoch nicht als exakte Vorhersagen oder gar als Wetterprognosen zu verstehen ( UBA ). Eingangsgrößen und Ablaufverfahren bei UBIKLIM Als Eingangsgrößen benötigt UBIKLIM neben einem hoch aufgelösten Höhenmodell geeignete Flächennutzungsinformationen. Dazu wird das Untersuchungsgebiet in eine endliche Anzahl von Arealen mit gleicher oder ähnlicher Nutzung unterteilt. Bebautes Gebiet wird weiter unterteilt und durch Versiegelungsgrad, überbauten Flächenanteil, Gebäudehöhe, Zahl der Gebäude pro Fläche und Durchgrünung eindeutig charakterisiert. Anhand dieser Eingangsdaten berechnet UBIKLIM in mehreren Schritten – vorrangig durch Anwendung des 1-dimensionalen Stadtklimamodells MUKLIMO_1 – für einen windschwachen, wolkenlosen Sommertag die meteorologischen Größen in 1 m Höhe über Grund für das gesamte Untersuchungsgebiet und analysiert sie anschließend pixelweise mit dem Klima-Michel-Modell (vgl. das Flussdiagramm in Abbildung 5). Die Auflösung der resultierenden Bioklimakarte beträgt 10 bis 25 Meter. UBIKLIM ermöglicht die lokalen Unterschiede im Bioklima zu erfassen. Eine Beziehung zum regionalen Klima und damit absolute Aussagen liefern diese Ergebnisse allerdings nicht. Erweiterung von UBIKLIM zum Kombinierten Stadtbioklimamodell Bioklimakarten mit Bezug zum regionalen Bioklima und lokaler Differenzierung können erzeugt werden, indem die UBIKLIM-Ergebnisse mit von der Flächennutzung unabhängiger regionaler Bioklimainformation, die im Folgenden auch als Hintergrundbelastung bezeichnet wird, verknüpft werden. Dazu wird das Stadtbioklimamodell zum ‚Kombinierten Stadtbioklimamodell’ erweitert. Dieses besteht aus UBIKLIM, der bioklimatisch aufbereiteten Hintergrundinformation und einer statistischen Modellgleichung, mit der die Zusammenführung der unterschiedlichen Scales realisiert wird. Um repräsentativ für eine weite Umgebung zu sein, werden die Wetterdaten an synoptischen Stationen laut Vorgaben der WMO (World Meteorological Organization) weitgehend von der Landnutzung unbeeinflusst erhoben. Sie eignen sich damit zur Gewinnung der gesuchten Hintergrundinformation. Ausgenommen davon sind einzelne Stationen, die von der Vorgabe deutlich abweichen. Bei ihnen charakterisieren die Messdaten das Klima in der unmittelbaren Stationsumgebung wie beispielsweise Berlin-Alexanderplatz die “Stadtmitte”. Beschrieben wird die Hintergrundinformation mit der Zahl der Tage mit Wärmebelastung als 30-jähriger Jahresmittelwert. Ein Tag mit Wärmebelastung wird definiert als ein Tag, an dem tagsüber zwischen 9 und 15 UTC die Gefühlte Temperatur mindestens an drei Stundenterminen 32°C und damit starke Wärmebelastung erreicht oder überschritten hat. Diese Definition wurde gewählt, weil man dadurch angenähert die Tage erfasst, die als warnwürdig erachtet werden, also eine hohe thermophysiologische Relevanz besitzen. Um den Zusammenhang zwischen den thermischen Bedingungen an einem sommerlichen Strahlungstag einerseits und den mittleren klimatischen Bedingungen andererseits zu ermitteln, wurden für den Zeitraum 1971 – 2000 den Wetterdaten der synoptischen Stationen in Deutschland verschiedene Nutzungen/ Stadtstrukturen aufgeprägt. Das bedeutet, dass alle Messwerte für Temperatur, Feuchte, Wind sowie die aus der Bewölkung abgeleiteten Strahlung nutzungs-spezifisch modifiziert wurden. Die Modifikationsparameter wurden aus MUKLIMO_1-Simulationen für die unterschiedlichen Stadtstrukturen bestimmt. Alle Daten wurden anschließend mit dem Klima-Michel-Modell analysiert und auf Wärmebelastungstage hin untersucht. Aus dem dabei gewonnenen Datensatz ließ sich folgende Regressionsgleichung ableiten: WB = (r 1 *WB frei + r 2 *dGT + r 3 WB frei *dGT + r 4 *nn + r 5 br + r 6 *lä + r konst ) Gl. (1) WB Tage mit Wärmebelastung an einem beliebigen Ort der Stadt WB frei Hintergrundbelastung dGT Gefühlte Temperatur an einem beliebigen Ort der Stadt minus Gefühlte Temperatur über Freifläche außerhalb der Stadt (gemäß UBIKLIM) nn Höhe über NN br geograph. Breite lä geograph. Länge r i Regressionskoeffizienten Da sich die UBIKLIM-Ergebnisse auf Strahlungstage beziehen, müssen zur Kopplung mit dem regionalen Bioklima auch die Wärmebelastungstage berücksichtigt werden, die keine Strahlungstage sind. Damit besteht die resultierende Gleichung sowohl aus einer Regressionsbeziehung als auch aus einer Gewichtungsfunktion. Ein Strahlungstag wird definiert über die Mittelwerte aus den 6, 12 und 18 UTC-Terminwerten für die Bewölkung (N) und die Windgeschwindigkeit in 10 m über Grund (v). An einem Strahlungstag ist N < = 4 Achtel und v < = 3 m/s. Die Kopplung der lokalen mit der regionalen Bioklimainformation wird durch folgenden Ansatz realisiert: WB = (r 1 *WB frei + r 2 *dGT + r3WBfrei *dGT + geo) * strant + WB frei * (1 – strant) Gl. (2) geo f(geograph. Breite und Länge sowie Höhe) = konstant für Berlin strant prozentualer Anteil von Strahlungstagen an den aufgetretenen Wärmbelastungstagen Anwendung des Stadtbioklimamodells UBIKLIM Unter Verwendung der Flächennutzungsdaten von Berlin und seinem Umland (vgl. Verwendung von Landnutzungsdaten) berechnet UBIKLIM die Verteilung der Gefühlten Temperatur, wie sie sich typischerweise am Nachmittag an einem windschwachen wolkenlosen Sommertag ausprägt (vgl. Abbildung 8). Der Vergleich mit Messdaten konnte auf die Beobachtungswerte der Stationen an den Flughäfen Schönefeld (10385), Tegel (10382) und auf dem ehemaligen Fluggelände Tempelhof (10384) sowie die Stadtstationen Dahlem (10381) und Alexanderplatz (10389) zurückgreifen. Es wurden aus dem Zeitraum 1990 – 2000 zwölf sommerliche Strahlungstage herausgefiltert. Diese vergleichsweise geringe Zahl ist im Wesentlichen der Station Alexanderplatz geschuldet, da hier nur wenige vollständige Datensätze zur Berechnung der Gefühlten Temperatur zur Verfügung standen. Während Temperatur, Feuchte und Bewölkung, die zur Parametrisierung der Strahlung dient, direkt in die Berechnung der Gefühlten Temperatur eingingen, wurde die Windgeschwindigkeit gemäß dem im Routinemodell des DWD zur Berechnung der Gefühlten Temperatur verwendeten logarithmischen Ansatz auf eine Höhe von 1 m heruntergerechnet. Entsprechend den Beschreibungen zu den Stationsumgebungen (DWD 2008) wurden dabei unterschiedliche Rauigkeitslängen angenommen. In Tabelle 4 wurden die Gefühlten Temperaturen aus dem Modell den Mittelwerten aus den 12 Strahlungstagen an den ausgewählten Wetterstationen im Stadtgebiet gegenübergestellt. Es wird deutlich, dass die Differenzen zwischen den Stadtstrukturen recht gut wiedergegeben werden. So zeigen sowohl die Messungen als auch die Modellrechnungen, dass an den drei Flughäfen ähnliche thermische Bedingungen herrschen. An den beiden Stadtstationen liegen die Gefühlten Temperaturen um 2,5 bis 3,5 °C höher, im Modell sind es ungefähr 4 °C, d. h. bei den Stadtstationen bildet sich deren jeweilige Lage im Stadtzentrum (Alexanderplatz) bzw. in begrünter Einzelhausbebauung am Innenstadtrand (Dahlem) gut ab. Dieser Vergleich sollte allerdings nicht überbewertet werden, da hier Punktwerte (Stationsdaten) Flächenmittelwerten (Modelldaten) gegenübergestellt werden. Da sich entsprechend der Modellphilosophie eine pixelgenaue Interpretation verbietet, wurden die Modelltemperaturen repräsentativ für den ungefähren Bereich der Station abgegriffen. Da ferner die Daten der Wetterstationen als repräsentativ für die Umgebung erachtet werden und außerdem ein Mittel aus mehreren Tagen gebildet wurde, wird der Vergleich dennoch als durchaus sinnvoll erachtet. In einem nächsten Schritt wurde die Beziehung zu den regionalen Klimaverhältnissen hergestellt, dies war notwendig, um UBIKLIM mit den für die Zukunftsprojektionen vorliegenden Daten der regionalen Klimamodelle REMO und WettReg zu verknüpfen. Anwendung des Kombinierten Stadtbioklimamodells UBIKLIM Für das Kombinierte Stadtbioklimamodell werden neben den UBIKLIM-Eingabeparametern zusätzlich ein Wert für die Hintergrundbelastung und einer für den Anteil an Strahlungstagen benötigt. Im Fall von Berlin können diese aus den Daten der Wetterstation Berlin-Schönefeld ermittelt werden. Der Jahresmittelwert liegt für den Zeitraum 1971 – 2000 bei 9,9 Wärmebelastungstagen, Strahlungstage haben daran einen Anteil von 47 %., die geographischen Daten zusammengefasst als die Größe “geo” (vgl. Gleichung 2) werden aufgrund der relativ geringen Ausdehnung konstant gesetzt. Die Karte 04.12.1 zeigt als Ergebnis der Modellanwendung die Verteilung der Tage mit Wärmebelastung für den Bezugszeitraum 1971 – 2000. Sie liefert absolute Aussagen, diese lassen sich mit auf die gleiche Weise erstellten Auswertungen, z. B. anderer Städte oder auch einfach nur mit der Hintergrundbelastung eines beliebigen Gebietes vergleichen. Analog zur vergleichenden Darstellung der Gefühlten Temperaturen in Tabelle 4 werden in Tabelle 5 die Stationsauswertungen in Bezug auf die Häufigkeit der Tage mit Wärmebelastung den Modellwerten gegenübergestellt. Leider reichten die Messdaten für die Station Alexanderplatz bei weitem nicht aus, um ein 30-jähriges Mittel zu bestimmen oder auch nur abzuschätzen. Die Stations- und Modellwerte zeigen eine gute Übereinstimmung. Alle drei Flughafen-Stationen besitzen etwa das gleiche Belastungslevel, im Bereich der Stadt-Station Dahlem werden dagegen sieben Wärmebelastungstage/Jahr mehr erwartet. Projektion des Bioklimas auf Zeiträume des Klimawandels “Globale Klimamodelle” entstanden aus den Wettervorhersagemodellen und werden seit etwa 1940 betrieben, um zu einer Vorstellung der künftigen Klimaentwicklung zu gelangen. Dabei wird ein Spektrum an Szenarien bereitgestellt, deren Ausprägung jeweils durch die im Vorfeld angenommenen künftigen Rahmenbedingungen insbesondere bezüglich der Emission von Treibhausgasen und Aerosolen in Abhängigkeit der sozioökonomischen und technologischen Entwicklung bestimmt wird. Die Szenarien-Betrachtung weist implizit auf die große Unschärfe der Klimaprojektionen hin, die nicht vergessen werden sollte, auch wenn wie im Folgenden nur das Szenario A1B der SRES-Emissionsszenarien des IPCC betrachtet wird. Globale Klimamodelle besitzen nur eine geringe Auflösung, die sich aber durch eine Regionalisierung deutlich erhöhen lässt. Dabei kommen sowohl statistische als auch dynamische Verfahren in Betracht. Bei den hier beschriebenen Untersuchungen wurde mit den Resultaten des dynamischen Regionalmodells REMO (Jacob 2005) und des statistischen Regionalmodells WettReg (Kreienkamp und Enke, 2006) gearbeitet, beide angetrieben von Simulationen des globalen Klimamodells ECHAM5-MPI-OM des Max-Planck-Instituts für Meteorologie (Roeckner et al., 2006). Erst das Downscaling regionaler Klimaprojektionen ermöglicht die kombinierte Berücksichtigung der durch den globalen Klimawandel zu erwartenden Änderungen gemeinsam mit den durch die städtischen Nutzungen hervorgerufenen Einflüssen. Mit dem Kombinierten Stadtbioklimamodell können beide Einflussfaktoren berücksichtigt werden, wobei die Hintergrundbelastung durch das globale beziehungsweise das daraus abgeleitete regionale Klima definiert wird. Zur Ermittlung der künftigen Hintergrundbelastung wurden die Resultate regionaler Klimamodelle herangezogen; ausgewertet wurden REMO- und WettReg-Daten für den Kontrollzeitraum 1971 – 2000 und die Projektionszeiträume 2021 – 2050 sowie 2071 – 2100. Weiterhin können zusätzliche detaillierte Hinweise zur Einbindung der beiden Projektionsmodelle sowie zur Anwendung statistischer Verfahren, um eine adäquate Auswertung in Bezug auf die Wärmebelastung durchführen zu können, unter Methode / ergänzende Hinweise eingesehen werden. Erfassung der Hintergrundbelastung Die Hintergrundbelastung aus den REMO-Daten wurde anhand eines 3 × 3 Gitterpunkte umfassenden, weitgehend von der Nutzung unbeeinflussten Gebietes im Südwesten Berlins ermittelt (Deutschländer et al., 2009). Es standen an jedem Gitterpunkt Zeitreihen aller physiologisch relevanten meteorologischen Größen für die gewünschten Zeiträume zur Verfügung. Die Auswertung in Bezug auf Tage mit Wärmebelastung erfolgte für die drei Zeiträume pixelweise mit anschließender Bildung des Flächenmittels. Analog wurde der Anteil an Strahlungstagen bestimmt. WettReg generiert seine Ergebnisse stationsbezogen. Im vorliegenden Fall wurden die Daten der Stationen Schönefeld und Lindenberg zunächst getrennt in Bezug auf die Zahl der Tage mit Wärmebelastung bzw. den Anteil an Strahlungstagen ausgewertet. Das arithmetische Mittel der Werte beider Stationen steht dann für die den Berliner Raum charakterisierende Hintergrundbelastung. Die WettReg-Stationen Müncheberg und Zehdenick, die prinzipiell auch als weitere Stützpunkte für die Untersuchungen in Frage gekommen wären, wurden zur Auswertung nicht herangezogen, da die Durchführung der im Folgenden beschriebenen Biaskorrekturen aufgrund sehr lückenhafter Mess- und Beobachtungsdaten nicht möglich gewesen wäre. Im Gegensatz zu REMO liefert WettReg immer nur einen Wert pro Tag. Um eine adäquate Auswertung in Bezug auf die Wärmebelastung durchführen zu können, wurden mit Hilfe statistischer Verfahren, die speziell mit den Messdaten der Stationen Schönefeld bzw. Lindenberg abgeglichen wurden, Tagesgänge und damit Stundenwerte für die zur Berechnung der Gefühlten Temperatur benötigten Größen erzeugt. Verwendet wurden Temperaturmaximum, Temperaturminimum, Tagesmittel von Lufttemperatur, Windgeschwindigkeit, Feuchte und Bewölkung. Damit wird man sicher nicht jeden Tag realitätsnah darstellen können. Auch in Bezug auf die Berechnung der Gefühlten Temperatur ist diese Vorgehensweise kritisch zu bewerten, da diese aufgrund der zum Teil gegenläufigen Wirkweise der einzelnen Wetterparameter prinzipiell eine zeitgleiche Zuordnung benötigt. Dadurch aber, dass ein Tag mit Wärmebelastung nicht an einem einzelnen Termin festgemacht wird, sondern über drei Termine tagsüber definiert wird (vgl. Methode), sowie durch die Betrachtung eines längeren Zeitraums, ergibt sich ein durchaus realistisches Bild. Die Auswertung für den Zeitraum 1971 – 2000 der Mess-, REMO- und WettReg-Daten (vgl. Tabelle 6) zeigt, dass Wärmebelastungstage bei REMO leicht unter-, bei WettREG aber überschätzt werden. Die Abweichungen bezüglich des Strahlungstageanteils sind deutlich stärker. Anwendung statistischer Verfahren / Biaskorrektur Die Abweichung des Modellwertes vom Erwartungswert aus den Messungen wird als Modell-Bias bezeichnet. Durch Biaskorrekturen lassen sich die Modellergebnisse verbessern. Dazu werden für die Schwellenwerte (Gefühlte Temperatur, Windgeschwindigkeit, Bewölkung) aus der Häufigkeitsverteilung der Messdaten von Schönefeld und Lindenberg die jeweiligen Perzentile bestimmt. Anschließend werden umgekehrt die in der Häufigkeitsverteilung der Modelldaten bei diesen Perzentilen liegenden Werte als neue Schwellenwerte definiert (Deutschländer et al., 2009). Der Bias verringert sich für die Tage mit Wärmebelastung bei WettReg und für den Strahlungstageanteil bei beiden Modellen deutlich (vgl. Tabelle 7). Die Auswertung der künftigen Zeiträume 2021 – 2050 und 2071 – 2100 wurde ebenfalls mit den für den Kontrollzeitraum bestimmten Biaskorrekturen durchgeführt. Tabelle 8 zeigt die Ergebnisse. Bis Mitte des Jahrhunderts kommt es bei beiden Modellen etwa zu einer 50%-igen Zunahme der Tage mit Wärmebelastung. Gleichzeitig nimmt auch der Anteil an Strahlungstagen zu, bei REMO um 5%, bei WettREG um 6%. Bis Ende des Jahrhunderts werden sich die thermischen Belastungssituationen im ungestörten Umland noch mal nahezu verdoppeln, während sich der Anteil an Strahlungstagen nicht mehr bedeutend verändert. Anwendung statistischer Verfahren / Konfidenzmethode Um besser einschätzen zu können, wie gut die Modell- die Messdaten wiedergeben, wurden für den Zeitraum 1971 – 2000 anhand der jährlich ermittelten Tage mit Wärmebelastung die Konfidenzintervalle für das 90%-Signifikanzniveau berechnet (vgl. Abbildung 6). In den Bereichen zwischen den beiden dünnen Querstrichen wird mit 90-%iger Wahrscheinlichkeit der Wert für die Hintergrundbelastung zu finden sein. Die Abweichungen der drei Konfidenzintervalle (Messdaten und Modellergebnisse) sind gering, woraus sich folgern lässt, dass die Hintergrundbelastung aus den Modellen, die an der Station beobachtete Hintergrundbelastung gut widerspiegelt. In Abbildung 7 sind zusätzlich die 90%-Konfidenzintervalle der Projektionszeiträume dargestellt. Die des Projektionszeitraums 2021 – 2050 überlappen sich nur geringfügig mit denen des Kontrollzeitraums. Daraus lässt sich eine leichte, aber signifikante Erhöhung der Anzahl an Wärmebelastungstagen bis zur Mitte dieses Jahrhunderts folgern. Für 2071 – 2100 zeigt sich die Zunahme der Tage mit Wärmebelastung noch deutlich stärker.
Im Rahmen des Umweltatlas werden seit mehr als 25 Jahren Erhebungen zur Stadtklimatologie durchgeführt und Daten gewonnen (vgl. SenStadtUm 1985). Aktuell liegt mit den Ergebnissen der Anwendung des Klimamodells FITNAH eine umfassende Bestandsaufnahme der heutigen klimatischen Situation im Stadtgebiet und im näheren Umland vor (vgl. Karte 04.10 Klimamodell Berlin – Analysekarten (Ausgabe 2009) und Karte 04.11 Klimamodell Berlin – Bewertungskarten (Ausgabe 2009)). Die Kenntnis über das in der Stadt vorherrschende Lokalklima, insbesondere die Lage und Ausdehnung der städtischen “Wärmeinseln” und die klimatischen Funktionszusammenhänge zwischen Siedlungs- und grünbestimmten Räumen sind bedeutende Aspekte der Umweltvorsorge und Stadtentwicklung. Seit einigen Jahren hat sich nun das Spektrum der Herausforderungen drastisch erweitert: die Abschätzung der Auswirkungen der durch den globalen Klimawandel zu erwartenden Veränderungen auf die thermischen, hygrischen und lufthygienischen Verhältnisse insbesondere in den städtischen Ballungsräumen erfordert zusätzliche Antworten, um die unter den Begriffen “Mitigation” (Minderung) und “Adaptation” (Anpassung) zusammengefassten Anforderungen zu unterstützen. Während der Klimaschutz seit Jahren ein fester Bestandteil der Berliner Umweltpolitik ist und im Zusammenhang mit zahlreichen Programmen zur Steigerung der Energieeffizienz, die Nutzung erneuerbarer Energien und zur Energieeinsparung eine lange Tradition besitzt (vgl. Ziele und Grundlagen der Klimaschutzpolitik in Berlin ) war die Anpassung an den Klimawandel bisher nur ein Randthema. Allerdings kann die Notwendigkeit der Klimawandelanpassung heute nicht mehr aus dem kommunalen Alltag ausgeblendet werden. Mit der Annahme des 4. Sachstandsberichts des Zwischenstaatlichen Ausschusses für Klimaänderungen (IPCC) von 2007 sind der Klimawandel und seine mit hoher Wahrscheinlichkeit anthropogenen Ursachen international anerkannt. Seit dem vergangenen Jahrhundert erwärmt sich das Klima, wie Beobachtungsdaten belegen. So stieg das globale Mittel der bodennahen Lufttemperatur im Zeitraum 1906 bis 2005 um etwa 0,74°C. Gebirgsgletscher und Schneebedeckung haben im Mittel weltweit abgenommen. Extremereignisse wie Starkniederschläge und Hitzewellen – etwa während des “Jahrhundertsommers” 2003 – wurden häufiger, und seit den 1970er Jahren traten in den Tropen und Subtropen intensivere und länger andauernde Dürren über größeren Gebieten auf. Mit steigender Temperatur nehmen die erwarteten Risiken zu (vgl. Umweltbundesamt ). Seit dem Beginn der Industrialisierung steigt die globale Mitteltemperatur der Luft in Bodennähe. Die durch das vom Menschen verursachte ( anthropogene ) Verbrennen fossiler Brennstoffe in der Atmosphäre angereicherten Treibhausgase führen in der Tendenz zu einer Erwärmung der unteren Luftschichten (vgl. Abbildung 1) Nach den Prognosen des IPCC muss auch in Deutschland bis zum Jahr 2050 mit folgenden Änderungen gerechnet werden: im Sommer werden die Temperaturen um 1,5 °C bis 2,5 °C höher liegen als 1990 im Winter wird es zwischen 1,5 °C und 3 °C wärmer werden im Sommer können die Niederschläge um bis zu 40 % geringer ausfallen im Winter kann es um bis zu 30 % mehr Niederschlag geben (ausführliche Zusatzinformationen hier: Klimaatlas Deutschland ). Um die regionalen Auswirkungen dieser künftigen Klimaänderungen in Deutschland besser einschätzen zu können, werden sogenannte Regionale Klimamodelle eingesetzt und z.B. im Auftrag des Umweltbundesamtes zur Erstellung von Projektionsdaten der möglichen zukünftigen Entwicklung genutzt. Grundlage für die Klimamodelle bilden Annahmen über die Entwicklung der Emissionen in den nächsten Jahrzehnten, die wiederum abhängig sind von den möglichen (weltweiten) demographischen, gesellschaftlichen, wirtschaftlichen und technischen Entwicklungen. Maßgebend sind für die meisten Klimaprojektionen die SRES-Emissionsszenarien des IPCC . Für die meisten Projektionsrechnungen wird das Szenario A1B genutzt, das von folgenden Annahmen ausgeht: stetiges Wirtschaftswachstum ab Mitte des Jahrhunderts rückläufige Weltbevölkerung Einführung neuer und effizienter Technologien Verringerung der regionalen Unterschiede im Pro-Kopf-Einkomen “ausgewogene Nutzung” aller Energiequellen. Alle SRES-Szenarien beinhalten keine zusätzlichen Klimainitiativen, d.h. es sind keine Szenarien berücksichtigt, die ausdrücklich eine Umsetzung internationalen Übereinkommen vorsehen. Die Auflösungsebene der regionalen Modelle liegt bei 10 km x 10 km pro einzelner Rasterfläche. Einerseits bedeutet dies einen beträchtlichen Qualitätssprung gegenüber den globalen Modellen mit Rastergrößen von 200 km x 200 km, andererseits reicht die Auflösung für stadtplanerische Zwecke bei weitem nicht aus. Zwei der bekanntesten Modelle in Deutschland sind das dynamische Regionalmodell REMO sowie das statistische Verfahren WETTReg. Auf Bundesebene wurde am 17. Dezember 2008 im Kabinett die Deutsche Anpassungsstrategie an den Klimawandel (DAS) beschlossen. Sie stellt den Beitrag des Bundes dar und schafft einen Rahmen zur Anpassung an die Folgen des Klimawandels in Deutschland, der durch die Städte und Ballungszentren je nach lokaler Betroffenheit spezifiziert werden muss. Diese mögliche lokale Betroffenheit besser einschätzen zu können, war Ausgangspunkt der Anfang 2008 abgeschlossenen Kooperationsvereinbarung zwischen dem Deutschen Wetterdienst (DWD), Abteilung Klima- und Umweltberatung und der Senatsverwaltung für Stadtentwicklung, Abteilung Geoinformation, Referat Informationssystem Stadt und Umwelt , die Anfang 2010 erfolgreich abgeschlossen werden konnte. Der dazu vorgelegte Projektbericht lieferte auch wesentliche Beiträge für die hier vorgelegten Textteile (DWD 2010). Ansatz der hier präsentierten Karten und Daten war somit die Fragestellung, wie sich auf der Basis heute vorliegender Erkenntnisse und Modelldaten die thermischen Verhältnisse in Berlin entwickeln könnten. Dies ist auch deshalb von besonderem Interesse, da davon auszugehen ist, dass heute noch als nicht wärmebelastet bewertete Stadtgebiete durch die fortdauernde Klimaerwärmung in den nächsten Jahrzehnten einer deutlichen höheren sommerlichen Hitze ausgesetzt sein dürften. Dies gilt sowohl von der zu erwarteten absoluten Höhe der erreichten Temperaturwerte als auch von der Andauer der Hitzeperioden. Es ging also im Wesentlichen um eine Bestandsaufnahme der zu erwartenden Klimafolgen insbesondere in den bebauten Bereichen, wo die Verwundbarkeit der Stadtbewohner – und hier vor allem der älteren Bevölkerung – am größten ist. Das methodische Vorgehen zur kleinräumigen lokalen Ausprägung möglicher durch den globalen Klimawandel verursachter Folgen ist noch “Forschungsneuland”, in keiner Weise standardisiert und somit in der Interpretation der Ergebnisdaten immer mit gewissen Unsicherheitsfaktoren versehen (vgl. Methode).
Data presented here were collected between November 2019 to September 2023 within the research unit DynaCom (Spatial community ecology in highly dynamic landscapes: From island biogeography to metaecosystems, https://uol.de/dynacom/ ) involving the Universities of Oldenburg, Göttingen, and Münster, the iDiv Leipzig and the Nationalpark Niedersächsisches Wattenmeer. Experimental islands and saltmarsh enclosed plots were established in the back-barrier tidal flat and in the saltmarsh zone of the island of Spiekeroog (Germany). A recording current meter (RCM; SEAGUARD® Recording Current Meter, Aanderaa Data Instruments AS, Bergen/Norway) was installed in the back-barrier tidal flat near the experimental islands. The sensor was bottom-mounted in a shallow tidal creek (0.59 m NHN) using a steel girder buried in the sediment, which caused the sensor to be exposed during low tide. All low-tide data have been removed from the dataset. The system was equipped with a ZPulse Doppler Current Sensor (DCS), a conductivity sensor, an oxygen optode, and two analogue sensors for chlorophyll-a and turbidity (16445). All sensors were pre-calibrated by the manufacturer. Recorded data were internally logged until readout with the SeaGuard Studio software (V1.5.23). Salinity was derived in the SeaGuard Studio software using temperature-dependent, nonlinear seawater conductivity compensation following the Practical Salinity Scale (PSS-78). Subsequent data processing was done using MATLAB (R2024b). Turbidity and chlorophyll-a data were excluded from the final dataset, as the recorded signals show implausible values and did not pass quality-control criteria. Post-processing and quality control included (a) the removal of low tide data, data covering maintenance activities, and data affected by biofouling, (b) the removal of implausible values, c) an outlier detection using the Hampel filter method, and (d) visual checks. Identified outlier were removed and synchronously removed across all associated parameters of the respective sensor.
Änderung des Mittelwasserabflusses (MQ) in der Zukunft. Die Änderungen werden als prozentuale Zunahmen bzw. Abnahmen eines 30-jährigen Mittelwertes für die nahe Zukunft (2021-2050) bzw. für die ferne Zukunft (2071-2100) gegenüber einem Referenzzeitraum (1971-2000) angegeben. Die Datenbasis bilden simulierte Abflüsse aus verschiedenen hydrologischen bzw. statistischen Modellen auf Tageswertbasis, die mit Daten aus einem Ensemble von acht regionalen Klimamodellen (aus dem Projekt EURO-CORDEX) auf Grundlage eines Szenarios ohne Klimaschutz (RCP8.5) angetrieben wurden. Dieses Szenario beschreibt eine zukünftige Entwicklung der Menschheit, in der die Energieversorgung im Wesentlichen auf der Verbrennung fossiler Energieträger beruht und der Ausstoß von Treibhausgasen zu einem stetigen Anstieg des Strahlungsantriebes bis zum Jahr 2100 führt. Der Median bildet dabei die mittlere Tendenz aus der Bandbreite der verschiedenen Änderungssignale der Ensemble-Mitgliederab, der Maximalwert bildet die obere Bandbreite, der Minimalwert die untere Bandbreite.
Änderung des Niedrigwasserabflusses (NM7Q) in der Zukunft. Die Änderungen werden als prozentuale Zunahmen bzw. Abnahmen eines 30-jährigen Mittelwertes für die nahe Zukunft (2021-2050) bzw. für die ferne Zukunft (2071-2100) gegenüber einem Referenzzeitraum (1971-2000) angegeben. Die Datenbasis bilden simulierte Abflüsse aus verschiedenen hydrologischen bzw. statistischen Modellen auf Tageswertbasis, die mit Daten aus einem Ensemble von vierzehn regionalen Klimamodellen (aus den Projekten EURO-CORDEX und ReKliEs) auf Grundlage eines Szenarios ohne Klimaschutz (RCP8.5) angetrieben wurden. Dieses Szenario beschreibt eine zukünftige Entwicklung der Menschheit, in der die Energieversorgung im Wesentlichen auf der Verbrennung fossiler Energieträger beruht und der Ausstoß von Treibhausgasen zu einem stetigen Anstieg des Strahlungsantriebes bis zum Jahr 2100 führt. Der Median bildet dabei die mittlere Tendenz aus der Bandbreite der verschiedenen Änderungssignale der Ensemble-Mitglieder ab, der Maximalwert bildet die obere Bandbreite, der Minimalwert die untere Bandbreite.
Änderung des Scheitelabflusses für ein 100-jährliches Hochwasserereignis (im statistischen Mittel einmal in 100 Jahren zu erwarten) in der Zukunft. Die Änderungen werden als prozentuale Zunahmen bzw. Abnahmen angegeben, die sich aus den Werten für die nahe Zukunft (2021-2050) bzw. die ferne Zukunft (2071-2100) gegenüber einem Referenzzeitraum (1971-2000) ergeben. Die Datenbasis bilden simulierte Abflüsse aus verschiedenen hydrologischen bzw. statistischen Modellen auf Tageswertbasis, die mit Daten aus einem Ensemble von acht regionalen Klimamodellen (aus dem Projekt EURO-CORDEX) auf Grundlage eines Szenarios ohne Klimaschutz (RCP8.5) angetrieben wurden. Dieses Szenario beschreibt eine zukünftige Entwicklung der Menschheit, in der die Energieversorgung im Wesentlichen auf der Verbrennung fossiler Energieträger beruht und der Ausstoß von Treibhausgasen zu einem stetigen Anstieg des Strahlungsantriebes bis zum Jahr 2100 führt. Der Median bildet dabei die mittlere Tendenz aus der Bandbreite der verschiedenen Änderungssignale der Ensemble-Mitglieder ab, der Maximalwert bildet die obere Bandbreite, der Minimalwert die untere Bandbreite.
| Organisation | Count |
|---|---|
| Bund | 259 |
| Europa | 14 |
| Land | 49 |
| Weitere | 1 |
| Wissenschaft | 167 |
| Type | Count |
|---|---|
| Daten und Messstellen | 1 |
| Ereignis | 1 |
| Förderprogramm | 245 |
| Text | 23 |
| unbekannt | 13 |
| License | Count |
|---|---|
| Geschlossen | 21 |
| Offen | 262 |
| Language | Count |
|---|---|
| Deutsch | 242 |
| Englisch | 73 |
| Resource type | Count |
|---|---|
| Archiv | 1 |
| Bild | 8 |
| Datei | 5 |
| Dokument | 9 |
| Keine | 137 |
| Webseite | 139 |
| Topic | Count |
|---|---|
| Boden | 198 |
| Lebewesen und Lebensräume | 271 |
| Luft | 263 |
| Mensch und Umwelt | 283 |
| Wasser | 196 |
| Weitere | 280 |