Komplexe Klimamodelle (GCMs)
Komplexität und Kopplung
Bei den immer komplexeren Klima- bzw. Erdsystemmodellen, die etwa dazu benutzt werden, Projektionen für das Klima des 21. Jahrhunderts und darüber hinaus zu erstellen oder vergangene und heutige Klimazustände nachzubilden, handelt es sich um sehr komplizierte und rechenaufwändige Computermodelle. Sie stellen die einzelnen Subsysteme des Klimasystems (die Atmosphäre, den Ozean, Eis und Schnee, die Vegetation und den Boden) oder sogar einzelne Komponenten der Subsysteme in getrennten Modellen dar, die miteinander gekoppelt werden (siehe Abb. unten).
Atmosphäre und Ozean sind dabei die wichtigsten Komponenten des Klimasystems. Klimamodelle, die diese Prozesse für unseren gesamten Planeten abbilden, werden als Globale oder Allgemeine Zirkulationsmodelle(GCMs) bezeichnet. Ein globales Atmosphärenmodell wird in der englischsprachigen Abkürzung als AGCM (Atmosphere General Circulation Model), ein globales Ozeanmodell als OGCM, ein gekoppeltes Atmosphären-Ozean-Model als AOGCM bezeichnet.
Schema eines gekoppelten Ozean-Atmosphärenmodells mit weiteren angegliederten Modellen (eigene Darstellung)
In einem Atmosphärenmodell beispielsweise wird die Lufthülle der Erde dreidimensional „in Gitterzellen zerlegt“. Alle physikalischen Vorgänge werden auf diesem numerischen Gitter beschrieben. Das Modell berechnet atmosphärische Parameter wie die ein- und ausgehende Strahlung, Lufttemperatur, Luftdruck, spezifische Feuchte, Wind, etc. für jeden Gitterpunkt. Prozesse, die im Vergleich zur Größe der Gitterzellen auf kleineren räumlichen Skalen ablaufen, können dabei nicht explizit berechnet werden. Solche Prozesse wie z. B. Wolkenbildung und –bedeckung werden parametrisiert, also näherungsweise berechnet (dazu später mehr).
Ein Ozeanmodell simuliert die Physik, Chemie und Dynamik des salzhaltigen Meerwassers und berechnet Parameter wie Wassertemperatur, Salzgehalt und die Strömungen unter zusätzlicher Berücksichtigung biogeochemischer Prozesse.
Genauso wie sich die Erdatmosphäre und der Ozean wechselseitig beeinflussen, verhalten sich beide Modellkomponenten, wenn sie zusammengekoppelt werden. Über den Austausch von Energie (Strahlung sowie fühlbare und latente Wärmeflüsse, z.B. durch Verdunstung), Impuls (Windschub) und Stoffflüsse (z.B. Seesalz oder durch atmosphärische Deposition,) werden beide Modellkomponenten in einem Klimamodell an der Meeresoberfläche miteinander verbunden, um die Wechselwirkungen zwischen Ozean und Atmosphäre korrekt abzubilden.
Zunehmend werden heute in komplexen Erdsystemmodellen weitere Komponenten berücksichtigt. So werden Aufbau- und Abschmelzprozesse von Land- und Meereis in Modulen für die Kryosphäre beschrieben. Die Kryosphäre ist der Bereich der Erdoberfläche, der von Eis oder Schnee bedeckt ist; dazu gehören Meereis, Inlandeis, Schelfeis, Gebirgsgletscher, Eis in Permafrostböden und mit Schnee bedeckte Flächen. Das Meereismodul ist meist integraler Teil des Ozeanmodells und idealerweise auf dem gleichen Rechengitter implementiert. Insbesondere für die Simulation sehr langer Zeiträume wird heute oft ein Eisschild-Modell integriert, um die mit starken Klimaänderungen verbundenen starken Variationen des Meeresspiegels, der Auswirkungen auf den Frischwasserhaushalt und Wechselwirkungen mit der Ozeanzirkulation berechnen zu können. Vorgänge im Zusammenhang mit der Vegetation sowie Grundwasser- und Bodeneigenschaften werden in einem Landmodul beschrieben (Genaueres s. unten).
Um chemische oder biologische Prozesse in Atmosphäre, Ozean oder Biosphäre (der Bereich der Erde, in dem Leben vorkommt) interaktiv mit dem System zu verbinden, gibt es weitere Module, die den Kohlenstoffkreislauf (Landbiosphäre und Biogeochemie des Ozeans) detailliert beschreiben. Auch globale Spurenstoffkreisläufe von Ozon und anderen reaktiven Spurengasen in der Atmosphäre werden in eigenen Modulen berücksichtigt.
Auflösung und Parametrisierung
Mittlere Auflösungen
Die Strömung in Atmosphäre und Ozean wird mit den physikalischen Grundgesetzen zum Erhalt von Impuls, Masse und Energie sowie der Zustandsgleichung idealer Gase beschrieben. Sie bilden ein System von nichtlinearen partiellen Differentialgleichungen, die mit numerischen Methoden näherungsweise gelöst werden. Dazu wird die Erde mit einem dreidimensionalen Gitter überzogen, d.h. Atmosphäre und Ozean werden „in Gitterzellen zerlegt“, und es werden alle Vorgänge auf diesem numerischen Gitter beschrieben. Der Rechenzeitschritt, also die zeitliche Schrittweite der Berechnungen, muss passend zum Gitterpunktabstand gewählt werden. Zwischen benachbarten Gitterzellen wird für jeden Zeitschritt der Austausch an Masse, Energie und Impuls berechnet, um den jeweils nächsten Zustand zu berechnen. Die höchsten auftretenden Geschwindigkeiten bestimmen in Abhängigkeit von dem Gitterpunktabstand die Länge eines Zeitschrittes. Wenn etwa der Wind oder die Ozeanströmung Masse innerhalb eines Zeitschritts über größere Entfernungen als einen Gitterpunktabstand transportieren kann, sind die Lösungen der Berechnungen nicht mehr zuverlässig (da hier sonst Gitterpunkte übersprungen werden könnten). Aus diesem Grund ist bei Klimamodellen für die Verdopplung der horizontalen Gitterauflösung mindestens von einer Halbierung des Zeitschrittes auszugehen; dazu käme bei einer doppelten horizontalen Auflösung eine Vervierfachung der Anzahl der Gitterzellen pro Schicht, so dass man etwa von einer Verzehnfachung des Rechenaufwandes ausgeht. Auch bei den heutigen Supercomputern, die Billionen von Rechenoperationen pro Sekunde durchführen können, ist die räumliche Auflösung der Klimamodelle immer noch durch die Rechnerkapazität begrenzt.
Wie realitätsnah auf diese Weise das gegenwärtige Klima simuliert wird, hängt unter anderem von der Maschenweite des Gitternetzes ab. Für den vierten Bericht des Weltklimarates IPCC von 2007 wurden die meisten globalen Modelle mit einer Auflösung von ungefähr 200 km x 200 km (ca. 2 Grad) gerechnet. Die Modellsimulationen für den fünften Bericht des IPCC, der 2013 erschienen ist, zeigen eine nur moderat höhere Auflösung. Sie liegt für die Atmosphäre zwischen 100 km und 200 km. Dafür sind die Modelle deutlich komplexer geworden, indem sie mehr Komponenten des Klimasystems auf verbesserte Art und Weise abbilden (s. Erdsystemmodelle). Bei Regionalmodellen hat sich die typische Auflösung von 50 km auf rund 25 km, z.T. sogar auf 10 km und weniger, deutlich erhöht. Die physikalischen Gleichungen in der Atmosphäre werden auf 30-90 vertikalen Schichten bis in die Stratosphäre gerechnet, wobei die untere Troposphäre höher aufgelöst ist. Für den Ozean werden 30-60 Schichten berechnet (IPCC WG1, 2013, 9.1.3.3). Die folgende Abbildung zeigt die Maschenweite typischer Klimamodelle, die für die Klimazustandsberichte 1-4 des IPCC verwendet wurden.
Europa und der Nordatlantik bei unterschiedlicher Modellauflösung. FAR steht für 'First Assessment Report' (Erster Sachstandsbericht), SAR und TAR entsprechend für 'second' und 'third', den zweiten und dritten Sachstandsbericht. IPCC (2007)
IPCC 2013, WGI, Figure 1.14
Hochaufgelöste Simulationen für den 6. IPCC-Bericht
Bis vor wenigen Jahren sind hochaufgelöste Szenarienrechnungen nur von relativ wenigen Forschungszentren mit globalen Modellen durchgeführt worden, vor allem wegen des hohen Rechenzeitbedarfs. Die gestiegene Rechnerleistung bietet jedoch zunehmend die Möglichkeit, auch höher aufgelöste Klimamodelle einzusetzen. Für den 6. IPCC-Bericht, der 2021 erscheinen wird, stehen hochaufgelöste Modelle im Fokus eines besonderen Projekts, das sich u.a. zum Ziel gesetzt hat, Ursachen und Folgen systematischer Modell-Abweichungen bei einer Änderung der Auflösung zu untersuchen (Haarsma, R. J. et al., 2016).
Eine Verbesserung der horizontalen Auflösung von Atmosphäre und Ozean verbessert die Simulationen auf verschiedenen Feldern: bei großräumigen ozeanischen Zirkulationen wie ENSO und Golfstrom und deren Einfluss auf die Atmosphäre, bei der Schneebedeckung, dem Jetstream, Sturmtiefs und blockierenden Wetterlagen. Zusätzliche können dadurch kleinräumige Phänomene mit starken Folgen wie tropische Wirbelstürme besser dargestellt werden. Andere Beispiele sind die Dynamik von Meereis, der Tageszyklus von Niederschlägen, die Madden-Julian-Oszillation (eine Schwankung der tropischen Atmosphäre über dem Indischen und Pazifischen Ozean), extreme Wetterereignisse wie Hitzewellen, Dürren, Überschwemmungen etc.
So zeigen die Simulationen des hochauflösenden Erdsystemmodells des Max-Planck-Instituts für Meteorologie (MPI-M) deutliche Verbesserungen in der Darstellung der großräumigen atmosphärischen Zirkulation wie des außertropischen Jetstreams, der Tiefdruckbahnen über dem nördlichen Atlantik und von blockierenden Wetterlagen über Europa im Sommer (Müller, W. A. et al., 2018). Die horizontale atmosphärische Auflösung beträgt in den neueren Simulationen bis zu 50 km, wobei sich auch die vertikale Auflösung auf 95 Schichten nahezu verdoppelt hat. Der Ozean wird mit einer maximalen Auflösung von 10 km gerechnet (Mauritsen, T. et al., 2019).
Anhand einer neuen Modellgeneration, die auf dem vom MPI-M und dem Deutschen Wetterdienst (DWD) gemeinsam entwickelten ICON-Modell basiert, zeichnen sich heute stark verbesserte Möglichkeiten ab, kleinskalige Prozesse direkt mit globalen Modellen zu simulieren, statt sie wie bisher durch Parametrisierungen angenähert zu beschreiben. Das Gitter des ICON-Modells ist von einem Ikosaeder (Zwanzigflächner aus gleichseitigen Dreiecken) abgeleitet und kann beliebig global, aber auch innerhalb eines gröberen globalen Gitters regional verfeinert werden (Abb. unten). Regional können so sehr hohe Auflösungen in ein globales Modell eingebettet werden. Das ICON-Modell ist daher sowohl für Klimasimulationen wie für Wettervorhersagen einsetzbar. Außerdem fällt hier das Problem der traditionellen Modellgitter weg, dass die Gitterzellen zu den Polen hin immer kleiner werden.
ICON kann auch als Regionalmodell eingesetzt werden, um Prozesse auf noch feineren räumlichen Skalen zu untersuchen. Im Verlauf eines vom BMBF (Bundesministerium für Bildung und Forschung) geförderten Projektes wurde mit ICON beispielsweise bei einer zeitlich und regional begrenzten Auflösung bis hinunter auf 156 m die Entstehung von Wolken und Niederschlag simuliert.
Beispiel für ein regional verfeinertes Gitter. Der sphärische Ikosaeder (hellblau) wurde in drei Schritten global und regional verfeinert: im ersten Schritt global (dunkelblau), im zweiten Schritt auf der Nordhemisphäre (grün), im dritten und letzten Schritt in einer Region über Europa (rot) (Max-Planck-Institut für Meteorologie, 2011)
Das ICON-Modell ist auch Teil des vom MPI-M und der Universität Tokio initiierten Projekts DYAMOND (DYnamics of the Atmospheric general circulation On Non-hydrostatic Domains). In diesem Projekt werden neue globale Atmosphärenmodelle mit einer sehr hohen Auflösung zwischen 2,5 und 7.8 km entwickelt und miteinander verglichen (Stevens, B., Satoh, M., Auger, L. et al., 2019). Diese sog. Globalen Sturmauflösenden Modelle (Global Storm Resolving Models - GSRMs) sind so benannt, weil sie in der Lage sind, auch konvektive Stürme, die vor allem in den Tropen den Energietransport von der Erdoberfläche in die Atmosphäre leisten, zu simulieren.
Erste Experimente über einen Zeitraum von 40 Tagen haben gezeigt, dass die GSRMs in der Lage sind, wesentliche Aspekte der Allgemeinen Zirkulation darzustellen, die in bisherigen Modellen nicht explizit simuliert werden konnten. So wurde eine visuelle Repräsentation von Wolken ermöglicht, die praktisch von der Beobachtung nicht zu unterscheiden ist (siehe Abbildung unten). Auch die globalen Niederschläge werden weitgehend zutreffend erfasst, wenn auch mit deutlich zu hohen Werten in einem Band südlich des Äquators.
Ebenso werden der Tagesgang der tropischen Niederschläge sowie die Entstehung und Intensivierung von tropischen Wirbelstürmen angemessen dargestellt. Ein weiterer Vorteil von GSRMs liegt darin, dass sie Wolkeneigenschaften, Niederschläge und Wind in ähnlicher Auflösung simulieren, wie sie von Satellitenbeobachtungen angeboten werden, und damit besser anhand von Beobachtungen evaluiert werden können (Satoh, M., Stevens, B., Judt, F. et al., 2019). Insgesamt erwecken die ersten DYAMOND-Ergebnisse die Hoffnung, dass die Globalen Sturmauflösenden Modelle den Einstieg in eine neue Modellgeneration darstellen und einen deutlichen Schritt in der Modellentwicklung eröffnen, der u.a. auch die Möglichkeit einer Vorhersage von Extremwetter auf globaler Ebene ermöglichen wird.
Wolkenbedeckung am 4.8.2016, aufgenommen durch den japanischen Wettersatelliten Himawari (links) und simuliert vom deutschen ICON-Modell (rechts) (Stevens, B. et al., 2019)
Parametrisierung
Auch Auflösungen von einigen Kilometern sind aber immer noch nicht geeignet, Prozesse auf sehr kleinräumlichen und sehr begrenzten zeitlichen Skalen wie etwa die Bildung und Auflösung von Wolkentröpfchen direkt darzustellen. Solche Prozesse müssen weiterhin näherungsweise durch physikalische Parametrisierungen berechnet werden; d.h. ihre Effekte auf die berechneten Prozesse müssen geschätzt werden. Beispielsweise ist die Physik der Tröpfchenbildung in der Meteorologie sehr gut verstanden und auch im Detail modellierbar. Jedoch würde die explizite Berücksichtigung dieses Prozesses jedes globale Klimamodell "sprengen“. Folglich wird die Niederschlagsbildung in Wolken durch meteorologische Größen des Modells wie z.B. relative Feuchte und/oder Vertikalwind beschrieben (parametrisiert). In die Parametrisierung fließen auch die Ergebnisse von Messungen mit ein.
Wolkenstruktur am Ende des klimatologischen Übergangs von Stratocumulus zur Cumulus Konvektion in einer Wolkensimulation (sog. Large Eddy Simulation) des MPI-M, visualisiert vom DKRZ
Das genaue Verständnis des Wasserkreislaufs sowie die Modellierung bzw. Parametrisierung von Wolkenprozessen gehören nach wie vor zu den größten Herausforderungen in der Wetter- und Klimamodellierung. Dennoch macht die Wissenschaft, nicht zuletzt durch die Weiterentwicklung der Hochleistungsrechner, hier stetig enorme Fortschritte.
So untersuchten Wissenschaftler am MPI-M für Meteorologie den Übergang eines bestimmten Wolkentyps (Stratocumulus), der über den kühlen Aufquellgebieten der östlichen Ozeanbecken auftritt, zu einer mehr unterbrochenen Wolkenbedeckung (Cumulus-Wolken unterhalb einer Stratocumulus-Schicht) über den wärmeren Gewässern der Passat-Regionen. Diese Forschung dient als Grundlage für die Parametrisierung der Bewölkung in Klimamodellen, in der, wie erwähnt, noch eine der großen Modellunsicherheiten liegt.
Die Entwicklung globaler Zirkulationsmodelle
Die Entwicklung der globalen Zirkulationsmodelle ist wesentlich an die Entwicklung der Computerkapazitäten gebunden. Erst die Fortschritte in der Rechenleistung großer Computeranlagen haben es ermöglicht, dass sich die Komplexität der Modelle, die Länge der Simulationen (Anzahl der simulierten Jahre) und die räumliche Auflösung steigern ließen. Seit den 1960er Jahren wurden Atmosphären- und Ozeanmodelle miteinander gekoppelt.
Eigene Darstellung (Dieter Kasang) nach IPCC (2001): Climate Change 2001: The Scientific Basis. Summary for Policymakers and Technical Summary of the Working Group I Report, Cambridge 2001, Technical Summary, Box 3, Figure 1; erweitert nach Thomas Stocker (2011): Introduction to Climate Modelling, Berlin Heidelberg, Fig. 1.11
Seit den 1990er Jahren wurden zunehmend mehr Komponenten des Klimasystems mit einbezogen, und die Modelle wurden immer komplexer (siehe Abb. Erdsystemmodell). So konnten ab Anfang der 1990er Jahre z.B. Modellrechnungen durchgeführt werden, die auch die Klimawirkung der Aerosole berücksichtigten.
Außerdem wurden Modelle für den ozeanischen und terrestrischen Kohlenstoffkreislauf entwickelt und in Simulationen für den letzten Bericht des Weltklimarates IPCC von 2007 genutzt. Eine dynamische Vegetation und die Chemie der Atmosphäre sind die jüngsten Bausteine der Modellentwicklung. Besonders die Einbeziehung einer dynamischen Landvegetation, die mit der Atmosphäre in Wechselwirkung steht, ist ein bedeutender Schritt hin zu einem sog. Erdsystemmodell, auch als ESM bezeichnet.
Dr. Dieter Kasang
im Auftrag vom Climate Service Center des Helmholtz-Zentrums Geesthacht
Michael Böttinger,
Deutsches Klimarechenzentrum (DKRZ)
- IPCC (2007): Climate Change 2007, Working Group I: The Science of Climate Change
- IPCC (2013): Climate Change 2013, Working Group I: The Science of Climate Change
- IPCC (2001): Climate Change 2001: The Scientific Basis. Summary for Policymakers
- Haarsma, R. J., Roberts, M. J., Vidale, P. L., Senior, C. A., Bellucci, A., Bao, Q., Chang, P., Corti, S., Fučkar, N. S., Guemas, V., von Hardenberg, J., Hazeleger, W., Kodama, C., Koenigk, T., Leung, L. R., Lu, J., Luo, J.-J., Mao, J., Mizielinski, M. S., Mizuta, R., Nobre, P., Satoh, M., Scoccimarro, E., Semmler, T., Small, J., and von Storch, J.-S. (2016): High Resolution Model Intercomparison Project (HighResMIP v1.0) for CMIP6, Geosci. Model Dev., 9, 4185–4208, https://doi.org/10.5194/gmd-9-4185-2016
- Müller, W. A., Jungclaus, J. H.,Mauritsen, T., Baehr, J., Bittner, M., Budich, R., et al. (2018). A higher-resolution version of the Max Planck Institute Earth System Model (MPI-ESM1.2-HR). Journal of Advances in Modeling Earth Systems, 10, 1383–1413. https://doi.org/10.1029/2017MS001217
- Mauritsen, T., Bader, J., Becker, T., Behrens, J., Bittner, M., Brokopf, R., et al. (2019). Developments in the MPI-M Earth System Model version 1.2 (MPI-ESM1.2) and its response to increasing CO2. Journal of Advances in Modeling Earth Systems, 11, 998–1038. https://doi.org/10.1029/2018MS001400
- Max-Planck-Institut für Meteorologie (20111): ICON – Entwicklung einer neuen Generation von Klima- und Wettervorhersagemodellen
- Stevens, B., Satoh, M., Auger, L. et al. (2019): DYAMOND: The DYnamics of the Atmospheric general circulation Modeled On Non-hydrostatic Domains. Progress in Earth and Planetary Science, Vol. 6: 61, doi:10.1186/s40645-019-0304-z
- Satoh, M., Stevens, B., Judt, F. et al. (2019): Global Cloud-Resolving Models. Curr Clim Change Rep 5, 172–184 (2019). https://doi.org/10.1007/s40641-019-00131-0
- Thomas Stocker (2011): Introduction to Climate Modelling, Springer, Berlin Heidelberg
- Stouffer, R. J., Eyring, V., Meehl, G. A., Bony, S., Senior, C., Stevens, B., & Taylor, K. E. (2017): CMIP5 scientific gaps and recommendations for CMIP6. Bulletin Of The American Meteorological Society, 98, 95-105. doi:10.1175/BAMS-D-15-00013.1
- WCRP Grand Challenges
- Flato, G. (2011): Earth system models: an overview, WIREs Climate Change 2, 783–800. doi: 10.1002/wcc.148
- DWD (2017): Nationaler Klimareport
- Jones, C. D., Arora, V., Friedlingstein, P., Bopp, L., Brovkin, V., Dunne, J., Graven, H., Hoffman, F., Ilyina, T., John, J. G., Jung, M., Kawamiya, M., Koven, C., Pongratz, J., Raddatz, T., Randerson, J. T. and Zaehle, S. (2016): C4MIP - The Coupled Climate-Carbon Cycle Model Intercomparison Project: experimental protocol for CMIP6, Geosci. Model Dev., 9(8), 2853–2880, doi:10.5194/gmd-9-2853-2016
- Mauritsen, T., Bader, J., Becker, T., Behrens, J., Bittner, M., Brokopf, R., et al. (2019). Developments in the MPI-M Earth System Model version 1.2 (MPI-ESM1.2) and its response to increasing CO2. Journal of Advances in Modeling Earth Systems, 11, 998–1038. https://doi.org/10.1029/2018MS001400
- Nowicki, S. M. J., Payne, A., Larour, E., Seroussi, H., Goelzer, H., Lipscomb, W., Gregory, J., Abe-Ouchi, A., and Shepherd, A. (2016): Ice Sheet Model Intercomparison Project (ISMIP6) contribution to CMIP6, Geosci. Model Dev., 9, 4521–4545, https://doi.org/10.5194/gmd-9-4521-2016
- Ziemen, F. A., Kapsch, M.-L., Klockmann, M., and Mikolajewicz, U.: Heinrich events show two-stage climate response in transient glacial simulations, Clim. Past, 15, 153–168, https://doi.org/10.5194/cp-15-153-2019 , 2019.
- DeConto, R., Pollard, D. Contribution of Antarctica to past and future sea-level rise. Nature 531, 591–597 (2016). https://doi.org/10.1038/nature17145
- Seroussi, H. (2019) Fate and future role of polar ice sheets, Nature 566, 48-49, doi: 10.1038/d41586-019-00330-7
- Jiménez-de-la-Cuesta, D., Mauritsen, T. Emergent constraints on Earth’s transient and equilibrium response to doubled CO2 from post-1970s global warming. Nat. Geosci. 12, 902–905 (2019). https://doi.org/10.1038/s41561-019-0463-y
- Hausfather, Carbon Brief (2019): CMIP6: the next generation of climate models explained
- Zelinka, M.D., T.A. Myers, D.T. McCoy, S.Po-Chedley, P.M. Caldwell1, P. Ceppi, S.A. Klein, and K.E. Taylor (2020): Causes of higher climate sensitivity in CMIP6 models, Geophysical Research Letters, doi: 10.1029/2019GL085782