Klimamodelle

CMIP6

ISIMIP3b

Für das Webportal Climate Impacts Online wurden bias-korrigierte ISIMIP3b-Klimaeingangsdaten des Inter-Sectoral Impact Model Intercomparison Project (ISIMIP) verwendet. Dieser Datensatz basiert auf den ursprünglichen Ausgaben globaler Klimamodelle (GCM) aus dem CMIP6-Archiv. Weitere Informationen zu diesem Datensatz finden Sie auf der ISIMIP-Website
Zur Korrektur von Verzerrungen und zur statistischen Herunterskalierung wurden die ISIMIP3BASD-Methode und der Beobachtungsdatensatz W5E5 v2.0 angewendet (Lange, 2019a; Lange, 2020).

Die Daten umfassen drei Zeiträume:

• - Vorindustriell (1601–1849)
• - Historisch (1850–2014)
• - Zukunft (2015–2100)

• - piControl (Vorindustrielles Steuerungsexperiment)
• - historisch
• - ssp126 (SSP1–RCP2.6)
• - ssp370 (SSP3–RCP7.0)
• - ssp585 (SSP5–RCP8.5)

Modelle im Detail

Das Klimamodell GDFL-ESM4, das Teil des CMIP6-Projekts ist, wurde 2018 veröffentlicht. Es besteht aus:
Aerosol: interaktiv (einschließlich indirekter Aerosolwirkung), Atmosphäre: GFDL-AM4.1 (Würfelkugel (c96) – nominelle horizontale Auflösung 1 Grad; 360 x 180 Längen-/Breitengrad; 49 Ebenen; oberste Ebene 1 Pa), Atmosphärenchemie: GFDL-ATMCHEM4.1 (vollständige Atmosphärenchemie), Land: GFDL-LM4.1 (Landmodell mit einem neuen Vegetationsdynamikmodell, das Pflanzenalter, Höhenstruktur und Bodenmikroben explizit berücksichtigt und tägliche Brand-, Anbau-, Weide- und Beweidungs-Kacheln enthält), Landeis: GFDL-LM4.1, Ozean: GFDL-OM4p5 (GFDL-MOM6, tripolar – nominell 0,5 Grad; 720 x 576 Längen-/Breitengrad; 75 Ebenen; oberste Gitterzelle 0–2 m), Ozean-Biochemie: GFDL-COBALTv2, Meereis: GFDL-SIM4p5 (GFDL-SIS2.0, tripolar – nominal 0,5°; 720 x 576 Längen-/Breitengrade; 5 Schichten; 5 Dickenkategorien), mit Strahlungstransport und C-Gitter-Dynamik zur Kompatibilität mit MOM6. Das Modell wurde von der National Oceanic and Atmospheric Administration, Geophysical Fluid Dynamics Laboratory, Princeton, NJ 08540, USA (NOAA-GFDL) in den nativen nominalen Auflösungen betrieben: Aerosol: 100 km, Atmosphäre: 100 km, Atmosphärenchemie: 100 km, Land: 100 km, Landeis: 100 km, Ozean: 50 km, Ozean-Biochemie: 50 km, Meereis: 50 km.
Quelle: WDC-Klima - GDFL-ESM4

Das Klimamodell IPSL-CM6A-LR wurde 2017 veröffentlicht und ist ebenfalls Teil des CMIP-Projekts. Das Modell umfasst die Komponenten: „Atmosphäre: LMDZ (NPv6, N96; 144 x 143 Längen-/Breitengrad; 79 Ebenen; oberste Ebene 80000 m), Land: ORCHIDEE (v2.0, Wasser/Kohlenstoff/Energie-Modus), Ozean: NEMO-OPA (eORCA1.3, tripolar, primär 1°; 362 x 332 Längen-/Breitengrad; 75 Ebenen; oberste Gitterzelle 0–2 m), ocnBgchem: NEMO-PISCES, Meereis: NEMO-LIM3. Das Modell wurde vom Institut Pierre Simon Laplace, Paris 75252, Frankreich (IPSL) in den nativen nominalen Auflösungen betrieben: Atmosphäre: 250 km, Land: 250 km, Ozean: 100 km, ocnBgchem: 100 km, Meereis: 100 km.“
Quelle: WDC-Klima - GDFL-ESM4

Das MPI-ESM besteht aus den gekoppelten allgemeinen Zirkulationsmodellen für Atmosphäre und Ozean, ECHAM6 (spektral T127; 384 x 192 Längen-/Breitengrad; 95 Ebenen; oberste Ebene 0,01 hPa) und MPIOM (tripolar TP04, ca. 0,4°; 802 x 404 Längen-/Breitengrad; 40 Ebenen; oberste Gitterzelle 0–12 m), sowie den Subsystemmodellen für Land und Vegetation JSBACH3.20 und für die marine Biogeochemie HAMOCC6. Es wird vom Max-Planck-Institut für Meteorologie, Hamburg 20146, Deutschland (MPI-M), in folgenden nominalen Auflösungen betrieben: „Aerosol: 100 km, Atmosphäre: 100 km, Land: 100 km, Landeis: keine, Ozean: 50 km, marine Biogeochemie: 50 km, Meereis: 50 km.“
Quelle: WDC-Klima - GDFL-ESM4

Das Modell MRI-ESM2.0 wurde 2017 veröffentlicht und wird vom Meteorologischen Forschungsinstitut Tsukuba, Ibaraki 305-0052, Japan (MRI) betrieben. Es umfasst die folgenden Komponenten: „Aerosol: MASINGAR mk2r4 (TL95; 192 x 96 Längen-/Breitengrad; 80 Ebenen; oberste Ebene 0,01 hPa), Atmosphäre: MRI-AGCM3.5 (TL159; 320 x 160 Längen-/Breitengrad; 80 Ebenen; oberste Ebene 0,01 hPa), atmosChem: MRI-CCM2.1 (T42; 128 x 64 Längen-/Breitengrad; 80 Ebenen; oberste Ebene 0,01 hPa), Land: HAL 1.0, Ozean: MRI.COM4.4 (tripolar, primär 0,5° Breite/1° Länge mit meridionaler Verfeinerung bis zu 0,3° innerhalb von 10° nördlich und südlich des Äquators; 360 x 364 Längen-/Breitengrad; 61 Ebenen; oberste Gitterzelle 0-2 m), ocnBgchem: MRI.COM4.4, seaIce: MRI.COM4.4. Das Modell wurde in den nativen nominalen Auflösungen ausgeführt: Aerosol: 250 km, Atmosphäre: 100 km, atmosChem: 250 km, Land: 100 km, Ozean: 100 km, ocnBgchem: 100 km, seaIce: 100 km.
Quelle: WDC-Klima - GDFL-ESM4

UKESM1 besteht aus dem Ozeanmodell NEMO und dem Meereismodell CICE sowie dem Landoberflächenmodell JULES mit der dynamischen Vegetationssimulation TRIFFID. Darüber hinaus simuliert das Modell die Atmosphärenchemie und Aerosole mit UKCA, die marine Biogeochemie mit MEDUSA und die dynamischen Eisschilde mit dem Modell BISICLES. Quelle: UKESM - UKESM1

Quellen:

Hydrologische Modelle

Für die Variablen des Wassersektors wurden separate hydrologische Modelle verwendet. Im Folgenden werden die beiden verwendeten hydrologischen Modelle aufgeführt:

ISIMIP - CWatM

CWatM ist ein räumlich verteiltes Wasserressourcenmodell, das Niederschlags-Abfluss- und Flussbettberechnungen berücksichtigt (Burek et al., 2020). Es ist prozessbasiert und dient der Quantifizierung der Wasserverfügbarkeit, der Wasserentnahmen verschiedener Sektoren (Industrie, Haushalte, Landwirtschaft) sowie der Auswirkungen von Wasserinfrastruktur, einschließlich Stauseen, Grundwasserförderung und Bewässerungskanälen. CWatM ist auf Gitterebene konzipiert und existiert in zwei nativen Versionen mit globalen Auflösungen von 0,5° und 0,0833° (mit sub-Grid-Auflösung unter Berücksichtigung von Topographie und Landbedeckung). Es arbeitet mit täglichen Zeitschritten (mit sub-täglichen Zeitschritten für Boden- und Flussbettberechnungen).

ISIMIP - H08

H08 ist ein gitterzellenbasiertes globales hydrologisches Modell. Es besteht aus sechs Submodellen: Landoberflächenhydrologie, Flussregulierung, Stauseebetrieb, Pflanzenwachstum, Umweltfluss und Wasserentnahme. Die Formulierungen der Submodelle sind detailliert in Hanasaki et al. (2008a,b, 2010) beschrieben. In den Standard-Simulationseinstellungen deckt H08 die gesamte Erde mit einer Auflösung von 0,5° × 0,5° ab, um die geografische Heterogenität der Hydrologie und Wassernutzung zu erfassen. Der Simulationszeitraum beträgt typischerweise mehrere Jahrzehnte, das Berechnungsintervall einen Tag. Die sechs Submodelle tauschen Wasserflüsse aus und aktualisieren die Wasserspeicherung in jedem Berechnungsintervall, wodurch die Wasserbilanz vollständig geschlossen wird (der Fehler beträgt weniger als 0,01 % des gesamten Niederschlags). Diese Eigenschaften ermöglichen es, die Wechselwirkungen zwischen dem natürlichen Wasserkreislauf und den wichtigsten menschlichen Aktivitäten weltweit explizit zu simulieren. Der Quellcode und die Handbücher von H08 sind öffentlich zugänglich und unter folgender Adresse verfügbar: http://h08.nies.go.jp. Im Jahr 2016 wurden die Wasserentnahmeschemata von H08 wesentlich verbessert. Zusätzlich wurde dem Teilmodell der Landoberflächenhydrologie ein einfaches Grundwasserschema hinzugefügt. Dies ermöglichte die Abschätzung der Wasserentnahme aus sechs Hauptwasserquellen: dem durch globale Stauseen regulierten Abfluss (d. h. Stauseen, die den Hauptstrom der großen Flüsse der Welt regulieren), der Wasserübertragung über Aquädukte, lokalen Stauseen, Meerwasserentsalzung, erneuerbarem und nicht erneuerbarem Grundwasser. Eine Modellbeschreibung ist verfügbar unter https://www.hydrol-earth-syst-sci.net/22/789/2018/ H08 ist eines der 13 globalen hydrologischen Modelle, die dem ISIMIP2a-Protokoll folgen und die Grundlage für die Simulationen der ISIMIP2a-Ergebnisse für den globalen Wassersektor bilden; eine vollständige technische Beschreibung der ISIMIP2a-Simulationsdaten aus dem globalen Wassersektor finden Sie unter diesem DOI-Link: http://doi.org/10.5880/PIK.2017.010 Für ISIMIP2b wurde das neue H08-Modell (Hanasaki et al., 2018) verwendet. Dieses Modell unterscheidet sich in sechs wesentlichen Punkten vom „klassischen H08“ (Hanasaki et al. 2008a, 2008b, 2010): – Grundwasserschema, – Grundwasserentnahmeschema, – Aquädukt-Wassertransportschema, – Schema für Rückfluss und Förderverluste, – Speicherschema, – Meerwasserentsalzungsschema. Für ISIMIP3a/3b wurden die hydrologischen Parameter des H08-Modells auf Grundlage der Studie von Yoshida et al. (2022) angepasst. https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2021WR030660 Wir gehen davon aus, dass die Gesamtwasserbilanz nun im Vergleich zu früheren Versionen besser abgeschätzt werden kann. Aus technischen Gründen variieren die Parameter für das subarktische Klima (Dc) entlang der Längsschnitte. Dies kann zu sprunghaften Änderungen hydrologischer Variablen (z. B. der Bodenfeuchte) an den Schnittgrenzen führen. Weitere Details finden sich in Yoshida et al. (2022).

Spezifizierer für Human Forcing Experimente (soc-scenarios)

Quellen:

Landwirtschaftliche Modelle

Die Daten zu den Ertragsvariablen stammen aus dem ISIMIP3b-Datensatz zur landwirtschaftlichen Produktion. Die dargestellten Daten basieren auf einem Ensemble von elf verschiedenen Agrarmodellen. Diese Daten stammen aus globalen Pflanzenwachstumsmodellen, die das Pflanzenwachstum weltweit unter Verwendung allgemeiner Annahmen zu Klima, Boden und Bewirtschaftungsbedingungen simulieren. Da regionale Gegebenheiten variieren, werden solche Modelle üblicherweise mit lokalen Daten kalibriert, um die Genauigkeit zu verbessern. Die hier gezeigten Ergebnisse wurden nicht regional kalibriert und stellen daher möglicherweise keine präzisen Ertragswerte für dieses Gebiet dar. Sie sollten eher als Veranschaulichung globaler oder großräumiger Trends denn als exakte lokale Werte interpretiert werden.
Einzelheiten zu jedem der als Eingangsdaten verwendeten Landwirtschaftsmodelle sind unten aufgeführt.

Wirkungsmodell - CYGMA1p74

CYGMA ist ein globales, gitterbasiertes Pflanzenwachstumsmodell. Es arbeitet mit einer Auflösung von 0,5° in Längen- und Breitengrad und einem täglichen Zeitschritt. Die Pflanzenentwicklung wird im Modell als Anteil der akkumulierten Wachstumsgradtage im Verhältnis zum Wärmebedarf der Pflanze modelliert. Für Weizen wird nur Sommerweizen berücksichtigt, da die Vernalisation derzeit nicht im Modell enthalten ist. Blattwachstum und -alterung werden anhand des Anteils der Vegetationsperiode unter Verwendung der vorgegebenen Form der Blattflächenindexkurve berechnet. Die Erträge werden aus der von der Pflanzendecke absorbierten photosynthetisch aktiven Strahlung, der Strahlungsnutzungseffizienz (RUE), den Auswirkungen der CO₂-Düngung auf die RUE und dem Anteil der gesamten Biomassezunahme, der der erntefähigen Komponente zugeordnet wird, berechnet. Das Bodenwasserhaushalts-Submodell, das mit dem Schneebedeckungs-Submodell gekoppelt ist, dient zur Berechnung der tatsächlichen Evapotranspiration. Für Weizen wird nur Sommerweizen berücksichtigt, da der Vernalisationsprozess derzeit nicht in das Modell integriert ist. Blattwachstum und -alterung werden anhand des Anteils der Vegetationsperiode unter Verwendung der vorgegebenen Form der Blattflächenindexkurve berechnet. Die Erträge werden aus der von der Pflanzendecke absorbierten photosynthetisch aktiven Strahlung, der Strahlungsnutzungseffizienz (RUE), den Auswirkungen der CO₂-Düngung auf die RUE und dem Anteil der gesamten Biomassezunahme, der auf die erntefähige Komponente entfällt, berechnet. Das mit dem Schneebedeckungsmodell gekoppelte Bodenwasserhaushalts-Submodell dient zur Berechnung der tatsächlichen Evapotranspiration. Fünf verschiedene Stressarten – Stickstoffmangel (N), Hitze, Kälte, Wassermangel und Wasserüberschuss – werden berücksichtigt. Die jeweils dominanteste Stressart verringert die potenzielle tägliche Zunahme der Blattfläche während der vegetativen Wachstumsperiode und den Ertrag während der reproduktiven Wachstumsperiode. Das Wachstum und der Ertrag von Sojabohnen im Modell reagieren weniger empfindlich auf Stickstoffmangel als die anderen hier betrachteten Kulturpflanzen, da Sojabohnen zu den Leguminosen gehören und Stickstoff fixieren. Alle Stressarten außer Stickstoffmangel hängen vom täglichen Wetter ab, und die Toleranz der einzelnen Kulturpflanzen gegenüber diesen Stressfaktoren steigt mit zunehmendem Wissensstand. Der Wissensstand ist ein ökonomischer Indikator, der sich aus der Summe der jährlichen öffentlichen Ausgaben für landwirtschaftliche Forschung und Entwicklung (FuE) jedes Landes seit 1961 unter Berücksichtigung einer bestimmten Veralterungsrate berechnet. Er repräsentiert den durchschnittlichen Stand der agronomischen Technologie und des Managements der Landwirte eines Landes. Weitere Details zur Modellierung finden sich in Iizumi et al. (2017).

Impact Model - CROVER

CROVER ist eines der 15 Modelle, die dem ISIMIP3a/b-Protokoll folgen und die Grundlage für Simulationen der ISIMIP3a/b-Ergebnisse des Agrarsektors bilden; eine vollständige technische Beschreibung der ISIMIP3a-Simulationsdaten aus dem Agrarsektor finden Sie unter diesem DOI-Link: https://egusphere.copernicus.org/preprints/2023/egusphere-2023-281/

Wirkungsmodell - EPIC-IIASA

Das auf EPIC basierende globale Raster-Pflanzenmodellierungssystem „EPIC-IIASA“ dient der Bewertung der wichtigsten globalen Agrarsysteme hinsichtlich ihrer Reaktion auf Managementmaßnahmen wie Anbaumethoden, Düngung und Bewässerung sowie auf konservierende und ökologische Landwirtschaftsoptionen und auf sich verändernde Umweltbedingungen, einschließlich Klimawandel und Bodendegradation. Darüber hinaus wird EPIC-IIASA verwendet, um verschiedene Ackerbausysteme und deren Auswirkungen auf Umweltindikatoren wie Wasserverfügbarkeit, Stickstoff- und Phosphorgehalt im Boden sowie Treibhausgasemissionen zu vergleichen.
Aufbauend auf dem integrierten Klimamodell der Umweltpolitik (EPIC-IIASA) und globalen oder regionalen Datensätzen zu Klima, Böden, Landbedeckung und Landnutzung kann EPIC-IIASA zahlreiche Kulturpflanzenarten und deren Bewirtschaftung unter verschiedenen Wetter-, topografischen und Bodenbedingungen analysieren. Es untersucht die Wechselwirkungen zwischen Pflanzenwachstum und Ertrag einerseits und Umweltauswirkungen und Nachhaltigkeit andererseits.
EPIC-IIASA kann beispielsweise anhand der Bodenart und der vorherrschenden Klimabedingungen abschätzen, in welchem Ausmaß Nährstoffe aus Düngemitteln, wie etwa Stickstoff (N), in nahegelegene Flüsse und Bäche ausgewaschen werden. Dieses Problem gibt zunehmend Anlass zur Sorge, da weltweit zwei Fünftel des in der Landwirtschaft eingesetzten Stickstoffs in Ökosysteme gelangen und dort schädliche Umweltauswirkungen haben.
EPIC-IIASA analysiert Optionen für eine nachhaltige Landwirtschaft, darunter Bodenerosionskontrolle, Management von Ernterückständen, Verbesserung des organischen Kohlenstoffgehalts im Boden und Reduzierung von Treibhausgasemissionen. Globale und regionale Anwendungen von EPIC-IIASA tragen dazu bei, das Potenzial landwirtschaftlicher Systeme zur Erreichung globaler Klima- und Ernährungssicherheitsziele zu ermitteln.

Impact Model – ISAM

Das Integrated Science Assessment Model (ISAM) ist ein gekoppeltes biogeochemisches und biogeophysikalisches Modell mit einer räumlichen Auflösung von 0,5° × 0,5° und verschiedenen zeitlichen Auflösungen von einer halben Stunde bis zu einem Jahr. Es simuliert den Kohlenstoff-, Stickstoff-, Energie- und Wasserhaushalt verschiedener terrestrischer Ökosysteme durch Photosynthese, Oberflächenhydrologie, Strahlungstransport, Kohlenstoffverteilung und Ökosystematmung (Barman et al., 2014a, 2014b; Yang et al., 2009). Darüber hinaus integriert ISAM Wachstumsprozesse für C3- und C4-Nahrungspflanzen (Mais, Sojabohne, Weizen und Reis) sowie für Bioenergiegräser (Miscanthus, Cave-in-Rock und Alamo), die auf Standort-, regionaler und globaler Ebene bewertet werden (Gahlot et al., 2020; Lin et al., 2017; Niyogi et al., 2015; Song et al., 2013, 2015, 2016). Zu den wichtigen, für ISAM einzigartigen und für die Ertragsberechnung entscheidenden Merkmalen gehören: (i) dynamische, pflanzenspezifische Phänologie- und Kohlenstoffverteilungsmodelle (Song et al., 2013, 2015), die die Empfindlichkeit verschiedener Nutzpflanzen gegenüber extremen Umweltbedingungen berücksichtigen; (ii) dynamische Vegetationsstrukturen, die die saisonale Variabilität des Blattflächenindex (LAI), der Kronenhöhe und der Wurzeltiefe besser erfassen; (iii) dynamische Wurzelverteilungsprozesse in der Tiefe, die die simulierte wurzelvermittelte Bodenwasseraufnahme und Transpiration verbessern.

Wirkungsmodell - LDNDC

LandscapeDNDC ist eines der 15 Modelle, die dem ISIMIP3a/b-Protokoll folgen und die Grundlage für die Simulationen der ISIMIP3a/b-Ergebnisse für den Agrarsektor bilden; eine vollständige technische Beschreibung der ISIMIP3a-Simulationsdaten aus dem Agrarsektor finden Sie unter diesem DOI-Link: https://egusphere.copernicus.org/preprints/2023/egusphere-2023-281/

Impact-Modell - LPJ-GUESS

Das Modell ist die pflanzenbasierte Version von LPJ-GUESS (Lindeskog et al., 2013). Es basiert lose auf LPJmL (Bondeau et al., 2007), unterscheidet sich jedoch in mehreren wichtigen Aspekten. So ist es beispielsweise nicht auf beobachtete Erträge auf Länderebene kalibriert, verwendet ein neues Phänologieschema und berechnet dynamisch die für die Reife einer Kulturpflanze benötigten potenziellen Wärmeeinheiten (PHU). Die Aussaattermine werden dynamisch nach Waha et al. (2012) berechnet. Die für die vollständige Entwicklung einer Kulturpflanze in einer bestimmten Rasterzelle benötigte PHU-Summe wird anhand eines gleitenden 10-Jahres-Mittels der Wärmeeinheiten berechnet, die vom Aussaattermin bis zum Ende eines Probenahmezeitraums (190–245 Tage) akkumuliert wurden. Dieser Zeitraum basiert auf den standardmäßigen Aussaat- und Ernteterminen (Lindeskog et al., 2013). Die Ernte erfolgt nach vollständiger Entwicklung. Diese dynamische Variation der PHU in Abhängigkeit vom Klima setzt im Wesentlichen eine perfekte Anpassung der Kulturpflanzensorte an das vorherrschende Klima voraus. Eine Stickstofflimitierung wird in dieser Modellversion nicht explizit berücksichtigt.

Wirkungsmodell - LPJmL

LPJmL ist ein dynamisches globales Vegetationsmodell, das um Agrarsysteme und den terrestrischen Wasserkreislauf erweitert wurde. Es ermöglicht transiente Simulationen verschiedener Nutzpflanzen, Weidesysteme und natürlicher Vegetationsdynamiken und berücksichtigt unterschiedliche Bewirtschaftungsaspekte in Pflanzensimulationen.

Wirkungsmodell - pDSSAT

pDSSAT ist eines der 15 Modelle, die dem ISIMIP3a/b-Protokoll folgen und die Grundlage für die Simulationen der ISIMIP3a/b-Ergebnisse für den Agrarsektor bilden. Eine vollständige technische Beschreibung der ISIMIP3-Simulationsdaten aus dem Agrarsektor finden Sie unter diesem DOI-Link: https://egusphere.copernicus.org/preprints/2023/egusphere-2023-281/
pDSSAT nutzt die pSIMS-Umgebung, um das DSSAT-Pflanzenmodell global parallel auszuführen. In GGCMI/ISIMIP Phase 3a/3b (Gruppe 1 und 2) verwenden wir DSSAT Version 4.6, die für die ATTRICI-Simulationen der Phase 3a und die Simulationen der Gruppe 3 der Phase 3b auf Version 4.8 aktualisiert wurde.

Wirkungsmodell – PEPIC

PEPIC ist ein auf Python basierendes, umweltpolitisches, integriertes Klimamodell (EPIC).

Impact Model - PROMET

PROMET ist ein hydrologisches Landoberflächenprozessmodell, das um eine biophysikalische dynamische Vegetationskomponente erweitert wurde, um Pflanzenwachstum und Ertragsbildung zu modellieren. Es verwendet physikalische und physiologische Grundprinzipien zur Bestimmung der Nettoprimärproduktion und der Respiration, basierend auf Ansätzen von Farquhar et al. (1980) und Ball et al. (1987), kombiniert mit einer Phänologie- und einer zweischichtigen Kronenarchitekturkomponente von Yin et al. (2005). PROMET berücksichtigt die Abhängigkeit der Nettoprimärproduktion und der Phänologie von Umweltbedingungen wie Meteorologie, CO₂-Konzentration für C₃- und C₄-Stoffwechselwege sowie Wasser- und Temperaturstress. Die Massen- und Energiebilanz der Baumkrone und der darunterliegenden Bodenoberfläche wird für jeden Simulationszeitschritt iterativ geschlossen. Die Kronen- und Phänologiekomponente verteilt Assimilate abhängig vom phänologischen Entwicklungsstadium auf die verschiedenen Pflanzenorgane der Baumkrone. Die während der Wachstumsperiode in der Fruchtfraktion akkumulierten Assimilate bestimmen die für die Ertragsbildung verfügbare Trockenbiomasse. Die Simulation wird stündlich durchgeführt, um nichtlineare Reaktionen des Pflanzenwachstums auf Umweltbedingungen (hauptsächlich Licht, Wasser, Temperatur und Wind) zu berücksichtigen. Die Umrechnung der täglichen Klimamodelldaten in Stundenwerte erfolgt mit dem TeddyTool v1.1 (Zabel und Poschlod 2023). Je nach Reaktion der betrachteten Kulturpflanze auf meteorologische und bodenspezifische Bedingungen kann diese entweder vor der Ernte durch Wasser-, Hitze- oder Kältestress absterben oder nicht reif werden. In beiden Fällen führt dies zu einem Gesamtertragsverlust.

Aufprallmodell – SIMPLACE-LINTUL5

SIMPLACE – ein vielseitiges Modellierungs- und Simulationsframework für nachhaltige Nutzpflanzen und Agrarökosysteme https://doi.org/10.1093/insilicoplants/diad006

Klimaszenarien

Die sogenannten repräsentativen Konzentrationspfade (RCPs) wurden für den fünften Sachstandsbericht des Zwischenstaatlichen Ausschusses für Klimaänderungen (IPCC) entwickelt. Sie beschreiben verschiedene Stufen des durch Treibhausgase verursachten Strahlungsantriebs, die im Zeitraum von 2011 bis 2100 auftreten könnten. Allerdings enthielten sie keine begleitenden sozioökonomischen Szenarien. In den letzten Jahren hat ein internationales Team aus Klimawissenschaftlern, Ökonomen und Experten für Energiesystemmodellierung eine Reihe neuer Szenarien entwickelt, die untersuchen, wie sich die globale Gesellschaft, Demografie und Wirtschaft im Laufe des nächsten Jahrhunderts verändern könnten. Diese Szenarien sind als „Gemeinsame sozioökonomische Pfade“ (SSPs) bekannt. Die SSPs wurden 2017 veröffentlicht (Riahi et al., 2017) und werden im sechsten Sachstandsbericht des IPCC in den Jahren 2021/2022 eine wichtige Rolle spielen.

SSPs (Sustainable Climate Plans) sind Basisszenarien, die zukünftige Entwicklungen ohne neue Klimapolitiken – über die bereits bestehenden hinaus – beschreiben. Sie bieten fünf mögliche Entwicklungspfade. Die fünf SSPs unterscheiden sich hauptsächlich hinsichtlich Bevölkerungswachstum, Urbanisierung, Wirtschaftswachstum, Investitionen in Bildung und Gesundheit, Energiesystem und Landnutzung, Geschwindigkeit der technologischen Entwicklung sowie Nachfragetreibern wie beispielsweise Lebensstiländerungen (Riahi et al., 2017).

Da die RCPs (Recognitive Climate Plans) und die SSPs (Social Science Plans) in ihrer Konzeption unvollständig sind, handelt es sich lediglich um soziale Zukunftsszenarien, die die Auswirkungen des Klimawandels nicht berücksichtigen. Darüber hinaus sind in diesen Szenarien keine Minderungs- oder Anpassungsmaßnahmen vorgesehen (O'Neill et al., 2020). Aus diesem Grund verwendet ClimateImpactsOnline drei SSP-RCP-Kombinationen, um Klimadaten für verschiedene sozioökonomische und Strahlungsszenarien zu visualisieren.

„Nachhaltigkeit“ SSP1 - 2.6

„Regionale Rivalität“ SSP3 – 7,0

„Fossile Entwicklung“ SSP5 – 8,5

SSP-Datenbank

Gemeinsame sozioökonomische Entwicklungspfade (SSPs): Ein Überblick (Poster)
Quellen:

O’Neill, BC, Carter, TR, Ebi, K. et al. Errungenschaften und Bedarf des Klimawandel-Szenariorahmens. Nat. Clim. Chang. 10, 1074–1084 (2020). https://doi.org/10.1038/s41558-020-00952-0

Riahi, K. et al., Gemeinsame sozioökonomische Entwicklungspfade und ihre Auswirkungen auf Energie, Landnutzung und Treibhausgasemissionen: Ein Überblick, Global Environmental Change, Band 42, 153–168 (2017). https://doi.org/10.1016/j.gloenvcha.2016.05.009.

Beobachtungsdaten

Der W5E5-Datensatz besteht aus Beobachtungs- und Reanalysedaten und dient der Repräsentation der Beobachtungsdaten. Er ist Teil des Impact Model Intercomparison Project (ISIMIP3b), wo er zur Korrektur von systematischen Fehlern in Wirkungsanalysen verwendet wird. Der Datensatz umfasst die landbasierten WFDE5-Daten und den ozeanbasierten ERA5-Datensatz (Beobachtungs- und Reanalysedaten) (Cucchi et al., 2020; Hersbach et al., 2020). Eine zusätzliche Datenquelle sind die Niederschlagsdaten der Version 2.3 des Global Precipitation Climatology Project (Adler et al., 2003).

W5E5 Version 1.0 umfasst Daten für den Zeitraum von 1979 bis 2017. Das bedeutet, dass für das Jahrzehnt 2011–2020 nur Daten für sechs Jahre vorliegen und die Differenzkarten sich dementsprechend nur auf die Jahre 1991–2014 beziehen. Wir werden die W5E5-Daten in diesem Jahrzehnt kontinuierlich aktualisieren und weitere Daten veröffentlichen. Der Datensatz bietet eine horizontale räumliche Auflösung von 0,5° und eine tägliche zeitliche Auflösung.
Die im Datensatz enthaltenen Variablen sind: relative Luftfeuchtigkeit in Bodennähe (Abkürzung: hurs, Einheit: %), spezifische Luftfeuchtigkeit in Bodennähe (huss, kg kg⁻¹), Niederschlag (pr, kg m⁻² s⁻¹), Schneefallmenge (prsn, kg m⁻² s⁻¹), Luftdruck in Bodennähe (ps, Pa), Luftdruck auf Meereshöhe (psl, Pa), absteigende langwellige Strahlung an der Oberfläche (rlds, W m⁻²), absteigende kurzwellige Strahlung an der Oberfläche (rsds, W m⁻²), Windgeschwindigkeit in Bodennähe (sfcWind, m s⁻¹), Lufttemperatur in Bodennähe (tas, K), tägliche maximale Lufttemperatur in Bodennähe (tasmax, K), tägliche minimale Lufttemperatur in Bodennähe (tasmin, K), Höhe über dem Meeresspiegel (orog, m) und WFDE5-ERA5-Maske (mask, 1) (Lange, 2019). Die W5E5-Daten der Variablen sind über Land und Ozean die Tagesmittelwerte der stündlichen WFDE5-Daten. Die terrestrischen Variablen hurs, pr, psl, tasmax und tasmin sowie die ozeanischen Variablen tasmax und tasmin werden in einer anderen Berechnung ermittelt. Diese wird auf der folgenden Webseite beschrieben: WFDE5 über Land verschmolzen mit ERA5 über dem Ozean (W5E5).

Durch Auswahl von „Beobachtungen“ im Abschnitt „Historische Daten“ auf der Registerkarte „Einstellungen“ können Sie die beobachteten Daten des W5E5-Datensatzes visualisieren.

Quellen:

Adler, R. F., Huffman, G. J., Chang, A., Ferraro, R., Xie, P.-P., Janowiak, J., Nelkin, E. (2003). The Version-2 Global Precipitation Climatology Project (GPCP) Monthly Precipitation Analysis (1979–Present). Journal of Hydrometeorology, 4(6), 1147–1167. doi:10.1175/1525-7541(2003)004<1147:tvgpcp>2.0.co;2
Cucchi, M., Weedon, G. P., Amici, A., Bellouin, N., Lange, S., Müller Schmied, H., Hersbach, H., & Buontempo, C. (2020). WFDE5: bias-adjusted ERA5 reanalysis data for impact studies. Earth System Science Data, 12(3), 2097–2120. https://doi.org/10.5194/essd-12-2097-2020
Hersbach, H., Bell, B., Berrisford, P., Hirahara, S., Horányi, A., Muñoz‐Sabater, J., Nicolas, J., Peubey, C., Radu, R., Schepers, D., Simmons, A., Soci, C., Abdalla, S., Abellan, X., Balsamo, G., Bechtold, P., Biavati, G., Bidlot, J., Bonavita, M., … Thépaut, J. N. (2020). The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society, 146(730), 1999–2049. https://doi.org/10.1002/QJ.3803
Lange, Stefan (2019): WFDE5 over land merged with ERA5 over the ocean (W5E5). V. 1.0. GFZ Data Services. https://doi.org/10.5880/pik.2019.023
Lange, S.: ISIMIP3BASD v2.4.1, https://doi.org/10.5281/zenodo.3898426, 2020.

Historische Simulationsdaten

Zur Validierung von Klimamodellen werden vergangene Klimabedingungen simuliert und mit Beobachtungsdaten verglichen. Ein wichtiger Indikator für die Zuverlässigkeit zukünftiger Klimaprojektionen aus Modellen ist die simulierte zeitliche und räumliche Veränderung der globalen mittleren Oberflächentemperatur von der vorindustriellen Zeit bis heute.

Die historische Simulation ist Bestandteil der Teilnahmevoraussetzungen für das Coupled Model Intercomparison Project (Phase 6). Sie wurde in das Diagnose-, Bewertungs- und Charakterisierungsprogramm für Klima (DECK) integriert, um eine bessere Trennung zwischen CMIP und der jeweiligen Phase (CMIP6) zu ermöglichen. Die Simulationen dienen außerdem als Benchmark für die von CMIP6 unterstützten Model Intercomparison Projects (MIPs).

Die Simulationen beginnen mit beliebigen Gleichgewichtsbedingungen aus dem vorindustriellen Kontrollexperiment (piControl). Anschließend werden verschiedene zeitabhängige Antriebsfaktoren, die mit CMIP6 übereinstimmen, wie Treibhausgasemissionen, Landnutzungsänderungen, Aerosole, solare Strahlung und andere, in die Modelle eingespeist. Daraus wird eine Rekonstruktion der historischen Bedingungen erstellt. Die CMIP6-Simulationen decken den Zeitraum von 1850 bis 2014 ab.

Quellen: