Wer sich mit der Klimatologie beschäftigt, wird mit einer Fülle von Begriffen, Szenarien, Modellen, Berichten und Ergebnissen konfrontiert. Für forstliche Fragestellungen ist es unumgänglich, sich zuerst ein Verständnis der Gesamtproblematik anzueignen.

Auf die Rolle des Weltklimarates (IPCC) und die Fortschritte bei der Entwicklung der globalen Zirkulationsmodelle GCM (Global Climatic Models) wurde in dem Beitrag von Kottmeier bereits eingegangen. Diese Modelle liefern eine mögliche Ausbildung des Klimas in Abhängigkeit der Weltbevölkerungs- und ökonomisch-sozialen Entwicklung, der technologischen Veränderung, des Ressourcenbereichs und des Umweltmanagements. Die insgesamt 40 Szenarien werden in vier Hauptgruppen A1, A2, B1 und B2 zusammengefasst. Die komplexen Modelle sind unter dem Namen ECHAM1 bis ECHAM5 bekannt, wobei ECHAM5/MPI-OM die aktuellste Variante bezeichnet.

"Global" bedeutet, dass diese Modelle die gesamte Erde mit einer Rasterauflösung von ca. 250 x 250 km umspannen. In diesen groben Skalen ist eine Vorhersage der Klimaentwicklung für kleinere Regionen nicht möglich, da die Topographie der Erdoberfläche nur unzureichend wiedergegeben wird. Regionale Besonderheiten werden nicht dargestellt.

Zur Bewertung regionaler Klimaentwicklungen und regionaler Risiken und Chancen müssen deshalb Verfahren angewandt werden, mit welchen die Ergebnisse aus den globalen Modellen übertragen werden können.

Regionalisierungsverfahren

Die Berechnung von Klimadaten auf lokalen Skalen, welche deutlich unter der Modellauflösung der GCMs liegen, wird als "Downscaling", also "herunterrechnen" bezeichnet. Da unter dem Begriff Klima Zeiträume verstanden werden, die deutlich länger als ein Jahr sind, und damit die Auflösung der Zeitskala beschränkt ist, wird Downscaling in der Klimatologie meist räumlich interpretiert: Als Informationstransfer von einer groben auf eine feiner aufgelöste Skala.

Dabei werden zwei Vorgehensweisen unterschieden, um die Klimaparameter von der groben GCM-Skala auf regionale Gitterpunkte herunterzurechnen:

Unter "dynamischem Downscaling" wird die Einbettung eines höher aufgelösten dynamischen Modells in ein GCM verstanden. Dynamisches Downscaling orientiert sich an den bekannten physikalischen Prozessen der Atmosphäre und entspricht damit von der Vorgehensweise dem Ansatz der GCM-Modelle. Dabei werden die Informationen des GCM-Systems an den Rändern als Vorgabe für die lokalen Berechnungen übernommen. Aus diesem Grund spricht man auch von "genesteten Systemen". Ein bekannter Vertreter dieses Ansatzes ist das vom Max-Planck-Institut für Meteorologie entwickelte regionale Klimamodell (REMO).

Im Gegensatz dazu werden im "empirischen Downscaling" statistische Methoden eingesetzt. Neben den grob aufgelösten Klimadaten werden Zusatzifomationen über das fein aufgelöste Feld benötigt. Über die Berechnung der statistischen Zusammenhänge können nötige Information in der fein aufgelösten Skala hergeleitet werden (Abb. 2).

Downscaling lässt sich nicht nur zur Verfeinerung der Skalen bei Klimamodelldaten verwenden. Der Deutsche Wetterdienst (DWD) stellt mit Downscaling- Verfahren die Klimakarten aus den Wetterdaten der Stationen her. Dazu werden die auf Meereshöhe reduzierten Daten mathematisch den tatsächlichen Geländehöhen angepasst.

Die empirischen Verfahren untergliedern sich weiter in Verfahren, die Wettergeneratoren einsetzen, die mit Wetterlagenklassen arbeiten oder die Transferfunktionen verwenden. Das Verfahren WETTREG, das in vielen Untersuchungen über die Auswirkungen der Klimaveränderung auf die Wasserwirtschaft eingesetzt wird, arbeitet z.B. mit Wetterlagen (Abb. 3).

Der DWD bietet eine Wetterlagenklassifikation speziell für den deutschen Raum an. Es handelt sich um die Objektive Wetterlagenklassifikation (OWLK) mit 40 definierten Klassen.

Die im deutschen Raum bekanntesten Vertreter der Regionalisierungsverfahren sind das Modell STAR, entwickelt von der Arbeitsgruppe Dr. Gerstengarbe vom Potsdam-Institut für Klimafolgenforschung (PIK), das Modell WETTREG von der Firma Meteo-Research und Climate & Environment Consulting (CEC) in Zusammenarbeit mit der FU Berlin und das Modell REMO vom Max-Planck-Institut für Meteorologie in Hamburg (Abb. 4).

STAR

STAR ist ein statistisch basiertes regionales Klimamodell. Mit Clusterverfahren wird ein Zusammenhang zwischen großräumigen Klimainformationen und den langjährigen Messreihen an den Klimastationen des DWD hergestellt. Dabei ist die Temperatur die Leitgröße, aus der sich alle anderen meteorologischen Größen berechnen. Aus dem übergeordneten GCM wird nur der Temperaturtrend übernommen. Der Vorteil ist, dass systematische Fehler aus dem globalen Modell auf ein Minimum reduziert werden.

WETTREG

WETTREG (wetterlagenbasierte Regionalisierungsmethode) fällt auch in die Klasse der statistisch empirischen Verfahren. In WETTREG werden 40 Klima- und 32 Niederschlagsklassen eingesetzt. Für jede Jahreszeit werden zehn Wetterlagen für das Temperatur- und acht für das Niederschlagsregime unterschieden. Aus den Wetterbeobachtungen kann die Häufigkeit des Auftretens der einzelnen Wetterlagen berechnet werden. Die über einen Zufallsgenerator erzeugte Aneinanderreihung von Wetterlagen wird, zusätzlich zu den Häufigkeiten, durch Übergangswahrscheinlichkeiten zwischen zwei aufeinanderfolgenden Wetterlagen gesteuert. Somit ist es möglich, sowohl heutige Wetterlagen zu reproduzieren, und damit auch eine Überprüfung des Modells durchzuführen, als auch künftige lokale Klimabedingungen zu prognostizieren. Zur Prognose der zukünftigen Wetterlagen werden die geänderten Auftretenswahrscheinlichkeiten anhand der GCM-Prognosen ermittelt und dann als Basis für die Prognose übernommen.

REMO

Im Gegensatz zu den anderen beiden Modellen ist REMO ein dynamisches Modell, dessen Berechnungen auch nicht an den Stationen des DWD erfolgt, sondern in unterschiedlichen Rastergrößen zwischen 10 x 10 und 18 x 18 km. REMO kann sowohl in die Modelle des IPCC (ECHAM4, ECHAM5), als auch in das Europamodell des DWD eingebettet werden. Die Prozesse werden in REMO unter Einbehaltung der thermodynamischen Energie- und Massenerhaltungsgleichungen berechnet, wobei die Atmosphäre in 20 Schichten geteilt wurde.

Bewertung der Verfahren

Die „antreibenden“ Parameter stammen bei allen drei Verfahren aus den übergeordneten GCM-Modellen. Allerdings ist die Verwendung und Dichte dieser Informationen unterschiedlich: STAR benutzt nur den berechneten großräumigen Temperaturtrend, WETTREG analysiert die Wetterlagen und simuliert die Szenarien anhand der Auftretenswahrscheinlichkeit. REMO wiederum übernimmt die gesamte Information der übergeordneten Klimamodelle an den Modellrändern.

KLIWA

KLIWA ist die Abkürzung für das Kooperationsvorhaben "Klimaveränderung und Konsequenzen für die Wasserwirtschaft". Baden-Württemberg und Bayern sowie der DWD vereinbarten 1998 eine längerfristige gebiets- und fachübergreifende Zusammenarbeit. Ziel des mittel- bis langfristigen Projektes ist es, gesicherte Aussagen über die Auswirkungen des Klimawandels auf den Wasserhaushalt zu bekommen und entsprechende Handlungsempfehlungen auszuarbeiten. 2006 trat Rheinland-Pfalz als weiterer Partner dem Konsortium bei.

Regionale Klimamodelle haben eine erhebliche Auswirkung auf die Berechnung des Wasserhaushaltes, da die Modellierung des lokalen Niederschlages deutlich aufwändiger und schwieriger als die Prognose der Temperaturentwicklung ist. Sie sind die Basis von noch feiner skalierten Wasserhaushaltsmodellen.

Um sich einen Überblick über den Einfluss unterschiedlicher Szenarien und über die Auswirkung unterschiedlicher Rechenmodelle zu verschaffen, beschlossen die Kooperationspartner 2001 einen direkten Vergleich der drei Verfahren REMO, STAR und WETTREG unter weitgehend denselben Ausgangsbedingungen. Als globales GCM wurde ECHAM 4 mit dem Szenario B2 ausgewählt. Als Messdaten standen die Stationsdaten des DWD von 1951-2000 zur Verfügung. Die Verifikation wurde auf den Zeitraum 1971-2000 festgelegt. Das Zukunftsszenario sollte die Entwicklung des Klimas in der Periode 2021-2050 darstellen.

Ergebnisse

Die Temperaturzunahmen von 1,0°-1,2° C bei STAR sind etwas geringer als bei den anderen beiden Modellen mit 1,6°-1,9° C. Die Unterschiede resultieren hauptsächlich aus den Prognosen für das Winterhalbjahr, wo STAR mit einer Zunahme von 1° C unter der Vorhersage von 2° der beiden anderen Modelle liegt. Dies hat großen Einfluss auf die Zwischenspeicherung von Niederschlag als Schnee.

Mit einer Erhöhung der Niederschläge um 8 %, im Vergleich zu 3 % von REMO und STAR, simuliert das WETTREG-Modell die höchsten Niederschläge. Gravierend sind die Unterschiede bei der getrennten Betrachtung von Sommer- und Winterhalbjahr. Während WETTREG für das Sommerhalbjahr je nach Region eine Abnahme der Niederschläge von bis zu 8 % (im Mittel 4 %) prognostiziert, weisen REMO und STAR auch im Sommer Zunahmen um 6 % auf. Am größten sind die Unterschiede jedoch im Winter, in dem WETTREG in manchen Regionen, wie im Schwarzwald, auf Zunahmen von bis zu 34 % (22,5 % im Mittel) kommt, während die beiden anderen Modelle kaum Veränderungen prognostizieren.

Auch wenn die Ergebnisse dieser drei Verfahren in Teilbereichen, insbesondere jedoch in der Prognose der Niederschläge, merkliche Unterschiede aufweisen, geht der allgemeine Trend in die gleiche Richtung:

  1. Im Vergleich der Periode 1960-1990 und 2030-2050 wird die Temperatur um ca. 1,7° C zunehmen, im Sommer um ca. 1,4° C, im Winter um 2° C. Insbesondere für die Monate Dez. – Feb. bedeutet dies, dass Niederschläge öfter als Regen fallen werden.
  2. Die Zahl der Sommertage mit Temperaturen > 25° C wird deutlich zunehmen, dagegen wird die Anzahl an Frosttagen zurückgehen.
  3. Die Winter werden milder, aber auch feuchter. Das gilt insbesondere für den Schwarzwald (hier differieren die Prognosen beträchtlich).
  4. Die Westwetterlagen nehmen zu.
  5. Die Hochwassergefahr im Winter steigt, da der Wechsel zwischen Schnee und Regen die Schneedecken öfter auf- und abbaut.

Fazit

In der Gesamtwertung wurde vom KLIWA-Konsortium entschieden, das WETTREG Verfahren für weitere Untersuchungen mit Wasserhaushaltsmodellen zu Grunde zu legen. Aufgrund der großen Streuung ist nach Aussage aller Modellierer eine erneute Erstellung von regionalen Klimamodellen mit verbesserten Methoden erforderlich.

In den Abbildungen 5 bis 7 sind die Ergebnisse der WETTREG-Simulation für die Temperaturdifferenzen, die prozentualen Änderungen der Niederschlagssummen und die Veränderung der mittleren An­zahl von Trockentagen im Sommerhalbjahr abgebildet.

Auf der Basis von WETTREG wurden daraufhin detailliertere Studien im Bereich der Wasserwirtschaft durchgeführt, wie die Berechnung von Spannweiten und Änderungen für Temperaturen und Niederschläge, Berechnung von extremen Trocken- und Nassperioden und die Modellierung von Abflüssen mit Wasserhaushaltsmodellen. Die Ergebnisse sind in den KLIWA Heften 9-11 (www.kliwa.de) veröffentlicht.

KLARA

KLARA ist ein Verbundprojekt des Umweltministeriums Baden-Württemberg und einer Projektgruppe der Landesanstalt für Umweltschutz (LfU), heute Landesanstalt für Umwelt, Messungen und Naturschutz Baden-Württemberg (LUBW) zur Untersuchung des Klimawandels, seiner Auswirkungen, der Risiken und der Anpassungsmöglichkeiten.

Die Ergebnisse von KLARA beruhen auf einer weiterentwickelten Version von STAR und stimmen nicht vollständig mit den Ergebnissen von KLIWA (beruhend auf WETTREG) überein.

Der Bericht befasst sich unter anderem mit der Analyse bestehender Verwundbarkeiten, der regionalen Ausprägung des Klimawandels sowie den Auswirkungen auf die menschliche Gesundheit, Land- und Forstwirtschaft, den Tourismus, den Naturschutz, die Wasserkraftnutzung und die Entwicklungen bei Extremereignissen mit großem Schadenspotenzial.

Zur Untersuchung von Klimaveränderungen, speziell im Bereich der Forstwirtschaft, ist es notwendig, zusätzliche Simulationsmodelle einzusetzen, um die Wachstumsdynamik von Waldbeständen in Abhängigkeiten von Klimavariablen zu prognostizieren. Im KLARA wird das am PIK entwickelte Simuationsmodell 4C (FORESEE- FORESt Ecosystems in changing Environment) verwendet, ein Prozessmodell, das in Abhängigkeit von den Ressourcen Licht, Wasser und Nährstoffe das Wachstum von Baumkohorten (Zusammenfassungen von Bäumen gleichen Alters und gleicher Dimension) berechnet.

Die Eingangsgrößen sind Tagesmittel bzw. Summen der Temperatur, des Niederschlags, der Luftfeuchte und der Strahlung. Zur Abschätzung des Einflusses auf den Wald wurden Modellbestände, in Anlehnung an die Altersklassenverteilung der Bestände in Baden-Württemberg von 1990, in Zusammenarbeit mit dem European Forest Institute (EFI) an den Standorten der Klimastationen erzeugt. Für jeden Modellbestand wurden Simulationen mit dem Modell 4C für das Basisszenario 1951–2000 und für das Zukunftsszenario 2001-2050 durchgeführt.

Ergebnisse

Für die Fichte verbessert sich die Produktivität im Westen und Nordwesten Baden-Württembergs, während sie im Südosten zurückgeht (Abb. 8). Für Buche gibt es in wenigen Wuchsgebieten einen Zuwachs der Produktivität, bei der Fichte ist im Südosten eher mit einem Rückgang zu rechnen ist. Dagegen zeigen Kiefer und Eiche in fast allen Bereichen eine Steigerung des Zuwachses. Für den Gesamtwald ist nach dieser Untersuchung mit einer leichten Steigerung des Zuwachses zu rechnen.

Diese Auswertungen geben nur Hinweise auf Trends. Sie basieren auf groben Eingangsdaten und vereinfachten, abstrakten Modellansätzen. Die Ergebnisse entsprechen in einigen Bereichen (z. B. die Produktivität der Fichte in wärmeren Regionen Baden-Württembergs) nicht den Erfahrungen der Forstpraxis. Darüber hinaus ist festzustellen, dass keine Risiken durch Schädlingsbefall, die sich in diesen Regionen auf die Entwicklung der Baumarten auswirken, in den Modellen enthalten sind. Die FVA wird auf der Basis ihres landesweiten Versuchsflächennetzes weitergehende Untersuchungen durchführen, die den Zusammenhang zwischen der Klimaentwicklung und dem Wachstum der Hauptbaumarten beleuchten sollen.