Aus Fehlern lernen

Klimamodelle simulieren, was uns in den nächsten hundert Jahren erwarten könnte: steigende Temperaturen, häufigere Starkniederschläge, längere Dürreperioden. Auch wenn diese Modelle extrem komplex sind und viele meteorologische Prozesse plausibel beschreiben, sind sie natürlich nicht perfekt. Abweichungen vom tatsächlichen Klima, sogenannte Biase, können in Bezug auf die Abschätzung von Klimafolgen aber äußerst relevant sein. So kann zum Beispiel ein Temperaturfehler von nur einem Grad bedeuten, dass tatsächlich Schnee fällt, im Modell aber Regen, der eine Sturzflut auslöst.
Um solche Biase zu entfernen, wurden statistische Korrekturverfahren entwickelt. Dass diese jedoch viele unerwünschte Nebenwirkungen mit sich bringen können und schlimmstenfalls die Modellsimulationen sogar verschlechtern, hat nun eine internationale Gruppe von WissenschafterInnen um Assoz. Prof. Dr. Douglas Maraun vom Wegener Center für Klima und Globalen Wandel der Universität Graz gezeigt. Die ForscherInnen fordern deshalb einen kritischeren Umgang mit statistischen Korrekturverfahren. Ihre Publikation ist kürzlich im renommierten Fachmagazin Nature Climate Change erschienen.

„Nicht alle Fehler in Klimamodellen lassen sich mit statistischen Methoden korrigieren“, betont Douglas Maraun. Der Leiter der Forschungsgruppe Reloclim am Wegener Center bringt ein Beispiel: „Stürme sind in der Regel mit Niederschlägen verbunden. Wenn ein Klimamodell Sturm-Zugbahnen tendenziell zu weit südlich simuliert, kann man den Niederschlag im Süden statistisch reduzieren und im Norden erhöhen, die simulierten Sturm-Zugbahnen ändern sich dadurch aber nicht“, erläutert Maraun. „Im Modell fällt dann im Süden an den vielen stürmischen Regentagen unrealistisch wenig Niederschlag, im Norden an den wenigen Regentagen extrem viel.“ Solche Fehler pflanzen sich fort, wenn die Daten anderen ExpertInnen, etwa HydrologInnen, als Ausgangsbasis für weitere Berechnungen dienen.

Bisher erhalte dieses Problem nicht die Aufmerksamkeit, die oftmals nötig wäre, um der Klimafolgenforschung für einzelne Regionen wirklich sinnvolle Daten zur Verfügung zu stellen, hält Maraun fest und fordert Mut, neue Wege einzuschlagen. „Um Verbesserungen zu erreichen, muss zuerst einmal analysiert werden, was die Ursachen von Biasen sind, welche sich statistisch beheben lassen und welche nicht.“ In weiterer Folge brauche es eine fachübergreifende Kooperation: „ModelliererInnen sollten sich mit ExpertInnen aus der Statistik, der Klimafolgenforschung und weiteren NutzerInnen der Klimamodelle austauschen und zusammenarbeiten.“
Der Leiter des Wegener Center, Univ.-Prof. Dr. Gottfried Kirchengast, pflichtet dieser Einschätzung bei und hebt die internationale Bedeutung der Arbeit hervor „Es freut mich sehr, dass diese und weitere hervorragende Arbeiten von Douglas Maraun und der Forschungsgruppe Reloclim zeigen, dass wir hier im Sinne unserer Forschungsstrategie zum Thema Wetterextreme unter Klimawandel auch international wirklich richtungsweisende Beiträge leisten.“

Die Arbeit ist in den Forschungsschwerpunkt Umwelt und Globaler Wandel der Universität Graz eingebettet und trägt zum interdisziplinären Forschungsfokus „Hydrologische Extreme unter Klimawandel verstehen und bewältigen“ des Wegener Center bei. Dieser wird insbesondere durch Mittel des Wissenschaftsfonds FWF, des österreichischen Klimaforschungsprogramms ACRP, des Wissenschaftsministeriums (Infrastruktur) und des Landes Steiermark unterstützt.

Publikation:
Towards process-informed bias correction of climate change simulations
Douglas Maraun, Theodore G. Shepherd, Martin Widmann, Giuseppe Zappa, Daniel Walton, José M. Gutiérrez, Stefan Hagemann, Ingo Richter, Pedro M. M. Soares, Alex Hall, and Linda O. Mearns
Nature Climate Change 7, 764-773, 2017, doi:10.1038/nclimate3418