Forschungsprogramm Wald und Klimawandel - ETH E

Schlussbericht des Projektes
Klimadaten für die Waldmodellierung
für das 20. und 21. Jahrhundert
im Forschungsprogramm Wald und Klimawandel
Jan Remund, Beat Rihm und Barbara HugueninLandl
August, 2016
2
Klimadaten für die Waldmodellierung
Autoren
Jan Remund1, Beat Rihm1 und Barbara Huguenin-Landl1
1
Meteotest, Fabrikstrasse 14, CH-3012 Bern, Schweiz
Ein Projekt-Schlussbericht aus dem Forschungsprogramm «Wald und Klimawandel» von
BAFU und WSL
(www.wsl.ch/wald_klima)
Projektlaufzeit: April 2013 bis März 2014.
Zitierung
Remund, J., Rihm, B. und Huguenin-Landl, B.; 2016. Klimadaten für die Waldmodellierung
für das 20. und 21. Jahrhundert. Bern, Meteotest. 40 S.
Im pdf-Format zu beziehen über www.wsl.ch/wald_klima
Dank
We acknowledge the ENSEMBLES project, funded by the European Commission's 6th
Framework Program through contract GOCE-CT-2003-505539".
Meteotest, Bern, 2016
Klimadaten für die Waldmodellierung
3
Inhalt
Zusammenfassung
5
Summary
6
1
Einleitung
7
2
Daten und Methoden
8
2.1 Zukünftige Daten ................................................................................................ 8
2.2 Historische Daten ............................................................................................. 12
2.3 Ergänzung der CRU-Daten ................................................................................ 14
2.4 Räumliche Interpolation ................................................................................... 15
2.5 Nutzbare Feldkapazität ..................................................................................... 16
2.6 Schönwetterstrahlung ...................................................................................... 17
2.7 Site water balance ............................................................................................ 18
3
Resultate
19
3.1 Grafische Vergleiche ......................................................................................... 19
3.2 Vergleich der CRU-Daten .................................................................................. 20
3.3 Vergleich der RCM-basierten Daten mit Messwerten ..................................... 21
3.4 Mittelwerte Projekt Walthert ........................................................................... 25
3.5 Trockenheitskarten ........................................................................................... 25
4
Diskussion
36
5
Literatur
37
6
Anhang
38
6.1 Projektablauf .................................................................................................... 38
4
Klimadaten für die Waldmodellierung
Abkürzungen
Parameter
Globalstrahlung
Globalstrahlung Schönwetter (clear sky)
Niederschlag
Relative Feuchte
Taupunkttemperatur
Temperatur
Temperaturminimum pro Tag
Temperaturmaximum pro Tag
Windgeschwindigkeit
Potenzielle Evapotranspiration nach Romanenko
Potenzielle Evapotranspiration nach Penman
Potenzielle Evapotranspiration nach Shuttleworth
Site water balance
Verhältnis der aktuellen zur potenziellen Evapotranspiration,
basierend auf Monatswerten (einfaches Modell)
Verhältnis der aktuellen zur potenziellen Evapotranspiration,
basierend auf Tageswerten und einfachem Modell (simple)
Verhältnis der aktuellen zur potenziellen Evapotranspiration,
basierend auf Tageswerten und komplexem Modell (complex)
Jahresmittelwerte der Parameter (Mittelwerte „Walthert“)
Monatswerte (Mittelwerte „Walthert“)
Weitere Abkürzungen
Global climate model
MeteoSchweiz
Nutzbare Feldkapazität, bis 1 m Tiefe
Regional climate model
Trockenstressindex
Climate Research Unit der Universität East Anglia
TS
Abkürzung
gh
gcs
rr
rh
td
tt
tn
tx
ff
petRO
petPE
petPM
SWB
ETa/ETp
Einheit
2
W/m
2
W/m
mm
%
°C
°C
°C
°C
m/s
mm
mm
mm
mm
-
ETa/ETp s
-
ETa/ETp c
-
tta, rra, tda
tt_01, tt_02
-
GCM
MCH
nFK
RCM
TSI
CRU
Time Series
mm
Klimadaten für die Waldmodellierung
5
Zusammenfassung
Im Rahmen dieses Projekts wird für das mittlere Klimaszenario A1B des IPCC für den
Zeitraum 1981–2100 eine räumlich hoch aufgelöste Projektion für die Schweiz berechnet.
In einer ersten Phase wurden drei typische regionale Klimamodelle aus einer Auswahl von
zehn regionalen Klimamodellen (RCM) ausgewählt, die im Rahmen des Projekts CH20111
verwendet wurden. Dabei wurden ein trockenes (CLM), ein mittleres (RCA) und ein
feuchtes Modell (RegCM3) ausgewählt. Die Unterschiede beim Niederschlag aber auch
bei der Temperatur sind relativ gross, obwohl alle auf dem gleichen Szenario und dem
globalen Modell ECHAM5 basieren (das globale Modell war nicht vorgegeben, sondern
Resultat des Auswahlprozesses).
Der zweite Teil der Arbeit besteht aus der Lieferung von Tages- und Monatsdaten für zwei
historische (1901–2000 und 1931–2012) und eine zukünftige Zeitperiode (1981–2100) für
rund 18‘000 Untersuchungsstandorte von zwölf Forschungsprojekten und der
Berechnung von Trockenheitskarten. Die Periode 1901–2000 beruht auf Daten der CRU,
die Periode 1931–2012 auf Messdaten von MeteoSchweiz. Die RCM-Gitterdaten, die in
einer Auflösung von ungefähr 30 km vorliegen, werden mit der Change-factor-Methode
auf eine Auflösung von 250 m heruntergerechnet.
Die Validierung der Punktdaten zeigt, dass die Temperaturparameter relativ genau
berechnet werden können. Der Niederschlag, die Globalstrahlung und die Feuchte weisen
beim Vergleich der modell- und messwertbasierten Daten der Vergleichsperiode 1981–
2000 grössere Unterschiede auf.
Diverse Karten auf der Basis der nutzbaren Feldkapazität vom Vorgängerprojekt
„Ergänzungen zum Projekt Trockenstress im Schweizer Wald“2 und der
Trockenheitsindizes site water balance (SWB) sowie dem Verhältnis der aktuellen zur
potenziellen Evapotranspiration (ETa/ETp) wurden berechnet und kartiert. Der Vergleich
der Ausgangsperiode 1981–2010 zeigt, dass die interpolierten Modelldaten die
Trockenheitswerte relativ gut wiedergeben können, obwohl bei der Häufigkeitsverteilung
des Niederschlags die Unterschiede zwischen der Messung und dem Modell gut sichtbar
sind.
Die Unterschiede in der Zukunft zwischen den drei ausgewählten Modellen sind sehr
gross, obwohl alle auf dem gleichen Szenario und dem gleichen globalen Modell basieren.
Beim CLM-Modell nehmen die Trockenheits-Werte im Süden und Norden stark zu. Nur
am Alpennordhang bleibt die Wasserverfügbarkeit praktisch immer hoch. Beim RCA- und
vor allem beim RegCM3-Modell sind die Änderungen deutlich kleiner. In der
Nordwestschweiz (Pruntruter Zipfel – Schaffhausen) und im westlichen Mittelland
(Seeland – Genf) zeigen aber alle Modelle eine klare Zunahme der Trockenheit. Im Tessin
sind die Unsicherheiten am grössten. Beim CLM nimmt die Trockenheit stark zu, bei den
anderen beiden nur wenig und dies fast nur im Sottoceneri.
1
2
http://www.ch2011.ch/
http://www.wm.ethz.ch/publications/mf/ts11
6
Klimadaten für die Waldmodellierung
Summary
Within this project spatially high resolved projections for Switzerland of the climate
scenario A1B of the IPCC for the period 1981 – 2100 are calculated.
In a first phase three typical regional climate models from a selection of 10 regional
models (RCM), which have been used in the context of the CH20113 project, have been
selected. A dry (CLM model), a middle (RCA) and a wet (RegCM3) model were selected.
The differences in precipitation but also temperature are relatively high considering the
fact, that all three RCM are based on the same scenario and the same global model
ECHAM5 (this wasn’t predefined but a result of the selection process).
The second part of the study consists of the supply of daily and monthly historical data for
two periods (1901–2000 and 1931–2012) and a future time period (1981–2100) for
approximately 18,000 study sites from 12 research projects and the calculation of drought
maps. The period 1901–2000 was based on CRU data, the period 1931–2012 on
measurements of Meteoswiss. The RCM grid data with a resolution of about 30 km are
interpolated with the change factor method to a resolution of 250 m.
The validation of the point data indicates that the temperature parameter can be
calculated with a good accuracy. Precipitation, humidity, global radiation and dewpoint
temperature show larger differences between the model based data and the
measurement based data of the comparison period 1981–2010.
Various maps on the basis of field capacity found in the predecessor project
"Ergänzungen zum Projekt Trockenstress im Schweizer Wald"4 and the drought indexes
site water balance (SWB) and the ratio of the actual to potential evaporation (ETa/ETp)
were calculated and mapped. The comparison of the period 1981–2010 shows that the
interpolated model data represent the drought values relatively well, although the
differences between the measurements and the model are clearly visible in the frequency
distribution of precipitation.
For the future periods the differences between the three selected models are very large,
although all are based on the same scenario and the same global model. In the CLM
model, the drought values in the south and north are greatly increased. Only in the
Northern Alps the water availability remains nearly always high. With the RCA and
especially with the RegCM3 model, the changes are much smaller. In the North-western
Switzerland (Puntruter tip - Schaffhausen) and in the West Midlands (Seeland - Geneva),
all models show a clear increase in drought. In Ticino, the uncertainties are greatest. With
CLM drought increases sharply, with the other two models only slightly and this almost
exclusively in the Sottoceneri.
3
4
http://www.ch2011.ch/
http://www.wm.ethz.ch/publications/mf/ts11
Klimadaten für die Waldmodellierung
7
1 Einleitung
Der Klimawandel und die damit verbundenen Auswirkungen auf die belebte und
unbelebte Umwelt stellen eine zentrale Herausforderung des 21. Jahrhunderts dar. Um
diese meistern zu können, benötigt die Forstpraxis Grundlagenwissen und
Entscheidungshilfen. Vor diesem Hintergrund haben das Bundesamt für Umwelt (BAFU)
und die Eidg. Forschungsanstalt für Wald, Schnee und Landschaft (WSL) im Jahr 2009 das
Forschungsprogramm «Wald und Klimawandel»5 lanciert. Die 2011 erarbeitete
Zwischensynthese dokumentiert den Stand des Programms am Ende der ersten
Programmphase (2009–2011)6.
Das vorliegende Projekt ist Teil der zweiten Programmphase (2012–2015), in der
verbleibende Wissenslücken geschlossen, Entscheidungshilfen erarbeitet und politische
Folgerungen vorbereitet werden sollen.
Die Arbeit beruht auf den beiden Vorgängerprojekten „Schätzung standortspezifischer
Trockenstressrisiken in Schweizer Wäldern“7 vom Oktober 2011 und „Ergänzungen zum
Projekt Trockenstress im Schweizer Wald“ vom März 2013, die beide von Meteotest
durchgeführt wurden. Im erstgenannten Projekt wurden die räumliche
Interpolationsmethode und die Methode zur Berechnung der Trockenheitsindizes
definiert. Innerhalb des zweiten Projekts wurden Klimazeitreihen für diverse
Forschungsprojekte berechnet (Periode 1976–2011) und eine neue Karte der nutzbaren
Feldkapazität erstellt.
Im Rahmen des Projekts „Klimadaten für die Waldmodellierung für das 21. Jahrhundert“
wurde für das mittlere Klimaszenario A1B des 4. Berichts des IPCC (Meehl et al., 2007) für
den Zeitraum 1981–2100 eine räumlich hoch aufgelöste Projektion für die Schweiz
berechnet.
Der erste Meilenstein des Projekts beinhaltet die Auswahl von drei „typischen“ regionalen
Klimamodellen aus einer Auswahl von zehn Modellen, die auch im Rahmen des Projekts
CH20118 verwendet wurden. Die Wahl dieser drei Modelle wird im Kapitel 2 beschrieben
und begründet.
Der zweite Meilenstein der Arbeit besteht aus der Lieferung von Tages- und Monatsdaten
für zwei historische (1901–2000 und 1931–2012) und eine zukünftige Zeitperiode für
diverse Forschungsprojekte (Tabelle 8) und der Berechnung von Trockenheitskarten.
5
www.wsl.ch/wald_klima
www.wsl.ch/wald_klima/FP_Zwischensynthese.pdf
7
http://www.wm.ethz.ch/publications/mf/ts11
8
http://www.ch2011.ch/
6
8
Klimadaten für die Waldmodellierung
2 Daten und Methoden
2.1 Zukünftige Daten
Die Basis für die zukünftigen Daten bilden die regionalen Klimamodelle (RCM) in einer
räumlichen Auflösung von rund 25 km × 25 km, die im Rahmen des Projekts
„ENSEMBLES“9 erarbeitet wurden (Hewitt et al., 2004). Dabei werden die gleichen
Modelle in Betracht gezogen, die auch im Projekt „CH2011“ verwendet wurden (Tabelle
1). Zusätzlich wird noch das Modell ECHAM5/CLM des Max-Planck-Instituts für
Meteorologie (MPI) berücksichtigt (Keuler et al., 2009).
Tabelle 1:
Ausgewählte Klimamodelle.
Globales Klimamodell
(GCM)
ECHAM5
ARPEGE
ECHAM5
HadCM3
ECHAM5
ECHAM5
HadCM3
ECHAM5
ECHAM5
BCM
Regionales Klimamodell
(RCM)
CLM
ALADIN
HIRHAM
CCLM
RegCM3
RACMO
HadRM3Q0
REMO
RCA
RCA
Quelle
Auflösung
MPI
CNRM
DMI
ETHZ
ICTP
KNMI
Met Office
MPI
SMHI
SMHI
14 km × 21 km
25 km × 23 km
25 km × 23 km
25 km × 23 km
26 km × 24 km
25 km × 25 km
25 km × 25 km
25 km × 23 km
25 km × 25 km
25 km × 23 km
Die Verwendung von zehn Modellen wäre vom Arbeitsaufwand für die
Waldmodellierungsgruppen zu gross. In einem ersten Schritt werden deshalb aus den
zehn Modellen drei repräsentative Modelle ausgewählt. Ein Modell soll dabei kleine,
eines mittlere und eines hohe Anomalien (Abweichung zwischen zukünftigem und
heutigem Zustand) aufweisen, welche ungefähr den P20-, P50- und P80-Quantilen
entsprechen. In erster Linie soll dabei auf die Niederschlagsanomalien geachtet werden,
ohne jedoch die Temperaturanomalien ausser Acht zu lassen.
Die Auswahl wird dabei aufgrund von Niederschlags-Anomalien und Grafiken des
zeitlichen Verlaufs der Anomalien der Sommertemperatur und des Sommerniederschlags
durchgeführt. Als Sommermonate wurden die Monate April bis September definiert. Das
ECHAM5/CLM-Modell soll dabei prioritär behandelt werden (d.h. möglichst eines der drei
ausgewählten Modelle sein), da dieses Modell die höchste räumliche Auflösung aufweist
und es in früheren Studien an der WSL verwendet wurde, womit die Resultate der
Studien vergleichbar werden.
In den Abbildungen wurden die Anomalien mit gleitenden 5-Jahresmitteln geglättet, um
die kurzfristigen Schwankungen herauszufiltern und die Abbildungen lesbarer zu machen.
Die Abbildungen wurden analog der Publikation von Dullinger et al. (2012) erstellt.
Die Werte der Auswahlkriterien (siehe unten) wurden für die Alpennordseite und die
Alpensüdseite für die folgenden Standorte berechnet:
9
http://ensemblesrt3.dmi.dk/
Klimadaten für die Waldmodellierung

Region Nord („N“): Aarau (47.38°N/8.08°E/394 m)

Region Süd (“S”): Locarno (46.17°N/8.80°E/223 m)
9
Es wurde jeweils nicht nur der nächste Gitterpunkt des Modells verwendet, sondern ein
Mittel aus dem nächstliegenden Gitterpunkt sowie den acht umgebenden Punkten
gebildet (die Werte der beiden Standorte entsprechen damit je einem regionalen Mittel
über einer Fläche von ungefähr 75 x 75 km). Für die grafische Analyse der Unterschiede
wurde zudem ein Mittel aus den Regionen Nord und Süd gebildet.
Zusätzlich zu der grafischen Analyse wurden für die Region Nord und die Region Süd je die
Anomalien der Periode 2070–2100 gegenüber der Periode 1981–2000 von folgenden
Parametern berechnet:

relative Änderung des Niederschlags

absolute Änderung der Temperatur

absolute Änderung der aufeinander folgenden Tage ohne Niederschlag
(Kriterium: Tagessumme Niederschlag <0.1 mm)
Diese Anomalien sind in Tab. 2 aufgelistet. Die Auswahl geschieht in einem ersten Schritt
aufgrund der Statistiken. Die Grafiken wurden verwendet, um die Wahl zu verifizieren.
Gesamthaft gesehen (Kombination aller zehn Modelle, Mittel Süd und Nord) nimmt die
Sommertemperatur in der Periode von 2070 bis 2100 gegenüber der Periode 1981-2010
im Mittel um 3.68 °C zu und der Sommerniederschlag um 10% ab. Die Unterschiede
zwischen den Modellen und den Regionen sind allerdings relativ gross. Die
Temperaturanomalien schwanken zwischen 2.1 °C (BCM/RCA, Alpennordseite) und 5.1 °C
(HadCM3/HadRM3Q0, Alpensüdseite). Auf der Alpennordseite zeigen sieben der zehn
Modelle trockenere Sommer an, während auf der Alpensüdseite alle Modelle trockenere
Sommer zeigen (mit bis zu 26% weniger Niederschlag). Die Anomalien sind generell auf
der Alpensüdseite ausgeprägter.
Sortiert man die verwendeten Modelle nach deren Niederschlagsanomalien, so zeigt sich,
dass auch die Rangfolgen der Modelle auf der Alpennord- und -südseite nicht dieselben
sind.
Das primäre Ziel der Wahl dreier Modelle ist, ein „feuchtes“, ein „mittleres“ und ein
„trockenes“ Modell zu finden. Das vorgegebene Modell ECHAM5/CLM zeigt sich in beiden
Regionen als „trockenstes“ Modell. Somit müssen zusätzlich ein „mittleres“ und ein
„feuchtes“ Modell gewählt werden. Die Wahl des niederschlagsreichsten Modells fällt auf
das ECHAM5/RegCM3. Dieses ist das feuchteste Modell im Norden und das
zweitfeuchteste im Süden.
Als mittleres Modell stehen die vier Modelle ECHAM5/RCA, ECHAM5/RACMO, BCM/RCA
und das HadCM3/HadRM3Q0 zur Auswahl. Gegen die Wahl der letzten beiden Modelle
spricht, dass diese die extremsten Modelle bezüglich Temperaturänderungen sind. Somit
stehen noch die ersten beiden Modelle zur Wahl. Unsere Wahl fiel schlussendlich auf das
ECHAM5/RCA-Modell, da dieses im Gegensatz zum ECHAM5/REMO (und ECHAM5/CLM)
nicht vom MPI berechnet wurde und somit den Vorteil einer dritten unabhängigen
Datenquelle hat.
10
Klimadaten für die Waldmodellierung
Tabelle 2:
Anomalien der Periode 2070 – 2100 gegenüber 1981 – 2000. Fett: ausgewählte Modelle;
kursiv: min. und max. Temperaturanomalien. Modelle sortiert nach Niederschlagsanomalien.
Region
N
N
N
N
N
N
N
N
N
N
Klimamodell
ARPEGE/ALADIN
ECHAM5/CLM
ECHAM5/RCA
ECHAM5/CCLM (ETHZ)
HadCM3/HadRM3Q0
BCM/RCA
ECHAM5/REMO
ECHAM5/HIRHAM
ECHAM5/RACMO
ECHAM5/RegCM3
Temperatur [°C]
4.2
4.2
3.2
4.0
4.6
2.1
3.0
2.7
3.5
2.9
Niederschlag [%]
-17.8
-13.7
-7.8
-6.3
-4.7
-1.4
-0.4
0.0
2.0
4.6
Trockentage [d]
4.58
5.58
1.02
-0.65
1.75
0.43
0.17
-1.73
0.65
1.08
S
S
S
S
S
S
S
S
S
S
ECHAM5/CLM
ECHAM5/HIRHAM
ECHAM5/REMO
ECHAM5/RCA
ARPEGE/ALADIN
ECHAM5/RACMO
BCM/RCA
HadCM3/HadRM3Q0
ECHAM5/RegCM3
ECHAM5/CCLM (ETHZ)
4.3
3.1
3.6
4.0
4.3
4.1
2.6
5.1
3.2
4.5
-26.0
-20.9
-18.4
-15.3
-14.8
-13.7
-13.5
-11.7
-8.0
-6.4
1.45
1.82
1.28
1.45
1.50
1.73
0.27
0.33
0.25
1.13
S&N
S&N
S&N
S&N
S&N
S&N
S&N
S&N
S&N
S&N
ECHAM5/CLM
ARPEGE/ALADIN
ECHAM5/HIRHAM
ECHAM5/RCA
ECHAM5/REMO
BCM/RCA
HadCM3/HadRM3Q0
ECHAM5/CCLM (ETHZ)
ECHAM5/RACMO
ECHAM5/RegCM3
Mittel (S&N)
4.3
4.3
2.9
3.6
3.3
2.3
4.9
4.3
3.8
3.1
3.68
-19.2
-16.2
-13.6
-11.6
-8.9
-8.3
-7.8
-6.4
-5.5
-1.8
-9.93
3.12
3.02
0.02
0.77
0.13
0.17
1.32
0.23
1.05
0.67
1.05
Somit fällt die Wahl auf die folgenden drei Modelle:

Trocken: ECHAM5/CLM (Max Planck Institut, MPI)

Mittel: ECHAM5/RCA (Swedish Meteorological and Hydrological Institute, SMHI)

Feucht: ECHAM5/RegCM3 (International Centre for Theoretical Physics, ICTP)
Die ausgewählten drei Modelle repräsentieren zudem auch verschiedene Bereiche der
Temperaturanomalien (mittlere Temperaturänderungen von 4.3, 3.6 und 3.1°C).
Als Nachteil dieser Wahl muss erwähnt werden, dass alle drei Modelle auf dem globalen
Modell ECHAM5 basieren. Zudem ist das ECHAM5/RCA auf der Alpennordseite etwas zu
trocken (3. Rang). Die Regionalmodelle basierend auf den anderen globalen Modellen
Klimadaten für die Waldmodellierung
11
ARPEGE, BCM oder HADCM3 wiesen aber alle zu extreme Anomalien bezüglich
Temperatur oder Niederschlag auf und wurden deshalb nicht in Betracht gezogen.
Die
Niederschlagsanomalien
und
die
Veränderung
der
durchschnittlich
aufeinanderfolgenden Trockentage sind korreliert – auch wenn die Rangreihenfolge
teilweise leicht unterschiedlich ausfällt.
Abbildungen 1 bis 3 zeigen die Anomalien der drei ausgewählten Modelle für die
Alpennord- und -südseite.
N
S
Abbildung 1:
Anomalien der Temperatur (°C) und des Niederschlags (mm) vom Modell ECHAM5/CLM
(trocken) auf der Alpennordseite (links) und -südseite (rechts). Punkte: alle 10 untersuchten Modelle.
N
S
Abbildung 2:
Anomalien der Temperatur (°C) und des Niederschlags (mm) vom Modell ECHAM5/RCA
(mittel) auf der Alpennordseite (links) und -südseite (rechts). Punkte: alle 10 untersuchten Modelle.
12
Klimadaten für die Waldmodellierung
N
S
Abbildung 3:
Anomalien der Temperatur (°C) und des Niederschlags (mm) vom Modell
ECHAM5/RegCM3 (feucht) auf der Alpennordseite (links) und -südseite (rechts). Punkte: alle 10
untersuchten Modelle.
Die Abbildungen verdeutlichen, dass die Wahl der drei Modelle auch für die
Alpennordseite und die Alpensüdseite sinnvoll ist und dass die Varianz der zehn
verschiedenen Modelle durch die Auswahl dieser drei Modelle vergleichsweise gut
wiedergegeben wird.
2.2 Historische Daten
Neben den zukünftigen Perioden werden im Projekt auch Wetter- und Trockenheitsdaten
für historische Perioden berechnet . Dafür stehen zwei Datengrundlagen zur Verfügung:
1. CRU-Gitternetzdaten 1901–2000, Monatswerte, , 10‘ Auflösung (Mitchell et al.,
2003) 10 (siehe Kapitel 2.3)
2. Daten von MeteoSchweiz 1931–2012, Tageswerte
Je nach Wunsch der Projektverantwortlichen wurden beide oder eine der beiden
Varianten verwendet.
Für die CRU-Daten wurde die gleiche Interpolationsmethode verwendet wie für die RCMDaten (siehe Kapitel 3.2). Für die Interpolation der Wetterstationsdaten wurde die
Methode verwendet, die im Projekt „Trockenstress im Schweizer Wald“ entwickelt
wurde.
Die Datenperiode 1931–1975 wurde für dieses Projekt neu berechnet, da die
Vorgängerprojekte nur die Jahre ab 1976 umfassten. Dafür standen von 42
Klimastationen und 45 Niederschlagsmessstationen der Schweiz die Parameter
Windgeschwindigkeit, Niederschlag, Lufttemperatur (Tagesmittel, Tagesminimum,
Tagesmaximum) und relative Luftfeuchtigkeit zur Verfügung. Dies entspricht weniger als
der Hälfte der Anzahl Stationen, die für die aktuellen Perioden zur Verfügung stehen.
Abbildungen 4 bis 6 zeigen den Verlauf der Anzahl der verwendeten Stationen. Der
Verlauf ist bei den Parametern Temperatur, Windgeschwindigkeit und Feuchte relativ
ähnlich (deshalb wird hier nur derjenige der Temperatur dargestellt). Bei der
10
http://www.cru.uea.ac.uk/cru/data/hrg/
Klimadaten für die Waldmodellierung
13
Globalstrahlung beginnen die Messungen erst 1981. Beim Niederschlag steht das dichte
Niederschlagsmessnetz erst ab 1976 zur Verfügung. Mit zunehmender Anzahl der
Standorte nimmt die Unsicherheit der Interpolation generell ab. In Remund et al. (2011)
(Kapitel 3, Tabelle 3) ist die Abnahme der Interpolationsfehler beschrieben.
Abbildung 4:
Anzahl der für die Interpolation der Temperatur verwendbaren Wetterstationen.
Abbildung 5:
Anzahl der für die Interpolation der Globalstrahlung verwendbaren Wetterstationen.
14
Abbildung 6:
Klimadaten für die Waldmodellierung
Anzahl der für die Interpolation des Niederschlags verwendbaren Wetterstationen.
2.3 Ergänzung der CRU-Daten
Die CRU-Daten beinhalten Monatswerte der Parameter Temperatur, Bewölkungsgrad,
Wasserdampf, Niederschlag und Differenz der täglichen Temperaturextreme.
Die Minimal- und Maximaltemperatur werden berechnet, indem die Hälfte der täglichen
Differenz vom Monatsmittel subtrahiert, resp. zum Mittel addiert wird.
Die Globalstrahlung wird aus der Differenz der täglichen Extreme („daily temperature
range“) und dem Bewölkungsgrad berechnet. Die Statistik basiert auf dem Vergleich
zwischen Messungen an den MeteoSchweiz-Standorten aus der Periode 1981–2000.
Folgendes mehrstufiges Modell für die Berechnung der Monatsdaten wird angewendet:
𝑔ℎ = −6.810 ∙ 𝑁𝑁 + 13.069 ∙ 𝑑𝑇 1.155
𝑊𝑒𝑛𝑛 𝑔ℎ < 30: 𝑔ℎ = 2.303 ∙ 𝑑𝑇 1.804
𝑊𝑒𝑛𝑛 𝑔ℎ < 10: 𝑔ℎ = 10
wobei gh = Globalstrahlung in W/m2, NN = Bewölkungsgrad in Oktas und dT = Differenz
der täglichen Temperaturextreme
Diese Methode ist relativ ungenau (es stand aber keine bessere zur Verfügung).
Insbesondere, da die Zeitreihe der täglichen Extreme nicht über das gesamte 20.
Jahrhundert stabil zu sein scheint (Abbildung 7). Vor 1950 sind die Werte unnatürlich
stabil; bis 1965 hoch variabel und danach schwach variabel.
Klimadaten für die Waldmodellierung
15
Abbildung 7:
Geglättete Monatswerte der „daily temperature range“ basierend auf dem CRU-Datensatz
(ausgezogene Linie). Die punktierte Linie sind Messwerte. Standort Nr. 106 aus Projekt „Gugerli“.
Der CRU-Datensatz enthält keine Windgeschwindigkeit. Diese kann auch nicht aus
anderen Parametern abgeschätzt werden.
2.4 Räumliche Interpolation
Die vorliegenden Monatswerte des Szenarios A1B (für die drei RCM) werden räumlich auf
ein 250 m Gitter interpoliert (Koordinatensystem CH1903). Als Methode wird die Changefactor-Methode (Tabor und Williams, 2010) zur Basisperiode 1981–2000 verwendet.
Diese Methode ist einfach und schnell und somit geeignet für grosse Datenmengen und
automatisierte Berechnung. Sie wird in den Klimawissenschaften verbreitet verwendet
und basiert auf folgenden drei Schritten (Abbildung 8):
Zuerst wird der modellierte RCM-basierte Tages- oder Monatswert vom langjährigen
Monatsmittel (auf dem 25-km Gitter) abgezogen (z.B. die Tagesmitteltemperatur vom
15.1.2015 vom Januarmonatsmittel 1981–2000). Diese Differenz wird dann räumlich
interpoliert (vom groben zum fein aufgelösten Raster) und diese Differenz wird zum
langjährigen hochaufgelösten Monatsmittel wieder addiert. Damit erhält man hoch
aufgelöste Tages- oder Monatswerte. Der Vorteil der Methode ist, dass diese allfällige
Bias korrigiert und lokale Strukturen wiedergeben kann.
Für die drei Temperaturparameter (Mitteltemperatur, Minimum- und Maximumtemperatur) wird die Methode additiv verwendet, für die Parameter Globalstrahlung,
Windgeschwindigkeit und Niederschlag multiplikativ.
Die klimatologischen Karten basieren auf den Klimakarten mit 250 m Auflösung, die im
Rahmen des Projektes „Trockenstress im Schweizer Wald“ (Remund et al., 2011)
erarbeitet wurden. Die Anomalien werden räumlich mit einer leicht vereinfachten Version
der Methode interpoliert, wie sie im ersten Vorgängerprojekt entwickelt wurde
(„shepards gravity interpolation“, Zelenka et al., 1992).
Für die (zusätzlich berechneten) Parameter Minimum- und Maximumtemperatur wurde
aufgrund der Datenverfügbarkeit die Vergleichsperiode 2001–2010 verwendet.
16
Klimadaten für die Waldmodellierung
Neben der Interpolation auf die Kartengitterpunkte werden die Tageswerte mit derselben
Methode direkt auf spezifische Standorte interpoliert. Die Interpolation für die Karten
wird somit für Monatswerte und die Interpolation für die Standorte der einzelnen
Projekte für Tages- und Monatswerte durchgeführt.
Abbildung 8:
Change-factor-Methode zur Erhöhung der räumlichen Auflösung der RCM-Modelldaten
(von rund 30 km auf 250 m).
2.5 Nutzbare Feldkapazität
Für Standorte, welche keine eigenen gemessenen Daten der nutzbaren Feldkapazität
(nFK) hatten, wurde die im Vorgängerprojekt „Ergänzungen zum Projekt Trockenstress im
Schweizer Wald“ erarbeitete nFK-Karte verwendet. Diese basiert u.a. auf der LithologieKarte des Atlas der Schweiz11 und enthält die nFK bis 1 m Bodentiefe (Abbildung 9).
11
http://www.atlasderschweiz.ch
Klimadaten für die Waldmodellierung
17
Abbildung 9:
nFK-Karte der Schweiz aus Projekt „Ergänzung zum Projekt Trockenstress im Schweizer
Wald“ (Version September 2014, Remund, 2016).
2.6 Schönwetterstrahlung
Die Globalstrahlung für wolkenlosen Himmel (Schönwetterstrahlung, „clear sky
radiation“, „gcs“) wird nicht mittels Modell, sondern anhand der vorhandenen Zeitreihen
der Globalstrahlung berechnet.
Dabei wird für die untersuchte Zeitperiode (z.B. 1981–2100) pro Tag (des Jahres) der
höchste Wert bestimmt. Diese 365 resp. 366 Werte werden zeitlich geglättet (gleitendes
15-Tagesmittel), um negative und positive Spitzen zu filtern. Zu dieser geglätteten
Zeitreihe wird die zweifache Standardabweichung zwischen der nicht geglätteten und der
geglätteten Zeitreihe addiert, um eine Kurve zu erhalten, welche die meisten Spitzen
beinhaltet. Die Schönwetterstrahlung wird von Jahr zu Jahr konstant gehalten (jedes Jahr
wiederholt sich der gleiche saisonale Verlauf; Abbildung 10).
Abbildung 10: Schönwetterstrahlung (ausgezogene Linie) und interpolierte Globalstrahlung (Punkte) am
Standort Thun (Projekt Conedera; Zeitperiode 1981–2100).
18
Klimadaten für die Waldmodellierung
2.7 Site water balance
Die „Site water balance“ SWB (Grier und Running, 1977) wurde mit dem im ersten
Trockenstressprojekt (2011) verwendeten Programm berechnet. Überprüfungen durch
Projektgruppen zu Ende dieses Projekts zeigten, dass diese Programmversion
Abweichungen zur derjenigen von Nick Zimmermann12 aufwies.
Insbesondere wurde der SWB-Wert in dieser Version im Verlauf eines Jahres (Anfangs
Jahr oder im Herbst) nie auf null gesetzt. Das führt an trockenen Standorten über
mehrere Jahre zu teilweise sehr tiefen (negativen) Werten. An durchschnittlich feuchten
Standorten in der Schweiz erreicht die SWB allerdings regelmässig (fast jedes Jahr) im
Winter/Frühjahr den Wert der nFK, d.h. die Auswirkungen einer Rücksetzung des
Bodenwasserspeichers auf „voll“ im Winter sind häufig gering.
Im Januar 2014 wurde daher das Programm entsprechend geändert. Zusätzlich wurden
neben den SWB-Werten auch die Werte der potenziellen Evapotranspiration, des
Niederschlags und des Monats der Zurücksetzung ausgegeben (d.h. von allen Inputwerten
für die Berechnung der SWB), damit die Berechnung überprüfbar und nachvollziehbar
wird.
Folgende Regeln für die Zurücksetzung wurden eingeführt (Abbildung 11):
Die Rücksetzung der SWB auf null erfolgt im ersten Herbstmonat nach einer
Trockenphase. Als Trockenphase gilt ein Monat, an dem die potenzielle
Evapotranspiration höher ist als der Niederschlag. Als Herbst gelten die Monate
September bis Dezember. Falls die SWB im Herbst nicht zurückgesetzt wird (d.h. falls die
genannte Konstellation nicht eintritt), wird diese spätestens im Januar zurückgesetzt. Die
SWB wird in den Monaten Februar bis August nie zurückgesetzt. Die Summierung erfolgt
nicht immer über 12 Monate. Falls alle Monate eines Jahres trocken sind, erfolgt die
Rücksetzung im Dezember. Die allfällige Rücksetzung im Dezember ist eine Ergänzung zur
Version von Zimmermann, die notwendig ist, um an extrem trockenen Standorten
sinnvolle Resultate für die Beurteilung der Trockenheit in der Vegetationszeit zu erhalten.
Die Zeitreihen und die Karten wurden neu berechnet. Die Auswirkungen auf die Karten
des Augustmittels sind allerdings sehr gering.
Abbildung 11: Verlauf der Site water balance (SWB), der Differenz zwischen potenzieller Evaporation
und Niederschlag (PET-RR) sowie der nutzbaren Feldkapazität (nFK) am Standort „Adapt“ bu-81-3. Die nFK
ist die obere Begrenzung der SWB. Die Rücksetzung erfolgt 1998 im Oktober und 1999 im November.
12
http://www.wsl.ch/staff/niklaus.zimmermann/programs/amls/swb.aml
Klimadaten für die Waldmodellierung
19
3 Resultate
Das Resultat des Projekts sind Zeitreihen von Klimadaten für diverse Standorte (Tabelle 8)
in Form von ASCII-Daten und Trockenheitskarten in Form von PNG-Karten und gridasciiDaten13. Im Folgenden werden die Resultate validiert (Kap. 3.1–3.2) und einige Karten
dargestellt (Kap. 3.4).
3.1 Grafische Vergleiche
Bei Projekten, die sowohl historische (1901–2000 und 1976–2012) wie auch zukünftige
Perioden (1981–2100) umfassen, wurden beide Zeitperioden miteinander grafisch
dargestellt. Dies ermöglicht das Erkennen von möglichen Inhomogenitäten.
Die Abbildungen 12 und 13 zeigen zwei Zeitreihen für den Standort 14377 des Projekts
Thürig (Tobelbach bei Weisslingen ZH). Der Übergang zwischen der historischen und der
zukünftigen Periode weist in den meisten Fällen wie im abgebildeten Beispiel keine
grösseren Sprünge auf. Der Trend zu höheren Temperaturen und häufigeren
Trockenperioden ist deutlich sichtbar.
Abbildung 12: Zeitreihe der Monatsmitteltemperatur (Glättung über zwei Jahre). Ausgezogene Linien:
Historische Daten (CRU, MeteoSchweiz), gestrichelte Linien: Verlauf basierend auf den drei RCM.
13
http://en.wikipedia.org/wiki/Esri_grid
20
Klimadaten für die Waldmodellierung
Abbildung 13: Zeitreihe der Monatsmittel des ETa/ETp-Verhältnisses (einfaches Modell, Monatsmittel;
Glättung über zwei Jahre). Ausgezogene Linien: Historische Daten (CRU, MeteoSchweiz), gestrichelte Linien:
Verlauf basierend auf den drei RCM.
Die Klimamodelle und die historischen Daten (CRU und MeteoSchweiz) stimmen für die
einzelnen Tages- und Monatswerte nicht überein. Der Grund dafür ist, dass die Modelle
(während der historischen Periode von 1901 bis 2000) ohne die Randbedingungen der
Messwerte ausgeführt wurden (d.h. es sind keine Re-Analysen). Die Change-factorMethode sorgt aber dafür, dass die Mittelwerte der sich überlappenden Perioden 1981–
2000 übereinstimmen.
3.2 Vergleich der CRU-Daten
Die CRU-basierten Daten werden für die Periode 1976–2000 mit den interpolierten
Stationswerten verglichen. Der Vergleich wird für eine Auswahl von 75 Standorten des
Projekts „Hanewinkel“ (siehe Anhang) durchgeführt.
Tabelle 3:
Unterschiede zwischen CRU-basierten und Stationswerte-basierten (interpolierten)
Zeitreihen (Monatswerte) während der Periode 1976–2000.
Parameter
Temperatur
Niederschlag
Relative Feuchte
Globalstrahlung
Bias
0.03 °C
1.2 mm
0.3 %
2
6.2 W/m
Standardabweichung
0.63 °C
37%
4.3 %
22.9 %
Die Unterschiede sind generell klein. Die Abweichungen bei der Temperatur sind gering.
Beim Niederschlag (Abbildung 14), der relativen Feuchte und der Globalstrahlung werden
etwas grössere Abweichungen verzeichnet.
Klimadaten für die Waldmodellierung
Abbildung 14:
2000).
21
Vergleich zwischen CRU- und interpolierten Niederschlagssummen (Monatswerte 1976–
3.3 Vergleich der RCM-basierten Daten mit Messwerten
Die RCM basierten Daten werden für die Periode 1982–2010 mit interpolierten
Stationswerten verglichen. Der Vergleich wird für eine Auswahl von ca. 70 Standorten der
Projekte „Thürig“ (Monatswerte) und „Adapt/Heiri“ (Tageswerte) durchgeführt (siehe
Projektliste im Kapitel 6). Die Verteilungen werden mit dem Kolmogorov-Smirnov-Test
(Espinar et al., 2009) verglichen, da der punktweise Vergleich nicht sinnvoll ist (da die zu
Grunde liegenden Globalen Klimamodelle nicht im Re-Analyse-Modus betrieben
wurden)..
Wie Abbildung 15 zeigt, sind die Unterschiede bei der Lufttemperatur generell klein. Der
Bias beträgt rund 0.1–0.3°C (Tabelle 4). Die Verteilungen werden optisch gut
wiedergegeben, wobei der Signifikanzwert dennoch leicht überschritten wird.
Bei den Minimum- und Maximumtemperaturen sind die Abweichungen etwas höher.
22
Klimadaten für die Waldmodellierung
Abbildung 15: Vergleich der kumulativen Verteilung der Tageswerte der Lufttemperatur zwischen
interpolierten Messwerten und RCM-basierten Daten (CLM) vom Projekt „Adapt/Heiri“ (1981–2010) .
Ausgezogene Linie: interpolierte Stationswerte, gestrichelte Linie: CLM-Daten; Strichpunkte: Differenz der
kumulierten Werte.
Beim Niederschlag (Abbildung 16) waren die Abweichungen die nachfolgend
beschriebenen Anpassungen deutlich. Zwar ist auch hier modellbedingt der Bias klein, die
Verteilungen unterscheiden sich allerdings klar. Alle RCM-basierten Daten weisen zu viele
Regentage mit kleinen Niederschlagsmengen und zu wenige Tage mit mittleren bis
höheren Werten auf. Der Grund dafür ist, dass die Wettermodelle den Niederschlag über
eine ganze Gitterzelle verteilen.
Auf Grund dieser Erkenntnisse wurde während des Interpolationsprozesses jeder dritte
Tag mit kleiner Niederschlagsmenge (<0.1 mm) auf null gesetzt und dieselbe Menge am
folgenden Tag wieder hinzugefügt. Damit liess sich die Verteilung der Regentage und der
Niederschlagsmengen deutlich verbessern (Abbildung 16).
Klimadaten für die Waldmodellierung
23
Abbildung 16: Vergleich der kumulativen Verteilung der Tageswerte des Niederschlags zwischen
interpolierten Stationswerten und RCM-basierten Daten (CLM) inklusive Korrektur für die kleinen
Niederschlagsmessungen für das Projekt „Adapt/Heiri“ (Periode 1981–2010). Ausgezogene Linie:
Stationsdaten, gestrichelte Linie: CLM-Daten; Strichpunkte: Differenz der kumulierten Werte.
Das Modell CLM zeigt am häufigsten (aber nicht immer) die kleinsten Abweichungen
(Tabelle 4).
Tabelle 4:
Vergleich der Verteilungen der interpolierten Stationswerte und der RCM-basierten
Daten. KSI: Kolmogorov-Smirnov-Integral-Test gemäss Espinar et al. 2009 (Periode 1981–2010). Je tiefer der
KSI over% Wert, desto besser (Werte unter 100 gelten als „gute“ Übereinstimmung).
Parameter
Modell
Temperatur
Temperatur
Temperatur
Taupunkttemperatur
Taupunkttemperatur
Taupunkttemperatur
Niederschlag
Niederschlag
Niederschlag
Globalstrahlung
Globalstrahlung
Globalstrahlung
Minimaltemperatur
Minimaltemperatur
Minimaltemperatur
Maximaltemperatur
Maximaltemperatur
Maximaltemperatur
ETa/ETp einfach
ETa/ETp einfach
ETa/ETp einfach
ECHAM5/CLM (MPI)
ECHAM5/ RegCM3 (ICTP)
ECHAM5/RCA (SMHI)
ECHAM5/CLM (MPI)
ECHAM5/ RegCM3 (ICTP)
ECHAM5/RCA (SMHI)
ECHAM5/CLM (MPI)
ECHAM5/ RegCM3 (ICTP)
ECHAM5/RCA (SMHI)
ECHAM5/CLM (MPI)
ECHAM5/ RegCM3 (ICTP)
ECHAM5/RCA (SMHI)
ECHAM5/CLM (MPI)
ECHAM5/ RegCM3 (ICTP)
ECHAM5/RCA (SMHI)
ECHAM5/CLM (MPI)
ECHAM5/ RegCM3 (ICTP)
ECHAM5/RCA (SMHI)
ECHAM5/CLM (MPI)
ECHAM5/ RegCM3 (ICTP)
ECHAM5/RCA (SMHI)
Bias
-0.1°C
-0.2°C
-0.3°C
0.2°C
0.1°C
0.4°C
-1.2%
-1.9%
-3.4%
-7%
-9%
-8%
-1.0°C
0.7°C
0.8°C
-0.7°C
0.1°C
0.1°C
0.0%
1.7%
1.9%
KSI over%
Monatswert
142
147
155
4
24
17
25
19
36
114
150
60
141
207
215
KSI over%
Tageswert
213
147
357
168
153
407
261
421
394
342
395
841
466
249
180
96
352
487
24
Klimadaten für die Waldmodellierung
Tabelle 4 zeigt, dass vor allem die Tageswerte des Niederschlags und das ETa/ETpVerhältnis zwischen den Stationswerten und den RCM-basierten Werten abweichen.
Die trotz Korrektur zu häufigen (und zu wenig starken) Niederschläge führen tendenziell
dazu, dass die tiefen ETa/ETp-Verhältnisse (trockene Zeitpunkte) zu wenig oft
vorkommen.
Dies wird deutlich, wenn die Anteile mit dem ETa/ETp-Verhältnis unterhalb 0.8 verglichen
werden (Tabelle 5). Während das CLM-Modell noch relativ kleine Abweichungen
aufweist, haben die die beiden anderen Modelle deutlich zu selten tiefe ETa/ETpVerhältnisse (ungefähr 30% zu selten).
Tabelle 5:
Anteil Zeitpunkte (1982–2010) mit ETa/ETp unter 0.7 und Anteil Regentage (> 0.9 mm).
Modell
Tageswerte
ETa/ETp < 0.7
6.2%
6.2%
4.2%
3.8%
Stationsdaten
ECHAM5/CLM (MPI)
ECHAM5/ RegCM3 (ICTP)
ECHAM5/RCA (SMHI)
Monatswerte
ETa/ETp < 0.7
7.0%
5.2%
2.5%
2.7%
Tageswerte
RR > 0.9 mm
38%
44%
46%
47%
Neben der Periode 1976–2012 wurden die Trends der einzelnen Parameter für die
Periode von 1981–2100 bestimmt (Tabelle 6). Dazu wurden die Trends von rund 55
Standorten des Projekts „Adapt/Heiri“ analysiert.
Die Trends entsprechen den Erwartungen. Die Temperaturtrends sind bei einer Schwelle
von 95% praktisch alle statistisch signifikant (Ausnahme: Temperatur beim
ECHAM5/RCA), während die Niederschlagstrends nur teilweise signifikant sind (mit
Ausnahme beim CLM).
Tabelle 6:
Trends der verschiedenen RCM-basierten Daten (Monatswerte 1981–2100).
Parameter
Modell
Temperatur
Temperatur
Temperatur
Rel. Feuchte
Rel. Feuchte
Rel. Feuchte
Niederschlag
Niederschlag
Niederschlag
Minimaltemperatur
Minimaltemperatur
Minimaltemperatur
Maximaltemperatur
Maximaltemperatur
Maximaltemperatur
ETa/ETp
ETa/ETp
ETa/ETp
ECHAM5/CLM (MPI)
ECHAM5/ RegCM3 (ICTP)
ECHAM5/RCA (SMHI)
ECHAM5/CLM (MPI)
ECHAM5/ RegCM3 (ICTP)
ECHAM5/RCA (SMHI)
ECHAM5/CLM (MPI)
ECHAM5/ RegCM3 (ICTP)
ECHAM5/RCA (SMHI)
ECHAM5/CLM (MPI)
ECHAM5/ RegCM3 (ICTP)
ECHAM5/RCA (SMHI)
ECHAM5/CLM (MPI)
ECHAM5/ RegCM3 (ICTP)
ECHAM5/RCA (SMHI)
ECHAM5/CLM (MPI)
ECHAM5/ RegCM3 (ICTP)
ECHAM5/RCA (SMHI)
Trend /
Jahrhundert
4.2°C
3.3°C
3.8°C
-3.1%
0.9%
0.5%
-12.4 mm
6.6 mm
-9.3 mm
4.0°C
3.3°C
4.1°C
4.8°C
3.2°C
3.8°C
-35%
-14%
-24%
Anteil signifikanter
Standorte [%]
100
100
20
100
36
38
62
9
18
100
100
100
100
100
100
96
98
100
Klimadaten für die Waldmodellierung
25
3.4 Mittelwerte Projekt Walthert
Für das Projekt “Walthert” wurden zusätzlich diverse langjährige Mittelwerte berechnet.
Tabelle 7 zeigt die verwendeten Definitionen. Die Berechnungen basieren auf den
Monatswerten.
Tabelle 7:
Definition der langjährigen Mittelwerte (Projekt „Walthert“)
Periode
1981–2010
Parameter
tt, ff, rh, rr, gh, tn, tx, petRO,
petPE, petPM
tt, ff, rh, rr, gh, tn, tx, petRO,
petPE, petPM
tt, ff, rh, rr, gh, tn, tx, petRO,
petPE, petPM
tx
1981–2010
1981–2010
1981–2010
1981–2100
(drei RCM)
tt, ff
Definition
Mittelwert (gesamte Periode)
Mittelwert pro Monat (gesamte Periode)
Mittelwert pro Jahr
Durchschnitt der höchsten Monatswerte
pro Jahr – Mittelwert (ges. Periode)
Mittelwert (gesamte Periode)
3.5 Trockenheitskarten
Aus den Wetterparametern und der nutzbaren Feldkapazität basierend auf dem
Lithologie- und Topografie-Ansatz (Abbildung 9), Projekt "Ergänzungen zum Projekt
Trockenstress im Schweizer Wald") werden neben den Daten für die Standortlisten auch
flächendeckende Trockenstressindex-Werte (TSI) berechnet.
Die TSI-Karten werden für die Perioden 2020–2049, 2045–2074 und 2070–2099
berechnet und basieren auf den Indizes „site wate balance“ (SWB) und dem Verhältnis
zwischen ETa/ETp (einfaches Modell, Monatsmittelwerte).
Zum Vergleich mit der heutigen Situation werden die Karten mit der Periode 1981–2010
neu berechnet. Damit auch der Einfluss der RCM-Modelle abgeschätzt werden kann, wird
diese Periode basierend auf Stationswerten und auf RCM-Daten berechnet, dargestellt
und verglichen. Zudem werden zwei Karten der Anomalien der Trockenstressindex-Karten
(ETa/ETp und SWB) zwischen den Perioden 1981–2010 und 2070–2099 berechnet
(Vergleich mit RCM-basierten Daten).
Die Periode 1981–2010 wird sowohl basierend auf den RCM als auch auf den
interpolierten Stationswerten kartiert (Abbildungen 17, 18, 24 und 25). Bei der SWB sind
beide Varianten sehr ähnlich. Beim ETa/ETp-Verhältnis zeigen auf CLM basierenden
Karten trockenere Verhältnisse an.
Sowohl die SWB- als auch die ETa/ETp-Karten zeigen deutlich, dass der Trockenstress mit
dem Szenario A1B im 21. Jahrhundert verbreitet zunehmen wird. Die Nordschweiz
(Pruntruter Zipfel – Schaffhausen), das westliche Mittelland und das Tessin weisen die
schnellsten Änderungen auf. In diesen Gebieten wird bereits ab der Jahrhundertmitte
verstärkt Trockenstress auftreten. In der Periode 2071–2099 wird dies auch im restlichen
Mittelland der Fall sein. Nur in den nördlichen Voralpen wird es Gebiete geben, die
keinen Trockenheit aufweisen. Die Unterschiede zwischen den Modellen sind allerdings
beträchtlich (Abbildungen 20–22 und 28–30).
26
Klimadaten für die Waldmodellierung
Abbildung 17:
Mittlere Augustwerte der SWB 1981 – 2010 basierend auf Stationsdaten.
Abbildung 18:
Mittlere Augustwerte der SWB 1981 – 2010 basierend auf RCM-Modell CLM.
Klimadaten für die Waldmodellierung
Abbildung 19:
Mittlere Augustwerte der SWB 2020 – 2049 basierend auf RCM-Modell CLM.
Abbildung 20:
Mittlere Augustwerte der SWB 2045 – 2074 basierend auf RCM-Modell CLM.
27
28
Klimadaten für die Waldmodellierung
Abbildung 21:
Mittlere Augustwerte der SWB 2070 – 2099 basierend auf RCM-Modell CLM.
Abbildung 22:
Mittlere Augustwerte der SWB 2070 – 2099 basierend auf RCM-Modell RCA.
Klimadaten für die Waldmodellierung
Abbildung 23:
Mittlere Augustwerte der SWB 2070 – 2099 basierend auf RCM-Modell RegCM3.
Abbildung 24:
Mittlere Augustwerte der ETa/ETp 1981 – 2010 basierend auf Stationsdaten.
29
30
Klimadaten für die Waldmodellierung
Abbildung 25:
Mittlere Augustwerte der ETa/ETp 1981 – 2010 basierend auf RCM-Modell CLM.
Abbildung 26:
Mittlere Augustwerte der ETa/ETp 2020 – 2049 basierend auf RCM-Modell CLM.
Klimadaten für die Waldmodellierung
Abbildung 27:
Mittlere Augustwerte der ETa/ETp 2045 – 2074 basierend auf RCM-Modell CLM.
Abbildung 28:
Mittlere Augustwerte der ETa/ETp 2070 – 2099 basierend auf RCM-Modell CLM.
31
32
Klimadaten für die Waldmodellierung
Abbildung 29:
Mittlere Augustwerte der ETa/ETp 2070 – 2099 basierend auf RCM-Modell RCA.
Abbildung 30:
Mittlere Augustwerte der ETa/ETp 2070 – 2099 basierend auf RCM-Modell RegCM3.
Klimadaten für die Waldmodellierung
33
Das RCA-Modell und vor allem das RegCM3-Modell zeigen bei beiden Trockenheitsindizes
deutlich kleinere Änderungen als das CLM-Modell. Bei beiden sind nur das Südtessin, die
Nordwestschweiz (Pruntruter Zipfel, Baselland) und das westliche Mittelland betroffen
(Abbildung 33 und 34). Die grössten Unterschiede zwischen den Modellen sind im Tessin
(v.a. Sopraceneri) zu sehen. Beim RegCM3-Modell sind Ende des Jahrhunderts die
gleichen Zustände wie beim CLM-Modell Mitte des Jahrhunderts zu erwarten.
Die Unterschiede zwischen verschiedenen Trockenstress-Indizes sind deutlich kleiner als
zwischen den regionalen Klimamodellen (d.h. die Unterschiede und damit auch die
Unsicherheiten beruhen nicht auf Indizes sondern auf den Klimawerten).
Die regional unterschiedlichen Modellunterschiede zeigen auch auf, in welchen Regionen
die Unsicherheit bezüglich der zukünftigen Entwicklung am grössten ist.
Die Anomalie-Karten (Abbildungen 31–34) zeigen, dass die grössten Änderungen im
Bereich vom Baselland, Seeland und im Tessin (beim CLM-Modell) auftreten. Beide
Parameter zeigen bei den Details aber auch Abweichungen (z.B. im westlichen Jura, wo
nur beim ETa/ETp-Verhältnis grössere Differenzen auftreten).
Abbildung 35 enthält die Standardabweichung der Anomalien des ETa/ETp-Verhältnisses
zwischen 2070–99 und 1981–2010.
Die grössten Schwankungen – sprich Unsicherheiten – sind im Tessin und Südbünden zu
sehen. Auch im Aargau sind die Unterschiede gross. Im Gebiet Pilatus-Glaubenberg und
Glarus sind die Unterschiede hingegen klein (dort bleibt die Trockenheit klein).
Abbildung 31:
Modell CLM.
Anomalie-Karte der Augustwerte der SWB 2070–2099 vs. 1981–2010 basierend auf RCM-
34
Klimadaten für die Waldmodellierung
Abbildung 32: Anomalie-Karte der Augustwerte der ETa/ETp 2070–2099 vs. 1981–2010 basierend auf
RCM-Modell CLM.
Abbildung 33: Anomalie-Karte der Augustwerte der ETa/ETp 2070–2099 vs. 1981–2010 basierend auf
RCM-Modell RCA.
Klimadaten für die Waldmodellierung
35
Abbildung 34: Anomalie-Karte der Augustwerte der ETa/ETp 2070–2099 vs. 1981–2010 basierend auf
RCM-Modell RegCM3.
Abbildung 35: Standardabweichung der Anomalie-Karten der Augustwerte der ETa/ETp 2070–2099 vs.
1981–2010 basierend auf den drei RCM-Modellen.
36
Klimadaten für die Waldmodellierung
4 Diskussion
Das Ziel des Projekts konnte erreicht werden. Die Trockenheitsindizes wurden sowohl für
einzelne Standorte als auch flächendeckend berechnet.
Der Vergleich der Trockenheitskarten der Ausgangsperiode 1981–2010 (gemessen) mit
den Modellen zeigt, dass diese die TSI-Werte relativ gut wiedergeben können, obwohl bei
der Häufigkeitsverteilung des Niederschlags die Unterschiede zwischen der Messung und
dem Modell gut sichtbar sind.
Die Unterschiede in der Zukunft zwischen den drei ausgewählten Modellen sind sehr
gross, obwohl alle auf dem A1B-Szenario und dem globalen Modell ECHAM5 basieren.
Beim CLM-Modell nehmen die TSI-Werte stark zu. Nur am Alpennordhang bleibt die
Wasserverfügbarkeit praktisch immer hoch. Beim RCA- und vor allem beim RegCM3Modell sind die Änderungen deutlich kleiner. In der Nordwestschweiz (Pruntruter Zipfel –
Schaffhausen) und im westlichen Mittelland (Seeland – Genf) zeigen aber alle Modelle
eine klare Zunahme des Trockenstresses. Im Tessin und in Südbünden sind die
Unsicherheiten am grössten. Beim CLM nimmt die Trockenheit stark zu, bei den anderen
beiden Modellen nur schwach und hier wiederum hauptsächlich im Sottoceneri.
Diverse Klimaforschungsgruppen erarbeiten nun im Rahmen des Projekts CORDEX14
bessere und höher aufgelöste regionale Klimamodelle, die auf den neusten globalen
Modellen basieren. Die Auflösung der Modelle steigt dabei von 25 auf 12 km, wobei für
die Schweiz einige Modelle auch in höherer Auflösung (3 km) zur Verfügung stehen
werden. Darauf basierend erarbeitet MeteoSchweiz neue Klimaszenarien für die Schweiz
(CH201815). Damit besteht die Aussicht, dass in einigen Jahren die Unsicherheiten des
«Downscalings» in Zukunft verringert werden können.
14
http://wcrp-cordex.ipsl.jussieu.fr/
http://www.meteoschweiz.admin.ch/home/forschung-und-zusammenarbeit/
nccs/themenschwerpunkte/klimaszenarien-ch2018.html
15
Klimadaten für die Waldmodellierung
37
5 Literatur
Dullinger S. et al., 2012: Extinction debt of high-mountain plants under twenty-first-century climate change.
nature climate change; DOI: 10.1038/NCLIMATE1514
Bella Espinar, Lourdes Ramírez, Anja Drews, Hans Georg Beyer, Luis F. Zarzalejo, Jesús Polo, Luis Martín,
Analysis of different comparison parameters applied to solar radiation data from satellite and German
radiometric stations, Solar Energy, Volume 83, Issue 1, January 2009, Pages 118-125, ISSN 0038-092X,
http://dx.doi.org/10.1016/j.solener.2008.07.009.
Grier, C.G. and S.W. Running, 1977: Leaf Area of Mature Northwestern Coniferous Forests: Relation to Site
Water Balance. Ecology, Vol. 58, No. 4 (Jul., 1977), pp. 893-899.
Hewitt, C. D. and D. J. Griggs, 2004: Ensembles-based Predictions of Climate Changes and their Impacts. Eos,
85, p566.
Keuler, Klaus; Lautenschlager, Michael; Wunram, Claudia; Keup-Thiel, Elke; Schubert, Martina; Will,
Andreas; Rockel, Burkhardt; Boehm, Uwe, 2009: Climate Simulation with CLM, Scenario A1B run no.2, Data
Stream 2: European region MPI-M/MaD; World Data Center for Climate (WDCC).
http://dx.doi.org/10.1594/WDCC/CLM_A1B_2_D2
Meehl, G.A., T.F. Stocker, W.D. Collins, P. Friedlingstein, A.T. Gaye, J.M. Gregory, A. Kitoh, R. Knutti, J.M.
Murphy, A. Noda, S.C.B. Raper, I.G. Watterson, A.J. Weaver and Z.-C. Zhao, 2007: Global Climate
Projections. In: Climate Change 2007: The Physical Science Basis.
Mitchell, T. D., et al, 2003: A comprehensive set of climate scenarios for Europe and the globe. Tyndall
Centre Working Paper 55. ABSTRACT AND WHOLE PAPER
Remund, J., Frehner, M., Walthert, L., Kägi, M., Rihm, B. 2011. Schätzung standortsspezifischer
Trockenstressrisiken in Schweizer Wäldern. Meteotest, 2011, im Auftrag des BAFU und der WSL.
Remund J. und B. Rihm, 2016: Forschungsprogramm Wald und Klimawandel. Ergänzungen zum Projekt
Trockenstress im Schweiz Wald. Birmensdorf, Eidg. Forschungsanstalt für Wald, Schnee und Landschaft
WSL; Bundesamt für Umwelt. 22 Seiten.
Schär, C., 2013: mündliche Kommunikation. Tabor, K. and J.W. Williams, 2010: Globally downscaled climate
projections for assessing the conservation impacts of climate change. Ecological Applications, 20(2), 2010,
pp. 554-565. http://futureclimates.conservation.org/TaborWilliams2010EcolApp_GlobalDownscaleAR4.pdf
Zelenka, A., G. Czeplak.,V. D'Agostino, J. Weine., E. Maxwell., R. Perez, M. Noia, C. Ratto and R. Festa, 1992:
Techniques for supplementing solar radiation network data, Volume 1-3. IEA Report No.IEA-SHCP-9D-1.
38
Klimadaten für die Waldmodellierung
6 Anhang
6.1 Projektablauf
Das Projekt startete mit einigen Wochen Verspätung auf Grund von Verzögerungen
seitens des Auftraggebers. Der erste Meilenstein (Auswahl der Klimamodelle; 31.5.2013)
konnte trotzdem eingehalten werden. Die weitere Bearbeitung verzögerte sich ebenfalls.
Die Datenwünsche der Projekte waren umfassender als angenommen, weshalb der
Prozess der Definition der zu liefernden Parameter länger dauerte als geplant. Deshalb
war eine ergänzende Offerte im August notwendig.
Die Datenlieferung an die einzelnen Projekte startete auf Grund von dringenden
Datenbedürfnissen bereits vor dem eigentlichen Start des Projekts (im April 2013). Die
ersten Lieferungen, die durch die Nachtragsofferte abgedeckt wurden, wurden ebenfalls
rasch und unbürokratisch im August geliefert. Die Programmierung war für
Datenlieferungen von einigen hundert Standorten pro Projekt ausgerichtet. Die Projekte
Zimmermann, Walthert und Wermelinger umfassten jedoch einige tausend Standorte in
täglicher Auflösung. Diese grossen Datenmengen führten denn auch zu einer Verspätung
der Auslieferung der Daten. Das letzte Projekt „Wermelinger“ wurde am 6.1.2014.
beliefert. Insgesamt wurden Daten für ca. 18‘000 Punkte mit einem Datenvolumen von
mehr als 20 GB berechnet (Tabelle 8).
Die korrigierte SWB wurde für alle Projekte bis am 30. Januar 2014 geliefert.
Die erste Version der nFK-Karte von 2013 wurde im September 2014 aufdatiert. Für
Böden mit hohem Stauwassergehalt wurden die Inputdaten (Bodenmessnetz der WSL)
nach unten korrigiert (ein spezieller Zuschlag für diese Böden wurde nicht mehr
berücksichtigt). Dies führte dazu, dass in diesen Gebieten die nFK tiefer ausfiel. Die von
der nFK abhängigen Daten wurden danach neu berechnet und an die Projektpartner neu
ausgeliefert.
Klimadaten für die Waldmodellierung
39
Tabelle 8:
Liste der 12 Forschungsprojekte, die mit Klimadaten beliefert wurden. Für die Periode
1981–2100 wurden drei Varianten geliefert (RCA, RegCM3 und CLM).
Projektname
Adapt/Heiri
Adapt/Heiri
Braun
Braun
Bugmann
Bugmann
Conedera
Conedera
Gugerli
Gugerli
Gugerli
Hanewinkel
Hanewinkel
Hanewinkel
Rigling
Rigling
Thürig
Thürig
Thürig
Walthert
Walthert
Weber
Weber
Weber
Wermelinger
Wermelinger
Wermelinger
Zimmermann
Zimmermann
Zimmermann
Periode
1931 – 2012
1981 – 2100
2011 – 2012
1981 – 2100
1976 – 2012
1981 – 2100
1976 – 2012
1981 – 2100
1901 – 2000
1976 – 2012
1981 – 2100
1901 – 2000
1976 – 2012
1981 – 2100
1901 - 2000
2011 – 2012
1901 – 2000
1982 – 2012
1981 – 2100
1976 – 2012
1981 – 2100
1901 – 2000
1976 – 2012
1981 – 2100
1976 – 2012
1976 – 2012
1981 – 2100
1901 - 2000
1976 – 2012
1981 – 2100
Anzahl Punkte
280
280
193
193
7288
7288
132
132
85
85
85
746
746
5086
193
193
5086
7288
5086
7807
7807
50
50
50
406
13581
13581
5584
5584
5584
Zeitl. Auflösung
Monats/Tageswerte
Tageswerte
Tageswerte
Tageswerte
Monatswerte
Monats/Tageswerte
Tageswerte
Tageswerte
Monatswerte
Monats/Tageswerte
Monats/Tageswerte
Monatswerte
Monatswerte
Monatswerte
Monatswerte
Tageswerte
Monatswerte
Monatswerte
Monatswerte
Tageswerte
Tageswerte
Monatswerte
Monatswerte
Monatswerte
Tageswerte
Tageswerte
Tageswerte
Monatswerte
Tageswerte
Tageswerte
Lieferungsdatum
23.8.2013
28.8.2013
2.9.2013
30.10.2013
2.9.2013
25.10.2013
30.10.2013
30.10.2013
25.10.2013
25.10.2013
25.10.2013
20.8.2013
30.8.2013
12.9.2013
8.11.2013
8.11.2013
20.8.2013
3.4.2013
5.9.2013
9.12.2013
9.12.2013
1.11.2013
1.11.2013
1.11.2013
16.8.2013
7.1.2014
6.1.2014
22.11.2013
22.11.2013
22.11.2013

Download Report