Projektstart: 01.01.2017

Laufzeit: 2 Jahre

Förderung: Bayerisches Staatsministerium für Umwelt und Gesundheit

Leitung: Harald Kunstmann

Beteiligte Wissenschaftler: Patrick Laux, Manuel Lorenz

Kurzbeschreibung

Angesichts der globalen Erwärmung wächst die Besorgnis über die Auswirkungen des Klimawandels auf regionaler und lokaler Ebene. Selbst hochauflösende regionale Klimamodelle sind in der Regel nicht in der Lage, beobachtete kleinräumige Klimamerkmale zu reproduzieren, insbesondere in Bergregionen. Signifikante Abweichungen in simulierten meteorologischen Feldern, wie z.B. Niederschlag und Temperatur lassen eine direkte Verwendung des Modelloutputs in nachfolgenden Wirkungsmodellen in der Hydrologie, Landwirtschaft oder anderen Disziplinen nicht zu. Wir untersuchen die Möglichkeit, Copula-basierte multivariate Statistiken zum Downscaling und zur Biaskorrektur von regionalen Klimamodelloutputs anzuwenden.

Im Gegensatz zu herkömmlichen Ansätzen des korrelationsbasierten statistischen Downscalings ermöglichen Copula-basierte Methoden eine äußerst flexible Berücksichtigung der Abhängigkeit zwischen lokalen, kleinräumigen Klimaeigenschaften und regionalen oder globalen Zusammenhangs. Der Ansatz ermöglicht es, Abhängigkeiten zwischen Variablen zu modellieren, ohne auf Normalverteilungen festgelegt zu sein. Darüber hinaus kann die Abhängigkeit von Variablen unabhängig von den Randverteilungen analysiert werden. Unsere Analyse konzentriert sich auf die Abhängigkeitsstruktur zwischen beobachteten und dynamisch meodellierten Feldern von Niederschlag und Temperatur.

Zum ersten Mal wenden wir die Copula-basierte Analyse auf kontinuierliche Zeitreihen an, indem wir eine ARMA-GARCH-Transformation auf die Zeitreihe angewenden und so iid-Datensätze (unabhängig und identisch verteilt) zu erhalten.

Verschiedene theoretische Copula-Familien werden untersucht und Anpassungsgütetests durchgeführt, um die optimale Auswahl zu treffen. Basierend auf den abgeleiteten theoretischen Copula-Modellen werden stochastische Simulationen durchgeführt, um die Unsicherheiten der erhaltenen Ergebnisse zu quantifizieren.

Im Projektverlauf wird die entwickelte neue Methode zur lokalen Verfeinerung und Bias-Korrektur aktueller RCM-Simulationen für Deutschland und den Alpenraum angewendet. Ein Vergleich der Ergebnisse mit herkömmlichen Bias-Korrekturmethoden wie Quantil-Mapping muss nun den Nutzen des Copula-basierten Ansatzes zeigen.