In dieser Arbeit werden die Strahlungseigenschaften von Wolken in einem sich durch eine Erhöhung der atmosphärischen CO2-Konzentration verändernden Klima mit Hilfe eines Klimamodells untersucht. Die Veränderung der Strahlungseigenschaften von Wolken kann die Erwärmung des bodennahen Klimas, die aus der erhöhten CO2-Konzentration resultiert, verstärken oder dämpfen. Dieser Effekt wird als Wolkenrückkopplung bezeichnet und stellt in der aktuellen Generation von Klimamodellen die primäre Quelle der Unsicherheit für deren Klimasensitivität gegen über einer Verdopplung der CO2-Konzentration dar. Um die Unsicherheit in den Wolkenrückkopplungen, die aus unsicheren Werten von Parametern zur Beschreibung konvektiver und stratiformer Wolkenprozesse resultiert, abzuschätzen, wird basierend auf dem voll gekoppelten Klimamodell EGMAM ein 31-Mitglieder-Ensemble von Modellversionen generiert, die sich in den Werten von ausgewählten Parametern der Wolkenschemata unterscheiden. Mit diesem Ensemble von Klimamodellversionen werden Klimaänderungsexperimente durchgeführt, um die Parameterunsicherheit, welche die Auswirkungen einer Änderung der unsicheren Parameterwerte auf die Wolkenrückkopplungen beschreibt, zu untersuchen. Im Rahmen dieser Arbeit wird eine effziente Methode entwickelt, die es ermöglicht, erstmals eine Abschätzung der Änderung des Gleichgewichtzustands des Klimas nach einer Verdopplung der CO2-Konzentration mit einem Ensemble von Modellen durchzuführen, die auch Änderungen der Ozeanzirkulation berücksichtigen. Die Ergebnisse der Klimaänderungsexperimente werden für die für Wolkenrückkopplungen relevanten Größen präsentiert und eine Abschätzung des Einfußes der unsicheren Parameter auf die unterschiedlichen Klimasignale gegeben. Dadurch können zwei entscheidende Mechanismen für die simulierten Wolkenrückkopplungen identifiziert werden: (i) eine Zunahme der maximalen Wolkenhöhe in den Aufstiegsregionen führt zur Verstärkung des Treibhauseffekts der Wolken (positive Rückkopplung) und (ii) eine Zunahme des Flüssigwassergehalts mariner, bodennaher Wolken in Regionen konvektiven Aufstiegs führt zur Verstärkung des Albedoeffekts dieser Wolken (negative Rückkopplung). Dabei ist insbesondere die Unsicherheit in der Änderung des Flüssigwassergehalts mariner bodennaher Wolken der Tropen sehr hoch ist. Unabhängig von den gewählten Parameterwerten zeigen sich jedoch für alle Modellversionen positive langwellige Wolkenrückkopplungen und negative kurzwellige Wolkenrückkopplungen. Dabei sind die jeweiligen Stärken der negativen und positiven Wolkenrückkopplungen innerhalb des Ensembles antikorreliert, was zur Folge hat, dass die daraus resultierende Verteilung der Gesamtrückkopplung der Wolken und der ebenfalls daraus resultierenden Klimasensitivität der Modellversionen wenig Streuung zeigen. Ein Vergleich mit den Resultaten eines Ensembles von Modellversionen eines anderen Klimamodells zeigt wesentliche Unterschiede in der Streuung der Rückkopplungen und der Klimasensitivität. Dadurch wird erstmals eine Modellabhängigkeit der durch Parameterstörungen gewonnenen Unsicherheitsanalyse deutlich.
This Thesis investigates the radiative properties of clouds in a modelled climate system when forced by an increase of atmospheric CO2 concentration. The change in near surface climate caused by the increase of CO2 concentration can be strengthened or dampened by the change of radiative properties of clouds. This e_ect is called cloud feedback and is currently the primary source of uncertainty in climate model sensitivity to a doubling of the CO2 concentration. In order to quantify uncertainties in cloud feedbacks arising from cloud parameterization schemes a 32-member ensemble of climate models is generated by perturbing the values of important parameters in the corresponding cloud schemes of the fully coupled climate model EGMAM. To analyse parametric uncertainty, which represents the impact of uncertain parameter values on simulation results, climate change experiments are carried out for the ensemble of models. For such experiments a realistic simulation of the change in sea surface temperature is of crucial importance in particular for cloud feedbacks, thus, a key development presented in this thesis is an e_ective method to estimate the equilibrium change due to a doubling of the CO2 concentration for an ensemble of climate models with a comprehensive ocean component. Results of these climate change experiments are presented for quantities relevant to cloud feedbacks and parametric uncertainty for different climate signals is quantified. Two main drivers for the simulated cloud feedbacks can be identifed: (i) an increase in cloud height leading to a strengthened greenhouse effect of clouds (a positive feedback) and (ii) an increase in liquid water content especially of marine low-clouds in the tropics resulting in an increase of cloud albedo (a negative feedback). Changes in these quantities, especially for the liquid water content of marine boundary layer clouds in the tropics, show that parametric uncertainty can lead to considerable differences in cloud feedback processes between perturbed model versions of state-of-the art climate models. An analysis of the contribution of individual perturbation parameters to parametric uncertainty shows that the entrainment rate for turbulent entrainment and the conversion rate from cloud water to rain in updrafts play an important role in determining the simulated cloud feedbacks. Nevertheless, independent of the choice of parameter values, all ensemble members show positive longwave and negative shortwave cloud feedbacks. As an important result, an anti- correlation of longwave and shortwave cloud feedbacks is found within the ensemble of model versions which leads to low variance in (negative) total cloud feedback and climate sensitivity. A comparison of results from perturbed physics ensemble using a different climate model shows substantial differences in the simulation of climate feedbacks as well as the relationships between them. These differences to the EGMAM results lead to different estimates of climate sensitivity and thus, for the first time a model dependence of perturbed physics results is shown. This finding leads to the conclusion that parametric uncertainty is different from structural uncertainty in climate models. Therefore, a comprehensive quantification of model uncertainty in future climate change should include the analysis the analysis of multi-model and perturbed-physics ensembles.
