Statistische Aufbereitung von Klimaprojektionen: Downscaling und multivariate Bias-Adjustierung ; Im Rahmen des BMVI-Expertennetzwerkes entwickelte Verfahren zum Postprocessing von Klimamodelldaten

Abstract

Zusammenfassung: Klimaprojektionsdaten liegen originär auf einem Gitter vor, das für die Ableitung von Anpassungsmaßnahmen an den Klimawandel vor Ort zu grob ist. Zudem sind Klimaprojektionsdaten eventuell mit systematischen Ungenauigkeiten (Bias) behaftet, die insbesondere bei der Analyse schwellenwertbezogener Indizes die Ergebnisse verfälschen können.

In diesem Bericht wird ein Verfahren zur multivariaten Bias-Adjustierung vorgestellt und bewertet. Multivariat bedeutet in diesem Zusammenhang, dass korrelierte Variablen gemeinsam adjustiert werden, was die Korrelation zwischen solchen Variablen erhält und insbesondere in der Klimafolgenforschung von enormer Wichtigkeit ist.

Es schließt sich die Vorstellung eines statistischen Verfahrens zur Generierung von höheren räumlichen Auflösungen der Modelldaten (Downscaling) an. Hierbei wird die originäre Modellauflösung von ~ 11 km x 11 km unter Zuhilfenahme einer Hauptkomponentenanalyse (Principal Component Analysis), der Ermittlung statistischer Beziehungen zwischen den originären Modelldaten und der ermittelten Hauptkomponenten und der Anwendung dieser Beziehungen auf hochauflösende Daten, zur Generierung eines Datensatz mit einer Zielauflösung von 5 km x 5 km genutzt.

Die Methode wurde im Rahmen des BMVI-Expertennetzwerkes „Wissen – Können – Handeln“ entwickelt und auf ein Ensemble von Klimaprojektionsdaten angewendet. Die Ergebnisse liefern wesentliche Beiträge in diesem Ressortforschungsprogramm, im Rahmen der Klimawirkungs- und Risikoanalyse 2021 und im Kontext der Deutschen Anpassungsstrategie an den Klimawandel sowie für Beratungsleistungen des Deutschen Wetterdienstes..