Im März 2013 betitelte Joachim Müller-Jung einen Artikel in der FAZ sehr treffend mit
Wer die Welt simuliert, hat die Wahrheit nicht gepachtet
Wie viel Realität steckt in Klimamodellen? Fakt ist: Die Komplexitäten nehmen zu, die Unsicherheiten aber auch. Wie kann die Forschung da glaubwürdig bleiben?Weiterlesen auf faz.net.
Wir wollen heute einen weiteren Streifzug durch die Modellierungswelt wagen. Die Branche befindet sich bekanntlich in einer tiefen Sinnkrise. Man hatte eifrig drauflos modelliert aber die zahlreichen Prognosefehlschläge gehen mittlerweile an die Substanz. Eine erste Welle der Selbstkritik geht durch die Fachwelt. Nicht alles ist so rosig wie man es lange nach außen hin und gegenüber den staatlichen Geldgebern dargestellt hatte.
Am 21. Februar 2013 gab die Universität Göteborg eine Pressemitteilung heraus, dessen Titel bereits aufhorchen lässt: „Die Klimamodelle sind nicht gut genug“. Im Rahmen eines Promotionsprojektes wurde herausgefunden, dass Klimamodelle die in den letzten 50 Jahren in China beobachteten Veränderungen der extremen Regenfälle nicht nachvollziehen können:
Climate models are not good enough
Only a few climate models were able to reproduce the observed changes in extreme precipitation in China over the last 50 years. This is the finding of a doctoral thesis from the University of Gothenburg, Sweden. Climate models are the only means to predict future changes in climate and weather. “It is therefore extremely important that we investigate global climate models’ own performances in simulating extremes with respect to observations, in order to improve our opportunities to predict future weather changes,” says Tinghai Ou from the University of Gothenburg’s Department of Earth Sciences. Tinghai has analysed the model simulated extreme precipitation in China over the last 50 years. “The results show that climate models give a poor reflection of the actual changes in extreme precipitation events that took place in China between 1961 and 2000,” he says. “Only half of the 21 analysed climate models analysed were able to reproduce the changes in some regions of China. Few models can well reproduce the nationwide change.”
Probleme mit der Regenmodellierung gibt es aller Orten. Auch in den USA kriegen die Modelle die historische Niederschlagsentwicklung einfach nicht in den Griff, wie Mishra et al. (2012) und Knappenberger und Michaels (2013) zeigen konnten. Ähnliches fanden Stratton & Stirling (2012) und Ramirez-Villegas et al. (2013) auf globaler Ebene. Auszug aus der Kurzfassung des zuletzt genannten Papers:
Climatological means of seasonal mean temperatures depict mean errors between 1 and 18 ° C (2–130% with respect to mean), whereas seasonal precipitation and wet-day frequency depict larger errors, often offsetting observed means and variability beyond 100%. Simulated interannual climate variability in GCMs warrants particular attention, given that no single GCM matches observations in more than 30% of the areas for monthly precipitation and wet-day frequency, 50% for diurnal range and 70% for mean temperatures. We report improvements in mean climate skill of 5–15% for climatological mean temperatures, 3–5% for diurnal range and 1–2% in precipitation. At these improvement rates, we estimate that at least 5–30 years of CMIP work is required to improve regional temperature simulations and at least 30–50 years for precipitation simulations, for these to be directly input into impact models. We conclude with some recommendations for the use of CMIP5 in agricultural impact studies.
Soncini & Bocchiola (2011) hatten sich den Schneefall in den Italienischen Alpen angeschaut. Auch hier wieder das gleiche Bild: Die real gemessene Entwicklung kann von den Modellen nicht reproduziert werden. Schlimmer noch, die Zukunftsprojektionen verschiedener Modelle weichen stark voneinander ab. Hier die Kurzfassung der bemerkenswerten Arbeit:
General Circulation Models GCMs are widely adopted tools to achieve future climate projections. However, one needs to assess their accuracy, which is only possible by comparison of GCMs’ control runs against past observed data. Here, we investigate the accuracy of two GCMs models delivering snowfall that are included within the IPCC panel’s inventory (HadCM3, CCSM3), by comparison against a comprehensive ground data base (ca. 400 daily snow gauging stations) located in the Italian Alps, during 1990–2009. The GCMs simulations are objectively compared to snowfall volume by regionally evaluated statistical indicators. The CCSM3 model provides slightly better results than the HadCM3, possibly in view of its finer computational grid, but yet the performance of both models is rather poor. We evaluate the bias between models and observations, and we use it as a bulk correction for the GCMs‘ snowfall simulations for the purpose of future snowfall projection. We carry out stationarity analysis via linear regression and Mann Kendall tests upon the observed and simulated snowfall volumes for the control run period, providing contrasting results. We then use the bias adjusted GCMs output for future snowfall projections from the IPCC-A2 scenario. The two analyzed models provide contrasting results about projected snowfall during the 21st century (until 2099). Our approach provides a first order assessment of the expected accuracy of GCM models in depicting past and future snowfall upon the (Italian) Alps. Overall, given the poor depiction of snowfall by the GCMs here tested, we suggest that care should be taken when using their outputs for predictive purposes.
Bloß aus den Wolken gegriffen?
Im Juni 2013 hatten sich Axel Lauer und Kevin Hamilton im Journal of Climate die Wolken in den Klimamodellen vorgenommen. Auch hier keine Entwarnung: Jedes Modell macht etwas anderes und die reale Entwicklung will sich einfach nicht in die Rechenkästen pressen lassen. Hier die Kurzfassung der Arbeit:
Clouds are a key component of the climate system affecting radiative balances as well as the hydrological cycle. Previous studies from the Coupled Model Intercomparison Project Phase 3 (CMIP3) showed quite large biases in the simulated cloud climatology affecting all GCMs [global climate models] as well as a remarkable degree of variation among the models, which represented the state-of-the-art circa 2005. Here we measure the progress that has been made in recent years by comparing mean cloud properties, interannual variability, and the climatological seasonal cycle from the CMIP5 models with satellite observations and with results from comparable CMIP3 experiments. We focus on three climate-relevant cloud parameters: cloud amount, liquid water path, and cloud radiative forcing. We show that intermodel differences are still large in the CMIP5 simulations. We find some small improvements of particular cloud properties in some regions in the CMIP5 ensemble over CMIP3. In CMIP5 there is an improved agreement of the modeled interannual variability of liquid water path as well as of the modeled longwave cloud forcing over mid and high latitude oceans with observations. However, the differences in the simulated cloud climatology from CMIP3 and CMIP5 are generally small and there is very little to no improvement apparent in the tropical and subtropical regions in CMIP5. Comparisons of the results from the coupled CMIP5 models with their atmosphere-only versions run with observed SSTs show remarkably similar biases in the simulated cloud climatologies. This suggests the treatments of subgrid-scale cloud and boundary layer processes are directly implicated in the poor performance of current GCMs [global climate models or general circulation models] in simulating realistic cloud fields.
Man könnte fast jeden Modellierungsparameter nehmen, immer geht es daneben. Ein weiteres Beispiel ist die Bodenfeuchtigkeit, die laut einer Analyse von Tim Ball in den IPCC-Modellen nicht korrekt wiedergegeben wird. Probleme gibt es auch bei Gewitterstürmen, wie Anthony Watts auf WUWT zeigte. Oder nehmen wir den Luftdruck. Gemäß Przybylak et al. 2012 hat er sich seit Anfang des 19. Jahrhunderts bis heute nicht großartig verändert. Die Modelle hingegen fordern einen signifikanten Trend, den die Forscher als „anthropogenen Fingerabdruck“ verkauft hatten. Das ging nun kräftig schief.
Auch beim Blick zurück in die weitere geologische Vergangenheit machen die Klimamodelle keine gute Figur. Während der letzten Zwischeneiszeit bzw. Warmzeit vor 120.000 Jahren, dem sogenannten „Eem“, war es wärmer als heute. Allerdings können es die Klimamodelle aus irgendeinem Grund nicht korrekt nachvollziehen, wie in einem am 29. August 2014 in Climate of the Past erschienenen Paper bemängelten:
We find that for annual temperatures, the overestimation is small, strongly model-dependent (global mean 0.4 ± 0.3 °C) and cannot explain the recently published 0.67 °C difference between simulated and reconstructed annual mean temperatures during the LIG thermal maximum. However, if one takes into consideration that temperature proxies are possibly biased towards summer, the overestimation of the LIG thermal maximum based on warmest month temperatures is non-negligible with a global mean of 1.1 ± 0.4 °C.
Eine andere nur wenige Tage zuvor veröffentlichte Arbeit von Dolan et al. beschäftigt sich mit dem Pliozän vor 3 Millionen Jahren. Die Aufgabe für 9 Modelliergruppen bestand darin, unter den Bedingungen der Pliozän-Warmzeit die Eisbedeckung von Grönland zu errechnen. Damals war es deutlich wärmer als heute und der Meeresspiegel war höher, also etwa die Umstände, die Klimamodelle heute als Zukunftsszenarios für das Ende des 21. Jahrhunderts ermitteln. Die Untersuchung endete in einer großen Überraschung: Zwischen „eisfrei“ und „Eis etwa wie heute“ war bei den verschiedenen Modellen alles dabei. Der Grund für die Divergenz: Jedes Modell simulierte die lokalen Albedoeigenschaften in Grönland anders. Diese sind jedoch entscheidend für die Eisbedeckung der Insel. Bei Licht besehen sind Zukunftsmodellierungen folglich ein einziges Lotteriespiel.
Gehen wir abschließend noch einen Schritt weiter zurück, in das mittlere Miozän vor 14 Millionen Jahren. Eine Studie von Goldner et al. aus dem März 2014 fand, dass die Klimamodelle satte vier Grad daneben liegen. Die Autoren vermuten u.a., dass bestimmte Klimafaktoren in den Modellen fehlen könnten. Ein interessanter Gedanke…
Hier ein Auszug aus der Kurzfassung der Arbeit:
The mid-Miocene climatic optimum (MMCO) is an intriguing climatic period due to its above-modern temperatures in mid-to-high latitudes in the presence of close-to-modern CO2 concentrations. We use the recently released Community Earth System Model (CESM1.0) with a slab ocean to simulate this warm period, incorporating recent Miocene CO2 reconstructions of 400 ppm (parts per million). We simulate a global mean annual temperature (MAT) of 18 °C, ~4 °C above the preindustrial value, but 4 °C colder than the global Miocene MAT we calculate from climate proxies. […] Our results illustrate that MMCO warmth is not reproducible using the CESM1.0 forced with CO2 concentrations reconstructed for the Miocene or including various proposed Earth system feedbacks; the remaining discrepancy in the MAT is comparable to that introduced by a CO2 doubling. The model’s tendency to underestimate proxy derived global MAT and overestimate the Equator to pole temperature gradient suggests a major climate problem in the MMCO akin to those in the Eocene. Our results imply that this latest model, as with previous generations of climate models, is either not sensitive enough or additional forcings remain missing that explain half of the anomalous warmth and pronounced polar amplification of the MMCO.
