klimamodelle

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?

Das schöne in der Wissenschaft ist, dass man sich ganz phantastische Modelle ausdenken kann und dabei seine Kreativität voll ausleben kann. Und weil es nicht nur einen Wissenschaftler gibt, sondern ganz viele, gibt es auch eine ganze Reihe von Alternativmodellen. Schlimm wird es erst, wenn der Tag der Wahrheit naht. Hefte raus Klassenarbeit. Wenn also die verschiedenen Prognosen mit den real eingetretenen Messwerten verglichen werden. Wer hatte den richtigen Riecher und wer sollte sich schleunigst ein besseres Modell einfallen lassen?

Wenn sich dann herausstellen sollte, dass alle Modelle danebenliegen, sind die Modelle falsifiziert, entpuppen sich also als wertlos. Die Überprüfbarkeit von Modellen ist ein Grundprinzip der Wissenschaft, wie bereits Richard Feynman in einem seiner legendären Vorträge erläuterte:

Fehlgeschlagene Hypothesen hat es in der Wissenschaft sehr oft gegeben. Eine schöne Zusammenstellung der größten Wissenschaftsflops gibt es auf WUWT. Leider gehören auch die Klimawissenschaften in diese Kategorie. Roy Spencer hat einmal eine ganze Palette von 73 Klimamodellen mit der realen Temperaturentwicklung vergleichen, und alle schossen weit überhitzt über das Ziel hinaus:

Und gleich noch so ein Fehlschlag: Im August 2009 hatten Judith Lean und David Rind in den Geophysical Research Letters eine mutige Mittelfrist-Klimaprognose gewagt. Sie hatten für den Fünfjahreszeitraum 2009 bis 2014 eine Erwärmung von 0,15°C vorhergesagt. In Wahrheit erwärmte es sich in diesem Zeitraum überhaupt nicht. Eine bittere Pleite.

In den letzten Jahren dämmerte es den Forschern, dass vielleicht doch nicht nur das i-Tüpfelchen in den Modellen fehlte. Zu offensichtlich waren die Fehlprognosen. Kein einziges der vormals hochgelobten Klimamodelle hatte den mittlerweile seit 16 Jahre anhalten Erwärmungsstopp für möglich gehalten. Im September 2011 räumten Crook & Forster in einem Artikel im Journal of Geophysical Research ein, dass die vordergründige Reproduktion der realen Temperaturentwicklung in einem Klimamodell noch lange nicht bedeutet, dass die Mechanismen vollständig verstanden wären. Zu vielfältig sind die frei einstellbaren Parameter, die in der Regel bewusst so gewählt werden, dass eine Übereinstimmung aktiv herbeigeführt wird. Eine Vorhersagekraft kann sich daher hieraus nicht automatisch ableiten. Hier ein Auszug aus der Kurzfassung von Crook & Foster (2011):

In this paper, we breakdown the temperature response of coupled ocean‐atmosphere climate models into components due to radiative forcing, climate feedback, and heat storage and transport to understand how well climate models reproduce the observed 20th century temperature record. Despite large differences between models’ feedback strength, they generally reproduce the temperature response well but for different reasons in each model.

In der Mitgliederzeitschrift der American Geophysical Union (AGU), Eos, beschäftigte sich Colin Schultz mit dem Artikel und nahm kein Blatt vor den Mund:

Climate model’s historical accuracy no guarantee of future success
To validate and rank the abilities of complex general circulation models (GCMs), emphasis has been placed on ensuring that they accurately reproduce the global climate of the past century. But because multiple paths can be taken to produce a given result, a model may get the right result but for the wrong reasons.

Die Ernüchterung hat mittlerweile auch auf die IPCC-nahen Blogs übergegriffen. In einem Gastbeitrag auf Real Climate stellten Geert Jan van Oldenborgh, Francisco Doblas-Reyes, Sybren Drijfhout und Ed Hawkins am 15. April 2013 klar, dass die im aktuellen 5. IPCC Klimazustandsbericht verwendeten Modelle für regionale Klimaprognosen gänzlich ungeeignet sind:

weiter lesenSpaß mit Klimamodellen: Pleiten, Pech und Pannen