climateprediction.net: Ergebnisse auf AGU-Herbsttagung vorgestellt

Einige aktuelle Ergebnisse des Projektes wurden kürzlich auf der Herbsttagung der Amerikanischen Geophysikalischen Vereinigung vorgestellt:

Vorträge von Dr. Sihan Li auf der AGU-Herbsttagung
Die weltgrößte Konferenz für Geo- und Weltraumwissenschaften - die Herbsttagung der Amerikanischen Geophysikalischen Vereinigung (AGU Fall Meeting) – fand vom 11. bis 15. Dezember in New Orleans, Louisiana, statt. Die Postdoktorandin Dr. Sihan Li (Meredith) besuchte die Konferenz, um mehrere Vorträge im Namen des Projektes climateprediction.net zu halten.

In ihrem Vortrag Changing frequency of flooding in Bangladesh: Is the wettest place on Earth getting wetter? (engl., Veränderte Häufigkeit von Überschwemmungen in Bangladesch: Wird der feuchteste Platz auf der Erde noch feuchter?; von Karsten Haustein, Peter Uhe, Ruksana Rimi, Akm Saiful Islam und Friederike Otto) in der Sitzung unter dem Titel ‘Improving Our Mechanistic Understanding of the Regional Climate Response to Anthropogenic Aerosols’ (engl., Verbesserung unseres mechanistischen Verständnisses der Auswirkung anthropogener Aerosole auf das regionale Klima) präsentierte sie Ergebnisse einer Auswertung extremer Niederschläge, die zu den Überschwemmungen in Bangladesch im Sommer 2016 führten (siehe auch REBuILD [engl.]).

Der menschliche Einfluss auf den asiatischen Monsun besteht aus zwei entgegengesetzt wirkenden Kräften, der anthropogenen Erwärmung durch den Einfluss steigender Treibhausgasemissionen und Kühlung durch thermische Abstrahlung aufgrund erhöhter Mengen anthropogener Aerosole. Treibhausgasemissionen intensivieren tendenziell den Wasserkreislauf und erhöhen den Monsunniederschlag, wohingegen angenommen wird, dass Aerosole den entgegengesetzten Effekt haben.

In der Realität sind mehr extreme Niederschläge bereits so gut wie unvermeidlich, da die Verschmutzung durch Aerosole schließlich unabhängig von zukünftigen Treibhausgasemissionen verringert werden wird. Daher ist es wichtig, die Risiken durch das Entfernen anthropogener Aerosole aus der gegenwärtigen Welt abzuschätzen im Gegensatz zu Standardexperimenten, die projizierte Klimaszenarien verwenden.

In der Sitzung ‘Novel Methods for Combining Physical Simulation, Machine Learning, and Data-Driven Analysis in Climate Studies and Geophysical Sciences’ (engl., neue Methoden des Kombinierens von physikalischen Simulationen, maschinellem Lernen und datenbasierter Auswertung in Klimastudien und Geophysik) stellte Dr. Li Using Perturbed Physics Ensembles and Machine Learning to Select Parameters for Reducing Regional Biases in a Global Climate Model (engl., Verwendung von Ensembles mit gestörter Physik und maschinellem Lernen zur Parameterwahl zwecks Verringerung regionaler Tendenzen in einem globalen Klimamodell; von Sihan Li, David E Rupp, Linnia Hawkins, Philip Mote, Doug J McNeall, Sarah Sparrow, David Wallom und Richard Betts) vor.

Die Studie untersucht das Potenzial, bekannte Tendenzen zu heißen/trockenen Sommern über dem Nordwestpazifik in den Atmosphärenmodellen des UK Met Office (HadAM3P) durch gleichzeitiges Variieren mehrerer Modellparameter zu reduzieren. Die Ergebnisse veranschaulichen das Potenzial der Anwendung maschinellen Lernens für billige und schnelle statistische Emulatoren von Klimamodellen.

Schließlich wurde in Changing Drought Risk In a Warming World - using event attribution methods to explore changing likelihoods of drought in east Africa in the past, present and future (engl., Veränderung von Dürrerisiken in einer sich erwärmenden Welt - Verwendung von Methoden zur Zuschreibung von Ereignissen zwecks Erforschung sich verändernder Dürrewahrscheinlichkeiten in Ostafrika in Vergangenheit, Gegenwart und Zukunft; von Sarah O’Keefe, Sihan Li und Friederike Otto) in der Sitzung ‘Climate Extremes: Patterns, Mechanisms, and Attribution’ (engl., Klimaextreme: Muster, Mechanismen und Zuschreibung) eine Abschätzung aktueller und zukünftiger Veränderungen der Wahrscheinlichkeit von Dürren in verschiedenen ostafrikanischen Regionen präsentiert, unter Verwendung des Projektes HAPPI (engl.), in welchem große Ensembles von rein atmosphärischen Modellen unter historischen, 1,5-Grad- und 2-Grad-Bedingungen berechnet werden (Mitchell et al., 2017).

Ostafrika ist wegen der besonderen klimatischen Kräfte in der Region und der Abhängigkeit der Bevölkerung von regenwassergespeister Landwirtschaft besonders anfällig für mögliche Auswirkungen des anthropogenen Klimawandels. Aufgrund der großen natürlichen Variabilität über die Jahre ist die Erkennung und Zuordnung anthropogener Einflüsse jedoch eine Herausforderung. Die Verwendung großer Ensembles verschiedener Modelle im Rahmen von HAPPI erlaubt eine robustere Abschätzung der Extreme als je zuvor.
Veröffentlicht am 3. Januar 2018

Originaltext: