Projektstart: 01.01.2017

Laufzeit: 2 Jahre

F?rderung: Bayerisches Staatsministerium für Umwelt und Gesundheit

Leitung: Harald Kunstmann

Beteiligte Wissenschaftler: Patrick Laux, Manuel Lorenz

?

?

Kurzbeschreibung

Angesichts der globalen Erw?rmung w?chst die Besorgnis über die Auswirkungen des Klimawandels auf regionaler und lokaler Ebene. Selbst hochaufl?sende regionale Klimamodelle sind in der Regel nicht in der Lage, beobachtete kleinr?umige Klimamerkmale zu reproduzieren, insbesondere in Bergregionen. Signifikante Abweichungen in simulierten meteorologischen Feldern, wie z.B. Niederschlag und Temperatur lassen eine direkte Verwendung des Modelloutputs in nachfolgenden Wirkungsmodellen in der Hydrologie, Landwirtschaft oder anderen Disziplinen nicht zu. Wir untersuchen die M?glichkeit, Copula-basierte multivariate Statistiken zum Downscaling und zur Biaskorrektur von regionalen Klimamodelloutputs anzuwenden.

Im Gegensatz zu herk?mmlichen Ans?tzen des korrelationsbasierten statistischen Downscalings erm?glichen Copula-basierte Methoden eine ?u?erst flexible Berücksichtigung der Abh?ngigkeit zwischen lokalen, kleinr?umigen Klimaeigenschaften und regionalen oder globalen Zusammenhangs. Der Ansatz erm?glicht es, Abh?ngigkeiten zwischen Variablen zu modellieren, ohne auf Normalverteilungen festgelegt zu sein. Darüber hinaus kann die Abh?ngigkeit von Variablen unabh?ngig von den Randverteilungen analysiert werden. Unsere Analyse konzentriert sich auf die Abh?ngigkeitsstruktur zwischen beobachteten und dynamisch meodellierten Feldern von Niederschlag und Temperatur.

Zum ersten Mal wenden wir die Copula-basierte Analyse auf kontinuierliche Zeitreihen an, indem wir eine ARMA-GARCH-Transformation auf die Zeitreihe angewenden und so iid-Datens?tze (unabh?ngig und identisch verteilt) zu erhalten.

Verschiedene theoretische Copula-Familien werden untersucht und Anpassungsgütetests durchgeführt, um die optimale Auswahl zu treffen. Basierend auf den abgeleiteten theoretischen Copula-Modellen werden stochastische Simulationen durchgeführt, um die Unsicherheiten der erhaltenen Ergebnisse zu quantifizieren.

Im Projektverlauf wird die entwickelte neue Methode zur lokalen Verfeinerung und Bias-Korrektur aktueller RCM-Simulationen für Deutschland und den Alpenraum angewendet. Ein Vergleich der Ergebnisse mit herk?mmlichen Bias-Korrekturmethoden wie Quantil-Mapping muss nun den Nutzen des Copula-basierten Ansatzes zeigen.

?