Die Erfassung und Vorhersage interner Klimavariabilität, die sich auf dekadischer und längerer Zeitskala entwickelt, ist ein wichtiger Aspekt dekadischer Klimavorhersage. Dies unterscheidet dekadische Klimavorhersage von Szenarienrechnungen. Das Problem erfordert die Initialisierung von Klimamodellen mit einem realistischen Zustand des Klimasystems, der Informationen über die Tendenzen in den Wärme- und Süßwasserspeichern enthält.
Modini wird eine neue Methode zur Initialisierung der Ozean- und Meereiskomponenten in einem gekoppelten Klimamodell entwickeln und hinsichtlich Skill und Vorhersagepotential testen. Dabei wird großer Wert auf die Einfachheit, Flexibilität und Effizienz der Methode gelegt, die eine einfache Möglichkeit der Datenassimilation in ein Klimamodell darstellt, die zudem unrealistische Anpassungsprozesse während der Vorhersageperiode vermeiden soll.
Üblicherweise werden aufwändige Datenassimilationssysteme verwendet, um dynamisch konsistente Anfangsbedingungen anhand der vorhandenen Beobachtungen zu generieren. Da solche Systeme aber extrem aufwändig sind, muss nach alternativen Methoden gesucht werden. Ozean-Meereismodelle, die mit atmosphärischen Beobachtungen angetrieben werden, können viel beobachtete Phänomene korrekt beschreiben. Wegen fehlender Rückkopplungen mit der Atmosphäre sind solche Modelle allein aber nicht geeignet, um die Ozean- und Meereiskomponenten in einem gekoppelten System zu initialisieren.
Modini verfolgt eine Methode der Initialisierung von gekoppelten Klimamodellen, in der das gesamte Modelle einen spin-up durchläuft. Das System wird nahe an die Beobachtungen zu Beginn der Vorhersageperiode herangeführt, indem beobachtete Windschubanomalien für das Ozean-Meereis Untersystem verwendet werden während Wärme- und Süßwasserflüsse vom gekoppelten System interaktiv berechnet werden. Außerdem wird die Vorgabe anderer Flüsse zwischen Ozean-Meereis und Atmosphäre auf die Tauglichkeit für die Initialisierung untersucht werden.
Modini hat ein Verfahren entwickelt, bei dem die Ozeankomponente eine gekoppelten Klimamodells mit beobachteter anomaler Windschubspannung, addiert zur Klimatologie der Windschubspannung des gekoppelten Modells, angetrieben wird. Das Ergebnis dieses Initialisierungslaufs dient als Anfangsbedingung für Vorhersagen mit dem gekoppelten Modell. Dieses Verfahren wurde sowohl in das Kiel Climate Model (KCM) als auch in das MPI-ESM implementiert und getestet.
Der Vorteil dieser Methode ist, dass eine anfängliche Drift des Modells im Vorhersagezeitraum fast vollständig vermieden werden kann. Das Verfahren ist ein Beispiel für „partial coupling“ und ist in der Lage, die beobachtete Klimavariabilität des Nordpazifik wiederzugeben (Ding et al., 2013a). Weiterhin konnte gezeigt werden, dass die interdekadischen Schwankungen der Wechselwirkung zwischen ENSO und dem ostasiatischen Wintermonsun ein Ergebnis atmosphärischen Rauschens ist. In einem weiteren Artikel (Ding et al., 2013b) wurde demonstriert, dass das Modell mit teilweise gekoppelter Initialisierung in der Lage ist, erfolgreich die Klimaveränderungen im Pazifik von 1976/77 und 1998/99 vorherzusagen (siehe Abbildung).
Die Implementation der teilweise gekoppelten Initialisierung in das MPI-ESM ist abgeschlossen und die Ergebnisse werden derzeit ausgewertet. Diese Methode kann im MiKlip System eingesetzt werden.
Ding, H., Greatbatch, R. J., Latif, M., Park, W. and Gerdes, R. (2013a) Hindcast of the 1976/77 and 1998/99 climate shifts in the Pacific Journal of Climate, 26 . pp. 7650-7661. doi: 10.1175/JCLI-D-12-00626.1.
Ding, H., Greatbatch, R. J., Park, W., Latif, M., Semenov, V. and Sun, X. (2013b) The variability of the East Asian Summer Monsoon and its relationship to ENSO in a partially coupled climate model Climate Dynamics . doi: 10.1007/s00382-012-1642-3.
Diese Darstellung betrifft das Projekt während der ersten Phase von MiKlip. Modini arbeitet in MiKlip II in einem Projekt zusammen mit Modul B - ATMOS weiter, unter dem Namen ATMOS-MODINI.
Alfred Wegener Institut for Polar and Marine Research (AWI - Bremerhaven)
Prof. Dr. Rüdiger Gerdes
GEOMAR
Prof. Dr. Richard J. Greatbatch
Thoma, M. | R.J. Greatbatch, C. Kadow and R. Gerdes
Ding, H. | R.J. Greatbatch, and G. Gollan
Thoma, M. | R. Gerdes, R.J. Greatbatch, and H. Ding
Klöwer, M. | M. Latif, H. Ding, R.J. Greatbatch, and W. Park
Ding, H. | R.J. Greatbatch, W. Park, M Latif, V. Semenov, and X. Sun