Implementierung von Landnutzungsänderungsdaten in ein Ensemble von regionalen Klimamodellen

crossref(2021)

引用 0|浏览0
暂无评分
摘要
<p>Landnutzungs- und Landoberfl&#228;chen&#228;nderungen (LULCC) sind ein wichtiger Antrieb f&#252;r regionale Klimavariabilit&#228;t und Klima&#228;nderungen. Bisher wurden LULCC in langj&#228;hrigen Klima&#228;nderungsprojektionen mit regionalen Klimamodellen (RCMs) nicht standardm&#228;&#223;ig ber&#252;cksichtig. Aus diesem Grund werden im Rahmen der WCRP CORDEX Flagship Pilot Study LUCAS (FPS LUCAS) koordinierte Downscaling-Experimente mit einem Ensemble von RCMs durchgef&#252;hrt, die Landnutzungs&#228;nderungen ber&#252;cksichtigen. Daf&#252;r wurde ein neuer hochaufgel&#246;ster LULCC-Datensatz f&#252;r Europa von 1950-2100 erstellt (LUCAS LUC), der die spezifischen Datenanforderungen von RCMs erf&#252;llt und zum Downscaling von CMIP6-Projektionen dienen soll. F&#252;r RCMs wurden bisher noch keine Standards f&#252;r die Implementierung von j&#228;hrlichen LULCC-Daten definiert, so dass die LULCC-Abbildung modellspezifisch unterschiedlich ist. Hierbei insbesondere zu nennen sind die unterschiedlichen Landnutzungs- und Landoberfl&#228;chenklassifikationen der einzelnen Modelle, die eine Konvertierung der LUCAS LUC Daten in Antriebsdaten f&#252;r RCMs erschweren.</p> <p>Um diese Probleme zu erkennen und m&#246;gliche Unsicherheiten bei der Implementierung zu quantifizieren, wurden in der FPS LUCAS zun&#228;chst Testsimulationen f&#252;r die EURO-CORDEX Domain &#252;ber 2 bis 3 Jahre mit einem Ensemble von RCMs durchgef&#252;hrt. Als LULCC-Antrieb f&#252;r diese Simulationen werden LUCAS LUC Daten von zwei unterschiedlichen Epochen verwendet. Der Fokus der Pr&#228;sentation liegt auf der Analyse der Verteilung einzelner Landnutzungs- und Landoberfl&#228;chenkategorien und auf dem Einfluss der LULCC-Daten auf biogeophysikalische Gr&#246;&#223;en und bodennahe atmosph&#228;rische Variablen. Darauf basierend werden Empfehlungen f&#252;r die Verwendung von LUCAS LUC Daten in RCM-Experimenten gegeben.</p>
更多
查看译文
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要