Reduktion der Emission von Rußaerosolen: Analyse der Co ...research.uni-leipzig.de/climate/loeser_dannymasterarbeit2015.pdf · I Abstrakt Die Masterarbeit folgt dem EU-Forschungsprojekt

Universität Leipzig Leipziger Institut für Meteorologie

Arbeit zur Erlangung des akademischen Grades

„Master of Science“ im Fach Meteorologie

Reduktion der Emission von Rußaerosolen:

Analyse der „Co-Benefits“ für Klima und Luftqualität

vorgelegt von

Danny Löser geb. 23.10.1990 in Spremberg

Matrikelnummer: 2507451

eingereicht im

September 2015

Betreuer: Dr. Ribu Cherian

Erstgutachter: Prof. Dr. Johannes Quaas

Zweitgutachter: Prof. Dr. Ina Tegen

I

Abstrakt

Die Masterarbeit folgt dem EU-Forschungsprojekt ECLIPSE – „Evaluating the Climate and

Air Quality Impacts of Short-Lived Pollutants“, welches unter anderem von der

Arbeitsgruppe „Wolken und globales Klima“ des Leipziger Instituts für Meteorologie

bearbeitet wurde. Neben Treibhausgasen gibt es andere anthropogene Emissionen, die einen

signifikanten Einfluss auf das Klima und die Luftqualität haben; sogenannte „kurzlebige

Klimawandelverursacher“ (SLCPs). In dieser Arbeit wird die Wirkung durch die Reduktion

von Rußaerosolen (Black Carbon, BC) auf das Klima und die Luftqualität untersucht. Um den

Einfluss BCs kontrollieren zu können, sind politische Maßnahmen notwendig. Neue

Richtlinien könnten eine zunehmend schlechtere Luftqualität und mögliche negative

Klimawirkungen, besonders auf regionaler Ebene, dämpfen. Dennoch sind die Auswirkungen

von BC auf das Klima schwer vorherzusagen und einzuschätzen.

In der Masterarbeit wird ein idealisiertes Minderungsexperiment durchgeführt, in dem die

vollständige, Land bezogene, anthropogene Emission von BC entfernt wird und die

eventuellen Vorteile („Co-Benefits“) in Hinblick auf Klima und Luftqualität (global,

kontinental und national) beurteilt werden. Dabei werden drei globale, gekoppelte

Atmosphäre-Ozean Klimamodelle verwendet.

Es wurde unter anderem herausgefunden, dass die größten Signale durch die Reduktion BCs

nicht ausschließlich in den Regionen starker Emissionen hervorgerufen werden. So sind die

Änderungen auch in den höheren Breiten der Nord- und auch teilweise auf der Südhemisphäre

sehr stark. Auf globaler Ebene hingegen, sind die Signale kaum sichtbar. Außerdem

unterscheiden sich die Modelle stark im Vorzeichen einzelner Klimavariablen. Diese

Differenzen sind weitgehend auf natürliche Veränderungen (Ozean und atmosphärische

Zirkulationsmuster, Temperatur und Meereisbedeckung sowie Wolkenänderungen) und auf

die unterschiedlichen Modellsetups (primär durch unterschiedliche Vertikalverteilung BCs)

zurückzuführen. Die Summe aller markant unterschiedlichen und komplexen Einflüsse

machen es schwierig, die Klimareaktion durch die Reduktion BCs signifikant einschätzen zu

können. Eine Verbesserung der Luftqualität durch eine Emissionsminderung ist hingegen

zweifellos.

Seiten (insg.) : 76

Abbildungen : 29

Tabellen : 03

II

Inhaltsverzeichnis

Abkürzungsverzeichnis ......................................................................................................... III

1 Einleitung ............................................................................................................................... 1

1.1 Motivation .......................................................................................................................... 1

1.2 Mikrophysikalische Eigenschaften von Black Carbon ...................................................... 4

1.3 Maßnahmen zur Emissionsminderung von Black Carbon ................................................ 7

2 Idealisiertes Minderungsexperiment ................................................................................. 11

2.1 Beschreibung der Modelle ............................................................................................... 11

2.2 Versuchsdurchführung und Methodik ............................................................................. 14

2.3 Emissionen ....................................................................................................................... 17

3 Ergebnisse der Modellsimulationen .................................................................................. 21

3.1 Änderungen der Strahlungsvariablen und Cloud-radiative Effects ................................. 21

3.2 Änderungen der Lufttemperatur ...................................................................................... 31

3.3 Änderungen von Wolken- und Niederschlagsmustern sowie vom Oberflächenabfluss .. 36

3.4 Änderungen der Bodenalbedo und Meereisbedeckung ................................................... 45

4 Diskussion ............................................................................................................................ 49

5 Zusammenfassung und Schlussfolgerungen ..................................................................... 56

Danksagung ............................................................................................................................. 58

Literaturverzeichnis ............................................................................................................... 59

Anhang

A BC Emissionen im Jahr 2000 ............................................................................................ i

B Globale Mittelwerte ......................................................................................................... iii

C Kontinentale und nationale Mittelwerte ........................................................................ iv

D Regionale Temperaturverläufe im Kontrolllauf ............................................................ v

E Abbildungsverzeichnis ..................................................................................................... vi

F Tabellenverzeichnis .......................................................................................................... ix

III

Abkürzungsverzeichnis

Abb Abbildung

AF Afrika

AOGCM Atmosphere-Ocean Global Circulation Model

BC Black Carbon

CAM Community Atmosphere Model

CCN Cloud Condensation Nuclei

CCSM Community Climate System Model

CDO Climate Data Operators

CH China

CICE Los Alamos Sea-Ice Model

CLM Community Land Model

CRE Cloud-radiative Effect

CS clear-sky

CTL Control

ECHAM European Centre for Medium-Range Weather Forecasts Hamburg Model

ECLIPSE Evaluating the Climate and Air Quality Impacts of Short-Lived Pollutants

EU Europa

GAINS The Greenhouse Gas and Air Pollution Interactions and Synergies

GHGs Greenhouse Gases

GTP Global Temperature Potential

GWP Global Warming Potential

HadGEM Hadley Centre Global Environment Model

HAM Hamburg Aerosol Model

IN Indien

ITZ Innertropische Konvergenzzone

LW longwave

MICOM Miami Isopycnic Coordinate Ocean Model

MMM Multi-Modellmittel

MPIOM Max Planck Institut Global Ocean/Sea-Ice Model

NA Nordamerika

NCL NCAR Command Language

NEMO Nucleus for European Modelling of the Ocean

NetCDF Network Common Data Format

NorESM Norwegian Earth System Model

OA Organic Aerosol

OC Organic Carbon

OLR Outgoing Longwave Radiation

OM Organic Matter

PM Particulate Matter

RF Radiative Forcing

SA Südamerika

Sfc Surface

SLCPs Short-lived Climate Pollutants

SW shortwave

T2m Lufttemperatur in 2m Höhe

TOA Top of Atmosphere

UKCA UK Chemistry and Aerosols

1 1 Einige Abschnitte in diesem Kapitel wurden nahezu unverändert oder überarbeitet aus der eigenen Ausarbeitung

zum Pflichtfach P6 „Meteorologische Arbeitsmethoden“ im März 2015 übernommen.

Kapitel 1

Einleitung1

1.1 Motivation

Der Begriff „Aerosol“ setzt sich im Lateinischen aus den Wörtern aer „Luft“ und solutio

„Lösung“ zusammen und bedeutet wortwörtlich „Lösung in Luft“. Es beschreibt ein

Ensemble von festen, flüssigen oder in der gemischten Phase bestehenden Partikeln

(Aerosolpartikel), die in der Luft schweben. Grundsätzlich unterscheidet man primäre und

sekundäre Aerosole, die sowohl natürlicher als auch anthropogener Quelle sein können.

Primäre Aerosole entstehen durch den direkten Eintrag von Partikeln in die Atmosphäre,

während sich sekundäre Aerosoledurch homogene Nukleation von Gasen mit geringem

Dampfdruck (z. B. Schwefelsäure) herausbilden.

Aerosole beeinflussen den Strahlungshaushalt der Erde, indem sie einerseits Strahlung

absorbieren und streuen (direkter Effekt) und andererseits die Eigenschaften von Wolken

verändern (indirekter und semi-direkter Effekt). Ein besonderen Teil, hinsichtlich seiner

Wirkung auf das Klima, nimmt „elementarer Kohlenstoff“ (auch genannt Ruß oder Black

Carbon, kurz BC) ein. BC ist ein Typ kohlenstoffhaltigen Materials, das während der

unvollständigen Verbrennung von kohlenstoffhaltigen Brennstoffen (bspw. Kohle, Erdöl oder

Holz) entsteht (Bond et al., 2013). Seine Emissionsquellen können industriellen Ursprungs

sein (z. B. aus der Petrochemie, Ziegeleien und Kokereien), durch die Verbrennung von

Biomasse (anthropogen und natürlich verursacht), sowie in Fahrzeugen (Dieselfahrzeuge und

Benzin-Direkteinspritzer), Flugzeugen oder Schiffen entstehen und wird direkt in die

Atmosphäre emittiert. Rußaerosole absorbieren dabei den größten Teil der ankommenden

Strahlung im sichtbaren Wellenlängenbereich, was bedeutet, dass sie einen netto wärmenden

Effekt auf die Atmosphäre haben, sowie einen positiven Antrieb der kurzwelligen

Strahlungsflüsse am Oberrand der Atmosphäre (TOA).

Das Kyoto-Protokoll wurde im Jahr 1997 auf der Konferenz Kyōto in Japan beschlossen und

ist nach wie vor durch die Emissionen von sechs verschiedenen Treibhausgasen (eng.

greenhouse gases, kurz GHGs) beziehungsweise Gruppen von GHGs (Kohlenstoffdioxid -

CO2, Methan - CH4, Stickstoffoxide - N2O, perfluorierte Kohlenwasserstoffe - PFCS,

teilhalogenierte Fluorkohlenwasserstoffe - HFCs und Schwefelhexafluorid - SF6) limitiert.

Darüber hinaus gibt es jedoch weitere anthropogene Emissionen, die einen signifikanten

Einfluss auf das Klima haben. Gemeint sind sogenannte „kurzlebige Klimawandel-

Verursacher“ (eng. short-lived climate pollutants, kurz SLCPs). Dazu zählen BC, Ozon (mit

Vorläufersubstanzen CH4, CO, VOCs und NOx), sowie Sulfat (mit Vorläufersubstanz SO2)

und organische Aerosole. Anders als Treibhausgase, tragen diese eine entscheidende

KAPITEL 1. EINLEITUNG

2

Verbindung zwischen dem Klimawandel und der Luftqualität/Gesundheit bei (Shindell et al.,

2012). Besonders BC kann aufgrund seiner geringen Partikelgröße (PM2.5) zu erheblichen

gesundheitlichen Schäden führen. Das Rußpartikel kann sich bis zu den kleinsten

Lungenbläschen fortbewegen und sich dort absetzen, sodass es bei übermäßiger

Schadstoffbelastung zu schweren, lokalen und systematischen Auswirkungen im Körper

kommen kann (Janssen et al., 2012). Eine Verbesserung der Luftqualität zielt demnach

zwingend auf eine Reduktionsemission BCs ab. Während die dafür erforderlichen

Maßnahmen einen indiskutablen, positiven Effekt auf die Luftqualität und Gesundheit haben,

sind die (positiven) Auswirkungen auf das Klima („climate benefits“) durch eine

Verringerung der BC Emissionen weniger offensichtlich. BC besitzt im Vergleich zu gut

durchmischten Treibhausgasen (bspw. CO2) eine relativ kurze Lebensdauer von wenigen

Tagen. Dadurch ist die Verteilung BCs in der Atmosphäre inhomogen, sodass sich die größten

Konzentrationen nahe der Emissionsquellen (und damit primär auf der Nordhemisphäre)

befinden. Resultierend daraus, ergeben sich ebenso ungleiche Muster der Strahlungsantriebe

und -effekte, sodass eine Einschätzung der regionalen und globalen Auswirkungen BCs auf

das Klima sehr komplex ist. BC besitzt einen unterschiedlich starken Einfluss auf

verschiedene Klimaelemente. Der Einfluss BCs auf Wolken ist sehr variabel, da es abhängig

von der Position relativ zur Wolke, sowohl zur Wolkenbildung als auch zur Auflösung von

Wolken kommen kann (Bond et al., 2013). Dementsprechend beeinflusst BC ebenso

Niederschlagsmuster, die sich vorwiegend in den Tropen abändern. Aufgrund der

differentiellen Erwärmung, hervorgerufen durch die Absorption von Strahlung an BC,

zwischen der Nord- und Südhemisphäre, kommt es zu einer meridionalen Bewegung der

„Innertropischen Konvergenzzone“ (ITZ) in Richtung der wärmeren Hemisphäre

(Nordhemisphäre) (Chung und Seinfeld, 2005). BC besitzt weitere komplexe Einflüsse auf

Niederschlagsmuster. So erwärmt es die Atmosphäre durch Absorption von Strahlung, aber

kann die Bodenoberfläche (abhängig von der vertikalen Verteilung) sowohl erwärmen als

auch kühlen (solar dimming) und die Oberflächenverdunstung entsprechend begünstigen oder

verringern. Eine verringerte Oberflächenverdunstung erzeugt dabei einen erhöhten

Oberflächenabfluss (eng. Run-off) und führt ebenso zu einer unterdrückten

Evapotranspiration (Baker et al., 2015). Der tatsächliche (netto) Effekt BCs auf den

Niederschlag, ist daher von der Region, von der vertikalen Verteilung und vom

„Mischverhältnis“ (mit anderen Aerosolpartikeln) BCs abhängig (Kvalevåg et al., 2013).

Weiterhin haben mehrere Studien gezeigt, dass BC und auch andere anthropogene

Aerosolemissionen zu einer Schwächung des Monsun auf der Nordhemisphäre in den letzten

Jahrzehnten beigetragen haben (u. a. Ramanathan und Carmichael, 2008).

Weiterhin erzeugt BC einen signifikanten Einfluss in höheren Breiten, wenn es sich auf

Schnee- und Eisflächen absetzt und so zur Reduzierung der Albedo führt (Ramanathan und

Carmichael, 2008). Durch die zusätzlich erhöhte Absorption von Strahlung an BC

(vorwiegend im sichtbaren Wellenlängenbereich, Bond et al., 2013), kommt es zu erhöhten


3

Temperaturen in der Schneedecke selbst, sowie zu einer erhöhten Lufttemperatur. Eine

erhöhte Lufttemperatur führt zum Schmelzen von Schneeflächen und beeinflusst die

Schneedecke sowie die Schneehöhe (snow albedo feedback). Dieser Effekt sorgt für eine

weitere Reduktion der Schnee- und Bodenalbedo. Höhere Temperaturen in der Schneedecke

selbst, beeinflussen im Gegensatz dazu die Korngröße des Schnees (größer werdend). Mit

größer werdender Korngröße steigt der Massenabsorptionsquerschnitt an, sodass sich die

Albedo wiederum verringert. Ist dann der Anteil am BC im Schnee größer werdend, so

verstärkt sich der Effekt zusätzlich (Bond et al., 2013). Der Einfluss BCs von auftretenden

Strahlungseffekten auf die Bodentemperatur in der Arktis, ist ebenso ein sehr komplexer

Prozess und stark von der geographischen Breite sowie dem Ort der „Antriebe“ abhängig

(Baker et al., 2015). Auch über der Himalaya Region sind diese Effekte zu beobachten und

können zum Abschmelzen der Gletscher führen (Ramanathan und Carmichael, 2008).

In dieser Arbeit wird der Fokus auf die Reduktion der Emissionen von BC gelegt und die

klimatischen Änderungen untersucht und diskutiert. In der Abbildung 1.1 ist ein

Flussdiagramm über den Einfluss BCs auf das Klima, der Luftqualität und Gesundheit, sowie

zur Motivation für eine Reduzierung der BC Emissionen dargestellt. Ein idealisiertes

Minderungsexperiment der BC Emissionen, in dem die vollständige, Land bezogene,

anthropogene Emission BCs entfernt wird, soll Aufschlüsse über klimatische Änderungen

geben und die möglichen „Co-Benefits“ diskutiert werden.

Abbildung 1.1: Flussdiagramm über den Einfluss BCs auf das Klima, der Luftqualität und

Gesundheit, sowie zur Motivation für eine Reduzierung der BC Emissionen (Zahlenwerte aus

Bond et al., 2013).


4

Das Kapitel 1 gilt der Einleitung und stellt im Folgenden die mikrophysikalischen

Eigenschaften BCs heraus. Des Weiteren werden verschiedene Maßnahmen zu Reduzierung

der BC Emissionen erläutert. Im Kapitel 2 geht es um die Versuchsdurchführung sowie

Methodik der Masterarbeit und es werden die verwendeten Modelle beschrieben. Außerdem

werden die unterschiedlichen Emissionen der Kontrollsimulationen der einzelnen Modelle

beschrieben. Im Kapitel 3 werden die Klimaänderungen aufgrund der vollständigen

Reduktion der BC Emissionen erläutert. Diese Ergebnisse werden im Kapitel 4 diskutiert,

sowie abschließend eine Zusammenfassung und Schlussfolgerung im Kapitel 5 gegeben.

1.2 Mikrophysikalische Eigenschaften von Black Carbon

Im Folgenden werden die mikrophysikalischen Eigenschaften von BC in der Atmosphäre

erläutert. Alle Zahlenwerte hierfür wurden aus Bond et al. (2013) entnommen.

Abbildung 1.2: Elektronenmikroskopische Aufnahme (a) von BC Aggregaten im jungen

Rauch des Madikwe Game Reserve Feuers (August, 2000), (b) von kettenartigen BC

Aggregaten im flammenden Rauch aus einem Feuer in der Nähe von Kaoma, Zambia

(September, 2000) und (c) von einem kompakten BC Aggregat einer regionalen Dunstwolke

in der Nähe von Skukuza, Südafrika (August, 2000) (aus Bond et al., 2013).


5

Wird BC emittiert, so besitzt es eine Größe von kleiner als 100 nm (aitken mode range) und

zählt demnach zu den ultrafeinen Aerosolpartikeln. BC existiert als ein Aggregat mehrerer

kleiner kohlenstoffhaltiger Kügelchen (Abb. 1.2). Es absorbiert stark elektromagnetische

Wellen im Bereich sichtbaren Lichts mit einem Massenabsorptionsquerschnitt von etwa 7.5

(±1.2) m²/g bei 550 nm Wellenlänge. Zudem ist BC „hitzebeständig“ was bedeutet, dass es

seine ursprüngliche Form auch bei sehr hohen Temperaturen, mit einer

Verdampfungstemperatur nahe 4000 K, beibehält. Des Weiteren ist es weder in Wasser,

organischen Lösungen, noch in anderen Komponenten atmosphärischen Aerosols löslich.

Durch Alterungsprozesse (Koagulation und Kondensation) in der Atmosphäre ändern sich

sowohl die Größe des Aerosolpartikels als auch seine Eigenschaften. BC wird generell mit

anderen Aerosolpartikeln emittiert: primär organisches Aerosol (POA) und Schwefeldioxid

(Vorläufersubstanz von Sulfat). „Organisches Aerosol“ (OA) ist ein weit gefasster Begriff,

der kohlenstoffhaltige Verbindungen angibt, welche Wasserstoff und in der Regel Sauerstoff

enthalten (Bond et al., 2013). Alle Quellen die BC emittieren, emittieren ebenso POA, sowie

Gase die zu sekundärem organischen Aerosol (SOA) in der Atmosphäre werden. Die

Emissionsquellen POAs sind daher ähnlich zu denen von BC. In der Atmosphärenchemie

wird die Kombination aus BC und OA oft als „carbonaceous aerosol“ (kohlenstoffhaltiges

Aerosol) bezeichnet (Seinfeld und Pandis, 2006). Schwefeldioxid hingegen entsteht

ausschließlich während der Verbrennung von schwefelhaltigen fossilen Brennstoffen wie

Kohle oder Erdölprodukten. Handelt es sich um reines (frisch emittiertes) BC, ist dieses

extern gemischt. Obwohl BC nicht in anderen Komponenten atmosphärischen Aerosols

löslich ist, kann es sich dennoch mit den (u. a.) oben genannten co-emittierten

Aerosolpartikeln verbinden, sodass es als ein intern gemischtes Aerosolpartikel definiert ist.

Da Sulfataerosole die Eigenschaft besitzen Sonnenlicht stark reflektieren zu lassen, besitzt

intern gemischtes BC folglich andere Eigenschaften. Trotz dieser hohen Reflektivität, ist der

Massenabsorptionsquerschnitt für intern gemischtes BC mit etwa 12.5 m²/g (bei 550 nm

Wellenlänge) größer, als der von extern gemischtem BC (siehe oben). Dabei wird oft

angenommen, dass sich die nicht-absorbierenden Aerosolpartikel vollständig und annähernd

symmetrisch um das BC legen („core-shell-Konfiguration") und demnach das Licht in

Richtung des absorbierenden Materials brechen (Bond et al., 2013). Das Verhältnis aus

absorbierendem und nicht-absorbierendem Material ist stets unterschiedlich und abhängig von

der Emissionsquelle (Art der Verbrennung etc.). Im Anhang A sind die BC Emissionen im

Jahr 2000, in Abhängigkeit zu den Emissionsquellen und Mischverhältnissen BCsmit co-

emittierter Aerosole, dargestellt.

Intern gemischtes BC ist hydrophil (reines BC hydrophob) und kann demnach mehr

Feuchtigkeit aus der Umgebung aufnehmen, sowie als Kondensationskeim (CCN) zur

Bildung von Wasserdampf (Wolkenbildung) dienen. Dieser Prozess wird allgemeinhin als

„CCN activation“ bezeichnet und ist in der Abbildung 1.3 dargestellt. Die kritische

Übersättigung ist die niedrigste Übersättigung, bei der sich ein Tropfen bilden kann. Ist diese


6

hoch, so ist die Wahrscheinlichkeit für eine Tropfenbildung gering (und niedrig entsprechend

andersherum). Werden alle Faktoren gleichgehalten, benötigen kleine Partikel eine höhere

kritische Übersättigung zur Aktivierung als große Partikel. Weniger hygroskope

Aerosolpartikel haben eine große kritische Übersättigung. Weil frisch emittiertes BC einen

kleineren Durchmesser besitzt und nur sehr wenig Feuchtigkeit aus der Umgebung aufnehmen

kann, hat extern gemischtes BC eine große kritische Übersättigung und kann sich nicht als

CCN aktivieren. Gealtertes BC hingegen senkt die kritische Übersättigung in BC enthaltenen

Aerosolen, sodass sich die Zugabe von löslicher Masse erhöht und entsprechend das

Partikelvolumen sowie die Hygroskopizität größer werden. Außerdem ist die Aktivierung

abhängig von der BC Massenkonzentration im Aerosol selbst. Das heißt, für eine gegebene

Partikelgröße erhöht sich die kritische Übersättigung mit zunehmendem BC Massenanteil. Im

Vergleich zum Einfluss der Partikelgröße auf die Aktivierung als CCN, ist dieser Effekt aber

eher gering. Zudem kann BC als Eiskeim (IN) dienen. Eiskristalle wachsen auf Kosten der

Wassertropfen wegen des unterschiedlichen Dampfdrucks zwischen Wasser und Eis

(Bergeron-Findeisen-Effekt). Generell können größere IN Konzentrationen die

Eispartikelkonzentration sowie die Lebensdauer von Cirren erhöhen und auch verringern;

dennoch ist dieser Effekt sehr unsicher (u. a. wegen Konzentrationen anderer IN,

Aufwindgeschwindigkeiten etc.) (Bond et al., 2013).

Abbildung 1.3: Darstellung von der erforderlichen kritischen Übersättigung, um intern

gemischte Aerosole unterschiedlicher Größe sowie unterschiedlichem BC Massenanteil in

Wolkenkondensationskeime zu aktivieren. Die beiden Zweige zeigen gealtertes BC aus

Diesel- (bis 70% BC Anteil) und Benzinabgasen (bis 20% BC Anteil) (aus Bond et al., 2013).


7

Die Änderung der solaren Irradianz durch die Wechselwirkung von Aerosol- und

Wolkenpartikeln wird allgemein als „indirekter Strahlungseffekt“ bezeichnet. Durch die

Änderung der Anzahlkonzentration von Tropfen sowie der Lebensdauer in

Flüssigwasserwolken, die Änderung des Niederschlags in Wolken der gemischten Phase und

durch die Änderung der Anzahlkonzentration von Eispartikeln, kann BC die

Wolkenbedeckung sowie die Emissivität und Helligkeit von Wolken beeinflussen (Bond et

al., 2013). Ebenso kann sich durch die Absorption von solarer Strahlung an BC das vertikale

Temperaturprofil der Atmosphäre ändern (Stabilisierung), und so gegebenenfalls zur

Wolkenauflösung führen (semi-direkter Effekt). Dennoch ist eine Ab- oder Zunahme der

Wolkenbedeckung abhängig von der Position BCs (unter, über oder in der Wolke), sowie von

der Wolkengattung selbst. Der tatsächliche Einfluss BCs auf Wolken ist demnach sehr

komplex.

Der Alterungsprozess von extern zu intern gemischtem BC liegt auf einer Zeitskala von etwa

einem Tag (Riemer et al., 2010). Gealtertes BC hat eine Größe von etwa 100-1000 nm

(accumulation mode range) und zählt damit zu den feinen Aerosolpartikeln. Seine

troposphärische Lebensdauer beträgt etwa sieben Tage, wobei intern gemischtes (hydrophiles)

BC durch Depositionsprozesse effizienter aus der Atmosphäre entfernt wird. Der Einfluss

BCs auf das Klima tritt daher auf kurzen Zeitskalen von weniger als 30 Jahren auf (Baker et

al., 2015).

1.3 Maßnahmen zur Emissionsminderung von Black

Carbon

In diesem Abschnitt werden Maßnahmen zur Emissionsminderung in stark BC-emittierenden

Regionen aufgeführt. Aufgrund der kontroversen Debatte um den Klimawandel, hat sich das

Thema „Umweltschutz“ in den letzten Jahrzehnten in den Köpfen der Menschen stark

etabliert. Im Rahmen der „Energiewende“ sollen verbrauchsmindernde Maßnahmen

eingeleitet werden, um in den Sektoren Strom, Wärme und Mobilität die Treibhausgas-

Emissionen zu verringern. Wie bereits deutlich geworden ist, sollte auch die Reduktion der

Emission von SLCPs, besonders BC, nicht vernachlässigt werden. Unabhängig der

klimatischen Auswirkungen BCs, führen Maßnahmen zur Emissionsminderung auch zu einer

besseren Luftqualität und Gesundheit. Ähnlich zur Staubbelastung, kann BC anhand der

Masse verschiedener Größenfraktionen beschrieben werden. Eines dieser ist das PM2.5: Die

als Feinstaub (PM2.5) bezeichnete Staubfraktion enthält 50% der Teilchen mit einem

Durchmesser von 2.5 µm, einen höheren Anteil kleinerer Teilchen und einen niedrigeren

Anteil größerer Teilchen (Umweltbundesamt, 2014). PM steht wortwörtlich für „Particulate

Matter“, was übersetzt „Feinstaub“ bedeutet. Auch BC wird aufgrund seiner geringen Größe

zu dieser Größenfraktion gezählt; je nach Alterungsprozess (Abschnitt 1.2) sogar zur PM0.1.

Die PM-Größenfraktionen beinhalten sowohl primäre, als auch sekundäre Partikel.


8

In Europa wurden bereits mehrere EU-Luftqualitätsrichtlinien festgelegt (Umweltbundesamt,

2014). Auch in Deutschland wurden und werden Gesetzgebungen getroffen, um den

Menschen vor schädlichen Umwelteinwirkungen durch Luftverunreinigungen zu schützen

(bspw. Bundes-Immissionsschutzgesetz). Durch das Einführen der Umweltzone einiger

deutscher Städte (u. a. Leipzig), konnten die Feinstaubemissionen in den letzten Jahren

regional reduziert werden. Die Emission von Rußpartikeln bleibt jedoch ein globales Problem,

und führt nach wie vor in Entwicklungsländern wie Indien zu starken Belastungen der

Umwelt. Die Frage, wie effektiv und schnell die Belastungen auch in solchen Weltregionen

reduziert werden können, bleibt es weiterhin zu diskutieren. Da sich die Reduktion der BC

Emissionen stark von ihren Quellen unterscheidet, werden nachfolgend die Maßnahmen

ausgewählter Emissionsquellen im Einzelnen betrachtet.

Dieselfahrzeuge: Die Minderung der BC Emissionen aus Dieselfahrzeugen, stellt das größte

Potenzial zur Reduzierung der (kurzfristigen) Strahlungsantriebe dar (Bond et al., 2013).

Diesel-Rußpartikelfilter führen dabei zur Reduzierung der im Abgas von Dieselmotoren

vorhandenen Partikel. In Deutschland wird die Nachrüstung von dieselbetriebenen

Personenkraftwagen mit Rußpartikelfilter steuerlich gefördert. Seit dem Einführen der

Umweltzone am 1. März 2011 in Leipzig, dürfen nur Fahrzeuge am öffentlichen

Straßenverkehr teilnehmen, die mit einer grünen Plakette (Schadstoffgruppe 4)

gekennzeichnet sind (Stadt Leipzig, 2011). In der Abbildung 1.4 ist die Reduktion der

Emission von BC Konzentrationen der Stadt Leipzig (Zentrum) von 2010 bis 2014 dargestellt.

Dabei ist ein markanter Rückgang der BC Emissionen zu erkennen. Besonders zu den

Stoßzeiten werktags, konnten die Emissionen auf teilweise über die Hälfte gesenkt werden.

Trotzdem bleibt festzuhalten, dass der Rußpartikelfilter zu einem Mehrverbrauch führen kann

(Hamburger Abendblatt, 2005). Dementsprechend bedarf es weiterer Forschungen, um die

Partikelfilter noch effizienter zu gestalten und den Mehrverbrauch zu senken. Es kommen

außerdem viele weitere Möglichkeiten in Betracht, die lokale Feinstaubbelastung zu

reduzieren, wie beispielsweise Fahrverbote. In Peking zum Beispiel, sind zeitliche

Fahrverbote über alle Fahrzeugklassen hinweg in Anwendung (Spiegel-Online, 2007). Eine

ähnliche Regelung wie in Peking, bei der wechselweise nur gerade oder ungerade

Kennzeichen erlaubt sind, wird in einigen italienischen Innenstädten ebenso durchgeführt.

Auch in Entwicklungsländern sollten solche politischen Maßnahmen zunehmender

durchgesetzt werden. Shindell et al. (2011) fanden heraus, dass es in Folge der Anwendung

europäischer Emissionsnormen für Dieselfahrzeuge in Indien und Lateinamerika, zu einem

Klimanutzen sowie zur Verbesserung der Luftqualität und Gesundheit im Jahr 2030 kommen

kann. Generell bleibt unabhängig der Region festzuhalten, dass die Reduktion BCs in

Dieselfahrzeugen davon abhängt, wie schnell solche Regelungen durchgesetzt, und/oder alte

Fahrzeuge durch modernere Fahrzeuge (bspw. Fahrzeuge mit Filter ab Werk) ersetzt werden

können.


9

Abbildung 1.4: Reduktion der Emission von BC Konzentrationen [μg m−3] der Stadt Leipzig

(Zentrum) von 2010 bis 2014 (A. Wiedensohler, TROPOS, 2014).

Industrie: BC Emissionen von Industriequellen (Weltweit aggregiert) tragen einen großen

Beitrag am negativen direkten sowie indirekten Strahlungsantrieb durch co-Emissionen (vor

allem Schwefel) bei (Bond et al., 2013). Dennoch sind die BC Emissionen von den

unterschiedlichen Industriequellen (Kokereien, Industriekessel usw.) sehr inhomogen, sodass

diese Aussage nicht zu verallgemeinern ist. Minderungsmaßnahmen BCs sind auch hier stark

von politischen Maßnahmen abhängig. Neuere und damit weniger stark emittierende

Technologien erfordern ein hohes Kapital und verlangen oft die Unterstützung vom

jeweiligen Staat. Zudem müssen mehr Kontrollen in den einzelnen Unternehmen durchgeführt

werden (Abgasnorm), das heißt, die Abgasrichtlinien sollten genau überprüft und auf längere

Sicht dokumentiert und ausgewertet werden. Oft ist die Datenverfügbarkeit besonders in

Entwicklungsländern jedoch sehr gering. Auch die Öl und Gas Industrie spielt bei der

Emission von BC eine dominante Rolle. Beim Fördern von Öl wird Erdgas frei, das die

Ölbohrunternehmen abfackeln. Dieses Abfackeln sollte reduziert und die Effizienz bei der

Förderung von Öl generell verbessert werden. Nach der Studie von Stohl et al. (2015) wird

deutlich, dass eine Reduzierung des Abfackelns vom Erdgas die größte positive Auswirkung

auf die Luftqualität und gleichzeitig auf das Klima besitzt.

Offene Biomasseverbrennung: Die offene Verbrennung von Biomasse stellt den größten

Anteil der BC Emissionen im Vergleich zu den anderen Emissionsquellen dar (Bond et al.,

2013). Sarofim et al. (2010) analysierten unterschiedliche Vermeidungspotenziale unter

Berücksichtigung verschiedener Minderungsoptionen der Biomasseverbrennung in den USA.

Dazu zählen unter anderem das Verwenden von Propanbrennern auf Ernterückständen, die

Vermeidung von natürlichen Waldbränden oder eine Vielzahl unterschiedlicher

Minderungsvorschriften in der Forstwirtschaft. Außerdem könnte durch weitere

Forschungsprojekte die Verbrennungseffizienz weiter gesteigert werden. Des Weiteren sollten


10

in Entwicklungsländern die Farmer in speziellen Seminaren über die Thematik „aufgeklärt“

werden. Die private Biomasseverbrennung ist nach wie vor schwer zu kontrollieren und

könnte auch in Deutschland ein zunehmend größeres Problem darstellen.

Heimisches Kochen und Heizen: Das heimische Kochen und Heizen stellt neben der offenen

Biomasseverbrennung den zweitgrößten Anteil der weltweiten BC Emissionen dar (Bond et

al., 2013). Da diese Art der Emissionsquelle vorwiegend den Entwicklungs- und

Schwellenländern geschuldet ist, bedarf es einen sehr großen Aufwand umweltschonende

Maßnahmen einzuleiten. Eine Option wäre es emissionsärmere Pellet-, Späne- oder

Sägemehl- Verbrennungsöfen zu errichten. Allerdings müssten diese möglichst kostengünstig

an den Verbraucher veräußert werden, wobei solche Vorhaben weiterhin ein

gesellschaftliches Problem (u. a. wegen verarmter Lebensverhältnisse) darstellen. In Bond et

al. (2013) wird außerdem deutlich, dass durch die Erhöhung der Effizienz verschiedener

Verbrennungsöfen zwar die totale Emissionsrate sinkt, allerdings Feldmessungen eine sehr

geringe Reduktion der BC Aggregate ergaben. Ein Großteil der Emissionsverringerungen sei

zugunsten von POA anstatt BC, sodass nicht alle BC Minderungsmaßnahmen den

Klimaantrieb reduzieren können. Letztlich bleibt festzuhalten, dass es sich besonders bei

dieser Emissionsquelle um Schätzungen der BC Emissionen handelt; die tatsächliche

Emissionsrate könnte durchaus größer sein.

In Shindell et al. (2012) werden die BC Emissionen nach ihrem ökonomischen Nutzen

beurteilt (GWP und GTP) und mit denen zu CH4 verglichen. Dabei wird deutlich, dass eine

verringerte Temperatur bis 2050 durch BC Maßnahmen nur eine untergeordnete Rolle, im

Vergleich der Vorteile zu CH4 und den damit verursachten Kosten, einnimmt. Eine

verbesserte Luftqualität durch die Verringerung BCs, sowie die daraus vermiedenen

Todesfälle sind unabwendbar und geben ein klares Signal in Richtung der

Minderungsmaßnahmen. Nach Bond et al. (2013) wurden jedoch aus heutiger Sicht kaum

spezielle Maßnahmen zur globalen Reduzierung BCs eingeleitet. Die meisten relevanten

Maßnahmen wurden vorwiegend auf lokaler Ebene zur Verbesserung der Luftqualität und

Gesundheit veranlasst. Daher gibt es eine erhebliche Menge an Fachliteratur über das

Potenzial und die Kosten für PM Emissionsreduktionen, aber weniger über Möglichkeiten zur

Emissionsminderung BCs selbst.

11

Kapitel 2

Idealisiertes Minderungsexperiment

Klimamodelle werden benutzt, um Projektionen für das Klima folgender Jahrzehnte sowie

Jahrhunderte zu erstellen oder vergangene und heutige Klimazustände nachzubilden. Sie

stellen die einzelnen Subsysteme des Klimasystems (z. B. die Atmosphäre, den Ozean, die

Vegetation usw.) und einzelne Komponenten der Subsysteme (z. B. Aerosole) in getrennten

Modellen dar, die miteinander gekoppelt werden. Die Atmosphäre und der Ozean sind dabei

die wichtigsten Komponenten des Klimasystems. Klimamodelle, die solche Prozesse für den

gesamten Planeten abbilden, werden als Globale Zirkulationsmodelle (General Circulation

Models, GCM) bezeichnet. Ein globales Atmosphärenmodell wird in der englischsprachigen

Abkürzung als AGCM (Atmosphere General Circulation Model), ein Globales Ozeanmodell

als OGCM, und ein gekoppeltes Atmosphären-Ozean-Modell als AOGCM bezeichnet

(GFDL.NOAA – Glossary Page).

In der Masterarbeit werden drei AOGCMs verwendet, um die Klimawirkungen durch die

(idealisierte) vollständige Reduktion von BC zu untersuchen. Im folgenden Kapitel werden

zunächst die verwendeten Modelle und darauffolgend die Methodik zur

Versuchsdurchführung der Masterarbeit beschrieben, sowie die Emissionen des Kontrolllaufs

der einzelnen Modelle abgebildet.

2.1 Beschreibung der Modelle

Bei den folgenden Untersuchungen wurden die drei Klimamodelle ECHAM6-HAM2,

HadGEM3 und NorESM1-M verwendet. Während HadGEM3 und NorESM1-M die

klimatische Wirkung von interaktiven Aerosolen sowie chemischen Prozessen

berücksichtigen, beinhaltet das ECHAM6-HAM2 Modell ausschließlich den Einfluss

interaktiver Aerosole. Ein solch interaktiver Prozess beschreibt die Wirkung von Aerosolen in

der Atmosphäre, welche interaktiv mit dem System verbunden sind. Das heißt, die Aerosole

werden emittiert, durch Advektion herangeführt, greifen selbstständig in einen Prozess (z.B.

in den Strahlungshaushalt) ein, können diesen mitbestimmen und werden letztlich

depositioniert. In HadGEM3 und NorESM1-M können Änderungen der Aerosole somit

gleichzeitig die Chemie (durch Änderung der Oxidation von SO2) beeinflussen, sowie die

verfügbare Oberfläche für die heterogene Chemie verändern (Baker et al., 2015). Um

beispielsweise abschätzen zu können, wie Aerosolpartikel (hier BC) die Sonnenstrahlung oder

die Wolkenmikrophysik beeinflussen können, müssen unter anderem die

Anzahlkonzentration, die chemische Zusammensetzung, sowie die Partikelgröße

berücksichtigt werden. In Klimamodellen müssen sich diese Aerosoleigenschaften auf

KAPITEL 2. IDEALISIERTES MINDERUNGSEXPERIMENT

12

Näherungen und Parametrisierungen verlassen. Allerdings besitzt jedes der drei (aktuellen)

Modelle eine gute Modellperformance, sodass sich aus solchen Parametrisierungen ziemlich

realistische Muster generieren lassen.

ECHAM6(-HAM2) ist das European Centre for Medium-Range Weather Forecasts Hamburg

Model der Version 6 (Stevens et al., 2013). Die Atmosphärensimulationen werden durch das

Verwenden des ECHAM6 GCMs, mit einer horizontalen Auflösung vom T63 (Gauß-Gitter

mit ca. 1.8° x 1.8° Auflösung) und einer vertikalen Auflösung von 47 Höhenlevel

(angefangen am Boden bei 0,01 hPa), berechnet. ECHAM6 setzt den Schwerpunkt auf die

Kopplung zwischen diabatischen Prozessen und großskaligen Zirkulationen, während beide

durch Strahlungsantriebe (RF) simuliert beziehungsweise angetrieben werden. Es besteht aus

einem „dynamical core“, einem Transportmodell für skalare Größen (Temperatur und

Oberflächendruck ausgeschlossen), sowie aus einer Reihe physikalischer Parametrisierungen

für die Darstellung diabatischer Prozesse und „Rand-Datensätze“ für externe Parameter (z. B.

Aerosolverteilungen, optische Eigenschaften absorbierender Gase, Landoberflächen

Eigenschaften etc.). Das Atmosphärenmodell ist mit dem Max Planck Institut Global

Ocean/Sea-Ice Model (MPIOM) gekoppelt. Das MPIOM ist ein primitives Gleichungsmodell

(C-Gitter, z-Koordinaten, freie Oberfläche) mit hydrostatischen und Boussinesq-Annahmen.

Es umfasst ein integriertes dynamisch-thermodynamisches Meereis-Modell (mit viskos-

plastischer Rheologie) und verwendet ein orthogonal-krummliniges Gitter (Jungclaus et al.,

2013). Es besitzt ein bipolares Raster mit 1.5° Auflösung (Äquatornähe) sowie 40 vertikale

Level. Das Atmosphärenmodell wird außerdem durch das Hamburg Aerosol Model (HAM2)

der Version 2 erweitert (Zhang et al., 2012). Das Aerosol-Modul HAM wurde ursprünglich

als eine Komponente des AGCMs ECHAM5, mit dem Ziel Aerosol-Klima-Interaktionen

genauer zu untersuchen, entwickelt. Die aktuelle Version HAM2 beinhaltet neue

Parametrisierungen, Emissionsberechnungen für Meersalz und Mineralstaub, sowie diverse

Wolkenphysik-Schemata. Die Überarbeitung des Aerosol-Moduls erweitert damit die

Fähigkeit des HAM2, den Lebenszyklus des Aerosols und seine Wechselwirkungen mit dem

Klima detaillierter wiederzugeben. Die Hauptkomponenten des HAM2 sind die Aerosol-

mikrophysikalischen Sub-Module M7. Diese simulieren die Bildung und das Wachstum von

Aerosolpartikeln (aufgrund der Nukleation und Kondensation von Schwefelsäure-Gasen), die

Koagulation von Partikeln und die Wasseraufnahme von Aerosolen. Die fünf

Aerosolkomponenten SO4, OC, BC, Meersalz und Mineralstaub werden in diesem Modell

berücksichtigt. In HAM2 werden Aerosol-Effekte auf Flüssigwasser- und Eiswolken

(Aerosol-Activation und Eisnukleation) nach einem „two-moment cloud microphysics

scheme“ berücksichtigt.

HadGEM3 ist das Hadley Centre Global Environment Model der Version 3 (Hewitt et al.,

2011). Die Auflösungen der dritten Version sind vergleichbar mit denen zum HadGEM1. Die

atmosphärische Komponente hat eine horizontale Auflösung von 1.875°x1.25° und besitzt 85

vertikale Level bis zu einer Höhe von 85 km (50 Level unter 18 km). Die Atmosphäre ist mit


13

dem NEMO (Nucleus for European Modelling of the Ocean) Ozeanmodellierungs-System

(tripolares Gitter) und mit dem CICE (Los Alamos sea-ice model) Meereis-Modell

gekoppelt(OASIS3 Kopplung).Um chemische Prozesse (u. a. Gasphase) zu modellieren, wird

das UKCA (UK Chemistry and Aerosols) Schema verwendet. Dabei wird ein Lagrangsches-

Advektions-Schema benutzt, um dynamische Prozesse (bspw. Advektion) atmosphärischer

Gase und Aerosole (55 Spezies), sowie die Klimavariablen (z. B. Niederschlag) zu

simulieren. HadGEM3 unterscheidet sich im Vergleich zu den bisherigen Modellversionen

von einem überarbeiteten Staubschema. Dieses erhöht die Menge der Staubbelastung im

Modell und verringert die Leistung der ankommenden kurzwelligen Solarstrahlung am Boden

über dem tropischen Atlantik, der Sahara, dem Arabischen Meer und in Südasien. Die

Auswirkungen auf die Strahlung durch Aerosole werden mit dem „Edwards-Slingo radiation“

Schema berechnet. Die Aerosolprozesse werden „Größe-bezogen“ simuliert. Die

Simulationen beinhalten primäre Emissionen, sekundäre Partikelbildung durch binäre

homogene Nukleation von Schwefelsäure und Wasser, das Partikelwachstum durch

Koagulation und Kondensation, sowie die Beseitigung durch trockene Deposition und

Abregnen in Wolken. Für die Berechnung der internen Mixtur aus SO4, OC, BC, Staub und

Meersalz wird eine „zwei-Moment Modellannäherung“ und eine sich dynamisch-

entwickelnde Partikelgrößenverteilung verwendet. Dafür gibt es sieben Modi: vier Lösliche

(nukleation bis coarse mode) und drei Unlösliche (aitken bis course mode).

NorESM1-M ist das Norwegian Earth System Model der Version 1 (Iversen et al., 2013). Die

atmosphärische Komponente hat eine horizontale Auflösung von 1.9° x 2.5° und besitzt 26

vertikale Level (Modelloberrand bei 2.19 hPa). Das Ozean-Modul ist eine neuere Version des

Ozeanmodells MICOM (mit einer 1.1° Auflösung in Äquatornähe und 53 Layer), während

das Meereismodell CICE4 und Landmodell CLM4 sowie die Kopplung CPL7 die gleichen

Bestandteile wie in CCSM4 darstellen. Für den atmosphärischen Teil des NorESM1-M wird

das CAM4-Oslo verwendet. Das Atmosphären-Modul CAM4-Oslo (Kirkevåg et al., 2013) ist

eine Version von CAM4 mit einer besseren Darstellung von Aerosolen (mit

Depositionsprozessen), Aerosol-Strahlung und Aerosol-WolkenWechselwirkungsprozessen.

Die Strahlungsantriebe durch Aerosole werden mit dem Collins (2011) Strahlungsschema

berechnet. Die Aerosol-Komponenten SO4, BC, OM, Meersalz und Mineralstaub sind dabei

im Modell enthalten. Partikel die Wolkenkondensationskeime (z. B. reines BC) sind,

bekommen hydrophile Eigenschaften nachdem sie eine interne Mixtur mit Sulfat

eingehen.CAM4-Oslo berechnet außerdem Massenkonzentrationen von Aerosolen, die nach

Produktionsmechanismen in wolkenfreier und bedeckter Atmosphäre, sowie von vier

Größenklassen (nukleation, aitken, accumulation und coarse mode) bestimmt werden. Diese

Prozesse entsprechen der primären Emission von Aerosolpartikeln, die gasförmige und

lösliche Chemie (Wolkenbildung), Nukleation, Kondensation und Koagulation. Nicht

beinhaltet sind trockene und nasse Depositionsprozesse (in-cloud und below-cloud


14

scavenging). Im voll gekoppelten NorESM1-M werden ebenso Albedo-Effekte durch BC,

sowie Ablagerungen von Mineralstaub auf Schnee- und Eisflächen berücksichtigt.

Im weiteren Textverlauf und in den Abbildungen werden die oben beschriebenen Modelle auf

ECHAM-HAM, HadGEM und NorESM abgekürzt.

2.2 Versuchsdurchführung und Methodik

Das experimentelle Setup der hier verwendeten Modelle ist identisch zu dem in Baker et al.

(2015), wobei in dieser Veröffentlichung neben BC auch andere Emissionen zweier SLCPs

(SO2 und OC) in den Modellsimulationen (zusätzlich mit NCAR CESM 1.0.4/CAM4)

entfernt und die klimatischen Wirkungen untersucht wurden. Die Versuchsdurchführung und

Methodik in dieser Arbeit fokussiert sich ausschließlich auf die Reduktion BCs und stellt

dessen Ergebnisse detaillierter dar. Dennoch bietet die Ausarbeitung von Baker et al. (2015)

eine gute Vergleichs- und Diskussionsgrundlage zu den eigenen Ergebnissen.

Für jedes Modell wurde ein Kontrolllauf (CTL-Simulation) und ein „gestörter“ (eng.

perturbed) Lauf (hier BC-Simulation genannt), indem die vollständige, Land bezogene,

anthropogene Emission BCs entfernt wurde, simuliert. Die Kontrollsimulationen wurden zu

Beginn für mehrere Jahrzehnte, unter Verwendung eines anfänglichen Ozean-Zustands

basierend auf aktuelle CMIP5 Bedingungen, ausgeführt. In ECHAM-HAM hingegen, wird

ein vorindustrieller Zustand verwendet (Abschnitt 2.3). Die CTL- und BC-Simulationen

wurden in einer Zeitspanne von 50 Jahren gerechnet, um ein zuverlässiges Signal im

Vergleich zur unterjährigen Variabilität zu erzeugen. Dabei wurden beide Simulationen nach

einer anfänglichen „Spin-up“ Periode von mehreren Jahrzehnten gestartet. In Baker et al.

(2015) wird deutlich, dass die Integrationslänge von 50 Jahren (basierend auf frühere Studien)

als ausreichend erachtet wurde und demnach auch in dieser Arbeit verwendet wird. Alle der

folgenden Berechnungen und Abbildungen (wenn nicht anders angegeben) wurden mit der

Visualisierungssoftware NCL erstellt. Zunächst wurden dafür alle verfügbaren

Klimavariablen als Network Common Data Format (NetCDF) in das Skript geladen und über

50 Jahre gemittelt. Die 50 Jahre beziehen sich auf monatliche (600) Zeitschritte. Die

Differenz Δp (p für perturbation) aus der CTL- und BC-Simulation wurde wie folgt bestimmt:

Δp= BC – CTL (1)

Ist Δp>0zeigen die Regionen der einzelnen Abbildungen (Kapitel 3 und 4) rote Flächen auf;

bei Δp<0 ist die Darstellung Blau. Umso rötlicher die Färbung, desto größer ist das Δp

(invers für Δp<0). Ist Δp=0 gibt es keine Änderungen (weiße Darstellung).

Die in der Masterarbeit untersuchten Klimavariablen der einzelnen Modelle sind in der

Tabelle 2.1 markiert. Die fehlenden Parameter in HadGEM und NorESM waren zu diesem

Zeitpunkt nicht verfügbar, wobei die Ergebnisse in ECHAM-HAM auch allein eine gute


15

Diskussionsgrundlage darstellen werden (beachte: die Klimavariablen und Titel der

Abbildungen sowie Tabellen werden in Englisch geschrieben).

ECHAM6-HAM2 HadGEM3 NorESM1-M

Temperature (K)

Precipitation (mm Tag-1)

Run-off (mm Tag-1)

Total cloud cover (%)

Surface albedo (%)

Sea-ice cover (%)

Net TOA SW radiation (W m-2)

Net TOA LW radiation (W m-2)

Net Surface SW radiation (W m-2)

Net Surface LW radiation (W m-2)

Net TOA SW radiation (clear sky) (W m-2)

Net TOA LW radiation (clear sky) (W m-2)

Tabelle 2.1: Tabellarische Auflistung der untersuchten Klimavariablen in ECHAM-HAM,

HadGEM und NorESM.

Alle kurz- und langwelligen Strahlungsvariablen beziehen sich auf den Nettowert, d. h. hier

wurde bereits die Differenz aus abwärts- und aufwärtsgerichteter Strahlungskomponente wie

folgt berechnet:

TOA Net Radiation = TOA incoming direct Radiation + TOA outgoing Radiation (2)

Sfc Net Radiation = Sfc incoming Radiation + Sfc outgoing Radiation (1 − Sfc Albedo) (3)

Wenn in den Bildtiteln nicht cs (clear-sky) angegeben ist, so wird stets auf die all-sky

Bedingung (mit Wolken) Bezug genommen. Für die Strahlungsvariablen wurde außerdem die

Strahlungsbilanz (total radiation) an der TOA und am Boden, sowie der solare Cloud-

radiative Effect (CRE) untersucht. Die Strahlungsbilanz berechnet sich generell aus der

Differenz zwischen (netto) kurz- und langwelliger Strahlung. Da die langwellige Strahlung

eine aufwärtsgerichtete Strahlungskomponente darstellt (- OLR), ist das Vorzeichen der hier

verwendeten NetCDF negativ, sodass im Skript statt der Differenz die Summe beider

Strahlungsgrößen (für TOA und Sfc) wie folgt berechnet wurde:

Total Radiation = Net SW Radiation + Net LW Radiation (4)

Der CRE ist allgemeinhin definiert als die Differenz zwischen dem Strahlungsfluss in einer

bewölkten Atmosphäre (Rall −sky ) minus dem Strahlungsfluss, der in einer wolkenfreien

Atmosphäre vorhanden wäre (Rclear −sky ):

CRE = Rall−sky − Rclear −sky (5)


16

Der solare CRE wird demnach aus Gleichung (5) mit R als die kurzwellige Strahlung an der

TOA beschrieben; im Terrestrischen ist es andersherum.

Für jedes der drei Modelle zur Verfügung stehenden Klimavariablen wurde nun das Δp nach

Gleichung (1) auf globaler Ebene, sowie für die Nord- und Südhemisphäre, bestimmt.

Außerdem wurden zonale Mittel im 50-Jahre Zeitintegral auf globaler Ebene untersucht. Um

auch regional die Differenzen aus der CTL- und BC-Simulation besser zu erkennen, wurden

die globalen Karten auf mehrere Kartenausschnitte gezoomt. Die ausgewählten Weltregionen

beziehen sich dabei auf Europa, Afrika, Nord- und Südamerika, sowie Südostasien. Um auch

den exakten Mittelwert einzelner Weltregionen und Nationen zu bestimmen, wurde eine

externe NetCDF in das eigene Skript geladen. Hier wird den verschiedenen Regionen ein

Code (region_code) zugeordnet, sodass beim Einlesen des entsprechenden Codes nur die

Werte innerhalb der jeweiligen Ländergrenzen beachtet werden. Dafür wurden die Kontinente

Europa, Afrika, Nord- und Südamerika, sowie die Nationen Indien und China genauer

untersucht. Allerdings beziehen sich die Grenzen des region_code nur bis zu einer

geografischen Breite von 60°N und 60°S, was bei der Einschätzung der Ergebnisse (Europa

und Nordamerika betreffend) zwingend zu beachten ist.

Des Weiteren wurde für die in allen drei Modellen gleichzeitig vorhandenen Klimavariablen

(Temperatur, Niederschlag, Oberflächenabfluss und kurzwellige Strahlung an der TOA) ein

Multi-Modellmittel (Multi-model mean) erzeugt. Dafür wurde ein weiteres Skript mit Hilfe

von „Climate Data Operators“ (CDO) geschrieben. Hier wurden die NetCDFs zunächst auf

ein einheitliches Gitter (T63 Grid) gebracht und anschließend die Einheiten übereinstimmend

abgewandelt. Danach konnten die Multi-Modellmittel über 50 Jahre hinweg berechnet werden

und als neue NetCDF ausgegeben werden. Anschließend wurde auch hier die Differenz aus

CTL- und BC-Simulationen nach Gleichung (1) berechnet und visualisiert.

Um die Ergebnisse auch statistisch einschätzen zu können, wurde für ausgewählte

Klimavariablen ein Zweistichproben-t-Test durchgeführt. Beim Zweistichproben-t-Test wird

zusätzlich zu der Annahme, dass die Daten normalverteilt sind, auch davon ausgegangen, dass

die Varianzen beider Gruppen nicht signifikant unterschiedlich sind. Diese Prüfgröße lässt

sich wie folgt herleiten (aus Statistische Methoden, Prof. Quaas, 2011). Zunächst wird die

Varianz der Differenz der Stichproben a und b (hier CTL- und BC-Simulation) bestimmt:

σa−b2 = σa

2 + σb2 (6)

Dann wird der zugehörige Standardfehler der Differenz der Stichprobenmittelwerte (mit den

Stichprobenumfängen na und nb) bestimmt:

σa −b = σa

2

na+

σb2

nb (7)

Da die Stichprobenvarianzen nicht signifikant unterschiedlich sind, gilt:

σa −b = σ 1

na+

1

nb (8)


17

Die beste Schätzung der Varianz aus der Kombination beider Stichproben ergibt sich mit:

σ 2 =1

na−1 +(nb−1)[ (ai − a )2 + (bi − b )2]

nbi=1

nai=1 (9)

Demnach ist der Standardfehler (mit Stichprobenvarianzen sa2 und sb

2):

σ a −b = 1

na+

1

nb∗

(ai−a )2+ (b i−b )2n bi=1

n ai=1

na +nb−2 =

1

na+

1

nb∗

(na−1)sa2+(nb−1)sb

2

na +nb−2 (10)

Damit ergibt sich die gesuchte Prüfgröße (hier gilt gleicher Stichprobenumfang mit na =

nb = n und Φ = 2n − 2 Freiheitsgraden):

t = a −b n

sa2+sb

2 (11)

Mit NCL wird die Prüfgröße anhand der Funktion ttest beschrieben. Dafür müssen im Vorfeld

die zeitlichen Mittelwerte (dim_avg) und Varianzen (dim_variance) berechnet werden.

Letztlich wurde die Prüfgrößte so berechnet, dass sich ein Konfidenzniveau von 90% einstellt.

Dafür wurde der entsprechende Wert aus der t-Test Tabelle (hier 1.676 für n=50) gelesen und

durch eine „Wenn- (größer/gleich) Dann-Funktion“ das entsprechende Konfidenzniveau

erzeugt.

Neben dem Zweistichproben-t-Test wurde außerdem für alle Mittelwerte x (global und

regional) ein Vertrauensintervall (95%) des Fehlers bestimmt. Dafür wurde im ersten Schritt

die Standardabweichung berechnet mit (N als die Anzahl der Gitterpunkte):

σ = VAR(x) = 1

N−1 (xi − x )²N

i=1 (12)

Der Standardfehler σp des arithmetischen Mittels ergibt sich aus der Standardabweichung σ

der Klimavariable in der Grundgesamtheit und dem Stichprobenumfang n (50 Jahre) wie

folgt:

𝜎𝑝 =𝜎

𝑛 (13)

Der Standardfehler σp ist demnach eine Aussage über die „Genauigkeit“ des Mittelwerts in

einer Stichprobe. Um das 95% Vertrauensintervall zu erzeugen, muss weiterhin σp mit dem

entsprechenden Faktor der t-Test Tabelle multipliziert werden.

2.3 Emissionen

Die Kontrollsimulationen werden durch aktuelle (Jahr 2008) anthropogene BC Emissionen

aus dem ECLIPSE Emissions-Datensatz V4.0a beschrieben (Klimont et al., 2015). Diese

globalen Emissionen wurden mit dem GAINS Modell für die Periode von 2005 bis 2050

erstellt (IIASA.at). Die hier dargestellten anthropogenen Emissionsquellen stammen aus dem


18

Energiesektor, der Industrie, dem Transport (ohne internationalem Schiff- und Luftverkehr),

der Landwirtschaft mit der Verbrennung landwirtschaftlicher Abfälle und der

Abfallbeseitigung. Neben BC sind Schwefeldioxid (SO2), Stickoxide (NO2), flüchtige

organische Verbindungen ohne Methan, Ammoniak (NH3), Kohlenmonoxid (CO), Methan

(CH4) sowie anderer primärer Feinstaub PM2.5, PM10, OC und OM enthalten. Die

Emissionen aus der Verbrennung von Biomasse stammt aus dem GFED v3.1 Emissions-

Datensatz für das Jahr 2005 in ECHAM-HAM und NorESM, sowie für 2008 in HadGEM.

Meersalz und Staub-Aerosol Emissionen sind interaktiv in HadGEM und ECHAM-HAM; in

NorESM hingegen, werden Staubemissionen durch eine Klimatologie beschrieben, wobei die

Meersalz Emissionen interaktiv sind. In HadGEM und NorESM werden die Konzentrationen

der GHGs auf aktuelle anthropogene Emissionen, und in ECHAM-HAM auf vorindustriellem

Niveau (1850), gehalten. Die vorindustriellen GHG Emissionen in ECHAM-HAM wurden

gewählt, weil das Modell den Gleichgewichtszustand in diesem Fall erreicht hatte; ein neues

Spin-up für erhöhte GHG Konzentrationen wäre rechnerisch zu aufwändig gewesen (Baker et

al., 2015).

In der Abbildung 2.1 ist die atmosphärische BC Belastung der CTL-Simulation in ECHAM-

HAM dargestellt. Durch die relativ kurze atmosphärische Lebensdauer BCs, befinden sich

dessen größte Anteile nahe der Emissionsquellen selbst. Im Vergleich zwischen der Nord-

und Südhemisphäre fällt demnach auf, dass sich dessen Anteile vorwiegend nördlich des

Äquators befinden. Der größte Beitrag der BC Belastung lässt sich dementsprechend über den

Gebieten Südamerikas, Zentralafrika, Indien und China finden. Durch globale,

atmosphärische Zirkulationsprozesse lassen sich (geringe) BC Konzentrationen außerdem in

den höheren Breiten erkennen. Auch über Europa und Nordamerika sind die Emissionen BCs

nicht zu vernachlässigen und tragen einen großen Anteil an der globalen Gesamtbelastung.

Die atmosphärische BC Belastung in HadGEM und NorESM konnte aufgrund fehlender

NetCDF zu diesem Zeitpunkt nicht eigenständig untersucht werden. Zur Interpretation der

Ergebnisse spielt der Unterschied in der BC Belastung zwischen den einzelnen Modellen

dennoch eine fundamentale Rolle. In Baker et al. (2015) wird deutlich, dass die BC Belastung

zwischen den Aerosolmodellen eine große Diskrepanz aufweist: ECHAM-HAM (0.102 Tg)

und HadGEM (0.080 Tg) haben im Vergleich zu NorESM (0.163 Tg) eine relativ geringe

globale BC Belastung (in CTL). Auch in der vertikalen Verteilung BCs unterscheiden sich die

Modelle markant. In der Abbildung 2.2 ist die jährlich und zonal gemittelte Vertikalverteilung

BCs mit dem Mischverhältnis der betrachteten Modelle (CTL-Simulation) dargestellt.

ECHAM-HAM und HadGEM (Abb. 2.2a und b) haben geringere BC Konzentrationen in

höheren Atmosphärenschichten als NorESM (Abb. 2.2c). In NorESM sind die

Konzentrationen in Bodennähe ähnlich zu denen in HadGEM, während ECHAM-HAM hier

deutlich größere Werte in Äquatornähe aufweist. Wie bereits erwähnt, besitzt NorESM die

größte atmosphärische Belastung durch BC, sodass sich auf die Nordhemisphäre bezogen der

Anteil BCs über 700 hPa kaum ändert, während die Belastung in ECHAM-HAM und


19

HadGEM wesentlich stärker abfällt. Dementsprechend ist der Anteil BCs über Wolken in

NorESM am größten. Des Weiteren ist der Anteil BCs über der Antarktis verschieden. In

HadGEM und NorESM finden sich die BC Konzentration ab ca. 800 hPa vor, in ECHAM-

HAM ab 300 hPa und nur sehr gering. In NorESM ist der BC Anteil zwischen 60°S und 90°S

erneut am größten. Diese Differenzen werden unterschiedliche Einflüsse auf die

Klimavariablen durch die Reduktion BCs haben. Umso mehr BC in der Atmosphäre

vorhanden ist, desto größere Anteile werden im idealisierten Minderungsexperiment reduziert,

sodass sich eine größere Wirkung bezogen auf die Klimaänderung ergibt. In Baker et al.

(2015) wird deutlich, dass nach der Studie von Samset et al. (2014) das NorESM, im

Vergleich zu realen Messungen, zu hohe BC Konzentrationen in großen Höhenlagen

berücksichtigt und dessen atmosphärische Lebensdauer überschätzt. Im Vergleich zu

HadGEM (3.40 Tage) und ECHAM-HAM (5.345 Tage), ist die Lebensdauer BCs in NorESM

(7.82 Tage) damit deutlich höher (Zahlenwerte aus Baker et al., 2015).

Abbildung 2.1: Globale atmosphärische BC Belastung (kg m−2) der CTL-Simulation in

ECHAM-HAM.


20

Abbildung 2.2: Jährliches Mittel der zonal gemittelten Vertikalverteilung BCs mit dem

Mischverhältnis (μg kg−1) in der CTL-Simulation für (a) HadGEM, (b) ECHAM-HAM und

(c) NorESM (aus Baker et al., 2015).

21

Kapitel 3

Ergebnisse der Modellsimulationen

Im folgenden Kapitel werden die Ergebnisse der Modellsimulationen präsentiert. Diese

werden nach den untersuchten Klimavariablen (Änderungen der Strahlungsvariablen mit

CRE, der Lufttemperatur, der Niederschlagsmuster mit Oberflächenabfluss, sowie der Albedo

und Meereisbedeckung) differenziert und nacheinander aufgeführt. Alle Änderungen

entsprechen der Berechnung nach Gleichung (1). Die globalen und über die Nord- und

Südhemisphäre gemittelten Werte, sowie die kontinentalen und nationalen Mittelwerte, sind

in den Anhängen B und C tabellarisch dargestellt und werden im Folgenden, ohne erneut auf

die Verzeichnisse zu verweisen, stets in den Textverlauf integriert. Die Abbildungen sind der

Übersicht halber am Ende jeden Abschnittes angefügt.

3.1 Änderungen der Strahlungsvariablen und Cloud-

radiative Effects

Strahlungsänderungen am Boden oder an der TOA spielen eine sehr wichtige Rolle im Bezug

auf das Klima und üben einen indirekten Einfluss auf andere Klimavariablen aus. Befindet

sich BC in der Atmosphäre absorbiert es (abhängig vom Mischverhältnis und der Größe des

Rußaerosols) den größten Teil der ankommenden Solarstrahlung. Umso höher der Anteil BCs

in der höheren Troposphäre ist, desto weniger Strahlung kommt an der Erdoberfläche an

(solar dimming). Werden die Emissionen BCs entfernt, so kommt die einst durch BC

absorbierte Strahlungsleistung zusätzlich am Boden an und führt zu einer Erwärmung.

Dennoch sei vermerkt, dass abhängig von der vertikalen Verteilung BCs, auch durch

Absorption von Strahlung in Bodennähe die Lufttemperatur ansteigen kann (auch wenn

weniger Strahlung die Oberfläche erreicht). In der Abbildung 3.1 ist eine Reduzierung des

solar dimming Effekts durch die BC-Simulation in ECHAM-HAM zu erkennen; wobei hier

auf die Netto-Strahlung am Boden Bezug genommen wird, das heißt, der wiederum

aufwärtsgerichtete kurzwellige Strahlungsfluss ist bereits „rausgerechnet“ worden (Gleichung

3). Besonders in den Regionen wo die BC Belastung am stärksten ist, sind die

Strahlungsänderungen nach der Störung am größten. Dementsprechend ist das Mittel auf der

Nordhemisphäre mit 0.527 W m−2, um 31% höher, als auf der Südhemisphäre mit 0.165

W m−2. Im Osten Chinas und im Nordosten Indiens entstehen die größten Differenzen mit bis

zu 10 W m−2 und liegen damit deutlich über dem globalen Mittel von 0.346 W m−2. Nördlich

von Indien werden dagegen negative Differenzen mit bis zu -7 W m−2 simuliert. Im

westlichen Teil Afrikas (Cote D’ivoire, Ghana und im Süden Nigerias) ist ebenso ein auffällig

positives Signal bis 4 W m−2 zu erkennen. Obwohl die BC Belastung in Südamerika ähnlich

KAPITEL 3. ERGEBNISSE DER MODELLSIMULATIONEN

22

zu der in Südostasien ist (Abb. 2.1), sind hier nur sehr geringe und auch negative Differenzen

zu erkennen, während die Werte in Nordkanada wiederum bis ca. 5 W m−2 unerwartet

ansteigen. In Myhre und Sam (2015) wird dennoch deutlich, dass globale Klimamodelle die

Strahlungsantriebe (radiative forcing) durch BC um ca. 10% unterschätzen (Baker et al.,

2015).

Die Änderungen der kurzwelligen Solarstrahlung an der TOA weisen ähnlich signifikante

Muster in Regionen starker BC Belastungen auf (Abb. 3.2). Deutlich wird dieser

Zusammenhang über Indien, China und in Teilen Nordamerikas, wobei NorESM stark

negative Signale (-7 W m−2) über Nord- und Zentralrussland simuliert, sodass diese Aussage

wiederum nicht zu verallgemeinern ist. Generell werden in NorESM negative Differenzen in

den höheren Breiten sichtbar, wobei die Signale über den Landregionen deutlich stärker sind.

In HadGEM wird eine stark positive Differenz südöstlich von Grönland und westlich vom

Europäischen Nordmeer mit ca. 6-7 W m−2 simuliert. In den anderen Regionen der höheren

Breiten hingegen, werden in HadGEM nur geringe negative Änderungen sichtbar und decken

sich vom Vorzeichen mit den Ergebnissen in NorESM. In ECHAM-HAM hingegen, werden

ähnlich zur Solarstrahlung am Boden erneut über dem Norden Kanadas positive Differenzen

(3-4 W m−2) sichtbar. Im Vergleich der drei Modelle wird deutlich, wie verschieden die

regionalen Differenzen sind, wobei in Indien die größten (Mittel-) Werte in ECHAM-HAM (-

1.604 W m−2) und HadGEM (2.23 W m−2) zu erkennen sind. In NorESM hingegen werden

über China, im Mittel von -2.51 W m−2, die größten Differenzen generiert (Abb. 3.3). Dabei

fällt sofort auf, dass sich die Vorzeichen der einzelnen Modelle stark unterscheiden. Die

geringen Änderungen des Multi-Modellmittels zeugen daher nicht von schwachen Wirkungen

der Modelle selbst, sondern lassen sich durch die (regionalen) Gegensätze der Modellläufe

begründen. Diese Differenz spiegelt sich auch im zonalen Mittel der einzelnen Modelle

wieder. Dennoch sind global gemittelt die Unterschiede vom Vorzeichen her identisch:

ECHAM-HAM -0.164 W m−2, HadGEM -0.135 W m−2 und NorESM -0.611 W m−2. In

Baker et al. (2015) wird über stark negative Differenzen der kurzwelligen Solarstrahlung an

der TOA über Indien in HadGEM geschrieben und widersprechen damit den eigenen

Ergebnissen. Dennoch sei vermerkt, dass in Baker et al. (2015) nicht die kurzwellige

Strahlung an der TOA als solche, sondern ein Strahlungsfluss (TOA SW flux) mit

Rückkopplungen von Schnee, Eis und Wolkenreaktionen auf Temperaturänderungen,

verwendet wird. Im Vergleich der eigenen Ergebnisse zum Multi-Modellmittel in Baker et al.

(2015) sind die Signale wiederum nahezu identisch.

Die Änderungen der langwelligen Strahlung am Boden und an der TOA zeigen im Vergleich

zu den kurzwelligen Strahlungsänderungen nur geringe Signale auf (Abb. 3.4). In NorESM

werden mit Ausnahme in Äquatornähe fast ausschließlich negative Differenzen an der TOA

sichtbar (Abb. 3.4c), wobei die Änderungen über Wasser größer sind als über Land. In

ECHAM-HAM hingegen, werden auch über Südamerika, den Arabischen Ländern, sowie

über Ostafrika und Indien positive Differenzen simuliert (Abb. 3.4b). Allgemeinhin werden


23

Änderungen der langwelligen Strahlung (LW feedback) auch mit Änderungen vom

Wasserdampf (watervapor feedback) assoziiert. Diese Größe wurde hier nicht separat

untersucht und dennoch deuten die langwelligen (neg.) Strahlungsänderungen über den

Ozeanen in NorESM auf eine geringe Abkühlung auf Meereshöhe hin, sodass der

Wasserdampfgehalt eher zurückgehen sollte.

Eine weitere wichtige Größe in Bezug auf den Strahlungshaushalt stellt die Strahlungsbilanz

(total radiation) nach Gleichung (4) dar. Positive Werte der Strahlungsbilanz bedeuten

generell ein Energieüberschuss und negative Werte ein Energiedefizit. In der Abbildung 3.5

ist die Änderung der Strahlungsbilanz nach der BC-Simulation (a) am Boden in ECHAM-

HAM, (b) an der TOA in ECHAM-HAM und (c) an der TOA in NorESM dargestellt. Aus

Gleichung (1) ergibt sich demnach für positive Differenzen ein Energieüberschuss nach der

Störung, wobei dieser am Boden über Indien und China mit bis zu 7 W m−2 am größten ist

(Abb. 3.5a). Im Vergleich zu den anderen Weltregionen sind nur geringere Differenzen zu

erkennen, wobei sich über der Arabischen Halbinsel und Nordkanada ebenso ein markantes,

positives Signal erkennen lässt und sich mit der Differenz aus Abbildung 3.1 deckt. In

Südamerika lassen sich auch hier keine aussagekräftigen Differenzen erkennen. Die

Änderungen der Strahlungsbilanz an der TOA hingegen (Abb. 3.5b und c), unterscheiden sich

zunächst grundsätzlich zwischen den beiden Modellen. In NorESM ist im Vergleich zu

ECHAM-HAM eine klare Struktur zu erkennen: In Äquatornähe sind die Änderungen positiv

(mit Maximum über dem Pazifik) und abseits davon, mit Ausnahme gering positiver (im

Bereich 60°N und 60°S) Signale, negativ. Die größten negativen Differenzen treten mit

Ausnahme über der Sahara im Bereich der Wendekreise auf, wobei die Maxima in China (-9

W m−2), der Himalaya Region (-10 W m−2), im Indischen Ozean (-10 W m−2) und im

Pazifik (-9 W m−2) sehr zahlreich vorhanden sind und klare Signale aufzeigen. In NorESM

werden auch über den USA und Nordwesteuropa markante (negative) Differenzen deutlich,

was in ECHAM-HAM nicht der Fall ist. In ECHAM-HAM sind die Differenzen gleichen

Vorzeichens sehr verstreut; die einzigen auffälligen Signale werden hier über Indien (-5

W m−2), China (-7 W m−2) und Nordkanada (4 W m−2) sichtbar. Die Differenz aus den

Strahlungsflüssen an der TOA und am Boden erläutern die atmosphärischen „Antriebe“

(atmospheric forcing). Diese Antriebe haben einen direkten Zusammenhang mit der

atmosphärischen Heizrate/Temperatur (nach Clausius Clapeyron). In Indien sowie in Teilen

Chinas und Europas stimmen beide Modelle vom Vorzeichen überein, sodass sich nach der

BC-Simulation ein netto Energiedefizit an der TOA einstellt, was demnach tendenziell mit

einer Abkühlung der Atmosphäre einhergeht. Anders als in NorESM, ist in ECHAM-HAM

ein weiteres negatives Maximum (-7 W m−2) im Bereich der westlichen Sahelzone zu

erkennen.

Weiterhin haben Wolken einen entscheidenden Einfluss auf die Strahlung. Da Wolken im

Allgemeinen eine höhere Albedo als die darunter liegende Erdoberfläche haben, wird im

solaren Wellenlängenbereich beim Vorhandensein von Wolken mehr Strahlung reflektiert als


24

in einer wolkenfreien Atmosphäre (Cloud Albedo Effekt). Im terrestrischen

Wellenlängenbereich emittieren Wolken, aufgrund der kühleren Wolkenoberseite im

Vergleich zum Erdboden, bei einer geringeren Temperatur als die Erdoberfläche. Daher wird

bei bewölkter Atmosphäre weniger Energie an den Weltraum abgegeben, als bei wolkenfreier

Atmosphäre. Die nicht abgegebene Energie erwärmt die Atmosphäre und Erdoberfläche

(Cloud Greenhouse Effect). Je nach Wolkentyp überwiegt der eine oder andere Effekt. Im

folgendem wird die Änderung des CRE nach der BC-Simulation untersucht, wobei hier nicht

zwischen den unterschiedlichen Wolkentypen separiert wurde. Der CRE nach Gleichung (5)

beschreibt demnach ein Effekt, den die Wolken auf den Strahlungshaushalt haben. Ein

negativer CRE bedeutet allgemein eine Abkühlung der Atmosphäre durch die Wolken und ein

positiver CRE eine Erwärmung. In der Abbildung 3.6a ist zunächst die Änderung der

Strahlungsbilanz (TOA) im clear-sky Fall nach der BC-Simulation in ECHAM-HAM

dargestellt. Vor allem über Indien, China, der Sahelzone und dem Himalaya wird deutlich,

dass die Strahlungsbilanz an der TOA ohne Wolken netto geringer wird. Dieselben Signale

werden auch im Vergleich zur Abbildung 3.5b mit Wolken (all-sky Bedingung) sichtbar,

wobei die Signale im clear-sky Fall etwas stärker sind (beachte unterschiedliche

Skaleneinteilung). Mit Ausnahme über dem Südpolarmeer südwestlich des Kap Horn, sind im

Vergleich zur all-sky Bedingung alle positiven Differenzen im clear-sky Fall tendenziell

schwächer und die negativen Differenzen signifikanter. Demnach ist es schwer einzuschätzen,

ob sich nach der BC-Simulation eine geringe Abkühlung oder Erwärmung der Atmosphäre

ohne Wolken einstellt. Zudem ist der Einfluss BCs auf Wolken sehr komplex, sodass auch

nach der BC-Simulation kaum signifikante Differenzen zu erkennen sein werden (Abschnitt

3.3). In der Abbildung 3.6b und c ist der solare CRE in ECHAM-HAM und NorESM zu

sehen, wobei sich hier keine klare Struktur in stark BC-emittierenden Regionen abzeichnet.

Die Signale unterscheiden sich sowohl im Vorzeichen der unterschiedlichen Regionen, als

auch zwischen beiden Modellen selbst, sodass von keinem signifikant kühlenden oder

wärmenden Effekt durch Wolken nach der BC-Simulation ausgegangen werden kann. Nach

dieser vereinfachten Darstellung scheint der CRE eher ein zufälliges Signal/Rauschen zu sein

(zumal der Effekt BCs auf Wolken sehr komplex ist). Der terrestrische CRE weißt nur sehr

geringe Differenzen auf (Abb. weggelassen).


25

Abbildung 3.1: Änderung der kurzwelligen Solarstrahlung am Boden (W m−2) in ECHAM-

HAM.


26

Abbildung 3.2: Änderung der kurzwelligen Solarstrahlung (W m−2) an der TOA (links) und

dem zonalen Mittel (rechts) für (a) Multi-Modellmittel, (b) ECHAM-HAM, (c) HadGEM und

(d) NorESM.


27

Abbildung 3.3: Säulendiagramm der globalen, kontinentalen (Europa, Afrika, Nord- und

Südamerika) und nationalen (Indien und China) Mittelwerte der (netto) kurzwelligen

Strahlung an der TOA (W m−2) nach der BC-Simulation mit einer Integrationslänge von 50

Jahren in ECHAM-HAM (Hellblau), HadGEM (Rot), NorESM (Blau) und vom Multi-

Modellmittel (Schwarz). Die 95% Konfidenzintervalle sind (der Übersicht halber) im Anhang

B und C tabellarisch angefügt.


28

Abbildung 3.4: Änderung der langwelligen Solarstrahlung (W m−2) (a) am Boden in

ECHAM-HAM, (b) an der TOA in ECHAM-HAM und (c) an der TOA in NorESM.


29

Abbildung 3.5: Änderung der Strahlungsbilanz (W m−2) für (a) am Boden in ECHAM-HAM,

(b) an der TOA in ECHAM-HAM und (c) an der TOA in NorESM.


30

Abbildung 3.6: Änderung (a) der Strahlungsbilanz (W m−2) an der TOA im clear-sky Fall in

ECHAM-HAM und vom solaren CRE an der TOA (W m−2) für (b) ECHAM-HAM und (c)

NorESM.


31

3.2 Änderungen der Lufttemperatur

Temperaturänderungen sind an Strahlungsänderungen gekoppelt, wobei eine Änderung der

(globalen) Temperatur nicht allein durch Änderungen der Strahlung zu begründen ist, sondern

vielmehr aus dem Zusammenspiel zwischen Strahlungstransport, Konvektion und

großräumiger Luftmassenbewegungen. In der Abbildung 3.7 ist eine Zeitreihe vom globalen

jährlichen Mittel der Lufttemperatur in der Kontrollsimulation (links) und von der Änderung

des globalen jährlichen Mittels der Lufttemperatur nach der BC-Simulation (rechts)

dargestellt. ECHAM-HAM hat im Vergleich zu den anderen Modellen eine wesentlich

geringere mittlere Globaltemperatur. Diese Differenz ist durch die vorindustriellen GHG und

Methan Konzentrationen zu begründen (Abschnitt 2.3). ECHAM-HAM und HadGEM

verzeichnen einen leichten Abfall der Temperatur im Vergleich zum Verlauf der Kurven

selbst, sowie zu den Anfangs- und Endwerten, wobei HadGEM nach den ersten 10 Jahren

dennoch einen relativ konstanten Verlauf darstellt. Der Verlauf in NorESM hingegen, ist stets

konstant. Das Multi-Modellmittel liegt aufgrund des Einflusses von ECHAM-HAM stets

unter dem Verlauf in HadGEM sowie (bis auf die ersten 6 Jahre) in NorESM und besitzt

ebenfalls eine leicht abfallende Tendenz. Da dieser Abfall auch im gestörten Lauf aller

Modelle vorhanden ist (hier nicht gezeigt), wird das Signal der Ergebnisse nach der BC-

Simulation (Abb. 3.7 rechts) nicht beeinflusst. Nach der Störung zeigt sich sofort eine klare

Unstimmigkeit der Modelle. Während HadGEM im Verlauf der Temperaturänderung fast

ausschließlich positive Differenzen simuliert, ist es in NorESM andersherum. In ECHAM-

HAM ist keine klare Tendenz zu erkennen und es lässt sich nur vermuten, dass im Mittel,

aufgrund des starken Temperaturabfalls nach 42 Jahren, diese Tendenz ein negatives

Vorzeichen hat. Das Multi-Modellmittel zeigt aufgrund der Differenz zwischen HadGEM und

NorESM nur sehr geringe Ausschläge, wobei dennoch eine leichte Tendenz zum

Temperaturabfall hin zu erkennen ist; im Mittel lassen sich hier mehr negative als positive

Differenzen finden. Besonders auffällig ist, dass sich nach ca. 30 Jahren der Verlauf in

HadGEM und NorESM mehr an der Nulllinie angleicht. Zunächst suggeriert HadGEM einen

Anstieg der Temperatur und später einen Abfall, sodass im zeitlichen (50 Jahre) Mittel die

Differenz immer noch positiv ist, wobei diese Änderung womöglich für eine länger gewählte

Integrationslänge kompensiert werden könnte (invers für NorESM). Würde ein Zeitintegral

von nur 30 Jahren gewählt worden sein, wären die Signale beider Modelle vermutlich stärker.

Auch auf kontinentaler und nationaler Ebene ist ein ähnliches Verhalten zu erkennen (zu

beachten ist hier, dass regional gesehen die Temperaturverläufe in CTL oft eine andere

Struktur im Vergleich zur Zeitreihe des globalen Mittels der einzelnen Modelle aufweisen,

Anhang D). In Europa (Abb. 3.8a), Nordamerika (Abb. 3.8c) und China (Abb. 3.8f) scheint es

ebenso, dass sich nach etwa 30 Jahren der Temperaturverlauf zwischen HadGEM und

NorESM annähert, sodass diese Tendenz nicht ausschließlich mit einem zufälligen Rauschen

zu begründen ist. In Afrika (Abb. 3.8b), Südamerika (Abb. 3.8d) und Indien (Abb. 3.8e) ist

der Temperaturverlauf fast immer sehr konstant an der Null und keine klare Tendenz nach


32

oben oder unten zu erkennen. Das Multi-Modellmittel kommt in keiner dieser Regionen über

einen Bereich von ±0.5 K und ist demnach ähnlich zum Verlauf des globalen Multi-

Modellmittels (beachte: im Vergleich zwischen dem globalen und regionalen

Temperaturverlauf, muss die unterschiedliche Skaleneinteilung berücksichtigt werden).

Obwohl ECHAM-HAM im globalen Mittel sehr nah am Multi-Modellmittel liegt (Abb. 3.10),

sind die (pos. und neg.) Differenzen im Zeitverlauf deutlich größer. Umso erstaunlicher ist es,

dass in Afrika, Südamerika und Indien die größten Differenzen aller Modelle in ECHAM-

HAM zu erkennen sind. Weiterhin ist es interessant zu sehen, dass obwohl die BC

Belastungen in Indien und China nahezu identisch sind, sich dennoch die Größenordnung der

Differenzen beider Länder stark unterscheidet. In Indien liegen fast alle Werte im Bereich

±0.5 K, wobei es in China zu Differenzen von ±1.4 K im Zeitverlauf kommt.

Eine ähnliche Struktur der Modellunterschiede ist in der Abbildung 3.9 zu erkennen. Auf den

globalen Karten sieht man, dass HadGEM vorwiegend positive und NorESM negative Signale

simulieren, wobei diese Differenz besonders bei der Betrachtung der zonalen Mittel (Abb. 3.9

c und d, rechts) sichtbar wird. ECHAM-HAM ist von den Größenordnungen her ähnlich zum

Multi-Modellmittel und es sind kaum eindeutige und klare Signale zu erkennen. Das die

Differenzen im Multi-Modellmittel im Vergleich zu den anderen Modellen keine

signifikanten Signale darstellen, liegt, wie bereits im vorherigen Abschnitt erwähnt, nicht an

einer schwachen Wirkung der einzelnen Modellläufe selbst, sondern an den Gegensätzen der

Modelle. In HadGEM werden mit Ausnahme eines stark negativen Signals über dem

Europäischem Nordmeer (-2.5 K), fast ausschließlich positive Differenzen nördlich des

Äquators sichtbar. Die Temperatur erreicht dabei in den höheren Breiten (vor allem

nordwestlich von Alaska und südlich von Grönland) die größten positiven Differenzen.

Obwohl sich über Europa eine relativ hohe atmosphärische BC Belastung befindet, erreichen

die Differenzen Werte bis zu 1K. Sowohl auf der Nord- als auch auf der Südhemisphäre,

scheinen die Differenzen über Wasser stets größer zu sein als über Land. Demnach sind zwei

stärkere Signale im zentralen (1.2 K) und westlichen (-2.2 K) Bereich nördlich der Antarktis

(Südpolarmeer) zu erkennen. Schließlich treten in HadGEM die größten Änderungen nicht in

den Regionen starker BC Belastungen (wie Indien) auf, sondern eher unerwartet abseits

davon. Die Mittelwerte ausgewählter Regionen sind in der Abbildung 3.9 dargestellt. In

NorESM sind die größten negativen Differenzen in der Himalaya Region (-2 K), im Norden

Russlands sowie in östlichen Teilen der Barentssee (-2.5 K) und in den USA (-2 K) zu

erkennen. Die zwei starken Signale in HadGEM über dem Südpolarmeer werden von ihrer

Struktur her, auch in NorESM ähnlich stark simuliert, wobei die Differenzen (-0.9 K) hier

auffallend geringer sind. In ECHAM-HAM erreichen die Änderungen in den höheren Breiten

ähnlich stark positive Werte im Vergleich zu HadGEM, sodass auch im Multi-Modellmittel

über Alaska, Nordkanada und dem westlichen Nordpolarmeer positive Differenzen simuliert

werden (0.3 bis 0.8 K). Die stärkste positive Änderung in ECHAM-HAM befindet sich über

der Barentssee (1.8 K) und widerspricht damit dem Vorzeichen in HadGEM und NorESM.


33

Außerdem werden in ECHAM-HAM auch stärkere negative Signale (-1 K) über Indien

sichtbar, obwohl die Änderung der kurzwelligen Strahlung am Boden mit bis zu 10 W m−2

(Abb. 3.1) auf eine stärkere Erwärmung hindeutet. Diese Temperaturabnahme scheint daher

aus den hohen BC Konzentrationen in Bodennähe im Bereich des nördlichen Wendekreises

(Abb. 2.2b) zu resultieren.

In der Abbildung 3.10 wird deutlich, dass im Mittel die größten Änderungen durch NorESM

über China (-0.44 K) und Nordamerika (-0.428 K) simuliert werden. HadGEM widerspricht

generell dem Vorzeichen in NorESM, und ECHAM-HAM liegt über allen Regionen sehr nah

am Multi-Modellmittel. Trotzdem simuliert ECHAM-HAM im Mittel die größte Änderung

über Indien mit -0.209 K, wobei die stärkeren negativen Differenzen der kurzwelligen

Solarstrahlung sowie der Strahlungsbilanz an der TOA über Indien, nicht ausschließlich

diesen Temperaturrückgang erklären können. In Afrika und Südamerika sind die Differenzen

aller Modelle ähnlich gering. Obwohl HadGEM und NorESM auch über Europa ein

eindeutiges Signal simulieren, kompensieren sich die Werte fast auf null, sodass sich vom

Multimodellmittel keine klare Aussage ableiten lässt. Global gesehen, scheint die Temperatur

durch die Reduktion BCs etwas zurückzugehen (alle Modelle außer HadGEM zeigen eine

Abkühlung), wobei die regionalen Unterschiede und Unstimmigkeiten der Modelle sehr stark

sind.

Abbildung 3.7: Zeitreihe vom globalen jährlichen Mittel der Lufttemperatur (K) in der

Kontrollsimulation (links) und von der Änderung des globalen jährlichen Mittels der

Lufttemperatur (K) nach der BC-Simulation (rechts) in ECHAM-HAM (Hellblau), HadGEM

(Rot), NorESM (Blau) und im Multi-Modellmittel (Schwarz).


34

Abbildung 3.8: Zeitreihe von der Änderung des jährlichen Mittels der Lufttemperatur (K)

nach der BC-Simulation für (a) Europa, (b) Afrika, (c) Nordamerika, (d) Südamerika, (e)

Indien und (f) China in ECHAM-HAM (Hellblau), HadGEM (Rot), NorESM (Blau) sowie im

Multi-Modellmittel (Schwarz).


35

Abbildung 3.9: Änderung der Lufttemperatur (K) (links) und dem zonalen Mittel (rechts) für

(a) Multi-Modellmittel, (b) ECHAM-HAM, (c) HadGEM und (d) NorESM.


36


Südamerika) und nationalen (Indien und China) Mittelwerte der Lufttemperatur (K) nach der

BC-Simulation mit einer Integrationslänge von 50 Jahren in ECHAM-HAM (Hellblau),

HadGEM (Rot), NorESM (Blau) und vom Multi-Modellmittel (Schwarz). Die 95%

Konfidenzintervalle sind (der Übersicht halber) im Anhang B und C tabellarisch angefügt.

3.3 Änderungen von Wolken- und Niederschlagsmustern

sowie vom Oberflächenabfluss

Die Interaktion zwischen Strahlungsänderungen und Wolken mit Rußaerosolen zieht wichtige

Implikationen für den Wasserkreislauf mit sich. Je nach Höhenlage BCs in der Atmosphäre,

wird die Verdunstung am Boden entweder begünstigt (Erwärmung durch Absorption von

Solarstrahlung in Bodennähe) oder verringert (Abkühlung am Boden durch solar dimming).

Wenn BC die Solarstrahlung in größeren Höhenlagen absorbiert, kommt es außerdem zu einer

erhöhten atmosphärischen Stabilität, was tendenziell mit einer Wolkenauflösung einhergeht

(semi-direkter Effekt). Die lokalen Effekte sind bei genauem Hinschauen jedoch weitaus


37

komplexer. Zwar fördert die Erwärmung durch Absorption von Solarstrahlung an BC in

Bodennähe die Verdunstung (des bereits vorhandenen Niederschlags), aber dennoch kann

wärmere Luft auch mehr Feuchtigkeit aufnehmen und so die Wolken- und

Niederschlagsbildung wiederum begünstigen. Ohne BC in der Atmosphäre kommt es zu einer

erhöhten Labilisierung der Atmosphäre und damit zur Förderung der Wolken- und

Niederschlagsbildung. Der Boden hingegen kühlt netto, trotz der erhöhten Strahlungsbilanz

(und damit Verringerung vom solar dimming, Abb. 3.1) am Boden, ab (Abb. 3.10). Generell

kann kühlere Luft weniger Feuchtigkeit aus der Umgebung aufnehmen und hemmt demnach

eine Wolken- und Niederschlagsbildung. Dennoch besteht der vertikale Fluss an der TOA

ausschließlich aus Strahlung, wobei dieser Fluss mit der Wärmebilanz an der Erdoberfläche

und der horizontalen Energieflussdivergenz im Gleichgewicht ist. Die Prozesse lassen sich

demnach ohne weiteres nicht leicht erklären und es ist schwer einzuschätzen, ob eine

Verdunstung überwiegt oder nicht. In Regionen wo das BC vertikal gesehen relativ

gleichmäßig verteilt ist, könnten die Effekte gegeneinander laufen, sodass in diesem

idealisierten Minderungsexperiment auch generell von nur sehr geringen Differenzen nach der

BC-Simulation ausgegangen wird.

In der Abbildung 3.11 ist die Änderung der totalen Wolkenbedeckung nach der BC-

Simulation in ECHAM-HAM dargestellt. Auf den ersten Blick scheinen sich keine klaren

Muster hervorzuheben, sodass die Änderungen der Wolkenbedeckung nur sehr gering mit den

Niederschlagsänderungen (Abb. 3.12 und 3.13), welche sich vorwiegend in den Tropen

modifizieren, korrelieren. Insgesamt nimmt die globale Wolkenbedeckung nach der BC-

Simulation um 0.047% zu, wobei die Änderungen auf der Nordhemisphäre (0.058%) etwas

größer sind als auf der Südhemisphäre (0.035%). Das globale Mittel der Änderung vom

Niederschlag und dem Oberflächenabfluss sind im Vergleich zu allen anderen untersuchten

Klimavariablen (aller Modelle) am geringsten (Abb. 3.14 und 3.16), sodass sich dieses

Ergebnis gut mit der obigen Erkenntnis deckt. Während bei den Strahlungs- und

Temperaturänderungen markante Unterschiede bei den Vorzeichen der Modelle deutlich

wurden, stimmen diese beim Niederschlag in ECHAM-HAM (0.003%) und HadGEM

(0.014%) überein, wohingegen NorESM, trotz der starken BC Konzentrationen in größeren

Höhenlagen (Abb. 2.2) mit der Tendenz zur Labilisierung der Atmosphäre durch die

Reduktion BCs, von keiner Änderung ausgeht. Nach Baker et al. (2015) wird angenommen,

dass die positiven Niederschlagsänderungen aufgrund des netto negativen Strahlungsantriebs

durch die Reduktion BCs resultieren.

Die atmosphärische Erwärmung und der solar dimming Effekt durch BC (sowie nicht BC-

enthaltende Aerosole) haben einen signifikanten Einfluss auf den Monsun (Ramanathan und

Carmichael, 2008). Durch die Abschattung der Solarstrahlung durch BC in größeren

Höhenlagen kann über dem Indischen Ozean weniger Wasser verdampfen, sodass auch

weniger Feuchte dem (Sommer) Monsunstrom zugeführt wird und sich dieser abschwächt.

Nach der BC-Simulation sollte demnach eine klare Erhöhung des Niederschlags in der


38

Indischen Monsun Region zu sehen sein; ECHAM-HAM und HadGEM stimmen dieser

Erkenntnis im Wesentlichen zu, während NorESM eine Verringerung des Niederschlags über

Indien simuliert (Abb. 3.12).

In der Abbildung 3.12d wird deutlich, dass NorESM eine südwärts gerichtete Bewegung der

ITC simuliert. Warme Luft kann mehr Feuchtigkeit aus der Umgebung aufnehmen; ein

Kriterium für die Wolken- und Niederschlagsbildung, sodass der markante

Temperaturrückgang auf der Nordhemisphäre nach der BC-Simulation (Abb. 3.9d) gut mit

der südlichen ITC Verschiebung übereinstimmt. Betrachtet man die Niederschlagsänderungen

in HadGEM über den Tropen westlich des Nullmeridians, so lässt sich eine nur leicht nördlich

verschiebende ITC vermuten. Auch im Vergleich der zonalen Mittel beider Modelle wird die

sich stärker südlich verschiebende ITC in NorESM und die wiederum leicht nördlichere

Verschiebung in HadGEM sichtbar (Abb. 3.12c und d, rechts). Die beiden gegensätzlichen

Richtungen erklären erneut die sehr schwachen Signale des Multi-Modellmittels. Auch in

ECHAM-HAM ist trotz der stärkeren Signale in den Tropen, keine Verschiebung der ITC zu

erkennen. In Baker et al. (2015) wird, trotz der starken BC Belastungen über Indien, eine

Abnahme des Niederschlags simuliert. Begründet wird die unerwartete Zunahme mit der

Veränderung großräumiger Zirkulationsprozesse (wie die südwärts Drift der ITC), welche die

lokalen BC Effekte überkompensieren. Aufgrund der markanten Verschiebung der ITC in den

eigenen Ergebnissen in NorESM, ist dieser Rückgang über Indien auch nur in NorESM zu

erkennen, sodass die Aussage in Baker et al. (2015) stimmt und auch hier als Begründung

verwendet werden kann. Demnach berechnet NorESM im Mittel über Indien (Abb. 3.14) die

einzig stärkere negative Differenz (-0.08 mm Tag−1) vom Niederschlag, wobei diese

Differenz größer ist, als die größte positive Änderung im Vergleich aller Regionen, und diese

positive Änderung wiederum über Indien selbst erzeugt wird. Dieser Zusammenhang und die

starken BC Konzentration in größeren Höhenlagen zeigen, wie sehr die Veränderungen von

Zirkulationsprozessen in NorESM die lokalen Effekte BCs über Indien dominieren; zumal es

über Indien zusätzlich zu einem horizontalen Transport von Feuchtigkeit aus dem Indischen

Ozean kommt. In HadGEM und ECHAM-HAM hingegen, treten die lokalen

Destabilisationseffekte ohne atmosphärisches BC hervor, sodass auch im Multi-Modellmittel

eine leichte Erhöhung des Niederschlags über Indien (bis 0.2%) simuliert wird. In ECHAM-

HAM wird weiterhin deutlich, dass die Niederschlagsänderungen primär konvektivem

Ursprungs sind (Abb. 3.13), wobei diese Reaktion mit den starken Änderungen innerhalb der

Tropen einhergeht und damit auch bei den anderen Modellen zu erwarten ist. In der

Abbildung 3.14 ist im Multi-Modellmittel über Europa und China, trotz ähnlicher BC

Belastungen im Vergleich zu Indien, ein Rückgang des Niederschlags zu erkennen. Die

Dominanz großskaliger Zirkulationsprozesse auf die Niederschlagsänderungen durch die

Reduktion BCs auf lokaler Ebene, können hier allerdings nicht als Begründung verwendet

werden, wobei das Signal eher zu vernachlässigen ist und dennoch die Komplexität der BC


39

Reduktion verdeutlicht. Andere Effekte, wie das Wachstum beziehungsweise die Stärkung

konvektiver Wolken, werden in diesen Modellen nicht parametrisiert (Baker et al., 2015).

Der Oberflächenabfluss ist der Teil des Niederschlags, der oberirdisch und unmittelbar nach

Einsetzen des Niederschlags den Weg des größten Gefälles sucht und abließt. Die Stärke und

Entstehung ist demnach abhängig vom Niederschlag selbst, der Bodenbeschaffenheit, der

Evapotranspiration sowie von der Neigung im Gelände. Die Änderung des

Oberflächenabflusses nach der BC-Simulation ist in den Abbildungen 3.15 und 3.16 zu

erkennen. Da im Mittel aller Modelle (außer NorESM) eine positive Differenz des

Niederschlags simuliert wurde, sollte der Oberflächenabfluss ebenso eine geringe Erhöhung

aufzeigen. Global gemittelt stimmt das Multi-Modellmittel (0.002 mm Tag−1) mit dieser

Aussage überein und dennoch gibt es große Unterschiede im Vorzeichen sowie in der

Größenordnung der Differenzen im Vergleich der einzelnen Regionen. Die größten

Änderungen werden über dem Amazonas und Südostasien simuliert. Im Vorzeichen scheinen

sich die Modelle recht einig zu sein, sodass auch im Multi-Modellmittel ähnlich starke

Strukturen im Vergleich zu den einzelnen Modellläufen zu erkennen sind. In ECHAM-HAM

wird über Indien eine starke Abnahme des Oberflächenabflusses deutlich (-0.6 mm Tag−1)

und korreliert damit gut mit den Ergebnissen der Niederschlagsänderungen (vgl. Abb. 3.14

und 3.16). In Europa und Südamerika stimmt die im Mittel positive Differenz ebenso mit der

Niederschlagserhöhung überein. In Nordamerika ist der Zusammenhang zwischen

Niederschlag und Oberflächenabfluss nicht gegeben; im Multi-Modellmittel unterscheiden

sich beide Klimavariablen im Vorzeichen, wobei diese Unstimmigkeit mit erhöhten

Verdunstungsprozessen einhergeht. Durch den starken Temperaturrückgang der höheren

Breiten in NorESM, wird ein weiteres stark negatives (-0.8 mm Tag−1) Signal im Osten

Grönlands simuliert. Die allgemein verursachte Erwärmung der Schneedecke durch die

Erwärmung BCs in den höheren Breiten, wird hier durch die vollständige Reduktion der BC

Emissionen gemindert, sodass sich der Oberflächenabfluss ausgelöst durch Schneeschmelze

verringert.


40

Abbildung 3.11: Änderung der totalen Wolkenbedeckung (%) in ECHAM-HAM.


41

Abbildung 3.12: Änderung vom Niederschlag (mm Tag−1) (links) und dem zonalen Mittel

(rechts) für (a) Multi-Modellmittel, (b) ECHAM-HAM, (c) HadGEM und (d) NorESM.


42

Abbildung 3.13: Änderung vom (a) konvektiven und (b) großskaligen Niederschlag

(mm Tag−1) (links) und dem zonalen Mittel (rechts) in ECHAM-HAM.


43


Südamerika) und nationalen (Indien und China) Mittelwerte vom Niederschlag (mm Tag−1)

nach der BC-Simulation mit einer Integrationslänge von 50 Jahren in ECHAM-HAM

(Hellblau), HadGEM (Rot), NorESM (Blau) und vom Multi-Modellmittel (Schwarz). Die

95% Konfidenzintervalle sind (der Übersicht halber) im Anhang B und C tabellarisch

angefügt.


44

Abbildung 3.15: Änderung vom Oberflächenabfluss (mm Tag−1) (links) und dem zonalen

Mittel (rechts) für (a) Multi-Modellmittel, (b) ECHAM-HAM, (c) HadGEM und (d) NorESM.


45


Südamerika) und nationalen (Indien und China) Mittelwerte vom Oberflächenabfluss

(mm Tag−1) nach der BC-Simulation mit einer Integrationslänge von 50 Jahren in ECHAM-

HAM (Hellblau), HadGEM (Rot), NorESM (Blau) und vom Multi-Modellmittel (Schwarz).

Die 95% Konfidenzintervalle sind (der Übersicht halber) im Anhang B und C tabellarisch

angefügt.

3.4 Änderungen der Bodenalbedo und Meereisbedeckung

Die Arktis ist eine der klimatisch sensibelsten Regionen der Erde. BC hat einen signifikanten

Einfluss in den höheren Breiten: sobald sich das Rußaerosol auf Schnee- und Eisflächen

positioniert, verringert sich die Albedo und es wird die Schneeschmelze vorangetrieben.

Dennoch ist der Einfluss BCs in der Arktis sehr komplex und streng von der Höhe und Lage

des Strahlungsantriebs (BC forcing) abhängig (Sand et al., 2013). Für BC auf Schnee- und

Meereisflächen werden co-Emissionen nicht-absorbierender Aerosole (z. B. Sulfat) in den

eigenen Modellsimulationen keine Auswirkungen auf den Antrieb durch BC haben, wobei co-

Emissionen absorbierender Aerosole (z. B. POA) dem „forcing“ beitragen (Baker et al.,


46

2015). Nach der BC-Simulation fokussieren sich die größten Änderungen der Bodenalbedo

wider Erwarten in den höheren Breiten der Nord- und Südhemisphäre (Abb. 3.17). Obwohl

die BC Konzentrationen in den Gebieten der Antarktis sehr gering sind, resultieren hier erneut

starke Signale, sodass die Änderungen nach der BC-Simulation in erster Linie den Strahlungs-

und Temperaturänderungen in diesen Regionen geschuldet sind. Im Mittel beträgt die

Änderung auf der Südhemisphäre 0.025%. Unerwartet hingegen, ergibt sich im Mittel auf der

Nordhemisphäre eine negative Differenz von -0.075%; berechnet man das Mittel zwischen

70°N und 90°N sind es sogar -0.716%. Die größten negativen Differenzen treten dabei über

Nordkanada (-5%), Alaska (-4%), der Barentssee (-6%) sowie an der Ostküste Grönlands (-

6%) auf und übertreffen damit sogar die größte positive Änderung von ca. 4.5% über der

Laptewsee. Auch über der Himalaya Region ist ein stärkeres Signal (3.5%) zu erkennen. Die

negativen Differenzen stehen dabei im Zusammenhang mit den simulierten positiven

Temperaturdifferenzen (Abb. 3.9b), sowie dem Rückgang der Wolkenbedeckung (Abb. 3.11)

über diesen Regionen in ECHAM-HAM. Die Erwärmung in der Arktis geht gleichzeitig mit

einem Rückgang der Meereisbedeckung einher, wobei die größten positiven und negativen

Differenzen sowohl auf der Nord- als auch Südhemisphäre gut mit den Änderungen der

Albedo korrelieren (Abb. 3.18a). Wenn die BC Emissionen reduziert werden, legt sich

weniger BC auf Schnee- und Eisflächen in den höheren Breiten nieder, was zu einer erhöhten

Albedo führt. Die Ergebnisse in NorESM stimmen mit dieser Erkenntnis überein, sodass das

Vorzeichen hier ein anderes ist (Abb. 3.18b). Vor allem über der Barentssee sowie an der

Ostküste Grönlands werden stark positive Änderungen mit bis zu 9% simuliert. Diese erneute

Unstimmigkeit resultiert aus dem Modellsetup; in NorESM werden Albedo-Effekte durch BC

und Mineralstaub Aerosole auf Schnee- und Meereisflächen berücksichtigt, während diese

Prozesse in den anderen Modellen nicht vertreten sind. Dem unerwartet starken Rückgang der

Albedo und Meereisbedeckung in ECHAM-HAM sollte demnach weniger Aufmerksamkeit

geschenkt werden. In ECHAM-HAM ist weiterhin zu beachten, dass Eis und Wasser in der

Simulation berücksichtigt werden.


47

Abbildung 3.17: Änderung der Bodenalbedo (%) in ECHAM-HAM.


48

Abbildung 3.18: Änderung der Meereisbedeckung (%) in (a) ECHAM-HAM und (b)

NorESM.

49

Kapitel 4

Diskussion

Nach der BC-Simulation entsteht eine große Diskrepanz zwischen den Modellen. NorESM

simuliert eine eindeutige Abkühlung, wobei die größten Signale vorwiegend auf der

Nordhemisphäre in den höheren Breiten zu erkennen sind. HadGEM berechnet hingegen eine

netto globale Erwärmung durch die Reduktion BCs, wobei die größten Signale auch hier

primär auf der Nordhalbkugel in den höheren Breiten zu finden sind. Die Signale in ECHAM-

HAM sind im Vergleich dazu sehr gering und ähneln von der Größenordnung dem Multi-

Modellmittel, welches aufgrund der starken Gegensätze zwischen HadGEM und NorESM

kaum signifikante Differenzen simulieren kann. Generell ist der lokale Einfluss BCs auf die

Temperatur von der vertikalen Verteilung des Rußaerosols abhängig: BC in tieferen

Atmosphärenschichten kann durch Absorption von Strahlung die bodennahen Luftschichten

erwärmen, während höher liegendes BC durch Absorption die an der Erdoberfläche

ankommende Solarstrahlung reduziert (solar dimming). Die Energiebilanz am Boden ist

jedoch weitaus komplexer, weil latente sowie fühlbare Wärmeströme und die Albedo der

Erdoberfläche eine wichtige Rolle spielen. Die verschiedenen Klimawirkungen zwischen

HadGEM und NorESM, sowie die schwachen Änderungen in ECHAM-HAM, könnten in

erster Linie aus der unterschiedlichen Vertikalverteilung BCs resultieren. Die stärksten

direkten Strahlungseffekte BCs werden durch BC über Wolken, aufgrund ihrer hohen

Oberflächenalbedo, hervorgerufen, sodass diese Effekte in HadGEM und ECHAM-HAM

wesentlich kleiner sind. In NorESM hingegen scheint es, dass sich aufgrund der starken BC

Belastung in größeren Höhenlagen, die negativen Temperaturänderungen und starken Signale

begründen lassen. In HadGEM ist die BC Konzentration in Bodennähe nahezu identisch im

Vergleich zu NorESM, wobei die BC Konzentration mit zunehmender Höhe in HadGEM

stärker abnimmt. Diese Verteilung begründet allerdings nicht ausschließlich die

Vorzeichenänderung. In ECHAM-HAM befinden sich im Vergleich aller Modelle die größten

BC Konzentrationen in Bodennähe (Tropenregion) und dennoch sind beispielsweise die

Temperaturänderungen (mit Ausnahme von Indien) im Vergleich zu HadGEM und NorESM

nicht signifikant stärker. In Baker et al. (2015) wird davon ausgegangen, dass die stärkeren

Signale in NorESM wegen der Berücksichtigung von Albedo Effekten durch BC auf Schnee-

und Eisflächen zu begründen sind. Werden die BC Emissionen reduziert, können sich weniger

Rußpartikel auf dem Schnee positionieren und die Albedo nimmt zu. Die stark negativen

Differenzen der Temperatur und die positiven Änderungen der Meereisbedeckung, vor allem

über der Barentssee, korrelieren sehr stark miteinander, sodass auch die eigenen Ergebnisse

sehr gut mit der obigen Erkenntnis übereinstimmen. Auch in den Strahlungsänderungen

unterscheiden sich die Modelle sehr stark im Vorzeichen und unterstützen damit diese

KAPITEL 4. DISKUSSION

50

Beobachtung. Die Tatsache, dass ECHAM-HAM keine interaktive Chemie beinhaltet, sollte

ebenso einen Einfluss auf die geringeren Differenzen im Vergleich zu den beiden anderen

Modellen haben. Generell ist die jahreszeitliche und klimatische Variabilität in der Arktis

jedoch sehr groß, sodass es trotz der eindeutigen Ergebnisse der höheren Breiten in NorESM

schwer ist, signifikante Aussagen zu treffen. Im Vergleich der Konfidenzintervalle aller

Klimavariablen (Anhang B und C) wird deutlich, dass die Mittelwerte kaum statistisch

relevant sein können, weil die berechneten Werte extrem nach oben und unten schwanken.

Bei den Niederschlagsänderungen hingegen, sind die Unterschiede zwischen den Modellen

etwas geringer. Die Signale in ECHAM-HAM und HadGEM weisen im Vergleich zu

NorESM ähnlich starke Signale auf, wobei das Vorzeichen in NorESM wiederum ein anderes

ist. Die Orte der größten Differenzen in ECHAM-HAM und HadGEM stimmen allerdings

sehr gut miteinander überein, sodass das Multi-Modellmittel die unterschiedlichen Signale in

NorESM teilweise kompensiert und primär den Änderungen aus ECHAM-HAM und

HadGEM entspricht. Dennoch ist zu berücksichtigen, dass die direkten, indirekten und semi-

direkten Effekte BCs auf Wolken eine große Inhomogenität mit sich bringt, sodass die

Mittelwerte nur sehr gering sind und das Vorzeichen, aufgrund der großen

Konfidenzintervalle, kaum zu rechtfertigen ist. Außerdem scheint die starke südwärts

gerichtete Bewegung der ITC in NorESM überschätzt zu sein. Grundsätzlich haben alle

Modelle ein „double ITCZ“ Problem, das heißt, es existiert ein zu starkes Niederschlagsband

südlich des Äquators (Baker et al., 2015). Demnach könnte die starke negative Differenz über

Indien in NorESM zu groß sein, sodass die lokalen Effekte einen wiederum größeren Einfluss

besitzen sollten. Weiterhin simulieren die Modelle zu große Niederschlagsmengen über dem

Himalaya, was aufgrund der ungenauen Darstellung von Niederschlagsprozessen über hoher

Orographie zu begründen ist (Baker et al., 2015).

In Stohl et al. (2015) wird deutlich, dass die Modelle im Vergleich zu realen Messungen, die

BC Konzentrationen, vor allem in höheren Troposphärenschichten, systematisch

überschätzen. Die atmosphärische Lebensdauer BCs ist damit, besonders in NorESM, zu lang

(Abschnitt 2.3). Der Einfluss auf die verschiedenen Klimavariablen ist demnach sehr

unterschiedlich und muss bei der Diskussion zum Klimaeinfluss BCs stets beachtet werden.

Auch in Hodnebrog et al. (2015) wird deutlich, dass die globalen BC Emissionen in

Klimamodellen generell zu gering sind, während die BC Konzentrationen in höheren

atmosphärischen Lagen eher überschätzt wird. Regional gibt es trotzdem Unterschiede;

Gadhavi et al. (2015) haben herausgefunden, dass in Südindien die BC Konzentrationen

unterschätzt werden, wobei nach Hodnebrog et al. (2014) diese Unterschätzung generell in

niedrigeren Atmosphärenschichten in den Modellen ein Problem darstellt. Eine andere

ECLIPSE Studie zeigte, dass die BC Konzentration auf Schnee über Nordrussland in den

Modellen zu gering ist, aber die anderen Regionen der Arktis diese Konzentrationen eher

überschätzen (Stohl et al., 2015). Nach einer BC-Simulation mit einer erneut überarbeiteten

Angleichung zwischen beobachteten und simulierten BC Konzentrationen sowie einer


51

geringeren atmosphärischen Lebensdauer BCs, sollten signifikantere Signale berechnet

werden können. Dennoch ist in den eigenen Ergebnissen aufgefallen, dass die größten

Reduktionsemissionen von BC besonders auffällige Signale nicht ausschließlich in den

Regionen starker BC Emissionen hervorrufen. Diese Erkenntnis verdeutlicht erneut die

Komplexität des Rußaerosols auf das Klima, sodass bei einer Diskussion der Ergebnisse

mehrere Unbekannte eine Rolle spielen, als nur das Modellsetup selbst. In Baker et al. (2015)

wird deutlich, dass die natürliche Veränderung der Meereisbedeckung eine weitere

Einflussgröße auf die Signale durch die Reduktion BCs zu sein scheint und demnach weniger

aus einem erzwungenen Antrieb resultieren. Alle Faktoren erschweren eine signifikante

Einschätzung der Klimawirkung durch die Reduktion BCs.

In den Abbildungen 3.19, 3.20 und 3.21 sind die zu 90% signifikanten Änderungen aus dem

Zweistichproben-t-Test für die Strahlungsbilanz (aus Abb. 3.5), der Lufttemperatur (aus Abb.

3.9) und vom Niederschlag (aus Abb. 3.12) der einzelnen Modelle dargestellt. Die

Abbildungen aus dem Signifikanztest behalten dabei die Skaleneinteilung der globalen Karten

ohne t-Test, wegen dem besseren Vergleich beider zugehörigen Abbildungen, bei. Bei den

Änderungen der Strahlungsbilanzen (Abb. 3.19) fällt zunächst auf, dass sich die meisten

signifikanten Differenzen zwischen den Wendekreisen befinden. So werden auch die mit bis

zu 7 W m−2 starken Signale der Strahlungsbilanz am Boden über dem Norden Indiens sowie

dem Osten Chinas als signifikant in ECHAM-HAM eingestuft (Abb. 3.19a). Die negativen

Differenzen spielen dabei eine untergeordnete Rolle. Eventuell kompensiert der starke

Energieüberschuss am Boden, die eigentliche Abkühlung ohne BC Konzentration in

Bodennähe. Demnach werden in Indien (bis auf ECHAM-HAM) und China keine

signifikanten Differenzen der Lufttemperatur berechnet (Abb. 3.20). Wie bereits deutlich

geworden ist, haben weitaus mehrere Faktoren als nur die Strahlungsflüsse einen

entscheidenden Einfluss auf die Temperatur, sodass die Tendenz hier wohl eher zufällig ist.

Im Vergleich der Änderungen zur Strahlungsbilanz an der TOA in ECHAM-HAM (Abb.

3.19b) und NorESM (Abb. 3.19c) fällt auf, dass in ECHAM-HAM nur sehr wenige

signifikante Signale berechnet werden. In NorESM hingegen, lassen sich viele negative

Differenzen nördlich und südlich vom Äquator erkennen, sodass man auch im Vergleich zu

den Änderungen der anderen Strahlungsvariablen (Abschnitt 3.1) von einem netto negativen

Strahlungsantrieb durch die Reduktion BCs ausgehen kann. In NorESM werden Teile der

starken negativen Differenzen der Temperatur über der Barentssee (2 K) ebenso als

signifikant eingestuft. HadGEM berechnet im Zweistichproben-t-Test eine stark negative

Differenz östlich sowie eine positive Änderung süd-südöstlich von Grönland (Abb. 3.20b),

während die signifikanten Signale in ECHAM-HAM nur sehr vereinzelt auftreten (Abb.

3.20a). Bei den Niederschlagsänderungen zeigt sich eine positive Differenz in ECHAM-HAM

über Indien (Abb. 3.21a). Generell sind die signifikanten Signale in ECHAM-HAM und

HadGEM auf Höhe allen Breitengrade vorhanden, wobei in NorESM die größten negativen

Signale nördlich des Äquators und die größten positiven Signale südlich des Äquators


52

berechnet werden, sodass die südwärts gerichtete Bewegung die ITC nach der BC-Simulation

in NorESM auch als signifikant einzuschätzen ist (Abb. 3.21c). Im Vergleich aller

Abbildungen stellt sich letztlich heraus, dass diese allgemein gering vorhandenen

signifikanten Differenzen sowie die Unterschiede zwischen den Modellen, den Einsatz von

mehr als nur einem Modell befürworten, da verschiedene Modelle eine unterschiedliche

Empfindlichkeit gegenüber nur kleinen Störungen in den Anfangsbedingungen haben. Es ist

daher besonders wichtig, möglichst viele Parameter und auch unterschiedliche

Modelle/Modellläufe mit in eine Diskussion einzubeziehen.


53

Abbildung 4.1: Änderung der Strahlungsbilanz (W m−2) mit den zu 90% signifikanten

Signalen nach einem Zweistichproben-t-Test für (a) am Boden in ECHAM-HAM, (b) an der

TOA in ECHAM-HAM und (c) an der TOA in NorESM.


54

Abbildung 4.2: Änderung der Lufttemperatur (K) mit den zu 90% signifikanten Signalen nach

einem Zweistichproben-t-Test für (a) ECHAM-HAM, (b) HadGEM und (c) NorESM.


55

Abbildung 4.3: Änderung vom Niederschlag (mm Tag−1) mit den zu 90% signifikanten

Signalen nach einem Zweistichproben-t-Test für (a) ECHAM-HAM, (b) HadGEM und (c)

NorESM.

56

Kapitel 5

Zusammenfassung und Schlussfolgerungen

In dieser Arbeit wurde ein idealisiertes Minderungsexperiment, indem die vollständige, Land

bezogene, anthropogene Emission von BC entfernt wurde, durchgeführt. In erster Linie

wurden dafür die klimatischen Änderungen durch die Emissionsreduktionen mit Hilfe

unterschiedlicher Klimavariablen untersucht und beurteilt. Der Einfluss BCs auf das Klima ist

jedoch sehr komplex (Kapitel 1) und wird von großen Unsicherheiten begleitet. So können

bereits bei den unterschiedlichen Verbrennungsprozessen unterschiedlich starke

brennstoffreiche und sauerstoffarme Zonen im Verbrennungskessel entstehen, sodass der

Anteil vom emittierten BC stets unterschiedlich sein kann. Wird die Temperatur stets hoch

gehalten und ist der Verbrennungsprozess gut mit Sauerstoff durchmischt, können die

kohlenstoffhaltigen Partikel durch Oxidationsreaktionen bereits im Kessel eliminiert werden

(Bond et al., 2013). Zudem unterscheiden sich die Emissionsquellen generell, vom Verhältnis

der co-emittierten Aerosolpartikel zum BC, untereinander. So gibt es einen erhöhten SO2

Anteil bei der Verbrennung von Kohle, während bei der Biomasseverbrennung mehr BC als

SO2 emittiert wird (Anhang A). Dementsprechend unterschiedlich ist auch der

Mischungszustand von intern gemischtem BC, sodass auch hier der

Massenabsorptionsquerschnitt nicht einheitlich sein kann. Demnach ist es äußerst schwierig

eine reale Abschätzung der BC Konzentrationen in Klimamodellen zu berücksichtigen. Es

wurde deutlich, dass in den Modellen die BC Konzentrationen in hohen Lagen systematisch

überschätzt werden, während das BC in Bodennähe eher unterschätzt wird und es dennoch

regionale Unterschiede gibt. Des Weiteren kann die Lebensdauer von BC schwanken (± 3

Tage, Riemer et al. 2010), sodass es auch hier schwer zu modellieren ist, wann und wie viel

BC sich auf beispielsweise Schnee- und Eisflächen tatsächlich ablagern wird. Wolken- und

Aerosol-Wechselwirkungsprozesse tragen weiterhin den Beitrag zur größten unsicheren

Interpretation von Änderungen im Energiehaushalt der Erde bei. Besonders BC besitzt eine

sehr große Anzahl von mikrophysikalischen Prozessen, welche die Eigenschaften aller

Wolkengattungen grundlegend ändern können. Selbst beim Versuch die Modellergebnisse

durch Messungen einschränken zu wollen, ist es schwer diese Unsicherheiten zu

kompensieren. Weil der Anteil vom BC in einem bestimmten Luftvolumen sehr gering (10-

15%) und schwer von anderen Licht-absorbierenden Aerosolpartikeln (z. B. Dunst und Staub)

zu unterscheiden ist, müssen indirekte Messungen aus einer Kombination von thermischen

und optischen Methoden angewandt werden (Bond et al., 2013). In den meisten Regionen mit

sehr hohem BC Anteil (z. B. Afrika und Südostasien) sind die Messungen zudem sehr

spärlich verbreitet. Um dennoch ein möglichst großes Signal in den eigenen Ergebnissen zu

erzeugen, wurde die vollständige Reduktion BCs in den Klimamodellen gewählt. Dafür

KAPITEL 5. ZUSAMMENFASSUNG UND SCHLUSSFOLGERUNGEN

57

wurden drei AOGCMs verwendet: ECHAM6-HAM2, NorESM1-M und HadGEM3 (Kapitel

2). Es stellte sich heraus, dass sich die Modelle stark im Vorzeichen der einzelnen

Klimavariablen unterscheiden (Kapitel 3). Durch die Verwendung von Kopplungen können

die Ozeanzirkulation, Wärmeaufnahme und Meereis-Ausdehnung auf die Änderungen durch

die BC Reduktion reagieren (Baker et al., 2015). Demnach ist das Signal nach der Reduktion

BCs auf das Klima nur sehr gering (auch im Vergleich anderer SLCP Reduktionen wie SO2 in

Baker et al., 2015), sodass es neben der natürlichen Variabilität des Klimas auf einer längeren

Zeitskala sehr schwierig ist, mögliche „Co-Benefits“ durch eine Reduktion BCs signifikant

einschätzen zu können (Kapitel 4).

Besonders weil die BC Emissionen vorwiegend auf der Nordhemisphäre vorhanden sind, sind

die Strahlungsantriebe nach der BC-Simulation hier auch (tendenziell) größer, als auf der

Südhemisphäre. BC in höheren Breiten besitzt einen großen Einfluss auf die Bodenalbedo und

auf Temperaturänderungen, vor allem dann, wenn es sich zusätzlich über Wolken mit hoher

Oberflächenalbedo legt. Die Temperaturdifferenzen nach der BC-Simulation sind daher in der

Nordpolarregion am größten und nicht wie vermutet dort, wo die BC Konzentrationen am

stärksten sind (u. a. in Indien und China). Entwicklungsländer, wie Indien und andere

Südostasiatische Länder, sind noch immer Agrarländer und deren Landwirtschaft wird stark

vom Niederschlag beeinflusst. Die Reduktion BCs könnte daher sehr nützliche Einflüsse mit

sich bringen, indem eine weitere Reduzierung der Monsunregenfälle durch BC und andere

SLCPs gemindert wird. Dennoch sei vermerkt, dass der globale Einfluss durch eine

Reduktion BCs nur sehr gering ist. Um die klimatischen „Co-Benefits“ durch eine

Reduzierung BCs dennoch zu maximieren, sollten den Emissionsquellen mit hohem BC/OA

Verhältnis die größte Priorität zugewiesen werden.

Vor dem Hintergrund, dass BC einen starken Einfluss auf die Gesundheit besitzt, nimmt die

Reduktion BCs und auch anderer SLCPs eine zunehmend wichtigere Rolle, gegenüber den

GHGs, ein. Neue PM Luftreinhaltungsmaßnahmen könnten in naher und ferner Zukunft die

Emissionen von Rußaerosolen dämmen und gleichzeitig zu einer besseren Luftqualität und

Gesundheit beitragen. Inwieweit eine vollständige Reduktion der BC Konzentrationen die

Luftqualität tatsächlich verbessert, konnte hier nicht explizit untersucht werden und bietet

daher Anreize für weitere Studien. Fakt ist, dass aufgrund der stark negativen Einwirkungen

BCs auf die Lunge, es definitiv zu einer verminderten Anzahl durch BC erkrankte Menschen

(Asthma usw.) kommen muss. Mehrere Studien und Staubmessungen einzelner Städte (u. a.

Leipzig) haben gezeigt, dass eine Verbesserung der Luftqualität und Gesundheit durch eine

Reduktion BCs und anderer SLCPs zweifellos ist. Daher sollte in Zukunft der Fokus auf

explizite Lösungsansätze für eine Reduktion BCs gelegt werden, damit die Ergebnisse solcher

Studien sowie die untersuchten „Co-Benefits“ der Masterarbeit, in die Realität umgesetzt

werden können.

58

Danksagung

Diese Arbeit ist der Abschluss meines Master-Studiums am Leipziger Institut für

Meteorologie und der Beginn meiner beruflichen Zukunft als Meteorologe. Das Studium ist

eine sehr prägende Zeit für junge Menschen, die sich für eine solche Laufbahn entscheiden.

Deshalb möchte ich mich an dieser Stelle herzlich bei denjenigen bedanken, die mir all dies

ermöglicht und mich auf meinem Weg begleitet haben, sodass ich nach Abgabe dieser Arbeit

auf einen erfolgreichen Masterabschluss in der Meteorologie stolz sein kann.

Im Laufe dieser Arbeit entwickelte sich für mich ein stetiges Interesse am den Thematiken

Klima und Umweltschutz, sodass ich unabhängig von meiner beruflichen Zukunft auch

weiterhin neue Aktivitäten und Erkenntnisse dieser Themenbereiche mit großer Begeisterung

verfolgen werde. Herr Prof. Dr. Quaas ermöglichte mir erst diese Arbeit am Institut und stellte

mit der Hilfe seiner Forschungsgruppe „Wolken und globales Klima“ einen Arbeitsplatz und

alle Daten zur Verfügung. Vielen Dank dafür, sowie für die Beantwortung meiner Fragen.

Herr Dr. Ribu Cherian betreute diese Arbeit und unterstützte mich bei aufkommenden

Problemen. Ich bedanke mich für seine endlose Mühe, geduldig jedes Detail erklärt und

meine Fragen ausführlich beantwortet zu haben. Vor allem bei der Entwicklung meiner NCL

Routinen stand er mir ausdauernd zur Seite.

Außerdem möchte ich mich bei Herrn Jan Kretzschmar bedanken, der während seiner

Tätigkeit als Studentische Hilfskraft allen Studenten bei der Erstellung Ihrer

Abschlussarbeiten, mit den dabei aufkommenden Problemen und Fragestellungen, zur

Verfügung stand.

Des Weiteren sei allen am ECLIPSE-Projekt beteiligten Arbeitsgruppen für die Entwicklung

und Bereitstellung der NetCDF gedankt.

Ein ganz besonderes Dankeschön möchte ich am Ende noch meiner Familie und meinen

Freunden widmen, die mich immer begleiten, unterstützen und mir im Zusammenhang dieser

Arbeit stets Mut zugesprochen haben.

59

Literaturverzeichnis

Veröffentlichungen (paper)

Baker, L.H., Collins, W. J., Olivié, D. J. L., Cherian, R., Hodnebrog, Ø., Myhre, G., Quaas, J.,

Samset, B. H.: Climate response to anthropogenic emissions of short-lived pollutants,

Atmos. Chem. Phys. Discuss., 15, 3823-3862, doi:10.5194/acpd-15-3823-2015, 2015

Bond, T. C., Doherty, S. J., Fahey, D. W., Forster, P. M., Berntsen, T., DeAngelo, B. J.,

Flanner, M. G., Ghan, S., Kärcher, B., Koch, D., Kinne, S., Kondo, Y., Quinn, P. K.,

Sarofim, M. C., Schlutz, M. G., Schulz, M., Venkataraman, C., Zhang, H., Zhang, S.,

Bellouin, N., Guttikunda, S. K., Hopke, P. K., Jacobson, M. Z., Kaiser, J. W., Klimont, Z.,

Lohmann, U., Schwarz, J. P., Shindell, D., Storelvmo, T., Warren, S. G., Zender, C. S.:

Bounding the role of black carbon in the climate system: A scientific assessment, Journal

Of Geophysial Research: Atmospheres, Vol. 118, 1-173, doi:10.1002/jgrd.50171, 2013

Chung, S. and Seinfeld, J: Climate response of direct radiative forcing of anthropogenic black

carbon, Journal Of Geophysical Research: Atmospheres, Vol. 110, D11102,

doi:10.1029/2004JD005441, 2005

Gadhavi, H. S., Renuka, K., Ravi Kiran, V., Jayaraman, A., Stohl, A., Klimont, Z., Beig, G.:

Evaluation of black carbon emission inventories using a Lagrangian dispersion model – a

case study over southern India, Atmos. Chem. Phys., 15, 1447-1461, doi:10.5194/acp-15

1447-2015, 2015

Hewitt, H. T., Copsey, D., Culverwell, I. D., Harris, C. M., Hill, R. S. R., Keen, A. B.,

McLaren, A. J., Hunke, E. C.: Design and implementation of the infrastructure of

HadGEM3: the next-generation Met Office climate modelling system, Geosci. Model

Dev., 4, 223–253, doi:10.5194/gmd-4-223-2011, 2011

Hodnebrog, Ø., Myhre, G., Samset, B. H.: How shorter black carbon lifetime alters its climate

effect, Nat. Comm., 5, 5065, doi:10.1038/ncomms6065, 2014

Intergovernmental Panel on Climate Change (IPCC): Climate Change 2013 – The Physical

Science Basis, Chapter 7 & 8, Cambridge University Press, 2013

Iversen, T., Bentsen, M., Bethke, I., Debernard, J. B., Kirkevåg, A., Seland, Ø., Drange, H.,

Kristjansson, J. E., Medhaug, I., Sand, M., Seierstad, I. A.: The Norwegian Earth System

Model, NorESM1-M – Part 2: Climate response and scenario projections, Geosci. Model

Dev., 6, 389-415, doi:10.5194/gmd-6-389-2013, 2013

Janssen, N., Gerlofs-Nijland, M., Lanki, T., Salonen, R., Cassee, F., Hoek, G., Fischer, P.,

Brunekreef, B., Krzyzanowski, M.: Health effects of black carbon, World Health

Organization – Regional Office for Europe, Bonn, 2012

LITERATURVERZEICHNIS

60

Jungclaus, J., Fischer, N., Haak, H., Lohmann, K., MaRotzke, J., Matei, D., Mikolajewicz, U.,

Notz, D., and Storch, J.: Characteristics of the ocean simulations in the Max Planck

Institute Ocean Model (MPIOM) the ocean component of the MPI-Earth system model,

Journal of Advances in Modeling Earth Systems, 5, 422-446, 2013

Kirkevåg, A.; Iversen, T.; Seland, Ø.; Hoose, C.; Kristjánsson, J. E.; Struthers, H.; Ekman, A.

M. L.; Ghan, S.; Griesfeller, J.; Nilsson, E. D.; Schulz, M.: Aerosol–climate interactions in

the Norwegian Earth System Model – NorESM1-M, Geosci. Model Dev. Discuss., 6,

2599-2685, doi:10.5194/gmdd-5-2599-2012, 2013

Klimont, Z., Kupiainen, K., Heyes, Ch., Cofala, J., Rafaj, P., Höglund-Isaksson, L., Borken,

J., Schöpp, W., Winiwarter, W., Purohit, P., Bertok, P., Sander, N.: ECLIPSE V4a: Global

emission data set developed with the GAINS model for the period 2005 to 2050, Key

features and principal data sources, International Institute for Applied System Analysis

(IIASA), Schlossplatz 1, 2361 Laxenburg, Austria, 2015

Kvalevåg, M. M., Samset, B. H., Myhre, G.: Hydrological sensitivity to greenhouse gases and

aerosols in a global climate model, Geophys. Res. Lett., 40, 1432-1438, 2013

Myhre, G. and Samset, B. H.: Standard climate models radiation codes underestimate black

carbon radiative forcing, Atmos. Chem. Phys., 15, 2883-2888, doi:10.5194/acp-15-2883-

2015, 2015

Ramanathan, V. and Carmichael, G.: Global and regional climate changes due to black

carbon, Nat. Geosci., 1, 221-227, 2008

Riemer, N., West, M., Zaveri, R., Easter, R.: Estimating black carbon aging time-scales with a

particle-resolved aerosol model, Aerosol Science 41, 143-158,

doi:10.1016/j.jaerosci.2009.08.009, 2010

Samset, B. H., Myhre, G., Herber, A., Kondo, Y., Li, S.-M., Moteki,N., Koike, M., Oshima,

N., Schwarz, J. P., Balkanski, Y., Bauer,S. E., Bellouin, N., Berntsen, T. K., Bian, H.,

Chin, M., Diehl,T., Easter, R. C., Ghan, S. J., Iversen, T., Kirkevåg, A., Lamarque, J.-F.,

Lin, G., Liu, X., Penner, J. E., Schulz, M., Seland, Ø.,Skeie, R. B., Stier, P., Takemura, T.,

Tsigaridis, K., Zhang,K.: Modelled black carbon radiative forcing and atmosphericlifetime

in AeroCom Phase II constrained by aircraft observations, Atmos. Chem. Phys., 14, 12465-

12477, doi:10.5194/acp-14-12465-2014, 2014

Sand, M., Berntsen, T. K., Seland, Ø., Kristjánsson, J. E.: Arctic surface temperature change

to emissions of black carbon within Arctic or midlatitudes, J. Geophys. Res.-Atmos., 118,

7788-7798, 2013

Sarofim, M., DeAngelo, B., Beach, R., Weitz, K., Bahner, M., Zapata, A.: Marginal

abatement curves for U.S. black carbon emissions, J. Integr. Environ. Sci., Volume 7,

Supplement 1, 279-288, doi:10.1080/19438151003774455, 2010


61

Shindell, D., Faluvegi, G., Walsh, M., Anenberg, S., Dingenen, R., Muller, N., Austin, J.,

Koch, D., Milly, G.: Climate, health, agricultural and economic impacts of tighter vehicle-

emission standards, Nature Climate Change 1, 59-66, doi: 10.1038/nclimate1066, 2011

Shindell, D., Kuylenstierna, J., Vignati, E., Dingenen, R., Amann, M., Klimont, Z., Anenberg,

S., Müller, N., Janssens-Maenhout, G., Raes, F., Schwartz, J., Faluvego, G., Pozzoli, L.,

Emberson, L., Streets, D., Ramanathan, V., Hicks, K., Oanh, K., Milly, G., Williams, M.,

Demkine, V., Fowler, D.: Simultaneously Mitigating Near-Term Climate Change and

Improving Human Health and Food Security, Science Vol. 335, doi:

10.1126/science.1210026, 2012

Stohl, A., Aamaas, B., Amann, M., Baker, L. H., Bellouin, N., Berntsen, T. K., Boucher, O.,

Cherian, R., Collins, W., Daskalakis, N., Dusinska, M., Eckhardt, S., Fuglestvedt, J. S.,

Harju, M., Heyes, C., Hodnebrog, Ø., Hao, J., Im, U., Kanakidou, M., Klimont, Z.,

Kupiainen, K., Law, K. S. Lund, M. T., Maas, R., MacIntosh, C. R., Myhre, G.,

Myriokefalitakis, S., Olivié, D., Quaas, J., Quennehen, B., Raut, J.-C., Rumbold, S. T.,

Samset, B. H., Schulz, M., Seland, Ø., Shine, K. P., Skeie, R. B., Wang, S., Yttri, K. E.,

Zhu, T.: Evaluating the climate and air quality impacts of short-lived pollutants, Atmos.

Chem. Phys. Discuss., 15, 15155-15241, doi:10.5194/acpd-15-15155-2015, 2015

Zhang, K., O’Donnell, D., Kazil, J., Stier, P., Kinne, S., Lohmann, U., Ferrachat, S., Croft,

B.,Quaas, J., Wan, H., Rast, S., Feichter, J.: The global aerosol-climate model ECHAM-

HAM, version 2: sensitivity to improvements in process representations, Atmos. Chem.

Phys., 12, 8911-8949, doi:10.5194/acp-12-8911-2012, 2012

Bücher

Seinfeld, J. H. and Pandis, S.N.: Atmospheric Chemistry and Physics - From Air Pollution to

Climate Change (Second Edition), John Wiley & Sons INC., 2006

Universitätsskripte und Ausarbeitungen

Löser, D.: Reduktion der Emission von Ruß-Aerosolen: Analyse der Co-Benefits für

Luftqualität, Klima und Gesundheit, Universität Leipzig – Institut für Meteorologie, P6 –

Meteorologische Arbeitsmethoden (Vorleistung zur Masterarbeit), 2014

Quaas, J.: Vorlesungsskript – Statistische Methoden, Vorlesung 9 und 10:

Hypothesenprüfung, 2010

Internetquellen

Hamburger Abendblatt – Rußpartikelfilter erhöhen den Spritverbrauch:

http://www.abendblatt.de/ratgeber/automotor/article107044852/Russpartikelfiltererhoehen-

den-Spritverbrauch.html, heruntergeladen im Juli 2015


62

International Institute for Applied Systems Analysis (IIASA), GAINS:

http://gains.iiasa.ac.at/models/, heruntergeladen im August 2015

IPCC – Intergovernmental Panel on Climate Change: http://www.ipcc.ch/, heruntergeladen im

November 2014

GFDL.NOAA (Geophysical Fluid Dynamics Laboratory) – Glossary Page:

http://data1.gfdl.noaa.gov/nomads/forms/deccen/glossary/glossary.html#aogcm,

heruntergeladen im Juli 2015

Spiegel Online Auto – Luftverbesserung: Fahrverbot für 1,3 Millionen Autos in Peking:

http://www.spiegel.de/auto/aktuell/luftverbesserung-fahrverbot-fuer-1-3-millionen-autos-

in-peking-a-500133.html, heruntergeladen im Juli 2015

Stadt Leipzig: http://www.leipzig.de/umwelt-und-verkehr/luft-und-laerm/umweltzone/,

heruntergeladen im Januar 2015

UMAD – Wirkungen von Luftschadstoffen: http://www.umad.de/infos/wirkungen/,

heruntergeladen im Januar 2015

Umweltbundesamt – Perspektiven für Umwelt und Gesellschaft:

http://www.umweltbundesamt.at/umweltsituation/luft/luftschadstoffe/staub/,

heruntergeladen im November 2014

Umweltbundesamt – Luftreinhaltung in der EU:

http://www.umweltbundesamt.de/themen/luft/regelungen-strategien/luftreinhaltung-in-der-

eu, heruntergeladen im Juli 2015

United States Environmental Protection Agency (US EPA): http://www.epa.gov/blackcarbon/,

heruntergeladen im November 2014

i

Anhang

A BC Emissionen im Jahr 2000

In der untenstehenden Abbildung A.1 sind die BC Emissionen im Jahr 2000 dargestellt. Diese

werden nach Ländern mit Emissionsquellen, sowie nach dem Mischverhältnis BCs mit co-

emittierter Aerosole (POA) und Aerosol-Vorläufersubstanzen (SO2) aufgeführt und

gegenübergestellt. Es wird zunächst deutlich, dass der größte Anteil der BC Emissionen der

Verbrennung von Biomasse (durch offene Feuer und heimisches Kochen/Heizen), vor allem

in Südostasien, geschuldet ist. Laut U.S. EPA (Environmental Protection Agency, 2000)

nimmt die offene Verbrennung von Biomasse einschließlich offener Feuer einen Anteil von

35.5% ein, das häusliche Kochen und Heizen 25.1%, gefolgt von der Industrie mit 19,3% und

dem Verkehr mit 19%. Hinzu kommt der Energiesektor (0,7%) und andere Quellen (0,5%).

Bei der Beeinflussung des Strahlungshaushaltes durch BC, stellt das Mischverhältnis eine

wichtige Rolle dar. Ein höheres Verhältnis (>1) bedeutet, dass mehr Aerosolspezies co-

emittiert werden und der Anteil am BC geringer ist. Diese Konstellation kann durch erhöhte

Streuung eine Erwärmung durch BC auffangen, bzw. verringern. Bei der Verbrennung von

Biomasse aber, ist das Mischverhältnis zu SO2 sehr gering, sodass die Emissionen BCs aus

dieser Quelle einer Erwärmung beisteuern. Der Anteil am emittierten BC gegenüber POA ist

bei Dieselfahrzeugen am größten. Die Kombination aus den Eigenschaften BCs, lassen das

Rußaerosol deutlich von anderen OM und lichtabsorbierenden Aerosolen (z. B. „brown

carbon“) abgrenzen. Der Term „Organischer Kohlenstoff“ hingegen (eng. organic carbon,

kurz OC), beschreibt lediglich die kohlenstoffhaltige Menge im OA (ohne dazugehörigen

Sauerstoff- und Wasserstoffgehalt). Als Referenz wird angenommen, dass das Verhältnis von

OA:OC abhängig von der Quelle zwischen 1.1 bis 1.4 variiert (Bond et al., 2013). Gasarten,

von denen ebenso viele zur Erwärmung beitragen (bspw. Kohlenstoffmonoxid und O3

Vorläufer), sind in dieser Darstellung nicht vorhanden. Generell muss beachtet werden, dass

die hier aufgeführten BC Emissionen mit großen Unsicherheiten (u. a. durch Art der

Verbrennung, Messunsicherheiten usw.) verbunden sind.

ANHANG A. BC EMISSIONEN IM JAHR 2000

ii

Abbildung A.1: Emissionsraten BCs im Jahr 2000 sortiert nach den Emissionsquellen

einzelner Länder und dem Mischverhältnis BCs zu co-emittierter Aerosole (POA) und

Aerosol-Vorläufersubstanzen (SO2). Die Emissionen werden durch SPEW (Speciated

Pollutant Emissions Wizard), GAINS (Greenhouse Gas and Air Pollution Interactions and

Synergies) und RETRO (Reanalysis of the Troposphere over the last 40 years) beschrieben.

GFED (Global Fire Emissions Database) beinhaltet wie RETRO

Fernerkundungsinformationen über Brände; mit saisonalen und unterjährigen

Emissionsveränderungen (aus Bond et al., 2013).

ANHANG

iii

B Globale Mittelwerte

Tabelle B.1: Tabellarische Darstellung der globalen Mittelwerte aus Gleichung (1) mit einer

Integrationslänge von 50 Jahren in ECHAM6-HAM2, HadGEM3 und NorESM1-M. Darüber

hinaus wird das Mittel auf der Nord- und Südhemisphäre einzeln betrachtet, sowie für jeden

Mittelwert ein 95% Konfidenzintervall aus Gleichung (13) angegeben.

ANHANG

iv

C Kontinentale und nationale Mittelwerte

Tabelle C.1: Tabellarische Darstellung der kontinentalen (Europa, Afrika, Nord- und

Südamerika) und nationalen (Indien und China) Mittelwerte aus Gleichung (1) mit einer

Integrationslänge von 50 Jahren in ECHAM6-HAM2, HadGEM3, NorESM1-M und dem

Multi-Modellmittel. Darüber hinaus wird für jeden Mittelwert ein 95% Konfidenzintervall aus

Gleichung (13) angegeben.

ANHANG

v

D Regionale Temperaturverläufe im Kontrolllauf

Abbildung D.1: Zeitreihe vom jährlichen Mittel der Lufttemperatur (K) in der

Kontrollsimulation für (a) Europa, (b) Afrika, (c) Nordamerika, (d) Südamerika, (e) Indien

und (f) China in ECHAM6-HAM2 (Hellblau), HadGEM3 (Rot), NorESM1-M (Blau) sowie

im Multi-Modellmittel (Schwarz). Im Vergleich der Abbildungen (a) bis (f) ist die

unterschiedliche Skaleneinteilung zu beachten; diese wurde gewählt, um die Struktur der

Zeitverläufe der einzelnen Regionen besser zu erkennen.

ANHANG

vi

E Abbildungsverzeichnis

1.1 Flussdiagramm über den Einfluss BCs auf das Klima, der Luftqualität und Gesundheit,

sowie zur Motivation für eine Reduzierung der BC Emissionen (Zahlenwerte aus

Bond et al., 2013) S.3

1.2 Elektronenmikroskopische Aufnahme von BC Aggregaten unterschiedlicher

Emissionen (aus Bond et al., 2013) S.4

1.3 Darstellung von der erforderlichen kritischen Übersättigung, um intern gemischte

Aerosole unterschiedlicher Größe sowie unterschiedlichem BC Massenanteil in

Wolkenkondensationskeime zu aktivieren (aus Bond et al., 2013) S.6

1.4 Reduktion der Emission von BC Konzentrationen [μg m−3] der Stadt Leipzig

(Zentrum) von 2010 bis 2014 (A. Wiedensohler, TROPOS, 2014 S.9

2.1 Globale atmosphärische BC Belastung (kg m−2) der CTL-Simulation in ECHAM-

HAM S.19

2.2 Jährliches Mittel der zonal gemittelten Vertikalverteilung BCs mit dem

Mischverhältnis (μg kg−1) in der CTL-Simulation für (a) HadGEM, (b) ECHAM-

HAM und (c) NorESM (aus Baker et al., 2015) S.20

3.1 Änderung der kurwelligen Solarstrahlung am Boden (W m−2) in ECHAM-HAM S.25

3.2 Änderung der kurzwelligen Solarstrahlung (W m−2) an der TOA (links) und dem

zonalen Mittel (rechts) für (a) Multi-Modellmittel, (b) ECHAM-HAM, (c) HadGEM

und (d) NorESM S.26

3.3 Säulendiagramm der globalen, kontinentalen (Europa, Afrika, Nord- und Südamerika)

und nationalen (Indien und China) Mittelwerte der (netto) kurzwelligen Strahlung an

der TOA (W m−2) nach der BC-Simulation mit einer Integrationslänge von 50 Jahren

in ECHAM-HAM (Hellblau), HadGEM (Rot), NorESM (Blau) und vom Multi-

Modellmittel (Schwarz) S.27

3.4 Änderung der langwelligen Solarstrahlung (W m−2) (a) am Boden in ECHAM-HAM,

(b) an der TOA in ECHAM-HAM und (c) an der TOA in NorESM S.28

3.5 Änderung der Strahlungsbilanz (W m−2) für (a) am Boden in ECHAM-HAM, (b) an

der TOA in ECHAM-HAM und (c) an der TOA in NorESM S.29

3.6 Änderung (a) der Strahlungsbilanz (W m−2) an der TOA im clear-sky Fall in

ECHAM-HAM und vom solaren CRE an der TOA (W m−2) für (b) ECHAM-HAM

und (c) NorESM S.30

3.7 Zeitreihe vom globalen jährlichen Mittel der Lufttemperatur (K) in der

Kontrollsimulation (links) und von der Änderung des globalen jährlichen Mittels der

ANHANG E. ABBILDUNGSVERZEICHNIS

vii

Lufttemperatur (K) nach der BC-Simulation (rechts) in ECHAM-HAM (Hellblau),

HadGEM (Rot), NorESM (Blau) und im Multi-Modellmittel (Schwarz) S.33

3.8 Zeitreihe von der Änderung des jährlichen Mittels der Lufttemperatur (K) nach der

BC-Simulation für (a) Europa, (b) Afrika, (c) Nordamerika, (d) Südamerika, (e) Indien

und (f) China in ECHAM-HAM (Hellblau), HadGEM (Rot), NorESM (Blau) sowie

im Multi-Modellmittel (Schwarz) S.34

3.9 Änderung der Lufttemperatur (K) (links) und dem zonalen Mittel (rechts) für (a)

Multi-Modellmittel, (b) ECHAM-HAM, (c) HadGEM und (d) NorESM S.35


und nationalen (Indien und China) Mittelwerte der Lufttemperatur (K) nach der BC-

Simulation mit einer Integrationslänge von 50 Jahren in ECHAM-HAM (Hellblau),

HadGEM (Rot), NorESM (Blau) und vom Multi-Modellmittel (Schwarz) S.36

3.11 Änderung der totalen Wolkenbedeckung (%) in ECHAM-HAM S.40

3.12 Änderung vom Niederschlag (mm Tag−1) (links) und dem zonalen Mittel (rechts)

für (a) Multi-Modellmittel, (b) ECHAM-HAM, (c) HadGEM und (d) NorESM S.41

3.13 Änderung vom (a) konvektiven und (b) großskaligen Niederschlag (mm Tag−1)

(links) und dem zonalen Mittel (rechts) in ECHAM-HAM S.42


und nationalen (Indien und China) Mittelwerte vom Niederschlag (mm Tag−1) nach

der BC-Simulation mit einer Integrationslänge von 50 Jahren in ECHAM-HAM

(Hellblau), HadGEM (Rot), NorESM (Blau) und vom Multi-Modellmittel

(Schwarz) S.43

3.15 Änderung vom Oberflächenabfluss (mm Tag−1) (links) und dem zonalen Mittel

(rechts) für (a) Multi-Modellmittel, (b) ECHAM-HAM, (c) HadGEM und (d)

NorESM S.44


und nationalen (Indien und China) Mittelwerte vom Oberflächenabfluss (mm Tag−1)

nach der BC-Simulation mit einer Integrationslänge von 50 Jahren in ECHAM-HAM

(Hellblau), HadGEM (Rot), NorESM (Blau) und vom Multi-Modellmittel

(Schwarz) S.45

3.17 Änderung der Bodenalbedo (%) in ECHAM-HAM S.47

3.18 Änderung der Meereisbedeckung (%) in (a) ECHAM-HAM und (b) NorESM S.48

4.1 Änderung der Strahlungsbilanz (W m−2) mit den zu 90% signifikanten Signalen nach

einem Zweistichproben-t-Test für (a) am Boden in ECHAM-HAM, (b) an der TOA

in ECHAM-HAM und (c) an der TOA in NorESM S.53

ANHANG E. ABBILDUNGSVERZEICHNIS

viii

4.2 Änderung der Lufttemperatur (K) mit den zu 90% signifikanten Signalen nach

einem Zweistichproben-t-Test für (a) ECHAM-HAM, (b) HadGEM und (c)

NorESM S.54

4.3 Änderung vom Niederschlag (mm Tag−1) mit den zu 90% signifikanten Signalen

nach einem Zweistichproben-t-Test für (a) ECHAM-HAM, (b) HadGEM und (c)

NorESM S.55

A.1 Emissionsraten BCs im Jahr 2000 sortiert nach den Emissionsquellen einzelner Länder

und dem Mischverhältnis BCs zu co-emittierter Aerosole (POA) und Aerosol-

Vorläufersubstanzen (SO2) (aus Bond et al., 2013) S.ii

D.1 Zeitreihe vom jährlichen Mittel der Lufttemperatur (K) in der Kontrollsimulation für

(a) Europa, (b) Afrika, (c) Nordamerika, (d) Südamerika, (e) Indien und (f) China in

ECHAM6-HAM2 (Hellblau), HadGEM3 (Rot), NorESM1-M (Blau) sowie im Multi-

Modellmittel (Schwarz) S.v

ANHANG

ix

F Tabellenverzeichnis

2.1 Tabellarische Auflistung der untersuchten Klimavariablen in ECHAM-HAM,

HadGEM und NorESM S.15

B.1 Tabellarische Darstellung der globalen Mittelwerte aus Gleichung (1) mit einer

Integrationslänge von 50 Jahren in ECHAM6-HAM2, HadGEM3 und NorESM1-M.

Darüber hinaus wird das Mittel auf die Nord- und Südhemisphäre einzeln betrachtet,

sowie für jeden Mittelwert ein 95% Konfidenzintervall aus Gleichung (13)

angegeben S.iii

C.1 Tabellarische Darstellung der kontinentalen (Europa, Afrika, Nord- und Südamerika)

und nationalen (Indien und China) Mittelwerte aus Gleichung (1) mit einer

Integrationslänge von 50 Jahren in ECHAM6-HAM2, HadGEM3, NorESM1-M und

dem Multi-Modellmittel. Darüber hinaus wird für jeden Mittelwert ein 95%

Konfidenzintervall aus Gleichung (13) angegeben S.iv

Selbstständigkeitserklärung

Ich versichere, dass ich diese Masterarbeit selbstständig und nur unter Verwendung der

angegebenen Quellen und Hilfsmittel angefertigt und die den benutzten Quellen wörtlich oder

inhaltlich entnommenen Stellen als solche kenntlich gemacht habe. Die Arbeit hat in gleicher

oder ähnlicher Form noch keiner anderen Prüfungsbehörde vorgelegen.

Leipzig, den

Danny Löser

Documents

Reduktion der Emission von Rußaerosolen: Analyse der Co ...research.uni-leipzig.de/climate/loeser_danny__masterarbeit__2015.pdf · I Abstrakt Die Masterarbeit folgt dem EU-Forschungsprojekt

Reduktion der Emission von Rußaerosolen: Analyse der Co ...research.uni-leipzig.de/climate/loeser_dannymasterarbeit2015.pdf · I Abstrakt Die Masterarbeit folgt dem EU-Forschungsprojekt