Wirtschaft Lexikon der Argumente

Home Screenshot Tabelle Begriffe

Autor/Titel Begriff Zusammenfassung Metadaten

Klimatologie über Reanalyse - Lexikon der Argumente

Edwards I 58
Reanalyse/Klimatologie/Edwards: Analysierte Wetterdaten sind für Klimatologen nicht von großem Nutzen, da die Meteorologen ihre Analysemodelle häufig überarbeiten (in manchen Fällen sogar alle sechs Monate). Jede Änderung des Analysemodells macht die Daten, die es produziert, inkommensurabel mit denen, die vom vorherigen Modell produziert wurden. Die Reanalyse beseitigt dieses Problem, indem ein einziges "eingefrorenes" Modell verwendet wird, um historische Beobachtungsdaten über einen langen Zeitraum (40-50 Jahre oder sogar mehr) zu analysieren. Da die Analysemodelle so aufgebaut sind, dass sie die Messwerte aller verfügbaren Beobachtungssysteme kombinieren, überwindet die Reanalyse auch das ansonsten heikle Problem des Vergleichs von Instrumenten wie Radiosonden und Satellitenradiometern. Das Ergebnis ist ein physikalisch selbstkonsistenter globaler Datensatz für den gesamten Reanalysezeitraum.
Möglicherweise wäre dieser synthetische Datensatz genauer als jedes einzelne Beobachtungssystem(1).
(...) einige Wissenschaftler hoffen, dass die Reanalyse irgendwann endgültige Datensätze erzeugen wird, die für die Analyse von Klimatrends verwendet werden können und die besser sind als rohe Beobachtungsaufzeichnungen. Im Moment stecken sie jedoch mit der infrastrukturellen Inversion fest - das heißt, mit der Untersuchung jedes Details jedes Datensatzes, mit der Verknüpfung von Veränderungen im Datensatz mit sozialen und technischen Veränderungen in der Infrastruktur, die ihn erzeugt hat, und mit der Überarbeitung vergangener Daten, um sie mit den heutigen Standards und Systemen in Einklang zu bringen. >Infrastruktur/Edwards, >Klimadaten/Edwards.
Edwards I 358
Bei der Reanalyse werden jahrzehntelange ursprüngliche Sensordaten mit einem einzigen "eingefrorenen" Wetteranalyse- und Vorhersagesystem neu verarbeitet. Das Ergebnis ist ein einziger vollständiger, einheitlich gerasterter, physikalisch konsistenter globaler Datensatz. Die Reanalyse bot eine umfassende Lösung für die Unstimmigkeit der Daten, die durch heterogene Datenquellen entstanden war, einschließlich der Strahlungsdaten von Satelliten, die nicht einfach in traditionelle Gitterformen umgewandelt werden konnten. Mit der Reanalyse, so hofften viele, würde es möglich sein, ein dynamisches Datenbild der planetarischen Atmosphäre über 50 Jahre oder mehr zu erstellen - im Wesentlichen ein bewegtes Bild, das genauer zeigen könnte, wie, wo und wie stark sich das Klima der Erde verändert hat. Die globale Reanalyse könnte die genauesten und vollständigsten Datensätze erzeugen, die jemals zusammengestellt wurden. Die Mehrheit der Gitterpunktwerte in diesen Datensätzen würde jedoch vom Analysemodell generiert und nicht direkt aus Beobachtungen entnommen. Ob sie letztendlich zu einem besseren Verständnis des Klimawandels führt - darüber sind sich die Wissenschaftler zu diesem Zeitpunkt noch uneinig - stellt die Reanalyse eine Art ultimativen Moment dar, um Daten global zu machen. >Modelle/Klimatologie, >Klimadaten/Edwards, >Parameterisierung/Metereologie, >Homogenisierung/Klimatologie.
Edwards I 447
Von den frühesten nationalen und globalen Netzwerken bis in die 1980er Jahre stammte jede empirische Untersuchung des globalen Klimas aus dem separaten Strom der "Klimadaten". Klimastationen berechneten ihre eigenen Durchschnittswerte, Maxima, Minima und andere Zahlen. Später stellten zentrale Sammler die Infrastruktur der Klimadaten auf den Kopf, suchten sowohl nach isolierten als auch nach systematischen Fehlern und arbeiteten Wege aus, diese zu korrigieren, um den Datensatz zu "homogenisieren". All diese Bemühungen setzten voraus (...), dass nur traditionelle "Klimadaten" die Grundlage dieses Datensatzes bilden könnten. Doch als die numerische Wettervorhersage immer besser wurde und die Computerleistung wuchs, kam eine neue Idee auf: Wie wäre es mit einem "Do-over" (in Dt. etwa "Erneuerung"/"Verbesserung")? Was wäre, wenn man die Klimastatistiken "von Grund auf" neu erstellen könnte, aus den täglichen Wetterdaten? Und was wäre, wenn man dies nicht einfach durch die Neuberechnung einzelner Stationsmittelwerte tun könnte, sondern indem man jedes verfügbare Stückchen Wetterdaten in ein hochmodernes 4-D-Assimilationssystem einspeist, so als ob man ein bewegtes Datenbild mit einer einzigen Kamera aufnehmen würde? Die Wurzeln der Reanalyse lagen in den parallelen Datenströmen des Global Weather Experiment.
EdwardsI 449
Vierdimensionale Datenassimilation: Trenberth argumentierte, dass der Name "vierdimensionale Datenassimilation" die Natur der operativen Analyse falsch wiedergibt, die eigentlich "dreieinhalbdimensional" ist. Mit anderen Worten: Operative Analysen blickten zeitlich zurück und integrierten Daten aus der jüngsten Vergangenheit (bis zum Beobachtungsende), aber sie blickten nicht zeitlich vorwärts und korrigierten die Analyse mit Daten, die in den ersten Stunden nach dem Ende der Beobachtung eintrafen. Datenassimilierungssysteme jedoch, die speziell für die Reanalyse entwickelt wurden
I 450
könnten diese Fähigkeit potenziell bieten, was (im Prinzip) zu genaueren, gleichmäßiger variierenden Analysen führen würde(2).
I 456
Die Reanalyse sorgte für enorme Aufregung. Bis Anfang der 2000er Jahre hatten andere Institutionen, darunter die Japan Meteorological Agency, große Reanalyseprojekte gestartet, und zahlreiche kleinere, experimentelle Projekte wurden in Angriff genommen(3). Forscher am Earth System Research Laboratory der NOAA (National Oceanic and Athmospheric Administration) verwendeten Oberflächendruckdaten aus der Zeit vor den Radiosonden, um die Reanalyse bis ins Jahr 1908 zurückzuverfolgen, und ergänzten damit bestehende Studien, um ein ganzes Jahrhundert an Reanalysedaten zu erstellen. Es wurde auch in Erwägung gezogen, noch weiter zurückzugehen, bis ins späte 19. Jahrhundert(4).
Edwards I 457
Bis 2007 erschienen 250 Publikationen, die sich mit der Reanalyse für Klimastudien beschäftigen, mit einer Rate von 250 pro Jahr(5).
Parametrisierung: Alle bisher in der Reanalyse verwendeten Assimilationsmodelle weisen Verzerrungen (Biases) verschiedener Art auf, die hauptsächlich auf unvollkommene physikalische Parametrisierungen zurückzuführen sind. >Parametrisierung/Meteorologie, >Model Bias/Klimatologie.
Edwards I 459
Reanalyse: Wie gut hat die Reanalyse funktioniert? Reanalysen und traditionelle Klimadaten stimmen gut - wenn auch nicht perfekt - überein, wenn es um Variablen geht, die direkt aus Beobachtungen abgeleitet werden, wie z.B. aus der Temperatur. Abgeleitete Variablen jedoch, die hauptsächlich durch das Modell generiert werden, weisen immer noch erhebliche Unterschiede auf(6). Zum Beispiel gleichen Reanalyse-Modelle Niederschlag und Verdunstung über Land und Ozean noch nicht korrekt aus, deren Gesamtmenge erhalten bleiben sollte(7).
Dies wirkt sich auf ihre Berechnungen der Niederschlagsverteilung aus, einer Klimavariablen, die für die menschliche Bevölkerung und die natürlichen Ökosysteme äußerst wichtig ist.
Edwards I 461
Die Reanalyse bietet etwas, was traditionelle Klimadaten nie erreichen werden: physikalisch konsistente Daten über alle Klimavariablen hinweg. Traditionelle Klimadaten sind "Einzelvariablen": Sie erhalten einen Satz von Durchschnittswerten für die Temperatur, einen weiteren für den Luftdruck, einen dritten für den Niederschlag, einen vierten für die Sonneneinstrahlung und so weiter. Jede Art der Beobachtung ist unabhängig von den anderen, aber in der realen Atmosphäre sind diese Größen (und viele andere) voneinander abhängig. Reanalyse-Modelle simulieren diese Interdependenz und erlauben ein hohes Maß an Kreuzkorrekturen, und sie erzeugen alle Variablen für jeden Gitterpunkt. Dies ermöglicht den Wissenschaftlern, strukturelle Merkmale der Atmosphäre und der Zirkulation zu untersuchen, die nicht direkt von Instrumenten gemessen werden. >Menschlicher Fingerabdruck/Klimatologie.


1. T. R. Karl et al., eds., Temperature Trends in the Lower Atmosphere: Steps for Understanding and Reconciling Differences (US Climate Change Science Program, 2006), 35.
2. Trenberth, K.E. Atmospheric circulation climate changes. Climatic Change 31, 427–453 (1995). https://doi.org/10.1007/BF01095156
3. K. Onogi et al., “JRA-25: Japanese 25-Year Re-Analysis Project—Progress and Status,” Quarterly Journal of the Royal Meteorological Society 131, no. 613 (2005). 22. G. P. Compo et al., “Feasibility of a 100-Year Reanalysis Using Only Surface Pressure Data,” Bulletin of the American Meteorological Society 87, no. 2 (2006): 175–; J. S. Whitaker et al., “Reanalysis without Radiosondes using Ensemble Data Assimilation,” Monthly Weather Review 132, no. 5 (2004): 1190–.
4. R. M. Dole et al., Reanalysis of Historical Climate Data for Key Atmospheric Features: Implications for Attribution of Causes of Observed Change (US Climate Change Science Program, 2008), 10.
5.. L. R. Lait, “Systematic Differences Between Radiosonde Measurements,” Geophysical Research Letters 29, no. 10 (2002): 1382.
6. R. B. Rood, “Reanalysis,” in Data Assimilation for the Earth System, ed. R. Swinbank et al. (Kluwer, 2003).
7. L. Bengtsson et al., “The Need for a Dynamical Climate Reanalysis,” Bulletin of the American Meteorological Society 88, no. 4 (2007): 495–.


_____________
Zeichenerklärung: Römische Ziffern geben die Quelle an, arabische Ziffern die Seitenzahl. Die entsprechenden Titel sind rechts unter Metadaten angegeben. ((s)…): Kommentar des Einsenders. Übersetzungen: Lexikon der Argumente
Klimatologie

Edwards I
Paul N. Edwards
A Vast Machine: Computer Models, Climate Data, and the Politics of Global Warming Cambridge 2013

Send Link

Autoren A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   Q   R   S   T   U   V   W   Y   Z  


Begriffe A   B   C   D   E   F   G   H   I   J   K   L   M   N   O   P   Q   R   S   T   U   V   W   Z