Modellierung in der Climate Engineering Forschung

 

Embed or link this publication

Description

Diese Broschüre soll helfen, die Funktionsweisen, Grenzen und Möglichkeiten der Modellierung zu verstehen und damit den Einstieg in den Diskurs zu CE zu erleichtern.

Popular Pages


p. 1

A Modellierung in der Climate EngineeringForschung Wie beeinflussen Computer­ simulationen das Wissen­s chafts­ verständnis? Modellierung in der Climate EngineeringForschung Aussagekräftig trotz Unsicherheiten Schwerpunktprogramm 1689 der Deutschen Forschungsgemeinschaft SPP 1689

[close]

p. 2



[close]

p. 3

Vorwort In dem Schwerpunktprogramm „Climate Engineering: Risks, Challenges, Opportunities?“ (SPP 1689) wollen wir die in den letzten Jahren in Wissenschaft und Klimapolitik aufgekommenen Ideen zu Climate Engineering (CE) umfassend hinsichtlich möglichem Potenzial, Unsicherheiten und Risiken bewerten. Mit Climate Engineering bezeichnet man ein gezieltes großskaliges Eingreifen in das Klimasystem mit dem Ziel, den durch den Menschen verursachten Klimawandel abzumildern. Für eine tragfähige Bewertung der Ideen zu CE berücksichtigen wir im SPP 1689 neben der naturwissenschaftlich-technischen Dimension auch soziale, politische, rechtliche und ethische Aspekte. Unsere Forschung zur Bewertung – und nicht Entwicklung! – von CE ist bewusst sehr inter­ disziplinär aufgestellt. Feldexperimente schließen wir im Rahmen des SPP 1689 explizit aus. Die Forschungsarbeit beruht daher weitestgehend auf den Ergebnissen von Computersimulationen mit numerischen Modellen des Klimasystems. Um die Funktionsweise, Grenzen und Möglichkeiten solcher ­ Modelle besser zu verstehen, haben die SPP-Doktoranden aller beteiligten Fachdisziplinen unter Federführung von Miriam Ferrer González und Fabian Reith zusammen mit der Projektkoordinatorin Ulrike Bernitt einen mehrtägigen Workshop zum Thema „Modellierung“ organisiert. Die in diesem Workshop entstandenen Fragen, Diskussionen und Ideen haben uns bewogen, die verschiedenen Aspekte der Modellierung im Kontext unseres Schwerpunktprogramms zur Bewertung von CE schriftlich zusammenzufassen. Neben Teilnehmern des Workshops kommen dabei auch einige weitere Mitglieder unterschiedlicher Fachdisziplinen des SPP 1689 zu Wort, zum Beispiel aus Philosophie oder Volkswirtschaftslehre. Wir hoffen, mit der daraus entstandenen Broschüre sowohl Wissenschaft­ lerinnen und Wissenschaftlern als auch der interessierten Öffentlichkeit die Grundlagen unserer Forschung etwas näherbringen zu können und damit den Einstieg in den Diskurs zu CE zu erleichtern. 1 Modellierung in der Climate EngineeringForschung Aussagekräftig trotz Unsicher­ heiten Andreas Oschlies SPP 1689

[close]

p. 4

Inhalt Die Rolle der Modellierung in der Climate EngineeringForschung | Andreas Oschlies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 Wie beeinflussen Computersimulationen das Wissenschafts­ verständnis? | Martin Carrier und Johannes Lenhard . . . . . . . . . . . . . . . . . . . . . 6 Umgang mit Unsicherheiten | Gregor Betz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 Unsicherheiten in numerischen Klimasimulationen im Kontext der Entscheidungssituation | Hauke Schmidt und Hermann Held . . . . . . . . . . . . . . . . . . . . . . . . . 12 Das Erdsystemmodell UVic | David Keller, Nadine Mengis, Fabian Reith und Andreas Oschlies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 Das Erdsystemmodell MPI-ESM | Sebastian Sonntag, Tatiana Ilyina, Julia Pongratz und Hauke Schmidt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 Das Erdsystemmodell IPSL-CM | Olivier Boucher, Ulrich Platt und Christoph Kleinschmitt . . . . . 21 Das Vegetationsmodell LPJmL | Tim Beringer, Lena Boysen und Vera Heck . . . . . . . . . . . . . . . . . . 24 Ökonomische Modellierung im Kontext von Climate Engineering | Timo Goeschl und Martin Quaas . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 Autoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 Das Schwerpunktprogramm 1689 . . . . . . . . . . . . . . . . . . . . . . . . . . 31 Impressum | Kontakt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 2 Modellierung in der Climate EngineeringForschung Aussagekräftig trotz Unsicher­ heiten SPP 1689

[close]

p. 5

Die Rolle der Modellierung in der Climate EngineeringForschung Andreas Oschlies | Erdsystemmodellierer Unter dem Begriff „Climate Engineering“ (CE) werden verschiedene großtechnische Maßnahmen zusammengefasst, die gezielt dazu eingesetzt werden könnten, den atmosphärischen CO2-Gehalt zu verringern oder die Strahlungsbilanz der Erde direkt zu beeinflussen, um der anthropogen verursachten Klimaerwärmung entgegenzuwirken. Die in Forschung und Öffentlichkeit diskutierten CE-Maßnahmen sind bisher lediglich Ideen zu technischen Verfahrensweisen, die zunächst plausibel erscheinen und im Prinzip funktionieren könnten. Die Überprüfung ihrer tatsächlichen Wirksamkeit und die Abschätzung unbeabsichtigter Nebeneffekte hingegen sind schwierig, denn CE-Maßnahmen wären ein gezielter Eingriff in das Klimasystem, ein global vernetztes System von hoher Komplexität, von dem viele Aspekte bisher nicht ausreichend verstanden sind. Im Labor oder in kleinskaligen Feldexperimenten (z. B. Eisendüngung im Ozean, Aufforstung) können mögliche ­ ffekte und Nebeneffekte der CE-Maßnahmen nur in sehr eingeschränkE ter Weise getestet werden. Unklar ist zudem, inwieweit die Ergebnisse von solchen kleinräumigen und kurzzeitigen Experimenten auf das globale Klimasystem übertragen werden können. Um die globalen Effekte und Nebeneffekte von CE empirisch verlässlich beurteilen zu können, wären demnach großskalige – möglicherweise globale – Feldexperimente erforderlich. Diese würden sich aber unter Umständen von einem tatsächlichem Einsatz von CE nicht wesentlich unterscheiden und könnten mit erheblichen Risiken behaftet sein, da sich die Ergebnisse wissenschaftlicher Experimente eben nicht sicher vorhersagen lassen. Die Folgen solcher in der Natur durchgeführten Experimente könnten irreversibel sein und die beobachteten Effekte könnten angesichts unseres unvollständigen Verständnisses des Klimasystems womöglich nicht einmal eindeutig auf das Experiment zurück- 3 Modellierung in der Climate EngineeringForschung Die Rolle der Modellierung in der Climate EngineeringForschung SPP 1689

[close]

p. 6

geführt werden. Darüber hinaus fehlen für Feldexperimente (das heißt auch: für die Anwendung von CE-Maßnahmen) verbindliche Genehmigungs-, Überwachungs- und Regulierungsverfahren. In Anbetracht der Unsicherheiten, der erheblichen Risiken und dem großen Kreis potenziell betroffener Bevölkerungsgruppen ist es derzeit nicht möglich, großskalige Feldexperimente zu CE in verantwortlicher Weise durchzuführen. Eine für Mensch und Umwelt gefahrlose Möglichkeit, die Aus- und Nebenwirkungen verschiedener CE-Maßnahmen zu untersuchen, bieten ­ dagegen numerische Modelle des Erdsystems, die Experimente nicht in der Natur, sondern in einer simulierten Welt erlauben. Erdsystemmodelle simulieren das Zusammenspiel verschiedener Komponenten des Klimasystems auf Basis naturwissenschaftlicher Gesetze. Diese empirisch abgeleiteten Gesetze sind vermutlich weder vollständig noch in allen Details korrekt, so dass die simulierte Welt kein perfektes Abbild der Realität ist. Außerdem können die den naturwissenschaftlichen Gesetzen entsprechenden mathematischen Gleichungen häufig nur näherungsweise durch numerische Approximationen gelöst werden (so zum Beispiel die Beschreibung kleinskaliger Turbulenzen). Je genauer die Darstellung 4 Modellierung in der Climate EngineeringForschung Die Rolle der Modellierung in der Climate EngineeringForschung Modellierung Modellierung bezeichnet die vereinfachte Be­ schreibung eines komplexen, realen Systems, in der Regel durch mathematische Formulie­ rungen in Form von Computerprogrammen. Sie dient der vereinfachten Abbildung der Realität. Simu­ lationen sind die Ergebnisse der Anwen­ dung der gegebenen Modellstruktur, wobei die Abbildung der Realität gezielt verändert wer­ den kann. Mit simulierten Experimenten kön­ nen Erkenntnisse zu Fragestellungen gewon­ nen werden, ohne dass diese Experimente in der Natur durchgeführt werden müssten. Da­ durch kann man Vorhersagen treffen, Hypo­ thesen überprüfen oder Sachzusammenhänge darstellen. Modelle bleiben als vereinfachte Be­ schreibungen immer unvollständige Abbilder der Realität und sind daher nicht mit dieser gleich zu setzen, was bei der Interpretation der Modellergebnisse zu bedenken ist. Gerade durch diese Vereinfachungen gegenüber der Realität sind Modelle wichtige Werkzeuge, um einzelne Prozesse in einem komplexen System zu verstehen. Je nach Frage­ s tellung muss die Struktur oder Komplexität eines Modells ange­ passt werden. SPP 1689

[close]

p. 7

sein soll, desto höher wird im Allgemeinen der Rechenaufwand, der in der Praxis die Dauer einer Simulation bestimmt. Als Klimamodelle werden in der Regel Kopplungen von verschiedenen Zirkulationsmodellen z. B. von Ozean, Meereis oder Atmosphäre bezeichnet. Erdsystemmodelle enthalten darüberhinaus Module zur Beschreibung von Landvegetation, Böden, marinen Ökosystemen und biogeochemischen Kreisläufen. Verschiedene Forschungsgruppen und Fachdisziplinen verwenden in der Regel verschiedene Erdsystem­ mo­ delle, die sich je nach Forschungsfragen und Zielen darin unterscheiden, welche Komponenten mit welcher Detailgenauigkeit dargestellt werden. Im Rahmen des DFG-Schwerpunktprogramms 1689 liefern Simulationen mit mehreren verschiedenen Erdsystemmodellen unterschiedlicher Komplexität mögliche Szenarien, an denen sich alle Arbeitsgruppen orientieren können. Sie bilden somit auch eine Basis für eine geistes- oder sozialwissenschaftliche Untersuchung potenzieller Auswirkungen von CE, etwa im Hinblick auf den erkenntnistheoretischen Wert der Modelle oder die Bedeutung der Modellergebnisse in wissenschaftlichen und politischen Diskussionen und Entscheidungsprozessen. Auch in diesem stark interdisziplinärem Umgang mit Modellergebnissen muss immer klar bleiben, dass Modelle nur vereinfachte Abbildungen der Wirklichkeit sind. Sie vernachlässigen mög­ licherweise wichtige Prozesse, beinhalten Parametrisierungen1 mit häufig nur sehr ungenau bekannten Parameterwerten und hängen von nicht genau bekannten Anfangs- und Randbedingungen ab. Dadurch ist jede Modellsimulation mit Unsicherheiten behaftet, die bei einer Interpretation der Modellergebnisse berücksichtigt werden müssen. Trotz dieser Einschränkungen der Geltungskraft von Modellen kann in unseren Augen eine Bewertung der Aus- und Nebenwirkungen von CEMaßnahmen derzeit nur anhand von Computersimulationen verantwortungsvoll durchgeführt werden. 1| Parametrisierungen sind vereinfachte Beschreibungen von Prozessen, die in Erdsystemmodellen nicht vollständig beschrieben werden (z.B. Wolkenbildung, Turbulenz, viele biologische Prozesse). 5 Modellierung in der Climate EngineeringForschung Die Rolle der Modellierung in der Climate EngineeringForschung SPP 1689

[close]

p. 8

Wie beeinflussen Computersimulationen das Wissenschaftsverständnis? Martin Carrier und Johannes Lenhard | Wissenschaftsphilosophen Eine schnell wachsende Zahl wissenschaftlicher Untersuchungen greift auf Computersimulationen zurück. Untersuchungen zu Climate Engineering (CE) gehören dazu, und das gibt Anlass, nach den methodischen Besonderheiten von Computersimulationen und deren Auswirkungen auf unser Verständnis von Wissenschaft zu fragen. 6 Modellierung in der Climate EngineeringForschung Wie beeinflussen Computer­ simulationen das Wissen­s chafts­ verständnis? Was zeichnet Computersimulationen aus? Sie basieren auf theoretischen, mathematisch formulierten Modellen, die in Digitalcomputern maschinell verarbeitet werden. Dies verlangt die Umsetzung der theoretischen Modelle in eine durch Computer zu bearbeitende Form. Dazu müssen etwa Differenzialgleichungen in numerischer Form gelöst, also Lösungen Punkt für Punkt und für besondere Parameterwerte berechnet werden. Modellbildung dieser Art unterscheidet sich in methodischer Hinsicht von herkömmlicher mathematischer Modellierung. Die genannten Parametrisierungen und andere Anpassungen, die wegen der Digitalisierung der Modelle erforderlich werden, sind nämlich häufig nicht durch die betreffenden Theorien festgelegt, sondern stellen eigenständige Modellierungsschritte dar. Wolken können zum Beispiel im Simulationsmodell nur über ihre Wirkungen an den Gitterpunkten beschrieben werden. Man muss also eine Art verdichtete Beschreibung (Parametrisierung) finden, die an den Gitterpunkten mit der übrigen Dynamik so zusammenwirkt, dass sie die Wirkung der viel komplizierteren und feinskaligeren Wolkengebilde adäquat ersetzt. Die Modelldynamik wird oft wesentlich dadurch beeinflusst, wie die Form der Parametrisierung gewählt und wie die entsprechenden Parameter eingestellt werden. Für diesen Typ von Modellierungsschritten gibt es aber kein Rezept, das immer gelänge. Das konkrete Verhalten des Modells leitet sich eben nicht nur aus der Theorie her, sondern hängt SPP 1689

[close]

p. 9

auch von den eingesetzten Anpassungen ab. Das führt zu einem Autoritätsverlust der Theorie. Das Verhältnis zwischen theoretischem Ansatz, pragmatischen Modifikationen und Vorhersagekraft ist in seinen Auswirkungen auf das Wissenschaftsverständnis noch nicht gut durchschaut. Die Reflexion darüber steckt sozusagen noch in den Kinderschuhen. Wichtig ist, dass Computersimulationen auch Ergebnisse für kom­ plexe Sachumstände liefern, für die an eine analytische Lösung nicht zu denken wäre. Simulationen sind also geeignet, die Konsequenzen von theoretischen Grundsätzen auszubuchstabieren, die andernfalls unzugänglich wären. Allerdings ist dann mit Blick auf das genannte Bedenken sicherzustellen, dass diese Konsequenzen tatsächlich aus den theoretischen Grundsätzen stammen und nicht aus den skizzierten pragma­ tischen Anpassungen dieser Grundsätze an den Lauf auf Digitalcomputern. Werden die Aussagen des theoretischen Modells tatsächlich von dessen inhaltlichen Annahmen bestimmt oder von den Umsetzungen dieser Annahmen für numerische Simulationsprozesse? Unter welchen Bedingungen können wir also erwarten, dass unsere Simulationsmodelle die künftige Entwicklung des Klimas angemessen wiedergeben? Ein zentraler Maßstab ist die Prüfung eines Modells an der Erfahrung. Dieser Prüfung nähert man sich unter Ausnutzung eines Vorzugs von Simulationsmodellen, der mit der gewaltigen Rechenkraft von Computern zu tun hat. Man kann nämlich mit solchen Simulationsmodellen experimentell umgehen. Man verändert versuchsweise bestimmte Parameter oder Prozeduren und untersucht, welche Auswirkungen dies ­ auf prüfbare Aussagen des Modells hat. Auf diese Weise lassen sich bestimmte Parametrisierungen und Rechenverfahren durch die Erfahrung auszeichnen. Man experimentiert dann nicht mit der Natur, sondern mit den Modellen. In solchen Simulationsexperimenten werden Modelle getestet und gegebenenfalls angepasst, um ihre Konsequen­ zen für ­ konkrete Frage­ stellungen besser beurteilen zu können. Dadurch wird ein experimenteller Weg für die Geltungsprüfung von Simulations­ modellen eröffnet. 7 Modellierung in der Climate EngineeringForschung Wie beeinflussen Computersimu­lationen das Wissenschafts­ verständnis? SPP 1689

[close]

p. 10

8 Modellierung in der Climate EngineeringForschung Allerdings stehen Computersimulationen vor einem besonderen Problem der Validierung. In Bereichen wie CE hat man zwar theoretisch sehr gut abgesicherte konzeptionelle Modelle, aber das Ziel sind langfristige und genaue Vorhersagen. Da sich diese Vorhersagen auf Bedingungen beziehen, die gerade nicht realisiert sind, ist die empirische Validierung von CE-Simulationsmodellen schwierig. Ihre Stützung auf theoretische Grundsätze ist jedoch wegen der genannten Abhängigkeit der Ergebnisse von Parametrisierungen und Rechenverfahren ebenfalls problematisch. Wir wissen eben nicht genau, auf welchen Bestandteilen des Modells seine konkreten Vorhersagen wesentlich beruhen. Computersimulationen werfen entsprechend besondere Probleme für die Geltungsprüfung von Modellen auf. Philosophen rekonstruieren hier zunächst die Probleme einer solchen Geltungsprüfung, indem sie die begriffliche Struktur von Modellen nachzeichnen und die Beziehungen zwischen den ihnen zugrunde liegenden theoretischen Annahmen und der Erfahrungsgrundlage analysieren. Die Philosophie strebt hier danach, die konzeptionelle Struktur der Modelle und die zugehörigen Bestätigungsbeziehungen transparent zu machen. Neben dieser Reflexion der Erkenntnisinstrumente (statt deren Konstruktion und Nutzung, wie es Erfahrungswissenschaftler z. B. in den Naturwissenschaften tun) vergleichen Philosophen die betreffenden Modell-Charakteristika mit ähnlichen oder andersartigen Fällen aus anderen Wissenschaftsdisziplinen oder stellen sie in den Kontext der historischen Entwicklung der Wissenschaft. Diese Kontextualisierung ermöglicht dann im günstigen Fall nicht nur ein vertieftes Verständnis dieser besonderen Charakteristika, sie stellt auch ein heuristisches Mittel für die angemessene Bewältigung der Probleme bei der Geltungsprüfung von Klimamodellen dar. Wie beeinflussen Computer­ simulationen das Wissen­s chafts­ verständnis? SPP 1689

[close]

p. 11

Umgang mit Unsicherheiten Gregor Betz | Wissenschaftsphilosoph Modellierung und Computersimulation sind keine Garanten für Sicherheit und Zuverlässigkeit. Modellergebnisse können aus verschiedenen Gründen mehr oder weniger unsicher sein: Relevante kausale Zusammenhänge werden von dem Modell möglicherweise nicht erfasst; die Werte bestimmter Modellparameter sind nicht genau bekannt; oder die Anfangs- und Randbedingungen sind ungewiss. Wir verfügen über sprachliche und mathematische Mittel, um Un­ si­ cher­ heit differenziert auszudrücken. In vielen Fällen lassen sich, trotz Unsicherheit, zuverlässig Eintrittswahrscheinlichkeiten bestimmen. In anderen Situationen können bloß relevante Möglichkeiten identifiziert werden, etwa indem man ein Intervall, eine Größenordnung oder einen Entwicklungstrend für eine Variable angibt. Es ist sowohl unter Klimawissenschaftlern als auch unter Wissenschaftsphilosophen umstritten, welche Art von Wissen Klimamodelle darstellen und wie ihre zum Teil sehr unterschiedlichen Resultate zu interpretieren sind. Dazu gibt es wenigstens vier Vorschläge: 1. Man betrachtet die Modelle als konkurrierende Hypothesen über die tatsächliche Struktur des Klimasystems und orientiert sich an den Prognosen der empirisch bestbestätigten Modelle. 2. Man deutet die Häufigkeitsverteilung der Modellergebnisse selbst als Wahrscheinlichkeit, um so die Prognoseunsicherheit zu quanti­­ fizieren. 3. Man interpretiert die Modellergebnisse als Szenarien, die den Raum plausibler Möglichkeiten aufspannen. 4. Man verwendet die Modelle zur Identifikation bisher unbekannter Handlungsfolgen (unknown unknowns). 9 Modellierung in der Climate EngineeringForschung Umgang mit Unsicherheiten SPP 1689

[close]

p. 12

Welche praktischen Konsequenzen haben Modellunsicherheiten? Wie sollte man diese Unsicherheiten beim Nachdenken über und beim Treffen von Entscheidungen berücksichtigen? Ob eine Entscheidung richtig oder falsch ist, hängt wesentlich davon ab, welche Folgen die verschiedenen Handlungsalternativen jeweils nach sich ziehen. Prognosen von Handlungsfolgen sind die zentralen ­ deskriptiven Annahmen2 in sogenannten Handlungsableitungen. Im Fall von ­ Climate Engineering (CE) gilt es etwa, intendierte sowie nicht-­ intendierte Folgen der Erforschung und des Einsatzes von CE-­ Maßnahmen abzuschätzen. Des Weiteren fließen als normative Annahmen2 neben Folgenbewertungen auch Risikopräferenzen in Handlungsbegründungen ein. Es ist also möglich, dass sich zwei Parteien zwar einig sind über die Prognose3 und Bewertung von Handlungsfolgen, doch aufgrund unterschiedlicher Risikobereitschaft uneinig über die Maßnahme, die aufgrund dessen ergriffen werden sollte. In der Risiko-Ethik und der Entscheidungstheorie werden Entscheidungssituationen gemäß dem verfügbaren Zukunftswissen, welches mehr oder weniger unsicher sein kann, klassifiziert: nämlich als Entscheidungen  10 Modellierung in der Climate EngineeringForschung Umgang mit Unsicherheiten unter Risiko (Eintrittswahrscheinlichkeiten für Handlungsfolgen bekannt), unter Ungewissheit (alle plausiblen Handlungsfolgen bekannt), unter Nichtwissen (relevante Handlungsfolgen unbekannt).   Trotz des zum Teil sehr limitierten Zukunftswissens ist es in all diesen Situationen prinzipiell möglich, vernünftig für und wider Handlungs­ 2| Deskriptive Annahmen beschreiben, was der Fall ist (bzw. war oder sein wird); normative Annahmen sagen etwas darüber aus, was der Fall sein sollte, sie bewerten einen Sachverhalt, ohne zu implizieren, dass er tatsächlich besteht. „Peter hält sein Versprechen“ ist z.B. eine deskriptive Aussage, „Peter sollte sein Versprechen halten“ hingegen eine normative. 3 | Wahrscheinlichkeits- oder Möglichkeitsprognose SPP 1689

[close]

p. 13

optionen zu argumentieren. In Entscheidungen unter Risiko wird häufig das Prinzip der Erwartungsnutzenmaximierung unterstellt. Herrscht Unge­ wissheit, so lässt sich z. B. das Vorsorgeprinzip anwenden. In welche dieser Kategorien Entscheidungen im Kontext von CE fallen, also etwa Entscheidungen über den zukünftigen Einsatz, die globale Regulierung von CE-Maßnahmen oder deren Erforschung und Entwicklung, hängt nun ganz maßgeblich davon ab, wie genau Klimamodelle und ihre Ergebnisse interpretiert werden. 11 Modellierung in der Climate EngineeringForschung Umgang mit Unsicherheiten SPP 1689

[close]

p. 14

Unsicherheiten in numerischen Klimasimulationen im Kontext der Entscheidungssituation Hauke Schmidt | Klimawissenschaftler und Hermann Held | Physiker und Klimaökonom Numerische Computermodelle des Erdsystems sind unverzichtbare Werkzeuge zur Abschätzung der zukünftigen Klimaentwicklung. Auf Grundlage von Szenarien zukünftiger Treibhausgasemissionen wird das Klima der Zukunft projiziert. Wie genau müssen derartige Projektionen sein? Die gesellschaftliche Relevanz der Genauigkeit von Klimaprojek­ tionen drückt sich u. a. darin aus, dass (wegen einer dann vergrößerten Planbarkeit) ein volkswirtschaftlicher Nutzen entstehen könnte, wenn die Projektionen genauer angegeben werden könnten. Für Szenarien ohne Climate Engineering (CE) wurde der erwartete Nutzen maximaler Präzi­ ­ sion bereits berechnet: er liegt global zwischen Milliarden und hunderten von Milliarden Euro pro Jahr (für diese Ergebnisse wurde vereinfachend angenommen, dass sich jedwede Unter­ bestimmtheit von Klimaprojektionen durch eine Wahrscheinlichkeitsverteilung ausdrücken lässt). Ferner liegt es nahe, dass bei der Bewertung, ob der Einsatz von CE sinnvoll erscheine, die Stärke der Reaktion des Klimasystems auf den Treibhausgas-Antrieb eine Rolle spielt. Wesentliche Strategien, um nun diese Stärke abzuschätzen, sind a) die Evaluation der Modelle anhand von Beobachtungsdaten und b) der Vergleich verschiedener Modelle. 12 Modellierung in der Climate EngineeringForschung Unsicherheiten in numerischen Klimasimulationen im Kontext der Entscheidungs­ situation Modell-Evaluation: Um Vertrauen in die Zukunftsprojektionen eines Modells zu generieren, ist eine notwendige Voraussetzung die realistische Simulation der​ beobachteten Klimaentwicklung des 20. Jahrhunderts. Allerdings ist dies keine Garantie für die Projektionen der Zukunft. Die meisten Modelle der großen Klimaforschungszentren reproduzieren beispielsweise den bisher beobachteten mittleren globalen Temperaturanstieg recht gut. SPP 1689

[close]

p. 15

Das bedeutet jedoch nicht zwangsläufig, dass die zugrunde liegenden Mechanismen in den Modellen richtig beschrieben sind. Beispielsweise ist die Quantifizierung des Effekts anthropogener ­ atmosphärischer Aerosole unsicher. Mögliche Fehler eines Modells in Bezug auf die Aus­ wirkung der Treibhausgase auf die Temperatur (Klimasensitivität) könnten also durch die unterschiedliche Berücksichtigung von Aerosoleffekten kompensiert werden. Deswegen ist es notwendig, die Evalu­ ierung mit verschiedenen Parametern und nicht nur mit der global gemittelten Temperatur durchzuführen. Für die Simulation von CE-Maßnahmen besteht außerdem das Problem der fehlenden Erfahrung und fehlender Mess­ daten. Bei dem CE-Vorschlag beispielsweise, Schwefel in die Stratosphäre zu injizieren, behilft sich die Klimaforschung mit der Analogie großer Vulkanausbrüche. ­ Allerdings ist auch hier die Evaluierung schwierig; zum einen gibt es nur wenige gut beobachtete große Vulkanausbrüche (zuletzt jenen des Pinatubo in 1991), zum anderen ist nicht klar, wie ähnlich die Reaktionen des Klimas auf künstlichen und natürlichen vulkanischen Aero­ soleintrag sind. Seit Mitte der 1990er Jahre werden in der internationalen Klimamodellierung systematische Modellvergleiche im Rahmen des „Coupled Model Intercomparison Project“ (CMIP) durchgeführt, das auch einen wesentlichen Input für die Sachstandsberichte des „Intergovernmental Panel on Climate Change“ (IPCC) liefert. Dabei werden mit allen Modellen (zuletzt von etwa 20 Forschungsinstituten) die exakt gleichen Klima­ szenarien simuliert. Wo die Übereinstimmung des simulierten Klimas groß ist, spricht man von robusten Signalen und geht davon aus, dass diese wesentlich durch die physikalischen Gesetzmäßigkeiten des Klimas bedingt sind und wenig von speziellen Modellformulierungen abhängen. In Bezug auf CE hat die Klimaforschung sich CMIP als Beispiel genommen und simuliert seit etwa 2010 die möglichen Klimaeffekte von vorgeschlagenen Maßnahmen der Strahlungsmanipulation im „Geoengineering Model Intercomparison Project“ (GeoMIP). 13 Modellierung in der Climate EngineeringForschung Modell-Vergleich: Unsicherheiten in numerischen Klimasimulationen im Kontext der Entscheidungs­ situation SPP 1689

[close]

Comments

no comments yet