Falk Niehörster IMSC 2010

Falk Niehörster

IMSC 2010

Uncertainty in feedback mechanisms in climate change projections

A comparison of perturbed-physics ensembles

F. Niehörster1,2, M. Collins3, U. Cubasch2

1 2 3

2

Outline

1. Climate sensitivity & climate feedbacks

2. Experimental design of Perturbed-Physics

3. Ensemble analysis

4. Multi-Model comparison

5. Conclusions

IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

3

1. Motivation & Basics

Climate sensitivity describes the relationship between external forcing and temperature response of the climate system in a linear way:

ΔT = s · F ΔT:= Temperature change s:= Climate sensitivity parameter F:= Radiative forcing (e.g. 2XCO2)

FClimate System

Δ TSchematic:


4


F + RClimate System (t)

Δ T

Feedback R R = λ · ΔT

Linearity

The concept of the climate system as a feedback system:


5


F + RClimate System (t)

Δ T

Feedback R

R1

R = λ · ΔT

Linearity

Independence

R = Σ Ri λ = Σ λi

R2

R3

R4

Rn

The concept of the climate system as a feedback system:


6

Which feedback effects show the highest uncertainty in terms of model disagreement?

Dufresne & Bony; 2008 IPCC AR4; 2007


The cloud feedback!

2xCO2


7

2. Experimental Design

"Perturbed-Physics" Ensemble with EGMAM

Parameter perturbations in cloud schemes



8


Heat and Freshwater- flux correction

HOPE-G (Hamburg Ocean Primitive Equation-Global Model)

• horizontal: T42 (~ 2.8°) with equator refinement ( 0.5° at the equator )

• vertical: 20 level

EGMAMECHO-G with

Mittlerer Atmosphäre und Messy

Coupling: OASIS

ECHAM4 – MA

Horizontal resolution: T30 (~3,75°); Vertical resolution: 39 Schichten, Top level at 0,01 hPa (~80 km)

Tiedke convection scheme Modification of the closure by Nordeng (CAPE)

Stratiform clouds following Sundquist scheme

Oze

anA

tmos

pher

e


9


Conversionsrate of cloud water to rain in convective updrafts

Entrainmentrate for shallow convection

Efficiency of rain generation in stratiform clouds

Sedimentationrate of ice crystals in cold clouds

Overshooting of cumuli above the level of buoyance

OVER

ICE

CONV

RAIN

ENTRENTR

Perturbation Parameter:

3 equaly likely values

Stratified MC Sampling 30 members


10


2xCO2 experiments initialised from CMIP 2xCO2-experiment

Control runs initialised from pre-industrial equilibrium simulation


250 yrs stabilization

11




12

Ensemblemean and standard deviation in the cloud cover signal



13


Ensemble mean and standard deviation of changes in the liquid water content of clouds


14


Max: 0.63

Min : 0.29

Ø : 0.45

Max: - 0.59

Min : - 1.30

Ø : - 0.96

Max: - 0.30

Min : - 0.80

Ø : 0.51

[ W/m2K ]

Global mean cloud feedback


15

4. Comparison of results

4. Comparison of results witha HadSM3 PPE

and the CFMIP MME


16

2

2.1

2.2

2.3

2.4

2.5

2 3 4 5 6 7 8

EG

MA

M [K

]

HadSM3 [K]

Standard

EIS +

EIS -

REGEN +

REGEN -

ENTR +

ENTR -


Comparison of selected perturbation experiments of

EGMAM and HadSM3

Climate Sensitivity


17

Rückkopplungsparameter

-3.00

-2.00

-1.00

0.00

1.00

2.00

Rü

ckko

pp

lun

gsp

aram

eter

,

[W

/m²K

]4. Comparison of results

Comparison of feedback parameters:

HadSM3, CFMIP and EGMAM Ensemble

λ λCS λWλWSW λWLW λSW λLWλCSSW λCSLW

CS: Clear-Sky W: Clouds SW: shortwave LW: longwave


18


HadSM3

y = - 0,2018 x - 0,0475r = 0,198

-0,8

-0,6

-0,4

-0,2

0,0

0,2

0,4

0,6

-0,3 -0,2 -0,1 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7

λWSW [ W / m²K ]

λ W

LW

[ W

/ m

²K ]

.

EGMAM

y = - 0,4921 x - 0,0207r = 0,865

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

-1,6 -1,4 -1,2 -1 -0,8 -0,6 -0,4

λ WSW [ W / m²K ]

λ W

LW

[

W /

m²K

]

.

Linear relationship between short- and longwave cloud feedbacks in the EGMAM Ensemble

CFMIP

y = - 0,1955 x - 0,1288r = 0,465

-0,7

-0,5

-0,3

-0,1

0,1

0,3

0,5

-0,6 -0,4 -0,2 0 0,2 0,4 0,6 0,8

λ WSW [ W / m²K ]

λ W

LW [ W

/ m

²K ] .


19

5. Conclusions

• Negative cloud feedback in EGMAM robust against parameter perturbations

• Highest uncertainty for shortwave cloud feedbacks (in the tropics) follows

the uncertainty in the simulation of changes in liquid water content of

tropical clouds

• Linear relationship between long- and shortwave cloud feedback across

the ensemble Cancelling effect leads to low variance in the

net cloud feedback across the ensemble

• Uncertainty for the feedback parameter (climate sensitivity) lower in

EGMAM compared to multi-model studies or perturbed physics with HadSM3

No "extreme" climate sensitivities in the EGMAM Ensemble

• Structural differences between EGMAM and HadSM3 dominate

even if the sign of the perturbation signals are the same !IMSC 2010, „Uncertainty in feedback mechanisms in climate change projections“, F. Niehorster

20Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“

1. Motivation & Grundlagen

B=0

1. Gleichgewicht 2. Strahlungsantrieb

(z.B. Solar / CO2)

B = F

3. Forcing und Rückkopplung

B = F + R <04. Neues Gleichgewicht

B = F + R = 0



λ := R / ΔT = (RSW+ RLW) / ΔT [W/m2K]

RSW: Rückkopplung im kurzwelligen Strahlungsspektrum RLW: Rückkopplung im langwelligen StrahlungsspektrumR = RSW+RLW : Gesamtrückkopplung des Klimasystems

Rückkopplungsparameter: (Cess et al; ’90, Murphy; ’95)

Für ein Gleichgewicht im Klimasystem gilt:

λ = R / ΔT = - F / ΔT = - 1 / s

s:= Klimasensitivitätsparameter

Lokaler Rückkopplungsparameter: (Boer & Yu; 2003)

λl := [RSW(x,y)-RLW(x,y)] / ΔT [W/m²K]



Zur besseren Analyse der Beiträge zum Rückkopplungsparameter λ wird dieser als Summe von Einzelbeiträgen bestimmt:

λ := R / ΔT

λCS := RCS / ΔT = (RCSLW + RCSSW) / ΔT

λCSLW := RCSLW / ΔT Wasserdampf + "Lapse Rate"

λCSSW := RCSSW / ΔT Oberflächenalbedo

λW := RW / ΔT = ( RWSW + RWLW) / ΔT

λWSW := RWSW / ΔT Wolkenalbedo

λWLW := RWLW / ΔT Treibhauseffekt der Wolken

Es gilt: λ = λCS + λW Unabhängigkeit:

λW = λWSW + λWLW

λCS = λCSSW + λCSLW

≈0


2. Experimentelles Design

Physikalischer Effekt

Niedriger Wert

(relativ zum Standardwert)

Hoher Wert

(relativ zum Standardwert)

Konversionsrate von Wolkenwasser zu Regen KONV

0.5 4

Entrainmentrate für flache Konvektion

ENTR

0.5 2

Überschießen von Kumuluswoken

ÜBER

0.5 2

Effizienz der Regenbildung in stratiformen Wolken

REGEN

0.75 2

Sedimentationsrate

EIS0.25 2

Werte durch Tuningexperimente angepasst

Stratifiziertes Monte-Carlo Sampling

10 Einzelparameter20 Multiparamter

31 Ensemblemitglieder


Stabilitätstest

1 X CO2 (1860)

2 X CO2

25

Stabilitätstest

Disputation, Dezember 2009, „Unsicherheiten in Rückkopplungsmechanismen in Klimaänderungsprojektionen“


2. Experimentelles Design

Methodiktest:

CMIP Lauf mit Modell mit geringster

Klimasensitivität im EGMAM Ensemble

Klimasensitivität:

Nach Perturbed Physics Methode

1,96 K

Im CMIP Lauf

1,83 K


3. Auswertung

Lokale Rückkopplungsparameterparamter (Boer & Yu; 2003)

λlWSW := RWSW(x,y) / ΔT

λlWLW := RWLW(x,y) / ΔT


3. Auswertung

Globales (Ens-)Mittel: -0.955 W/m²K

Ensemblemittel und Standardabweichung der kurzwelligen Wolkenrückkopplungen

λWSW


3. Auswertung



λWSW


3. Auswertung

Ensemblemittel und Standardabweichung der langwelligen Wolkenrückkopplungen

λWLW

Globales (Ens-)Mittel: 0.45 W/m²K


Ensemblemittel und Standardabweichung nach F-Test des Temperatursignals

Globales (Ens-)Mittel: 2.15 K

3. Auswertung

Standardabweichung: ??


3. Auswertung

Ensemblemittel und Standardabweichung des Temperatursignals


3. Auswertung

Ensemblemittel und Standardabweichung der Änderung der relativen Feuchte der Atmosphäre


3. Auswertung

Ensemblemittel und Standardabweichung im Wolkenbedeckungssignal


3. Auswertung

Ensemblemittel und Standardabweichung des Wolkenrückkopplungsparameter λW

Globales (Ens-)Mittel: -0,51 W/m²K !


3. Auswertung

Parameter PENTR PUEBER PKONV PEIS PREGEN

λWSW

β 0,8176 0,0013 - 0,6448 0,0103 0,2405

σ 0,1543 0,1467 0,1326 0,1146 0,1271

p-Wert 5,2974 0,0088 - 4,8628 0,8982 1,8922

F-Wert 11,9022

λWLW

β - 0,7525 - 0,0894 0,8267 -0,1989 0,0635

σ 0,2612 0,2323 0,4424 0,0585 0,0808

p-Wert - 3,9440 - 0,4930 5,0440 -1,4039 0,4045

F-Wert 6,0631

Lineares Regressionsmodell für den Einfluss einzelner Parameter


3. Auswertung

Entrainmentparameter


3. Auswertung

Konversionsrate


3. Auswertung

Ensemblemittel und Standardabweichung der Zirkulationsänderung


Wärmeflußkorrektur

- geänderte Wolkenphysik- unveränderte Wolkenphysik


Methodik

Flußkorrektur bei Änderung der Wolkenphysik


Zusatzmaterial


Frischwasserlußkorrektur unter Änderung der Wolkenphysik

Flußkorrekturdifferenz bei geändeter zu unverändeter Wolkenphysik

Differenz der Flußkorrekturen von EGMAM und ECHO-G

Differenz durch Simulationen als klimatologisch irrelevant bewertet Differenz kleiner!


Flußkorrektur unter Änderungen der Wolkenphysik

- geänderte Wolkenphysik- unveränderte Wolkenphysik

Frischwasserflußkorrekturfelder für:


Zusatzmaterial

Unsicherheiten innerhalb der Modelle in der Parametrisierung Sub-Grid-skaliger Prozesse (Beispiel: Wolkenphysik)

Unsicherheitsanalyse in Parametrisierungen durch systematische Untersuchungen

„perturbed physics“ Ensembles (Sampling der Unsicherheiten)

Durch Änderungen der Parametrisierung kann sich der Phasenraum in nicht linearen Systemen sprunghaft ändern

(nicht lineare Prozesse der Wolkenphysik)

Beispiel:Bifurkationen bei Parameteränderung in der logistischen Abbildung Xn+1 = r Xn (1-Xn)

Variationsrechnungen


0.325C0

-0.720α0.196β-0.303ε0.275P

stand. weightParameter

Parametersensitivität von EGMAM

Ansatz: Multivariate lineare Regression

3.00 3.50 4.00 4.50 5.00 5.50 6.00 6.50 7.00

13.2

13.6

14

14.4

14.8

15.2

15.6

16

global mean of T2m vs sedimentation rate

sedimentation rate

glo

bal m

ean o

f T

2m

[°C

]

Stratiform cloudsC0Efficiency of rain formation

Stratiform cloudsαSedimentationrate of ice crystals in cold clouds

Cumulus convectionβOvershooting of cumuli above the level of non-buoyance

Cumulus convectionεEntrainmentratefor shallow convection

Cumulus convectionPConversionrate from cloud water to rain

Component of GCMParameterPhysical effect

Stark linearer Temperaturresponse

Bei Veränderung der SedimentationsrateKorrelation von rekonstruiertem Response und Modellergebnissen von 0.89


EGMAM Validierung

Vergleich der Validierung von EGMAM mit ECHO-G


Modelldiversität

Tredger & Smith, 09


3. Auswertung

Die Abkühlung im südliche Ozean: Was wissen wir?

In der Atmosphäre:• Im Kontrolllauf positiver Trend von 0,6K/100a in der

Oberflächentemperatur• Abkühlung während der transienten Phase• Schwach negativer Trend in der Stabilisierungsphase

Im Ozean:• Maximum in der Flusskorrektur (Wärmeentnahme)• Keine Seeeisbedeckung• Maximum in der Vertikaldiffusion

(Aufwärtsgerichteter Wärmetransport)• Stromfunktion zeigt keine erhöhten Werte (kein Massentransport)• Temperaturinversion


Temperaturvalidierung

Standardabweichung der 2-Meter Temperatur im EGMAM Kontrolllauf


Konvektionsschema (Tiedke)

M ist Masse, E ist Entrainment, D ist Detrainment, ρ die Dichte,s = cpT +gz die trocken statische Energie, q ist die spezifische Feuchte, l ist das Mischungsverhältnis des Wolkenwassers, c ist die Freisetzung von latenter Wärme durch Kondensation, Pu bezeichnet die Konversionsrate von Wolkenwasser zu Regen in Aufwinden


Parameter

Űberschiessen:

Turb. Entrainment:

Konversionsrate: Regengenerierung:

Sedimentationsrate:


Sampling


3. Auswertung

Scatterplot:

Zonale Mittel der langwelligen gegen kurzwellige Wolkenrückkopplungen im Ensemblemittel

Zusammenhang zwischen den Wolkenrückkopplungen auch räumlich räumlich


3.2 Ensembleauswertung

W/m

²K

Ensemble- Zonalmittel der Gesamtwolkenrückkopplungen


3. Auswertung

W/m

²K

Ensemble- Zonalmittel der kurzwelligen Wolkenrückkopplungen


3. Auswertung

Ensemble- Zonalmittel der langwelligen Wolkenrückkopplungen

W/m

²K


3. Auswertung

2XCO2

Ensemble- Zonalmittel der Vertikalgeschwindigkeit in 500hPa

Klimasignal


Wyant

Falk Niehörster IMSC 2010

Documents

Transcript of Falk Niehörster IMSC 2010