Volltextdatei(en) vorhanden
Titel: Quantifying the influence of climate change on the urban heat island of Hamburg using different downscaling methods
Sonstige Titel: Quantifizierung des Einflusses des Klimawandels auf die städtische Wärmeinsel von Hamburg mit Hilfe verschiedener Verfeinerungsverfahren
Sprache: Englisch
Autor*in: Hoffmann, Peter
Schlagwörter: Hamburg; urban heat island; climate change; downscaling; urban climate; Hamburg
GND-Schlagwörter: Wärmeinsel; Stadtklima; Anthropogene Klimaänderung; Klimaänderung; Verfeinerung; Modellierung
Erscheinungsdatum: 2012
Tag der mündlichen Prüfung: 2012-06-21
Zusammenfassung: 
In the present study, the influence of climate change on the urban heat island (UHI) of Hamburg is investigated. Two different methods to downscale regional climate projections with respect to the Hamburg’s UHI are developed. First, a statistical model for the UHI of Hamburg is constructed using observations from the German Meteorological Service (Deutscher Wetterdienst (DWD)). This statistical model explains up to 42% of the UHI variance. By applying it to regional climate projections from REMO and CLM, which were driven with the A1B SRES emission scenario runs from ECHAM5/MPIOM, future changes in the UHI intensity are investigated. The results differ between both RCMs. Except for April and December (which shows a decrease) REMO results show no significant changes to monthly average UHI intensity at the end of the 21st century, while analyses of CLM results show significant decreases from November through April and significant increases in July and August. The frequency distribution of the summer UHI shows no significant changes for REMO and in only one realization of CLM can a significant increase in moderate and strong UHI days be found for the end of the 21st century.
The second downscaling method is based on the concept of statisticaldynamical downscaling (SDD). As a part of the developed SDD method relevant weather situations for the UHI are determined. For this purpose an objective weather pattern classification (WPC) is constructed by applying a k-means based clustering technique to 700 hPa fields (geopotential height, relative humidity, relative vorticity, and thickness) from the ERA40 reanalysis dataset. Changes in the weather pattern (WP) frequencies in a future climate are obtained by applying different RCM results to the WPs. Both REMO and CLM show significant changes the WP-frequencies, especially by the end of the 21st century. Because the constructed WPC does not explain enough of the UHI variance to identify relevant days, it is combined with the statistical UHI model. The resulting relevant days are simulated with the mesoscale numerical model METRAS. In a two-step nesting a resolution of 1 km is reached, forced by ECMWF (European Center for Medium Range Weather Forecasts) analyses data. The UHI patterns obtained for each of the relevant days are then statistically recombined to compute the average pattern for days with a strong UHI (statistically modeled UHI ≥ 3 K). The statistically recombined UHI pattern for the present climate is quite well represented when compared with the available observations. The maximum UHI intensity of 1.2 K is found in the downtown and harbor area of Hamburg.
For the future UHI the SDD method is applied to results from A1B projections conducted with REMO and CLM as well as one A2 projection conducted with the high-resolution global model CCAM. Again, the results differ between the models. The pattern of the strong UHI remains unchanged for REMO while both CLM and CCAM show increases of approximately 0.13 K (some 10% of the simulated maximum UHI intensity) at the end of the century. The changes in CLM and CCAM are associated with a significant increase in strong UHI days.

In dieser Arbeit wird der Einfluss des globalen Klimawandels auf die Hamburger Wärmeinsel (UHI) untersucht. Hierfür werden zwei Verfahren entwickelt, welche Klimaprognosen in Hinblick auf die Hamburger UHI verfeinern. Zuerst wird ein statistisches Modell für die Hamburger UHI erstellt, das auf Beobachtungsdaten des Deutschen Wetterdienstes (DWD) basiert und bis zu 42% der UHI-Varianz erklärt. Um die zukünftige Entwicklung der UHI zu untersuchen, wird das Modell auf regionale Klimaprognosen der regionalen Klimamodelle (RCM) REMO und CLM, welche beide von den ECHAM5/MPIOM Projektionen des A1B SRES Emissionsszenario angetrieben wurden, angewendet. Die Ergebnisse für die zukünftige UHI der beiden RCM unterscheiden sich. Außer für die Monate April und Dezember, die eine Abnahme der UHI zeigen, ändern sich die Monatsmittel der UHI nicht significant basierend auf REMO Ergebnissen. CLM Ergebnisse zeigen hingegen signifikante Abnahmen von November bis April sowie signifikante Zunahmen für Juli und August zum Ende des 21. Jahrhunderts. Die Verteilungsfunktion der täglichen UHI im Sommer weist keine signifikanten Änderungen in den REMO Ergebnissen auf. CLM zeigt eine signifikante Zunahme von Tagen mit moderater und starker UHI Ende des 21. Jahrhunderts zeigt.
Das zweite Verfeinerungsverfahren basiert auf dem Konzept der statistischdynamischen Verfeinerung (SDD). Der statistische Teil des SDD Verfahrens basiert auf der Bestimmung von Wettersituationen, welche für die UHI relevant sind. Hierfür wird eine objektive Wetterlagenklassifikation (WPC) erstellt. Die Wetterlagen werden mit Hilfe eines k-means-basierten Clusterungsverfahrens ermittelt. Als Eingabefelder für die WPC dienen 700 hPa Felder (geopotentielle Höhe, relative Feuchte, relative Vorticity und Schichtdicke) des ERA40 Reanalyse Datensatz. Um die zukünftigen Änderungen der Wetterlagen zu untersuchen, werden die Wetterlagen in den RCM Ergebnissen bestimmt. Die Häufigkeiten einzelner Wetterlagen ändern sich, vor allem Ende des 21. Jahrhunderts, sowohl für REMO als auch für CLM. Zur Bestimmung der für die UHI relevanten Tage erklärt die erstellte WPC einen zu geringen Teil der UHI Varianz. Aus diesem Grund wird die WPC mit dem statistischen UHI Modell kombiniert. In zwei Nestungsschritten werden die so erhaltenen relevanten Tage mit Hilfe des mesoskaligen numerischen Modells METRAS simuliert. Als Antriebsdaten dienen die Analysen des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF). Für jeden simulierten Tag wird das UHI Muster bestimmt und anschließend mittels statistischer Rekombination gemittelt, um das mittlere Muster der starken UHI (statistisch modellierte UHI ≥ 3 K) zu berechnen. Verglichen mit verfügbaren Beobachtungsdatensätzen wird das Muster der UHI basierend auf dem SDD Verfahren gut wiedergegeben. Die maximale UHI Intensität (ca. 1.2 K) befindet sich in der Innenstadt sowie in den Hafengebieten.
Um die zukünftige UHI zu untersuchen, wird das SDD Verfahren auf die A1B Projektionen von REMO und CLM sowie auf die A2 Projektionen des hochaufgelösten Globalmodells CCAM angewendet. Auch bei dieser Verfeinerungsmethode unterscheiden sich die Ergebnisse der verschiedenen Modelle. Das Muster der starken UHI bleibt unverändert, während die auf CLM und CCAM basierenden Ergebnisse für Ende des 21. Jahrhunderts eine Erhöhung von ca. 0.13 K in einigen Teilen Hamburgs zeigen (ca. 10% der simulierten maximalen UHI Intensität). In beiden Modellen ist diese Erhöhung verbunden mit einer signifikanten Zunahme von Tagen mit starker UHI.
URL: https://ediss.sub.uni-hamburg.de/handle/ediss/4513
URN: urn:nbn:de:gbv:18-57165
Dokumenttyp: Dissertation
Betreuer*in: Schlünzen, K. Heinke (Prof. Dr.)
Enthalten in den Sammlungen:Elektronische Dissertationen und Habilitationen

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat  
Dissertation.pdf4.51 MBAdobe PDFÖffnen/Anzeigen
Zur Langanzeige

Diese Publikation steht in elektronischer Form im Internet bereit und kann gelesen werden. Über den freien Zugang hinaus wurden durch die Urheberin / den Urheber keine weiteren Rechte eingeräumt. Nutzungshandlungen (wie zum Beispiel der Download, das Bearbeiten, das Weiterverbreiten) sind daher nur im Rahmen der gesetzlichen Erlaubnisse des Urheberrechtsgesetzes (UrhG) erlaubt. Dies gilt für die Publikation sowie für ihre einzelnen Bestandteile, soweit nichts Anderes ausgewiesen ist.

Info

Seitenansichten

31
Letzte Woche
Letzten Monat
geprüft am 16.04.2021

Download(s)

23
Letzte Woche
Letzten Monat
geprüft am 16.04.2021
Werkzeuge

Google ScholarTM

Prüfe