Publications
Beitrag von Dr. Oliver Bothe, Abteilung Küsteneinflüsse und Paläoklima
Politik, Wirtschaft und Gesellschaft wollen wissen, wie sich Wettercharakteristiken und Klima in der Zukunft ändern werden. Dabei interessieren sowohl der menschliche Einfluss auf das Klima als auch die natürlichen Klimavariationen. Um zu verstehen, wie sich das Klima zukünftig entwickeln mag, brauchen wir ein Verständnis des Klimasystems und seiner Veränderungen und Variationen in der Vergangenheit. Wir gehen davon aus, dass der menschengemachte Einfluss sehr stark sein kann, und somit versucht die Klimawissenschaft auch starke Veränderungen in der Vergangenheit zu untersuchen.
Diese starken Veränderungen finden wir nicht in den wenigen Jahrhunderten, in denen Menschen verlässliche Aufzeichnungen über das Wetter gemacht haben. Wir müssen uns auf geologische Zeitskalen begeben. Dazu gehört zum Beispiel, Klimazustände und Klimaänderungen im Übergang von der letzten Kaltzeit zum sogenannten Holozän – unserer aktuellen geologischen Epoche – zu verstehen. Dies ist ein Teilziel des vom Bundesministerium für Bildung und Forschung geförderten Projekts PalMod. Dessen Hauptziel ist es, einen vollständigen Zyklus aus Eiszeit und Warmzeit mit komplexen Modellen des Erdsystems zu simulieren. Unsere Veröffentlichung entstand im Rahmen von PalMod.
Vertrauen in die erwähnten Simulationen erfordert, sie zu begutachten. Auf diesen langen Zeitskalen ist dies nur mittels indirekter Annahmen über das damalige Klima möglich. Wir nehmen dazu an, dass klimatische Variablen wie Temperatur oder Trockenheit biologische, chemische oder geologische Prozesse beeinflussten, dass diese Prozesse diese Einflüsse festhielten und dass dies zum Beispiel in versteinerten Organismen, Sedimenten oder – in jüngerer Vergangenheit – auch Bäumen archiviert wurde. Wir können Messungen an diesen Archiven vornehmen und daraus indirekte Rückschlüsse auf das vergangene Klima ziehen. Solche klimatischen Rekonstruktionen versuchen also ein Klimasignal aus Paläo-Beobachtungen abzuleiten.
Ein solches Vorgehen ist offenkundig mit großen Unsicherheiten verbunden, und wir müssen diese Unsicherheiten verstehen, um unseren Annahmen über das vergangene Klima vertrauen zu können. Auch die Begutachtung der Simulationen mittels solcher Daten erfordert, dass wir diese Unsicherheiten verstehen. Unsere Arbeit hier dokumentiert eine sehr einfache Beschreibung des potentiellen Fehlers in indirekten Beobachtungen an Sedimenten. Diese Beschreibung und unsere Daten sind dazu gedacht, den Vergleich von in Erdsystemmodellen simulierten Temperaturen und indirekten Beobachtungen zu ermöglichen und unsere Annahmen in indirekten Ableitungen über vergangene Klimata zu testen.
Bothe, O., Wagner, S., & Zorita, E. (2019): Simple noise estimates and pseudoproxies for the last 21 000 years. Earth Syst. Sci. Data, 11, 1129-1152, doi:10.5194/essd-11-1129-2019
Abstract:
Climate reconstructions are means to extract the signal from uncertain paleo-observations, so-called proxies. It is essential to evaluate these reconstructions to understand and quantify their uncertainties. Similarly, comparing climate simulations and proxies requires approaches to bridge the temporal and spatial differences between both and to address their specific uncertainties. One way to achieve these two goals is so-called pseudoproxies. These are surrogate proxy records within the virtual reality of a climate simulation. They in turn depend on an understanding of the uncertainties of the real proxies including the noise characteristics disturbing the original environmental signal. Common pseudoproxy approaches so far concentrate on data with high temporal resolution over the last approximately 2000 years. Here we provide a simple but flexible noise model for potentially low-resolution sedimentary climate proxies for temperature on millennial timescales, the code for calculating a set of pseudoproxies from a simulation, and one example of pseudoproxies. The noise model considers the influence of other environmental variables, a dependence on the climate state, a bias due to changing seasonality, modifications of the archive (for example bioturbation), potential sampling variability, and a measurement error. Model, code, and data allow us to develop new ways of comparing simulation data with proxies on long timescales. Code and data are available at https://doi.org/10.17605/OSF.IO/ZBEHX (Bothe et al., 2018).
