10. dezember 2002 seminar karlsruhe1 klimaänderungsuntersuchungen mit hilfe der bayesischen...

10. Dezember 2002 Seminar Karlsruhe 1

Klimaänderungsuntersuchungen mit Hilfe der Bayesischen Statistik

Andreas Hense, Heiko Paeth, Monika Rauthe

Meteorologisches Institut Universität Bonn

Seung-Ki Min, Won-Tae Kwon METRI Seoul

10. Dezember 2002 Seminar Karlsruhe 2

Übersicht

• Einleitung: Was verstehen wir unter Bayesischer Statistik, Geschichte etc.

• Bewertung von Klimaänderungsnachweisen aus Bayesischer Sicht

• Klimaänderungsattribution aus Bayesischer Sicht, ein Experiment mit troposphärischen und stratosphärischen Temperaturen

• Klimaänderungsattribution aus Bayesischer Sicht, Die AO/NAO in verschiedenen Klimamodellen

• Zukünftige Arbeiten und Zusammenfassung

10. Dezember 2002 Seminar Karlsruhe 3

Was ist Bayesische Statistik?

Reverend Sir Thomas Bayes 1701/02 bis 7.4.1761

Science, Nov. 1999, Vol 286, p1460ff

1763:* allows you to start with what you already believe (in climate change)

* to see how new information changes your confidence in that belief

1790 von P.-S. Laplace erweitert

10. Dezember 2002 Seminar Karlsruhe 4

Was ist Bayesische Statistik ?

10. Dezember 2002 Seminar Karlsruhe 5

Was ist Bayesische Statistik?

Likelihood: Aussage über die Daten, Fehlervarianzen

Prior: Aussage über das Modell, Modellparameter, Modellfehler

10. Dezember 2002 Seminar Karlsruhe 6

Was ist Bayesische Statistik?

• Es gibt keine deterministischen Parameter• Alle relevanten Größen werden mit

Wahrscheinlichkeiten belegt• Dies dürfen letztlich auch subjektive Maßstäbe

sein

10. Dezember 2002 Seminar Karlsruhe 7

Was ist Bayesische Statistik?

10. Dezember 2002 Seminar Karlsruhe 8

Subjektive Informationen (J.Berger 1985)

• Ein Rockmusikexperte soll 10 mal zwischen Clapton und Hendrix entscheiden

• Ein Martini-Experte soll 10-mal zwischen gerührtem und geschütteltem Martini entscheiden

• Ein Journalist soll 10-mal einen Münzwurf vorhersagen

• Bewertung dieser Experimente wird durch die Zusatzinformation subjektiv beeinflußt

10. Dezember 2002 Seminar Karlsruhe 9

Ein abstraktes, aber sehr einfaches Beispiel

• Die Bayesische Bewertung von „frequentistischen“ Nullhypothesentests

• am Beispiel eines Klimaänderungsnachweises• Hasselmann (1998)

10. Dezember 2002 Seminar Karlsruhe 10

Ja oder Nein?

Detektion eines Klimaänderungssignals

Zufällige Änderungen?

10. Dezember 2002 Seminar Karlsruhe 11

Ja oder Nein?

Attribution

10. Dezember 2002 Seminar Karlsruhe 12

Wahrscheinlichkeit der Testvariablebei gültiger H0 < 0.05 ... 0.01

Ablehnung von H0

10. Dezember 2002 Seminar Karlsruhe 13

Signifikanz ist eine bedingte Wahrscheinlichkeit

Gesucht wird jedoch:

Klassische Lösung:

10. Dezember 2002 Seminar Karlsruhe 14

10. Dezember 2002 Seminar Karlsruhe 15

Cond(T=ja|Ha )

Con

d(H

a | T

=ja

)

Signifikanzniveau 5%kl.Lösung

rd(Ha)=0.1

10. Dezember 2002 Seminar Karlsruhe 16

Klassifikationen von Klimaänderung

• Daten: Nordhemisphärische Mittelwerte 1958-1999 NCEP Reanalysen, Monatsmittel– 2m Temperaturen und 70 hPa Temperaturen– ECHAM3/LSG Szenario Ensemble 1880-2049– THG Antrieb und THG/S-Aerosol Antrieb

• zweidimensionale Betrachtung (2m T - 70 hPa T)• Bayesische Klassifikation

– Betrachte Modell M1 natürliche Variationen– und Modell M2 anthropogene Änderungen

10. Dezember 2002 Seminar Karlsruhe 17

ECHAM3/LSG - T21 und NCEP Reanalysen

10. Dezember 2002 Seminar Karlsruhe 18

ECHAM3/LSG - T21 und NCEP Reanalysen

10. Dezember 2002 Seminar Karlsruhe 19

Bayesische Klassifikation (Attribution)

10. Dezember 2002 Seminar Karlsruhe 20

nach Leroy (1998)

10. Dezember 2002 Seminar Karlsruhe 21

10. Dezember 2002 Seminar Karlsruhe 22

rd(Mi) = 0.5; nur THG Antrieb

10. Dezember 2002 Seminar Karlsruhe 23

nur THG Antrieb

geringe absolute posterior

Fehlende Prozesse ?

10. Dezember 2002 Seminar Karlsruhe 24

Variation des Modell prior (nur THG)

Der Umweltaktivist

Der Klimaskeptiker

10. Dezember 2002 Seminar Karlsruhe 25

THG Antrieb + S-Aerosol

10. Dezember 2002 Seminar Karlsruhe 26

Bayesische Statistik der AO/NAO Variationen

• Nordatlantische Oszillation/Arktische Oszillation wesentlich für Klima in Mitteleuropa

• ECHAM3/LSG zeigt NAO Änderungen als Reaktion auf steigenden THG (Paeth et al.,1999)

• Modellartefakt oder robuste Simulation• Vergleich eines Ensembles von Klimamodellen

mit Hilfe der Bayesischen Statistik• Rauschen: interne Variabilität und Modellfehler

10. Dezember 2002 Seminar Karlsruhe 27

Datengrundlage (IPCC TAR)

• Kontrollsimulationen (kein externer Klimaantrieb) Modell M0

– 5 Klimamodelle mit insgesamt 2500 Jahren• THG Simulationen (ähnliche Antriebe durch

steigende THG Konzentrationen) Modell M1

– 5 Klimamodelle mit 16 Simulationen a 170 Jahre• THG/Sul Simulationen (ähnliche Antriebe durch

steigende THG und Sulfataerosol Antriebe) M2

– 9 Klimamodelle mit 24 Simulationen a 170 Jahre

10. Dezember 2002 Seminar Karlsruhe 28

Die AO/NAO in Beobachtung und Simulation 1880 - 2001

10. Dezember 2002 Seminar Karlsruhe 29

Die AO/NAO in Beobachtung und Simulation 1880 - 2001

10. Dezember 2002 Seminar Karlsruhe 30

Bayesische Klassifikation der AO/NAO Amplitude

10. Dezember 2002 Seminar Karlsruhe 31

Zusammenfassung

• Bayesische Statistik (speziell die Klassifikation) erlaubt eine Zusammenführung von Klimaänderungs- und Zuordnungsanalysen

• Nordhemisphärische Mitteltemperaturen in 2m und 70 hPa werden seit Mitte der 1990‘er Jahre in die ECHAM3-LSG IS92 Szenario Simulationen für das Jahr 2000 klassifiziert

• jedoch geringe absolute Posterior und geschätzte Fehlklassifikationswahrscheinlichkeiten von 10-15% für reinen THG (über 20% bei THG+Sulfat)

10. Dezember 2002 Seminar Karlsruhe 32

Zusammenfassung

• Fehlende Prozesse ?• Klassifikation in THG Szenario auch mit

reduziertem Klimaänderungs-Prior < 0.3• Untersuchungen der AO/NAO: Beginn der 90‘er

als THG-Modell, Ende der 90‘er nicht (T. Palmer‘s Hypothese?)

• Bayes-Formalismus noch nicht ausgeschöpft (Mischung aus Bayes + Frequentisten)– z.B. Modellierung der Kovarianzmatrizen

• Anwendung auf andere Probleme (z.B. MOS)