Jin-Song von Storch

Abteilung Klimavariabilität
Gruppe Energetik des Klimas
Position Gruppenleiter*in
Telefon +49 40 41173-155
Email jin-song.von.storch@mpimet.mpg.de
Raum B 217

Über meine Forschung

In meiner Forschung untersuche ich das Klima der Erde als hochdimensionales System angetrieben von externen Faktoren.  Dabei verfolge ich zwei Ansätze. Der eine ist prozessorientiert. Ich konzentriere mich auf den Ozean und untersuche die Prozesse, die die allgemeine Zirkulation des Ozeans steuern und aufrechterhalten. Aus der Perspektive der Energetik sind dies a) Prozesse, die mechanische Energie für die diapyknische Vermischung im Ozeaninneren bereitstellen und damit den Auftrieb unterstützen, der für die Schließung einer Umwälzzirkulation erforderlich ist, und b) Prozesse, die mechanische Energie abführen und damit der konstanten Energiezufuhr durch Wind und Auftrieb an der Meeresoberfläche entgegenwirken können.  Ich glaube, dass das Verständnis dieser Prozesse für das Verständnis der Funktionsweise des Ozeans wesentlich ist. Der andere Ansatz ist systemorientiert. Ein Klimamodell ist ein Satz diskretisierter Differentialgleichungen, die die gleiche allgemeine Struktur haben wie z. B. ein Vielteilchensystem, das in der statistischen Physik betrachtet wird. Klimavariablen weisen Zufallsschwankungen auf, die denen ähneln, die bei Phänomenen wie der Brownschen Bewegung in der statistischen Physik beobachtet werden. Diese Gemeinsamkeiten legen nahe, dass die für die statistische Physik entwickelten Methoden und Konzepte auch auf das Klima anwendbar sein können und umgekehrt. Ziel ist es, wahrscheinlichkeitstheoretische Klimavorhersagen zu erstellen, die Veränderungen in der Klimastatistik beschreiben, die durch Veränderungen eines externen Einflusses verursacht werden. Hier verwenden wir die Wahrscheinlichkeit als Maß für die dem Klimasystem innewohnende Zufälligkeit (die bei der Betrachtung der internen Klimavariabilität am deutlichsten zutage tritt) und nicht als Maß für Unsicherheiten, die sich aus dem Mangel an Wissen ergeben (ein Standardargument zur Rechtfertigung probabilistischer Überlegungen).

Biographie

Veröffentlichungen