Auf dem Weg zu verbesserten CO2-Vorhersagen

Was ist der limitierende Faktor in der Vorhersagbarkeit der atmosphärischen CO2-Konzentration? Wissenschaftler*innen des Max-Planck-Instituts für Meteorologie haben in Zusammenarbeit mit Kolleg*innen aus den USA, Kanada und Italien festgestellt, dass Erdsystemmodelle sehr ähnliche Mechanismen haben, um terrestrische Kohlenstoffflüsse vorherzusagen, sich diese Übereinstimmung aber nicht auf die Vorhersagbarkeit von CO2 übertragen lässt. Der Hauptgrund für dieses Defizit liegt in der Ungewissheit, welche Regionen am meisten zu den zwischenjährlichen Schwankungen der atmosphärischen CO2-Konzentration beitragen.

Wie wird sich die Konzentration von atmosphärischem CO2 in den kommenden Jahren verändern? Die Möglichkeit, diese Frage beantworten zu können, würde es politischen Entscheidungsträger*innen erlauben, Klimaschutzmaßnahmen in Echtzeit zu evaluieren. Um wie viel die CO2-Konzentration tatsächlich zunimmt, hängt nicht nur von anthropogenen Emissionen ab, sondern auch von der terrestrischen Kohlenstoffsenke. Verschiedene Studien haben gezeigt, dass Erdsystemmodelle in der Lage sind, die Kohlenstoffsenke, und damit CO2, für zwei Jahre vorhersagen zu können. Andererseits besteht weiterhin eine hohe Ungewissheit, welche Klimagrößen die Variabilität der Kohlenstoffsenke überhaupt erzeugen. Um zu untersuchen, wie sich diese Ungewissheit auf die Vorhersagbarkeit von CO2 ausübt, haben Wissenschaftler*innen des Max-Planck-Instituts für Meteorologie in Zusammenarbeit mit einem internationalen Team die Mechanismen hinter der CO2-Vorhersagbarkeit anhand von sechs Erdsystemmodellen untersucht. Insbesondere ging es um die Frage, wie die Klimagrößen Temperatur, Bodenfeuchte und Strahlung einerseits die Variabilität von terrestrischen Kohlenstoffflüssen beeinflussen und andererseits ihre Vorhersagbarkeit ermöglichen.

Unter den untersuchten Modellen gibt es eine hohe Übereinstimmung bezüglich der Mechanismen, die die CO2-Vorhersagbarkeit ermöglichen. Bis zu einem Drittel der Kohlenstoffflüsse, die durch Anomalien in Bodenfeuchte erzeugt werden, sind ein Jahr im Voraus vorhersagbar, während die durch Strahlung verursachte Variabilität kaum vorhersagbar ist.

Im Gegensatz zu der Vorhersagbarkeit fanden die Wissenschaftler*innen jedoch mehr Ungewissheit in den Mechanismen, die die atmosphärische CO2-Variabilität erzeugen. Alle untersuchten Modelle haben Hotspots mit besonders hoher Variabilität der Kohlenstoffflüsse in den Tropen, jedoch gibt es wenig Übereinstimmung bezüglich der Lage dieser Hotspots. Als Folge dessen sind es verschiedene Regionen, die für die jährlichen Änderungen in der CO2-Konzentration verantwortlich sind. Große Unterschiede fanden die Autor*innen in der Rolle vom Amazonasbecken, Zentral-Südamerika, Südafrika und Australien, wo die Unstimmigkeit in der Variabilität der Kohlenstoffflüsse besonders hoch ist. Abgesehen von der räumlichen Verteilung der Variabilitätsmuster gibt es auch Unsicherheit, was die Variabilität der Kohlenstoffflüsse überhaupt verursacht. Während es in zwei der untersuchten Modellen Bodenfeuchte ist, die maßgeblich für die Variabilität des Kohlenstoffkreislaufes zuständig ist, spielt Temperatur in den anderen Modellen eine größere Rolle. Diese Unterschiede in den treibenden Kräften der Kohlenstoff-Variationen bestimmen auch die allgemeine Vorhersagbarkeit von CO2. Je sensibler die terrestrischen Kohlenstoffsenken gegenüber Strahlung sind, desto niedriger ist auch die allgemeine Vorhersagbarkeit von atmosphärischem CO2.

Die endgültige Hürde bei der Vorhersage von atmosphärischem CO2 wird die chaotische Natur von Wetter und Klima sein. Sobald diese Grenze erreicht ist, werden weitere Fortschritte nur noch verschwindend gering sein. Diese Studie zeigt jedoch, dass wir derzeit durch unser Verständnis in der Variabilität der terrestrischen Kohlenstoffflüsse begrenzt sind. Damit ist das Potenzial zur Vorhersage des atmosphärischen CO2 noch nicht ausgeschöpft, und ein besseres Verständnis der Empfindlichkeit der Kohlenstoffsenke wird zu besseren CO2-Vorhersagen führen können.

Originalveröffentlichung

Dunkl, I., Lovenduski, N., Collalti, A., Arora, V. K., Ilyina, T., and Brovkin, V.: Gross primary productivity and the predictability of CO2: more uncertainty in what we predict than how well we predict it, Biogeosciences, 20, 3523–3538, https://bg.copernicus.org/articles/20/3523/2023/, 2023.

Kontakt

Dr. István Dunkl
Max-Planck-Institut für Meteorologie
istvan.dunkl@we dont want spammpimet.mpg.de