Physik bietet die grundlegende Sprache für die Beschreibung des Klimasystems der Erde. Jeder Prozess – von der Absorption des Sonnenlichts durch ein Blatt bis hin zur tiefen umkippenden Zirkulation des Ozeans – folgt physikalischen Gesetzen, die mathematisch ausgedrückt werden können. Klimamodelle, die die primären Werkzeuge für die Projektion zukünftiger Bedingungen sind, sind im Wesentlichen große Sammlungen dieser physikalischen Gleichungen, die auf leistungsstarken Computern gelöst werden. Indem sie Vorhersagen auf bewährten Prinzipien gründen, können Physiker und Klimawissenschaftler vergangene Klimazonen simulieren, beobachtete Veränderungen zuordnen und eine Reihe möglicher Zukunftsszenarien erkunden. Ohne Physik wären Klimaprojektionen kaum mehr als Rätselraten.

Mit ihr können politische Entscheidungsträger, Ingenieure und Gemeinschaften für steigende Meere planen, sich verändernde Niederschlagsmuster und häufigere extreme Ereignisse.

Die physikalischen Prinzipien hinter Klimamodellen

Moderne Klimamodelle beruhen auf einer Handvoll physikalischer Grundprinzipien, die bestimmen, wie sich Energie und Materie auf planetarer Ebene verhalten. Diese Prinzipien sind keine Annäherungen; sie sind die gleichen Gesetze, die die Bewegung eines fallenden Apfels oder den Luftstrom über einem Flugzeugflügel beschreiben. Der Unterschied ist die Skala: Klimamodelle wenden sie auf dem ganzen Globus an, über Jahrzehnte bis Jahrhunderte.

Erhaltungsgesetze

Die grundlegendsten Einschränkungen ergeben sich aus der Erhaltung von Masse, Impuls und Energie. In der Klimawissenschaft stellt die Energieerhaltung sicher, dass die Nettoenergie, die in das Erdsystem eintritt (meist als kurzwellige Sonnenstrahlung), die Nettoenergie ausgleichen muss (als langwellige Wärmestrahlung plus reflektiertes Sonnenlicht). Jedes Ungleichgewicht führt zu Erwärmung oder Abkühlung. Dieser Rahmen ermöglicht es Wissenschaftlern, den Energiehaushalt des Planeten mit hoher Präzision zu berechnen. In ähnlicher Weise regelt die Erhaltung der Masse den Kreislauf von Wasser, Kohlenstoff und anderen Schlüsselsubstanzen durch die Atmosphäre, Ozeane und Land.

Wenn ein Modell ein Massenungleichgewicht falsch vorhersagt, weist es auf einen Fehler in der Physik hin.

Fluiddynamik und die Navier-Stokes-Gleichungen

Atmosphäre und Ozeane sind turbulente Flüssigkeiten. Ihre Bewegung wird durch die Navier-Stokes-Gleichungen beschrieben, die Geschwindigkeitsänderungen mit Druckgradienten, Rotation (dem Coriolis-Effekt), Viskosität und externen Kräften wie der Schwerkraft in Beziehung setzen. Diese Gleichungen auf einem Raster von Punkten rund um den Globus zu lösen, ist die Kernaufgabe eines Klimamodells. Da Wetter und Meeresströmungen chaotisch sind, wachsen kleine Fehler im Laufe der Zeit, weshalb sich Klimaprojektionen auf Statistiken (Mittelwerte, Extreme, Frequenzen) konzentrieren und nicht auf genaue Vorhersagen. Fluiddynamik erklärt auch Phänomene wie Jetstreams, Ozeanwirbel und Auftrieb - alles entscheidend für das regionale Klima.

Thermodynamik und Phasenänderungen

Thermodynamik bestimmt, wie sich Wärme innerhalb des Klimasystems bewegt. Das erste Gesetz der Thermodynamik (Energieerhaltung) wird auf jede Gitterzelle im Modell angewendet, um Temperaturänderungen aufgrund von Strahlung, Leitung, Konvektion und latenter Wärmefreisetzung zu verfolgen. Phasenänderungen von Wasser - Verdunstung, Kondensation, Gefrieren und Schmelzen - sind besonders wichtig. Wenn Wasser aus dem Ozean verdunstet, absorbiert es Wärme; wenn es zu Wolken oder Niederschlag kondensiert, wird diese Wärme freigesetzt. Diese latente Wärme treibt Hurrikane, Gewitter und die großräumige Zirkulation der Atmosphäre an.

Modelle müssen diese Prozesse simulieren, um realistische Niederschlagsmuster und Sturmintensität zu erhalten.

Strahlungsübertragung

Strahlungsübertragung beschreibt, wie elektromagnetische Strahlung - sowohl kurzwellig (solar) als auch langwellig (thermisch) - absorbiert, gestreut und von der Atmosphäre und Oberfläche emittiert wird. Die Hauptakteure sind Treibhausgase (CO2, H2O, Methan, Ozon), Wolken und Aerosole. Jedes interagiert mit Strahlung bei bestimmten Wellenlängen. Zum Beispiel absorbiert CO2 stark bestimmte Infrarotbänder, fängt Wärme ein und erwärmt die Oberfläche. Modelle verwenden detaillierte Strahlungsübertragungscodes, um die Strahlungswärme oder -kühlung in jeder Höhe und Breite zu berechnen.

Dies ist die physikalische Grundlage des Treibhauseffekts und der primäre Treiber des anthropogenen Klimawandels. NASA Earth Observatory bietet einen klaren Überblick über diese Strahlungsprozesse.

Wie Klimamodelle aufgebaut und ausgeführt werden

Von allgemeinen Zirkulationsmodellen zu Erdsystemmodellen

Die frühesten Klimamodelle simulierten nur die Atmosphäre, indem sie den Ozean als einfachen Sumpf behandelten. Heutige Erdsystemmodelle (ESMs) koppeln Module für Atmosphäre, Ozean, Landoberfläche, Meereis und biogeochemische Zyklen (z. B. Kohlenstoff, Stickstoff). Jedes Modul löst seine eigenen physikalischen Gleichungen und tauscht Flüsse (Wärme, Wasser, Impuls, Kohlenstoff) mit den anderen in jedem Zeitschritt aus. Die räumliche Auflösung dieser Modelle hat sich dramatisch verbessert: typische Gitterzellen sind jetzt ungefähr 100 km breit und einige regionale Modelle gehen auf 1 km zurück. Höhere Auflösung erfasst Merkmale wie Hurrikane und Bergniederschläge zuverlässiger, erfordert aber exponentiell mehr Rechenleistung.

Sechster Sachstandsbericht des IPCC beschreibt die neueste Generation von Modellen, die für politikrelevante Projektionen verwendet werden.

Parametrisierung: Physik im kleinen Maßstab

Kein Modell kann jede Wolke, jeden Wirbel oder Regentropfen auflösen. Prozesse, die unterhalb der Gitterskala stattfinden, müssen "parametriert" werden - dargestellt durch vereinfachte mathematische Beziehungen auf der Grundlage der Physik. Beispielsweise wird die Konvektion bei Gewittern parametriert, indem die Niederschlagsmenge mit der Instabilität und Feuchtigkeit in einer Gittersäule in Beziehung gesetzt wird. Wolkenanteil, Mikrophysik (Eis gegen Flüssigkeit) und Turbulenzen werden ebenfalls parametriert. Dies ist eine der größten Unsicherheitsquellen in Klimaprojektionen, insbesondere für Wolken und ihre Rückkopplung auf die Erwärmung.

Laufende Forschung in der Wolkenphysik, oft mit Feldkampagnen und großwirbelnden Simulationen, führt zurück in die Verbesserung dieser Parametrisierungen.

Ensembles und Unsicherheit Quantifizierung

Da Modelle unvollkommen sind und das Klimasystem chaotisch ist, verlassen sich Wissenschaftler nie auf eine einzelne Simulation. Stattdessen betreiben sie Ensembles – mehrere Simulationen mit kleinen Störungen der Ausgangsbedingungen, leicht unterschiedlichen physikalischen Parametern oder unterschiedlichen Emissionsszenarien. Die Verteilung der Ergebnisse quantifiziert die Unsicherheit. Zum Beispiel können Forscher durch die Ausführung von 40 Ensemblemitgliedern eines Modells die Wahrscheinlichkeit abschätzen, dass die globale Durchschnittstemperatur in einem gegebenen Szenario 2 ° C bis 2100 überschreiten wird. Carbon Brief Erklärer zu Klimamodellen bietet eine nicht-technische Walkthrough von Ensemble-Methoden.

Vorhersage zukünftiger Klimaszenarien

Emissionspfade: Gemeinsame sozioökonomische Pfade (SSPs)

Zukünftiges Klima hängt von menschlichen Entscheidungen über den Einsatz fossiler Brennstoffe, die Landnutzung und Technologie ab. Um dies zu untersuchen, definierte die Klimaforschungsgemeinschaft eine Reihe gemeinsamer sozioökonomischer Pfade (SSPs), die verschiedene mögliche Zukunftsszenarien beschreiben - von der schnellen Dekarbonisierung (SSP1-1,9) bis hin zu hohem Wachstum fossiler Brennstoffe (SSP5-8,5). Jeder Pfad liefert eine Erzählung und eine Reihe von Emissionen und Landnutzungs-Inputs für Modelle. Die Modelle projizieren dann die resultierenden Veränderungen in Temperatur, Niederschlag, Meeresspiegel und Extremereignissen. Zum Beispiel könnte die globale Mitteltemperatur im Hochemissionsszenario (SSP5-8,5) um 4 bis 5 °C steigen bis 2100 im Vergleich zur vorindustriellen, mit katastrophalen Auswirkungen.

Unter dem aggressivsten Minderungsszenario (SSP1-1,9) kann die Erwärmung auf etwa 1,5 °C begrenzt sein.

Schlüsselprojektionen und ihre physische Basis

Physikbasierte Modelle projizieren konsequent mehrere robuste Veränderungen:

  • Globale Erwärmung Proportional zu den kumulativen CO2-Emissionen, weitgehend unabhängig von der exakten Modellphysik, die sich aus der Physik des Strahlungsantriebs und des Kohlenstoffkreislaufs ergibt.
  • Anstieg des Meeresspiegels Modelle umfassen die Physik des Eisflusses und der Wärmeaufnahme der Ozeane, obwohl die Dynamik der Eisschilde eine Grenze bleibt.
  • Erhöhte Niederschlagsextreme weil wärmere Luft mehr Feuchtigkeit enthält (Clausius-Clapeyron-Beziehung, ~7 % pro °C). Dieses physikalische Gesetz führt in vielen Regionen zu schwereren Regengüssen und Überschwemmungen.
  • Verschiebungen in Sturmbahnen und Jetstreams Physikbasierte Strömungsdynamik kann diese Verschiebungen reproduzieren, obwohl Unsicherheiten bestehen bleiben.

Tipping Points und abrupte Änderungen

Einige der besorgniserregendsten Projektionen betreffen nichtlineare Schwellen – Kipppunkte, an denen eine kleine Veränderung eine große, irreversible Verschiebung auslöst. Beispiele sind der Zusammenbruch der atlantischen Meridional-Umwälzungszirkulation (AMOC), das Absterben des Amazonas-Regenwaldes oder der schnelle Zerfall des westantarktischen Eisschilds. Physik ist wesentlich, um diese Risiken zu verstehen. Für AMOC ist die treibende Kraft die dichtegetriebene Ozeankonvektion, die von Temperatur und Salzgehalt abhängt. Modelle zeigen, dass, wenn Süßwasserzufuhr aus der grönländischen Eisschmelze groß genug ist, tiefe Konvektion abschalten kann, was das Klima in der nördlichen Hemisphäre verändern kann. Potsdam-Institut für Klimafolgenforschung behält einen umfassenden Überblick über bekannte Kippelemente.

Herausforderungen in der Physik-basierten Klimamodellierung

Berechnungsgrenzen und Auflösung

Selbst bei Exa-Supercomputern können globale Klimamodelle noch keine Wolken, Meereswirbel oder turbulente Mischungen vollständig auflösen. Diese Prozesse im Sub-Grid-Maßstab müssen parametrisiert werden, was strukturelle Unsicherheiten mit sich bringt. Eine Erhöhung der Auflösung auf ~ 1 km weltweit würde eine tausendfache Erhöhung der Rechenleistung erfordern, die innerhalb eines Jahrzehnts machbar werden könnte, aber noch keine Routine ist. Inzwischen verwenden Wissenschaftler Simulationen mit kleineren Domänen, hochauflösend, um Parametrisierungen zu informieren, aber die Lücke bleibt eine große Herausforderung.

Cloud Feedbacks

Die größte Unsicherheitsquelle bei der Klimasensitivität (wie viel Erwärmung pro CO2-Verdoppelung) kommt von Wolken. Niedrige Wolken reflektieren Sonnenlicht (Kühleffekt), während hohe Wolken Wärme einfangen (Wärmeffekt). Wie sich Wolkendecke, Höhe und Mikrophysik in einer wärmeren Welt verändern, hängt vom komplexen Zusammenspiel von Konvektion, Turbulenzen und Strahlung ab. Physikbasierte Modelle behandeln diese Wechselwirkungen unterschiedlich, was zu einer Ausbreitung der geschätzten Gleichgewichts-Klimasensitivität führt - von etwa 2 °C bis 5 °C. Beobachtungsbeschränkungen und Studien auf Prozessebene verengen diesen Bereich, haben ihn aber nicht beseitigt.

Chaos und Berechenbarkeit Grenzen

Das Klimasystem ist ein chaotisches dynamisches System, was bedeutet, dass seine Entwicklung empfindlich auf die Anfangsbedingungen reagiert. Während die Wettervorhersage auf etwa zwei Wochen begrenzt ist, verhindert es nicht die langfristigen Klimaprojektionen, da die Statistiken (Mittelwert und Variabilität) robust sind. Aber chaotische Variabilität - wie El Niño-Südliche Oszillation - kann das erzwungene Klimasignal auf dekadischen Zeitskalen verdunkeln. Physikbasierte Modelle müssen die interne Variabilität korrekt simulieren, um es vom Erwärmungstrend zu trennen. Das Gleichgewicht zwischen erzwungener und ungezwungener Variabilität ist ein aktives Forschungsgebiet.

Kohlenstoffkreislauf-Rückkopplungen

Physik überschneidet sich mit Biogeochemie bei der Modellierung des Kohlenstoffkreislaufs. Wenn sich die Atmosphäre erwärmt, setzen Böden mehr CO2 frei (die Bodenatmung nimmt exponentiell mit der Temperatur zu), und die Fähigkeit des Ozeans, CO2 zu absorbieren, nimmt ab (aufgrund der verminderten Löslichkeit und des verlangsamten Umkippens). Diese Rückkopplungen verstärken den Klimawandel. Die Erdsystemmodelle beinhalten diese Prozesse, aber sie hängen von parametrisierten biologischen und chemischen Reaktionen ab, die Unsicherheit hinzufügen. Zum Beispiel kann die Zukunft der Amazonas-Kohlenstoffsenke von der Feuerphysik und dem Dürrestress ebenso abhängen wie vom Klima.

Fortschritte in der Physik-gesteuerten Klimamodellierung

Machine Learning als Physik-Emulator

Anstatt Physik zu ersetzen, wird maschinelles Lernen (ML) zunehmend verwendet, um rechenintensive Teile von Klimamodellen zu beschleunigen. Zum Beispiel können tiefe neuronale Netze Strahlungsübertragungscodes emulieren, wodurch die Berechnungszeiten um Größenordnungen verkürzt werden. Andere Anwendungen umfassen das Herunterskalieren grober Modellergebnisse auf lokale Skalen und die Verbesserung der Parametrisierung von Konvektion und Wolken durch Lernen aus hochauflösenden Simulationen oder Beobachtungen. Diese hybriden Physik-ML-Modelle entstehen immer noch, versprechen aber eine höhere Genauigkeit bei geringeren Kosten.

Höhere Auflösung mit verschachtelten Modellen

Regionale Klimamodelle verwenden Randbedingungen globaler Modelle und wenden Physik in viel feineren Rasterabständen an (1-10 km). Dies erfasst Topographie, Küstenlinien und Land-Meer-Kontraste, die lokale Niederschläge, Hitzewellen und Windmuster verursachen. Verschachtelte Rahmen ermöglichen es dem globalen Modell, großflächige Physik bereitzustellen, während das RCM regionale Details verarbeitet. Projektionen für Wasserressourcen, Landwirtschaft und Infrastruktur sind stark auf diese physikbasierten regionalen Modelle angewiesen.

Datenassimilation und Initialisierung

Für dekadische Vorhersagen (5-30 Jahre) ist eine genaue Initialisierung des Ozeans und der Atmosphäre entscheidend. Die Datenassimilation – eine Technik aus numerischer Wettervorhersage – kombiniert Modellphysik mit Beobachtungen (Satelliten, Bojen, Radiosonden), um eine optimale Schätzung des aktuellen Zustands zu erstellen. Dieser physikalisch konsistente Startzustand verbessert Vorhersagen von Phänomenen wie der atlantischen Hurrikanaktivität oder der Stärke der Ozeanzirkulation im nächsten Jahrzehnt. Die Physik, wie Informationen von Beobachtungen zu Modellvariablen fließen, basiert auf der Schätztheorie und dynamischen Systemen.

Schlussfolgerung

Physik ist nicht nur ein Hintergrund für Diskussionen über den Klimawandel; sie ist der Motor, der alle glaubwürdigen Vorhersagen antreibt. Von den Erhaltungsgesetzen, die den Energiehaushalt bestimmen, bis hin zu den turbulenten Strömungsdynamiken der Atmosphäre und der Ozeane, jede Codezeile in einem Klimamodell ist eine Aussage darüber, wie die Welt funktioniert. Während Unsicherheiten bestehen bleiben - insbesondere in Bezug auf Wolken, Eisschilde und Kohlenstoffkreislauf-Rückkopplungen - hat sich der physikalische Rahmen als bemerkenswert robust erwiesen. Mit zunehmender Rechenleistung und unserem Verständnis werden Modelle weiter schärfer und bieten eine klarere Orientierung für die bevorstehenden Entscheidungen. Die Zukunft der Klimavorhersage ist unbestreitbar eine Zukunft der Physik.