2. Grundlagen der Klimamodellierung und Bewertung 5 Downscaling: Um konkrete Auswirkungen des globalen Klimawandels auf einzelne Regionen bzw. Frage- stellungen der Klimafolgenforschung, etwa im Bereich der Wasser-, Land-, Versicherungswirtschaft oder des Küstenschutzes, genauer zu untersuchen, reicht die räumliche Auflösung eines ESM zumeist nicht aus. Um Informationen in ausreichender Genauigkeit bereitzustellen, werden seit einigen Jahren systematisch regionale Klimasimulationen mit regionalen Klimamodellen durchgeführt. Diese regionalen Klimasimulati- onen werden zumeist auf kontinentaler oder subkontinentaler Skala realisiert. Bei der Regionalisierung der atmosphärischen Komponente der Simulation kann prinzipiell zwischen dynamischen und empirisch-sta- tistischen Ansätzen des Herunterskalierens (Downscaling) unterschieden werden, wobei beiden gemein ist, dass zur Initialisierung und am Rand des zu regionalisierenden Gebietes jeweils Daten einer umfassenden, z. B. globalen Klimaprojektion benötigt werden. Dynamische regionale Klimamodelle: Die Simulation innerhalb des begrenzten Gebietes wird beim dy- namischen Downscaling von einem regionalen Klimamodell (RCM) übernommen, bei welchen, ähnlich wie bei globalen ESMs, die Teilkomponenten des Klimasystems weitestgehend miteinander gekoppelt sind. Das RCM startet mit den Ergebnissen eines umfassenden Klimamodells und erhält in gewissen zeitlichen Ab- ständen (z. B. nach einer oder sechs Stunden) als seitlichen Antrieb neue Randwerte des umfassenden Klimamodells. Innerhalb des Modellgebietes des regionalen Klimamodells läuft die Simulation hingegen vollkommen unabhängig von jener des antreibenden Klimamodells. Dank der immer höheren Auflösung regionaler Klimaprojektionen können kleinskalige Prozesse, die z. B. nahe der Erdoberfläche auftreten und durch das Relief und die Oberflächenbeschaffenheit beeinflusst wer- den, mittlerweile deutlich besser abgebildet werden. Diese und weitere atmosphärische Prozesse, die nicht mehr parametrisiert werden müssen, führen dazu, dass Phänomene wie Gebirgsüberströmungen, Wolken- und Niederschlagsbildung, Luv und Lee bedingte Niederschlagsunterschiede, Berg- und Talwindsysteme sowie die Land-See Wind Zirkulation realistischer wiedergegeben werden können. Regionale Ozeanmodelle werden derzeit in einer horizontalen räumlichen Gitterweite von ~5 km bis 50 km betrieben und bilden damit kleinräumige Prozesse an Küsten, wie z. B. die Ausbreitung und Vermischung von Flusswassereinträgen, nur unzureichend ab. Auch werden für vertikale Vermischungsprozesse Para- metrisierungen verwendet. Statistisch basierte regionale Klimamodelle: Beim empirisch-statistischen Downscaling (ESD) globaler atmosphärischer Klimaprojektionsdaten stehen verschiedene Verfahren zur Verfügung. Hierzu zählen z. B. WETTREG (Wetterlagenbasierte Regionalisierung), STARS (Statistical Analogue Resampling Scheme) und EPISODES (Empirical Statistical Downscaling for Seasonal, Decadal up to Centennial Time Series). WETTREG und EPISODES (Kreienkamp et al. 2019) untersuchen die statistische Beziehung zwischen dem großräumigen Zustand der Atmosphäre und den regionalen Wetterbedingungen. Dies geschieht unter der Annahme, dass zwischen lokalem Klima und globalen Zirkulationsmustern eine physikalisch erklärbare Beziehung besteht. Basierend auf diesen Beziehungen werden synthetische Zeitreihen meteorologischer Pa- rameter erstellt. Bei STARS werden beobachtete Zeitreihen von Klimavariablen neu sortiert, um lineare Klimatrends (i. d. R. der Mitteltemperatur) berücksichtigen zu können. Statistische Modelle haben oft Schwierigkeiten, nichtlineare Effekte im Klimasystem wie z. B. abrupte Sprünge zu simulieren, da sie keine nichtlinearen statistischen Ansätze einbeziehen. Da statistische Modelle aus der Vergangenheit lernen und ihre internen Parametrisierungen anhand des vergangenen Klimas optimiert werden, sind statistische Mo- delle nur über Umwege (Extrapolation oder Delta-Methode) in der Lage, Klimazustände zu simulieren, die im Laufe der Parameteroptimierung nicht aufgetreten sind. Die Ergebnisse statistischer Modelle sind daher für nichtlineare Entwicklungen und über die beobachteten Klimazustände hinausgehende Entwicklungen fehleranfällig. Für den Ozean wurde beispielsweise die regionale Höhe des Meeresspiegels mit einem statistischen Verfah- ren aus Ergebnissen von Globalmodellen bestimmt, siehe Kapitel 3.2 im NOSCCA (North Sea Region Climate Change Assessment) -Report (Quante und Colijn 2016). Da nicht klar war, ob die statistischen