US-Stiftungen schüren Klimaalarm und stecken mehr als eine halbe Milliarde Dollar in Lobbyarbeit

Immer wieder hört man, die Kohle- und Öl-Lobby würde Webseiten wie Kalte Sonne, EIKE oder WUWT finanzieren. Wir Blogbetreiber können darüber nur schmunzeln, denn der Geldregen aus dieser Richtung blieb bisher aus. Die Wahrheit ist: Unser Budget ist erschreckend niedrig. Couragierte Privatspender ermöglichen es uns, den Webspace sowie technischen Internetsupport zu bezahlen. Über diese Spenden an das kalte-Sonne Blog sind wir überaus dankbar. Unsere Autoren arbeiten ehrenamtlich, anders als zum Beispiel beim Klimaretter, deren Schreiber Geld für ihre Stücke bekommen. Richtigerweise muss es wohl “bekommen haben” heißen, denn die heißen mittlerweile Klimareporter. Die penetrante Aktivistenschiene war den Geldgebern vermutlich allmählich lästig geworden. Allerdings ist das Team im Kern unverändert (vorher, nachher). Den Namen Toralf Staud findet man seltsamerweise nicht mehr. Ließ man den Journalist der u.a. für das Greenpeace-Journal arbeitete, zwischenzeitlich fallen? Wer finanziert den neuen Klimareporter eigentlich? Hierüber schweigt man sich auf der Webseite beredt aus. Zwar sammelt man fleissig Spenden für den Verein Klimawissen, aber man ahnt schon, dass es einen oder mehrere Hauptgeldgeber geben muss. Mit den Spenden, die wir im Kalte-Sonne-Blog bekommen, könnte sich Klimareporter vermutlich nicht einmal eine Woche über Wasser halten. Auf der Wikipedia-Seite von Klimareporter heißt es nebulös:

Das Magazin finanziert sich durch Werbung, Spenden und Förderbeiträge.

Werbung wurde bei einer Schnelldurchsicht über die Webplattform nicht gesichtet. Bleiben also die “Förderbeiträge”. Wer “fördert” hier eigentlich genau? Stecken hier möglicherweise große Stiftungen dahinter? Vielleicht sogar aus dem Ausland? In diesem Zusammenhang erschien im Mai 2018 in WIREs Climate Change eine hochinteressante Arbeit von Matthew Nisbet, die die Förderpraxis von klimaaktivistischen Stiftungen beleuchtet:

Strategic philanthropy in the post‐Cap‐and‐Trade years: Reviewing U.S. climate and energy foundation funding
For several decades, philanthropists in the United States have played a behind‐the‐scenes role in framing climate change as a social problem. These foundations have defined climate change primarily as a pollution problem solvable by enacting a price on carbon and by shifting markets in the direction of renewable energy technologies and energy efficiency practices. Funding has favored “insider” groups that push for policy action by way of negotiation, coalition building, and compromise, rather than “outsider” groups that specialize in grassroots organizing. Philanthropists have also placed less priority on funding for other low‐carbon energy sources such as nuclear power, carbon capture and storage, or natural gas, nor have they invested in actions intended to boost societal resilience, protect public health, or to address questions of equity and justice. But in the years following the failure of the 2010 Federal cap and trade bill, a review of available grants from 19 major foundations indicates that philanthropists responded to calls for new directions. Funding shifted to focus on state‐ or municipal‐level mitigation and adaptation actions and to the needs of low‐income/minority communities. Significant funding was also devoted to mobilizing public opinion and to opposing the fossil fuel industry. Nearly a quarter of all funding, however, remained dedicated to promoting renewable energy and efficiency‐related actions with comparatively little funding devoted to other low‐carbon energy technologies. The review of past funding trends provides implications for assessing philanthropic strategy during the Donald J. Trump presidency and beyond.

Schaut man ins Paper hinein, so wird das ganze Ausmaß der Finanzierung der Lobbyarbeit im Stile von Klimaretter, Klimareporter und Co. deutlich. Allein in den USA haben wohlhabene Stiftungen zwischen 2011-2015 Lobby-Projekte zu Klima und Energie mit einer Gesamtsumme von mehr als einer halbe Milliarde Dollar unterstützt. Ein unglaublicher Betrag. Nun wird klar, wie eine Vielzahl von Aktivisten- und Lobbygruppen bequem davon leben können. Ein Riesengeschäftszweig. Insgesamt 69 Millionen Dollar flossen allein an Aktivisten, die gegen fossile Brennstoffe Stimmung machen. Am besten, Sie blättern selber mal durch die Publikation von Matthew Nisbet, die kostenfrei im open access Verfahren als pdf heruntergeladen werden kann.

 

SRF nimmt es beim Meeresspiegel in Louisiana nicht so genau mit der Wahrheit

Am 17. Juli 2018 brachte SRF die folgende Klimaschocknews:

Steigender Meeresspiegel – Louisiana versinkt im Golf von Mexiko
Bereits sind im Süden Louisianas tausende Quadratkilometer verschwunden. Der Landverlust kann bloss verlangsamt werden.

Ein steigender lokaler (“relativer”) Meeresspiegel kann mehrere Ursachen haben. Zum einen steigt der globale Meeresspiegel um 1-3 mm pro Jahr. Aber würde dieser leichte Anstieg die beschriebenen krassen Folgen haben? Wohl kaum. Also muss hier noch etwas anderes eine Rolle spielen, nämlich die Landabsenkung, ein typischer Prozess in den Deltas der ganzen Welt, so auch im Mississippi-Delta. Das steht in einem Nebensatz auch im SRF-Beitrag angedeutet:

«Diese Bäume hier sind alle tot. Das Land sinkt, der Meeresspiegel steigt und deshalb stehen die Wurzeln der Eichen zu oft und zu lange im Wasser und sterben ab», erklärt Richie Blink. Tote Bäume sind nur besonders gut sichtbare Zeichen des Verfalls. Ganz Süd-Louisiana versinkt langsam im Meer.

Und um wieviel sinkt dieses Küstengebiet jährlich ab? In der Literatur stoßen wir auf Zou et al. 2016:

Evaluating Land Subsidence Rates and Their Implications for Land Loss in the Lower Mississippi River Basin
High subsidence rates, along with eustatic sea-level change, sediment accumulation and shoreline erosion have led to widespread land loss and the deterioration of ecosystem health around the Lower Mississippi River Basin (LMRB). A proper evaluation of the spatial pattern of subsidence rates in the LMRB is the key to understanding the mechanisms of the submergence, estimating its potential impacts on land loss and the long-term sustainability of the region. Based on the subsidence rate data derived from benchmark surveys from 1922 to 1995, this paper constructed a subsidence rate surface for the region through the empirical Bayesian kriging (EBK) interpolation method. The results show that the subsidence rates in the region ranged from 1.7 to 29 mm/year, with an average rate of 9.4 mm/year. Subsidence rates increased from north to south as the outcome of both regional geophysical conditions and anthropogenic activities. Four areas of high subsidence rates were found, and they are located in Orleans, Jefferson, Terrebonne and Plaquemines parishes. A projection of future landscape loss using the interpolated subsidence rates reveals that areas below zero elevation in the LMRB will increase from 3.86% in 2004 to 19.79% in 2030 and 30.88% in 2050. This translates to a growing increase of areas that are vulnerable to land loss from 44.3 km2/year to 240.7 km2/year from 2011 to 2050. Under the same scenario, Lafourche, Plaquemines and Terrebonne parishes will experience serious loss of wetlands, whereas Orleans and Jefferson parishes will lose significant developed land, and Lafourche parish will endure severe loss of agriculture land.

Absenkungsraten im unteren Mississippi-Becken die zwischen knapp 2 und 29 mm pro Jahren je nach Gebiet variieren. Diese Zahlen hätte man doch gerne im SRF-Beitrag gelesen und ins Verhältnis des globalen (eustatischen) Meeresspiegelanstiegs von 1-3 mm pro Jahre gesetzt gesehen. Im SRF-Beitrag von Max Akermann werden Beispiele aus dem südlichen Louisiana gebracht, etwa 70 km südlich von New Orleans. Schauen wir auf die Subsidenzkarte von Lou et al. 2016 für diese Gegend (Abbildung 1, das pdf ist kostenlos herunterladbar). Laut Karte sinkt das Land im betreffenden Bereich um 12-25 mm pro Jahr ab. Das ist das sechs- bis zwölffache des globalen Meeresspiegelbetrags zur Überflutung in Südlouisiana. Kein kleines Detail, sondern wichtige Zusatzinformation, die das ganze Problem plötzlich in einem ganz anderen Lichte darstellt.

 Abbildung 1: Land-Absenkungsraten im unteren Mississippibecken. Aus: Zou et al. 2016.

 

Der SRF-Autor Max Akermann vermeidet übrigens geschickt den Begriff ‘Klimawandel’ in seinem Haupttext. Durch seinen Hinweis auf den pauschalen “Meeresspiegelanstieg” führt er aber die meisten Leser in die Irre, da sie dieses Phänomen ja nur im Zusammenhang mit dem menschengemachten Klimawandel kennen. In einer nachgeschalteten Infobox zum Beitrag ist es dann aber vorbei mit der Zurückhaltung. Dort wird explizit auf den Klimawandel als Hautgrund des Meeresspiegelanstiegs in der Region verwiesen, was kompletter Unsinn ist, wenn man sich die oben skizzierten Verhältnisse vor Augen führt:

Die Folgen der Stürme spüren die Fischer besonders. Viele Laichgründe wurden zerstört. Noch viel mehr geschadet hat aber 2010 die katastrophale Ölpest nach der Explosion auf der Ölplattform Deepwater Horizon. Und jetzt steigt wegen des Klimawandels auch noch der Meeresspiegel immer schneller.

Das ist das Problem: Redakteure wie Max Akermann berichten lustig und frei über naturwissenschaftliche Themen, ohne über elementarste Grundkenntnisse zu verfügen. Aus Akermanns rudementären LinkedIn-Profil kann man erahnen, dass er sich den Naturwissenschaften in seiner Uni-Ausbildung in den 1970er Jahren wohl weitgehend ferngehalten hat. Seinem Hass auf die Ölkonzerne lässt er im Beitrag freien Lauf, weiß ganz genau, wer wohl an allem Schuld hat. Qualitätsjounalismus im 21. Jahrhundert: politisch angepasst, dafür fachlich erschreckend.

Auch Akermanns zweiter Artikel zum Thema ist zumindest vom Titel her haarsträubend:

Eine Insel verschwindet – Die USA haben ihre ersten Klimaflüchtlinge
Der Meeresspiegel steigt und steigt – den letzten Bewohnern der Isle de Jean Charles in Louisiana steht die Umsiedlung bevor.

Komplett falsch, Herr Akermann. Es handel sich nicht um “Klimaflüchtlinge”, sondern “Subsidenzflüchtlinge”. Die Absenkung des Mississippi-Deltas ist KEINE Klimawandelfolge, genausowenig wie die Kanalisierung der Flussbetten. Der global Meeresspiegelanstieg spielt hier nur eine sehr kleine Rolle, gehört nicht zu den Hauptantriebsfaktoren.

Der städtische Wärmeinseleffekt in Deutschland – Teil 3

Von Dipl.-Phys. Dr. Jan Olzem

Im zweiten Teil des Artikels hatten wir uns mit der Frage beschäftigt, wie die Umgebung einer Wetterstation als ländlich bzw. städtisch eingestuft werden kann, und mit AHI eine hierfür geeignete Größe gefunden. AHI beschreibt die mittlere Temperaturdifferenz zwischen einem Ort und dessen ländlicher Umgebung, wobei “ländliche” Gebiete in der Umgebung durch eine geringe nächtliche Lichtintensität aus künstlichen Lichtquellen (Nighttime Lights) charakterisiert sind. Anders als die Nighttime Lights ist AHI weitgehend robust gegenüber Störfaktoren, die aus der stetigen Veränderung des DWD-Messnetzes resultieren, wie etwa der Abnahme der mittleren Stationshöhe.

 

Abbildung 13: Zehnjährige gleitende Mittelwerte der Jahresmitteltemperatur (höhenkorrigierte Daten) Deutschland für verschiedene AHI-Untergrenzen

 

Um die verbliebene Höhenabhängigkeit aus den Daten zu entfernen, wurde die im ersten Teil beschriebene Höhenkorrektur angewendet. Das Ergebnis für verschiedene Untergrenzen von AHI ist in Abbildung 13 dargestellt. Der dort sichtbare Temperaturunterschied zwischen den stärksten Wärmeinseln (AHI > 2, rote Kurve) und dem Mittel aller Stationen (graue Kurve) wird zu einem erheblichen Teil – aber nicht ausschließlich – durch den Wärmeinseleffekt bestimmt. Zusätzlich kommen hier aber auch regionale die Temperatur bestimmende Faktoren zum Tragen, da die Wärmeinseln (d.h. die Städte) nicht gleichmäßig über Deutschland verteilt sind und sich bevorzugt in Regionen befinden, die klimatisch nicht unbedingt dem deutschen Durchschnitt entsprechen.

 

Abbildung 14: Absolute Änderung der Jahresmitteltemperaturen seit 1950 für verschiedene AHI-Intervalle. Die zehnjährigen gleitenden Mittelwerte sind zentriert und werden somit erst ab dem Jahr 1955 dargestellt.

 

Um besser bewerten zu können, ob es Unterschiede zwischen der Temperaturentwicklung in ländlichen und urbanen Gebieten gegeben hat, betrachten wir nun Temperaturänderungen anstelle von absoluten Temperaturen. Abbildung 14 zeigt – bezogen auf das Jahr 1950 – die Temperaturänderung in °C für den Durchschnitt der Messstellen in verschiedenen Bereichen von AHI von ländlichen Regionen (blaue Kurve) bis hin zu den stärksten Wärmeinseln (rote Kurve). Die gestrichelte graue Kurve gibt den Durchschnitt aller Stationen wieder.

Die Unterschiede im Temperaturverlauf sind unmittelbar erkennbar. Erstmals wird nun offensichtlich, dass in urbanen Regionen nicht nur eine höhere Durchschnittstemperatur gemessen wird, sondern die Temperatur in den vergangenen Jahrzehnten auch tatsächlich etwas stärker angestiegen ist als auf dem Land. Dies wollen wir nun quantifizieren.

Tabelle 1: Gemittelter Temperaturanstieg pro Dekade (lineares Modell) für verschiedene Zeiträume, jeweils bis 2016

 

Die Tabelle 1 fasst die Temperaturänderung (in °C pro Jahrzehnt) zusammen für ausgesprochen rurale (AHI < 1) und stark urban geprägte (AHI > 2) Stationen. Zusätzlich ist die Temperaturentwicklung im Durchschnitt aller betrachteter Stationen angegeben. Es werden dabei drei unterschiedlich lange Zeiträume betrachtet, die jeweils knapp bis heute reichen. Der Berechnung wurde ein simples lineares Modell zugrunde gelegt; hier kann man sicherlich noch differenzierter vorgehen, aber die grundsätzlich wichtigen Effekte sind auch auf diese Weise bereits gut darstellbar.

Zunächst fällt auf, dass die mittlere Temperaturänderung stark vom betrachteten Zeitraum abhängt. Betrug sie im Durchschnitt der vergangenen rund 60 Jahre insgesamt noch knapp +0,3 °C pro Dekade, hat sie sich in den Jahren seit 1980 auf +0,37 °C pro Dekade beschleunigt, was einer Zunahme von etwa 27 % entspricht. Interessant ist nun der Beitrag urbaner und ländlicher Regionen zu diesem Anstieg, wo sich zwei wichtige Ergebnisse abzeichnen.

Einerseits liegt die Temperaturzunahme pro Jahrzehnt seit 1960 in urbanen Regionen (0,33 °C) signifikant über derjenigen auf dem Land (0,29 °C). Dieser Effekt schwächte sich jedoch im weiteren Verlauf ab und kehrte sich in jüngerer Vergangenheit sogar um (urban: +0,35 °C, ländlich: +0,37 °C). Auf der anderen Seite lässt sich zudem erkennen, dass der Beitrag der urbanen Messungen keinen erheblichen Einfluss auf den in Deutschland gemessenen Temperaturanstieg haben kann, da die über alle Stationen bzw. Regionen gemittelte Temperaturzunahme mit derjenigen in ländlichen Gebieten weitgehend identisch ist. Ein interessantes Ergebnis – woran liegt das?

 

Abbildung 15: Relative Änderung der Anzahl der Messwerte (Stationen) in Prozent für verschiedene AHI-Untergrenzen, bezogen auf das Jahr 1950

 

Der Grund für diesen Verlauf wird unmittelbar klar, wenn man die zeitliche Entwicklung der Stationsanzahlen für die unterschiedlichen Regionen betrachtet (Abbildung 15). Dort ist die prozentuale Änderung der Stationsanzahlen für verschiedene AHI-Intervalle dargestellt bezogen auf das Jahr 1950. Während die Zahl der ausgesprochen ländlich gelegenen Stationen kontinuierlich zunimmt (blaue Kurve), werden die Messstellen in und nahe den Wärmeinseln immer seltener (gelbe und rote Kurven). Die Gesamtzahl der Stationen hat sich hingegen kaum verändert (gestrichelte Kurve). Es findet also ein langfristiger und stetiger Wandel des Messnetzes statt: Stationen im städtischen Umfeld werden stillgelegt und durch neue Stationen in ländlichen Gebieten ersetzt. Tatsächlich sind die Wärmeinseln im Messnetz daher schon seit Jahrzehnten deutlich unterrepräsentiert. Aus diesem Grunde spielen sie für die langfristige Temperaturentwicklung kaum mehr ein Rolle.

 

Abbildung 16: Jahresmitteltemperaturen und 10-jährige gleitende Mittelwerte für die ländliche Region München (DN < 15) und die Station München-Stadt

 

Darüberhinaus ist das Wärmeinselpotenzial eines innerstädtisch gelegenen Ortes offensichtlich begrenzt. Deutlich wird dies am Beispiel der Station München-Stadt, die aktuell eine Spitzenposition hinsichtlich der Temperaturdifferenz im Vergleich zur ländlichen Umgebung einnimmt (AHI = 2,9). Abbildung 16 zeigt die dort gemessenen Temperatur-Jahresmittel (blaue Punkte) im Vergleich zum Temperaturverlauf im Münchner Umland (graue Kurve). Zusätzlich sind jeweils die zehnjährigen gleitenden Mittelwerte als gestrichelte Linien eingezeichnet. Diese Station verzeichnete seit den 50er Jahren einen recht konstanten Erwärmungstrend von rund 0,2°C pro Dekade, während die mittlere Temperatur im Umland bis in die 80er Jahre hinein nahezu konstant blieb. Schaut man sich die Lage der Station auf dem Satellitenbild an, ist das allerdings wenig verwunderlich. Sie liegt in München-Neuhausen nahe dem Olympiapark und nicht weit vom Stadtzentrum entfernt. Eine weitere Zunahme der dichten Bebauung und Flächenversiegelung in diesem Teil von München ist schon seit langem kaum mehr möglich. Auch wenn München sich weiter ins Umland ausdehnt, hat dies vermutlich wenig Einfluss auf die Lufttemperatur innerhalb des Mittleren Ringes. Auffällig ist allerdings auch, dass die Temperatur im Umland seit den 80er Jahren deutlich “aufholt”, obwohl sich alle hierbei betrachteten Stationen an ausgesprochen dünn besiedelten Orten befinden.

 

Abbildung 17: Jahresmitteltemperaturen und 10-jährige gleitende Mittelwerte für die ländliche Region Berlin (DN < 15) und die Station Berlin-Schönefeld

 

Ein Beispiel für eine Messstelle in städtischer Randlage ist die Station Berlin-Schönefeld (Abbildung 17). Sie liegt auf dem Gelände des Flughafens nahe der Gemeinde Schönefeld und misst seit etwa 1960 eine signifikant höhere durchschnittliche Lufttemperatur als die Stationen im ruralen Berliner Umland. Obwohl sich die Einwohnerzahl Schönefelds in den letzten drei Jahrzehnten mehr als verzehnfacht hat und die Bebauung inklusive der Autobahn A113 mit der neuen Flughafen-Anschlussstelle immer dichter an das Flughafengelände heranrückte, ist keine Zunahme des Wärmeinseleffektes beobachtbar.

 

Abbildung 18: Jahresmitteltemperaturen und 10-jährige gleitende Mittelwerte für die Region Rhein-Main und die Station Frankfurt/Main (Airport)

 

Der DWD betreibt Wetterstationen auch auf anderen Flughäfen, die immer wieder im Verdacht stehen, ausgesprochene Wärmeinseln zu sein. Das ist tatsächlich häufig der Fall, wie etwa beim Flughafen Frankfurt am Main. Die dort betriebene Station wurde im Laufe der Jahre mehrfach verlegt, so z.B. 1984 und 2014 (vom östlichen zum westlichen Rand des Flughafengeländes), und befand sich zeitweise zwischen dem östlichen Ende der Startbahn 25C und der Autobahn A5. Eine signifikante Zunahme des Wärmeinseleffektes ist jedoch, wie Abbildung 18 zeigt, langfristig kaum auszumachen. Ein vergleichbares Bild bieten auch die Zeitreihen der Stationen auf den Flughäfen Stuttgart, Hannover, Düsseldorf, Berlin-Tegel, Hamburg-Fuhlsbüttel und – wie oben bereits gezeigt – Berlin-Schönefeld. Auf dem Köln-Bonn Airport verstärkte sich Mitte der 80er Jahre durch rege Bautätigkeit innerhalb weniger Jahre sprunghaft der Wärmeinseleffekt, blieb allerdings seither nahezu konstant bei ca. +1,3°C gegenüber der ländlichen Umgebung. Eine Ausnahme bildet der Flughafen München, dessen Wetterstation keinen Wärmeinseleffekt verzeichnet. Allerdings liegen hier Messdaten erst seit 1992 vor. Es bleibt darüberhinaus anzumerken, dass die Zahl der Flughafenstationen im DWD-Messnetz vernachlässigbar gering ist.

Fassen wir schließlich zusammen: Mit der nächtlichen Lichtintensität aus künstlichen Lichtquellen (Nighttime Lights) bzw. der daraus abgeleiteten Größe AHI haben wir einen zuverlässigen Wärmeinselindikator bei der Hand, der nur in geringem Maße von der Entwicklung des DWD-Messnetzes beeinflusst wird. Es zeigt sich, dass die mittlere Lufttemperatur in den ausgesprochenen Wärmeinseln seit der Mitte des vergangenen Jahrhunderts tatsächlich etwas stärker angestiegen ist als im deutschen Mittel. Seit den 80er Jahren setzte sich dieser Trend allerdings nicht mehr fort, und die Jahresmitteltemperaturen korrelieren eher mit den in ländlichen Regionen gemessenen Werten. Der Grund hierfür ist die Dynamik des Messnetzes, dessen Schwerpunkt sich kontinuierlich zum ländlichen Raum hin verlagert, wohingegen das Stadtklima im Begriff ist, sich als eigenständiger Forschungszweig abzukoppeln mit eigens zu diesem Zweck betriebenen Messstellen. Die verbliebenen Wetterstationen an Orten mit hohem Wärmeinseleffekt zeigen im Durchschnitt keine signifikante Zunahme der Temperatur mehr gegenüber dem Umland und tragen darüberhinaus immer weniger zur deutschen Jahresmitteltemperatur bei.

Ähnlich wie die mittlere Höhenlage der Wetterstationen, aber deutlich geringfügiger, verschiebt der Wärmeinseleffekt die Zeitreihe der Jahresmitteltemperatur insgesamt, wirkt aber nicht auf deren langfristigen Trend. Die Frage nach dem Einfluss des Wärmeinseleffektes auf die Messung der Temperaturentwicklung, die ich zu Beginn dieses Artikels aufgeworfen hatte, kann also verneint werden – zumindest in Deutschland.

Abschliessend möchte mich noch bei Herrn Lüning und Herrn Steiner für die angenehmen und sehr hilfreichen Diskussionen bedanken.

 

Dies war der 3. und letzte Teil unserer kleinen Serie zum städtischen Wärmeinseleffekt in Deutschland. Hier geht es zu Teil 1 und Teil 2.

 

Wir sind wieder online!

Liebe Leser,

Letztes Wochenende (14./15. Juli 2018) war unser Blog leider wegen einer Serverumstellung nicht erreichbar. Wir erhielten zahlreiche Mails von besorgten Lesern. Seit Montag ist die Seite wieder online, allerdings fehlten einige Artikel, da die verschiedenen Eingangsseiten www.kaltesonne.de, www.kalte-sonne.de und www.diekaltesonne.de noch nicht synchron liefen. Nun leiten wir alle Zugriffe auf www.diekaltesonne.de um, so dass alles erstmal wieder im Takt läuft. Mittelfristig soll sich alles wieder normalisieren. Leider funktionieren die Kaltesonne.de Email-Adressen momentan nicht. Bei dringenden Mails bitte die im Impressum angegebene Email verwenden. Ab Morgen (Mittwoch, 18. Juli 2018) werden wir wieder wie gewohnt über den Klimawandel berichten können, pünktlich um 7:30 Uhr morgens deutscher Zeit. Danke für Ihre Geduld, Treue und Interesse am Thema.

Beste Grüße

Das Kalte-Sonne-Team

Insektensterben durch Lichtverschmutzung!?

Pressemitteilung des Leibniz-Institut für Gewässerökologie und Binnenfischerei (IGB) vom 19. Juni 2018:

————

Insektensterben durch Lichtverschmutzung!?

Künstliche Beleuchtung in der Nacht könnte ein Grund für den Insektenrückgang sein

Klimawandel, Pestizide und Landnutzungsänderungen allein können den Rückgang von Insektengemeinschaften in Deutschland nicht vollends erklären. WissenschaftlerInnen vom Leibniz-Institut für Gewässerökologie und Binnenfischerei (IGB) haben nun festgestellt, dass die Regionen, die einen starken Rückgang an Fluginsekten verzeichnen, auch unter einer hohen Lichtverschmutzung leiden. Viele Studien weisen bereits darauf hin, dass künstliches Licht in der Nacht negative Auswirkungen auf Insekten hat und dass diesem Umstand künftig mehr Beachtung geschenkt werden sollte, wenn es an die Ursachenforschung für das Insektensterben geht.

Die Biomasse fliegender Insekten ist um mehr als 75 Prozent zurückgegangen – diese alarmierende Zahl hat im Herbst 2017 Schlagzeilen gemacht. Die AutorInnen der 2017 veröffentlichten Studie hatten die Zahl der Fluginsekten in ausgewählten Schutzgebieten innerhalb von Landwirtschaftsflächen in Deutschland über 27 Jahre beobachtet und vermuten, dass die Veränderungen von Klima und Lebensraum für den Rückgang der Insektenpopulationen verantwortlich sind. Gleichzeitig wiesen sie darauf hin, dass diese Einflüsse allein den drastischen Rückgang noch nicht erklären können.

Licht zur falschen Zeit bringt Ökosysteme aus dem Gleichgewicht

Ein klarer Arbeitsauftrag für die WissenschaftlerInnen der IGB-Arbeitsgruppe Lichtverschmutzung und Ökophysiologie. Denn dass künstliche Beleuchtung in der Nacht die Zahl und Gemeinschaften von Insekten stark beeinflusst, wissen sie aus früheren Arbeiten. Das Team um IGB-Forscherin Dr. Maja Grubisic hat sich deshalb zunächst die Lage der 2017er-Untersuchungsgebiete angeschaut: Gebiete in Ballungszentren, die eine überdurchschnittlich hohe Lichtverschmutzung aufweisen. „Die Hälfte aller Insektenarten ist nachtaktiv. Sie sind auf Dunkelheit und natürliches Licht von Mond und Sternen angewiesen, um sich zu orientieren und fortzubewegen oder Räubern auszuweichen. Und um ihren allnächtlichen Aufgaben wie Nahrungssuche und Fortpflanzung nachzugehen. Eine künstlich erhellte Nacht stört dieses natürliche Verhalten – mit negativen Auswirkungen auf die Überlebenschancen“, begründet Maja Grubisic den Ausgangspunkt ihrer Untersuchung.

Die WissenschaftlerInnen haben alle jüngsten Einzelstudien zu den Auswirkungen von künstlichem Licht in der Nacht auf Insekten ausgewertet und festgestellt, dass Vieles für einen ernstzunehmenden Zusammenhang zwischen Lichtverschmutzung und Insektensterben spricht. Fluginsekten werden beispielsweise von künstlichen Lichtquellen angezogen – und gleichzeitig aus anderen Ökosystemen abgezogen – und sterben durch Erschöpfung oder als leichte Beute. Zusätzlich werden sie durch Lichtbarrieren in ihrer Ausbreitung gebremst. Der dadurch fehlende genetische Austausch innerhalb zergliederter Insektenpopulationen könnte deren Widerstandsfähigkeit gegen andere negative Umwelteinflüsse reduzieren, die sich in landwirtschaftlich genutzten Gebieten besonders akkumulieren.

Auf Landwirtschaftsflächen – die immerhin elf Prozent der weltweiten Bodennutzung ausmachen – bedeuten weniger Insekten aber nicht nur eine geringere Artenvielfalt, sondern auch die Gefährdung wichtiger Ökosystemleistungen: weniger Nachtfalter, Käfer und Fliegen bestäuben zum Beispiel weniger Pflanzen. Und auch Veränderungen im Vorkommen und Verhalten von Schädlingen wie Blattläusen oder aber deren Feinden wie Käfern und Spinnen können das eingespielte System aus dem Gleichgewicht bringen. Darüber hinaus kann künstliches Licht in der Nacht auch direkte Auswirkungen auf Wachstum und Blütezeit der Pflanzen und somit den Ertrag haben.

Alle Einflussfaktoren müssen verstanden und berücksichtigt werden – darunter auch Lichtverschmutzung

„Unsere Übersichtsstudie zeigt, dass künstliches Licht in der Nacht weit verbreitet ist und komplexe Auswirkungen in landwirtschaftlichen Gebieten mit unbekannten Konsequenzen für die Biodiversität in Agrarökosystemen haben kann. Daher sollte Lichtverschmutzung in zukünftigen Studien generell als potentieller Stressfaktor berücksichtigt werden, um letztlich Wege aufzuzeigen, die helfen Umweltprobleme zu reduzieren,“ resümiert Dr. Franz Hölker, Leiter der Arbeitsgruppe Lichtverschmutzung und Ökophysiologie am IGB.

Lesen Sie die Studie in der Fachzeitschrift Annals of Applied Biology

Grubisic, M., van Grunsven, R.H.A., Kyba, C.C.M., Manfrin, A. and Hölker, F. (2018) Insect declines and agroecosystems: does light pollution matter? Ann Appl Biol. doi:10.1111/aab.12440

 

Serverumstellung

Liebe Leser,

An diesem Wochenende (14./15. Juli 2018) stellen wir unseren Server um. Aus diesem Grund werden wir zu dieser Zeit voraussichtlich keine neuen Blogartikel veröffentlichen. Bitte nutzen Sie diese Pause zu einem schönen Sommer-Spaziergang an der frischen Luft oder in ähnlich nachhaltiger Weise. Wir sind in Kürze wieder für Sie da und werden weiter über die wundersame Welt des Klimawandels berichten.

Beste Grüße

Ihre Kalte-Sonne Redaktion

 

Der städtische Wärmeinseleffekt in Deutschland – Teil 2

Von Dipl.-Phys. Dr. Jan Olzem

Im ersten Teil des Artikels haben wir uns ausführlich mit der Zeitreihe der Jahresmitteltemperaturen in Deutschland auseinandergesetzt und die Frage aufgeworfen, welchen Einfluß das Wachstum der Städte auf die gemessene Temperaturentwicklung der letzten Jahrzehnte gehabt hat. Um dies zu klären, muss ein geeignetes Kriterium gefunden werden, mit dessen Hilfe sich die unmittelbare Umgebung einer Wetterstation als ländlich bzw. urban (städtisch) charakterisieren lässt. Auf diese Weise können urban gelegene Stationen separat betrachtet und Unterschiede in der Temperaturentwicklung gegenüber der ländlichen Umgebung dargestellt werden.

In den letzten Jahren hat sich ein sehr nützliches Mittel für diesen Zweck herauskristallisiert: die satellitengestützte Kartierung der nächtlichen Lichtintensität (Nighttime Lights) aus künstlichen Quellen. Der Zusammenhang leuchtet unmittelbar ein: Straßenlaternen, Gebäudebeleuchtung, Fahrzeugscheinwerfer, Leuchtreklame und viele andere anthropogene Lichtquellen sind typische Merkmale der städtischen Umgebung und eng mit den Ursachen des städtischen Wärmeinseleffektes (Bebauung und Versiegelung) verknüpft. Hinzu kommt die weiträumige atmosphärische Streuung des Lichtes in der Umgebung der Städte. Tatsächlich ist der Zusammenhang zwischen Urbanisierung und Lichtintensität seit einigen Jahren intensiv erforscht und sehr gut belegt worden. Es bietet sich also an, die Lichtintensität in der Umgebung einer Wetterstation als Maß für den Wärmeinseleinfluß zu nutzen.

 

Abbildung 6: Links: die Verteilung der Lichtintensität aus künstlichen Lichtquellen (Nighttime Lights) in Deutschland (Datenquelle: NOAA, US Air Force Weather Agency); rechts: die Verteilung der AHI (Datenquelle: Benz et al. 2017)

 

Satellitendaten zur nächtlichen Lichtintensität sind aus verschiedenen Quellen frei verfügbar. Die linke Seite der Abbildung 6 zeigt die Messung des OLS-Instrumentes an Bord eines DMSP-Satelliten (US-Verteidigungsministerium) für das Jahr 2013. Es handelt sich um ein Komposit aus vielen über das Jahr verteilten Einzelmessungen, wobei temporäre Lichtquellen (z.B. Wolken, Brände) herausgefiltert wurden. Die Lichtintensität wird in der abstrakten Einheit DN angegeben und reicht von 1 (stockfinster) bis 63 (sehr hell). Die Daten liegen in Form eines Rasters mit einer Auflösung von 30 Bogensekunden vor, das entspricht etwas weniger als 1 Kilometer auf der Erdoberfläche. Auf diese Weise kann jedem Ort in Deutschland ein DN-Wert für die Lichtintensität direkt zugeordnet werden.

 

Abbildung 7: Wetterstationen mit DN >= 15 (urban, rote Punkte) und DN < 15 (ländlich, blaue Punkte) in der Mainregion vor dem Hintergrund der Nighttime Lights

 

Somit haben wir nun ein Maß für die Charakterisierung der Umgebung von Wetterstationen zur Hand. Abbildung 7 zeigt dies beispielhaft für die Mainregion vor dem Hintergrund der Nighttime Lights. Jeder farbige Punkt stellt den Ort einer der betrachteten Wetterstationen in der Region dar, wobei zwischen ländlich (blau) und urban (rot) unterschieden wird. Als Grenzwert wurde hier DN = 15 gewählt, was einen etwas willkürlichen aber in der Literatur durchaus gängigen Wert darstellt. Zusätzlich ist die Lage einiger größerer Städte eingezeichnet. Ein erheblicher Teil der Stationen befindet sich demnach tatsächlich in stark bebauten Gebieten (bzw. “befand”, da nicht alle Stationen heute noch in Betrieb sind).

 

Abbildung 8: Zehnjährige gleitende Mittelwerte der Jahresmitteltemperatur (unkorrigierte Rohdaten) in Deutschland seit dem Jahr 1900 für verschiedene DN-Obergrenzen. Die Mittelwerte sind zentriert und werden somit erst ab dem Jahr 1905 dargestellt.

 

Nun wird es interessant. Wie sieht der Temperaturverlauf der letzten Jahrzehnte in Abhängigkeit von der Lage der Wetterstationen aus? In Abbildung 8 ist die Temperaturentwicklung für verschiedene Obergrenzen von DN dargestellt, d.h. beginnend mit den Stationen in den nachtdunkelsten Gebieten (rosa) bis hin zu allen betrachteten Stationen (grau). Zur Glättung der Kurven wurde ein zehnjähriger gleitender Mittelwert verwendet. Zunächst einmal ist deutlich erkennbar, dass die Temperatur tatsächlich mit der nächtlichen Lichtintensität variiert – je dunkler die Umgebung, desto niedriger ist auch die mittlere Temperatur. Bei genauem Hinsehen offenbart sich allerdings eine faustdicke Überraschung: in den nachtdunkleren Gebieten mit niedrigem DN ist die Temperatur offensichtlich sehr viel stärker angestiegen als im Mittel aller Stationen (einschließlich der Städte). Die Differenz von über 2°C ist erheblich und stellt genau das Gegenteil dessen dar, was man vom Wärmeinseleffekt erwarten würde. Wie kann das sein?

 

Abbildung 9: Änderung der mittleren Stationshöhe für verschiedene Werte von DN

 

Die Lösung des Rätsels hat wieder einmal etwas mit der Höhe über N.N. zu tun. Betrachtet man die Veränderung der gemittelten Stationshöhe für die verschiedenen DN-Obergrenzen (Abbildung 9), zeigt sich ein klarer Trend. Während die über alle Stationen gemittelte Höhe (grau) mit der Zeit nur geringfügig abgenommen hat, liegen die nachtdunkelsten Stationen (rosa) heute im Durchschnitt mehr als 350 m tiefer als zu Beginn des letzten Jahrhunderts. Dies läßt sich folgendermaßen interpretieren: Stationen in Höhenlagen wurden aufgegeben und zum Teil durch neue Messstellen an vergleichbar entlegenen, jedoch weniger gebirgigen Orten, ersetzt. Sicherlich spielen die Unterhaltskosten dabei eine wichtige Rolle. Hier zeichnen sich erste Hinweise ab auf ein Tendenz, von der später noch ausführlich die Rede sein wird.

Abbildung 8 zeigt also einen Effekt, der hauptsächlich auf der Veränderung des Messnetzes beruht, da die nächtliche Lichtintensität eben auch eine starke Korrelation zur Höhe aufweist. Eine Möglichkeit, dies in den Griff zu bekommen, bestünde nun darin, die Temperaturdaten mit Hilfe der im ersten Teil dieses Artikels beschriebenen Höhenkorrektur einheitlich auf N.N. zu reduzieren, d.h. den Einfluß der Höhe auf die Temperatur herauszurechnen. Die Sache hat aber leider einen Haken: die Höhenkorrektur ist aus verschiedenen Gründen nicht perfekt und kann somit den Höheneinfluß nicht immer restlos eliminieren. Da der Höheneffekt sehr ausgeprägt ist, bestünde nach der Korrektur das Risiko von Restabhängigkeiten, die in den Daten verbleiben und nur sehr schwer von einem möglichen echten Wärmeinselsignal zu trennen sind.

Besser wäre, wenn man DN ersetzen könnte durch eine Größe, die per se weniger anfällig für derartige Störeffekte ist. Ein solcher Ansatz wurde 2017 von Forschern des KIT (Karlsruhe) und der TH Ingolstadt (Benz et al.) publiziert. Im kaltesonne-Blog wurde darüber berichtet. Die Autoren definieren dort die Größe AHI (anthropogenic heat intensity), die die Temperaturdifferenz eines Ortes gegenüber seinem ländlich geprägten Umland darstellt. Als Quelle der Temperaturmesswerte dienten auch hier die Wetterstationen des DWD. Ein Ort in der Umgebung wird von den Autoren als ländlich eingestuft, wenn die nächtliche Lichtintensität dort gering ist (DN < 15). Es handelt sich bei AHI also im Prinzip um einen Indikator, der direkt gemessene Temperaturdifferenzen widergibt, aber indirekt dennoch auf den Nighttime Lights basiert. Frau Benz hat freundlicherweise die AHI-Daten für diese Analyse zur Verfügung gestellt.

Wie die Nighttime Lights kann auch AHI flächendeckend für jeden Ort in Deutschland bestimmt werden. Eine Karte der AHI-Werte zeigt die rechte Seite der Abbildung 6 am Anfang des Artikels: Ihre Verteilung ähnelt sehr stark derjenigen der Nighttime Lights, was nicht verwunderlich ist, da AHI ja auf Basis der nächtlichen Lichtintensität berechnet wird. Der Vorteil von AHI besteht jedoch darin, dass die Temperatur an einem Ort direkt zu seiner unmittelbaren Umgebung in Bezug gesetzt wird. Ersetzt beispielsweise eine neue Wetterstation eine kürzlich geschlossene, so “wandert” die Bezugsregion sozusagen mit, was den störenden Einfluss von Größen wie etwa der Höhe wirkungsvoll unterdrückt.

 

Abbildung 10: Häufigkeitsverteilung der Stationen nach AHI-Wert (Datenquelle: Benz et al. 2017)

 

Die Häufigkeitsverteilung der AHI-Werte der DWD-Wetterstationen zeigt Abbildung 10. AHI liegt zwischen -1°C und ca. +3,5°C, d.h. die stärksten Wärmeinseln sind demnach im Mittel über 3°C wärmer als ihre Umgebung (z.B. die Stationen München-Bogenhausen, Dresden-Mitte, Hamburg-Deutsche Seewarte, Augsburg-Sankt Stephan, Berlin-Invalidenstraße, Berlin-Ostkreuz und Berlin-Mitte). Die Spitzenwerte der Temperaturdifferenz zum Umland können an einzelnen Tagen jedoch auch deutlich darüber liegen. Damit ist bereits allein aufgrund der Verteilung der AHI-Werte klar, dass der Wärmeinseleffekt existiert und in den DWD-Daten messbar ist.

Benz et al. lassen bei der Auswahl der ländlichen Umgebung eines Ortes Höhenunterschiede von bis zu ±90 m zu. Auf diese Weise ist es durchaus möglich, dass die ländliche Umgebung eines Ortes im Mittel höher liegt und dadurch etwas kühler ist als der Ort selbst, so dass ihm ein AHI-Wert unter null zugeordnet wird. Darüberhinaus gibt es natürlich auch weitere Faktoren, die die mittlere Temperatur lokal beeinflussen können. Beispiele für Orte mit sehr niedrigem AHI-Wert (ca. -0,9°C) sind: Zwieselberg (Allgäu), Schulenberg (Oberharz), Veilsdorf (Thüringer Wald) und Mittenwald-Buckelwiesen (Oberbayern), die sich alle in Gegenden mit vergleichsweise hoher Reliefenergie befinden.

 

Abbildung 11: Zehnjährige gleitende Mittelwerte der Jahresmitteltemperatur (unkorrigierte Rohdaten) Deutschland für verschiedene AHI-Obergrenzen

 

Abbildung 11 zeigt die Temperaturentwicklung für verschiedene Obergrenzen von AHI. Die rote Kurve gibt den Temperaturverlauf für die Wetterstationen mit den höchsten Temperaturdifferenzen gegenüber ihrer ländlichen Umgebung wieder (AHI > 2), die graue Kurve diejenige für alle Wetterstationen. Es ist ein deutlicher Temperaturunterschied erkennbar, wie es aufgrund der Häufigkeitsverteilung der AHI (Abbildung 10) zu erwarten war. Im Gegensatz zu den Temperaturverläufen für verschiedene DN (Abbildung 8) fehlt jedoch der durch die Verschiebung hin zu geringerer Stationshöhe verursachte starke Temperaturanstieg in ländlichen Gebieten mit niedrigen AHI-Werten. Offensichtlich haben wir nun tatsächlich einen zuverlässigen Wärmeinselindikator bei der Hand, der nur in geringem Maße von der Entwicklung des DWD-Messnetzes beeinflusst wird.

Die entscheidende Frage ist nun, ob – und ggf. wie stark – der Wärmeinseleffekt zum Anstieg der Temperaturen in Deutschland in den letzten Jahrzehnten beigetragen hat. Anders ausgedrückt: Stieg die Temperatur in den Städten schneller als auf dem Land? Mit dieser Frage werde ich mich im dritten Teil des Artikels befassen.

 

Der städtische Wärmeinseleffekt in Deutschland – Teil 1

Von Dipl.-Phys. Dr. Jan Olzem

Städte und besonders urbane Ballungsräume weisen im Vergleich zu ihrem ländlich geprägten Umland eine höhere durchschnittliche Lufttemperatur auf. Dieses Phänomen ist als städtischer Wärmeinseleffekt (engl. urban heat island, UHI) bekannt. Im kaltesonne-Blog ist schon mehrfach darüber berichtet worden. Die maximalen Temperaturdifferenzen zur Umgebung liegen bei Kleinstädten meist im Bereich von etwa 3-4°C, können bei Großstädten aber durchaus auch 10°C und darüber betragen, insbesondere nachts während längerer Hitzeperioden. Der städtische Wärmeinseleffekt hat eine Reihe verschiedener Ursachen wie etwa die Strahlungsabsorption und Wärmespeicherung durch Bebauung und Versiegelung (z.B. Asphalt und Beton), verringerte Verdunstungskühlung und eingeschränkte Luftzirkulation.

Aufgrund des seit Jahrzehnten in Deutschland anhaltenden Trends zur Suburbanisierung, d.h. der Abwanderung der Bevölkerung aus den Innenstädten in das Umland, steigt auch der Grad der Bebauung und Flächenversiegelung in den städtischen Randgebieten. Es liegt nahe, dass im Zuge dieses Prozesses auch der städtische Wärmeinseleffekt und damit die Lufttemperatur in den Städten zunimmt. Was passiert nun, wenn eine Wetterstation, die sich jahrelang auf freier Fläche außerhalb der Stadt befand, zunehmend umbaut wird? Geschieht das überhaupt? Wenn ja, wie wirkt es sich auf die Messung der langfristigen Wetterstatistik – des Klimas – aus? Hat der Wärmeinseleffekt einen Einfluss auf die Messung der Temperaturentwicklung in Deutschland? Diesen Fragen möchte ich in diesem Artikel nachgehen.

 

Abbildung 1: Links: die geografische Position aller betrachteter DWD-Wetterstationen (rote Punkte); rechts: DWD-Messfeld auf dem Hohen Peißenberg (Quelle: Deutscher Wetterdienst)

 

Hierzu benötigt man zunächst eine geeignete Datenbasis. Der Deutsche Wetterdienst (DWD) stellt auf seinem FTP-Server umfangreiche Beobachtungsdaten aller seiner Stationen zur Verfügung. Auch gemittelte Zeitreihen können — neben einer Fülle anderer Daten — von dort heruntergeladen werden. Aktuelle und historische Temperaturdatensätze umfassen Beobachtungen von insgesamt 1053 Wetterstationen in Deutschland. Laut DWD handelt es sich dabei um qualitätsgeprüfte rohe Messwerte. Nicht alle Stationen waren jedoch durchgehend in Betrieb und existieren zum Teil heute nicht mehr. Im Februar 2017 sind noch von 578 aktiven Stationen Temperaturmesswerte vorhanden. Auch waren nicht alle Stationen dabei immer am selben Ort. Viele sind im Laufe der Jahre teils mehrfach verlegt worden, wobei zwischen den alten und neuen Standorten manchmal auch geringe Höhenunterschiede auftraten. Die linke Seite der Abbildung 1 zeigt eine Karte mit der Position aller betrachteten Stationen. Als Hintergrund für die Grafik habe ich die Nighttime Lights (d.h. die nächtliche Lichtintensität durch künstliche Lichtquellen) gewählt, von denen später noch ausführlich die Rede sein wird.

 

Abbildung 2: Entwicklung der Anzahl der Wetterstationen für verschiedene Stationshöhenintervalle

 

Schauen wir uns zunächst einmal an, wie sich das Messnetz des DWD mit den Jahren verändert hat. In Abbildung 2 ist die Entwicklung der Anzahl der Wetterstationen von 1900 bis heute dargestellt, wobei zwischen verschiedenen Höhenlagen (über N.N.) unterschieden wird. Deutlich erkennbar ist zunächst, wie die in den 1920er Jahren begonnene rasche Erweiterung des Messnetzes vermutlich kriegsbedingt zunächst zum Stillstand kam, um dann nach 1945 umso schneller fortgesetzt zu werden. Seit den späten 50er Jahren ist die Gesamtzahl der Stationen dann in etwa konstant geblieben. Das bedeutet jedoch nicht zwangsläufig, dass es sich fortan immer um die selben Stationen gehandelt haben muss. Auch kontinuierliche Stillegungen alter Stationen und die parallele Inbetriebnahme neuer Stationen würden zu einem Bild wie in Abbildung 2 führen.

Interessant ist auch die Höhenverteilung. Die weitaus meisten Stationen befinden sich im Flachland unter 100 m über N.N. Es gibt jedoch auch einen erheblichen Anteil von Stationen in Höhenlagen oder im Gebirge. Die größte Höhe weist hierbei die Station Zugspitze mit 2964 m über N.N. auf, gefolgt von den inzwischen stillgelegten Messstellen Watzmannhaus (1923 m) Wendelstein (1832 m).

 

Abbildung 3: Änderung der gemittelten Höhe alle Wetterstationen

 

Betrachtet man die gemittelte Höhe aller Wetterstationen (Abbildung 3), so fällt auf, dass sie keineswegs konstant geblieben ist. Das Mittel liegt heute ca. 30 m tiefer als zu Beginn des vorigen Jahrhunderts. Einige hoch gelegene Stationen wurden gegen Ende der 30er Jahre aufgegeben, so dass der Mittelwert insgesamt abnahm. Es sind auch in späteren Jahren noch kleinere Schwankungen erkennbar, so etwa um die Jahrtausendwende.

Weshalb ist das wichtig? Wir alle sind vertraut mit der Beobachtung, dass die Lufttemperatur mit der Höhe abnimmt. Dieser sogenannte atmosphärische Temperaturgradient ist abhängig von der Luftfeuchte und beträgt im Mittel etwa 0,5°C pro 100 Höhenmeter, d.h. auf einem Berg in 1000 m Höhe ist es im Schnitt rund 5°C kühler als auf Meeresspiegelniveau, sofern man andere die Temperatur beeinflussende Faktoren einmal ausser Acht lässt. Dies bedeutet aber auch, dass die Skala der Temperaturen, die vom Thermometer gemessen werden, nicht unwesentlich von der Stationshöhe abhängt. Insbesondere können die Temperaturzeitreihen zweier beliebiger Stationen aus diesem Grunde nicht ohne weiteres miteinander verglichen werden.

 

Abbildung 4: Temperaturmittel 1961-1990 für verschiedene Stationen und gemessene atmosphärische Temperaturgradienten (rote Linien) im Norden Baden-Württembergs für die Monate Januar (links) und Juli (rechts). Die Gradienten betragen 0,55°C bzw. 0,59°C pro 100 Höhenmeter.

 

Um dieses Problem zu umgehen und den Einfluß der Stationshöhe auf die Temperaturen zu unterdrücken, wurden zunächst alle Temperaturmesswerte auf Meeresspiegelniveau korrigiert. Die Temperaturen einer Wetterstation, die man durch diese Korrektur erhält, verhalten sich dann so, als würde die Stationshöhe 0 m betragen, wobei jedoch alle anderen temperaturrelevanten Einflussfaktoren unberührt bleiben. Hierfür wurden die DWD-Wetterstationen in geografische Regionen zusammengefasst und die Höhenabhängigkeit der Temperatur für jede Region jahreszeitabhängig aus den Daten bestimmt. Nach Glättung von Ausreissern und Interpolation kann dann für jeden Ort in Deutschland und für jeden Monat des Jahres ein Temperaturgradient angegeben werden, mit dem sich die Höhe einer Wetterstation jeweils individuell auf N.N. reduzieren lässt. Die genaue Vorgehensweise orientiert sich an dieser Publikation des DWD. Abbildung 4 zeigt beispielhaft den Zusammenhang zwischen Höhe und gemessenem Temperaturmittel der Stationen einer Region im Südwesten Deutschlands im Winter bzw. im Sommer. Es bleibt anzumerken, dass eine solche Datenkorrektur aus verschiedenen Gründen nicht perfekt sein kann, so dass der Einfluß der Höhe auf die Temperaturmessung zwar deutlich verringert, aber nicht vollständig eliminiert wird.

 

Abbildung 5: Zeitreihen der Jahresmitteltemperatur Deutschland: unkorrigierte Stationsdaten (grau-blau), höhenkorrigierte Stationsdaten (rot) und DWD-Zeitreihe (grün)

 

Mit den so gewonnenen Stationsdaten können nun Temperaturzeitreihen ermittelt und mit den vom DWD veröffentlichten Zeitreihen verglichen werden. In Abbildung 5 sind die Jahresmitteltemperaturen für Deutschland dargestellt, die aus den unkorrigierten Temperaturdaten (grau-blaue Kurve) und den höhenkorrigierten Daten (rote Kurve) errechnet wurden. Sofort fällt auf, dass die korrigierten Mittelwerte durchgehend ca. 1,5°C höher ausfallen als die unkorrigierten. Ein kurzer Blick auf Abbildung 3 liefert schnell die Erklärung hierfür: Der Mittelwert aller Stationshöhen beträgt grob 300 m über N.N. Die Höhenkorrektur wirkt nun wie ein „Abstieg“ auf Meeresspiegelniveau. Mit dem oben angesprochenen atmosphärischen Temperaturgradienten von rund 0,5°C pro 100 m würde man also einen Temperaturanstieg von rund 1,5°C erwarten, was sich sehr gut mit der beobachteten Differenz deckt.

Die grünen Punkte in Abbildung 5 geben die vom DWD veröffentliche Zeitreihe der Jahresmitteltemperatur für Deutschland wieder. Sofort wird deutlich, dass die DWD-Zeitreihe nicht aus höhenkorrigierten Daten gewonnen worden ist: Es zeigt sich eine sehr gute Übereinstimmung mit der aus den unkorrigierten Daten ermittelten Zeitreihe, mit den höhenkorrigierten Daten jedoch überhaupt nicht. Das klingt zunächst überraschend, ist aber durchaus legitim, sofern das Höhenprofil der Wetterstationen mit der Zeit nicht zu stark variiert (wir kommen später noch darauf zurück). Die absolute Temperaturskala spielt dann keine Rolle, und es geht lediglich um die Änderung des Temperaturmittels mit der Zeit. Die hier beschriebene Höhenkorrektur wird sich übrigens dennoch später als nützlich erweisen.

Vergleicht man die grünen DWD-Punkte und die unkorrigierten Jahresmitteltemperaturen (grau-blaue Kurve) in Abbildung 5 etwas genauer, erkennt man einige geringfügige Unterschiede. So weicht einerseits die DWD-Jahresmitteltemperatur für das Jahr 1945 um über 1°C von Mittelwert der Rohdaten ab. Das ist nicht wirklich verwunderlich. Sicherlich konnten nicht alle Wetterstationen in diesem schwierigen Jahr verlässliche Daten liefern, und man kann davon ausgehen, dass dies beim DWD bekannt ist und entsprechend berücksichtigt wurde. Systematische Abweichungen findet man in den Jahren vor 1940, wo die Jahresmittel des DWD durchgehend ein wenig höher ausfallen als diejenigen der unkorrigierten Rohdaten. Die Differenz beträgt etwa 0,1-0,2°C. Was ist der Grund hierfür? Vielleicht hat es wieder etwas mit der Höhe zu tun. Der Abbildung 3 entnehmen wir, dass die Wetterstationen in den Jahren vor Kriegsbeginn im Mittel etwa 30 m höher lagen als in der 2. Hälfte des 20. Jahrhunderts. Mit dem atmosphärischen Temperaturgradienten von rund 0,5°C pro 100 m ergibt das eine zu erwartende Abweichung von 0,15°C, was ziemlich gut mit der beobachteten Differenz übereinstimmt. Man hat beim DWD also offensichtlich die Verlagerung der Wetterstationen hin zu geringeren Höhen durchaus berücksichtigt und die Zeitreihe entsprechend korrigiert. So weit, so gut.

Wir haben nun eine gute Vorstellung davon, wie die Zeitreihe der Jahresmitteltemperaturen des DWD zustande kommt. Die interessante Frage ist nun, welchen Einfluß das Wachstum der Städte auf die Temperaturen gehabt hat. Um dies zu ermitteln, ist es notwendig, diejenigen Wetterstationen zu identifizieren, die von der Suburbanisierung betroffen waren, und zu prüfen, ob sich die dort gemessenen Temperaturen anders verhalten als im ländlichen Umland. Das Mittel der Wahl für diesen Zweck sind Satelliten – und Straßenlaternen. Darauf werde ich im zweiten Teil des Artikels näher eingehen.

 

Australische James Cook Universität tritt akademische Freiheit mit Füßen

Pressemitteilung der Deutschen Wildtierstiftung vom 20. Juni 2018:

Wälder schützen – Rodung für die Windkraft stoppen
Deutsche Wildtier Stiftung begrüßt den Antrag der FDP-Bundestagsfraktion
“Im Interesse der Windkraftlobby setzt sich die Politik über das Tötungs- und Verletzungsverbot von Wildtieren tagtäglich hinweg”, kritisiert Professor Dr. Fritz Vahrenholt, Alleinvorstand der Deutschen Wildtier Stiftung. Pro Jahr sterben rund 12.000 Greifvögel – unter ihnen auch bedrohte Arten – und rund 250.000 Fledermäuse durch Windenergieanlagen. “Massive Bürgerproteste bleiben weitgehend ungehört!” Jetzt will die FDP-Bundestagsfraktion mit dem Antrag “Wälder schützen – Rodungen für die Windkraft stoppen” im Bundestag Gehör finden.

Hier weiterlesen

———————-

Eine australische Uni feuerte einen Professor, dessen Meinung zum Klimawandel aus der Reihe tanzt. Querdenken verboten. Wer sich eigene Gedanken macht, fliegt raus. Was zunächst wie eine gute Idee aussah, wird für die Univerwaltung nun zum ernsthaften Problem. Die internationale Presse hat den Fall entdeckt und erkennt darin, was wohl jeder mit einem gesunden Menschenverstand ausgestattete Zeitgenosse darin sieht: Zensur! Lesen Sie dazu einen Artikel im Guardian vom 5. Juni 2018:

Peter Ridd’s sacking pushes the limit of academic freedom
James Cook University may have damaged its reputation with a heavy-handed approach to the academic with minority views on climate change and the reef

Weiterlesen im Guardian

———————-

Wochenblick vom 15. Juni 2018:

Dürre-Attacken in Österreich: „Am Klimawandel liegt es nicht“
[...] Klaus Haslinger, Klimaforscher an der Zentralanstalt für Meteorologie und Geodynamik (ZAMG), von der Abteilung für Klimaforschung mit Schwerpunkt Regionale Klimaanalyse und Modellierung, Hydrologie und Trockenheit, erklärt im Gespräch mit dem „Wochenblick“, dass die derzeit sehr trockene Witterung im Grunde genommen nicht mehr als ein Wetterphänomen sei und mit dem „menschengemachten Klimawandel“ per se nichts zu tun hätte.

Weiterlesen im Wochenblick

 

Wer hat den Baobab kaputt gemacht?

Kuriose Geschichte im Stern am 14. Juni 2018:

Berühmte Baobab-Bäume: Klimawandel? Jahrtausendealte Wahrzeichen Afrikas sterben plötzlich
Wissenschaftler schlagen Alarm: Einige von Afrikas größten und ältesten Affenbrotbäumen sind im Laufe der letzten Jahre plötzlich abgestorben. Die Bäume sind entweder komplett oder in Teilen zugrunde gegangen, berichtet ein Forscherteam um Adrian Patrut im Fachblatt “Nature Plants“. Der Grund für den plötzlichen Tod der Bäume sei zwar “unklar”, heißt es in dem Bericht. Möglicherweise spielen dabei jedoch Veränderungen im Zusammenhang mit dem Klimawandel eine Rolle, vermuten die Wissenschaftler.

Alte Bäume sterben plötzlich. Nicht ungewöhnlich, möchte man meinen. Die Hintergründe sind trotzdem unklar. Da kommt der Universalschuldige gerade recht: Der Klimawandel hat Schuld. Das hat gleich drei Vorteile: 1) Das Rätsel scheint gelöst, 2) Das gibt ein tolles Paper in einer Nature-Zeitschrift, 3) mediales Interesse ist gesichert. Der folgende Absatz im Sternbericht macht stutzig:

Die betroffenen Bäume waren demnach zwischen 1100 und 2500 Jahre alt und besaßen eine stattliche Größe. Einige von ihnen waren so breit wie ein Bus.  Das Forscherteam hatte insgesamt mehr als 60 Baobab-Bäume zwischen den Jahren 2005 und 2017 untersucht. Ursprüngliches Ziel der Studie war es, den Grund für das enorme Wachstum der Bäume herauszufinden. Doch zum Erstaunen der Forscher starben neun Bäume im Laufe der Beobachtungszeit ab.

Könnte es vielleicht mit den Forschern selber zu tun haben? Mit welchen Methoden gingen sie vor? Rammten sie vielleicht eine Mess-Sonde in das Holz? Und dann ein paar Jahre später wunderte man sich, dass die Bäume alle eingingen. Nein, nein, wir waren’s nicht, das war sicher der Klimawandel…

Spaß beiseite. Im Paper selber findet sich auch kein Hinweis auf einen Zusammenhang mit dem Klimawandel, lediglich der dürre spekulative Hinweis. Mit den Hauptklimaparametern Temperatur und Niederschlag kann dies wenig zu tun  haben. Im Laufe der letzten Jahrhunderte und Jahrtausende haben die Baobabs eine wahre klimatische Achterbahnfahrt durchgemacht. Das heutige Klima liegt dabei noch voll und ganz im Bereich der natürlichen Schwankungsbreite. Siehe Luening et al. 2017 und Luening et al. 2018. Der Spiegel hat auch ein schönes Bild der Bäume.