Op deze pagina vind je meer uitleg voor bij de tab ‘Modeluitvoer’ in het KNMI’23-klimaatscenario’s Dataportaal.  

Onderaan staat een link naar een python notebook als voorbeeld hoe je met de modeluitvoer datafiles kunt werken.

De KNMI-klimaatscenario's volgen het IPCC

De KNMI’23 klimaatscenario’s zijn gebaseerd op de uitkomsten van de CMIP6 klimaatmodellen (ook wel IPCC modellengenoemd). Ze leveren een beschrijving van het wereldwijde klimaat, nu en in de toekomst. Echter, de ruimtelijke resolutie in deze modellen is te laag om ruimtelijke verschillen binnen Nederland te kunnen zien, bijvoorbeeld verschillen tussen de kustgebieden en het binnenland, of tussen Twente en Zuid-Limburg. Om die reden zijn de CMIP6 uitkomsten verfijnd met een ensemble van de KNMI-modellen EC-Earth3 en RACMO. RACMO is een regionaal klimaatmodel met een ruimtelijke resolutie van 12 km. Op deze resolutie komen ruimtelijke verschillen wel naar voren.

We gebruiken 33 CMIP6 modellen. Elk van die modellen geeft een iets ander beeld van het toekomstige klimaat in Nederland en omstreken (stroomgebieden van Rijn en Maas). Zo krijgen we de bandbreedte van de te verwachten klimaatverandering in Nederland.

Verfijning van de IPCC uitkomsten

Deze bandbreedte gaan we met EC-Earth3 representeren met een klimaatscenario aan de boven- en onderkant van deze bandbreedte. Zo’n reconstructie is niet eenvoudig, omdat we met slechts één model verschillende toekomstige klimaten willen representeren. 

We gebruiken voor de reconstructie een ensemble van 16 runs. Dat wil zeggen, we hebben het klimaat 16 keer doorgerekend met EC-Earth3. Voor ieder jaar tussen 1950 en 2165 zijn er 16 realisaties om uit te kiezen. Rond iedere tijdshorizon maken we 8 nieuwe realisaties van 30 jaar door steeds wisselend een aantal jaren te kiezen uit 1 van de 16 ensemble leden. Dit noemen we re-sampelen. Door bijvoorbeeld vaker jaren te kiezen met een droge zomer, wordt het zomerklimaat van het resample droger en warmer. Zo kunnen we de bandbreedte van de klimaatverandering in CMIP6 opspannen door het klimaat te reconstrueren aan de boven- en onderkant van de bandbreedte. De EC-Earth3 modeluitvoer is met RACMO over Europa in meer detail doorgerekend. Door dezelfde jaren te kiezen uit de RACMO modeluitvoer, krijgen we een gedetaileerde beschrijving van het toekomstige klimaat in Nederland.

In de resamples zitten plotselinge overgangen van 31 december naar 1 januari op die momenten dat een aantal jaar uit een ander ensemble lid is gekozen. De lengte van de gekozen stukjes wisselt, typisch 3 tot 7 jaar. Na het resamplen wordt nog een bias-correctie toegepast op de RACMO modeluitvoer.

Eigenschappen van de RACMO modeluitvoer

De getallen in de scenario-tabellen werden afgeleid uit de op deze manier verkregen geresamplede en gebias-corrigeerde RACMO modeluitvoer. Bij het werken met deze data moet rekening worden gehouden met hun eigenschappen:

• voor elke combinatie uit emissie-scenario (L, M, H) en tijdshorizon (2050, 2100, 2150) wordt een resample gemaakt voor zowel de referentieperiode als de toekomstige periode. Iedere toekomstige periode heeft voor elk emissie-scenario daardoor zijn eigen referentie klimaat. De verschillen tussen de referenties zijn echter klein en worden alleen relevant als naar uitzonderlijk extreme gebeurtenissen gekeken wordt, bijvoorbeeld de 10-daagse neerslagsom, die eens per duizend jaar optreedt
• de toekomstige periode kan verschoven zijn ten opzichte van de 30-jarige klimaat periode rond de tijdshorizonten (bijvoorbeeld 2036-2065 voor het jaar 2050)
• RACMO rekent niet in geografische lengte- en breedtegraden. Daardoor is het lastig om voor een gewenste locatie in Nederland (bijvoorbeeld Zwolle) de bijbehorende RACMO data te vinden.

Deze eigenschappen maken het ingewikkeld om met deze data te werken. We hebben de Modeluitvoer in het KNMI’23-klimaatscenario’s Dataportaal daarom op de volgende punten aangepast:

• er is maar één referentieperiode. Deze is te gebruiken voor alle scenario’s en doeljaren. Gekozen is voor het referentieklimaat dat gepaard gaat met scenario Md in 2050 omdat het de beste representatie van extremen heeft.
• de tijd voor de toekomstige perioden is aangepast en loopt van 14 jaren vóór tot 15 jaren ná de tijdshorizon (bijvoorbeeld 2036-2065 voor tijdshorizon 2050). Omdat 30-jaar periodes zeven of acht schrikkeljaren kunnen bevatten, kan het bij het verschuiven van de periodes gebeuren dat er een dag teveel is, of dat een dag mist. In het eerste geval wordt die dag weggelaten, in het tweede geval ontbreekt de 31ste december van het laatste jaar.
• de data zijn geïnterpoleerd naar een regelmatig rooster in geografische coördinaten, onder behoud van de ruimtelijke resolutie van 12 km.

De getallen in de tabel met Kerncijfers in het KNMI’23-klimaatscenario’s Dataportaal zijn verkregen uit de originele re-samples. Een herberekening met de modeluitvoer uit dit portaal op het aangepaste rooster zou tot kleine afwijkingen (maximaal 2%) kunnen leiden.

De modeluitvoer in dit portaal omvatten alle punten binnen een rechthoek dat Nederland omsluit (2,9°OL tot 7,4°OL, en 50,6°NB tot 53,3°NB). Elke dataset bevat ook een masker. Dit masker heeft de waarde ‘1’ voor punten die (gedeeltelijk) binnen het landoppervlak van Nederland liggen, en ‘0’ voor punten buiten Nederland.

Elke dataset bevat acht keer 30 jaar aan data voor één scenario voor één periode. De filenaam spreekt daarbij voor zich. Zo bevat tas_Md_2100_interp.nc de data voor de luchttemperatuur (tas) voor de droge (d) variant van het middenscenario (M) voor de 30-jaar periode rond 2100. De toevoeging ‘interp’ geeft aan dat het modeluitvoer op het aangepaste rooster betreft.

De originele RACMO data (op een rooster met een geroteerde pool) zijn te vinden op het KNMI Data Platform.

Om te laten zien hoe met de data gewerkt kan worden is een python notebook beschikbaar. 

• Voor de python gebruiker: een python notebook met daarin een paar eenvoudige toepassingen (open dataset, plot data op kaart, plot tijdreeks in een roosterpunt)
• Voor de niet-python gebruiker de PDF print-out van de notebook. Bedoelt om de data structuur te laten zien, zodat je een beginpunt hebt voor je eigen toepassing.

Heb je vragen over de data? Stuur dan een mail naar klimaatscenarios@knmi.nl.