A - 33 Openbare Ruimte en Groen (24) KNMI Klimaatsignaal21
Tekst van het document
lijkse afvoer van de Rijn en de Maas → 8.4.
Toekomstige veranderingen in de neerslag-indicatoren De toekomstprojecties van de neerslag-indicatoren voor hoog- en
Figuur 8.5 Figuur van de neerslagindicatoren voor laag-en hoogwater in het Rijn-Maas-stroomgebied per jaar vanaf 1950. De gladde lijnen representeren de langjarige trend. De trend over de hele periode is voor de laagwater-indicator gemiddeld -2,7 % per 10 jaar (significant) en voor de hoogwater-in dicator ongeveer half zo groot, -1,4 % per 10 jaar (niet significant). Op basis van de E-OBS v21.0e 1950-2019 neerslag data.
laagwater laten duidelijke verschillen zien figuur 8.6. Terwijl de hoogwater-indicator een toename vertoont, laat de laagwaterindicator juist een verdere afname zien, beide met name in het hoge emissiescenario (SSP5-8.5). De geprojecteerde afname van de een brede onzekerheidsband) is daarmee een voortzetting van de waargenomen trend sinds 1950 figuur 8.5. De geprojecteerde toename van de neerslag-indicator voor hoogwater zien we in de waarnemingen nog niet (de afname in deze indicator die we wel zien is erg klein).
KNMI Klimaatsignaal’21
Neerslagindicator (mm)
laagwater-indicator onder het hoge emissiescenario (met weliswaar
Wind, neerslag en de gevolgen voor waterbeheer
Figuur 8.5 Neerslagindicatoren voor laag- en hoogwater in het Rijn-Maas-stroomgebied per jaar vanaf 1950. De gladde lijnen representeren de langjarige trend. Op basis van de E-OBS v21.0e 1950-2019 neerslagdata.
55
Figuur 8.6 Figuren van de relatieve veranderingen per jaar in de hoogwater-indicator (boven) en de laagwater-indicator (onder) van 1950 tot 2100 ten opzichte van het gemiddelde over de periode 1991-2020. Zwart is voor de historische periode (t/m 2020), en de kleuren zijn voor de toekomstprojecties volgens het lage (SSP1-2.6; rood) en het hoge (SSP5-8.5; blauw) emissiescenario. De doorgetrokken lijnen zijn de medianen, en de gekleurde banden de zeer waarschijnlijke (90%) range van alle gebruikte klimaatmodellen. (Gebaseerd op simulaties van 27 CMIP6-klimaatmodellen). De toekomstprojecties van de neerslag-indicatoren voor hoog-en laagwater laten duidelijke verschillen zien. Terwijl de hoogwater-indicator een toename vertoont, laat de laagwater-indicator juist een afname zien, beide met name in het hoge emissiescenario (SSP5-8.5).
Louter op grond van veranderingen in deze neer Verandering tov 1991−2020 (%)
slag-indicatoren zullen de kansen op hoog- en laagwater dus beide toenemen; voor de laagwater kans lijkt die toename al sinds 1950 te spelen. Veranderingen in andere meteorologische variabelen die van invloed zijn op de rivierafvoeren, komen daar nog bij. Bijvoorbeeld: de hogere verdamping in een warmer klimaat zal de kans op lage afvoeren nog verder vergroten. Nadrukkelijk wordt opgemerkt dat voor hoog- en laagwater in het Rijn-Maas-stroomgebied – naast meteorolo gische factoren – de hydrologie en het toekomstige
Verandering tov 1991−2020 (%)
waterbeheer belangrijke rollen spelen.
Op grond van verwachte neerslagveranderingen zullen de kansen op zowel hoog als laag water in de Rijn en Maas toenemen.
Figuur 8.6 Relatieve veranderingen per jaar in de hoogwater-indicator (boven) en de laagwater-indicator (onder) ten opzichte van het gemiddelde over de periode 1991-2020. Zwart is voor de historische periode (t/m 2020), en de kleuren zijn voor de toekomstprojecties volgens het lage (SSP1-2.6; rood) en het hoge (SSP5-8.5; blauw) emissiescenario. De doorgetrokken lijnen zijn de medianen, en de gekleurde banden de zeer waarschijnlijke (90%) range van alle gebruikte klimaatmodellen. Gebaseerd op simulaties van 27 CMIP6-klimaatmodellen.
KNMI Klimaatsignaal’21
Wind, neerslag en de gevolgen voor waterbeheer
Tineke Dijkstra
56
Orkanen op de Noordzee? Orkanen zijn extreem krachtige stormen die zich boven
Ter hoogte van Newfoundland worden ze door de straal-
gebieden met warm zeewater (> 26,5°C) kunnen ontwikke-
stroom meegenomen richting Europa, en onderweg kunnen
len. Hun kenmerk is een ‘oog’ met een doorsnede van maar
ze onder gunstige omstandigheden weer aan kracht
enkele tientallen kilometers. Rondom dit oog stijgt warme
toenemen.
vochtige lucht heel snel op, waarbij waterdamp vervolgens condenseert door afkoeling. Hierbij komt zoveel energie vrij
In een warmer klimaat zullen orkanen in kracht toenemen
dat de windsnelheden kunnen oplopen tot meer dan 70 m/s.
→ 8.6. Voor onze breedtegraden zou dat tot zwaardere res-
Onvoorstelbaar voor de Noordzee, waar windsnelheden van
tanten van orkanen kunnen leiden → 8.7. In oktober 2017
meer dan 33 m/s nauwelijks voorkomen.
trok orkaan Ophelia naar het noorden, waarbij de luchtdruk in de kern sterk daalde. Uiteindelijk kwam Ophelia als zware
Met de opwarming van de aarde komen gebieden met hoge
storm bij de Ierse kust aan land figuur 8.7. De Britse
watertemperaturen dichter bij Europa te liggen. Kunnen
Eilanden vormen niet per se een barrière: Ophelia had zich
orkanen in de toekomst ook de Noordzee bereiken en met
volgens een modelsimulatie evengoed door het Nauw van
hun veel hogere windsnelheden voor gevaarlijke situaties
Calais kunnen wurmen om de Nederlandse kust te bereiken
zorgen?
→ 8.8.
Dat weten we nog niet zeker, maar ook in het huidige
De huidige klimaatmodellen zijn nog niet voldoende fijnma-
klimaat beïnvloeden orkanen het windklimaat op de
zig om orkanen met hun kleine oog goed te kunnen simule-
Noordzee. Een recent onderzoek → 8.5 heeft laten zien dat
ren. Met de toenemende rekenkracht komen modellen met
gedurende het orkaanseizoen (juni-november) bijna 9%
voldoende resolutie wel beschikbaar om de vraag naar de
van alle zware stormen op de Noordzee (> 25 m/s) van
mogelijkheid van orkanen op de Noordzee – of hun rol
oorsprong een orkaan is. Sommige orkanen trekken langs
als voorlopers van krachtige extra-tropische stormen –
de Amerikaanse oostkust noordwaarts, waarbij ze hun
te kunnen beantwoorden → 8.9.
tropische karakter verliezen en in een extra-tropische storm
Figuur 8.7 Ex-orkaan Ophelia op 16 oktober 2017, kort voordat ze Ierland raakte. De kleuren geven de windsnelheid weer, en de witte lijn markeert de windkracht 12 contour (orkaankracht). De blauwe lijnen geven de luchtdruk aan.
veranderen.
KNMI Klimaatsignaal’21
Wind, neerslag en de gevolgen voor waterbeheer
Figuur 8.7 Kaart met daarop ex-orkaan Ophelia op 16 oktober 2017, kort voordat ze Ierland raakte. De kleuren geven de windsnelheid weer, en de witte lijn mar keert de windkracht 12 contour (orkaankracht). De blauwe lijnen geven de luchtdruk aan.
57
9
Stedelijk klimaat
Het stedelijk landschap is divers door de ruimtelijke variatie in de dichtheid en hoogte van de bebouwing, de toegepaste bouw materialen, en de aard en omvang van het stedelijk groen. Deze factoren spelen een rol in de processen die het klimaat op de schaal van een huizenblok, een straat, een wijk en de stad als geheel bepalen → 9.1. Voor de praktische bepaling van het stedelijk klimaat is er kennis nodig over de verstoringen van de energiebalans en waterbalans door menselijke activiteiten. Echter: de detailgegevens over de inrichting van steden ontbreken - en die zijn nodig om deze
Om het stedelijk klimaat te kunnen vaststellen zijn meer metingen en gegevens over de inrichting van steden nodig.
verstoringen te modelleren. Ook ontbreken langjarige metingen in het stedelijk gebied die geschikt zijn om het lokale klimaat op alle relevante schalen te monitoren en modellen van het stedelijk klimaat te vergelijken en te valideren → 9.2, → 9.3. De stad is een verzameling van economische en sociale activiteiten, elk met hun eigen gevoeligheid voor het klimaat. Voor elke activiteit moet vastgesteld worden welke klimaatvariabelen relevant zijn om het effect van klimaatverandering te beschrijven en de effectiviteit van adaptatiemaatregelen te bepalen. In dit hoofdstuk komen deze aspecten aan de orde in een beschrijving van stedelijke hitte en neerslag.
KNMI Klimaatsignaal’21
Stedelijk klimaat
58
a
Het stedelijk hitte-eiland wordt gezien als een belangrijk aspect van het stedelijk klimaat en daarom mogelijk van klimaatverandering in de stad. Beschikbare waarnemingen en modelresultaten tonen geen noemenswaardige verandering in het verschil in temperatuur tussen stad en landelijk gebied. Voor het bepalen van het effect van klimaatverandering zijn absolute temperaturen belangrijker. De stad is aanmerkelijk minder groen dan zijn omgeving.
Jaarlijks maximum achtergrondwaarde UHI (ºC)
Stedelijke hitte
Figuur 9.1 (a) trend op het station De Bilt in het jaarlijks maximum van de regionale achtergrondwaarde van het stedelijk hitte-eiland effect (UHI). (b) Trend in het jaargemiddelde verschil tussen dagelijkse maximum- en minimumtemperatuur op het station De Bilt.
Daardoor wordt minder van de inkomende zonnestraling omgezet in verdamping en meer ervan gebruikt voor de opwarming van b
afgegeven als voelbare warmte. Deze uitstraling wordt ten dele belemmerd door de bebouwing. Daardoor koelt de stad na zonson dergang minder snel af dan de omgeving. Het grootste tempera tuurverschil tussen de stad en de omgeving treedt daarom meestal ’s nachts op. Het dagelijks maximum van dit temperatuurverschil kan benaderd worden door een vergelijking, afgeleid uit een analyse van meet campagnes in steden in Nederland en omringende landen → 9.4. Met deze vergelijking wordt de temperatuur van het stedelijk hitteeiland berekend als het product van het regionale klimaat, gemeten
Jaargemiddelde dagelijkse temperatuurrange (ºC)
gebouwen en bestrating. Die opgeslagen energie wordt weer
Figuur 9.1 Figuren van a) de trend van 1960-2020 op het station De Bilt in het jaarlijks maximum van de regionale achtergrondwaarde van het stedelijk hitte-eiland effect (UHI) en b) de trend van 1900-2020 in het jaargemiddelde verschil tussen dagelijkse maximum minimum- en minimumtemperatuur op het station De Bilt. In figuur 9.1a is geen significante trend als gevolg van klimaat verandering te zien. In figuur 9.1b neemt het jaargemiddelde verschil tussen dagelijkse maximum minimum- en minimum temperatuur vanaf 1920 af en vanaf 1960 weer toe.
buiten de stad, en de lokale versterking hiervan binnen de stad door de beperkte openheid van de bebouwing (de sky-view factor) en de beperkte hoeveelheid groen. Deze diagnostiek ondervangt
KNMI Klimaatsignaal’21
Stedelijk klimaat
59
het gebrek aan directe, representatieve waarnemingen in het
Ruimtelijke adaptatie
te verkennen. Het gaat om maatregelen zoals het
stedelijk gebied. In de onderzochte steden ligt de maximale waarde
Dat interacties tussen de stad en zijn omgeving
aanbrengen van stedelijk groen of het veranderen
van het stedelijk hitte-eilandeffect rond de 7ºC.
belangrijk zijn, blijkt uit modelstudies. Figuur 9.2
van het weerkaatsingsvermogen van gebouwen
toont de ruimtelijke differentiatie van de tempera
(albedo) door het toepassen van andere bouw
In figuur 9.1a is met deze diagnostische vergelijking het jaarmaxi
tuur in de omgeving van Amsterdam op een zomer-
materialen. De gerapporteerde effectiviteit van
mum van het hitte-eilandeffect berekend – zonder de lokale
en winterdag in 2017, zoals berekend met het
maatregelen vertoont wel een grote spreiding
versterkingsfactor – voor de periode waarover voor het meetstation
UrbClim-model. De ruimtelijke verdeling van
→ 9.3. Deze variatie in uitkomsten blijkt sterk
De Bilt gelijktijdige metingen van temperatuur, straling en wind
temperatuur wordt beïnvloed door de aanwezig
afhankelijk van de kwaliteit van de beschrijving van
beschikbaar zijn. Hierin is geen significante trend als gevolg
heid van grote wateroppervlakken – zoals hier
de relevante fysische processen in de modellen,
van klimaatverandering te zien. Recente resultaten van het
het IJsselmeer – en door het weer in de grotere
het schaalniveau van de beschouwing en de
UK MetOffice voor Britse steden geven aan dat dit ook voor de
omgeving – zoals bijvoorbeeld zeewind vanaf de
beschikbaarheid van gedetailleerde morfologische
toekomst geldt. Ter vergelijking is in figuur 9.1b de variatie in het
Noordzee. De zeewind zorgt voor verkoeling in
gegevens van de stad. Vaak zijn deze aspecten
dagelijkse verschil tussen de maximum- en minimumtemperatuur
de stad én voor transport van stedelijke warmte
onvoldoende beschreven en zijn de resultaten om
voor de volledige meetperiode gegeven. Het dagelijks temperatuur
pluimen naar het landelijk gebied.
die reden niet algemeen toepasbaar.
Het dagelijks temperatuurverschil hangt sterk samen met de
Deze kennis kan worden ingezet bij het ontwikkelen
Op basis van de beschikbare literatuur is een
hoeveelheid inkomende straling en wordt mede bepaald door de
van maatregelen die stedelijke hitte beperken
analyse gemaakt van het effect van bomen op de
luchtkwaliteit. De variatie in de 20e eeuw kan worden verklaard
(mitigatie) of de impact verminderen (adaptatie).
middagtemperatuur in de stad. Onder zonnige
door de initiële toename van luchtverontreiniging en de latere
Deze maatregelen hoeven zich niet te beperken tot
zomerse condities leverde elke 10% toename van
afname ten gevolge van milieumaatregelen.
aanpassingen in het stedelijk gebied zelf; ze kunnen
de bedekking van het stadsoppervlak met bomen
zich ook richten op het toepassen van groen in de
een reductie op van de stedelijke hitte van 0,3ºC.
De hier gebruikte diagnostiek kent ook beperkingen. De hitte in
omgeving. In de modelstudie Grand Paris leidde een
Het koelend effect van bomen door verdamping is
de stad wordt namelijk niet alleen door lokale omstandigheden
dergelijke strategie tot luchtcirculaties die een ver
vooral merkbaar in hun directe nabijheid. Dit bete
bepaald, maar ook door luchtstromingen die de temperatuur
koeling in het centrum van Parijs gaven van 1 tot
kent dat bomen maar ten dele een oplossing zijn
herverdelen. Het contrast tussen stad en omgeving kan bijdragen
2ºC.
voor hitte in de stad als geheel. Wel bieden bomen
verschil is een belangrijke factor in het stedelijk hitte-eiland effect.
aan het ontstaan van deze luchtstromingen.
schaduw en beperken daarmee de bijdrage van Modelstudies zijn bij uitstek het middel om het
directe zonnestraling aan de ervaren hitte.
effect van mitigatie- en adaptatiemaatregelen KNMI Klimaatsignaal’21
Stedelijk klimaat
60
Winter - nacht
Winter - dag
Effecten en indicatoren Meer dan het relatieve verschil tussen de stad en zijn omgeving is C 0 1 2 3 4 5
o
het de absolute temperatuur die uiteindelijk het effect op infrastructuur, energiegebruik, productiviteit en gezondheid bepaalt. Voor elk van deze onderwerpen gelden andere indicatoren, grenswaarden en overschrijdingskansen. Bij infrastructuur gaat het bijvoorbeeld om de kans dat toekomstige omstandigheden buiten de ontwerpcondities van constructies of systemen vallen. Denk aan
Zomer - nacht
een beweegbare brug die onder extreme temperaturen zodanig
Zomer - dag
uitzet dat hij vastloopt. Bij het verlies van arbeidsproductiviteit gaat C 0 1 2 3 4 5 6 7 8 9
o
het om de fysieke belasting bij het werken in hogere temperaturen en ’s nachts om het missen van slaap door minder afkoeling. Het gezondheidseffect van hogere temperaturen wordt vaak afgemeten aan de mortaliteit (oversterfte). Daarvoor wordt veelal de maximum dagtemperatuur als indicator gebruikt. Bij mortaliteit zijn temperatuureffecten en luchtvervuiling vaak nauw verweven. Uit een vergelijking tussen wijken in Rotterdam is gebleken dat hoge
Figuur 9.2 De relatieve temperaturen (het temperatuurverschil met het koudste punt, blauw op de kaart) rond Amsterdam voor een winter- en een zomerdag in 2017, voor de middag en late nacht. De temperaturen zijn berekend met het UrbClim-model (beschikbaar via de ↗ Copernicus Climate Change Service C3S).
niveaus van zomersmog een toename van 7% in oversterfte kunnen verklaren → 9.5. De verschillen in oversterfte per wijk bleken mede bepaald te zijn door de bevolkingssamenstelling, de hittegevoelig heid van groepen – naar leeftijd en herkomst onderscheiden – en de (inkomensafhankelijke) mogelijkheid tot adaptatie.
Figuur 9.2 Kaarten van de relatieve temperaturen (het temperatuurverschil met het koudste punt, blauw op de kaart) rond Amsterdam voor een winter-en een zomerdag in 2017, voor de middag en late nacht. De temperaturen zijn berekend met het UrbClim-model (beschikbaar via de ↗ Copernicus Climate Change Service C3S). Te zien is dat de ruimtelijke verdeling van temperatuur wordt beïnvloed door de aanwezigheid van grote wateroppervlakken – zoals hier het IJsselmeer.
Aanpassingen in de bouwwijze van woningen, verbeteringen in de zorg en veranderingen in individueel gedrag kunnen leiden tot een afname van de hittegevoeligheid. In de periode 1995-2007 is de
KNMI Klimaatsignaal’21
Stedelijk klimaat
61
a
b
Minimum Mortality Temperature voor de leeftijdsgroep boven 65 jaar in Nederland toegenomen met 0,11-0,15ºC per jaar → 9.6. %
Het aanpassingsvermogen van deze groep lijkt dus groot genoeg om de temperatuurstijging op te kunnen vangen. Tegelijkertijd blijkt dat wereldwijd de mortaliteit door hitte is toegenomen en dat een belangrijk deel hiervan is toe te schrijven aan klimaat verandering → 9.7.
gemiddelde neerslag (mm/dag)
In diezelfde periode nam de temperatuur toe met 0,03ºC per jaar.
Neerslag De verstedelijkte omgeving beïnvloedt de dynamica en thermo dynamica van de atmosfeer. Dit heeft niet alleen invloed op de temperatuur, maar ook op de neerslag in en rond de stad. Metingen op punten in het neerslagnetwerk van het KNMI in de nabijheid van de stad tonen een gemiddelde toename van 7% in dagsommen van de neerslag → 9.8. Dit effect van de stad op zijn omgeving is het sterkst in de zomermaanden en in het bijzonder onder omstandig
Figuur 9.3 Effecten van verstedelijking op de neerslag op basis van radarbeelden voor de periode 2001-2010; (a) afwijking van de gebiedsgemiddelde neerslag in de randstad (rechts) met de contouren van het stedelijk gebied (links); (b) de maandgemiddelde dagelijkse neerslagsom in urbaan en ruraal gebied in Nederland. De verschillen zijn kleiner dan de onzekerheid → 9.10.
Figuur 9.3 Effecten van verstedelijking op de neerslag op basis van radarbeelden voor de periode 2001-2010. ; (a) op kaart de afwijking van de gebiedsgemiddelde neerslag in de randstad met de contouren van het stedelijk gebied; (b) in grafiek de maandgemiddelde dagelijkse neerslagsom in urbaan en ruraal gebied in Nederland. De verschillen zijn kleiner dan de onzekerheid.
heden met weinig wind. Dit lijkt een indicatie dat de stad vooral bijdraagt aan het initiëren van buien. Stedelijk hitte en aerosolen
sommen van de neerslag → 9.9. Dit verschil is voor
neerslagsommen blijkt dat ook voor de kans op
kunnen hiervan de oorzaak zijn. Door de keuze van West-Nederland
al zichtbaar als een toename van de neerslag ten
extreme neerslaghoeveelheden er geen onder
als het studiegebied is echter niet uit te sluiten dat de Noordzee een
noorden van Rotterdam en Amsterdam. De onze
scheid is te maken tussen de stad en het landelijk
bijdrage heeft geleverd aan het effect.
kerheid in deze analyse van radardata is echter zo
gebied. De grootste neerslagintensiteiten hangen
groot, dat hier geen conclusies aan verbonden
samen met buien die georganiseerd zijn op schalen
Een analyse van de klimatologische radardataset van het KNMI
kunnen worden. Voor het stedelijk waterbeheer zijn
die groter zijn dan de beperkte afmetingen van
voor het westen van Nederland toont in figuur 9.3 een gemiddeld
kortdurende hevige buien het belangrijkst. Uit een
Nederlandse steden en die niet lokaal zijn ontstaan,
verschil van 3,5% tussen stedelijke en landelijke gebieden in uur
nadere analyse van 15 minuten- en 60 minuten
maar hun oorsprong elders hebben.
KNMI Klimaatsignaal’21
Stedelijk klimaat
62
Crowdsourcing van waarnemingen in stedelijk gebied Het initiatief Weather On the Web (wow.knmi.nl) – voor de inzameling van
Een voorbeeld hiervan is de reconstructie van de klimatologie van de
vrijwillige waarnemingen – leidt tot een aanzienlijke intensivering van de
daggemiddelde temperatuur met een resolutie van 1 bij 1 km → 9.11.
bedekking van Nederland met waarneemstations. Voor temperatuuranalyses
Deze reconstructie gebruikt – naast het KNMI-meetnet – aanvullende voor-
zijn 600 unieke stations geregistreerd (in de periode juni 2016 tot september
spellers, waaronder de bevolkingsdichtheid en vegetatie-index, en is
2019) die daarvoor in potentie geschikt zijn. Dit vereist wel een aanvullende
gevalideerd met op kwaliteit gecontroleerde waarnemingen in stedelijk
statistische kalibratie van de waarnemingen. In het bijzonder levert WOW
gebied. Deze analyse levert temperatuurkaarten voor de laagste temperaturen
een eerste invulling van het waarnemen in stedelijk gebied. Tot dusver zijn
in de winter, de jaargemiddelde temperatuur en de hoogste temperatuur in de
deze waarnemingen nog kortlopend en ongelijk verdeeld in ruimte en tijd.
zomer. Op deze schaal is het maximale effect van steden op de daggemiddelde
Daarom zijn ze vooral geschikt voor kortdurende experimenten of als
temperatuur in de orde van 1ºC, zowel in de zomer als in de winter.
validatie voor onderzoek.
Laagste temperatuur in de winter
Jaargemiddelde temperatuur
Hoogste temperatuur in de zomer
Figuur 9.4 Kaarten van de ruimtelijke verdeling van temperaturen. Van links naar rechts: de grenswaarde van de 10% koudste dagen (winter), de jaargemiddelde temperatuur en de grenswaarde van de 10% warmste dagen (zomer). Duidelijk is te zien dat stedelijke gebieden het hele jaar door warmer zijn dan hun omgeving
Figuur 9.4. Kaarten van de ruimtelijke verdeling van temperaturen → 9.11. Van links naar rechts: de grenswaarde van de 10% koudste dagen (winter), de jaargemiddelde temperatuur en de grenswaarde van de 10% warmste dagen (zomer). Duidelijk is te zien dat stedelijke gebieden het hele jaar door warmer zijn dan hun omgeving
KNMI Klimaatsignaal’21
Stedelijk klimaat
63
Referenties Introductie & 3 IPCC-inzichten ← p.6 ← p.6
← p.18 2.3 Bloemendaal N., Haigh I.D., de Moel H., Muis S., Haarsma R.J., Aerts
0.1 IPCC , Climate Change 2021: The Physical Science Basis.
J.C.J.H.,2020 : Generation of a global synthetic tropical cyclone hazard
↗ https://www.ipcc.ch/report/ar6/wg1/
dataset using STORM. Scientific Data 7: 40.
0.2 KNMI, 2014: KNMI’14 Klimaatscenario’s voor Nederland: leidraad
↗ https://doi.org/10.1038/s41597-020-0381-2
voor professionals in klimaatadaptatie, KNMI, De Bilt, 34pp. ↗ https://www.knmi.nl/knmi-bibliotheek/publicaties/brochures-over-klimaat ← p.7 ← p.7
0.3 IPCC Special Report: Global Warming of 1.5°C, 2018.
← p.27 4.1 Baart, F., Rongen, G., Hijma, M., Kooi, H., de Winter, R., en Nicolai, R.,
↗ https://www.ipcc.ch/sr15/
2019:, De zeespiegelmonitor, Deltares.
0.4 IPCC Special Report: The Ocean and Cryosphere in a Changing Climate,
↗ https://www.deltares.nl/app/uploads/2019/03/Zeespiegelmonitor-2018-final.pdf
2019. ↗ https://www.ipcc.ch/srocc/ ← p.7
4 Zeespiegelstijging
← p.27 4.2 Dangendorf, Sönke, Carling Hay, Francisco M. Calafat, Marta Marcos,
0.5 IPCC, Climate Change 2013: The Physical Science Basis.
Christopher G. Piecuch, Kevin Berk, and Jürgen Jensen, 2019: Persistent
↗ https://www.ipcc.ch/report/ar5/wg1/
Acceleration in Global Sea-Level Rise since the 1960s. Nature Climate Change 9, no. 9: 705–10. ↗ https://doi.org/10.1038/s41558-019-0531-8
1 Klimaatverandering in Nederland
← p.27 4.3 Frederikse, Thomas, Felix Landerer, Lambert Caron, Surendra Adhikari,
← p.11 1.1 De Valk, C.F., 2020: Standard method for determining a climatological trend. ↗ https://cdn.knmi.nl/knmi/pdf/bibliotheek/knmipubTR/TR389.pdf ← p.13 1.2 Wever, N., 2012: Quantifying trends in surface roughness and the effect
David Parkes, Vincent W. Humphrey, Sönke Dangendorf, et al., 2020: The Causes of Sea-Level Rise since 1900. Nature 584, no. 7821: 393–97. ↗ https://doi.org/10.1038/s41586-020-2591-3
on surface wind speed observations, J. Geophys. Res. Atmospheres.
5 Arctisch gebied
↗ https://doi.org/10.1029/2011JD017118
← p.32 5.1 Bintanja, R., Andry, O., 2017: Towards a rain-dominated Arctic.
2 Klimaatverandering, orkanen en stormvloeden op de BES-eilanden ← p.17 2.1 Eppinga M.B., Pucko C.A., 2018: The impact of hurricanes Irma and Maria on the forest ecosystems of Saba and St. Eustatius, northern Caribbean. Biotropica, 50, 723-728. ↗ https://doi.org/10.1111/btp.12600
Nature Climate Change, 7(4), 263-267. ↗ https://www.nature.com/articles/nclimate3240 ← p.33 5.2 Thackeray, C. W., & Hall, A. 2019. An emergent constraint on future Arctic sea-ice albedo feedback. Nature Climate Change, 9(12), 972-978.
← p.18 2.2 Bloemendaal N., de Moel H., Muis S., Haigh I.D, Aerts J.C.J.H., 2020:
↗ https://www.nature.com/articles/s41558-019-0619-1
Estimation of global tropical cyclone wind speed probabilities using the STORM dataset. Scientific Data, 7, 377. ↗ https://doi.org/10.1038/s41597-020-00720-x
KNMI Klimaatsignaal’21
Referenties
64
← p.34 5.3 Bintanja, R., van der Wiel, K., Van der Linden, E. C., Reusen, J., Bogerd, L.,
← p.41 6.5 Lochbihler, K., Lenderink, G. and Siebesma, A.P., 2020: Cold pool dynamics
Krikken, F., & Selten, F. M. 2020. Strong future increases in Arctic precipitation
shape the response of extreme rainfall events to climate change. J. Adv. Model.
variability linked to poleward moisture transport. Science advances, 6(7),
Earth Syst., 1–16. ↗ https://doi.org/10.1029/2020ms002306
eaax6869. ↗ https://doi.org/10.1126/sciadv.aax6869 ← p.37 5.4 Vonk, J. E., & Gustafsson, Ö. 2013. Permafrost-carbon complexities. Nature Geoscience, 6(9), 675-676.
7 Droogte ← p.47 7.1 Daniels, E.E., Beersma, J. and Van der Schrier, G., 2021: Droogte in
↗ https://www.nature.com/articles/ngeo1937
Nederland aan de hand van de indices SPI en SPEI. Meteorologica, 30(2), 4-7.
← p.36 5.5 Coumou, D., Di Capua, G., Vavrus, S., Wang, L., & Wang, S. 2018. The influence of Arctic amplification on mid-latitude summer circulation.
↗ https://www.nvbm.nl/meteorologica/recente-uitgaven/juni ← p.48 7.2 Philip, S.Y., Kew, S.F., van der Wiel, K., Wanders, N. and van Oldenborgh,
Nature Communications, 9(1), 1-12.
G.J., 2020: Regional differentiation in climate change induced drought trends in
↗ https://doi.org/10.1038/s41467-018-05256-8
the Netherlands. Environmental Research Letters, 15(9), 094081.
← p.36 5.6 KNMI-Special Arctisch gebied:
↗ https://doi.org/10.1088/1748-9326/ab97ca
↗ https://magazines.rijksoverheid.nl/knmi/knmispecials/2020/05/index
← p.49 7.3 Haarsma, R.J., Selten, F.M., Van den Hurk, B., Hazeleger, W., and Wang, X., 2009: Drier Mediterranean soils due to greenhouse warming bring easterly
6 Zomerse hoosbuien
winds over summertime central Europe. Geophysical research letters, 36(4).
← p.40 6.1 Lochbihler, K., Lenderink, G. and Siebesma, A.P., 2017: The spatial extent of rainfall events and its relation to precipitation scaling. Geophys. Res. Lett., 44, 8629–8636. ↗ https://doi.org/10.1002/2017GL074857
↗ https://doi.org/10.1029/2008GL036617 ← p.49 7.4 Haarsma, R.J., Selten, F.M. and Drijfhout, S.S., 2015: Decelerating Atlantic meridional overturning circulation main cause of future west European summer
← p.40 6.2 Lochbihler, K., Lenderink, G. and Siebesma, A.P., 2019: Response of Extreme Precipitating Cell Structures to Atmospheric Warming. J. Geophys. Res.
atmospheric circulation changes. Environmental Research Letters, 10(9), pp.094007. ↗ https://iopscience.iop.org/article/10.1088/1748-9326/10/9/094007
Atmos., 2018JD029954. ↗ https://doi.org/10.1029/2018JD029954
← p.49 7.5 Van der Linden, E.C., Haarsma, R.J., and Van de Schrier, G., 2019: Impact of
← p.40 6.3 Lenderink, G., Barbero, R., Loriaux, J.M., and Fowler, H.J., 2017: Super-
climate model resolution on soil moisture projections in central-western
Clausius-Clapeyron Scaling of Extreme Hourly Convective Precipitation and Its
Europe. Hydrology and Earth System Sciences, 23(1), 191-206.
Relation to Large-Scale Atmospheric Conditions. J. Clim., 30, 6037–6052.
↗ https://doi.org/10.5194/hess-23-191-2019
↗ https://doi.org/10.1175/JCLI-D-16-0808.1
← p.49 7.6 Coumou, D., Lehmann, J. and Beckmann, J., 2015: The weakening summer
← p.41 6.4 Fowler, H. J., and et al., 2021: Intensification of short-duration rainfall extremes with global warming and implications for flood hazard. Nat. Rev. Earth
circulation in the Northern Hemisphere mid-latitudes. Science, 348(6232), 324-327 ↗ https://doi.org/10.1126/science.1261768
Environ., 2, 107–122. ↗ https://doi.org/10.1038/s43017-020-00128-6 KNMI Klimaatsignaal’21
Referenties
65
← p.50 7.7 Aalbers, E.A., Meijgaard, E., Lenderink, G., Van den Hurk, B., 2021: Pseudo
← p.57 8.5 Sainsbury et al., 2020: How Important Are Post-Tropical Cyclones for
global warming experiment of European drought 2018. In preparation for
European Windstorm Risk? Geophys. Res. Lett., 47.
Environmental Research Letters.
↗ https://doi.org/10.1029/2020GL089853
← p.50 7.8 Van der Wiel, K., Lenderink, G., De Vries, H., 2021: Physical storylines of
← p.57 8.6 Knutson et al., 2020: Tropical Cyclones and Climate Change Assessment:
future European drought events like 2018 based on ensemble climate
Part II: Projected Response to Anthropogenic Warming. BAMS. 101, E303-E322.
modelling. Weather and Climate Extremes, 33, 100350.
↗ https://doi.org/10.1175/BAMS-D-18-0194.1
↗ https://doi.org/10.1016/j.wace.2021.100350
← p.57 8.7 Haarsma et al., 2013: More hurricanes to hit Western Europe due to global
← p.50 7.9 Mens, M., and Bos-Burgering, L., 2020: Verkenning naar de invloed van een warmer klimaat op de gevolgen van droogte in Nederland. Memo 11205291, Deltares, versie 30 november 2020.
warming. Geophys. Res. Lett., 40, 1783-1788. ↗ https://doi.org/10.1002/grl.50360 ← p.57 8.8 De Vries et al., 2018: Als orkaan Ophelia Nederland had bereikt. Meteorologica, 27, 4-8. ↗ https://www.nvbm.nl/meteorologica/archief/2010-2019/2018/september-2018
8 Wind, neerslag en de gevolgen voor waterbeheer
← p.57 8.9 Haarsma, R., 2021: European Windstorm Risk of Post-Tropical Cyclones
← p.53 8.1 Timmerman, 1977: Meteorological effects on tidal heights in the North Sea. Staatsdrukkerij, The Hague, 1977.
and the Impact of Climate Change, Geophys. Res. Lett., 48. ↗ https://doi.org/10.1029/2020GL091483
← p.53 8.2 Van den Brink, H., 2020: Het gebruik van de ECMWF seizoensverwachtingen voor het berekenen van de klimatologie van extreme waterstanden langs de Nederlandse kust. KNMI, TR-385.
9 Stedelijk klimaat ← p.58 9.1 Oke, T., Mills, G., Christen, A., & Voogt, J. 2017: Urban Climates.
↗ https://cdn.knmi.nl/knmi/pdf/bibliotheek/knmipubTR/TR385.pdf
Cambridge: Cambridge University Press.
← p.54 8.3 Philip, S., Kew, S., van der Wiel, K., Wanders, N., van Oldenborgh, G.J.,
↗ https://doi.org/10.1017/9781139016476
2020: Regional differentiation in climate change induced drought trends in
← p.58 9.2 Stewart, I.D., 2011: A systematic review and scientific critique of
the Netherlands. Environ. Res. Lett. 15 094081.
methodology in modern urban heat island literature. Int. J. Climatol., 31:
↗ https://doi.org/10.1088/1748-9326/ab97ca
200-217. ↗ https://doi.org/10.1002/joc.2141
← p.55 8.4 Diermanse, F., Kwadijk, J. Beckers, J. and Crebas, J., 2010: Statistical trend
← p.58 9.3 Krayenhoff, E.S., Broadbent, A.M., Zhao, L., et al, 2021: Cooling hot cities:
analysis of annual maximum discharges of the Rhine and Meuse rivers, BHS
a systematic and critical review of the numerical modelling literature,
Third Int. Symp. Manag. Consequences Chang. Glob. Env. (Newcastle University,
Environ. Res. Lett. 16 053007. ↗ https://doi.org/10.1088/1748-9326/abdcf1
19-23 July 2010) 5a. ↗ https://www.researchgate.net/publication/268469892
KNMI Klimaatsignaal’21
Referenties
66
← p.59 9.4 Theeuwes, N.E., Steeneveld, G.-J., Ronda, R.J. and Holtslag, A.A.M. 2017:
← p.62 9.10 Daniels, E.E. en Overeem, A., 2015, Regent het meer in de Randstad?,
A diagnostic equation for the daily maximum urban heat island effect for cities
Meteorologica 4.
in northwestern Europe. Int. J. Climatol., 37: 443-454.
↗ https://issuu.com/nvbm/docs/bf0a5a9f861d42efa84896b7db0bf4cf/18?ff
↗ https://doi.org/10.1002/joc.4717
← p.63 9.11 Dirksen, M., Knap, W.H., Steeneveld, G.-J., et al., 2020: Downscaling
← p.61 9.5 Willers, S.M., Jonker, M.F., Klok, L., et al., 2016: High resolution exposure modelling of heat and air pollution and the impact on mortality, Environment
daily air-temperature measurements in The Netherlands, Theor. and Appl. Clim. 142:751-767. ↗ https://doi.org/10.1007/s00704-020-03313-1
International, Vol. 89–90, 102-109. ↗ http://dx.doi.org/10.1016/j.envint.2016.01.013 ← p.62 9.6 Folkerts, M.A., Bröde, P., Wouter Botzen, W.J., et al., 2020: Long term adaptation to heat stress: shifts in the minimum mortality temperature in The Netherlands, Front. Physiol. 11. ↗ https://doi.org/10.3389/fphys.2020.00225 ← p.62 9.7 Vicedo-Cabrera, A.M., Scovronick, N., Sera, F. et al., 2021: The burden of heat-related mortality attributable to recent human-induced climate change. Nat. Clim. Chang. 11, 492–500. ↗ https://doi.org/10.1038/s41558-021-01058-x ← p.62 9.8 Daniels, E.E., Lenderink, G., Hutjes, R.W.A. and Holtslag, A.A.M. 2016: Observed urban effects on precipitation along the Dutch West coast. Int. J. Climatol, 36: 2111-2119. ↗ https://doi.org/10.1002/joc.4458 ← p.62 9.9 Overeem, A., 2014: Inzicht in extreme neerslag in de stad op basis van langjarige radar-datasets met veel ruimtelijk detail. In: Ervaringen met de aanpak van regenwateroverlast in bebouwd gebied. Voorbeelden en ontwikkelingen anno 2014, van Luijtelaar, H (ed.), RIONEDreeks 18, Stichting RIONED: Ede Nederland; 284-305. ↗ https://ruimtelijkeadaptatie.nl/publish/pages/117996/ervaringen_ aanpak_regenwateroverlast_in_bebouwd_gebied_voorbeelden_en_ ontwikkelingen_anno_2014.pdf
KNMI Klimaatsignaal’21
Referenties
67
Verklarende woordenlijst CMIP: Coupled Model Intercomparison Project. CMIP6 is gebruikt voor het zesde assessmentrapport van het IPCC. Dauwpunt: Temperatuur waarbij - bij afkoeling - vocht in de atmosfeer condenseert, een maat voor het vochtgehalte. Doorlopend potentieel neerslagtekort: Cumulatieve som van de potentiële verdamping minus de neerslag vanaf 1 april, waarbij tussentijdse negatieve waarden op nul gezet worden. ECMWF: European Centre for Medium-Range Weather Forecasts. Emissiescenario: Een plausibele toekomstige ontwikkeling van de uitstoot van broeikasgassen en aerosolen gebaseerd op een coherente en intern consistente set van demografische, sociaaleconomische en technologische ontwikkelingen. ERA5: Langjarige mondiale dataset gebaseerd op waarnemingen en het ECMWF weermodel, waarbij het weermodel wordt gebruikt om de gaten in de waarnemingen, in tijd en plaats, op te vullen. Deze techniek levert een consistente set aan meteo rologische variabelen en daarmee een zeer bruikbare tijdreeks voor onderzoek. GPCC: Global Precipitation Climatology Centre. Groeiseizoen: April tot en met september. Herhalingstijd: De gemiddelde tijd tussen twee gebeurtenissen waarbij een bepaalde waarde (bijvoorbeeld 50 mm neerslag in een dag) overschreden wordt. Deze herhalings tijd kan bepaald worden bij overschrijding van de drempelwaarde ergens in een groot gebied (b.v.
heel Nederland) of gelden voor een overschrijding op een specifieke locatie. Lokale herhalingstijden zijn in het algemeen veel groter dan gebiedsherhalingstijden. IPCC: Intergovernmental Panel on Climate Change, het internationale klimaatpanel van de Verenigde Naties. Kantelpunt: Een kritische drempelwaarde waarbij een systeem zich op abrupte wijze of Tineke Dijkstra
KNMI Klimaatsignaal’21
onomkeerbaar reorganiseert.
Verklarende woordenlijst
68
Klimaatgevoeligheid: De mondiale temperatuurstijging bij een verdubbeling van het
Winterhalfjaar: Oktober tot en met maart.
CO2-gehalte.
Stralingsforcering: De verandering van de energietoevoer (inkomende zonnestraling)
Klimaatprojectie: Gesimuleerde klimaatverandering op basis van een emissiescenario
of afvoer (gereflecteerde zonnestraling en uitgaande infraroodstraling) aan de top van
met behulp van een klimaatmodel.
de atmosfeer, uitgedrukt in W/m2, bijvoorbeeld door de toename van de concentratie
Klimaatscenario: Consistente en plausibele beelden van een mogelijk toekomstig
broeikasgassen in de atmosfeer of door lichtkrachtverandering van de zon. Een positieve
klimaat, gebaseerd op kennis van het verleden en aannames over de uitstoot van
stralingsforcering zorgt voor opwarming van de aarde.
broeikasgassen, bedoeld om verkennende studies uit te voeren naar de effecten van
Zelf-gravitatie: Het zwaartekrachtseffect van grote ijsmassa’s, waardoor de zeespiegel
klimaatverandering.
lokaal omhoog getrokken wordt. Een gevolg van dit effect is dat smeltwater van
Mediaan: De mediaan is het midden van een statistische verdeling van data, dat wil
ijskappen niet gelijkmatig wordt verdeeld over de oceanen: lokaal daalt de zeespiegel,
zeggen dat 50% van de data in de verdeling groter en 50% kleiner is dan de mediaan.
terwijl die op grote afstand van de smeltende ijskap juist extra stijgt.
Potentiële verdamping: Verdamping die zou optreden wanneer planten optimaal van
Zomerhalfjaar: April tot en met september.
water en nutriënten zijn voorzien. Op het KNMI wordt de potentiële verdamping berekend met de formule van Makkink. Significant (statistiek): Aannemelijk dat een signaal, bijvoorbeeld een berekende trend uit data, niet op toeval berust, waarbij een (kans)niveau wordt gedefinieerd (bijvoorbeeld 95%). SPEI: Standardized Precipitation and Evapotranspiration Index, internationale droogte index op basis van neerslag en potentiële verdamping. SPI: Standardized Precipitation Index, internationale droogte index op basis van neerslag. SSP: Shared Socioeconomic Pathways. SSP’s hebben een nummer, dat wordt gevolgd door een getal dat (bij benadering) de stralingsforcering in W/m2 in 2100 weergeeft. De nummering loopt van 1, het duurzame pad, tot en met 5, het pad met veel uitstoot van broeikasgassen. In dit rapport worden SSP1-2.6 als het lage, en SSP5-8.5 als het hoge scenario aangeduid.
KNMI Klimaatsignaal’21
Verklarende woordenlijst
69
KNMI Klimaatsignaal’21
Colofon
70
Colofon Publicatiedatum
Grafische vormgeving
Oktober 2021
Things To Make And Do, Den Haag MatZwart, Leidschendam (infographic)
Auteurs per hoofdstuk 1: Peter Siegmund, Bernadet Overbeek, Geert Jan van Oldenborgh † en Hylke de Vries.
Fotografie
2: Peter Siegmund, Rein Haarsma, Nadia Bloemendaal en Job Dullaart.
Omslag: Tineke Dijkstra
3: Rob van Dorland. 4: Sybren Drijfhout en Dewi Le Bars.
Druk
5: Richard Bintanja, Dewi Le Bars, Caitlin Pot en Nomikos Skyllas.
Xerox
6: Geert Lenderink, Rob Groenland en Alwin Haklander. 7: Karin van der Wiel, Rein Haarsma, Emma Daniels, Gerard van der Schrier en Emma Aalbers.
Oplage
8: Andreas Sterl, Jules Beersma en Henk van den Brink.
2000 exemplaren
9: Ben Wichers Schreur. Postadres Eindredactie
Postbus 201
Rob van Dorland
3730 AE De Bilt
Redactie
Bezoekadres
Jules Beersma, Janette Bessembinder, Richard Bintanja, Jitske Burgers, Rob van Dorland, Bernadet Overbeek,
Utrechtseweg 297 De Bilt
Peter Siegmund en Andreas Sterl.
T 030 2206 911 klimaatdesk@knmi.nl
Externe review Jeroen Aerts, VU
Website
Bart van den Hurk, Deltares
↗ www.knmi.nl/klimaat
Albert Klein Tank, Met Office Hadley Centre Aan dit rapport kan als volgt worden gerefereerd KNMI 2021: KNMI Klimaatsignaal’21: hoe het klimaat in Nederland snel verandert, KNMI, De Bilt, 72 pp.
Tekstredactie Ria de Wit, Helder & Duidelijk
KNMI Klimaatsignaal’21
Colofon
71