Third party funded individual grant
Start date : 01.04.2021
Das Forschungsvorhaben plant eine detaillierte Modellierung der Eisdynamik des nördlichen
Patagonischen Inlandeises. Es sollen zwei der in der Glaziologie meistgenutzten Fließmodelle
verglichen werden: Elmer-Ice welches auf finiten Elementen basiert und welches die vollen
Stokesgleichung zu lösen vermag und SICOPOLIS ein Kode der Näherungen geschickt kombiniert
und auf diese Art die Eisdynamik vieler Eiskörper in ausreichender Auflösung über lange Zeiträume
simulieren kann. Die nötigen Inputs (Oberflächenmassenbilanz und Gletscherbetttopographie)
wurden von den am Projekt beteiligten Arbeitsgruppen (der meinen und der von Matthias Braun) in
vorangegangenen Studien detailliert erarbeitet. Nun geht es darum mittels der Fließmodelle
detaillierte Prognosen über die Zukunft des Nördlichen Eisfeldes unten den aktuellen
Klimaszenarien zu machen. Business as usual oder Emissionen extrem reduzieren? Für das
nördliche Eisfeld wird der Unterschied wohl sehr klar zu fühlen sein: die Patagonischen Gletscher
sind temperiert und deshalb sehr empfindlich auf Klimaerwärmungen. Mit einem Fließmodel kann
man nicht nur die detaillierte Eisdynamik reproduzieren, sondern auch extrem gut visualisieren. Wir
denken, dass eine ansprechende Visualisierung eventuell mehr Menschen beeindrucken kann, als
ein Meer von Daten und Berichte von über 1000 Seiten. Ein große Herausforderung des Projektes
werden die vereinfachten Modelparametrisierungen des komplizierten Kalbungsprozess sein. Dies
ist von Wichtigkeit für die Gletscherzungen, welche in Seen oder im Meer enden. In SICOPOLIS
existiert eine einfache Parametrisierung und für Elmer-Ice wird eine solche in einem Partnerprojekt
entwickelt. Wie gut diese Modelparametrisierungen fähig sein werden den Gletscherzungenrückzug
am nördlichen Eisfeld zu reproduzieren wird sich hoffentlich in diesem Forschungsprojekt zeigen.
Und wenn sie hier funktionieren oder optimiert werden können, werden sie auch auf andere
Gletscher (gebiete) anwendbar sein.