@phdthesis{Ring2018,
  author    = {Ring, Christoph},
  title     = {Entwicklung und Vergleich von Gewichtungsmetriken zur Analyse probabilistischer Klimaprojektionen aktueller Modellensembles},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-157294},
  school      = {Universit{\"a}t W{\"u}rzburg},
  pages     = {XII, 195},
  year      = {2018},
  abstract  = {Der anthropogene Klimawandel ist eine der gr{\"o}ßten Herausforderungen des 21. Jahrhunderts. Eine Hauptschwierigkeit liegt dabei in der Unsicherheit bez{\"u}glich der regionalen {\"A}nderung von Niederschlag und Temperatur. Hierdurch wird die Entwicklung geeigneter Anpassungsstrategien deutlich erschwert. In der vorliegenden Arbeit werden vier Evaluationsans{\"a}tze mit insgesamt 13 Metriken f{\"u}r aktuelle globale (zwei Generationen) und regionale Klimamodelle entwickelt und verglichen, um anschließend eine Analyse der Projektionsunsicherheit vorzunehmen. Basierend auf den erstellten Modellbewertungen werden durch Gewichtung Aussagen {\"u}ber den Unsicherheitsbereich des zuk{\"u}nftigen Klimas getroffen. Die Evaluation der Modelle wird im Mittelmeerraum sowie in acht Unterregionen durchgef{\"u}hrt. Dabei wird der saisonale Trend von Temperatur und Niederschlag im Evaluationszeitraum 1960-2009 ausgewertet. Zus{\"a}tzlich wird f{\"u}r bestimmte Metriken jeweils das klimatologische Mittel oder die harmonischen Zeitreiheneigenschaften evaluiert. Abschließend werden zum Test der {\"U}bertragbarkeit der Ergebnisse neben den Hauptuntersuchungsgebieten sechs global verteilte Regionen untersucht. Außerdem wird die zeitliche Konsistenz durch Analyse eines zweiten, leicht versetzten Evaluationszeitraums behandelt, sowie die Abh{\"a}ngigkeit der Modellbewertungen von verschiedenen Referenzdaten mit Hilfe von insgesamt drei Referenzdatens{\"a}tzen untersucht. Die Ergebnisse legen nahe, dass nahezu alle Metriken zur Modellevaluierung geeignet sind. Die Auswertung unterschiedlicher Variablen und Regionen erzeugt Modellbewertungen, die sich in den Kontext aktueller Forschungsergebnisse einf{\"u}gen. So wurde die Leistung der globalen Klimamodelle der neusten Generation (2013) im Vergleich zur Vorg{\"a}ngergeneration (2007) im Schnitt {\"a}hnlich hoch bzw. in vielen Situationen auch st{\"a}rker eingeordnet. Ein durchweg bestes Modell konnte nicht festgestellt werden. Der Großteil der entwickelten Metriken zeigt f{\"u}r {\"a}hnliche Situationen {\"u}bereinstimmende Modellbewertungen. Bei der Gewichtung hat sich der Niederschlag als besonders geeignet herausgestellt. Grund hierf{\"u}r sind die im Schnitt deutlichen Unterschiede der Modellleistungen in Zusammenhang mit einer geringeren Simulationsg{\"u}te. Umgekehrt zeigen die Metriken f{\"u}r die Modelle der Temperatur allgemein {\"u}berwiegend hohe Evaluationsergebnisse, wodurch nur wenig Informationsgewinn durch Gewichtung erreicht werden kann. W{\"a}hrend die Metriken gut f{\"u}r unterschiedliche Regionen und Skalenniveaus verwendet werden Evaluationszeitr{\"a}ume nicht grunds{\"a}tzlich gegeben. Zus{\"a}tzlich zeigen die Modellranglisten unterschiedlicher Regionen und Jahreszeiten h{\"a}ufig nur geringe Korrelationen. Dies gilt besonders f{\"u}r den Niederschlag. Bei der Temperatur sind hingegen leichte {\"U}bereinstimmungen auszumachen. Beim Vergleich der mittleren Ranglisten {\"u}ber alle Modellbewertungen und Situationen der Hauptregionen des Mittelmeerraums mit den Globalregionen besteht eine signifikante Korrelation von 0,39 f{\"u}r Temperatur, w{\"a}hrend sie f{\"u}r Niederschlag um null liegt. Dieses Ergebnis ist f{\"u}r alle drei verwendeten Referenzdatens{\"a}tze im Mittelmeerraum g{\"u}ltig. So schwankt die Korrelation der Modellbewertungen des Niederschlags f{\"u}r unterschiedliche Referenzdatens{\"a}tze immer um Null und die der Temperaturranglisten zwischen 0,36 und 0,44. Generell werden die Metriken als geeignete Evaluationswerkzeuge f{\"u}r Klimamodelle eingestuft. Daher k{\"o}nnen sie einen Beitrag zur {\"A}nderung des Unsicherheitsbereichs und damit zur St{\"a}rkung des Vertrauens in Klimaprojektionen leisten. Die Abh{\"a}ngigkeit der Modellbewertungen von Region und Untersuchungszeitraum muss dabei jedoch ber{\"u}cksichtigt werden. So besitzt die Analyse der Konsistenz von Modellbewertungen sowie der St{\"a}rken und Schw{\"a}chen der Klimamodelle großes Potential f{\"u}r folgende Studien, um das Vertrauen in Modellprojektionen weiter zu steigern.},
  subject      = {Anthropogene Klima{\"a}nderung},
  language  = {de}
}