@phdthesis{Mutz2013,
  author    = {Mutz, Sebastian},
  title     = {Dynamic Statistical Modelling of Climate-Related Mass Balance Changes in Norway},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-114799},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2013},
  abstract  = {The glaciers in Norway exert a strong influence on Norwegian economy and society. Unlike many glaciers elsewhere and despite ongoing climate change and warming, many of them showed renewed advances and positive net mass changes in the 1980's and 1990's, followed by rapid retreats and mass losses since 2000. This difference in behaviour may be attributed to differences and shifts in the glaciological regime - the differences in the magnitude of impacts of climatic and non-climatic geographical factors on the glacier mass. This study investigates the influence of various atmospheric variables on mass balance changes of a selection of glaciers in Norway by means of Pearson correlation analyses and cross-validated stepwise multiple regression analyses. The analyses are carried out for three time periods (1949-2008, 1949-1988, 1989-2008) separately in order to take into consideration the possible shift in the glaciological regime in the 1980's. The atmospheric variables are constructed from ERA40 and NCEP/NCAR re-analysis datasets and include regional means of seasonal air temperature and precipitation rates and atmospheric circulation indices. The multiple regression models trained in these time periods are then applied to predictors reconstructed from the CMIP3 climate model dataset to generate an estimate for mass changes from the year 1950 to 2100. The temporal overlap of estimates and observations is used for calibration. Finally, observed atmospheric states in seasons that are characterised by a particularly positive or negative mass balance are categorised into time periods of modelled climate by the application of a Bayesian classification procedure. The strongest influence on winter mass balance is exerted by different indices of the North Atlantic Oscillation (NAO), Northern Annular Mode (NAM) and precipitation. The correlation coefficients and explained variances determined from the multiple regression analyses reveal an East-West gradient, suggesting a weaker influence of the NAO and NAM on glaciers underlying a more continental regime. The highest correlation coefficients and explained variances were obtained for the 1989-2008 time period, which might be due to a strong and predominantly positive phase of the NAO. Multi-model ensemble means of the estimates show a mass loss for all three eastern glaciers, while the estimates for the more maritime glaciers are ambivalent. In general, the estimates show a greater sensitivity to the training time period than to the greenhouse gas emission scenarios according to which the climates were simulated. The average net mass change by the end of 2100 is negative for all glaciers except for the northern Engabreen. For many glaciers, the Bayesian classification of observed atmospheric states into time periods of modelled climate reveals a decrease in probability of atmospheric states favouring extremes in winter, and an increase in probability of atmospheric states favouring extreme mass loss in summer for the distant future (2071-2100). This pattern of probabilities for the ablation season is most pronounced for glaciers underlying a continental and intermediate regime.},
  subject      = {Norwegen},
  language  = {en}
}
@phdthesis{Pollinger2013,
  author    = {Pollinger, Felix},
  title     = {Bewertung und Auswirkungen der Simulationsg{\"u}te f{\"u}hrender Klimamoden in einem Multi-Modell Ensemble},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-97982},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2013},
  abstract  = {Der rezente und zuk{\"u}nftige Anstieg der atmosph{\"a}rischen Treibhausgaskonzentration bedeutet f{\"u}r das terrestrische Klimasystem einen grundlegenden Wandel, der f{\"u}r die globale Gesellschaft schwer zu bew{\"a}ltigende Aufgaben und Herausforderungen bereit h{\"a}lt. Eine effektive, r{\"u}hzeitige Anpassung an diesen Klimawandel profitiert dabei enorm von m{\"o}glichst genauen Absch{\"a}tzungen k{\"u}nftiger Klima{\"a}nderungen. Das geeignete Werkzeug hierf{\"u}r sind Gekoppelte Atmosph{\"a}re Ozean Modelle (AOGCMs). F{\"u}r solche Fragestellungen m{\"u}ssen allerdings weitreichende Annahmen {\"u}ber die zuk{\"u}nftigen klimarelevanten Randbedingungen getroffen werden. Individuelle Fehler dieser Klimamodelle, die aus der nicht perfekten Abbildung der realen Verh{\"a}ltnisse und Prozesse resultieren, erh{\"o}hen die Unsicherheit langfristiger Klimaprojektionen. So unterscheiden sich die Aussagen verschiedener AOGCMs im Hinblick auf den zuk{\"u}nftigen Klimawandel insbesondere bei regionaler Betrachtung, deutlich. Als Absicherung gegen Modellfehler werden {\"u}blicherweise die Ergebnisse mehrerer AOGCMs, eines Ensembles an Modellen, kombiniert. Um die Absch{\"a}tzung des Klimawandels zu pr{\"a}zisieren, wird in der vorliegenden Arbeit der Versuch unternommen, eine Bewertung der Modellperformance der 24 AOGCMs, die an der dritten Phase des Vergleichsprojekts f{\"u}r gekoppelte Modelle (CMIP3) teilgenommen haben, zu erstellen. Auf dieser Basis wird dann eine nummerische Gewichtung f{\"u}r die Kombination des Ensembles erstellt. Zun{\"a}chst werden die von den AOGCMs simulierten Klimatologien f{\"u}r einige grundlegende Klimaelemente mit den betreffenden klimatologien verschiedener Beobachtungsdatens{\"a}tze quantitativ abgeglichen. Ein wichtiger methodischer Aspekt hierbei ist, dass auch die Unsicherheit der Beobachtungen, konkret Unterschiede zwischen verschiedenen Datens{\"a}tzen, ber{\"u}cksichtigt werden. So zeigt sich, dass die Aussagen, die aus solchen Ans{\"a}tzen resultieren, von zu vielen Unsicherheiten in den Referenzdaten beeintr{\"a}chtigt werden, um generelle Aussagen zur Qualit{\"a}t von AOGCMs zu treffen. Die Nutzung der K{\"o}ppen-Geiger Klassifikation offenbart jedoch, dass die prinzipielle Verteilung der bekannten Klimatypen im kompletten CMIP3 in vergleichbar guter Qualit{\"a}t reproduziert wird. Als Bewertungskriterium wird daher hier die F{\"a}higkeit der AOGCMs die großskalige nat{\"u}rliche Klimavariabilit{\"a}t, konkret die hochkomplexe gekoppelte El Ni{\~n}o-Southern Oscillation (ENSO), realistisch abzubilden herangezogen. Es kann anhand verschiedener Aspekte des ENSO-Ph{\"a}nomens gezeigt werden, dass nicht alle AOGCMs hierzu mit gleicher Realit{\"a}tsn{\"a}he in der Lage sind. Dies steht im Gegensatz zu den dominierenden Klimamoden der Außertropen, die modell{\"u}bergreifend {\"u}berzeugend repr{\"a}sentiert werden. Die wichtigsten Moden werden, in globaler Betrachtung, in verschiedenen Beobachtungsdaten {\"u}ber einen neuen Ansatz identifiziert. So k{\"o}nnen f{\"u}r einige bekannte Zirkulationsmuster neue Indexdefinitionen gewonnen werden, die sich sowohl als {\"a}quivalent zu den Standardverfahren erweisen und im Vergleich zu diesen zudem eine deutliche Reduzierung des Rechenaufwandes bedeuten. Andere bekannte Moden werden dagegen als weniger bedeutsame, regionale Zirkulationsmuster eingestuft. Die hier vorgestellte Methode zur Beurteilung der Simulation von ENSO ist in guter {\"U}bereinstimmung mit anderen Ans{\"a}tzen, ebenso die daraus folgende Bewertung der gesamten Performance der AOGCMs. Das Spektrum des Southern Oscillation-Index (SOI) stellt somit eine aussagekr{\"a}ftige Kenngr{\"o}ße der Modellqualit{\"a}t dar. Die Unterschiede in der F{\"a}higkeit, das ENSO-System abzubilden, erweisen sich als signifikante Unsicherheitsquelle im Hinblick auf die zuk{\"u}nftige Entwicklung einiger fundamentaler und bedeutsamer Klimagr{\"o}ßen, konkret der globalen Mitteltemperatur, des SOIs selbst, sowie des indischen Monsuns. Ebenso zeigen sich signifikante Unterschiede f{\"u}r regionale Klima{\"a}nderungen zwischen zwei Teilensembles des CMIP3, die auf Grundlage der entwickelten Bewertungsfunktion eingeteilt werden. Jedoch sind diese Effekte im Allgemeinen nicht mit den Auswirkungen der anthropogenen Klima{\"a}nderungssignale im Multi-Modell Ensemble vergleichbar, die f{\"u}r die meisten Klimagr{\"o}ßen in einem robusten multivariaten Ansatz detektiert und quantifiziert werden k{\"o}nnen. Entsprechend sind die effektiven Klima{\"a}nderungen, die sich bei der Kombination aller Simulationen als grundlegende Aussage des CMIP3 unter den speziellen Randbedingungen ergeben nahezu unabh{\"a}ngig davon, ob alle L{\"a}ufe mit dem gleichen Einfluss ber{\"u}cksichtigt werden, oder ob die erstellte nummerische Gewichtung verwendet wird. Als eine wesentliche Begr{\"u}ndung hierf{\"u}r kann die Spannbreite der Entwicklung des ENSO-Systems identifiziert werden. Dies bedeutet gr{\"o}ßere Schwankungen in den Ergebnissen der Modelle mit funktionierendem ENSO, was den Stellenwert der nat{\"u}rlichen Variabilit{\"a}t als Unsicherheitsquelle in Fragen des Klimawandels unterstreicht. Sowohl bei Betrachtung der Teilensembles als auch der Gewichtung wirken sich dadurch gegenl{\"a}ufige Trends im SOI ausgleichend auf die Entwicklung anderer Klimagr{\"o}ßen aus, was insbesondere bei letzterem Vorgehen signifikante mittlere Effekte des Ansatzes, verglichen mit der Verwendung des {\"u}blichen arithmetischen Multi-Modell Mittelwert, verhindert.},
  subject      = {Modell},
  language  = {de}
}