@phdthesis{Keupp2024,
  author    = {Keupp, Luzia Esther},
  title     = {Hochaufgel{\"o}ste Erfassung zuk{\"u}nftiger Klimarisiken f{\"u}r Land- und Forstwirtschaft in Unterfranken},
  doi       = {10.25972/OPUS-34735},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-347350},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2024},
  abstract  = {Das Klima und seine Ver{\"a}nderungen wirken sich direkt auf die Land- und Forstwirtschaft aus. Daher ist die Untersuchung der zuk{\"u}nftigen Klimarisiken f{\"u}r diese Sektoren von hoher Relevanz. Dies ist auch und vor allem f{\"u}r den schon heute weitr{\"a}umig trockheitsgepr{\"a}gten und vom Klimawandel besonders betroffenen nordwestbayerischen Regierungsbezirk Unterfranken der Fall, dessen Gebiet zu {\"u}ber 80 \% land- oder forstwirtschaftlich genutzt wird. Zur Untersuchung der Zukunft in hoher r{\"a}umlicher Aufl{\"o}sung werden Projektionen von regionalen Klimamodellen genutzt. Da diese jedoch Defizite in der Repr{\"a}sentation des beobachteten Klimas der Vergangenheit aufweisen, sollte vor der weiteren Verwendung eine Anpassung der Daten erfolgen. Dies geschieht in der vorliegenden Arbeit am Beispiel des regionalen Klimamodells REMO im Bezug auf klimatische Kennwerte f{\"u}r Trockenheit, Starkniederschlag, Hitze sowie (Sp{\"a}t-)Frost, die alle eine hohe land- und forstwirtschaftliche Bedeutung besitzen. Die Datenanpassung erfolgt durch zwei verschiedene Ans{\"a}tze. Zum Einen wird eine Biaskorrektur der aus Globalmodell-angetriebenen REMO-Daten berechneten Indizes durch additive und multiplikative Linearskalierung sowie empirische und parametrische Verteilungsanpassung durchgef{\"u}hrt. Zum Anderen wird ein exploratives Verfahren auf Basis von Model Output Statistics angewandt: Lokale und großr{\"a}umige atmosph{\"a}rische Variablen von REMO mit Reanalyseantrieb, die eine zeitliche Korrespondenz zu den Beobachtungen aufweisen, dienen als Pr{\"a}diktoren f{\"u}r die Aufstellung von Transferfunktionen zur Simulation der Indizes. Diese Transferfunktionen werden sowohl mithilfe Multipler Linearer Regression als auch mit verschiedenen Generalisierten Linearen Modellen konstruiert. Sie werden anschließend genutzt, um Analysen auf Basis von biaskorrigierten Globalmodell-angetriebenen REMO-Pr{\"a}diktoren durchzuf{\"u}hren. Sowohl f{\"u}r die Biaskorrektur als auch die Model Output Statistics wird eine Kreuzvalidierung durchgef{\"u}hrt, um die Ergebnisse unabh{\"a}ngig vom jeweiligen Trainingszeitraum zu untersuchen und die jeweils besten Varianten zu finden. Werden beide Verfahren mit ihren Unterkategorien f{\"u}r den gesamten historischen Modellzeitraum verglichen, so weist f{\"u}r alle Monat-Kennwert-Kombinationen eine der beiden Verteilungskorrekturen die besten Ergebnisse auf. Die Zukunftsprojektionen unter Verwendung der jeweils erfolgreichsten Methode zeigen im regionalen Durchschnitt f{\"u}r das 21. Jahrhundert negative Trends der (Sp{\"a}t-)Frost- und Eis- sowie positive Trends der Hitzetageh{\"a}ufigkeit. Winterliche Starkregenereignisse nehmen hinsichtlich ihrer Anzahl zu, im Sommer verst{\"a}rkt sich die Trockenheit. Die Hinzunahme zwei weiterer regionaler Klimamodelle best{\"a}tigt die allgemeinen Zukunftstrends, jedoch ergeben sich beim Sp{\"a}tfrost Widerspr{\"u}che, wenn dieser hinsichtlich der thermisch abgegrenzten Vegetationsperiode definiert wird. Zus{\"a}tzlich werden die Model Output Statistics auf gleiche Weise mit bodennahen Pr{\"a}diktoren zur Simulation von Ertr{\"a}gen aus Acker- und Weinbau wiederholt. Die G{\"u}te kann aufgrund mangelnder Beobachtungsdatenl{\"a}nge nur anhand der Reanalyse-angetriebenen REMO-Daten abgesch{\"a}tzt werden, ist hierbei jedoch deutlich besser als im Bezug auf die Kennwertsimulation. Die Zukunftsprojektionen von REMO sowie drei weiterer Regionalmodelle zeigen im Mittel {\"u}ber alle Landkreise Unterfrankens steigende Winter- sowie sinkende Sommerfeldfruchtertr{\"a}ge. Hinsichtlich der Frankenweinertr{\"a}ge widersprechen sich die Ergebnisse der drei Klassen Weiß-, Rot- und Gesamtwein insofern, als dass REMO und ein weiteres Modell negative Weiß- und Rotweinertragstrends, jedoch positive Gesamtweinertragstrends simulieren. Die zwei anderen verwendeten Modelle f{\"u}hren durch positive Trendvorzeichen f{\"u}r den Weißwein zu insgesamt koh{\"a}renten Ergebnissen. Die Resultate im Bezug auf die land- und forstwirtschaftlich relevanten klimatischen Kennwerte bedeuten, dass Anpassungsmaßnahmen gegen{\"u}ber Hitze sowie im Speziellen gegen{\"u}ber Trockenheit in Zukunft im ohnehin trockenheitsgepr{\"a}gten Unterfranken an Bedeutung gewinnen werden. Auch die unsicheren Projektionen im Bezug auf die Sp{\"a}tfrostgefahr m{\"u}ssen im Blick behalten werden. Die Trends der Feldfruchtertr{\"a}ge deuten in die gleiche Richtung, da Sommergetreide eine h{\"o}here Trockenheitsanf{\"a}lligkeit besitzen. Die unklaren Ergebnisse der Weinertr{\"a}ge hingegen lassen keine eindeutigen Schl{\"u}sse zu. Der starke anthropogene Einfluss auf die Erntemengen sowie die großen Unterschiede der Rebsorten hinsichtlich der klimatischen Eignung k{\"o}nnten ein Grund hierf{\"u}r sein.},
  subject      = {Klima},
  language  = {de}
}
@phdthesis{Ibebuchi2023,
  author    = {Ibebuchi, Chibuike Chiedozie},
  title     = {Bias correction of climate model output for Germany},
  doi       = {10.25972/OPUS-31264},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-312647},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2023},
  abstract  = {Regional climate models (RCMs) are tools used to project future climate change at a regional scale. Despite their high horizontal resolution, RCMs are characterized by systematic biases relative to observations, which can result in unrealistic interpretations of future climate change signals. On the other hand, bias correction (BC) is a popular statistical post-processing technique applied to improve the usability of output from climate models. Like every other statistical technique, BC has its strengths and weaknesses. Hence, within the regional context of Germany, and for temperature and precipitation, this study is dedicated to the assessment of the impact of different BC techniques on the RCM output. The focuses are on the impact of BC on the RCM's statistical characterization, and physical consistency defined as the spatiotemporal consistency between the bias-corrected variable and the simulated physical mechanisms governing the variable, as well as the correlations between the bias-corrected variable and other (simulated) climate variables. Five BC techniques were applied in adjusting the systematic biases in temperature and precipitation RCM outputs. The BC techniques are linear scaling, empirical quantile mapping, univariate quantile delta mapping, multivariate quantile delta mapping that considers inter-site dependencies, and multivariate quantile delta mapping that considers inter-variable dependencies (MBCn). The results show that each BC technique adds value in reducing the biases in the statistics of the RCM output, though the added value depends on several factors such as the temporal resolution of the data, choice of RCM, climate variable, region, and the metric used in evaluating the BC technique. Further, the raw RCMs reproduced portions of the observed modes of atmospheric circulation in Western Europe, and the observed temperature, and precipitation meteorological patterns in Germany. After the BC, generally, the spatiotemporal configurations of the simulated meteorological patterns as well as the governing large-scale mechanisms were reproduced. However, at a more localized spatial scale for the individual meteorological patterns, the BC changed the simulated co-variability of some grids, especially for precipitation. Concerning the co-variability among the variables, a physically interpretable positive correlation was found between temperature and precipitation during boreal winter in both models and observations. For most grid boxes in the study domain and on average, the BC techniques that do not adjust inter-variable dependency did not notably change the simulated correlations between the climate variables. However, depending on the grid box, the (univariate) BC techniques tend to degrade the simulated temporal correlations between temperature and precipitation. Further, MBCn which adjusts biases in inter-variable dependency has the skill to improve the correlations between the simulated variables towards observations.},
  language  = {en}
}
@phdthesis{Engelbauer2023,
  author    = {Engelbauer, Manuel},
  title     = {Global assessment of recent UNESCO Biosphere Reserve quality enhancement strategies and interlinkages with other UNESCO labels},
  publisher = {W{\"u}rzburg University Press},
  address   = {W{\"u}rzburg},
  isbn      = {978-3-95826-196-9},
  doi       = {10.25972/WUP-978-3-95826-197-6},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-286538},
  school      = {W{\"u}rzburg University Press},
  pages     = {XVI, 187},
  year      = {2023},
  abstract  = {In 1995, the Second International Biosphere Reserve Congress in Seville resulted in a set of new regulations that spurred a significant paradigm shift in the UNESCO Man and Bio-sphere (MAB) Programme, reconceptualizing the research programme as a modern instrument for the dual mandate of nature conservation and sustainable development. But almost 20 years later, a large proportion of biosphere reserves designated before 1996 still did not comply with the new regulations. In 2013, the International Coordination Council of the MAB Programme announced the 'Exit Strategy' to assess, monitor and improve the quality of the World Network of Biosphere Reserves. However, the strategy also meant that 266 biosphere reserves in 76 member states were faced with the possibility of exclusion from the world network. This study presents a global assessment of the challenges that result from the Exit Strategy and the Process of Excellence and Enhancement that follows. Specifically, it investigates the differences in quality management strategies and the periodic review processes of various biosphere reserves, the effects of those quality management strategies on the MAB Programme and on the 76 directly affected member states, and the interlinkages between the MAB Programme and other UNESCO designations for nature conservation: the natural World Heritage Sites and the Global Geoparks. Semi-structured expert interviews were conducted with 31 participants in 21 different countries, representing all UN regions. To showcase the diversity of the World Network of Bio-sphere Reserves, 20 country-specific case studies are presented, highlighting the challenges of implementing the biosphere reserve concept and, more specifically, the periodic review process. Information gleaned from the experts was transcribed and evaluated using a qualitative content analysis method. The results of this study demonstrate major differences worldwide in the implementation biosphere reserves, especially in the case of the national affiliation of the MAB Programme, the legal recognition of biosphere reserves in national legislation, the usage of the term 'bio-sphere reserve' and the governance structures of the biosphere reserves. Of those represented by the case studies, the four countries with the highest number of voluntary biosphere reserves withdrawals after 2013, Australia, Austria, Bulgaria and the United States of America, show that the Exit Strategy contributed to the streamlining and quality enhancement of the world network. The biosphere reserves in those countries were strictly nature conservation areas without human settlements and were designated as such in the 1970s and 1980s. Only post-Seville biosphere reserves remain in those countries. Some experts have pointed out that there appears to be competition for political attention and funding between the three UNESCO labels for nature conservation. While a combination of the designation of biosphere reserves and World Heritage Sites in one place is favoured by experts, Global Geoparks and Biosphere Reserves are seen as being in competition with each other. This study concludes that quality enhancement strategies were fundamental to improving the credibility and coherence of the MAB Programme. Most pre-Seville biosphere reserves were adapted or the member states were encouraged to withdraw them voluntarily. Challenges in implementing the Exit Strategy were not unique to individual countries but applied equally to all member states with pre-Seville sites. Over the course of the quality enhancement process, many UNESCO member states have become more involved with the MAB Programme, which has led to rejuvenation of the national biosphere reserves network in many countries.},
  subject      = {Naturschutz},
  language  = {en}
}
@phdthesis{Abel2023,
  author    = {Abel, Daniel Karl-Joseph},
  title     = {Weiterentwicklung der Bodenhydrologie des regionalen Klimamodells REMO},
  doi       = {10.25972/OPUS-31146},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-311468},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2023},
  abstract  = {Die Bodenfeuchte stellt eine essenzielle Variable f{\"u}r den Energie-, Feuchte- und Stoffaustausch zwischen Landoberfl{\"a}che und Atmosph{\"a}re dar. Ihre Auswirkungen auf Temperatur und Niederschlag sind vielf{\"a}ltig und komplex. Die in Klimamodellen verwendeten Schemata zur Simulation der Bodenfeuchte, auch bodenhydrologische Schemata genannt, sind aufgrund des Ursprungs der Klimamodelle aus Wettermodellen jedoch h{\"a}ufig sehr stark vereinfacht dargestellt. Bei Klimamodellen, die Simulationen mit einer groben Aufl{\"o}sung von mehreren Zehner- oder Hunderterkilometern rechnen, k{\"o}nnen viele Prozesse vernachl{\"a}ssigt werden. Da die Aufl{\"o}sung der Klimamodelle jedoch stetig steigt und mittlerweile beim koordinierten Projekt regionaler Klimamodelle CORDEX-CORE standardm{\"a}ßig bei 0.22° Kantenl{\"a}nge liegt, m{\"u}ssen auch h{\"o}her aufgel{\"o}ste Daten und mehr Prozesse simuliert werden. Dies gilt erst recht mit Blick auf konvektionsaufl{\"o}sende Simulationen mit wenigen Kilometern Kantenl{\"a}nge. Mit steigenden Modellaufl{\"o}sungen steigt zugleich die Komplexit{\"a}t und Differenziertheit der Fragestellungen, die mit Hilfe von Klimamodellen beantwortet werden sollen. An diesem Punkt setzt auch das Projekt BigData@Geo an, in dessen Rahmen die vorliegende Arbeit entstand. Ziel dieses Projektes ist es, hochaufgel{\"o}ste Klimainformationen f{\"u}r den bayerischen Regierungsbezirk Unterfranken f{\"u}r Akteure aus der Land- und Forstwirtschaft sowie dem Weinbau zur Verf{\"u}gung zu stellen. Auf diesen angewandten und grundlegenden Anforderungen und Zielsetzungen basierend, bedarf auch das in dieser Arbeit verwendete regionale Klimamodell REMO (Version 2015) der weiteren Entwicklung. So ist das Hauptziel der Arbeit das bestehende einschichtige bodenhydrologische Schema durch ein mehrschichtiges zu ersetzen. Der Vorteil mehrerer simulierter Bodenschichten besteht darin, dass nun die vertikale Bewegung des Wassers in Form von Versickerung und kapillarem Aufstieg simuliert werden kann. Dies geschieht auf der Basis bodenhydrologischer Parameter, deren Wert in Abh{\"a}ngigkeit vom Boden und der Bodenfeuchte {\"u}ber die Wasserr{\"u}ckhaltekurve bestimmt wird. F{\"u}r diese Kurve existieren verschiedene Parametrisierungen, von denen die Ans{\"a}tze von Clapp-Hornberger und van Genuchten verwendet wurden. Außerdem kann die Bodenfeuchte nun bis zu einer Tiefe von circa 10 m beziehungsweise der Tiefe des anstehenden Gesteins simuliert werden. Damit besteht im Gegensatz zum vorherigen Schema, dessen Tiefe auf die Wurzeltiefe beschr{\"a}nkt ist, die M{\"o}glichkeit, dass Wasser auch unterhalb der Wurzeln zur Verf{\"u}gung stehen kann und somit die absolute im Boden verf{\"u}gbare Wassermenge zunimmt. Die Schichtung erlaubt dar{\"u}ber hinaus die Verdunstung aus unbewachsenem Boden lediglich auf Basis des in der obersten Schicht verf{\"u}gbaren Wassers. Ein weiterer Prozess, der dank der Schichtung und der weiter unten erl{\"a}uterten Datens{\"a}tze neu parametrisiert werden kann, ist die Infiltration. F{\"u}r die Verwendung des Schemas sind Informationen {\"u}ber bodenhydrologische Parameter, die Wurzeltiefe und die Tiefe bis zum anstehenden Gestein erforderlich. Entsprechende Datens{\"a}tze m{\"u}ssen hierf{\"u}r aufbereitet und in das Modell eingebaut werden. Bez{\"u}glich der Wurzeltiefe wurden drei sich bez{\"u}glich der Tiefe, der Definition und der verf{\"u}gbaren Aufl{\"o}sung stark voneinander unterscheidende Datens{\"a}tze verglichen. Letztendlich wird die Wurzeltiefe aus dem mit einer anderen REMO-Version gekoppelten Vegetationsmodul iMOVE verwendet, da zuk{\"u}nftig eine Kopplung dieses Moduls mit dem mehrschichtigen Boden geplant ist und die Wurzeltiefen damit konsistent sind. Zudem ist die zugrundeliegende Aufl{\"o}sung der Daten hoch und es werden maximale Wurzeltiefen ber{\"u}cksichtigt, die besonders wichtig f{\"u}r die Simulation von Landoberfl{\"a}che-Atmosph{\"a}re-Interaktionen sind. Diese Vorteile brachten die anderen Datens{\"a}tze nicht mit. In der finalen Modellversion werden f{\"u}r die Tiefe bis zum anstehenden Gestein und die Korngr{\"o}ßenverteilungen die Daten von SoilGrids verwendet. Ein Vergleich mit anderen Bodendatens{\"a}tzen fand in einer parallel laufenden Dissertation statt (Ziegler 2022). Bei SoilGrids ist hervorzuheben, dass die Korngr{\"o}ßenverteilungen in einer hohen r{\"a}umlichen Aufl{\"o}sung (1 km^2 oder h{\"o}her) und mit mehreren vertikalen Schichten vorliegen. Gegen{\"u}ber dem urspr{\"u}nglich in REMO verwendeten Datensatz mit einer Kantenl{\"a}nge von 0.5° und ohne vertikale Differenzierung ist dies eine starke Verbesserung der Eingangsdaten. Dazu kommt, dass die Korngr{\"o}ßenverteilungen die Verwendung kontinuierlicher Pedotransferfunktionen statt f{\"u}nf diskreter Texturklassen, denen f{\"u}r die bodenhydrologischen Parameter fixe Tabellenwerte zugewiesen werden, erm{\"o}glichen. Dies f{\"u}hrt zu einer deutlich besseren Differenzierung des heterogenen Bodens. Im Rahmen der Arbeit wurden insgesamt 19 Simulationen f{\"u}r Europa und ein erweitertes Deutschlandgebiet mit Aufl{\"o}sungen von 0.44° beziehungsweise 0.11° f{\"u}r den Zeitraum 2000 bis 2018 gerechnet. Dabei zeigte sich, dass die Einf{\"u}hrung des mehrschichtigen Bodenschemas gegen{\"u}ber dem einschichtigen Schema zu einer Verringerung der Bodenfeuchte in der Wurzeltiefe f{\"u}hrt. Nichtsdestotrotz nimmt die absolute Wassermenge des Bodens durch die Ber{\"u}cksichtigung des Bodens unterhalb der Wurzelzone zu. Bezogen auf die einzelnen Schichten wird die Bodenfeuchte damit zwar untersch{\"a}tzt, im Laufe der Modellentwicklung kann jedoch eine Verbesserung im Vergleich zu ERA5 erzielt werden. Das neue Schema f{\"u}hrt zu einer Verringerung der Evapotranspiration, die {\"u}ber alle Schritte der Modellentwicklung und besonders w{\"a}hrend der Sommermonate auftritt. Im Vergleich zu Validationsdaten von ERA5 und GLEAM zeigt sich, dass dies eine Verbesserung dieser Gr{\"o}ße bedeutet, die sowohl in der Fl{\"a}che als auch beim Fehler und in der Verteilung auftritt. Gleiches l{\"a}sst sich f{\"u}r den Oberfl{\"a}chenabfluss sagen. Hierf{\"u}r implementierte Schemata (Philip, Green-Ampt), die anders als das standardm{\"a}ßig verwendete Improved-Arno-Schema bodenhydrologische Parameter ber{\"u}cksichtigen, konnten eine weitere Verbesserung im Flachland zeigen. In Gebirgsregionen nahm der Fehler durch die nicht enthaltene Ber{\"u}cksichtigung der Hangneigung jedoch zu, sodass in der finalen Modellversion auf das Improved-Arno-Schema zur{\"u}ckgegriffen wurde. Die Temperatur steigt durch die urspr{\"u}ngliche Version des mehrschichtigen Schemas zun{\"a}chst an, was zu einer {\"U}ber- statt der vorherigen Untersch{\"a}tzung gegen{\"u}ber E-OBS f{\"u}hrt. Die Modellentwicklung resultiert zwar in einer Reduzierung der Temperatur, jedoch f{\"a}llt diese zu stark aus, sodass der Temperaturfehler letztendlich gr{\"o}ßer als in der einschichtigen Modellversion ist. Da die Evapotranspiration jedoch maßgeblich verbessert wurde, kann dieser Fehler eventuell auf ein {\"u}berm{\"a}ßiges Tuning der Temperatur zur{\"u}ckgef{\"u}hrt werden. Die Betrachtung von Hitzeereignissen am Beispiel der Sommer 2003 und 2018 hat gezeigt, dass die Modellentwicklung dazu beitr{\"a}gt, diese Ereignisse besser als das einschichtige Schema zu simulieren. Zwar trifft dies nicht auf das r{\"a}umliche Verhalten der mittleren Temperatur zu, jedoch auf deren zeitlichen Verlauf. Hinzu kommt die bessere Simulation der t{\"a}glichen Extrem- und besonders der Minimaltemperatur, was zu einer Erh{\"o}hung der t{\"a}glichen Temperaturspanne f{\"u}hrt. Diese wird von Klimamodellen in der Regel zu stark untersch{\"a}tzt. Durch die Ber{\"u}cksichtigung der vertikalen Wasserfl{\"u}sse hat sich jedoch auch gezeigt, dass noch enormes Entwicklungspotenzial mit Blick auf (boden)hydrologische Prozesse besteht. Dies gilt in besonderem Maße f{\"u}r zuk{\"u}nftige Simulationen mit konvektionserlaubender Aufl{\"o}sung. So sollten subskalige Informationen des Bodens und der Orographie ber{\"u}cksichtigt werden. Dies dient einerseits der Repr{\"a}sentation vorliegender Heterogenit{\"a}ten und kann andererseits, wie am Beispiel der Infiltrationsschemata dargelegt, zur Verbesserung bestehender Prozesse beitragen. Da die simulierte Drainage durch das mehrschichtige Bodenschema im gleichen Maße zu- wie der Oberfl{\"a}chenabfluss abnimmt und das Wasser dem Modell in der Folge nicht weiter zur Verf{\"u}gung steht, sollte zuk{\"u}nftig auch Grundwasser im Modell ber{\"u}cksichtigt werden. Eine Vielzahl von Studien konnte einen Mehrwert durch die Implementierung dieser Variable und damit verbundener Prozesse feststellen. Mittelfristig ist jedoch insgesamt die Kopplung an ein hydrologisches Modell zu empfehlen, um die bei hochaufl{\"o}senden Simulationen relevanten Prozesse angemessen repr{\"a}sentieren zu k{\"o}nnen. Hierf{\"u}r bieten sich beispielsweise ParFlow oder mHM an. Insgesamt ist festzuhalten, dass das mehrschichtige Bodenschema einen Mehrwert liefert, da schwer zu simulierende und in der Postprozessierung zu korrigierende Variablen wie die Evapotranspiration und der Oberfl{\"a}chenabfluss deutlich besser modelliert werden k{\"o}nnen als mit dem einschichtigen Schema. Dies gilt auch f{\"u}r die Extremtemperaturen. Beides ist klar auf die Schichtung des Bodens und damit einhergehender Prozesse zur{\"u}ckzuf{\"u}hren. Bez{\"u}glich der Daten zeigt sich, dass die Wurzeltiefe, die Ber{\"u}cksichtigung von SoilGrids und die vertikale Bodeninformation f{\"u}r die weitere Optimierung verantwortlich sind. Dar{\"u}ber hinaus ist der h{\"o}here Informationsgehalt, der anhand der geschichteten Bodenfeuchte zur Verf{\"u}gung steht, ebenfalls als Mehrwert einzustufen.},
  subject      = {Klima},
  language  = {de}
}
@phdthesis{Hoeser2022,
  author    = {H{\"o}ser, Thorsten},
  title     = {Global Dynamics of the Offshore Wind Energy Sector Derived from Earth Observation Data - Deep Learning Based Object Detection Optimised with Synthetic Training Data for Offshore Wind Energy Infrastructure Extraction from Sentinel-1 Imagery},
  doi       = {10.25972/OPUS-29285},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-292857},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2022},
  abstract  = {The expansion of renewable energies is being driven by the gradual phaseout of fossil fuels in order to reduce greenhouse gas emissions, the steadily increasing demand for energy and, more recently, by geopolitical events. The offshore wind energy sector is on the verge of a massive expansion in Europe, the United Kingdom, China, but also in the USA, South Korea and Vietnam. Accordingly, the largest marine infrastructure projects to date will be carried out in the upcoming decades, with thousands of offshore wind turbines being installed. In order to accompany this process globally and to provide a database for research, development and monitoring, this dissertation presents a deep learning-based approach for object detection that enables the derivation of spatiotemporal developments of offshore wind energy infrastructures from satellite-based radar data of the Sentinel-1 mission. For training the deep learning models for offshore wind energy infrastructure detection, an approach is presented that makes it possible to synthetically generate remote sensing data and the necessary annotation for the supervised deep learning process. In this synthetic data generation process, expert knowledge about image content and sensor acquisition techniques is made machine-readable. Finally, extensive and highly variable training data sets are generated from this knowledge representation, with which deep learning models can learn to detect objects in real-world satellite data. The method for the synthetic generation of training data based on expert knowledge offers great potential for deep learning in Earth observation. Applications of deep learning based methods can be developed and tested faster with this procedure. Furthermore, the synthetically generated and thus controllable training data offer the possibility to interpret the learning process of the optimised deep learning models. The method developed in this dissertation to create synthetic remote sensing training data was finally used to optimise deep learning models for the global detection of offshore wind energy infrastructure. For this purpose, images of the entire global coastline from ESA's Sentinel-1 radar mission were evaluated. The derived data set includes over 9,941 objects, which distinguish offshore wind turbines, transformer stations and offshore wind energy infrastructures under construction from each other. In addition to this spatial detection, a quarterly time series from July 2016 to June 2021 was derived for all objects. This time series reveals the start of construction, the construction phase and the time of completion with subsequent operation for each object. The derived offshore wind energy infrastructure data set provides the basis for an analysis of the development of the offshore wind energy sector from July 2016 to June 2021. For this analysis, further attributes of the detected offshore wind turbines were derived. The most important of these are the height and installed capacity of a turbine. The turbine height was calculated by a radargrammetric analysis of the previously detected Sentinel-1 signal and then used to statistically model the installed capacity. The results show that in June 2021, 8,885 offshore wind turbines with a total capacity of 40.6 GW were installed worldwide. The largest installed capacities are in the EU (15.2 GW), China (14.1 GW) and the United Kingdom (10.7 GW). From July 2016 to June 2021, China has expanded 13 GW of offshore wind energy infrastructure. The EU has installed 8 GW and the UK 5.8 GW of offshore wind energy infrastructure in the same period. This temporal analysis shows that China was the main driver of the expansion of the offshore wind energy sector in the period under investigation. The derived data set for the description of the offshore wind energy sector was made publicly available. It is thus freely accessible to all decision-makers and stakeholders involved in the development of offshore wind energy projects. Especially in the scientific context, it serves as a database that enables a wide range of investigations. Research questions regarding offshore wind turbines themselves as well as the influence of the expansion in the coming decades can be investigated. This supports the imminent and urgently needed expansion of offshore wind energy in order to promote sustainable expansion in addition to the expansion targets that have been set.},
  language  = {en}
}
@phdthesis{Uereyen2022,
  author    = {{\"U}reyen, Soner},
  title     = {Multivariate Time Series for the Analysis of Land Surface Dynamics - Evaluating Trends and Drivers of Land Surface Variables for the Indo-Gangetic River Basins},
  doi       = {10.25972/OPUS-29194},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-291941},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2022},
  abstract  = {The investigation of the Earth system and interplays between its components is of utmost importance to enhance the understanding of the impacts of global climate change on the Earth's land surface. In this context, Earth observation (EO) provides valuable long-term records covering an abundance of land surface variables and, thus, allowing for large-scale analyses to quantify and analyze land surface dynamics across various Earth system components. In view of this, the geographical entity of river basins was identified as particularly suitable for multivariate time series analyses of the land surface, as they naturally cover diverse spheres of the Earth. Many remote sensing missions with different characteristics are available to monitor and characterize the land surface. Yet, only a few spaceborne remote sensing missions enable the generation of spatio-temporally consistent time series with equidistant observations over large areas, such as the MODIS instrument. In order to summarize available remote sensing-based analyses of land surface dynamics in large river basins, a detailed literature review of 287 studies was performed and several research gaps were identified. In this regard, it was found that studies rarely analyzed an entire river basin, but rather focused on study areas at subbasin or regional scale. In addition, it was found that transboundary river basins remained understudied and that studies largely focused on selected riparian countries. Moreover, the analysis of environmental change was generally conducted using a single EO-based land surface variable, whereas a joint exploration of multivariate land surface variables across spheres was found to be rarely performed. To address these research gaps, a methodological framework enabling (1) the preprocessing and harmonization of multi-source time series as well as (2) the statistical analysis of a multivariate feature space was required. For development and testing of a methodological framework that is transferable in space and time, the transboundary river basins Indus, Ganges, Brahmaputra, and Meghna (IGBM) in South Asia were selected as study area, having a size equivalent to around eight times the size of Germany. These basins largely depend on water resources from monsoon rainfall and High Mountain Asia which holds the largest ice mass outside the polar regions. In total, over 1.1 billion people live in this region and in parts largely depend on these water resources which are indispensable for the world's largest connected irrigated croplands and further domestic needs as well. With highly heterogeneous geographical settings, these river basins allow for a detailed analysis of the interplays between multiple spheres, including the anthroposphere, biosphere, cryosphere, hydrosphere, lithosphere, and atmosphere. In this thesis, land surface dynamics over the last two decades (December 2002 - November 2020) were analyzed using EO time series on vegetation condition, surface water area, and snow cover area being based on MODIS imagery, the DLR Global WaterPack and JRC Global Surface Water Layer, as well as the DLR Global SnowPack, respectively. These data were evaluated in combination with further climatic, hydrological, and anthropogenic variables to estimate their influence on the three EO land surface variables. The preprocessing and harmonization of the time series was conducted using the implemented framework. The resulting harmonized feature space was used to quantify and analyze land surface dynamics by means of several statistical time series analysis techniques which were integrated into the framework. In detail, these methods involved (1) the calculation of trends using the Mann-Kendall test in association with the Theil-Sen slope estimator, (2) the estimation of changes in phenological metrics using the Timesat tool, (3) the evaluation of driving variables using the causal discovery approach Peter and Clark Momentary Conditional Independence (PCMCI), and (4) additional correlation tests to analyze the human influence on vegetation condition and surface water area. These analyses were performed at annual and seasonal temporal scale and for diverse spatial units, including grids, river basins and subbasins, land cover and land use classes, as well as elevation-dependent zones. The trend analyses of vegetation condition mostly revealed significant positive trends. Irrigated and rainfed croplands were found to contribute most to these trends. The trend magnitudes were particularly high in arid and semi-arid regions. Considering surface water area, significant positive trends were obtained at annual scale. At grid scale, regional and seasonal clusters with significant negative trends were found as well. Trends for snow cover area mostly remained stable at annual scale, but significant negative trends were observed in parts of the river basins during distinct seasons. Negative trends were also found for the elevation-dependent zones, particularly at high altitudes. Also, retreats in the seasonal duration of snow cover area were found in parts of the river basins. Furthermore, for the first time, the application of the causal discovery algorithm on a multivariate feature space at seasonal temporal scale revealed direct and indirect links between EO land surface variables and respective drivers. In general, vegetation was constrained by water availability, surface water area was largely influenced by river discharge and indirectly by precipitation, and snow cover area was largely controlled by precipitation and temperature with spatial and temporal variations. Additional analyses pointed towards positive human influences on increasing trends in vegetation greenness. The investigation of trends and interplays across spheres provided new and valuable insights into the past state and the evolution of the land surface as well as on relevant climatic and hydrological driving variables. Besides the investigated river basins in South Asia, these findings are of great value also for other river basins and geographical regions.},
  subject      = {Multivariate Analyse},
  language  = {en}
}
@phdthesis{Bangelesa2022,
  author    = {Bangelesa, Freddy Fefe},
  title     = {Impacts of climate variability and change on Maize (\(Zea\) \(mays\)) production in tropical Africa},
  doi       = {10.25972/OPUS-25934},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-259347},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2022},
  abstract  = {Climate change is undeniable and constitutes one of the major threats of the 21st century. It impacts sectors of our society, usually negatively, and is likely to worsen towards the middle and end of the century. The agricultural sector is of particular concern, for it is the primary source of food and is strongly dependent on the weather. Considerable attention has been given to the impact of climate change on African agriculture because of the continent's high vulnerability, which is mainly due to its low adaptation capac- ity. Several studies have been implemented to evaluate the impact of climate change on this continent. The results are sometimes controversial since the studies are based on different approaches, climate models and crop yield datasets. This study attempts to contribute substantially to this large topic by suggesting specific types of climate pre- dictors. The study focuses on tropical Africa and its maize yield. Maize is considered to be the most important crop in this region. To estimate the effect of climate change on maize yield, the study began by developing a robust cross-validated multiple linear regression model, which related climate predictors and maize yield. This statistical trans- fer function is reputed to be less prone to overfitting and multicollinearity problems. It is capable of selecting robust predictors, which have a physical meaning. Therefore, the study combined: large-scale predictors, which were derived from the principal component analysis of the monthly precipitation and temperature; traditional local-scale predictors, mainly, the mean precipitation, mean temperature, maximum temperature and minimum temperature; and the Water Requirement Satisfaction Index (WRSI), derived from the specific crop (maize) water balance model. The projected maize-yield change is forced by a regional climate model (RCM) REMO under two emission scenarios: high emission scenario (RCP8.5) and mid-range emission scenario (RCP4.5). The different effects of these groups of predictors in projecting the future maize-yield changes were also assessed. Furthermore, the study analysed the impact of climate change on the global WRSI. The results indicate that almost 27 \% of the interannual variability of maize production of the entire region is explained by climate variables. The influence of climate predictors on maize-yield production is more pronounced in West Africa, reaching 55 \% in some areas. The model projection indicates that the maize yield in the entire region is expected to decrease by the middle of the century under an RCP8.5 emission scenario, and from the middle of the century to the end of the century, the production will slightly recover but will remain negative (around -10 \%). However, in some regions of East Africa, a slight increase in maize yield is expected. The maize-yield projection under RCP4.5 remains relatively unchanged compared to the baseline period (1982-2016). The results further indicate that large-scale predictors are the most critical drivers of the global year-to-year maize-yield variability, and ENSO - which is highly correlated with the most important predictor (PC2) - seems to be the physical process underlying this variability. The effects of local predictors are more pronounced in the eastern parts of the region. The impact of the future climate change on WRSI reveals that the availability of maize water is expected to decrease everywhere, except in some parts of eastern Africa.},
  language  = {en}
}
@phdthesis{Ziegler2022,
  author    = {Ziegler, Katrin},
  title     = {Implementierung von verbesserten Landoberfl{\"a}chenparametern und -prozessen in das hochaufgel{\"o}ste Klimamodell REMO},
  doi       = {10.25972/OPUS-26128},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-261285},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2022},
  abstract  = {Das Ziel dieser Arbeit war neue Eingangsdaten f{\"u}r die Landoberfl{\"a}chenbeschreibung des regionalen Klimamodells REMO zu finden und ins Modell zu integrieren, um die Vorhersagequalit{\"a}t des Modells zu verbessern. Die neuen Daten wurden so in das Modell eingebaut, dass die bisherigen Daten weiterhin als Option verf{\"u}gbar sind. Dadurch kann {\"u}berpr{\"u}ft werden, ob und in welchem Umfang sich die von jedem Klimamodell ben{\"o}tigten Rahmendaten auf Modellergebnisse auswirken. Im Zuge der Arbeit wurden viele unterschiedliche Daten und Methoden zur Generierung neuer Parameter miteinander verglichen, denn neben dem Ersetzen der konstanten Eingangswerte f{\"u}r verschiedene Oberfl{\"a}chenparameter und den damit verbundenen {\"A}nderungen wurden als zus{\"a}tzliche Verbesserung auch Ver{\"a}nderungen an der Parametrisierung des Bodens speziell in Hinblick auf die Bodentemperaturen in REMO vorgenommen. Im Rahmen dieser Arbeit wurden die durch die verschiedenen {\"A}nderungen ausgel{\"o}sten Auswirkungen f{\"u}r das CORDEX-Gebiet EUR-44 mit einer Aufl{\"o}sung von ca. 50km und f{\"u}r das in dem darin eingebetteten neu definierten Deutschlandgebiet GER-11 mit einer Aufl{\"o}sung von ca. 12km getestet sowie alle {\"A}nderungen anhand von verschiedenen Beobachtungsdatens{\"a}tzen validiert. Die vorgenommenen Arbeiten gliederten sich in drei Hauptteile. Der erste Teil bestand in dem vom eigentlichen Klimamodell unabh{\"a}ngigen Vergleich der verschiedenen Eingangsdaten auf unterschiedlichen Aufl{\"o}sungen und deren Performanz in allen Teilen der Erde, wobei ein besonderer Fokus auf der Qualit{\"a}t in den sp{\"a}teren Modellgebieten lag. Unter Ber{\"u}cksichtigung der Faktoren, wie einer globalen Verf{\"u}gbarkeit der Daten, einer verbesserten r{\"a}umlichen Aufl{\"o}sung und einer kostenlosen Nutzung der Daten sowie verschiedener Validationsergebnissen von anderen Studien, wurden in dieser Arbeit vier neue Topographiedatens{\"a}tze (SRTM, ALOS, TANDEM und ASTER) und drei neue Bodendatens{\"a}tze (FAOn, Soilgrid und HWSD) f{\"u}r die Verwendung im Pr{\"a}prozess von REMO aufbereitet und miteinander sowie mit den bisher in REMO verwendeten Daten verglichen. Auf Grundlage dieser Vergleichsstudien schieden bei den Topographiedaten die verwendeten Datensatz-Versionen von SRTM, ALOS und TANDEM f{\"u}r die in dieser Arbeit durchgef{\"u}hrten REMO-L{\"a}ufe aus. Bei den neuen Bodendatens{\"a}tzen wurde ausgenutzt, dass diese verschiedenen Bodeneigenschaften f{\"u}r unterschiedliche Tiefen als Karten zur Verf{\"u}gung stellen. In REMO wurden bisher alle ben{\"o}tigten Bodenparameter abh{\"a}ngig von f{\"u}nf verschiedenen Bodentexturklassen und einer zus{\"a}tzlichen Torfklasse ausgewiesen und als konstant {\"u}ber die gesamte Modellbodens{\"a}ule (bis ca. 10m) angenommen. Im zweiten Teil wurden auf Basis der im ersten Teil ausgew{\"a}hlten neuen Datens{\"a}tze und den neu verf{\"u}gbaren Bodenvariablen verschiedene Sensitivit{\"a}tsstudien {\"u}ber das Beispieljahr 2000 durchgef{\"u}hrt. Dabei wurden verschiedene neue Parametrisierungen f{\"u}r die bisher aus der Textur abgeleiteten Bodenvariablen und die Parametrisierung von weiteren hydrologischen und thermalen Bodeneigenschaften verglichen. Ferner wurde aufgrund der neuen nicht {\"u}ber die Tiefe konstanten Bodeneigenschaften eine neue numerische Methode zur Berechnung der Bodentemperaturen der f{\"u}nf Schichten in REMO getestet, welche wiederum andere Anpassungen erforderte. Der Test und die Auswahl der verschiedenen Datensatz- und Parametrisierungsversionen auf die Modellperformanz wurde in drei Experimentpl{\"a}ne unterteilt. Im ersten Plan wurden die Auswirkungen der ausgew{\"a}hlten Topographie- und Bodendatens{\"a}tze {\"u}berpr{\"u}ft. Der zweite Plan behandelte die Unterschiede der verschiedenen Parametrisierungsarten der Bodenvariablen hinsichtlich der verwendeten Variablen zur Berechnung der Bodeneigenschaften, der {\"u}ber die Tiefe variablen oder konstanten Eigenschaften und der verwendeten Berechnungsmethode der Bodentemperatur{\"a}nderungen. Durch die Erkenntnisse aus diesen beiden Experimentpl{\"a}nen, die f{\"u}r beide Untersuchungsgebiete durchgef{\"u}hrt wurden, ergaben sich im dritten Plan weitere Parametrisierungs{\"a}nderungen. Alle {\"A}nderungen dieses dritten Experimentplans wurden sukzessiv getestet, sodass der paarweise Vergleich von zwei aufeinanderfolgenden Modelll{\"a}ufen die Auswirkungen der Neuerung im jeweils zweiten Lauf widerspiegelt. Der letzte Teil der Arbeit bestand aus der Analyse von f{\"u}nf l{\"a}ngeren Modelll{\"a}ufen (2000-2018), die zur {\"U}berpr{\"u}fung der Ergebnisse aus den Sensitivit{\"a}tsstudien sowie zur Einsch{\"a}tzung der Performanz in weiteren teilweise extremen atmosph{\"a}rischen Bedingungen durchgef{\"u}hrt wurden. Hierf{\"u}r wurden die bisherige Modellversion von REMO (id01) f{\"u}r die beiden Untersuchungsgebiete EUR-44 und GER-11 als Referenzl{\"a}ufe, zwei aufgrund der Vergleichsergebnisse von Experimentplan 3 selektierte Modellversionen (id06 und id15a f{\"u}r GER-11) sowie die finale Version (id18a f{\"u}r GER-11), die alle vorgenommenen {\"A}nderungen dieser Arbeit enth{\"a}lt, ausgew{\"a}hlt. Es stellte sich heraus, dass sowohl die neuen Topographiedaten als auch die neuen Bodendaten große Differenzen zu den bisherigen Daten in REMO haben. Zudem {\"a}nderten sich die von diesen konstanten Eingangsdaten abgeleiteten Hilfsvariablen je nach verwendeter Parametrisierung sehr deutlich. Dies war besonders gut anhand der Bodenparameter zu erkennen. Sowohl die r{\"a}umliche Verteilung als auch der Wertebereich der verschiedenen Modellversionen unterschieden sich stark. Eine Einsch{\"a}tzung der Qualit{\"a}t der resultierenden Parameter wurde jedoch dadurch erschwert, dass auch die verschiedenen zur Validierung herangezogenen Bodendatens{\"a}tze f{\"u}r diese Parameter deutlich voneinander abweichen. Die finale Modellversion id18a {\"a}hnelte trotz der umfassenden {\"A}nderungen in den meisten Variablen den Ergebnissen der bisherigen REMO-Version. Je nach zeitlicher und r{\"a}umlicher Aggregation sowie unterschiedlichen Regionen und Jahreszeiten wurden leichte Verbesserungen, aber auch leichte Verschlechterungen im Vergleich zu den klimatologischen Validationsdaten festgestellt. Gr{\"o}ßere Ver{\"a}nderungen im Vergleich zur bisherigen Modellversion konnten in den tieferen Bodenschichten aufgezeigt werden, welche allerdings aufgrund von fehlenden Validationsdaten nicht beurteilt werden konnten. F{\"u}r alle 2m-Temperaturen konnte eine tendenzielle leichte Erw{\"a}rmung im Vergleich zum bisherigen Modelllauf beobachtet werden, was sich einerseits negativ auf die ohnehin durchschnittlich zu hohe Minimumtemperatur, aber andererseits positiv auf die bisher zu niedrige Maximumtemperatur des Modells in den betrachteten Gebieten auswirkte. Im Niederschlagssignal und in den 10m-Windvariablen konnten keine signifikanten {\"A}nderungen nachgewiesen werden, obwohl die neue Topographie an manchen Stellen im Modellgebiet deutlich von der bisherigen abweicht. Des Weiteren variierte das Ranking der verschiedenen Modellversionen jeweils nach dem angewendeten Qualit{\"a}tsindex. Um diese Ergebnisse besser einordnen zu k{\"o}nnen, muss ber{\"u}cksichtigt werden, dass die neuen Daten f{\"u}r Modellgebiete mit 50 bzw. 12km r{\"a}umlicher Aufl{\"o}sung und der damit verbundenen hydrostatischen Modellversion getestet wurden. Zudem sind vor allem in Fall der Topographie die bisher enthaltenen GTOPO-Daten (1km Aufl{\"o}sung) f{\"u}r die Aggregation auf diese gr{\"o}bere Modellaufl{\"o}sung geeignet. Die bisherigen Bodendaten stoßen jedoch mit 50km Aufl{\"o}sung bereits an ihre Grenzen. Zus{\"a}tzlich ist zu beachten, dass nicht nur die Mittelwerte dieser Daten, sondern auch deren Subgrid-Variabilit{\"a}t als Variablen im Modell f{\"u}r verschiedene Parametrisierungen verwendet werden. Daher ist es essentiell, dass die Eingangsdaten eine deutlich h{\"o}here Aufl{\"o}sung bereitstellen als die zur Modellierung definierte Aufl{\"o}sung. F{\"u}r lokale Klimasimulationen mit Aufl{\"o}sungen im niedrigen Kilometerbereich spielen auch die Vertikalbewegungen (nicht-hydrostatische Modellversion) eine wichtige Rolle, die stark von der Topographie sowie deren horizontaler und vertikaler {\"A}nderungsrate beeinflusst werden, was die in dieser Arbeit eingebauten wesentlich h{\"o}her aufgel{\"o}sten Daten f{\"u}r die zuk{\"u}nftige Weiterentwicklung von REMO wertvoll machen kann.},
  subject      = {Klimamodell},
  language  = {de}
}
@phdthesis{Baumhoer2021,
  author    = {Baumhoer, Celia Am{\´e}lie},
  title     = {Glacier Front Dynamics of Antarctica - Analysing Changes in Glacier and Ice Shelf Front Position based on SAR Time Series},
  doi       = {10.25972/OPUS-24581},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-245814},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2021},
  abstract  = {The Antarctic Ice Sheet stores ~91\% of the global ice volume which is equivalent to a sea-level rise of 58.3 meters. Recent disintegration events of ice shelves and retreating glaciers along the Antarctic Peninsula and West Antarctica indicate the current vulnerable state of the Antarctic Ice Sheet. Glacier tongues and ice shelves create a safety band around Antarctica with buttressing effects on ice discharge. Current decreases in glacier and ice shelf extent reduce the effective buttressing forces and increase ice discharge of grounded ice. The consequence is a higher contribution to sea-level rise from the Antarctic Ice Sheet. So far, it is unresolved which proportion of Antarctic glacier retreat can be attributed to climate change and which part to the natural cycle of growth and decay in the lifetime of a glacier. The quantitative assessment of the magnitude, spatial extent, distribution, and dynamics of circum-Antarctic glacier and ice shelf retreat is of utmost importance to monitor Antarctica's weakening safety band. In remote areas like Antarctica, earth observation provides optimal properties for large-scale mapping and monitoring of glaciers and ice shelves. Nowadays, the variety of available satellite sensors, technical advancements regarding spatial resolution and revisit times, as well as open satellite data archives create an ideal basis for monitoring calving front change. A systematic review conducted within this thesis revealed major gaps in the availability of glacier and ice shelf front position measurements despite the improved satellite data availability. The previously limited availability of satellite imagery and the time-consuming manual delineation of calving fronts did neither allow a circum-Antarctic assessment of glacier retreat nor the assessment of intra-annual changes in glacier front position. To advance the understanding of Antarctic glacier front change, this thesis presents a novel automated approach for calving front extraction and explores drivers of glacier retreat. A comprehensive review of existing methods for glacier front extraction ascertained the lack of a fully automatic approach for large-scale monitoring of Antarctic calving fronts using radar imagery. Similar backscatter characteristics of different ice types, seasonally changing backscatter values, multi-year sea ice, and m{\´e}lange made it challenging to implement an automated approach with traditional image processing techniques. Therefore, the present abundance of satellite data is best exploited by integrating recent developments in big data and artificial intelligence (AI) research to derive circum-Antarctic calving front dynamics. In the context of this thesis, the novel AI-based framework "AntarcticLINES" (Antarctic Glacier and Ice Shelf Front Time Series) was created which provides a fully automated processing chain for calving front extraction from Sentinel-1 imagery. Open access Sentinel-1 radar imagery is an ideal data source for monitoring current and future changes in the Antarctic coastline with revisit times of less than six days and all-weather imaging capabilities. The developed processing chain includes the pre-processing of dual-polarized Sentinel-1 imagery for machine learning applications. 38 Sentinel-1 scenes were used to train the deep learning architecture U-Net for image segmentation. The trained weights of the neural network can be used to segment Sentinel-1 scenes into land ice and ocean. Additional post-processing ensures even more accurate results by including morphological filtering before extracting the final coastline. A comprehensive accuracy assessment has proven the correct extraction of the coastline. On average, the automatically extracted coastline deviates by 2-3 pixels (93 m) from a manual delineation. This accuracy is in range with deviations between manually delineated coastlines from different experts. For the first time, the fully automated framework AntarcticLINES enabled the extraction of intra-annual glacier front fluctuations to assess seasonal variations in calving front change. Thereby, for example, an increased calving frequency of Pine Island Glacier and a beginning disintegration of Glenzer Glacier were revealed. Besides, the extraction of the entire Antarctic coastline for 2018 highlighted the large-scale applicability of the developed approach. Accurate results for entire Antarctica were derived except for the Western Antarctic Peninsula where training imagery was not sufficient and should be included in future studies. Furthermore, this dissertation presents an unprecedented record of circum-Antarctic calving front change over the last two decades. The newly extracted coastline for 2018 was compared to previous coastline products from 2009 and 1997. This revealed that the Antarctic Ice Sheet shrank 29,618±1193 km2 in extent between 1997-2008 and gained an area of 7,108±1029 km2 between 2009-2018. Glacier retreat concentrated along the Antarctic Peninsula and West Antarctica. The only East Antarctic coastal sector primarily experiencing calving front retreat was Wilkes Land in 2009-2018. Finally, potential drivers of circum-Antarctic glacier retreat were identified by combining data on glacier front change with changes in climate variables. It was found that strengthening westerlies, snowmelt, rising sea surface temperatures, and decreasing sea ice cover forced glacier retreat over the last two decades. Relative changes in mean air temperature could not be identified as a driver for glacier retreat and further investigations on extreme events in air temperature are necessary to assess the effect of atmospheric forcing on frontal retreat. The strengthening of all identified drivers was closely connected to positive phases of the Southern Annular Mode (SAM). With increasing greenhouse gases and ozone depletion, positive phases of SAM will occur more often and force glacier retreat even further in the future. Within this thesis, a comprehensive review on existing Antarctic glacier and ice shelf front studies was conducted revealing major gaps in Antarctic calving front records. Therefore, a fully automated processing chain for glacier and ice shelf front extraction was implemented to track circum-Antarctic calving front fluctuations on an intra-annual basis. The large-scale applicability was certified by presenting two decades of circum-Antarctic calving front change. In combination with climate variables, drivers of recent glacier retreat were identified. In the future, the presented framework AntarcticLINES will greatly contribute to the constant monitoring of the Antarctic coastline under the pressure of a changing climate.},
  language  = {en}
}
@phdthesis{Karama2021,
  author    = {Karama, Alphonse},
  title     = {East African Seasonal Rainfall prediction using multiple linear regression and regression with ARIMA errors models},
  doi       = {10.25972/OPUS-25183},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-251831},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2021},
  abstract  = {The detrimental impacts of climate variability on water, agriculture, and food resources in East Africa underscore the importance of reliable seasonal climate prediction. To overcome this difficulty RARIMAE method were evolved. Applications RARIMAE in the literature shows that amalgamating different methods can be an efficient and effective way to improve the forecasts of time series under consideration. With these motivations, attempt have been made to develop a multiple linear regression model (MLR) and a RARIMAE models for forecasting seasonal rainfall in east Africa under the following objectives: 1. To develop MLR model for seasonal rainfall prediction in East Africa. 2. To develop a RARIMAE model for seasonal rainfall prediction in East Africa. 3. Comparison of model's efficiency under consideration In order to achieve the above objectives, the monthly precipitation data covering the period from 1949 to 2000 was obtained from Climate Research Unit (CRU). Next to that, the first differenced climate indices were used as predictors. In the first part of this study, the analyses of the rainfall fluctuation in whole Central- East Africa region which span over a longitude of 15 degrees East to 55 degrees East and a latitude of 15 degrees South to 15 degrees North was done by the help of maps. For models' comparison, the R-squared values for the MLR model are subtracted from the R-squared values of RARIMAE model. The results show positive values which indicates that R-squared is improved by RARIMAE model. On the other side, the root mean square errors (RMSE) values of the RARIMAE model are subtracted from the RMSE values of the MLR model and the results show negative value which indicates that RMSE is reduced by RARIMAE model for training and testing datasets. For the second part of this study, the area which is considered covers a longitude of 31.5 degrees East to 41 degrees East and a latitude of 3.5 degrees South to 0.5 degrees South. This region covers Central-East of the Democratic Republic of Congo (DRC), north of Burundi, south of Uganda, Rwanda, north of Tanzania and south of Kenya. Considering a model constructed based on the average rainfall time series in this region, the long rainfall season counts the nine months lead of the first principal component of Indian sea level pressure (SLP_PC19) and the nine months lead of Dipole Mode Index (DMI_LR9) as selected predictors for both statistical and predictive model. On the other side, the short rainfall season counts the three months lead of the first principal component of Indian sea surface temperature (SST_PC13) and the three months lead of Southern Oscillation Index (SOI_SR3) as predictors for predictive model. For short rainfall season statistical model SAOD current time series (SAOD_SR0) was added on the two predictors in predictive model. By applying a MLR model it is shown that the forecast can explain 27.4\% of the total variation and has a RMSE of 74.2mm/season for long rainfall season while for the RARIMAE the forecast explains 53.6\% of the total variation and has a RMSE of 59.4mm/season. By applying a MLR model it is shown that the forecast can explain 22.8\% of the total variation and has a RMSE of 106.1 mm/season for short rainfall season predictive model while for the RARIMAE the forecast explains 55.1\% of the total variation and has a RMSE of 81.1 mm/season. From such comparison, a significant rise in R-squared, a decrease of RMSE values were observed in RARIMAE models for both short rainfall and long rainfall season averaged time series. In terms of reliability, RARIMAE outperformed its MLR counterparts with better efficiency and accuracy. Therefore, whenever the data suffer from autocorrelation, we can go for MLR with ARIMA error, the ARIMA error part is more to correct the autocorrelation thereby improving the variance and productiveness of the model.},
  subject      = {Regression},
  language  = {en}
}
@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}
}
@phdthesis{Knoefel2018,
  author    = {Kn{\"o}fel, Patrick},
  title     = {Energiebilanzmodellierung zur Ableitung der Evapotranspiration - Beispielregion Khorezm},
  edition   = {1. Auflage},
  publisher = {W{\"u}rzburg University Press},
  address   = {W{\"u}rzburg},
  isbn      = {978-3-95826-042-9 (Print)},
  issn      = {0510-9833},
  doi       = {10.25972/WUP-978-3-95826-043-6},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-135669},
  school      = {W{\"u}rzburg University Press},
  pages     = {276},
  year      = {2018},
  abstract  = {Zum Verst{\"a}ndnis der komplexen Wechselwirkungen innerhalb des Klimasystems der Erde sind Kenntnisse {\"u}ber den hydrologischen Zyklus und den Energiekreislauf essentiell. Eine besondere Rolle obliegt hierbei der Evapotranspiration (ET), da sie eine wesentliche Teilkomponente beider oben erw{\"a}hnter Kreisl{\"a}ufe ist. Die exakte Quantifizierung der regionalen, tats{\"a}chlichen Evapotranspiration innerhalb der Wasser- und Energiekreisl{\"a}ufe der Erdoberfl{\"a}che auf unterschiedlichen zeitlichen und r{\"a}umlichen Skalen ist f{\"u}r hydrologische, klimatologische und agronomische Fragestellungen von großer Bedeutung. Dabei ist eine realistische Absch{\"a}tzung der regionalen tats{\"a}chlichen Evapotranspiration die wichtigste Herausforderung der hydrologischen Modellierung. Besonders die unterschiedlichen r{\"a}umlichen und zeitlichen Aufl{\"o}sungen von Satelliteninformationen machen die Fernerkundung sowohl f{\"u}r globale als auch regionale hydrologischen Fragestellungen interessant. Zus{\"a}tzlich zur Notwendigkeit des Prozessverst{\"a}ndnisses des Wasserkreislaufs auf globaler Ebene kommt dessen regionale Bedeutung f{\"u}r die Landwirtschaft, insbesondere in Bew{\"a}sserungssystemen arider Regionen. In ariden Klimazonen {\"u}bersteigt die Menge der Verdunstung oft bei weitem die Niederschlagsmengen. Aufgrund der geringen Niederschlagsmenge muss in ariden agrarischen Regionen das zum Pflanzenwachstum ben{\"o}tigte Wasser mit Hilfe k{\"u}nstlicher Bew{\"a}sserung aufgebracht werden. Der jeweilige lokale Bew{\"a}sserungsbedarf h{\"a}ngt von der Feldfrucht und deren Wachstumsphase, den Klimabedingungen, den Bodeneigenschaften und der Ausdehnung der Wurzelzone ab. Die Evapotranspiration ist als Komponente der regionalen Wasserbilanz eine wichtige Steuerungsgr{\"o}ße und Effizienzindikator f{\"u}r das lokale Bew{\"a}sserungsmanagement. Die Bew{\"a}sse-rungslandwirtschaft verbraucht weltweit etwa 70 \% der verf{\"u}gbaren S{\"u}ßwasservorkom-men. Dies wird als einer der Hauptgr{\"u}nde f{\"u}r die weltweit steigende Wasserknappheit identifiziert. Dabei liegt die Wasserentnahme des landwirtschaftlichen Sektors in den OECD Staaten im Mittel bei etwa 44 \%, in den Staaten Mittelasiens bei {\"u}ber 90 \%. Bei der Erstellung der vorliegenden Arbeit kam die Methode der residualen Bestimmung der Energiebilanz zum Einsatz. Eines der weltweit am h{\"a}ufigsten eingesetzten und vali-dierten fernerkundlichen Residualmodelle zur ET Ableitung ist das SEBAL-Modell (Surface Energy Balance Algorithm for Land, mit {\"u}ber 40 ver{\"o}ffentlichten Studien. SEBAL eignet sich zur Quantifizierung der Verdunstung großfl{\"a}chiger Gebiete und wurde bisher {\"u}ber-wiegend in der Bew{\"a}sserungslandwirtschaft eingesetzt. Aus diesen Gr{\"u}nden wurde es f{\"u}r die Bearbeitung der Fragestellungen in dieser Arbeit ausgew{\"a}hlt. SEBAL verwendet physikalische und empirische Beziehungen zur Berechnung der Energiebilanzkomponenten basierend auf Fernerkundungsdaten, bei gleichzeitig minimalem Einsatz bodengest{\"u}tzter Daten. Als Eingangsdaten werden u.a. Informationen {\"u}ber Strahlung, Bodenoberfl{\"a}chentemperatur, NDVI, LAI und Albedo verwendet. Zus{\"a}tzlich zu SEBAL wurden einige Komponenten der SEBAL Weiterentwicklung METRIC (Mapping Evapotranspiration with Internalized Calibration) verwendet, um die Modellierung der ET vorzunehmen. METRIC {\"u}berwindet einige Limitierungen des SEBAL Verfahrens und kann beispielsweise auch in st{\"a}rker reliefierten Regionen angewendet werden. Außerdem erm{\"o}glicht die Integration einer gebietsspezifischen Referenz-ET sowie einer Landnutzungsklassifikation eine bessere regionale Anpassung des Residualverfahrens. Unter der Annahme der Bedingungen zum Zeitpunkt der Fernerkundungsaufnahme ergibt sich die Energiebilanz an der Erdoberfl{\"a}che RN = LvE + H + G. Demnach teilt sich die verf{\"u}gbare Strahlungsenergie RN in die Komponenten latenter W{\"a}rme (LVE), f{\"u}hlbarer W{\"a}rme (H) und Bodenw{\"a}rme (G) auf. Durch Umstellen der Gleichung kann auf die latente W{\"a}rme geschlossen werden. Das wesentliche Ziel der vorliegenden Arbeit ist die Optimierung, Erweiterung und Validierung des ausgew{\"a}hlten SEBAL Verfahrens zur regionalen Modellierung der Energiebilanzkomponenten und der daraus abgeleiteten tats{\"a}chlichen Evapotranspiration. Die validierten Modellergebnisse der Gebietsverdunstung der Jahre 2009-2011 sollen anschließend als Grundlage dienen, das Gesamtverst{\"a}ndnis der regionalen Prozesse des Wasserkreislaufs zu verbessern. Die Arbeit basiert auf der Datengrundlage von MODIS Daten mit 1 km r{\"a}umlicher Aufl{\"o}sung. W{\"a}hrend die Komponenten verf{\"u}gbare Strahlungsenergie und f{\"u}hlbarer W{\"a}rmestrom physikalisch basiert ermittelt werden, beruht die Berechnung des Bodenw{\"a}rmestroms ausschließlich auf empirischen Absch{\"a}tzungen. Ein großer Nachteil des empirischen Ansatzes ist die Vernachl{\"a}ssigung des zeitlichen Versatzes zwischen Strahlungsbilanz und Bodenw{\"a}rmestrom in Abh{\"a}ngigkeit der aktuellen Bodenfeuchtesituation. Ein besonderer Schwerpunkt der vorliegenden Arbeit liegt auf der Bewertung und Verbesserung der Modellg{\"u}te des Bodenw{\"a}rmestroms durch Verwendung eines neuen Ansatzes zur Integration von Bodenfeuchteinformationen. Daher wird in der Arbeit ein physikalischer Ansatz entwickelt der auf dem Ansatz der periodischen Temperaturver{\"a}nderung basiert. Hierbei wurde neben dem ENVISAT ASAR SSM Produkt der TU Wien das operationelle Oberfl{\"a}chenbodenfeuchteprodukt ASCAT SSM als Fernerkundungseingangsdaten ausgew{\"a}hlt. Die mit SEBAL modellierten Energiebilanzkomponenten werden durch eine intensive Validierung mit bodengest{\"u}tzten Messungen bewertet, die Messungen stammen von Bodensensoren und Daten einer Eddy-Kovarianz-Station aus den Jahren 2009 bis 2011. Die Region Khorezm gilt als charakteristisch f{\"u}r die wasserbezogene Problematik der Bew{\"a}sserungslandwirtschaft Mittelasiens und wurde als Untersuchungsgebiet f{\"u}r diese Arbeit ausgew{\"a}hlt. Die wesentlichen Probleme dieser Region entstehen durch die nach wie vor nicht nachhaltige Land- und Wassernutzung, das marode Bew{\"a}sserungsnetz mit einer Verlustrate von bis zu 40 \% und der Bodenversalzung aufgrund hoher Grundwasserspiegel. Im Untersuchungsgebiet wurden in den Jahren 2010 und 2011 umfangreiche Feldarbeiten zur Erhebung lokaler bodengest{\"u}tzter Informationen durchgef{\"u}hrt. Bei der Evaluierung der modellierten Einzelkomponenten ergab sich f{\"u}r die Strahlungsbi-lanz eine hohe Modellg{\"u}te (R² > 0,9; rRMSE < 0,2 und NSE > 0,5). Diese Komponente bildet die Grundlage bei der Bezifferung der f{\"u}r die Prozesse an der Erdoberfl{\"a}che zur Verf{\"u}gung stehenden Energie. F{\"u}r die f{\"u}hlbaren W{\"a}rmestr{\"o}me wurden ebenfalls gute Ergebnisse erzielt, mit NSE von 0,31 und rRMSE von ca. 0,21. F{\"u}r die residual bestimmte Gr{\"o}ße der latenten W{\"a}rmestr{\"o}mung konnte eine insgesamt gute Modellg{\"u}te festgestellt werden (R² > 0,6; rRMSE < 0,2 und NSE > 0,5). Dementsprechend gut wurde die t{\"a}gliche Evapotranspiration modelliert. Hier ergab sich, nach der Interpolation t{\"a}glicher Werte, eine insgesamt ausreichend gute Modellg{\"u}te (R² > 0,5; rRMSE < 0,2 und NSE > 0,4). Dies best{\"a}tigt die Ergebnisse vieler Energiebilanzstudien, die lediglich den f{\"u}r die Ableitung der Evapotranspiration maßgebenden W{\"a}rmestrom untersuchten. Die Modellergebnisse f{\"u}r den Bodenw{\"a}rmestrom konnten durch die Entwicklung und Verwendung des neu entwickelten physikalischen Ansatzes von NSE < 0 und rRMSE von ca. 0,57 auf NSE von 0,19 und rRMSE von 0,35 verbessert werden. Dies f{\"u}hrt zu einer insgesamt positiven Einsch{\"a}tzung des Verbesserungspotenzials des neu entwickelten Bodenw{\"a}rmestromansatzes bei der Berechnung der Energiebilanz mit Hilfe von Fernerkundung.},
  subject      = {Evapotranspiration},
  language  = {de}
}
@phdthesis{Jaeger2016,
  author    = {J{\"a}ger, Daniel},
  title     = {Steuerungsfaktoren der Hangstabilit{\"a}t an Massenbewegungen im Fr{\"a}nkischen Schichtstufenland},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-139140},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2016},
  abstract  = {Massenbewegungen z{\"a}hlen zu den am h{\"a}ufigsten auftretenden Naturgefahren in Deutschland. Dabei wird die von instabilen H{\"a}ngen ausgehende Gef{\"a}hrdung speziell in den Regionen der Mittelgebirge regelm{\"a}ßig untersch{\"a}tzt. In Bezug auf die Verbreitung von Massenbewegungen in Mittelgebirgen stellt das s{\"u}ddeutsche Schichtstufenland einen besonderen Schwerpunkt dar. Die Disposition der Schichtstufenh{\"a}nge beruht dabei in erster Linie auf einer Wechsellagerung wasserdurchl{\"a}ssiger und wasserstauender geologischer Schichten. Zu Hanginstabilit{\"a}ten kommt es bevorzugt in Verbindung mit synthetischem Schichtfallen, steilen H{\"a}ngen und erh{\"o}hten Niederschl{\"a}gen. Rezente Massenbewegungen treten verst{\"a}rkt in alten Rutsch- und/oder Hangschuttgebieten auf, da sich dort unkonsolidierte Rutschmassen leicht remobilisieren lassen. Das Ziel der vorliegenden Arbeit ist es, ein fundiertes Verst{\"a}ndnis {\"u}ber Ursachen, Ablauf, Auspr{\"a}gung und Prozesse von charakteristischen Massenbewegungen sowie dem aktuellen Aufbau der damit verbundenen Schichtstufenh{\"a}nge in Nordbayern zu erlangen, um daraus grundlegende Einsch{\"a}tzungen zur Stabilit{\"a}t der Rutschgebiete treffen zu k{\"o}nnen. Neben den rutschungsrelevanten geologischen Schichten sind in diesem Zusammenhang insbesondere der Aufbau, die Eigenschaften und Charakteristika der Rutschmassen von besonderer Wichtigkeit, da besonders die bodenmechanischen und bodenphysikalischen Eigenschaften einen entscheidenden Faktor in Bezug auf die Hangstabilit{\"a}t darstellen. Entsprechend steht die umfassende Analyse dieser Sedimente im Fokus der Studien. Die Arbeiten betrachten dabei drei H{\"a}nge im fr{\"a}nkischen Schichtstufenland, an denen in der j{\"u}ngeren Vergangenheit Massenbewegungen auftraten. Ein weiteres zentrales Auswahlkriterium war die Lage der Gebiete in den Schichtstufen der Fr{\"a}nkischen Alb und der westlich vorgelagerten Keuperstufe, wobei hinsichtlich Typ und Verbreitung m{\"o}glichst charakteristische Massenbewegungen f{\"u}r die jeweilige Region ausgew{\"a}hlt wurden. Bei Ebermannstadt stand demnach die sog. Werkkalkstufe der Weißjura-Kalke im Fokus, nahe W{\"u}stendorf die Sandsteine des Braunjura und bei Gailnau an der Frankenh{\"o}he die Sandsteine des mittleren (Gips-) Keupers. Die Untersuchungen der Rutschungen und ihrer Sedimentcharakteristika erfolgte anhand eines speziell konzipierten Multimethodenansatzes mit zahlreichen, multiskaligen Gel{\"a}nde- und Laboranalysen. Neben klassischen, geomorphologischen Kartierungen an der Oberfl{\"a}che wurden die sedimentologisch-morphologischen Verh{\"a}ltnisse des oberfl{\"a}chennahen Untergrundes in der Vertikalen durch geophysikalische Sondierungen analysiert. Eine Einsch{\"a}tzung der hydrologischen Verh{\"a}ltnisse der Rutschmassen erfolgte auf Basis von Messdaten aus Bodenfeuchtemonitoringsystemen, die an allen Untersuchungsstandorten installiert wurden. F{\"u}r die bodenphysikalischen und -mechanischen Eigenschaften der Sedimente wurden Korngr{\"o}ßen, Konsistenzgrenzen, Plastizit{\"a}t, Gef{\"u}ge und Lagerungsdichte untersucht und durch Tonmineralanalysen erg{\"a}nzt. Die mikromorphologische Analyse von D{\"u}nnschliffen aus Rutschungssedimenten und den darin enthaltenen Deformationsstrukturen erweiterten den Gesamtansatz, erm{\"o}glichten neuartige Einblicke in die innere Architektur von Rutschmassen und erlaubten die Rekonstruktion von Bewegungsabl{\"a}ufen. Durch die Arbeiten konnten an den Standorten Ebermannstadt und Gailnau komplexe, vielschichtige Massenbewegungen nachgewiesen werden. In der Rutschung bei W{\"u}stendorf wurden nahezu ausschließlich unkonsolidierte Sedimente feinerer Korngr{\"o}ßen in einem Fließprozess verlagert. Prim{\"a}r erfolgte bei allen Rutschungen nachweislich die Remobilisierung alter Hangsedimente, wobei dar{\"u}ber hinaus auch stets bisher stabile Areale mit in die Bewegung einbezogen wurden. Der sedimentologische Aufbau der Rutschmassen ist speziell im Falle großer und komplexer Rutschungen mitunter extrem heterogen. Im Zuge der Arbeiten konnten interne Makrostrukturen der Sedimentablagerungen, wie beispielsweise Rotationsfl{\"a}chen oder die Lage von Schollen detektiert werden. Trotz geophysikalisch und visuell auff{\"a}lliger Beimischungen von Grobschutt, entfallen die gr{\"o}ßten Mengenanteile aber stets auf die ver{\"a}nderlich feste Feinmaterialfraktion. Im Rahmen der mikromorphologischen Untersuchungen der Sedimentd{\"u}nnschliffe konnten auch in diesen Sedimenten zahlreiche Deformationsstrukturen nachgewiesen werden. Die Arbeit unterstreicht insgesamt die Bedeutung dieser bindigen Bestandteile f{\"u}r die (Re)Mobilisierung von Sedimentablagerungen. Die Stabilit{\"a}t des Feinmaterials steht dabei in engem Zusammenhang mit der hydraulischen Leitf{\"a}higkeit und dem Eintrag von Wasser, welches zu wechselnden Steifigkeiten der Sedimente f{\"u}hrt. Im Falle erh{\"o}hter Bodenwassergehalte konnte eine Plastifizierung der Feinkornfraktion ermittelt werden. Kommt es zu einer starken Durchn{\"a}ssung des Untergrundes, f{\"u}hrt dies zu einer Plastifizierung der tonigen Lagen und einer entsprechenden Reduktion der Scherfestigkeit, was letztlich zum Ausl{\"o}sen von Massenbewegungen f{\"u}hrt. Neben den geologisch-sedimentologischen Voraussetzungen impliziert dies auch eine hohe Bedeutung der Niederschlagscharakteristika in Bezug auf das Ausl{\"o}sen rezenter Massenbewegungen. Die Bodenwassergehalte unterliegen im Jahresverlauf einer deutlichen saisonalen Variabilit{\"a}t. W{\"a}hrend der Sommermonate wurden einheitlich niedrige Feuchtigkeitswerte im oberfl{\"a}chennahen Untergrund verzeichnet, was in erster Linie auf den Einfluss der Vegetation zur{\"u}ckzuf{\"u}hren ist. Auch sommerliche Starkregenereignisse besitzen unter diesen Bedingungen lediglich eine reduzierte Wirkung auf die Durchfeuchtung des Bodens. Demgegen{\"u}ber erfolgt w{\"a}hrend der kalten Jahreszeit ein signifikanter Anstieg der Bodenwassergehalte. Neben den Regenf{\"a}llen kommt vor allem der Schneeschmelze eine essentielle Bedeutung zu, da sie f{\"u}r eine zus{\"a}tzliche und anhaltende Durchfeuchtung der Schichten besonders im Sp{\"a}twinter bzw. Fr{\"u}hjahr sorgt. Entsprechend besteht vor allem w{\"a}hrend der Monate Februar bis April eine erh{\"o}hte Disposition f{\"u}r Rutschungen in Nordbayern. Im Hinblick auf die Niederschlagssummen gingen den Rutschungen in den Untersuchungsgebieten zwar keine besonders extremen Ereignisse, aber durchaus deutlich {\"u}berdurchschnittliche Niederschlagssummen voraus, weshalb unter Ber{\"u}cksichtigung der im Zuge des Klimawandels ansteigenden Winterniederschl{\"a}ge von einer generell verst{\"a}rkten Rutschungsaktivit{\"a}t auszugehen ist. Vergleiche mit den Daten aus zahlreichen {\"U}bersichtskartierungen von Rutschungen aus den fr{\"a}nkischen Schichtstufengebieten verdeutlichen, dass die ermittelten Ergebnisse auf eine Vielzahl der verzeichneten Rutschungen {\"u}bertragbar sind.},
  subject      = {Geografikum},
  language  = {de}
}
@phdthesis{Lama2016,
  author    = {Lama, Anu Kumari},
  title     = {Understanding Institutional Adaptation to Climate Change: Social Resilience and Adaptive Governance Capacities of the Nature Based Tourism Institutions in the Annapurna Conservation Area, Nepal},
  publisher = {W{\"u}rzburg University Press},
  address   = {W{\"u}rzburg},
  isbn      = {978-3-95826-034-4 (print)},
  issn      = {0510-9833 (print)},
  doi       = {10.25972/WUP-978-3-95826-035-1},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-131351},
  school      = {W{\"u}rzburg University Press},
  pages     = {208},
  year      = {2016},
  abstract  = {The global-local sustainable development and climate change adaptation policy, and the emerging political discourse on the value of local Adaptation, have positioned the local institutions and their governance space within the strategic enclaves of multilevel governance system. Such shifts have transformed the context for sustainable Nature Based Tourism (NBT) development and adaptation in Nepal in general, and its protected areas, in particular. The emerging institutional adaptation discourse suggests on the need to link tourism development, adaptation and governance within the sustainability concept, and also to recognize the justice and inclusive dimensions of local adaptation. However, sociological investigation of institutional adaptation, particularly at the interface between sustainability, justice and inclusive local adaptation is an undertheorized research topic. This exploratory study examined the sociological process of the institutional adaptation, especially the social resilience and adaptive governance capacities of the NBT institutions, in 7 Village Development Committees of the Mustang district, a popular destination in the Annapurna Conservation Area, Nepal. Using the sphere (a dynamic social space concept) and quality of governance as the analytical framework, the integrative adaptation as the methodological approach and the case study action research method, the study investigated and generated a holistic picture on the state of the social resilience and adaptive governance capacities of the NBT institutions. The findings show institutional social resilience capacities to be contingent on socio-political construction of adaptation knowledge and power. Factors influencing such constructions among NBT institutions include: the site and institutions specific political, economic and environmental dispositions; the associated socio-political processes of knowledge constructions and volition action; and the social relationships and interaction, operating within the spheres and at multiple governance levels. The adaptive governance capacities hinge on the institutional arrangements, the procedural aspects of adaptation governance and the governmentality. These are reflective of the diverse legal frameworks, the interiority perspective of the decision making and governance practices of the NBT institutions. In conclusion, it is argued that effective local adaptation in the Mustang district is contingent on the adaptation and institutional dynamics of the NBT institutions, consisting of the cognitive, subjective, process and procedural aspects of the adaptation knowledge production and its use.},
  subject      = {Annapurna Conservation Area},
  language  = {en}
}
@phdthesis{Awoye2015,
  author    = {Awoye, Oy{\´e}monbad{\´e} Herv{\´e} Rodrigue},
  title     = {Implications of future climate change on agricultural production in tropical West Africa: evidence from the Republic of Benin},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-122887},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2015},
  abstract  = {Environmental interlinked problems such as human-induced land cover change, water scarcity, loss in soil fertility, and anthropogenic climate change are expected to affect the viability of agriculture and increase food insecurity in many developing countries. Climate change is certainly the most serious of these challenges for the twenty-first century. The poorest regions of the world - tropical West Africa included - are the most vulnerable due to their high dependence on climate and weather sensitive activities such as agriculture, and the widespread poverty that limits the institutional and economic capacities to adapt to the new stresses brought about by climate change. Climate change is already acting negatively on the poor smallholders of tropical West Africa whose livelihoods dependent mainly on rain-fed agriculture that remains the cornerstone of the economy in the region. Adaptation of the agricultural systems to climate change effects is, therefore, crucial to secure the livelihoods of these rural communities. Since information is a key for decision-making, it is important to provide well-founded information on the magnitude of the impacts in order to design appropriate and sustainable adaptation strategies. Considering the case of agricultural production in the Republic of Benin, this study aims at using large-scale climatic predictors to assess the potential impacts of past and future climate change on agricultural productivity at a country scale in West Africa. Climate signals from large-scale circulation were used because state-of-the art regional climate models (RCM) still do not perfectly resolve synoptic and mesoscale convective processes. It was hypothesised that in rain-fed systems with low investments in agricultural inputs, yield variations are widely governed by climatic factors. Starting with pineapple, a perennial fruit crops, the study further considered some annual crops such as cotton in the group of fibre crops, maize, sorghum and rice in the group of cereals, cowpeas and groundnuts belonging to the legume crops, and cassava and yams which are root and tuber crops. Thus the selected crops represented the three known groups of photosynthetic pathways (i.e. CAM, C3, and C4 plants). In the study, use was made of the historical agricultural yield statistics for the Republic of Benin, observed precipitation and mean near-surface air temperature data from the Climatic Research Unit (CRU TS 3.1) and the corresponding variables simulated by the regional climate model (RCM) REMO. REMO RCM was driven at its boundaries by the global climate model ECHAM 5. Simulations with different greenhouse gas concentrations (SRES-A1B and B1 emission scenarios) and transient land cover change scenarios for present-day and future conditions were considered. The CRU data were submitted to empirical orthogonal functions analysis over the north hemispheric part of Africa to obtain large-scale observed climate predictors and associated consistent variability modes. REMO RCM data for the same region were projected on the derived climate patterns to get simulated climate predictors. By means of cross-validated Model Output Statistics (MOS) approach combined with Bayesian model averaging (BMA) techniques, the observed climate predictors and the crop predictand were further on used to derive robust statistical relationships. The robust statistical crop models perform well with high goodness-of-fit coefficients (e.g. for all combined crop models: 0.49 ≤ R2 ≤ 0.99; 0.28 ≤ Brier-Skill-Score ≤ 0.90). Provided that REMO RCM captures the main features of the real African climate system and thus is able to reproduce its inter-annual variability, the time-independent statistical transfer functions were then used to translate future climate change signal from the simulated climate predictors into attainable crop yields/crop yield changes. The results confirm that precipitation and air temperature governed agricultural production in Benin in general, and particularly, pineapple yield variations are mainly influenced by temperature. Furthermore, the projected yield changes under future anthropogenic climate change during the first-half of the 21st century amount up to -12.5\% for both maize and groundnuts, and -11\%, -29\%, -33\% for pineapple, cassava, and cowpeas respectively. Meanwhile yield gain of up to +10\% for sorghum and yams, +24\% for cotton, and +39\% for rice are expected. Over the time period 2001 - 2050, on average the future yield changes range between -3\% and -13\% under REMO SRES-B1 (GHG)+LCC, -2\% and -11\% under REMO SRES-A1B (GHG only),and -3\% and -14\% under REMO SRES-A1B (GHG)+LCC for pineapple, maize, sorghum, groundnuts, cowpeas and cassava. In the meantime for yams, cotton and rice, the average yield gains lie in interval of about +2\% to +7\% under REMO SRES-B1 (GHG)+LCC, +0.1\% and +12\% under REMO SRES-A1B (GHG only), and +3\% and +10\% under REMO SRES-A1B (GHG)+LCC. For sorghum, although the long-term average future yield depicts a reduction there are tendencies towards increasing yields in the future. The results also reveal that the increases in mean air temperature more than the changes in precipitation patterns are responsible for the projected yield changes. As well the results suggest that the reductions in pineapple yields cannot be attributed to the land cover/land use changes across sub-Saharan Africa. The production of groundnuts and in particular yams and cotton will profit from the on-going land use/land cover changes while the other crops will face detrimental effects. Henceforth, policymakers should take effective measures to limit the on-going land degradation processes and all other anthropogenic actions responsible for temperature increase. Biotechnological improvement of the cultivated crop varieties towards development of set of seed varieties adapted to hotter and dry conditions should be included in the breeding pipeline programs. Amongst other solutions, application of appropriate climate-smart agricultural practices and conservation agriculture are also required to offset the negative impacts of climate change in agriculture.},
  subject      = {Benin},
  language  = {en}
}
@phdthesis{Steger2015,
  author    = {Steger, Christian},
  title     = {Simulation ausgew{\"a}hlter Zeitscheiben des Pal{\"a}oklimas in Asien mit einem hochaufgel{\"o}sten Regionalmodell},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-122606},
  school      = {Universit{\"a}t W{\"u}rzburg},
  pages     = {203},
  year      = {2015},
  abstract  = {Das Tibetplateau (TP) ist das h{\"o}chste Gebirgsplateau der Erde und bildete sich im Verlauf der letzten 50 Millionen Jahre. Durch seine Ausmaße ver{\"a}nderte das TP nicht nur das Klima im heutigen Asien, sondern bewirkte Ver{\"a}nderungen weltweit. Heute stellt das TP einen Hotspot des Klimawandels dar und ist als Quellgebiet vieler großer Fl{\"u}sse in Asien f{\"u}r die Wasserversorgung von Milliarden von Menschen von zentraler Bedeutung. Vor diesem Hintergrund ist es wichtig, die Prozesse, die das Klima in der Region steuern, besser zu verstehen und die Variabilit{\"a}t des Klimas auf unterschiedlichen Zeitskalen absch{\"a}tzen zu k{\"o}nnen. Grundlegendes Ziel der vorliegenden Arbeit ist es, r{\"a}umlich hochaufgel{\"o}ste quantitative Informationen {\"u}ber die Ver{\"a}nderung der klimatischen Verh{\"a}ltnisse in Asien w{\"a}hrend der Bildungsphase des TP und unter warm- und kaltzeitlichen Randbedingungen zur Verf{\"u}gung zu stellen und dadurch eine Verbindung zwischen den verschiedenen Zeitskalen herzustellen. Hierf{\"u}r werden das heutige Klima und das Pal{\"a}oklima der Region mit Hilfe von Klimamodellen simuliert. Da fr{\"u}here Studien zeigen konnten, dass die Ergebnisse von hochaufgel{\"o}sten Modellen besser mit Pal{\"a}oklimarekonstruktionen {\"u}bereinstimmen, als die von vergleichsweise niedrig aufgel{\"o}sten Globalmodellen, erfolgt ein dynamisches Downscaling des globalen Klimamodells ECHAM5 mit dem regionalen Klimamodell REMO. Die Heraushebung des TP wird durch eine Serie von f{\"u}nf Simulationen (Topogra- phieexperimente) approximiert, in denen die H{\"o}he des TP in 25\%-Schritten von 0\% bis 100\% der heutigen H{\"o}he ver{\"a}ndert wird. Die Schwankungen des Klimas im sp{\"a}- ten Quart{\"a}r sind durch Simulationen f{\"u}r das mittlere Holoz{\"a}n und den Hochstand der letzten Vereisung, das Last-Glacial-Maximum, repr{\"a}sentiert (Quart{\"a}rexperi- mente). In den Quart{\"a}rexperimenten wurden die Treibhausgaskonzentrationen, Orbitalparameter, Landbedeckung und verschiedene Vegetationsparameter an die Bedingungen der jeweiligen Zeitscheibe angepasst. Die Auswertung der Simulati- onsergebnisse konzentriert sich auf j{\"a}hrliche und jahreszeitliche Ver{\"a}nderungen der bodennahen Temperatur und des Niederschlags. Außerdem werden die sich erge- benden {\"A}nderungen in der Intensit{\"a}t des indischen Monsuns anhand verschiedener Monsunindizes analysiert. F{\"u}r das TP und die sich unmittelbar anschließenden Ge- biete wird zus{\"a}tzlich eine Clusteranalyse durchgef{\"u}hrt, um die dort vorkommenden regionalen Klimatypen identifizieren und charakterisieren zu k{\"o}nnen. In den Topographieexperimenten zeigt sich, dass die 2m-Temperatur im Bereich des TP im Jahresmittel mit abnehmender H{\"o}he des Plateaus um bis zu 30◦C zunimmt, w{\"a}hrend es in den {\"u}brigen Teilen des Modellgebiets nahezu {\"u}berall k{\"a}lter wird. Die Jahressumme des Niederschlags nimmt mit abnehmender H{\"o}he des TP westlich und n{\"o}rdlich davon zu. Im Bereich des TP sowie s{\"u}dlich und {\"o}stlich davon gehen die Niederschl{\"a}ge zur{\"u}ck. Die starke Niederschlagszunahme n{\"o}rdlich des TP kann durch die Ausbildung eines H{\"o}hentrogs statt eines H{\"o}henr{\"u}ckens in diesem Bereich erkl{\"a}rt werden. Das grunds{\"a}tzliche r{\"a}umliche Muster der Ver{\"a}nderungen besteht dabei bereits bei einer Plateauh{\"o}he von 75\% des Ausgangswertes und {\"a}ndert sich bei weiterer Verringerung der H{\"o}he nicht wesentlich. Lediglich der Betrag der Ver{\"a}nderungen nimmt zu. Dies gilt f{\"u}r die 2m-Temperatur und den Niederschlag und sowohl im Jahresmittel als auch f{\"u}r die einzelnen Jahreszeiten. Bez{\"u}glich der Intensit{\"a}t des indischen Sommermonsuns zeigt sich, dass zwischen 25\% und 75\% der heutigen H{\"o}he des TP die st{\"a}rkste Intensivierung stattfindet. Eine mit heute vergleichbare Monsunintensit{\"a}t tritt erst auf, wenn das TP die H{\"a}lfte seiner jetzigen H{\"o}he erreicht hat. Im mittleren Holoz{\"a}n ist es im Jahresmittel in den meisten Teilen des Modellge- biets k{\"a}lter und feuchter als heute. Die Unterschiede sind jedoch gr{\"o}ßtenteils gering und nicht signifikant. Hinsichtlich der Temperatur zeigen die Modelldaten nur vereinzelt eine gute {\"U}bereinstimmung mit den rekonstruierten Werten. Allerdings weisen die Rekonstruktionen eine hohe r{\"a}umliche Variabilit{\"a}t auf, wodurch die in diesem Datensatz vorhandenen Unsicherheiten widergespiegelt werden. Hinsicht- lich des Niederschlags ist die {\"U}bereinstimmung besser. Hier deuten sowohl die simulierten als auch die rekonstruierten Daten auf feuchtere Bedingungen hin. In der Simulation f{\"u}r das Last-Glacial-Maximum liegen die Temperaturen {\"u}berall im Modellgebiet im Jahresmittel und in allen Jahreszeiten um bis zu 8◦C unter den heutigen Werten. Es besteht eine gute {\"U}bereinstimmung mit den rekonstruierten Temperaturwerten f{\"u}r diese Zeitscheibe. Zu einer signifikanten Abnahme der j{\"a}hrlichen Niederschlagsmenge kommt es westlich und nordwestlich des TP, in Indien, S{\"u}dostasien und entlang der Ostk{\"u}ste Chinas. F{\"u}r die Bereiche, f{\"u}r die Niederschlagsrekonstruktionen verf{\"u}gbar sind, stimmen die Modellergebnisse gut mit diesen {\"u}berein. Zu einer signifikanten Niederschlagszunahme kommt es nur zwischen der Nordk{\"u}ste des Golfs von Bengalen und dem Himalaya, wobei dies m{\"o}glicherweise ein Modellartefakt darstellt. Hinsichtlich der Monsunintensit{\"a}t bestehen große Unterschiede zwischen den Indizes. W{\"a}hrend der Extended Indian Monsoon Rainfall Index eine starke Ab- schw{\"a}chung des indischen Sommermonsuns anzeigt, ist der Wert des Webster and Yang Monsoon Index verglichen mit heute nahezu unver{\"a}ndert. Ein Vergleich der Monsunintensit{\"a}t in den Topographie- und den Quart{\"a}rexperimenten macht deut- lich, dass der indische Monsun durch den Wechsel von warm- und kaltzeitlichen Randbedingungen mindestens so stark beeinflusst wird wie durch die Hebung des TP.},
  subject      = {Pal{\"a}oklima},
  language  = {de}
}
@phdthesis{Vogt2014,
  author    = {Vogt, Gernot},
  title     = {Future changes and signal analyses of climate means and extremes in the Mediterranean Area deduced from a CMIP3 multi-model ensemble},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-117369},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2014},
  abstract  = {Considering its social, economic and natural conditions the Mediterranean Area is a highly vulnerable region by designated affections of climate change. Furthermore, its climatic characteristics are subordinated to high natural variability and are steered by various elements, leading to strong seasonal alterations. Additionally, General Circulation Models project compelling trends in specific climate variables within this region. These circumstances recommend this region for the scientific analyses conducted within this study. Based on the data of the CMIP3 database, the fundamental aim of this study is a detailed investigation of the total variability and the accompanied uncertainty, which superpose these trends, in the projections of temperature, precipitation and sea-level pressure by GCMs and their specific realizations. Special focus in the whole study is dedicated to the German model ECHAM5/MPI-OM. Following this ambition detailed trends and mean values are calculated and displayed for meaningful time periods and compared to reanalysis data of ERA40 and NCEP. To provide quantitative comparison the mentioned data are interpolated to a common 3x3° grid. The total amount of variability is separated in its contributors by the application of an Analysis of Variance (ANOVA). For individual GCMs and their ensemble-members this is done with the application of a 1-way ANOVA, separating a treatment common to all ensemble-members and variability perturbating the signal given by different initial conditions. With the 2-way ANOVA the projections of numerous models and their realizations are analysed and the total amount of variability is separated into a common treatment effect, a linear bias between the models, an interaction coefficient and the residuals. By doing this, the study is fulfilled in a very detailed approach, by considering yearly and seasonal variations in various reasonable time periods of 1961-2000 to match up with the reanalysis data, from 1961-2050 to provide a transient time period, 2001-2098 with exclusive regard on future simulations and 1901-2098 to comprise a time period of maximum length. The statistical analyses are conducted for regional-averages on the one hand and with respect to individual grid-cells on the other hand. For each of these applications the SRES scenarios of A1B, A2 and B1 are utilized. Furthermore, the spatial approach of the ANOVA is substituted by a temporal approach detecting the temporal development of individual variables. Additionally, an attempt is made to enlarge the signal by applying selected statistical methods. In the detailed investigation it becomes evident, that the different parameters (i.e. length of temporal period, geographic location, climate variable, season, scenarios, models, etc…) have compelling impact on the results, either in enforcing or weakening them by different combinations. This holds on the one hand for the means and trends but also on the other hand for the contributions of the variabilities affecting the uncertainty and the signal. While temperature is a climate variable showing strong signals across these parameters, for precipitation mainly the noise comes to the fore, while for sea-level pressure a more differentiated result manifests. In turn, this recommends the distinguished consideration of the individual parameters in climate impact studies and processes in model generation, as the affecting parameters also provide information about the linkage within the system. Finally, an investigation of extreme precipitation is conducted, implementing the variables of the total amount of heavy precipitation, the frequency of heavy-precipitation events, the percentage of this heavy precipitation to overall precipitation and the mean daily intensity from events of heavy precipitation. Each time heavy precipitation is defined to exceed the 95th percentile of overall precipitation. Consecutively mean values of these variables are displayed for ECHAM5/MPI-OM and the multi-model mean and climate sensitivities, by means of their difference between their average of the past period of 1981-2000 and the average of one of the future periods of 2046-2065 or 2081-2100. Following this investigation again an ANOVA is conducted providing a quantitative measurement of the severity of change of trends in heavy precipitation across several GCMs. Besides it is a difficult task to account for extreme precipitation by GCMs, it is noteworthy that the investigated models differ highly in their projections, resulting partially in a more smoothed and meaningful multi-model mean. Seasonal alterations of the strength of this behaviour are quantitatively supported by the ANOVA.},
  subject      = {Klimaschwankung},
  language  = {en}
}
@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}
}