TY - THES A1 - Pollinger, Felix T1 - Bewertung und Auswirkungen der Simulationsgüte führender Klimamoden in einem Multi-Modell Ensemble T1 - Evaluation and effects of the simulation quality of leading climate modes in a multi-model ensemble N2 - Der rezente und zukünftige Anstieg der atmosphärischen Treibhausgaskonzentration bedeutet für das terrestrische Klimasystem einen grundlegenden Wandel, der für die globale Gesellschaft schwer zu bewältigende Aufgaben und Herausforderungen bereit hält. Eine effektive, rühzeitige Anpassung an diesen Klimawandel profitiert dabei enorm von möglichst genauen Abschätzungen künftiger Klimaänderungen. Das geeignete Werkzeug hierfür sind Gekoppelte Atmosphäre Ozean Modelle (AOGCMs). Für solche Fragestellungen müssen allerdings weitreichende Annahmen über die zukünftigen klimarelevanten Randbedingungen getroffen werden. Individuelle Fehler dieser Klimamodelle, die aus der nicht perfekten Abbildung der realen Verhältnisse und Prozesse resultieren, erhöhen die Unsicherheit langfristiger Klimaprojektionen. So unterscheiden sich die Aussagen verschiedener AOGCMs im Hinblick auf den zukünftigen Klimawandel insbesondere bei regionaler Betrachtung, deutlich. Als Absicherung gegen Modellfehler werden üblicherweise die Ergebnisse mehrerer AOGCMs, eines Ensembles an Modellen, kombiniert. Um die Abschätzung des Klimawandels zu präzisieren, wird in der vorliegenden Arbeit der Versuch unternommen, eine Bewertung der Modellperformance der 24 AOGCMs, die an der dritten Phase des Vergleichsprojekts für gekoppelte Modelle (CMIP3) teilgenommen haben, zu erstellen. Auf dieser Basis wird dann eine nummerische Gewichtung für die Kombination des Ensembles erstellt. Zunächst werden die von den AOGCMs simulierten Klimatologien für einige grundlegende Klimaelemente mit den betreffenden klimatologien verschiedener Beobachtungsdatensätze quantitativ abgeglichen. Ein wichtiger methodischer Aspekt hierbei ist, dass auch die Unsicherheit der Beobachtungen, konkret Unterschiede zwischen verschiedenen Datensätzen, berücksichtigt werden. So zeigt sich, dass die Aussagen, die aus solchen Ansätzen resultieren, von zu vielen Unsicherheiten in den Referenzdaten beeinträchtigt werden, um generelle Aussagen zur Qualität von AOGCMs zu treffen. Die Nutzung der Köppen-Geiger Klassifikation offenbart jedoch, dass die prinzipielle Verteilung der bekannten Klimatypen im kompletten CMIP3 in vergleichbar guter Qualität reproduziert wird. Als Bewertungskriterium wird daher hier die Fähigkeit der AOGCMs die großskalige natürliche Klimavariabilität, konkret die hochkomplexe gekoppelte El Niño-Southern Oscillation (ENSO), realistisch abzubilden herangezogen. Es kann anhand verschiedener Aspekte des ENSO-Phänomens gezeigt werden, dass nicht alle AOGCMs hierzu mit gleicher Realitätsnähe in der Lage sind. Dies steht im Gegensatz zu den dominierenden Klimamoden der Außertropen, die modellübergreifend überzeugend repräsentiert werden. Die wichtigsten Moden werden, in globaler Betrachtung, in verschiedenen Beobachtungsdaten über einen neuen Ansatz identifiziert. So können für einige bekannte Zirkulationsmuster neue Indexdefinitionen gewonnen werden, die sich sowohl als äquivalent 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 Übereinstimmung mit anderen Ansätzen, ebenso die daraus folgende Bewertung der gesamten Performance der AOGCMs. Das Spektrum des Southern Oscillation-Index (SOI) stellt somit eine aussagekräftige Kenngröße der Modellqualität dar. Die Unterschiede in der Fähigkeit, das ENSO-System abzubilden, erweisen sich als signifikante Unsicherheitsquelle im Hinblick auf die zukünftige Entwicklung einiger fundamentaler und bedeutsamer Klimagrößen, konkret der globalen Mitteltemperatur, des SOIs selbst, sowie des indischen Monsuns. Ebenso zeigen sich signifikante Unterschiede für regionale Klimaänderungen 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 Klimaänderungssignale im Multi-Modell Ensemble vergleichbar, die für die meisten Klimagrößen in einem robusten multivariaten Ansatz detektiert und quantifiziert werden können. Entsprechend sind die effektiven Klimaänderungen, die sich bei der Kombination aller Simulationen als grundlegende Aussage des CMIP3 unter den speziellen Randbedingungen ergeben nahezu unabhängig davon, ob alle Läufe mit dem gleichen Einfluss berücksichtigt werden, oder ob die erstellte nummerische Gewichtung verwendet wird. Als eine wesentliche Begründung hierfür kann die Spannbreite der Entwicklung des ENSO-Systems identifiziert werden. Dies bedeutet größere Schwankungen in den Ergebnissen der Modelle mit funktionierendem ENSO, was den Stellenwert der natürlichen Variabilität als Unsicherheitsquelle in Fragen des Klimawandels unterstreicht. Sowohl bei Betrachtung der Teilensembles als auch der Gewichtung wirken sich dadurch gegenläufige Trends im SOI ausgleichend auf die Entwicklung anderer Klimagrößen aus, was insbesondere bei letzterem Vorgehen signifikante mittlere Effekte des Ansatzes, verglichen mit der Verwendung des üblichen arithmetischen Multi-Modell Mittelwert, verhindert. N2 - The recent and future increase in atmospheric greenhouse gases will cause fundamental change in the terrestrial climate system, which will lead to enormous tasks and challenges for the global society. Effective and early adaptation to this climate change will benefit hugley from optimal possible estimates of future climate change. Coupled atmosphere-ocean models (AOGCMs) are the appropriate tool for this. However, to tackle these questions, it is necessary to make far reaching assumptions about the future climate-relevant boundary conditions. Furthermore there are individual errors in each climate model. These originate from flaws in reproducing the real climate system and result in a further increase of uncertainty with regards to long-range climate projections. Hence, concering future climate change, there are pronounced differences between the results of different AOGCMs, especially under a regional point of view. It is the usual approach to use a number of AOGCMs and combine their results as a safety measure against the influence of such model errors. In this thesis, an attempt is made to develop a valuation scheme and based on that a weighting scheme, for AOGCMs in order to narrow the range of climate change projections. The 24 models that were included in the third phase of the coupled model intercomparsion project (CMIP3) are used for this purpose. First some fundamental climatologies simulated by the AOGCMs are quantitatively compared to a number of observational data. An important methodological aspect of this approach is to explicitly address the uncertainty associated with the observational data. It is revealed that statements concerning the quality of climate models based on such hindcastig approaches might be flawed due to uncertainties about observational data. However, the application of the Köppen-Geiger classification reveales that all considered AOGCMs are capable of reproducing the fundamental distribution of observed types of climate. Thus, to evaluate the models, their ability to reproduce large-scale climate variability is chosen as the criterion. The focus is on one highly complex feature, the coupled El Niño-Southern Oscillation. Addressing several aspects of this climate mode, it is demonstrated that there are AOGCMs that are less successful in doing so than others. In contrast, all models reproduce the most dominant extratropical climate modes in a satisfying manner. The decision which modes are the most important is made using a distinct approach considering several global sets of observational data. This way, it is possible to add new definitions for the time series of some well-known climate patterns, which proof to be equivalent to the standard definitions. Along with this, other popular modes are identified as less important regional patterns. The presented approach to assess the simulation of ENSO is in good agreement with other approaches, as well as the resulting rating of the overall model performance. The spectrum of the timeseries of the Southern Oscillation Index (SOI) can thus be regarded as a sound parameter of the quality of AOGCMs. Differences in the ability to simulate a realistic ENSO-system prove to be a significant source of uncertainty with respect to the future development of some fundamental and important climate parameters, namely the global near-surface air mean temperature, the SOI itself and the Indian monsoon. In addition, there are significant differences in the patterns of regional climate change as simulated by two ensembles, which are constituted according to the evaluation function previously developed. However, these effects are overall not comparable to the multi-model ensembles’ anthropogenic induced climate change signals which can be detected and quantified using a robust multi-variate approach. If all individual simulations following a specific emission scenario are combined, the resulting climate change signals can be thought of as the fundamental message of CMIP3. It appears to be quite a stable one, more or less unaffected by the use of the derived weighting scheme instead of the common approach to use equal weights for all simulations. It is reasoned that this originates mainly from the range of trends in the SOI. Apparently, the group of models that seems to have a realistic ENSO-system also shows greater variations in terms of effective climate change. This underlines the importance of natural climate variability as a major source of uncertainty concerning climate change. For the SOI there are negative Trends in the multi-model ensemble as well as positive ones. Overall, these trends tend to stabilize the development of other climate parameters when various AOGCMs are combined, whether the two distinguished parts of CMIP3 are analyzed or the weighting scheme is applied. Especially in case of the latter method, this prevents significant effects on the mean change compared to the arithmetic multi-model mean. KW - Modell KW - Klima KW - Statistik KW - Anthropogene Klimaänderung KW - El-Niño-Phänomen KW - multi-model ensemble KW - großskalige Klimavariabilität KW - Gewichtung von Klimamodellen KW - large scale climate variability KW - weighting of climate models KW - Allgemeine atmosphärische Zirkulation KW - Klimatologie KW - Klimaänderung KW - Modellierung KW - Mathematisches Modell Y1 - 2013 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-97982 ER - TY - THES A1 - Ibebuchi, Chibuike Chiedozie T1 - Bias correction of climate model output for Germany T1 - Bias-Korrektur des Klimamodell-Outputs für Deutschland N2 - 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. N2 - Regionale Klimamodelle (RCMs) sind Werkzeuge, die verwendet werden, um den zukünftigen Klimawandel auf regionaler Ebene zu prognostizieren. Trotz ihrer hohen horizontalen Auflösung sind RCMs je nach Beobachtung durch systematische Verzerrungen gekennzeichnet, was zu unrealistischen Interpretationen zukünftiger Signale des Klimawandels führen kann. Andererseits ist die Bias-Korrektur (BC) eine beliebte statistische Nachbearbeitungstechnik, die angewendet wird, um die Nutzbarkeit der Ergebnisse von Klimamodellen zu verbessern. Wie jede andere statistische Technik hat BC seine Stärken und Schwächen. Daher widmet sich diese Studie im regionalen Kontext Deutschlands und für Temperatur und Niederschlag der Bewertung der Auswirkungen verschiedener BC-Techniken auf den das RCM-ErtragErgebnis. Die Schwerpunkte liegen auf der Auswirkung von BC auf die statistische Charakterisierung des RCM und auf der physikalischen Konsistenz. Letztere ist, definiert als die räumlich-zeitliche Konsistenz zwischen der systematisch korrigierten Variablen und den simulierten physikalischen Mechanismen, die diese Variable steuern, sowie auf den Korrelationen zwischen der systematisch korrigierten Variablen und anderen (simulierten) Klimavariablen. Fünf BC-Techniken wurden angewendet, um die systematischen Abweichungen in den Temperatur- und Niederschlags-RCM-Ausgaben Ergebnissen anzupassen. Die BC-Techniken sind lineare Skalierung, empirisches Quantil-Mapping, univariates Quantil-Delta-Mapping, sowie multivariates Quantil-Delta-Mapping, das Abhängigkeiten zwischen Standorten berücksichtigt, und multivariates Quantil-Delta-Mapping, das intervariable Abhängigkeiten (MBCn) berücksichtigt. Die Ergebnisse zeigen, dass jede BC-Technik einen Mehrwert bei der Reduzierung der Verzerrungen in den Statistiken der RCM-Ausgabe bringt, und dies, obwohl der Mehrwert von mehreren Faktoren abhängt, wie der zeitlichen Auflösung der Daten, der Wahl der RCM, der Klimavariable, der Region und desr verwendeten Massstabsetrik zur Bewertung der BC-Technik verwendet. Darüber hinaus reproduzierten die rohen RCMs Teile der beobachteten Modi der atmosphärischen Zirkulation in Westeuropa und die beobachteten meteorologischen Temperatur- und Niederschlagsmuster in Deutschland. Nach der BC wurden im Allgemeinen die raumzeitlichen Konfigurationen der simulierten meteorologischen Muster sowie die maßgeblichen großräumigen Mechanismen reproduziert. Auf einer stärker lokalisierten räumlichen Skala änderte der BC jedoch für die einzelnen meteorologischen Muster die simulierte Kovariabilität einiger Gitter, insbesondere für Niederschlag. Bezüglich der Kovariabilität zwischen den Variablen wurde sowohl in Modellen als auch in Beobachtungen eine physikalisch interpretierbare positive Korrelation zwischen Temperatur und Niederschlag im borealen Winter gefunden. Für die meisten Gitterboxen Gitterfelder im Untersuchungsbereich und auch im Durchschnitt änderten die BC-Techniken, die die Abhängigkeit zwischen den Variablen nicht anpassen, die simulierten Korrelationen zwischen den Klimavariablen nicht merklich. Allerdings neigen die (univariaten) BC-Techniken je nach Gitterbox Gitterfeld dazu, die simulierten zeitlichen Korrelationen zwischen Temperatur und Niederschlag zu verschlechtern. Darüber hinaus hat MBCn, das Verzerrungen in der Abhängigkeit zwischen Variablen anpasst, die Fähigkeit, die Korrelationen zwischen den simulierten Variablen gegenüber den Beobachtungen zu verbessern. KW - Bias correction KW - regional climate models KW - Germany KW - physical consistency KW - meteorological patterns KW - Bias-Korrektur KW - Regionale Klimamodelle KW - Deutschland KW - Physikalische Konsistenz KW - Meteorologische Muster Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-312647 ER - TY - THES A1 - Mutz, Sebastian T1 - Dynamic Statistical Modelling of Climate-Related Mass Balance Changes in Norway T1 - Dynamisch-Statistische Modellierung Klimabedingter Gletschermassenveränderungen in Norwegen N2 - 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. N2 - Gletscher in Norwegen stellen einen starken Einflussfaktor auf Wirtschaft und Gesellschaft dar. Trotz des Klimawandels und Erwärmung kam es zu einem Vorstoß der Gletscher in den späten 1980er und 1990ern, welcher erst ab dem Jahr 2000 durch einen starken Massenverlust abgelöst wurde. Dieses Verhalten lässt sich möglicherweise durch Unterschiede und Veränderungen im glaziologischen Regime erklären, d.h. Unterschiede in der Stärke der Einflüsse von klimatisch und nicht-klimatischen Faktoren auf die Gletschermassenbilanzen. Diese Arbeit untersucht den Einfluss verschiedener atmosphärischer Variablen auf die Massenveränderungen einiger Gletscher in Norwegen mit Hilfe von Korrelationsanalysen und kreuzvalidierten schrittweise multiple Regressionsanalysen. Diese werden für die Zeitabschnitte 1949-2008, 1949-1988 und 1989-2008 separat durchgeführt um den möglichen Regimewechsel in the 1980ern zu berücksichtigen. Die atmosphärischen Variablen werden aus ERA40 und NCEP/NCAR Re-analysen erstellt und beinhalten unter anderem atmosphärische Zirkulationsindizes und regionale Mittel von saisonalem Niederschlag und Temperatur. Die Regressionmodelle werden dann auf die aus den Daten des CMIP3 Klimamodelldatenarchiv rekonstruierten Prädiktoren angewandt um eine Abschätzung der Gletschermassenveränderung für den Zeitraum von 1950 bis 2100 zu erstellen. Die zeitliche Überschneidung von Abschätzungen und Beobachtungen wird zur Eichung genutzt. Zuletzt wird durch einen Bayesischen Klassifizierungsansatz beobachtete atmosphärische Zustände in Jahren, die durch besonders negative oder positive Massenbilanzen geprägt sind, in Zeitabschnitte von modelliertem Klima eingeordnet. Der größte Einfluss auf Wintermassenbilanzen stellt die Nordatlantische Oszillation, Arktische Oszillation und Niederschlagsmittel dar. Die Höhe der Korrelationskoeffizienten und der durch diese Prädiktoren erklärte Varianz der Wintermassenbilanz nimmt für die östlich gelegenen, kontinental geprägteren Gletscher ab. Die stärksten stochastischen Zusammenhänge und höchsten erklärten Varianzen werden aus dem 1989-2008 Zeitabschnitt gewonnen und lassen sich möglicherweise durch eine meist starke und positive Phase der Winter-NAO in diesem Zeitraum erklären. Multi-model Ensemble Means der Abschätzungen der Gletschermassenveränderungen zeigen den größten Massenverlust für die östlich gelegenen, kontinentaleren Gletscher auf. Die Abschätzungen für die eher maritim geprägten Gletscher sind weniger eindeutig. Im Allgemeinen reagieren die Abschätzungen empfindlicher auf die Wahl des Trainingszeitraums für die Regressionsmodelle als auf die Emissionsszenarien der Klimamodellläufe. Im Durchschnitt ist die kumulative Massenbilanz im Jahr 2100 jedoch für fast alle Gletscher negativ. Der nördlich gelegene Engabreen stellt die einzige Ausnahme dar. Die Resultate des Bayesischen Klassifikationsansatzes zeigen eine Abnahme in der Wahrscheinlichkeit für atmospphärischen Zustände, die Minima und Maxima winterlicher Akkumulation begünstigen. Des Weiteren zeigen die Resultate eine Zunahme in der Wahrscheinlichkeit der atmosphärischen Zustände, die starken Massenverlust im Sommer begünstigen. Dies ist besonders bei den Gletschern der Fall, die einem kontinentalen oder Übergangsregime unterliegen. KW - Norwegen KW - Klimatologie KW - Klimaänderung KW - Gletscherschwankung KW - Geschichte 1949-2008 KW - dynamic-statistical KW - statistica modelling KW - glaciers KW - climate change KW - norway KW - statistics KW - bayesian Y1 - 2013 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-114799 ER - TY - THES A1 - Karama, Alphonse T1 - East African Seasonal Rainfall prediction using multiple linear regression and regression with ARIMA errors models T1 - Vorhersage des saisonalen Niederschlags in Ostafrika mit multipler linearer Regression und Regression mit ARIMA-Fehlermodellen N2 - 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. N2 - Die nachteiligen Auswirkungen der Klimavariabilität auf Wasser, Landwirtschaft und Nahrungsressourcen in Ostafrika unterstreichen die Bedeutung einer zuverlässigen saisonalen Klimavorhersage. Um diese Schwierigkeit zu überwinden, wurden die Regression mit ARIMA-Fehlern (RARIMAE)-Methoden entwickelt. Die Anwendungen RARIMAE in der Literatur zeigen, dass die Zusammenführung verschiedener Methoden ein effizienter und effektiver Weg sein kann, um die Vorhersagen der betrachteten Zeitreihen zu verbessern. Aus dieser Motivation heraus wurde versucht, ein multiples lineares Regressionsmodell (MLR) und ein RARIMAE-Modell zur Vorhersage saisonaler Niederschläge in Ostafrika unter folgenden Zielsetzungen zu entwickeln: 1. Entwicklung eines MLR-Modells für die Vorhersage der saisonalen Regenfälle in Ostafrika. 2. Entwicklung eines RARIMAE-Modells für die saisonale Niederschlagsvorhersage in Ostafrika. 3. Vergleich der betrachteten Modelleffizienz Um die oben genannten Ziele zu erreichen, wurden die monatlichen Niederschlagsdaten für den Zeitraum von 1949 bis 2000 von der Climate Research Unit (CRU) bezogen. Daneben wurden die ersten differenzierten Klimaindizes als Prädiktoren verwendet. Im ersten Teil dieser Studie wurden die Niederschlagsschwankungen in der gesamten Region Zentral-Ostafrika, die sich über einen Längengrad von 15 Grad Ost bis 55 Grad Ost und einen Breitengrad von 15 Grad Süd bis 15 Grad Nord erstrecken, analysiert mit Hilfe von Karten gemacht. Für den Modellvergleich werden die Erklärte Varianz-Werte für das MLR-Modell von den R-Quadrat-Werten des RARIMAE-Modells abgezogen. Die Ergebnisse zeigen positive Werte, was darauf hinweist, die Erklärte Varianz durch das RARIMAE-Modell verbessert wird. Auf der anderen Seite werden die Root-Mean-Square-Error-Werte (RMSE) des RARIMAE-Modells von den RMSE-Werten des MLR-Modells subtrahiert und die Ergebnisse zeigen einen negativen Wert, der darauf hinweist, dass der RMSE durch das RARIMAE-Modell für Trainings- und Testdatensätze reduziert wird. Für den zweiten Teil dieser Studie umfasst das betrachtete Gebiet einen Längengrad von 31,5 Grad Ost bis 41 Grad Ost und einen Breitengrad von 3,5 Grad Süd bis 0,5 Grad Süd. Diese Region umfasst den Zentral-Osten der Demokratischen Republik Kongo (DRC), nördlich von Burundi, südlich von Uganda, Ruanda, nördlich von Tansania und südlich von Kenia. Betrachtet man ein Modell, das auf der Grundlage der durchschnittlichen Niederschlagszeitreihen in dieser Region erstellt wurde, zählt die lange Regensaison den neunmonatigen Vorsprung der ersten Hauptkomponente des indischen Meeresspiegeldrucks (SLP_PC19) und den neunmonatigen Vorsprung des Dipolmodus-Index (DMI_LR9) als ausgewählte Prädiktoren für statistische und prädiktive Modelle. Auf der anderen Seite zählt die kurze Regenzeit den dreimonatigen Vorsprung der ersten Hauptkomponente der indischen Meeresoberflächentemperatur (SST_PC13) und den dreimonatigen Vorsprung des Southern Oscillation Index (SOI_SR3) als Prädiktoren für das Vorhersagemodell. Für das statistische Modell der kurzen Regenzeit wurde die aktuelle SAOD-Zeitreihe (SAOD_SR0) zu den beiden Prädiktoren im Vorhersagemodell hinzugefügt. Durch die Anwendung eines MLR-Modells wird gezeigt, dass die Vorhersage 27,4 % der Gesamtvariation erklären kann und einen RMSE von 74,2 mm/Saison für eine lange Regenzeit hat, während die Vorhersage für RARIMAE 53,6% der Gesamtvariation erklärt und einen RMSE von 59,4 mm/Saison hat. Durch die Anwendung eines MLR-Modells wird gezeigt, dass die Vorhersage 22,8% der Gesamtvariation erklären kann und einen RMSE von 106,1 mm/Saison für das Vorhersagemodell für kurze Regenzeiten hat, während die Vorhersage für RARIMAE 55,1% der Gesamtvariation erklärt und a RMSE von 81,1 mm/Saison. Aus einem solchen Vergleich wurde ein signifikanter Anstieg die Erklärte Varianz und eine Abnahme der RMSE-Werte in RARIMAE-Modellen sowohl für die gemittelten Zeitreihen für kurze Regenfälle als auch für lange Regenzeiten beobachtet. In Bezug auf die Zuverlässigkeit übertraf RARIMAE seine MLR-Pendants mit besserer Effizienz und Genauigkeit. Wenn die Daten unter Autokorrelation leiden, können wir uns daher für MLR mit ARIMA-Fehler entscheiden. Der ARIMA-Fehlerteil dient mehr dazu, die Autokorrelation zu korrigieren, wodurch die Varianz und Produktivität des Modells verbessert wird. KW - Regression KW - Niederschlag KW - Telekonnektion KW - Precipitation KW - ARIMA KW - Teleconnection Y1 - 2021 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-251831 ER - TY - THES A1 - Knöfel, Patrick T1 - Energiebilanzmodellierung zur Ableitung der Evapotranspiration – Beispielregion Khorezm T1 - Optimization of energy balance modelling in order to determine evapotranspiration by developing a physical based soil heat flux approach on the example of Khorezm region in Uzbekistan N2 - Zum Verständnis der komplexen Wechselwirkungen innerhalb des Klimasystems der Erde sind Kenntnisse über den hydrologischen Zyklus und den Energiekreislauf essentiell. Eine besondere Rolle obliegt hierbei der Evapotranspiration (ET), da sie eine wesentliche Teilkomponente beider oben erwähnter Kreisläufe ist. Die exakte Quantifizierung der regionalen, tatsächlichen Evapotranspiration innerhalb der Wasser- und Energiekreisläufe der Erdoberfläche auf unterschiedlichen zeitlichen und räumlichen Skalen ist für hydrologische, klimatologische und agronomische Fragestellungen von großer Bedeutung. Dabei ist eine realistische Abschätzung der regionalen tatsächlichen Evapotranspiration die wichtigste Herausforderung der hydrologischen Modellierung. Besonders die unterschiedlichen räumlichen und zeitlichen Auflösungen von Satelliteninformationen machen die Fernerkundung sowohl für globale als auch regionale hydrologischen Fragestellungen interessant. Zusätzlich zur Notwendigkeit des Prozessverständnisses des Wasserkreislaufs auf globaler Ebene kommt dessen regionale Bedeutung für die Landwirtschaft, insbesondere in Bewässerungssystemen arider Regionen. In ariden Klimazonen übersteigt die Menge der Verdunstung oft bei weitem die Niederschlagsmengen. Aufgrund der geringen Niederschlagsmenge muss in ariden agrarischen Regionen das zum Pflanzenwachstum benötigte Wasser mit Hilfe künstlicher Bewässerung aufgebracht werden. Der jeweilige lokale Bewässerungsbedarf hängt 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 Steuerungsgröße und Effizienzindikator für das lokale Bewässerungsmanagement. Die Bewässe-rungslandwirtschaft verbraucht weltweit etwa 70 % der verfügbaren Süßwasservorkom-men. Dies wird als einer der Hauptgründe für 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 über 90 %. Bei der Erstellung der vorliegenden Arbeit kam die Methode der residualen Bestimmung der Energiebilanz zum Einsatz. Eines der weltweit am häufigsten eingesetzten und vali-dierten fernerkundlichen Residualmodelle zur ET Ableitung ist das SEBAL-Modell (Surface Energy Balance Algorithm for Land, mit über 40 veröffentlichten Studien. SEBAL eignet sich zur Quantifizierung der Verdunstung großflächiger Gebiete und wurde bisher über-wiegend in der Bewässerungslandwirtschaft eingesetzt. Aus diesen Gründen wurde es für die Bearbeitung der Fragestellungen in dieser Arbeit ausgewählt. SEBAL verwendet physikalische und empirische Beziehungen zur Berechnung der Energiebilanzkomponenten basierend auf Fernerkundungsdaten, bei gleichzeitig minimalem Einsatz bodengestützter Daten. Als Eingangsdaten werden u.a. Informationen über Strahlung, Bodenoberflächentemperatur, NDVI, LAI und Albedo verwendet. Zusätzlich zu SEBAL wurden einige Komponenten der SEBAL Weiterentwicklung METRIC (Mapping Evapotranspiration with Internalized Calibration) verwendet, um die Modellierung der ET vorzunehmen. METRIC überwindet einige Limitierungen des SEBAL Verfahrens und kann beispielsweise auch in stärker reliefierten Regionen angewendet werden. Außerdem ermöglicht 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 Erdoberfläche RN = LvE + H + G. Demnach teilt sich die verfügbare Strahlungsenergie RN in die Komponenten latenter Wärme (LVE), fühlbarer Wärme (H) und Bodenwärme (G) auf. Durch Umstellen der Gleichung kann auf die latente Wärme geschlossen werden. Das wesentliche Ziel der vorliegenden Arbeit ist die Optimierung, Erweiterung und Validierung des ausgewählten SEBAL Verfahrens zur regionalen Modellierung der Energiebilanzkomponenten und der daraus abgeleiteten tatsächlichen Evapotranspiration. Die validierten Modellergebnisse der Gebietsverdunstung der Jahre 2009-2011 sollen anschließend als Grundlage dienen, das Gesamtverständnis der regionalen Prozesse des Wasserkreislaufs zu verbessern. Die Arbeit basiert auf der Datengrundlage von MODIS Daten mit 1 km räumlicher Auflösung. Während die Komponenten verfügbare Strahlungsenergie und fühlbarer Wärmestrom physikalisch basiert ermittelt werden, beruht die Berechnung des Bodenwärmestroms ausschließlich auf empirischen Abschätzungen. Ein großer Nachteil des empirischen Ansatzes ist die Vernachlässigung des zeitlichen Versatzes zwischen Strahlungsbilanz und Bodenwärmestrom in Abhängigkeit der aktuellen Bodenfeuchtesituation. Ein besonderer Schwerpunkt der vorliegenden Arbeit liegt auf der Bewertung und Verbesserung der Modellgüte des Bodenwärmestroms durch Verwendung eines neuen Ansatzes zur Integration von Bodenfeuchteinformationen. Daher wird in der Arbeit ein physikalischer Ansatz entwickelt der auf dem Ansatz der periodischen Temperaturveränderung basiert. Hierbei wurde neben dem ENVISAT ASAR SSM Produkt der TU Wien das operationelle Oberflächenbodenfeuchteprodukt ASCAT SSM als Fernerkundungseingangsdaten ausgewählt. Die mit SEBAL modellierten Energiebilanzkomponenten werden durch eine intensive Validierung mit bodengestützten 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 für die wasserbezogene Problematik der Bewässerungslandwirtschaft Mittelasiens und wurde als Untersuchungsgebiet für diese Arbeit ausgewählt. Die wesentlichen Probleme dieser Region entstehen durch die nach wie vor nicht nachhaltige Land- und Wassernutzung, das marode Bewässerungsnetz 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 bodengestützter Informationen durchgeführt. Bei der Evaluierung der modellierten Einzelkomponenten ergab sich für die Strahlungsbi-lanz eine hohe Modellgüte (R² > 0,9; rRMSE < 0,2 und NSE > 0,5). Diese Komponente bildet die Grundlage bei der Bezifferung der für die Prozesse an der Erdoberfläche zur Verfügung stehenden Energie. Für die fühlbaren Wärmeströme wurden ebenfalls gute Ergebnisse erzielt, mit NSE von 0,31 und rRMSE von ca. 0,21. Für die residual bestimmte Größe der latenten Wärmeströmung konnte eine insgesamt gute Modellgüte festgestellt werden (R² > 0,6; rRMSE < 0,2 und NSE > 0,5). Dementsprechend gut wurde die tägliche Evapotranspiration modelliert. Hier ergab sich, nach der Interpolation täglicher Werte, eine insgesamt ausreichend gute Modellgüte (R² > 0,5; rRMSE < 0,2 und NSE > 0,4). Dies bestätigt die Ergebnisse vieler Energiebilanzstudien, die lediglich den für die Ableitung der Evapotranspiration maßgebenden Wärmestrom untersuchten. Die Modellergebnisse für den Bodenwärmestrom 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 führt zu einer insgesamt positiven Einschätzung des Verbesserungspotenzials des neu entwickelten Bodenwärmestromansatzes bei der Berechnung der Energiebilanz mit Hilfe von Fernerkundung. N2 - The understanding of the hydrological and the energy cycles are essential in order to describe the complex interactions within the climate system of the earth. Being recognized as an important component of both, the water and the energy cycle, reliable estimation of actual evapotranspiration and its spatial distribution is one outstanding challenge in this context. Detailed knowledge of land surface fluxes, especially latent and sensible heat components, is important for monitoring the climate and land surface, and for agriculture applications such as irrigation scheduling and water management. The use of remote sensing data to determine actual evapotranspiration (ET) is particularly suitable to provide area based indicators for the evaluation of the efficiency and productivity of irrigation systems as well as sustainability studies. Accurate estimation of evapotranspiration plays an important role in quantification of the water balance at watershed, basin, and regional scale for better planning and managing water resources. For instance, in irrigation systems of arid regions, artificial locations of evapotranspiration have been created. An in-depth process understanding is of paramount importance, as irrigated agriculture consumes about 70 % of the available freshwater resources worldwide, with a significant but unsatisfyingly quantified impact on the water cycle, especially on regional scale. Moreover, an exact quantification of ET inside these artificial ecosystems enables assessments of crop water consumptions and hence about water use efficiency. The withdrawal of water for agricultural use in the countries of Central Asia is more than 90 %. For this thesis the residual methods of energy budget are of interest. One of the most common models dealing with energy budget residual is the Surface Energy Balance Algorithm for Land (SEBAL). SEBAL uses physical and empirical relationships to calculate the energy partitioning with minimum of ground data and atmospheric variables are estimated from remote sensing data. The determination of wet and dry surfaces is necessary to extract threshold values. SEBAL requires remote sensing input data like radiation, surface temperature, NDVI, and albedo. For this thesis an algorithm was developed based on SEBAL, its adaptations METRIC (Mapping Evapotranspiration with Internalized Calibration) and some regional adjustments. METRIC introduces the leaf area index (LAI) and land use classification data to determine the dry and hot surfaces as well as the input of additional meteorological data in order to improve the results of the model. Estimation of latent heat flux (LvE, corresponding to evapotranspiration) with SEBAL is based on assessing the energy balance through several surface properties such as albedo, LAI, NDVI, LST etc. Considering instantaneous condition, the energy balance is written as RN = LvE + H + G. Net radiation energy (RN) is available as the sum of the atmospheric convective fluxes sensible heat flux (H), latent heat flux (LvE) and the soil heat flux (G). The main objective of this thesis is to optimize, improve, and evaluate the existing remote sensing based algorithms for the estimation of actual evapotranspiration. For this purpose the seasonal actual ET was calculated using a partly modified SEBAL. SEBAL was implemented based on MODIS time series to solve the energy balance equation. The applied model has proven practicable for this area and is accepted to fulfil the scientific demands. The SEBAL algorithm is tested and set up for the use of 1km MODIS products. Land surface temperature (LST), emissivity, albedo, Normalized Differenced Vegetation Index (NDVI), and leaf area index (LAI) were combined for modelling the actual ET. Land use classification results were aggregated to 1km MODIS scale. Furthermore, the surface soil moisture products ASCAT SSM and ASAR SSM will be used as input data for the model. In addition to remote sensing data meteorological and ground truth data are used in this study. Meteorological data are wind speed, air temperature, relative humidity, and net radiation. The data is required at time of satellite overpass (about 12 p.m.). RN depends on incoming shortwave radiation, incoming and outgoing longwave radiant fluxes, albedo, emissivity and surface temperature. H is mostly calculated using the aerodynamic resistance between the surface and the reference height in the lower atmosphere (commonly 2 m) above surface. G is usually estimated using an empirical equation. This thesis introduces a modified equation to estimate G using an adjusted form of the thermal conduction equation. This method uses microwave soil moisture products (ASAR-SSM and ASCAT-SSM) as additional input information. The SEBAL modelled energy balance components were intensively validated by field measurements with an eddy covariance system and soil sensors in 2009, 2010, and 2011. The thesis is primarily concerned with the irrigation farming of cotton ecosystems in Central Asia, in particular with the situation within Khorezm Oblast in Uzbekistan. Regional problems of Khorezm are high groundwater levels, soil salinity, and non-sustainable use of land and water. Amongst others, the determination of ground truth data driven by the above mentioned objectives are part of two extensive field campaigns in 2010 and 2011. The validation of the modelled energy balance components leads to a good quality assessment. The model shows very good performance for RN with average model efficiency (NSE) of 0,68 and small relative errors (rRMSE) of about 0,10. For turbulent heat fluxes good results can be achieved with NSE of 0,31 for H and 0,55 for LE, the rRMSE are about 0,21 (H) and 0,18 (LvE). Soil heat flux estimation could be improved using the physically based approach. While the empirical equation leads to negative NSE and rRMSE of about 0,57, the improved approach shows rRMSE of 0,35 and NSE of 0,19. Thus, the improved G estimation can be registered as a valuable contribution for the remote sensing based estimation of energy balance components. N2 - Die Bewässerungslandwirtschaft verbraucht weltweit etwa 70 % der verfügbaren Süßwasservorkommen. Dabei liegt die Wasserentnahme des landwirtschaftlichen Sektors in den Staaten Mittelasiens bei über 90 %. Wichtige Voraussetzungen für die Landwirtschaft sind der Produktionsfaktor Boden und das Klima. Der Wassergehalt und die Temperatur des Bodens bestimmen im Wesentlichen den Anteil der verfügbaren solaren Strahlungsenergie, der in den Boden geleitet wird. Existierende Fernerkundungsansätze verwenden zur Ermittlung des Bodenwärmestroms überwiegend empirische Gleichungen, da zuverlässige flächenhafte Informationen über die Bodenfeuchte bisher aufgrund räumlich unzureichender messtechnischer Bedingungen nicht ermittelt werden können. In der vorliegenden Arbeit wird ein neu entwickelter, physikalisch-basierter Ansatz vorgestellt, der erstmals räumlich hochaufgelöste Bodenfeuchteinformationen aus Radardatensätzen zur Berechnung des Bodenwärmestroms verwendet. Dieser Ansatz wird zur Lösung der Energiebilanz an der Erdoberfläche verwendet, um indirekt auf die tatsächlichen Evapotranspiration zu schließen. Denn eine realistische Quantifizierung der regionalen, tatsächlichen Evapotranspiration als Komponente der regionalen Wasserbilanz ist eine wichtige Steuerungsgröße und ein Effizienzindikator für das lokale Bewässerungsmanagement. T3 - Würzburger Geographische Arbeiten - 120 KW - Evapotranspiration KW - Energiebilanz KW - Mikrometeorologie KW - Bodenfeuchte KW - Fernerkundung KW - Eddy-Kovarianz Y1 - 2018 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-135669 SN - 978-3-95826-042-9 (Print) SN - 978-3-95826-043-6 (Online) SN - 0510-9833 SN - 2194-3656 N1 - Eingereicht mit dem Titel: Optimierung der Energiebilanzmodellierung zur Ableitung der Evapotranspiration durch Entwicklung eines physikalischen Bodenwärmestromansatzes am Beispiel der Region Khorezm (Usbekistan). N1 - Parallel erschienen als Druckausgabe in Würzburg University Press, 978-3-95826-042-9, 34,90 EUR. PB - Würzburg University Press CY - Würzburg ET - 1. Auflage ER - TY - THES A1 - Ring, Christoph T1 - Entwicklung und Vergleich von Gewichtungsmetriken zur Analyse probabilistischer Klimaprojektionen aktueller Modellensembles T1 - Development and comparison of metrics for probabilistic climate change projections of state-of-the-art climate models N2 - Der anthropogene Klimawandel ist eine der größten Herausforderungen des 21. Jahrhunderts. Eine Hauptschwierigkeit liegt dabei in der Unsicherheit bezüglich der regionalen Änderung von Niederschlag und Temperatur. Hierdurch wird die Entwicklung geeigneter Anpassungsstrategien deutlich erschwert. In der vorliegenden Arbeit werden vier Evaluationsansätze mit insgesamt 13 Metriken für 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 über den Unsicherheitsbereich des zukünftigen Klimas getroffen. Die Evaluation der Modelle wird im Mittelmeerraum sowie in acht Unterregionen durchgeführt. Dabei wird der saisonale Trend von Temperatur und Niederschlag im Evaluationszeitraum 1960–2009 ausgewertet. Zusätzlich wird für bestimmte Metriken jeweils das klimatologische Mittel oder die harmonischen Zeitreiheneigenschaften evaluiert. Abschließend werden zum Test der Übertragbarkeit 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 Abhängigkeit der Modellbewertungen von verschiedenen Referenzdaten mit Hilfe von insgesamt drei Referenzdatensätzen 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 einfügen. So wurde die Leistung der globalen Klimamodelle der neusten Generation (2013) im Vergleich zur Vorgängergeneration (2007) im Schnitt ähnlich hoch bzw. in vielen Situationen auch stärker eingeordnet. Ein durchweg bestes Modell konnte nicht festgestellt werden. Der Großteil der entwickelten Metriken zeigt für ähnliche Situationen übereinstimmende Modellbewertungen. Bei der Gewichtung hat sich der Niederschlag als besonders geeignet herausgestellt. Grund hierfür sind die im Schnitt deutlichen Unterschiede der Modellleistungen in Zusammenhang mit einer geringeren Simulationsgüte. Umgekehrt zeigen die Metriken für die Modelle der Temperatur allgemein überwiegend hohe Evaluationsergebnisse, wodurch nur wenig Informationsgewinn durch Gewichtung erreicht werden kann. Während die Metriken gut für unterschiedliche Regionen und Skalenniveaus verwendet werden Evaluationszeiträume nicht grundsätzlich gegeben. Zusätzlich zeigen die Modellranglisten unterschiedlicher Regionen und Jahreszeiten häufig nur geringe Korrelationen. Dies gilt besonders für den Niederschlag. Bei der Temperatur sind hingegen leichte Übereinstimmungen auszumachen. Beim Vergleich der mittleren Ranglisten über alle Modellbewertungen und Situationen der Hauptregionen des Mittelmeerraums mit den Globalregionen besteht eine signifikante Korrelation von 0,39 für Temperatur, während sie für Niederschlag um null liegt. Dieses Ergebnis ist für alle drei verwendeten Referenzdatensätze im Mittelmeerraum gültig. So schwankt die Korrelation der Modellbewertungen des Niederschlags für unterschiedliche Referenzdatensätze immer um Null und die der Temperaturranglisten zwischen 0,36 und 0,44. Generell werden die Metriken als geeignete Evaluationswerkzeuge für Klimamodelle eingestuft. Daher können sie einen Beitrag zur Änderung des Unsicherheitsbereichs und damit zur Stärkung des Vertrauens in Klimaprojektionen leisten. Die Abhängigkeit der Modellbewertungen von Region und Untersuchungszeitraum muss dabei jedoch berücksichtigt werden. So besitzt die Analyse der Konsistenz von Modellbewertungen sowie der Stärken und Schwächen der Klimamodelle großes Potential für folgende Studien, um das Vertrauen in Modellprojektionen weiter zu steigern. N2 - Climate change is one of the major tasks of the 21st century. The uncertainty of precipitation and temperature change is considered as a main challenge in this context. Thus, the development of appropriate adaptation strategies is very difficult. In this study, four climate model evaluation approaches with 13 metrics in total are developed and compared. Current global (two generations) and regional climate models are evaluated to assess projection uncertainty. Based on model performances, weighting is applied to future climate projections to estimate simulation uncertainty. The evaluations are performed in the Mediterranean and eight sub-regions. Seasonal trend of temperature and precipitation are evaluated for the period 1960–2009. For some metrics, the climatological mean and the spectra of the time series are evaluated as well. In addition, six globally distributed study areas are evaluated to test the metrics’ transferability. Further, temporal consistency is assessed by the evaluation of a second slightly shifted timeframe. Finally, three reference datasets are considered in order to analyse the dependence of the evaluation results between each other. Results indicate that most metrics are suitable to evaluate climate models. Their application to different variables and regions generates reasonable model assessments which fit in the context of current publications in this field of research. In many situations, the results of the current model generation (2013) are similar or better compared to those of the last generation (2007). One single model with superior performance for all variables and situations cannot be found. Most metrics show similar estimations of performances for the same situations. Precipitation turned out to be more suitable for model weighting. Here, the differences between model weights are larger because of overall higher spread and lower model performances. Against this, there are mostly high performances on an equal level for simulations of temperature which lead to a minor added value of weighting. While metrics can easily be transferred and applied to different regions and scales, some evaluation results depend on the evaluated timeframe. Further, the model rankings for different regions and seasons show only minor correlations for most situations. This is particularly true for precipitation. However, for temperature there are some significant positive correlations. Comparing the mean ranking over all evaluation results of the main study areas of the Mediterranean with that of the globally distributed regions, there is a significant correlation of 0.39 for temperature and a correlation around zero for precipitation. The choice of reference dataset for the Mediterranean areas is subordinated in this context. For different reference datasets, the overall rankings show correlations around zero for precipitation while those for temperature are between 0.36 and 0.44. Overall, the metrics are suitable for the evaluation of climate models. Thus, they offer promising contributions to improve the range of uncertainty and therefore to enhance the general confidence in climate projections. However, dependence of model assessments on the analysed region and evaluation timeframe has to be considered. Consequently, the analyses of consistency of model evaluations and of climate model strengths and weaknesses have great potential for future studies, to further enhance confidence in climate projections. KW - Anthropogene Klimaänderung KW - Unsicherheit KW - Klima KW - Modellierung KW - Statistik KW - Evaluierung und Gewichtung von Klimamodellen KW - Niederschlag und Temperatur KW - weighting of climate models Y1 - 2018 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-157294 ER - TY - THES A1 - Baumhoer, Celia Amélie T1 - Glacier Front Dynamics of Antarctica - Analysing Changes in Glacier and Ice Shelf Front Position based on SAR Time Series T1 - Gletscherfrontdynamiken in der Antarktis - Die Analyse von Gletscher- und Eisschelffrontänderungen basierend auf SAR-Zeitreihen N2 - 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 mélange 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. N2 - Der antarktische Eisschild speichert ~91 % des globalen Eisvolumens. Ein gänzliches Abschmelzen des Eisschildes hätte global einen Meeresspiegelanstieg von 58,3 Metern zur Folge. Der aktuelle Zerfall von Eisschelfen und der Gletscherrückgang entlang der Antarktischen Halbinsel und Westantarktis verdeutlichen den vulnerablen Status des antarktischen Eisschildes. Gletscherzungen und Eisschelfe säumen die antarktische Küstenlinie und halten die Eisströme Richtung Ozean zurück. Ein Rückzug der Eisschelfe und Gletscher vermindert den Rückhalteeffekt und führt zu zunehmenden Gletscher-Fließgeschwindigkeiten in Richtung Ozean. Der dadurch verursachte Masseverlust trägt zum globalen Meeresspiegelanstieg bei. Bislang ist ungeklärt, welcher Anteil des antarktischen Gletscherrückgangs auf den Klimawandel und welcher auf den natürlichen Kalbungszyklus der Gletscher und Eisschelfe zurückzuführen ist. Aufgrund des vermehrten Zerfalls von Eisschelfen in den letzten Dekaden ist es von großer Wichtigkeit, den Gletscherrückgang zu quantifizieren und dessen Ausmaß, räumlichen Ausdehnung, Verteilung und Dynamik zirkumantarktisch zu erfassen, um mögliche Auswirkungen auf den Meeresspiegelanstieg frühzeitig zu erkennen. In abgelegenen Regionen wie der Antarktis bietet die Erdbeobachtung optimale Voraussetzungen für das großflächige Kartieren und Beobachten von Gletschern und Eisschelfen. Heute stellt die Fülle an frei-verfügbaren Satellitendaten verschiedener Sensoren, in Kombination mit technischen Neuerungen hinsichtlich der räumlichen und zeitlichen Abdeckung, eine ideale Basis für das Monitoring der Kalbungsfronten dar. Trotz der guten Datenverfügbarkeit hat ein umfassender Literaturüberblick − welcher im Rahmen dieser Dissertation durchgeführt wurde − große Lücken in der Verfügbarkeit von Gletscher- und Eisschelffrontpositionsmessungen festgestellt. Die zuvor limitierte Verfügbarkeit von Satellitendaten und die zeitaufwändige manuelle Ableitung der Küstenlinie machten eine zirkumantarktische Beurteilung des Gletscherrückgangs und die intra-annuelle Analyse von Gletscherfrontpositionen unmöglich. Für ein besseres Verständnis antarktischer Gletscherfrontveränderungen, präsentiert diese Dissertation ein neues, automatisiertes Konzept zur Kalbungsfrontextraktion und untersucht ob klimatische Faktoren für den beobachteten Kalbungsfrontenrückgang verantwortlich sind. Anhand des Literaturüberblicks konnte festgestellt werden, dass bis dato kein komplett automatisiertes Verfahren für die Gletscherfrontextraktion aus großvolumigen Radarsatellitenbildern bestand. Ähnliche Rückstreuwerte von verschiedenen Eistypen, saisonal veränderliche Rückstreuwerte, mehrjähriges Meereis und Eis-Mélange erschwerten die Entwicklung eines automatisierten Ansatzes mit traditionellen Bildverarbeitungsansätzen. Doch die Neuerungen in den Bereichen „Big Data“ und der künstlichen Intelligenz (KI) ermöglichen es, die heutige Fülle an Satellitendaten für die Ableitung von Kalbungsfronten zu nutzen. Im Rahmen dieser Dissertation wurde das neuartige Framework “AntarcticLINES” (Antarctic Glacier and Ice Shelf Front Time Series) kreiert, welches eine komplett automatisierte, KI-basierte Prozessierungskette für die Gletscherfrontenextraktion von Sentinel-1 Daten beinhaltet. Frei verfügbare Sentinel-1 Daten sind ideal, um derzeitige und zukünftige Veränderungen der antarktischen Küstenlinie zu beobachten, da die Orbitwiederholrate weniger als sechs Tage beträgt und die Bildgebung wetterunabhängig ist. Die entwickelte Prozessierungskette beinhaltet die Vorprozessierung, Maskierung und Zerlegung der Satellitenbilder in kleinere Kacheln. Es wurden 38 Sentinel-1 Szenen genutzt, um die Deep Learning Architektur U-Net für eine Bildsegmentierung zu trainieren. Die trainierten Gewichte des Neuronalen Netzes können genutzt werden, um Sentinel-1 Szenen in die Klassen Ozean und Eis zu segmentieren. Eine zusätzliche Nachprozessierung ermöglicht noch genauere Ergebnisse durch morphologisches Filtern, bevor die finale Küstenlinie zwischen den beiden Klassen extrahiert wird. Eine umfangreiche Genauigkeitsauswertung hat ergeben, dass die automatisch abgeleitete Küstenlinie im Mittel 2-3 Pixel (93 m) von einer manuell abgeleiteten Küstenlinie abweicht. Diese Genauigkeit ist im Rahmen der durchschnittlichen Abweichungen von manuell abgeleiteten Küstenlinien verschiedener Experten. Erstmals ermöglicht das Framework AntarcticLINES die automatisierte Extraktion von intra-annuellen Gletscherfrontfluktuationen, um saisonale Variationen in der Kalbungsfrontänderung zu untersuchen. Dadurch konnte beispielsweise eine erhöhte Kalbungsfrequenz des Pine-Island-Gletschers festgestellt werden. Die Extraktion der antarktischen Küstenlinie für 2018 zeigt die mögliche Anwendung der entwickelten Methodik für großräumige Gebiete. Für den Großteil der Antarktis wurden genaue Ergebnisse erzielt, lediglich entlang der westlichen Antarktischen Halbinsel fehlten Trainingsdaten, welche in zukünftigen Studien inkludiert werden sollten. Darüber hinaus präsentiert diese Dissertation einen bis dato beispiellosen Datensatz zu zirkumantarktischen Veränderungen der Kalbungsfronten über die letzten zwei Jahrzehnte. Die neu extrahierte Küstenlinie für das Jahr 2018 wurde mit früheren Küstenlinienprodukten von 2009 und 1997 verglichen. Dies hat offengelegt, dass der Antarktische Eisschild zwischen 1997 und 2008 eine Fläche von 29,618±1193 km2 verlor und zwischen 2009 und 2018 eine Fläche von 7,108±1029 km2 dazugewann. Der Gletscherrückgang konzentrierte sich entlang der Antarktischen Halbinsel und der Westantarktis. Der einzige ostantarktische Sektor, in dem sich simultaner Gletscherrückgang zeigte, war Wilkes Land in den Jahren 2009 bis 2018. Im Anschluss wurden Ursachen für den Antarktischen Gletscherrückgang durch die Korrelation mit Klimavariablen identifiziert. Zunehmende Westwinde, Schneeschmelze, ansteigende Meeresoberflächentemperaturen und zurückgehendes Meereis begünstigten den Gletscherrückgang in den letzten zwei Dekaden. Relative Veränderungen in der durchschnittlichen Lufttemperatur konnten nicht als Ursache für den Gletscherrückgang identifiziert werden und weiter Analysen zu Extremereignissen in der Lufttemperatur sind nötig um Frontveränderungen verursacht durch atmosphärischen Antrieb besser verstehen zu können. Die Verstärkung aller identifizierten Treiber ist eng mit positiven Phasen des Southern Annular Mode (SAM) verbunden. In Anbetracht ansteigender Konzentrationen von Treibhausgasen und dem Ozonrückgang werden positive Phasen des SAMs in Zukunft öfter auftreten, was in Folge den Gletscherrückgang noch weiter vorantreiben kann. Zusammengefasst wurde im Rahmen dieser Dissertation ein umfassender Literaturüberblick zu existierenden Gletscher- und Eisschelffrontstudien durchgeführt, welcher größere Lücken in Kalbungsfrontstudien aufzeigte. Es wurde eine voll-automatisierte Prozessierungskette entwickelt, um zirkumantarktische Kalbungsfrontpositionen intra-annuell beobachten zu können und die Datenlücken zu schließen. In Kombination mit Klimavariablen wurden treibende Kräfte, die den aktuellen Gletscherrückgang begünstigen, identifiziert. In Zukunft wird das präsentierte Framework AntarcticLINES zur konstanten Beobachtung der Antarktischen Küstenlinie eingesetzt, um Veränderungen in Anbetracht eines sich ändernden Klimas zu analysieren. KW - Antarctica KW - Remote Sensing KW - Glacier KW - SAR Y1 - 2021 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-245814 ER - TY - THES A1 - Engelbauer, Manuel T1 - Global assessment of recent UNESCO Biosphere Reserve quality enhancement strategies and interlinkages with other UNESCO labels T1 - Globale Bewertung der jüngsten Strategien zur Qualitätssteigerung von UNESCO-Biosphärenreservaten und deren Verknüpfungen mit anderen UNESCO-Labeln N2 - 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. N2 - Im Jahr 1995 führte der zweite internationale Kongress für Biosphärenreservate in Sevilla zu einer Reihe neuer Richtlinien, die einen bedeutenden Paradigmenwechsel im UNESCO-Programm „Der Mensch und die Biosphäre“ (MAB) einleiteten und das bestehende For-schungsprogramm in ein modernes Instrument für das doppelte Mandat des Naturschutzes und der nachhaltigen Entwicklung entwickelte. Doch fast 20 Jahre später entsprach ein gro-ßer Teil der vor 1996 ausgewiesenen Biosphärenreservate immer noch nicht den neuen Vorschriften. Im Jahr 2013 verkündete der Internationale Koordinierungsrat des MAB-Programms die „Exit-Strategie“ zur Evaluierung, Monitoring und Qualitätsverbesserung des Weltnetzes der Biosphärenreservate. Die Exit-Strategie bedeutete jedoch auch, dass 266 Biosphärenreservate in 76 Mitgliedsstaaten mit der Möglichkeit des Ausschlusses aus dem Weltnetz konfrontiert wurden. Diese Studie präsentiert eine globale Bewertung der Herausforderungen, die sich aus der Exit-Strategie und dem darauffolgenden Prozess der Exzellenz und Aufwertung ergeben. Es werden insbesondere die Unterschiede in den Qualitätsmanagementstrategien und den pe-riodischen Überprüfungsprozessen der verschiedenen Biosphärenreservate, die Auswir-kungen dieser Qualitätsmanagementstrategien auf das MAB-Programm und auf die 76 di-rekt betroffenen Mitgliedsstaaten sowie die Verflechtungen zwischen dem MAB-Programm und anderen UNESCO-Naturschutzsiegeln untersucht: die Weltnaturerbestätten und die Globalen Geoparks. Es wurden halbstrukturierte Experteninterviews mit 31 Teilnehmern aus 21 verschiede-nen Ländern geführt, die alle UN-Regionen repräsentieren. Um die Vielfalt des Weltnetzes der Biosphärenreservate zu veranschaulichen, werden 20 länderspezifische Fallstudien vor-gestellt, in denen die Herausforderungen bei der Umsetzung des Biosphärenreservatskon-zepts und insbesondere des periodischen Überprüfungsprozesses beleuchtet werden. Die von den Experten gesammelten Informationen wurden transkribiert und mit Hilfe einer qualitativen Inhaltsanalyse ausgewertet. Die Ergebnisse dieser Studie zeigen, dass es weltweit große Unterschiede bei der Imple-mentierung von Biosphärenreservaten gibt, insbesondere was die nationale Zuständigkeit für das MAB-Programm, die rechtliche Verankerung von Biosphärenreservaten in der na-tionalen Gesetzgebung, die Verwendung des Begriffs „Biosphärenreservat“ und die Gover-nancestrukturen der Biosphärenreservate betrifft. Von den Fallbeispielländern dieser Ar-beit zeigen die vier Nationen mit den meisten freiwilligen Rücknahmen von Biosphä-renreservaten aus dem Weltnetzwerk nach 2013, nämlich Australien, Österreich, Bulgarien und die Vereinigten Staaten von Amerika, dass die Exit-Strategie zur Vereinheitlichung und Qualitätsverbesserung des Weltnetzes beigetragen hat. Die Biosphärenreservate in diesen Ländern waren reine Naturschutzgebiete ohne menschliche Besiedlung und wurden in den 1970er und 1980er Jahren als solche ausgewiesen. In diesen Ländern gibt es nur noch Bio-sphärenreservate, die den Qualitätsstandards nach der Konferenz von Sevilla im Jahr 1995 entsprechen. Einige Experten haben darauf hingewiesen, dass es zwischen den drei UNE-SCO-Naturschutzsiegeln einen Wettbewerb um politische Aufmerksamkeit und Finanzie-rung gibt. Während eine Kombination von Biosphärenreservaten und Weltnaturerbe-stätten an einem Ort von Experten favorisiert wird, werden Globale Geoparks und Biosphä-renreservate als miteinander konkurrierend angesehen. Diese Arbeit kommt zu dem Schluss, dass die eingeführten Strategien zur Qualitätsver-besserung von grundlegender Bedeutung waren, um die Glaubwürdigkeit und Kohärenz des MAB-Programms zu verbessern. Die meisten Biosphärenreservate aus der ersten Gene-ration vor der Sevilla-Konferenz wurden angepasst oder die Mitgliedsstaaten wurden ermu-tigt, diese freiwillig aus dem Weltnetzwerk zurückzuziehen. Die Herausforderungen bei der Umsetzung der Exit-Strategie waren nicht auf einzelne Länder beschränkt, sondern betra-fen alle Mitgliedstaaten mit Biosphärenreservaten aus der Zeit vor Sevilla gleichermaßen. Im Zuge der Qualitätssteigerung haben sich viele UNESCO-Mitgliedstaaten stärker im MAB-Programm engagiert, was in vielen Ländern zu einer Belebung der nationalen Bio-sphärenreservatsnetzwerke geführt hat. N2 - The Seville Strategy spurred a signifi cant paradigm shift in UNESCO’s MAB Programme, re-conceptualising the research programme as a modern tool for the dual mandate of nature conservation and sustainable development. However, many biosphere reserves failed to comply with the new regulations and in 2013 the ‘Exit Strategy’ was announced to improve the quality of the global network. This study presents a global assessment of the implementation of the quality enhancement strategies, highlighting signifi cant differences worldwide through 20 country-specifi c case studies. It concludes that the strategies have been fundamental in improving the credibility and coherence of the MAB Programme. Challenges in the implementation were not unique to individual countries but were common to all Member States with pre-Seville sites, and in many states the process has led to a rejuvenation of national biosphere reserve networks. KW - Naturschutz KW - Nature Conservation KW - Quality Management KW - Biosphere Reserves KW - UNESCO designations KW - Sustainable Development KW - Qualitätsmanagement KW - Biosphärenreservat KW - Nachhaltigkeit Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-286538 SN - 978-3-95826-196-9 SN - 978-3-95826-197-6 N1 - Parallel erschienen als Druckausgabe bei Würzburg University Press, ISBN 978-3-95826-196-9, 31,80 Euro. PB - Würzburg University Press CY - Würzburg ER - TY - THES A1 - Höser, Thorsten T1 - 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 T1 - Globale Dynamik des Offshore-Windenergiesektors abgeleitet aus Erdbeobachtungsdaten - Deep Learning-basierte Objekterkennung, optimiert mit synthetischen Trainingsdaten für die Extraktion von Offshore-Windenergieinfrastrukturen aus Sentinel-1 Bildern N2 - 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. N2 - Der Ausbau erneuerbarer Energien wird durch den sukzessiven Verzicht auf fossile Energieträger zur Reduktion der Treibhausgasemissionen, dem stetig steigenden Energiebedarf sowie, in jüngster Zeit, von geopolitischen Ereignissen stark vorangetrieben. Der offshore Windenergiesektor steht in Europa, dem Vereinigten Königreich, China, aber auch den USA, Süd-Korea und Vietnam vor einer massiven Expansion. In den nächsten Dekaden werden die bislang größten marinen Infrastrukturprojekte mit tausenden neu installierten offshore Windturbinen realisiert. Um diesen Prozess global zu begleiten und eine Datengrundlage für die Forschung, für Entscheidungsträger und für ein kontinuierliches Monitoring bereit zu stellen, präsentiert diese Dissertation einen Deep Learning basierten Ansatz zur Detektion von offshore Windkraftanalagen aus satellitengestützten Radardaten der Sentinel-1 Mission. Für das überwachte Training der verwendeten Deep Learning Modelle zur Objektdetektion wird ein Ansatz vorgestellt, der es ermöglicht, Fernerkundungsdaten und die notwendigen Label synthetisch zu generieren. Hierbei wird Expertenwissen über die Bildinhalte, wie offshore Windkraftanlagen aber auch ihre natürliche Umgebung, wie Küsten oder andere Infrastruktur, gemeinsam mit Informationen über den Sensor strukturiert und maschinenlesbar gemacht. Aus dieser Wissensrepräsentation werden schließlich umfangreiche und höchst variable Trainingsdaten erzeugt, womit Deep Learning Modelle die Detektion von Objekten in Satellitendaten erlernen können. Das Verfahren zur synthetischen Erzeugung von Trainingsdaten basierend auf Expertenwissen bietet großes Potential für Deep Learning in der Erdbeobachtung. Deep Learning Ansätze können hierdurch schneller entwickelt und getestet werden. Darüber hinaus bieten die synthetisch generierten und somit kontrollierbaren Trainingsdaten die Möglichkeit, den Lernprozess der optimierten Deep Learning Modelle zu interpretieren. Das in dieser Dissertation für Fernerkundungsdaten entwickelte Verfahren zur Erstellung synthetischer Trainingsdaten wurde schließlich zur Optimierung von Deep Learning Modellen für die globale Detektion von offshore Windenergieanlagen eingesetzt. Hierfür wurden Aufnahmen der gesamten globalen Küstenlinie der Sentinel-1 Mission der ESA ausgewertet. Der abgeleitete Datensatz, welcher 9.941 Objekte umfasst, unterscheidet offshore Windturbinen, Trafostationen und im Bau befindliche offshore Windenergieinfrastrukturen voneinander. Zusätzlich zu dieser räumlichen Detektion wurde eine vierteljährliche Zeitreihe von Juli 2016 bis Juni 2021 für alle Objekte generiert. Diese Zeitreihe zeigt den Start des Baubeginns, die Bauphase und den Zeitpunkt der Fertigstellung mit anschließendem Betrieb für jedes Objekt. Der gewonnene Datensatz dient weiterhin als Grundlage für eine Analyse der Entwicklung des offshore Windenergiesektors von Juli 2016 bis Juni 2021. Für diese Analyse wurden weitere Attribute der Turbinen abgeleitet. In einem radargrammetrischen Verfahren wurde die Turbinenhöhe berechnet und anschließend verwendet, um die installierte Leistung statistisch zu modellieren. Die Ergebnisse hierzu zeigen, dass im Juni 2021 weltweit 8.885 offshore Windturbinen mit insgesamt 40,6 GW Leistung installiert waren. Die größten installierten Leistungen stellen dabei die EU (15,2 GW), China (14,1 GW) und das Vereinigte Königreich (10,7 GW). Von Juli 2016 bis Juni 2021 hat China 13 GW installierte Leistung ausgebaut. Die EU hat im selben Zeitraum 8 GW und das Vereinigte Königreich 5,8 GW offshore Windenergieinfrastruktur installiert. Diese zeitliche Analyse verdeutlicht, dass China der maßgebliche Treiber in der Expansion des offshore Windenergiesektors im untersuchten Zeitraum war. Der abgeleitete Datensatz zur Beschreibung des offshore Windenergiesektors wurde öffentlich zugänglich gemacht. Somit steht er allen Entscheidungsträgern und Stakeholdern, die am Ausbau von offshore Windenergieanlagen beteiligt sind, frei zur Verfügung. Vor allem im wissenschaftlichen Kontext dient er als Datenbasis, welche unterschiedlichste Untersuchungen ermöglicht. Hierbei können sowohl Forschungsfragen bezüglich der offshore Windenergieanlagen selbst, als auch der Einfluss des Ausbaus der kommenden Dekaden untersucht werden. Somit wird der bevorstehende und dringend notwendige Ausbau der offshore Windenergie unterstützt, um neben den gesteckten Zielen auch einen nachhaltigen Ausbau zu fördern. KW - deep learning KW - offshore wind energy KW - artificial intelligence KW - earth observation KW - remote sensing Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-292857 ER - TY - THES A1 - Keupp, Luzia Esther T1 - Hochaufgelöste Erfassung zukünftiger Klimarisiken für Land- und Forstwirtschaft in Unterfranken T1 - High resolution assessment of future climate risks for agriculture and forestry in Lower Franconia N2 - Das Klima und seine Veränderungen wirken sich direkt auf die Land- und Forstwirtschaft aus. Daher ist die Untersuchung der zukünftigen Klimarisiken für diese Sektoren von hoher Relevanz. Dies ist auch und vor allem für den schon heute weiträumig trockheitsgeprägten und vom Klimawandel besonders betroffenen nordwestbayerischen Regierungsbezirk Unterfranken der Fall, dessen Gebiet zu über 80 % land- oder forstwirtschaftlich genutzt wird. Zur Untersuchung der Zukunft in hoher räumlicher Auflösung werden Projektionen von regionalen Klimamodellen genutzt. Da diese jedoch Defizite in der Repräsentation 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 für Trockenheit, Starkniederschlag, Hitze sowie (Spät-)Frost, die alle eine hohe land- und forstwirtschaftliche Bedeutung besitzen. Die Datenanpassung erfolgt durch zwei verschiedene Ansätze. Zum Einen wird eine Biaskorrektur der aus Globalmodell-angetriebenen REMO-Daten berechneten Indizes durch additive und multiplikative Linearskalierung sowie empirische und parametrische Verteilungsanpassung durchgeführt. Zum Anderen wird ein exploratives Verfahren auf Basis von Model Output Statistics angewandt: Lokale und großräumige atmosphärische Variablen von REMO mit Reanalyseantrieb, die eine zeitliche Korrespondenz zu den Beobachtungen aufweisen, dienen als Prädiktoren für 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-Prädiktoren durchzuführen. Sowohl für die Biaskorrektur als auch die Model Output Statistics wird eine Kreuzvalidierung durchgeführt, um die Ergebnisse unabhängig vom jeweiligen Trainingszeitraum zu untersuchen und die jeweils besten Varianten zu finden. Werden beide Verfahren mit ihren Unterkategorien für den gesamten historischen Modellzeitraum verglichen, so weist für alle Monat-Kennwert-Kombinationen eine der beiden Verteilungskorrekturen die besten Ergebnisse auf. Die Zukunftsprojektionen unter Verwendung der jeweils erfolgreichsten Methode zeigen im regionalen Durchschnitt für das 21. Jahrhundert negative Trends der (Spät-)Frost- und Eis- sowie positive Trends der Hitzetagehäufigkeit. Winterliche Starkregenereignisse nehmen hinsichtlich ihrer Anzahl zu, im Sommer verstärkt sich die Trockenheit. Die Hinzunahme zwei weiterer regionaler Klimamodelle bestätigt die allgemeinen Zukunftstrends, jedoch ergeben sich beim Spätfrost Widersprüche, wenn dieser hinsichtlich der thermisch abgegrenzten Vegetationsperiode definiert wird. Zusätzlich werden die Model Output Statistics auf gleiche Weise mit bodennahen Prädiktoren zur Simulation von Erträgen aus Acker- und Weinbau wiederholt. Die Güte kann aufgrund mangelnder Beobachtungsdatenlänge nur anhand der Reanalyse-angetriebenen REMO-Daten abgeschätzt werden, ist hierbei jedoch deutlich besser als im Bezug auf die Kennwertsimulation. Die Zukunftsprojektionen von REMO sowie drei weiterer Regionalmodelle zeigen im Mittel über alle Landkreise Unterfrankens steigende Winter- sowie sinkende Sommerfeldfruchterträge. Hinsichtlich der Frankenweinerträge 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 führen durch positive Trendvorzeichen für den Weißwein zu insgesamt kohärenten Ergebnissen. Die Resultate im Bezug auf die land- und forstwirtschaftlich relevanten klimatischen Kennwerte bedeuten, dass Anpassungsmaßnahmen gegenüber Hitze sowie im Speziellen gegenüber Trockenheit in Zukunft im ohnehin trockenheitsgeprägten Unterfranken an Bedeutung gewinnen werden. Auch die unsicheren Projektionen im Bezug auf die Spätfrostgefahr müssen im Blick behalten werden. Die Trends der Feldfruchterträge deuten in die gleiche Richtung, da Sommergetreide eine höhere Trockenheitsanfälligkeit besitzen. Die unklaren Ergebnisse der Weinerträge hingegen lassen keine eindeutigen Schlüsse zu. Der starke anthropogene Einfluss auf die Erntemengen sowie die großen Unterschiede der Rebsorten hinsichtlich der klimatischen Eignung könnten ein Grund hierfür sein. N2 - There is a direct impact of climate and its modifications on agriculture and forestry. For this reason, analyzing future climate risks concerning these sectors is highly important. This is also and particularly the case for the northwestern Bavarian administrative district of Lower Franconia, which is characterized by dry conditions even today and which is especially affected by climate change. Additionally, more than 80 % of its area is used for agriculture or forestry. To study future conditions in high spatial resolutions, projections of regional climate models are used. As these show deficits in the representation of the observed climate of the past, an adaption of the data should happen before application. In the study at hand, this is done using the example of the regional climate model REMO regarding climatic indices for dryness, heavy precipitation, and heat as well as (late) frost, all of which are of high agricultural and silvicultural relevance. Adaption of the data is handled via two different approaches. On the one hand, a bias correction of the indices calculated from REMO data based on global climate model output is done using additive and multiplicative linear scaling as well as empirical and parametric distribution adaption. On the other hand, an explorative technique based on model output statistics is applied: Local and large-scale atmospheric variables of REMO run with reanalysis data, possessing a temporal correspondence with observations, are used as predictors for the derivation of transfer functions for simulating the indices. The transfer functions are constructed by means of Multiple Linear Regression as well as different Generalized Linear Models. Subsequently, they are used for analyses based on bias corrected REMO predictors run with global climate model data. Both bias correction and model output statstics are performed in a cross-validated manner for examining the results independently from the training period and finding the best alternative for each situation. When comparing both methods with their subcategories for the entire historical model period, for all month-index-combinations one of the distribution correction techniques exhibits the best results. Future projections using the most successful method for each situation show negative trends of (late) frost and ice as well as positive trends of heat day occurence for the 21st century. The number of heavy precipitation days increases in winter, dryness amplifies in summer. When taking into consideration two additional regional climate models, the general future trends are confirmed. Nevertheless, discrepancies result regarding late frost when the respective vegetation period is demarcated based on temperature in contrast to monthly delineation. Additionally, model output statistics are repeated in the same manner using near-surface predictors for simulating yield of agriculture and viticulture. Estimation of quality can only be performed on the basis of reanalysis-run REMO data as the duration of the observational data is too short. However, the respective results show a much better performance than for the index simulations. Averaging all rural districs of Lower Franconia, future projections of REMO as well as three additional regional models show rising yields for winter as well as falling yields for summer crops. With respect to the yield of Franconian wine, the results of the three analyzed classes of white, red and total wine disagree as REMO and one additional model simulate negative white and red wine, but positive total wine yields. More consistent results are achieved using the other models, which project positive trend signs for white wine. The outcomes concerning climatic indices of agricultural and silvicultural relevance imply a future gain of importance of adaption measures towards heat and particularly dryness in Lower Franconia which is already drought-affected today. Furthermore, uncertainty in the projections of late frost has to be kept in mind. The resulting trends of agricultural yield point along the same lines as summer crops are more drought-sensitive. However, the ambiguity of the wine yield results impede precise conclusions. A reason for this could be the strong anthropogenic influence on yields as well as the great differences between grape varieties regarding their climatic suitability. KW - Klima KW - Landwirtschaft KW - Forstwirtschaft KW - Unterfranken KW - Klima / Modell KW - regionale Klimamodelle KW - CORDEX KW - Biaskorrektur KW - Model Output Statistics KW - Klimarisiken KW - Klimamodell Y1 - 2024 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-347350 ER -