TY - THES A1 - Vogt, Gernot T1 - Future changes and signal analyses of climate means and extremes in the Mediterranean Area deduced from a CMIP3 multi-model ensemble T1 - Zukünftige Veränderungen und Signalanalysen klimatischer Mittelwerte und Extremereignisse im Mittelmeerraum abgeleitet aus einem Multi-Modell Ensemble der CMIP3-Datenbank N2 - Considering its social, economic and natural conditions the Mediterranean Area is a highly vulnerable region by designated affections of climate change. Furthermore, its climatic characteristics are subordinated to high natural variability and are steered by various elements, leading to strong seasonal alterations. Additionally, General Circulation Models project compelling trends in specific climate variables within this region. These circumstances recommend this region for the scientific analyses conducted within this study. Based on the data of the CMIP3 database, the fundamental aim of this study is a detailed investigation of the total variability and the accompanied uncertainty, which superpose these trends, in the projections of temperature, precipitation and sea-level pressure by GCMs and their specific realizations. Special focus in the whole study is dedicated to the German model ECHAM5/MPI-OM. Following this ambition detailed trends and mean values are calculated and displayed for meaningful time periods and compared to reanalysis data of ERA40 and NCEP. To provide quantitative comparison the mentioned data are interpolated to a common 3x3° grid. The total amount of variability is separated in its contributors by the application of an Analysis of Variance (ANOVA). For individual GCMs and their ensemble-members this is done with the application of a 1-way ANOVA, separating a treatment common to all ensemble-members and variability perturbating the signal given by different initial conditions. With the 2-way ANOVA the projections of numerous models and their realizations are analysed and the total amount of variability is separated into a common treatment effect, a linear bias between the models, an interaction coefficient and the residuals. By doing this, the study is fulfilled in a very detailed approach, by considering yearly and seasonal variations in various reasonable time periods of 1961-2000 to match up with the reanalysis data, from 1961-2050 to provide a transient time period, 2001-2098 with exclusive regard on future simulations and 1901-2098 to comprise a time period of maximum length. The statistical analyses are conducted for regional-averages on the one hand and with respect to individual grid-cells on the other hand. For each of these applications the SRES scenarios of A1B, A2 and B1 are utilized. Furthermore, the spatial approach of the ANOVA is substituted by a temporal approach detecting the temporal development of individual variables. Additionally, an attempt is made to enlarge the signal by applying selected statistical methods. In the detailed investigation it becomes evident, that the different parameters (i.e. length of temporal period, geographic location, climate variable, season, scenarios, models, etc…) have compelling impact on the results, either in enforcing or weakening them by different combinations. This holds on the one hand for the means and trends but also on the other hand for the contributions of the variabilities affecting the uncertainty and the signal. While temperature is a climate variable showing strong signals across these parameters, for precipitation mainly the noise comes to the fore, while for sea-level pressure a more differentiated result manifests. In turn, this recommends the distinguished consideration of the individual parameters in climate impact studies and processes in model generation, as the affecting parameters also provide information about the linkage within the system. Finally, an investigation of extreme precipitation is conducted, implementing the variables of the total amount of heavy precipitation, the frequency of heavy-precipitation events, the percentage of this heavy precipitation to overall precipitation and the mean daily intensity from events of heavy precipitation. Each time heavy precipitation is defined to exceed the 95th percentile of overall precipitation. Consecutively mean values of these variables are displayed for ECHAM5/MPI-OM and the multi-model mean and climate sensitivities, by means of their difference between their average of the past period of 1981-2000 and the average of one of the future periods of 2046-2065 or 2081-2100. Following this investigation again an ANOVA is conducted providing a quantitative measurement of the severity of change of trends in heavy precipitation across several GCMs. Besides it is a difficult task to account for extreme precipitation by GCMs, it is noteworthy that the investigated models differ highly in their projections, resulting partially in a more smoothed and meaningful multi-model mean. Seasonal alterations of the strength of this behaviour are quantitatively supported by the ANOVA. N2 - Bezüglich seiner sozialen, wirtschaftlichen und natürlichen Gegebenheiten ist der Mittelmeerraum eine Region, die in Anbetracht des zu erwartenden Klimawandels äußerst anfällig ist. Seine klimatischen Eigenschaften sind hoher natürlicher Variabilität, unterschiedlichen Antriebsmechanismen, sowie einer starken saisonalen Schwankung unterworfen. Zudem projizieren Globale Zirkulationsmodelle für diese Region aussagekräftige Trends für ausgewählte Klimavariablen. Diese Vorraussetzungen machen den Mittelmeerraum zu einem hervorragenden Studienobjekt für diese wissenschaftliche Arbeit. Auf der Basis der CMIP3 Datenbank ist das zu Grunde liegende Ziel dieser Arbeit eine detaillierte Untersuchung der Gesamtvariabilität und der damit einhergehenden Unsicherheit, die in den Projektionen der Globalen Zirkulationsmodelle und deren einzelnen Realisationen die Trends der Variablen Temperatur, Niederschlag und Druck überlagert. Besonderes Augenmerk liegt dabei auf dem deutschen Modell ECHAM5/MPI-OM. Für dieses Ziel werden Trends und Mittelwerte für aussagekräftige Zeitperioden berechnet und graphisch den Reanalysedatensätzen NCEP und ERA40 gegenübergestellt. Um quantitative Vergleiche zu ermöglichen werden die angesprochenen Datensätze auf ein gemeinsames geographisches Gitter von 3x3° interpoliert. Der Gesamtanteil der Variabilität wird in seine Entstehungsquellen durch die Anwendung einer Varianzanalyse (ANOVA) aufgeteilt. Dies wird mit einer 1-Wege Varianzanalyse für einzelne Globale Zirkulationsmodelle und ihre Realisationen durchgeführt, wobei ein Anteil dem Signal entspricht, das in allen Realisationen vorhanden ist und ein Anteil dem Rauschen zugeordnet werden kann, das das Signal überlagert und unterschiedlichen Anfangsbedingungen des Modells geschuldet ist. Durch eine 2-Wege Varianzanalyse werden die unterschiedlichen Realisationen mehrerer Klimamodelle in eine Analyse eingebunden, wobei der Anteil der Gesamtvariabilität wiederum in einen gemeinsamen Signalanteil, einem Anteil des linearen Unterschieds zwischen den verschiedenen Klimamodellen, einem Interaktionskoeffizient und dem Rauschen aufgeteilt werden. Die Anwendung dieser Verfahren wird detailliert ausgeführt, indem die Analysen auf jährlicher und saisonaler Grundlage für unterschiedliche Zeitperioden, nämlich 1961-1990 für den Vergleich mit den Reanalysedatensätzen, 1961-2050 als eine Übergangsperiode zwischen den Szenarien, 2001-2098 als reinen zukünftigen Betrachtungszeitraum und 1901-2098 um eine maximal umfassende Zeitperiode zu erhalten, betrachtet werden. Die statistischen Verfahren werden sowohl für regionale Mittelwerte als auch für einzelne Gitterpunkte berechnet. Für jede dieser Berechnungen werden die SRES Szenarien A1B, A2 und B1 herangezogen. Zudem wird der räumliche Ansatz der ANOVA ebenso durch einen zeitlichen ersetzt, wodurch die zeitliche Entwicklung der einzelnen Variabilitäten dargestellt wird. Des Weiteren wird durch gezielte statistische Methoden versucht, künstlich verstärkte Signale zu detektieren. Durch die detaillierte Untersuchung wird offenkundig, dass die unterschiedlichen Randbedingungen (hier die Länge der Zeitperiode, der geographische Ort, die Bezugsvariable, die Saison, das Szenario, das Modell, etc…) eine entscheidende Rolle für das Ergebnis spielen, indem sie einerseits durch deren unterschiedlicher Kombination es sowohl verstärken als auch glätten können. Dies gilt sowohl für die Mittelwerte und die Trends als auch für die unterschiedlichen Partitionen der Variabilitäten, die wiederum die Unsicherheiten und das Signal beeinflussen. Während Temperatur starke Signale über alle dieser Randbedingungen aufweist, so zeigt sich für Niederschlag hauptsächlich ein starkes Rauschen, während für Druck eine sehr ambivalente Verteilung hervortritt. Dies wiederum beweist, dass dieser differenzierte Ansatz bezüglich der Betrachtung der Abhängigkeit dieser Randebedingungen unabdinglich in Klimafolgestudien und der Modellentwicklung ist, da diese Bedingungen auch Informationen über die Wechselbeziehungen im System beinhalten. Schließlich wird noch die Entwicklung von Extremereignissen hinsichtlich der Niederschlagsmengen von Extremereignissen, der Häufigkeit der Ereignisse von extremen Niederschlagsmengen, dem prozentualen Anteil der Niederschlagsmenge aus Extremereignissen zu der Gesamtniederschlagsmenge und der mittleren täglichen Intensität von Niederschlagsextremereignissen untersucht. Hierbei wird ein Extremereignis als ein Ereignis definiert, das in seiner Menge oberhalb des 95.Perzentils der Menge der Gesamtereignisse liegt. So werden Mittelwerte dieser Variablen für ECHAM5/MPI-OM und über alle Modelle sowie deren Veränderungen zwischen ihren Mittelwerten aus den Zeiträumen der Vergangenheit 1981-2000 und den zukünftigen Perioden von 2046-2065 oder 2081-2100 gezeigt. Der Struktur dieser Studie folgend, wird wiederum eine ANOVA angewendet um eine quantitative Ermessung der Stärke der Veränderung im Erscheinungsbild von Extremniederschlagsereignissen über eine Vielzahl verschiedener Zirkulationsmodelle zu gewinnen. Ungeachtet der schwierigen Tatsache, Extremniederschlagsereignisse aus GCMs abzuleiten, ist es erwähnenswert, dass die betrachteten Modelle stark in ihren Projektionen abweichen, was wiederum zu einem in einem gemäßigten und aussagekräftigerem Multi-Modell Mittelwert führt. Saisonale Unterschiede in diesem Verhalten können durch die ANOVA quantitativ belegt werden. KW - Klimaschwankung KW - Klimaänderung KW - Mittelmeerraum KW - Varianzanalyse KW - Hochschulschrift KW - Climate KW - Climate Change KW - Analysis of Variance KW - ANOVA KW - Mediterranean KW - Signal Noise KW - Uncertainty KW - General Circulation Model KW - Klima KW - Extremwert KW - Modell Y1 - 2014 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-117369 ER - TY - THES A1 - Awoye, Oyémonbadé Hervé Rodrigue T1 - Implications of future climate change on agricultural production in tropical West Africa: evidence from the Republic of Benin T1 - Auswirkungen des zukünftigen Klimawandels auf die landwirtschaftliche Produktion im tropischen West Afrika: eine Fallstudie für die Republik Benin N2 - Environmental interlinked problems such as human-induced land cover change, water scarcity, loss in soil fertility, and anthropogenic climate change are expected to affect the viability of agriculture and increase food insecurity in many developing countries. Climate change is certainly the most serious of these challenges for the twenty-first century. The poorest regions of the world – tropical West Africa included – are the most vulnerable due to their high dependence on climate and weather sensitive activities such as agriculture, and the widespread poverty that limits the institutional and economic capacities to adapt to the new stresses brought about by climate change. Climate change is already acting negatively on the poor smallholders of tropical West Africa whose livelihoods dependent mainly on rain-fed agriculture that remains the cornerstone of the economy in the region. Adaptation of the agricultural systems to climate change effects is, therefore, crucial to secure the livelihoods of these rural communities. Since information is a key for decision-making, it is important to provide well-founded information on the magnitude of the impacts in order to design appropriate and sustainable adaptation strategies. Considering the case of agricultural production in the Republic of Benin, this study aims at using large-scale climatic predictors to assess the potential impacts of past and future climate change on agricultural productivity at a country scale in West Africa. Climate signals from large-scale circulation were used because state-of-the art regional climate models (RCM) still do not perfectly resolve synoptic and mesoscale convective processes. It was hypothesised that in rain-fed systems with low investments in agricultural inputs, yield variations are widely governed by climatic factors. Starting with pineapple, a perennial fruit crops, the study further considered some annual crops such as cotton in the group of fibre crops, maize, sorghum and rice in the group of cereals, cowpeas and groundnuts belonging to the legume crops, and cassava and yams which are root and tuber crops. Thus the selected crops represented the three known groups of photosynthetic pathways (i.e. CAM, C3, and C4 plants). In the study, use was made of the historical agricultural yield statistics for the Republic of Benin, observed precipitation and mean near-surface air temperature data from the Climatic Research Unit (CRU TS 3.1) and the corresponding variables simulated by the regional climate model (RCM) REMO. REMO RCM was driven at its boundaries by the global climate model ECHAM 5. Simulations with different greenhouse gas concentrations (SRES-A1B and B1 emission scenarios) and transient land cover change scenarios for present-day and future conditions were considered. The CRU data were submitted to empirical orthogonal functions analysis over the north hemispheric part of Africa to obtain large-scale observed climate predictors and associated consistent variability modes. REMO RCM data for the same region were projected on the derived climate patterns to get simulated climate predictors. By means of cross-validated Model Output Statistics (MOS) approach combined with Bayesian model averaging (BMA) techniques, the observed climate predictors and the crop predictand were further on used to derive robust statistical relationships. The robust statistical crop models perform well with high goodness-of-fit coefficients (e.g. for all combined crop models: 0.49 ≤ R2 ≤ 0.99; 0.28 ≤ Brier-Skill-Score ≤ 0.90). Provided that REMO RCM captures the main features of the real African climate system and thus is able to reproduce its inter-annual variability, the time-independent statistical transfer functions were then used to translate future climate change signal from the simulated climate predictors into attainable crop yields/crop yield changes. The results confirm that precipitation and air temperature governed agricultural production in Benin in general, and particularly, pineapple yield variations are mainly influenced by temperature. Furthermore, the projected yield changes under future anthropogenic climate change during the first-half of the 21st century amount up to -12.5% for both maize and groundnuts, and -11%, -29%, -33% for pineapple, cassava, and cowpeas respectively. Meanwhile yield gain of up to +10% for sorghum and yams, +24% for cotton, and +39% for rice are expected. Over the time period 2001 – 2050, on average the future yield changes range between -3% and -13% under REMO SRES–B1 (GHG)+LCC, -2% and -11% under REMO SRES–A1B (GHG only),and -3% and -14% under REMO SRES–A1B (GHG)+LCC for pineapple, maize, sorghum, groundnuts, cowpeas and cassava. In the meantime for yams, cotton and rice, the average yield gains lie in interval of about +2% to +7% under REMO SRES–B1 (GHG)+LCC, +0.1% and +12% under REMO SRES–A1B (GHG only), and +3% and +10% under REMO SRES–A1B (GHG)+LCC. For sorghum, although the long-term average future yield depicts a reduction there are tendencies towards increasing yields in the future. The results also reveal that the increases in mean air temperature more than the changes in precipitation patterns are responsible for the projected yield changes. As well the results suggest that the reductions in pineapple yields cannot be attributed to the land cover/land use changes across sub-Saharan Africa. The production of groundnuts and in particular yams and cotton will profit from the on-going land use/land cover changes while the other crops will face detrimental effects. Henceforth, policymakers should take effective measures to limit the on-going land degradation processes and all other anthropogenic actions responsible for temperature increase. Biotechnological improvement of the cultivated crop varieties towards development of set of seed varieties adapted to hotter and dry conditions should be included in the breeding pipeline programs. Amongst other solutions, application of appropriate climate-smart agricultural practices and conservation agriculture are also required to offset the negative impacts of climate change in agriculture. N2 - In vielen Entwicklungsländern gefährden Umweltprobleme wie die tiefgreifende Veränderung der Landoberfläche, Wasserknappheit, Bodendegradation und der anthropogene Klimawandel die Leistung¬sfähigkeit der Landwirtschaft und erhöhen so das Risiko von Nahrungs-mittelknappheit. Von diesen miteinander verwobenen Bedrohungen ist der Klimawandel im 21. Jahrhundert sicherlich die bedeutendste. Die höchste Vulnerabilität weisen die ärmsten Regionen der Welt – unter anderen Westafrika – auf, sowohl wegen der großen Bedeutung von klima- und wettersensitiven Wirtschaftsektoren wie der Landwirtschaft als auch wegen der verbreiteten Armut. Diese schränkt die staatlichen und wirtschaftlichen Anpassungs¬kapazitäten an die neuen Herausforderungen durch den Klimawandel ein. Westafrikanische Kleinbauern, deren Lebensunterhalt wesentlich vom traditionellen Regenfeldbau – dem Eckpfeiler der regionalen Wirtschaft – abhängt, bekommen die negativen Auswirkungen bereits zu spüren. Die Adaption der agroökonomischen Systeme an den Klimawandel ist eine unbedingte Notwendigkeit für die Sicherung der Lebensgrundlage dieser ländlichen Gebiete. Da Wissen die Basis für Entscheidungen darstellt, sind belastbare Informationen über das Ausmaß der Auswirkungen wichtig, um angemessene und nachhaltige Anpassungsstrategien zu entwickeln. Am Beispiel der Republik Benin untersucht diese Studie das Potenzial von makroskaligen klimatischen Prädiktoren zur Erfassung und Quantifizierung des potentiellen Einflusses von beobachteten und künftigen Klimaänderungen auf die landwirtschaftliche Produktion eines westafrikanischen Landes. Die Auswirkungen der großskaligen Zirkulation wurden herangezogen, da auch moderne Regionale Klimamodelle (RCMs) Schwierigkeiten haben, klein- oder mesoskalige synoptische und insbesondere konvektive Prozesse überzeugend zu simulieren. Zugrunde liegt die Annahme, dass Schwankungen des landwirtschaftlichen Ertrags in auf Regenfeldbau basierenden landwirtschaftlichen Systemen mit geringen Kapitaleinsatz zu weiten Teilen auf klimatische Faktoren zurückzuführen sind. Untersucht werden die Ananas als perennierende Pflanze sowie einige einjährige Feldfrüchte wie Baumwolle aus der Gruppe der Faserpflanzen, die Getreidearten Mais, Sorghumhirse und Reis, die Hülsenfrüchte Augenbohne und Erdnuss sowie die Knollen- und Wurzelfrüchte Maniok und Yams. Somit repräsentieren die ausgewählten Feldfrüchte die drei bekannten Photosynthese-Wege, nämlich CAM, C3 und C4. Die vorliegende Studie verwendet historische Ertragsstatistiken der Republik Benin, Beobachtungsdaten der Climate Research Unit für den monatlichen Niederschlag sowie die bodennahe Mitteltemperatur (CRU TS 3.1) und die entsprechenden Variablen simuliert durch das REMO RCM. Dieses Regionalmodell wird an seinen Rändern durch das globale Klimamodell ECHAM 5 angetrieben. Es werden Modellsimulationen mit unterschiedlichen Randbedingungen im Hinblick auf Treibhausgaskonzentrationen (die Szenarien SRES-B1 und SRES-A1B) und Veränderungen der Landbedeckung (LCC) berücksichtigt. Mittels Hauptkomponentenanalyse werden aus den CRU-Daten für den nordhemisphärischen Teil Afrikas Zeitreihen und räumliche Muster für großskalige Prädiktoren gewonnen. Um mit diesen konsistente Prädiktoren für die Simulationen zu erhalten, werden die Datenfelder des REMO RCMs auf die so gewonnenen Raummuster projiziert. Für die beobachteten Zeitreihen der Prädiktoren und die zeitliche Entwicklung der unterschiedlichen Feldfrüchte als Prädiktant werden mittels eines kombinierten Ansatzes aus kreuzvalidierten Model Output Statistics (MOS) und Bayesian Model Averaging (BMA) Techniken robuste statistische Zusammenhänge erfasst. Die resultierenden statistischen Modelle zeigen gute Performance, beispielsweise gilt für alle erzeugten Modelle 0,49 ≤ R² ≤ 0,99 und 0,28 ≤ Brier-Skill-Score ≤ 0,90. Da das REMO RCM die Hauptcharakteristika des beobachteten Klimas in Afrika erzeugt und daher die interannuelle Variabilität realistisch reproduziert, können mithilfe der zeitunabhängigen statistischen Transferfunktionen Klimaänderungssignale, gewonnen aus den simulierten Prädiktoren, in zu erwartende Veränderungen der Ernteerträge übersetzt werden. Die Ergebnisse bestätigen, dass Niederschlag und bodennahe Temperatur allgemein die landwirtschaftliche Produktion bestimmen und insbesondere die Schwankungen in den Ananas¬-erträgen primär thermisch bedingt scheinen. Weiterhin finden sich unter den simulierten künftigen Klimabedingungen projizierte Ertragsänderungen von bis zu -12,5% für Mais und Erdnuss und -11% , -29% und -33% für Ananas, Maniok und Augenbohne. Zugleich werden Ertragssteigerungen von +10% für Sorghumhirse und Yams, +24% für Baumwolle und +39% für Reis projiziert. Diese Änderungen sind abhängig von den Randbedingungen. Im Mittel betragen die simulierten Änderungen der Erträge während der Periode von 2001 bis 2050 zwischen -13% und -3% für SRES-B1 + LCC, -11% und -2% für SRES-A1B sowie -14% bis -3% für SRES-A1B + LCC für Ananas, Mais, Sorghumhirse, Erdnuss, Augenbohne und Maniok. Daneben finden sich für Yams, Baumwolle und Reis Zuwächse im Ernteertrag, die in Intervallen zwischen +2% bis +7% für SRES-B1 + LCC, +0.1% bis +12% für SRES-A1B und +3% bis +10% für SRES-A1B + LCC liegen. Obwohl die durchschnittliche Veränderung im Ertrag der Sorghumhirse negativ ist, lassen sich auch Tendenzen hin zu positiven Veränderungen feststellen. Die Ergebnisse zeigen zudem, dass die projizierte Zunahme der mittleren Lufttemperatur die simulierten Ernteerträge stärker beeinflusst als Veränderungen in den Niederschlagsmustern. Weiterhin scheint im Fall der Ananas der simulierte Rückgang im Ertrag nicht auf Veränderungen bei Landnutzung oder Landoberflächenbedeckung im subsaharischen Afrika zurückführbar. Die Erdnuss- und insbesondere Yams- und Baumwollerzeugung werden von den Veränderungen in der Landoberflächenbedeckung, die für die übrigen Feldfrüchte nachteilige Effekte bedeuten, profitieren. Zukünftig sollten politische Entscheidungsträger wirksame Maßnahmen einleiten, um die fortschreitende Landdegradation sowie alle anderen anthropogenen Prozesse, die zur globalen Erwärmung beitragen, einzuschränken. Biotechnologische Verbesserungen der verwendeten Nutzpflanzen, um an heißere und trockenere Bedingungen angepasste Varianten zu erzeugen, sollten in die bestehenden Aufzuchtprogramme integriert werden. Weiterhin sind unter anderem die Anwendung von geeigneten, klimaintelligenten landwirtschaftlichen Verfahren sowie eine nachhaltige Agrarwirtschaft notwendig, um die Schäden des Klimawandels auf die Landwirtschaft auszugleichen. KW - Benin KW - Klimaänderung KW - climate change impact KW - large-scale climate circulation KW - West Africa KW - food security KW - agriculture KW - Agrarproduktion KW - Klimawandel KW - Landwirtschaft Y1 - 2015 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-122887 ER -