TY - THES A1 - Streckel, Christian T1 - Migration im Kontext von Umwelteinflüssen und Klimawandel T1 - Migration in Context of Environmental and Climate Change N2 - Klimawandelbedingte bzw. potenziell klimawandelbedingte Umweltmigration ist ein sehr komplexes und breites Feld. Es existiert eine Fülle von Studien, die sich in ihrer Herangehensweise unterscheiden, weshalb hier ein Systematisierungsvorschlag aufgezeigt wird. Mittels einer an den Richtlinien der Grounded Theory orientierten Analyse wurden Studien auf zentrale gemeinsame Kategorien hin untersucht und als Modell präsentiert. Dieses stellt jedoch kein abgeschlossenes System dar, sondern dient durch seine Offenheit als Gerüst, das mit Ergebnissen aus weiteren Fallstudien gefestigt werden kann. N2 - (Potentially) climate change-induced migration constitutes a complex and broad field of research. A multitude of studies exists with different approaches to the topic. Within this range of approaches, it is the aim of this research to make a proposal for a systematisation of the topic. By carrying out a Grounded Theory-oriented analysis, we screened case studies for common categories to provide a conceptual model. The result of the investigation is a framework which can be extended by findings of other case studies. KW - Anthropogene Klimaänderung KW - Umweltmigration KW - environmental migration KW - Umweltveränderung KW - Migration KW - Klimamigration KW - Klimawandel KW - (potenziell) klimawandelbedingte Umweltmigration KW - Grounded Theory KW - climate change-induced migration KW - climate change KW - (potentially) climate change-induced environmental changes Y1 - 2013 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-102334 ER - TY - THES A1 - Linder, Susanne T1 - Räumliche Diffusion von Photovoltaik-Anlagen in Baden-Württemberg T1 - Spatial diffusion of photovoltaic installations in the German federal state of Baden-Württemberg N2 - Seit dem Jahr 2000 ist die Anzahl an installierten Photovoltaik-Anlagen in Deutschland – dank günstiger politischer Rahmenbedingungen – rasant von 76 MWp auf 24.820 MWp in 2011 gestiegen. Trotz bundesweit einheitlicher finanzieller Förderbedingungen durch das Erneuerbare-Energien-Gesetz existieren jedoch räumliche Unterschiede in der Anzahl an installierten Photovoltaik-Anlagen pro Einwohner, sowohl auf Ebene der Bundesländer, als auch zwischen einzelnen Gemeinden einer Region. In der vorliegenden Arbeit wird die räumliche Diffusion von Photovoltaik-Anlagen in Baden-Württemberg untersucht. Ziel ist zum einen die Ursachen für die räumlichen Unterschiede in der Photovoltaik-Diffusion aufzudecken. Zum anderen ist das Ziel zu überprüfen, ob ein Nachbarschaftseffekt der Photovoltaik-Diffusion existiert. Dies wird mit Hilfe quantitativer und qualitativer Methoden untersucht. Mit Hilfe der räumlichen Autokorrelationsanalyse wird gezeigt, dass sich die Anzahl an Photovoltaik-Anlagen pro Einwohner in den Gemeinden Baden-Württembergs signifikant unterscheidet. Es existieren Cluster von Gemeinden mit besonders hoher Photovoltaik-Nutzung (Hot Spots) und Cluster von Gemeinden mit besonders niedriger Photovoltaik-Nutzung (Cold Spots). Hot Spot-Gemeinden befinden sich zu 95% im ländlichen Raum und Cold Spot-Gemeinden zu 85% im Verdichtungsraum. Die Ergebnisse der räumlichen Regressionsanalyse und der Fallstudie in der Region Heilbronn-Franken zeigen, dass die Unterschiede in der Dichte der Photovoltaik-Anlagen pro Einwohner erstens auf Unterschiede in der Siedlungsstruktur zurückzuführen sind (Anteil an Ein- und Zweifamilienhäusern, Anteil an Neubauten, Anzahl an Viehbetrieben pro Einwohner), zweitens auf Unterschiede im Sozialgefüge (Anteil an Familien) sowie drittens auf den Nachbarschaftseffekt der Diffusion. Aus den Experteninterviews geht hervor, dass zudem weitere lokale Voraussetzungen gegeben sein müssen, damit es zu einer schnellen Photovoltaik-Diffusion kommt. Eine wichtige Rolle spielen die Landwirte, die häufig als Innovatoren auftraten, sowie sog. Change Agents, die den Diffusionsprozess anstoßen und bewusst fördern. Zu letzteren zählen auf lokaler Ebene aktive Bürgermeister, Solarvereine, Photovoltaik-Unternehmer oder Elektroinstallateure, auf regionaler Ebene Maschinenringe und Energieagenturen. Die Modellierung und Analyse der Photovoltaik-Diffusion in den einzelnen Gemeinden von 2000 bis 2030 zeigt für das Jahr 2009, dass die Gemeinden einer Raumkategorie unterschiedliche Diffusionsprofile aufweisen. Je ländlicher eine Gemeinde ist, desto weiter ist tendenziell der Diffusionsprozess fortgeschritten: In Gemeinden des ländlichen Raums befindet sich die Photovoltaik-Diffusion meist bereits im Early Majority-Stadium, in Gemeinden des Verdichtungsraums ist die Photovoltaik-Diffusion dagegen überwiegend erst am Ende des Early Adopter-Stadiums angelangt. Der Innovationseffekt, der angibt, wie stark die Anzahl an Photovoltaik-Anlagen unabhängig von den bereits installierten Anlagen zunimmt, ist im suburbanen Raum und im ländlichen Raum am höchsten. Der Imitationseffekt, der angibt, wie stark die Zunahme neu installierter Photovoltaik-Anlagen von bestehenden Anlagen in einer Gemeinde abhängt, steigt dagegen von der Stadt zum Land an. Durch den Vergleich der Hot Spot-Gemeinden mit den übrigen Gemeinden des ländlichen Raums wird deutlich, dass die Imitation in den Hot Spot-Gemeinden höher liegt. Dies lässt darauf schließen, dass ein Nachbarschaftseffekt der Photovoltaik-Diffusion zwischen den Gemeinden existiert, da die Lage innerhalb eines Hot Spots zu einer erhöhten Wahrnehmung von Photovoltaik-Anlagen und einem häufigeren Austausch mit Photovoltaik-Besitzern führt und damit die Photovoltaik-Diffusion fördert. Vor dem Hintergrund des Klimawandels und der knapper werdenden fossilen Ressourcen gilt in Deutschland das Ziel, die Nutzung erneuerbarer Energien und damit auch der Photovoltaik weiter voranzutreiben. Diese Arbeit zeigt, dass lokale Einflussfaktoren entscheidend für das Entstehen räumlicher Unterschiede in der Photovoltaik-Nutzung sind. Die Kenntnisse dieser Unterschiede, deren Ursachen sowie die Bedeutung des Nachbarschaftseffekts können eine Grundlage für gezielte Förderung oder Marketingmaßnahmen zur weiteren Diffusion von Photovoltaik-Anlagen bieten. N2 - Since 2000, the number of photovoltaic systems installed in Germany has significantly increased from 76 MWp to 24,820 MWp in 2011. This can be attributed to a favourable policy framework. Despite a nationaly uniform financial incentive scheme supported by the Renewable Energies Act (EEG), spatial differences in the number of photovoltaic systems installed per capita can be observed between the federal states as well as among individual municipalities. This study analyses the spatial diffusion of photovoltaic installations in the German federal state of Baden-Württemberg. The first aim of the study is to identify the reasons for spatial differences in diffusion. The second aim is to examine whether there is a neighbourhood effect in the spatial diffusion of photovoltaic installations. The study is based on quantitative and qualitative methods. The analysis of spatial autocorrelation shows that the number of photovoltaic installations per capita differs significantly among the municipalities in Baden-Württemberg. The analysis reveals the presence of clusters of municipalities with above average photovoltaic development (Hot Spots) and below average photovoltaic development (Cold Spots). The results show that 95 % of the Hot Spot municipalities are located in rural areas while 85 % of the Cold Spot municipalities are found in urban agglomerations. Both the results of the spatial regression analysis and the case study of the region Heilbronn-Franken, indicate that differences in the density of photovoltaic installations per capita arise for three main reasons: firstly, because of differences in the settlement structure (percentage of detached and semi-detached houses, percentage of new houses, percentage of livestock farms), secondly, because of differences in the social structure (percentage of families), and thirdly, because of the neighbourhood effect of diffusion. Expert interviews identified that additional local conditions play an important role in promoting the diffusion of photovoltaic installations. Particularly farmers play a crucial role in the diffusion as they often act as innovators. The photovoltaic diffusion process is often triggered and promoted by change agents. On a local level, change agents are active mayors, solar initiatives, photovoltaic entrepreneurs or electricians. On a regional level, these are machinery rings or energy agencies. The results of the model for the analysis (from 2000 to 2030) of the diffusion of photovoltaic installations in the municipalities show that in 2009 municipalities of different spatial categories display different diffusion profiles. The more rural a municipality is, the more advanced the diffusion process: municipalities in rural areas have mostly reached the point of inflection of the diffusion curve and adopters now belong to the Early Majority. Municipalities in urban areas still belong to the Early Adopters. The coefficient of innovation indicating the extent at which the number of photovoltaic installations increases independently from other installations, is highest in suburban and rural areas. The coefficient of imitation indicating the strength of dependence in the development of new photovoltaic installations from existing ones, increases from urban to rural areas. The comparison of Hot Spot municipalities with the remaining municipalities of the rural areas shows that the coefficient of imitation is higher in Hot Spot municipalities. Thus, one can conclude that there is a neighbourhood effect in the diffusion of photovoltaic installations among municipalities. The position within a Hot Spot advances the perception of photovoltaic installations and increases interaction and communication among photovoltaic owners promoting the diffusion of the technology. In the context of climate change and the limited availability of fossil fuels, the use of renewable energies e.g. photovoltaic installations should be further encouraged in Germany. This study shows that local conditions significantly impact the development of spatial differences in the use of photovoltaic technology. Understanding the reasons for these spatial differences and the neighbourhood effect can help to define well-directed incentives and to develop marketing strategies to further promote the diffusion of photovoltaic installations. T3 - Würzburger Geographische Arbeiten - 109 KW - Baden-Württemberg KW - Photovoltaikanlage KW - Räumliche Verteilung KW - Räumliche Diffusion KW - Nachbarschaftseffekt KW - Räumliche Autokorrelation KW - Bass-Modell KW - Diffusion von Innovationen KW - Photovoltaik KW - spatial diffusion KW - photovoltaic KW - neighbourhood effect KW - spatial autocorrelation KW - Bass Model KW - diffusion of innovation Y1 - 2013 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-77789 ER - 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 -