@phdthesis{Ring2018,
  author    = {Ring, Christoph},
  title     = {Entwicklung und Vergleich von Gewichtungsmetriken zur Analyse probabilistischer Klimaprojektionen aktueller Modellensembles},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-157294},
  school      = {Universit{\"a}t W{\"u}rzburg},
  pages     = {XII, 195},
  year      = {2018},
  abstract  = {Der anthropogene Klimawandel ist eine der gr{\"o}ßten Herausforderungen des 21. Jahrhunderts. Eine Hauptschwierigkeit liegt dabei in der Unsicherheit bez{\"u}glich der regionalen {\"A}nderung von Niederschlag und Temperatur. Hierdurch wird die Entwicklung geeigneter Anpassungsstrategien deutlich erschwert. In der vorliegenden Arbeit werden vier Evaluationsans{\"a}tze mit insgesamt 13 Metriken f{\"u}r aktuelle globale (zwei Generationen) und regionale Klimamodelle entwickelt und verglichen, um anschließend eine Analyse der Projektionsunsicherheit vorzunehmen. Basierend auf den erstellten Modellbewertungen werden durch Gewichtung Aussagen {\"u}ber den Unsicherheitsbereich des zuk{\"u}nftigen Klimas getroffen. Die Evaluation der Modelle wird im Mittelmeerraum sowie in acht Unterregionen durchgef{\"u}hrt. Dabei wird der saisonale Trend von Temperatur und Niederschlag im Evaluationszeitraum 1960-2009 ausgewertet. Zus{\"a}tzlich wird f{\"u}r bestimmte Metriken jeweils das klimatologische Mittel oder die harmonischen Zeitreiheneigenschaften evaluiert. Abschließend werden zum Test der {\"U}bertragbarkeit der Ergebnisse neben den Hauptuntersuchungsgebieten sechs global verteilte Regionen untersucht. Außerdem wird die zeitliche Konsistenz durch Analyse eines zweiten, leicht versetzten Evaluationszeitraums behandelt, sowie die Abh{\"a}ngigkeit der Modellbewertungen von verschiedenen Referenzdaten mit Hilfe von insgesamt drei Referenzdatens{\"a}tzen untersucht. Die Ergebnisse legen nahe, dass nahezu alle Metriken zur Modellevaluierung geeignet sind. Die Auswertung unterschiedlicher Variablen und Regionen erzeugt Modellbewertungen, die sich in den Kontext aktueller Forschungsergebnisse einf{\"u}gen. So wurde die Leistung der globalen Klimamodelle der neusten Generation (2013) im Vergleich zur Vorg{\"a}ngergeneration (2007) im Schnitt {\"a}hnlich hoch bzw. in vielen Situationen auch st{\"a}rker eingeordnet. Ein durchweg bestes Modell konnte nicht festgestellt werden. Der Großteil der entwickelten Metriken zeigt f{\"u}r {\"a}hnliche Situationen {\"u}bereinstimmende Modellbewertungen. Bei der Gewichtung hat sich der Niederschlag als besonders geeignet herausgestellt. Grund hierf{\"u}r sind die im Schnitt deutlichen Unterschiede der Modellleistungen in Zusammenhang mit einer geringeren Simulationsg{\"u}te. Umgekehrt zeigen die Metriken f{\"u}r die Modelle der Temperatur allgemein {\"u}berwiegend hohe Evaluationsergebnisse, wodurch nur wenig Informationsgewinn durch Gewichtung erreicht werden kann. W{\"a}hrend die Metriken gut f{\"u}r unterschiedliche Regionen und Skalenniveaus verwendet werden Evaluationszeitr{\"a}ume nicht grunds{\"a}tzlich gegeben. Zus{\"a}tzlich zeigen die Modellranglisten unterschiedlicher Regionen und Jahreszeiten h{\"a}ufig nur geringe Korrelationen. Dies gilt besonders f{\"u}r den Niederschlag. Bei der Temperatur sind hingegen leichte {\"U}bereinstimmungen auszumachen. Beim Vergleich der mittleren Ranglisten {\"u}ber alle Modellbewertungen und Situationen der Hauptregionen des Mittelmeerraums mit den Globalregionen besteht eine signifikante Korrelation von 0,39 f{\"u}r Temperatur, w{\"a}hrend sie f{\"u}r Niederschlag um null liegt. Dieses Ergebnis ist f{\"u}r alle drei verwendeten Referenzdatens{\"a}tze im Mittelmeerraum g{\"u}ltig. So schwankt die Korrelation der Modellbewertungen des Niederschlags f{\"u}r unterschiedliche Referenzdatens{\"a}tze immer um Null und die der Temperaturranglisten zwischen 0,36 und 0,44. Generell werden die Metriken als geeignete Evaluationswerkzeuge f{\"u}r Klimamodelle eingestuft. Daher k{\"o}nnen sie einen Beitrag zur {\"A}nderung des Unsicherheitsbereichs und damit zur St{\"a}rkung des Vertrauens in Klimaprojektionen leisten. Die Abh{\"a}ngigkeit der Modellbewertungen von Region und Untersuchungszeitraum muss dabei jedoch ber{\"u}cksichtigt werden. So besitzt die Analyse der Konsistenz von Modellbewertungen sowie der St{\"a}rken und Schw{\"a}chen der Klimamodelle großes Potential f{\"u}r folgende Studien, um das Vertrauen in Modellprojektionen weiter zu steigern.},
  subject      = {Anthropogene Klima{\"a}nderung},
  language  = {de}
}
@phdthesis{Vogt2014,
  author    = {Vogt, Gernot},
  title     = {Future changes and signal analyses of climate means and extremes in the Mediterranean Area deduced from a CMIP3 multi-model ensemble},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-117369},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2014},
  abstract  = {Considering its social, economic and natural conditions the Mediterranean Area is a highly vulnerable region by designated affections of climate change. Furthermore, its climatic characteristics are subordinated to high natural variability and are steered by various elements, leading to strong seasonal alterations. Additionally, General Circulation Models project compelling trends in specific climate variables within this region. These circumstances recommend this region for the scientific analyses conducted within this study. Based on the data of the CMIP3 database, the fundamental aim of this study is a detailed investigation of the total variability and the accompanied uncertainty, which superpose these trends, in the projections of temperature, precipitation and sea-level pressure by GCMs and their specific realizations. Special focus in the whole study is dedicated to the German model ECHAM5/MPI-OM. Following this ambition detailed trends and mean values are calculated and displayed for meaningful time periods and compared to reanalysis data of ERA40 and NCEP. To provide quantitative comparison the mentioned data are interpolated to a common 3x3° grid. The total amount of variability is separated in its contributors by the application of an Analysis of Variance (ANOVA). For individual GCMs and their ensemble-members this is done with the application of a 1-way ANOVA, separating a treatment common to all ensemble-members and variability perturbating the signal given by different initial conditions. With the 2-way ANOVA the projections of numerous models and their realizations are analysed and the total amount of variability is separated into a common treatment effect, a linear bias between the models, an interaction coefficient and the residuals. By doing this, the study is fulfilled in a very detailed approach, by considering yearly and seasonal variations in various reasonable time periods of 1961-2000 to match up with the reanalysis data, from 1961-2050 to provide a transient time period, 2001-2098 with exclusive regard on future simulations and 1901-2098 to comprise a time period of maximum length. The statistical analyses are conducted for regional-averages on the one hand and with respect to individual grid-cells on the other hand. For each of these applications the SRES scenarios of A1B, A2 and B1 are utilized. Furthermore, the spatial approach of the ANOVA is substituted by a temporal approach detecting the temporal development of individual variables. Additionally, an attempt is made to enlarge the signal by applying selected statistical methods. In the detailed investigation it becomes evident, that the different parameters (i.e. length of temporal period, geographic location, climate variable, season, scenarios, models, etc…) have compelling impact on the results, either in enforcing or weakening them by different combinations. This holds on the one hand for the means and trends but also on the other hand for the contributions of the variabilities affecting the uncertainty and the signal. While temperature is a climate variable showing strong signals across these parameters, for precipitation mainly the noise comes to the fore, while for sea-level pressure a more differentiated result manifests. In turn, this recommends the distinguished consideration of the individual parameters in climate impact studies and processes in model generation, as the affecting parameters also provide information about the linkage within the system. Finally, an investigation of extreme precipitation is conducted, implementing the variables of the total amount of heavy precipitation, the frequency of heavy-precipitation events, the percentage of this heavy precipitation to overall precipitation and the mean daily intensity from events of heavy precipitation. Each time heavy precipitation is defined to exceed the 95th percentile of overall precipitation. Consecutively mean values of these variables are displayed for ECHAM5/MPI-OM and the multi-model mean and climate sensitivities, by means of their difference between their average of the past period of 1981-2000 and the average of one of the future periods of 2046-2065 or 2081-2100. Following this investigation again an ANOVA is conducted providing a quantitative measurement of the severity of change of trends in heavy precipitation across several GCMs. Besides it is a difficult task to account for extreme precipitation by GCMs, it is noteworthy that the investigated models differ highly in their projections, resulting partially in a more smoothed and meaningful multi-model mean. Seasonal alterations of the strength of this behaviour are quantitatively supported by the ANOVA.},
  subject      = {Klimaschwankung},
  language  = {en}
}