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 - 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 -