Refine
Has Fulltext
- yes (19)
Is part of the Bibliography
- yes (19)
Year of publication
Document Type
- Doctoral Thesis (19)
Keywords
- Klimaänderung (6)
- Klima (5)
- Klimamodell (3)
- Modell (3)
- Modellierung (3)
- Anthropogene Klimaänderung (2)
- Bodenfeuchte (2)
- Fernerkundung (2)
- Klimatologie (2)
- Klimawandel (2)
- Landwirtschaft (2)
- Nachhaltigkeit (2)
- Remote Sensing (2)
- Statistik (2)
- weighting of climate models (2)
- ANOVA (1)
- ARIMA (1)
- Adaptive Governance (1)
- Agrarproduktion (1)
- Allgemeine atmosphärische Zirkulation (1)
- Analysis of Variance (1)
- Annapurna Conservation Area (1)
- Antarctica (1)
- Asien (1)
- Benin (1)
- Bias correction (1)
- Bias-Korrektur (1)
- Biaskorrektur (1)
- Biosphere Reserves (1)
- Biosphärenreservat (1)
- Bodenhydrologie (1)
- Bodenparameter (1)
- CORDEX (1)
- Case Study Action Research (1)
- Climate (1)
- Climate Change (1)
- Climate change (1)
- Datenanalyse (1)
- Deutschland (1)
- Earth Observation (1)
- Eddy-Kovarianz (1)
- El-Niño-Phänomen (1)
- Energiebilanz (1)
- Evaluierung und Gewichtung von Klimamodellen (1)
- Evapotranspiration (1)
- Extremwert (1)
- Food security (1)
- Forstwirtschaft (1)
- Fränkischens Schichtstufenland (1)
- General Circulation Model (1)
- Geografikum (1)
- Geographie (1)
- Germany (1)
- Geschichte 1949-2008 (1)
- Gewichtung von Klimamodellen (1)
- Glacier (1)
- Gletscherschwankung (1)
- Governance (1)
- Hangstabilität (1)
- Hochschulschrift (1)
- Integrative Institutional Adaptation Assessment Framework (1)
- Klima / Modell (1)
- Klimamodellierung (1)
- Klimarisiken (1)
- Klimaschwankung (1)
- Klimavariation (1)
- Landoberfläche-Atmosphäre Interaktion (1)
- Massenbewegungen (1)
- Mathematisches Modell (1)
- Mediterranean (1)
- Meteorologische Muster (1)
- Mikrometeorologie (1)
- Mittelmeerraum (1)
- Model Output Statistics (1)
- Modellentwicklung (1)
- Modelling (1)
- Monsun (1)
- Multivariate Analyse (1)
- Multivariate Time Series (1)
- Mustang District (1)
- Nature Conservation (1)
- Naturschutz (1)
- Naturtourismus (1)
- Nepal (1)
- Niederschlag (1)
- Niederschlag und Temperatur (1)
- Norwegen (1)
- Paläoklima (1)
- Paläoklimamodellierung (1)
- Physikalische Konsistenz (1)
- Precipitation (1)
- Protected areas (1)
- Quality Management (1)
- Qualitätsmanagement (1)
- REMO (1)
- Regionale Klimamodelle (1)
- Regionalentwicklung (1)
- Regionalmodell (1)
- Regression (1)
- River Basins (1)
- SAR (1)
- Signal Noise (1)
- Social Resilience (1)
- Sustainable Development (1)
- Sustainable Nature Based Tourism Development Institutions (1)
- Teleconnection (1)
- Telekonnektion (1)
- Tibet (1)
- Topographie (1)
- Topographiedaten (1)
- Tourismus (1)
- UNESCO designations (1)
- Uncertainty (1)
- Unsicherheit (1)
- Unterfranken <Motiv> (1)
- Varianzanalyse (1)
- Vergleich verschiedener Modellparameterisierungen (1)
- West Africa (1)
- Zeitreihe (1)
- agriculture (1)
- artificial intelligence (1)
- bayesian (1)
- climate change (1)
- climate change impact (1)
- climate model (1)
- deep learning (1)
- dynamic-statistical (1)
- earth observation (1)
- food security (1)
- glaciers (1)
- großskalige Klimavariabilität (1)
- land surface-atmosphere interaction (1)
- large scale climate variability (1)
- large-scale climate circulation (1)
- meteorological patterns (1)
- model development (1)
- multi-model ensemble (1)
- norway (1)
- offshore wind energy (1)
- parametrizations (1)
- physical consistency (1)
- regional climate models (1)
- regionale Klimamodelle (1)
- remote sensing (1)
- soil hydrology (1)
- soil moisture (1)
- statistica modelling (1)
- statistics (1)
Institute
Sonstige beteiligte Institutionen
- Deutscher Akademischer Austauschdienst (DAAD) (1)
- Deutsches Klimaservice Zentrum (GERICS) (1)
- Deutsches Zentrum für Luft- und Raumfahrt (1)
- Lehrstuhl für Fernerkundung der Uni Würzburg, in Kooperation mit dem Deutschen Fernerkundungsdatenzentrum (DFD) des Deutschen Zentrums für Luft- und Raumfahrt (DLR) (1)
- Université d'Abomey-Calavi, Benin (1)
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.
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.
Das Tibetplateau (TP) ist das höchste Gebirgsplateau der Erde und bildete sich im Verlauf der letzten 50 Millionen Jahre. Durch seine Ausmaße veränderte das TP nicht nur das Klima im heutigen Asien, sondern bewirkte Veränderungen weltweit. Heute stellt das TP einen Hotspot des Klimawandels dar und ist als Quellgebiet vieler großer Flüsse in Asien für die Wasserversorgung von Milliarden von Menschen von zentraler Bedeutung. Vor diesem Hintergrund ist es wichtig, die Prozesse, die das Klima in der Region steuern, besser zu verstehen und die Variabilität des Klimas auf unterschiedlichen Zeitskalen abschätzen zu können.
Grundlegendes Ziel der vorliegenden Arbeit ist es, räumlich hochaufgelöste quantitative Informationen über die Veränderung der klimatischen Verhältnisse in Asien während der Bildungsphase des TP und unter warm- und kaltzeitlichen Randbedingungen zur Verfügung zu stellen und dadurch eine Verbindung zwischen den verschiedenen Zeitskalen herzustellen. Hierfür werden das heutige Klima und das Paläoklima der Region mit Hilfe von Klimamodellen simuliert. Da frühere Studien zeigen konnten, dass die Ergebnisse von hochaufgelösten Modellen besser mit Paläoklimarekonstruktionen übereinstimmen, als die von vergleichsweise niedrig aufgelösten Globalmodellen, erfolgt ein dynamisches Downscaling des globalen Klimamodells ECHAM5 mit dem regionalen Klimamodell REMO.
Die Heraushebung des TP wird durch eine Serie von fünf Simulationen (Topogra- phieexperimente) approximiert, in denen die Höhe des TP in 25%-Schritten von 0% bis 100% der heutigen Höhe verändert wird. Die Schwankungen des Klimas im spä- ten Quartär sind durch Simulationen für das mittlere Holozän und den Hochstand der letzten Vereisung, das Last-Glacial-Maximum, repräsentiert (Quartärexperi- mente). In den Quartärexperimenten wurden die Treibhausgaskonzentrationen, Orbitalparameter, Landbedeckung und verschiedene Vegetationsparameter an die Bedingungen der jeweiligen Zeitscheibe angepasst. Die Auswertung der Simulati- onsergebnisse konzentriert sich auf jährliche und jahreszeitliche Veränderungen der bodennahen Temperatur und des Niederschlags. Außerdem werden die sich erge- benden Änderungen in der Intensität des indischen Monsuns anhand verschiedener Monsunindizes analysiert. Für das TP und die sich unmittelbar anschließenden Ge- biete wird zusätzlich eine Clusteranalyse durchgeführt, um die dort vorkommenden regionalen Klimatypen identifizieren und charakterisieren zu können.
In den Topographieexperimenten zeigt sich, dass die 2m-Temperatur im Bereich des TP im Jahresmittel mit abnehmender Höhe des Plateaus um bis zu 30◦C zunimmt, während es in den übrigen Teilen des Modellgebiets nahezu überall kälter wird. Die Jahressumme des Niederschlags nimmt mit abnehmender Höhe des TP westlich und nördlich davon zu. Im Bereich des TP sowie südlich und östlich davon gehen die Niederschläge zurück. Die starke Niederschlagszunahme nördlich des TP kann durch die Ausbildung eines Höhentrogs statt eines Höhenrückens in diesem Bereich erklärt werden. Das grundsätzliche räumliche Muster der Veränderungen besteht dabei bereits bei einer Plateauhöhe von 75% des Ausgangswertes und ändert sich bei weiterer Verringerung der Höhe nicht wesentlich. Lediglich der Betrag der Veränderungen nimmt zu. Dies gilt für die 2m-Temperatur und den Niederschlag und sowohl im Jahresmittel als auch für die einzelnen Jahreszeiten. Bezüglich der Intensität des indischen Sommermonsuns zeigt sich, dass zwischen 25% und 75% der heutigen Höhe des TP die stärkste Intensivierung stattfindet. Eine mit heute vergleichbare Monsunintensität tritt erst auf, wenn das TP die Hälfte seiner jetzigen Höhe erreicht hat.
Im mittleren Holozän ist es im Jahresmittel in den meisten Teilen des Modellge- biets kälter und feuchter als heute. Die Unterschiede sind jedoch größtenteils gering und nicht signifikant. Hinsichtlich der Temperatur zeigen die Modelldaten nur vereinzelt eine gute Übereinstimmung mit den rekonstruierten Werten. Allerdings weisen die Rekonstruktionen eine hohe räumliche Variabilität auf, wodurch die in diesem Datensatz vorhandenen Unsicherheiten widergespiegelt werden. Hinsicht- lich des Niederschlags ist die Übereinstimmung besser. Hier deuten sowohl die simulierten als auch die rekonstruierten Daten auf feuchtere Bedingungen hin.
In der Simulation für das Last-Glacial-Maximum liegen die Temperaturen überall im Modellgebiet im Jahresmittel und in allen Jahreszeiten um bis zu 8◦C unter den heutigen Werten. Es besteht eine gute Übereinstimmung mit den rekonstruierten Temperaturwerten für diese Zeitscheibe. Zu einer signifikanten Abnahme der jährlichen Niederschlagsmenge kommt es westlich und nordwestlich des TP, in Indien, Südostasien und entlang der Ostküste Chinas. Für die Bereiche, für die Niederschlagsrekonstruktionen verfügbar sind, stimmen die Modellergebnisse gut mit diesen überein. Zu einer signifikanten Niederschlagszunahme kommt es nur zwischen der Nordküste des Golfs von Bengalen und dem Himalaya, wobei dies möglicherweise ein Modellartefakt darstellt.
Hinsichtlich der Monsunintensität bestehen große Unterschiede zwischen den Indizes. Während der Extended Indian Monsoon Rainfall Index eine starke Ab- schwächung des indischen Sommermonsuns anzeigt, ist der Wert des Webster and Yang Monsoon Index verglichen mit heute nahezu unverändert. Ein Vergleich der Monsunintensität in den Topographie- und den Quartärexperimenten macht deut- lich, dass der indische Monsun durch den Wechsel von warm- und kaltzeitlichen Randbedingungen mindestens so stark beeinflusst wird wie durch die Hebung des TP.
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.
Massenbewegungen zählen zu den am häufigsten auftretenden Naturgefahren in Deutschland. Dabei wird die von instabilen Hängen ausgehende Gefährdung speziell in den Regionen der Mittelgebirge regelmäßig unterschätzt. In Bezug auf die Verbreitung von Massenbewegungen in Mittelgebirgen stellt das süddeutsche Schichtstufenland einen besonderen Schwerpunkt dar.
Die Disposition der Schichtstufenhänge beruht dabei in erster Linie auf einer Wechsellagerung wasserdurchlässiger und wasserstauender geologischer Schichten. Zu Hanginstabilitäten kommt es bevorzugt in Verbindung mit synthetischem Schichtfallen, steilen Hängen und erhöhten Niederschlägen. Rezente Massenbewegungen treten verstärkt in alten Rutsch- und/oder Hangschuttgebieten auf, da sich dort unkonsolidierte Rutschmassen leicht remobilisieren lassen.
Das Ziel der vorliegenden Arbeit ist es, ein fundiertes Verständnis über Ursachen, Ablauf, Ausprägung und Prozesse von charakteristischen Massenbewegungen sowie dem aktuellen Aufbau der damit verbundenen Schichtstufenhänge in Nordbayern zu erlangen, um daraus grundlegende Einschätzungen zur Stabilität der Rutschgebiete treffen zu können. Neben den rutschungsrelevanten geologischen Schichten sind in diesem Zusammenhang insbesondere der Aufbau, die Eigenschaften und Charakteristika der Rutschmassen von besonderer Wichtigkeit, da besonders die bodenmechanischen und bodenphysikalischen Eigenschaften einen entscheidenden Faktor in Bezug auf die Hangstabilität darstellen. Entsprechend steht die umfassende Analyse dieser Sedimente im Fokus der Studien.
Die Arbeiten betrachten dabei drei Hänge im fränkischen Schichtstufenland, an denen in der jüngeren Vergangenheit Massenbewegungen auftraten. Ein weiteres zentrales Auswahlkriterium war die Lage der Gebiete in den Schichtstufen der Fränkischen Alb und der westlich vorgelagerten Keuperstufe, wobei hinsichtlich Typ und Verbreitung möglichst charakteristische Massenbewegungen für die jeweilige Region ausgewählt wurden. Bei Ebermannstadt stand demnach die sog. Werkkalkstufe der Weißjura-Kalke im Fokus, nahe Wüstendorf die Sandsteine des Braunjura und bei Gailnau an der Frankenhöhe die Sandsteine des mittleren (Gips-) Keupers.
Die Untersuchungen der Rutschungen und ihrer Sedimentcharakteristika erfolgte anhand eines speziell konzipierten Multimethodenansatzes mit zahlreichen, multiskaligen Gelände- und Laboranalysen. Neben klassischen, geomorphologischen Kartierungen an der Oberfläche wurden die sedimentologisch-morphologischen Verhältnisse des oberflächennahen Untergrundes in der Vertikalen durch geophysikalische Sondierungen analysiert. Eine Einschätzung der hydrologischen Verhältnisse der Rutschmassen erfolgte auf Basis von Messdaten aus Bodenfeuchtemonitoringsystemen, die an allen Untersuchungsstandorten installiert wurden. Für die bodenphysikalischen und -mechanischen Eigenschaften der Sedimente wurden Korngrößen, Konsistenzgrenzen, Plastizität, Gefüge und Lagerungsdichte untersucht und durch Tonmineralanalysen ergänzt. Die mikromorphologische Analyse von Dünnschliffen aus Rutschungssedimenten und den darin enthaltenen Deformationsstrukturen erweiterten den Gesamtansatz, ermöglichten neuartige Einblicke in die innere Architektur von Rutschmassen und erlaubten die Rekonstruktion von Bewegungsabläufen.
Durch die Arbeiten konnten an den Standorten Ebermannstadt und Gailnau komplexe, vielschichtige Massenbewegungen nachgewiesen werden. In der Rutschung bei Wüstendorf wurden nahezu ausschließlich unkonsolidierte Sedimente feinerer Korngrößen in einem Fließprozess verlagert. Primär erfolgte bei allen Rutschungen nachweislich die Remobilisierung alter Hangsedimente, wobei darüber hinaus auch stets bisher stabile Areale mit in die Bewegung einbezogen wurden.
Der sedimentologische Aufbau der Rutschmassen ist speziell im Falle großer und komplexer Rutschungen mitunter extrem heterogen. Im Zuge der Arbeiten konnten interne Makrostrukturen der Sedimentablagerungen, wie beispielsweise Rotationsflächen oder die Lage von Schollen detektiert werden. Trotz geophysikalisch und visuell auffälliger Beimischungen von Grobschutt, entfallen die größten Mengenanteile aber stets auf die veränderlich feste Feinmaterialfraktion. Im Rahmen der mikromorphologischen Untersuchungen der Sedimentdünnschliffe konnten auch in diesen Sedimenten zahlreiche Deformationsstrukturen nachgewiesen werden.
Die Arbeit unterstreicht insgesamt die Bedeutung dieser bindigen Bestandteile für die (Re)Mobilisierung von Sedimentablagerungen. Die Stabilität des Feinmaterials steht dabei in engem Zusammenhang mit der hydraulischen Leitfähigkeit und dem Eintrag von Wasser, welches zu wechselnden Steifigkeiten der Sedimente führt. Im Falle erhöhter Bodenwassergehalte konnte eine Plastifizierung der Feinkornfraktion ermittelt werden. Kommt es zu einer starken Durchnässung des Untergrundes, führt dies zu einer Plastifizierung der tonigen Lagen und einer entsprechenden Reduktion der Scherfestigkeit, was letztlich zum Auslösen von Massenbewegungen führt. Neben den geologisch-sedimentologischen Voraussetzungen impliziert dies auch eine hohe Bedeutung der Niederschlagscharakteristika in Bezug auf das Auslösen rezenter Massenbewegungen.
Die Bodenwassergehalte unterliegen im Jahresverlauf einer deutlichen saisonalen Variabilität. Während der Sommermonate wurden einheitlich niedrige Feuchtigkeitswerte im oberflächennahen Untergrund verzeichnet, was in erster Linie auf den Einfluss der Vegetation zurückzuführen ist. Auch sommerliche Starkregenereignisse besitzen unter diesen Bedingungen lediglich eine reduzierte Wirkung auf die Durchfeuchtung des Bodens. Demgegenüber erfolgt während der kalten Jahreszeit ein signifikanter Anstieg der Bodenwassergehalte. Neben den Regenfällen kommt vor allem der Schneeschmelze eine essentielle Bedeutung zu, da sie für eine zusätzliche und anhaltende Durchfeuchtung der Schichten besonders im Spätwinter bzw. Frühjahr sorgt. Entsprechend besteht vor allem während der Monate Februar bis April eine erhöhte Disposition für Rutschungen in Nordbayern. Im Hinblick auf die Niederschlagssummen gingen den Rutschungen in den Untersuchungsgebieten zwar keine besonders extremen Ereignisse, aber durchaus deutlich überdurchschnittliche Niederschlagssummen voraus, weshalb unter Berücksichtigung der im Zuge des Klimawandels ansteigenden Winterniederschläge von einer generell verstärkten Rutschungsaktivität auszugehen ist.
Vergleiche mit den Daten aus zahlreichen Übersichtskartierungen von Rutschungen aus den fränkischen Schichtstufengebieten verdeutlichen, dass die ermittelten Ergebnisse auf eine Vielzahl der verzeichneten Rutschungen übertragbar sind.
The global-local sustainable development and climate change adaptation policy, and the emerging political discourse on the value of local Adaptation, have positioned the local institutions and their governance space within the strategic enclaves of multilevel governance system. Such shifts have transformed the context for sustainable Nature Based Tourism (NBT) development and adaptation in Nepal in general, and its protected areas, in particular. The emerging institutional adaptation discourse suggests on the need to link tourism development, adaptation and governance within the sustainability concept, and also to recognize the justice and inclusive dimensions of local adaptation. However, sociological investigation of institutional adaptation, particularly at the interface between sustainability, justice and inclusive local adaptation is an undertheorized research topic.
This exploratory study examined the sociological process of the institutional adaptation, especially the social resilience and adaptive governance capacities of the NBT institutions, in 7 Village Development Committees of the Mustang district, a popular destination in the Annapurna Conservation Area, Nepal. Using the sphere (a dynamic social space concept) and quality of governance as the analytical framework, the integrative adaptation as the methodological approach and the case study action research method, the study investigated and generated a holistic picture on the state of the social resilience and adaptive governance capacities of the NBT institutions.
The findings show institutional social resilience capacities to be contingent on socio-political construction of adaptation knowledge and power. Factors influencing such constructions among NBT institutions include: the site and institutions specific political, economic and environmental dispositions; the associated socio-political processes of knowledge constructions and volition action; and the social relationships and interaction, operating within the spheres and at multiple governance levels. The adaptive governance capacities hinge on the institutional arrangements, the procedural aspects of adaptation governance and the governmentality. These are reflective of the diverse legal frameworks, the interiority perspective of the decision making and governance practices of the NBT institutions.
In conclusion, it is argued that effective local adaptation in the Mustang district is contingent on the adaptation and institutional dynamics of the NBT institutions, consisting of the cognitive, subjective, process and procedural aspects of the adaptation knowledge production and its use.
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.
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.
Bewertung und Auswirkungen der Simulationsgüte führender Klimamoden in einem Multi-Modell Ensemble
(2013)
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.
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.
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.
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.
Hochaufgelöste Erfassung zukünftiger Klimarisiken für Land- und Forstwirtschaft in Unterfranken
(2024)
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.
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.
Das Ziel dieser Arbeit war neue Eingangsdaten für die Landoberflächenbeschreibung des regionalen Klimamodells REMO zu finden und ins Modell zu integrieren, um die Vorhersagequalität des Modells zu verbessern. Die neuen Daten wurden so in das Modell eingebaut, dass die bisherigen Daten weiterhin als Option verfügbar sind. Dadurch kann überprüft werden, ob und in welchem Umfang sich die von jedem Klimamodell benötigten Rahmendaten auf Modellergebnisse auswirken. Im Zuge der Arbeit wurden viele unterschiedliche Daten und Methoden zur Generierung neuer Parameter miteinander verglichen, denn neben dem Ersetzen der konstanten Eingangswerte für verschiedene Oberflächenparameter und den damit verbundenen Änderungen wurden als zusätzliche Verbesserung auch Veränderungen an der Parametrisierung des Bodens speziell in Hinblick auf die Bodentemperaturen in REMO vorgenommen. Im Rahmen dieser Arbeit wurden die durch die verschiedenen Änderungen ausgelösten Auswirkungen für das CORDEX-Gebiet EUR-44 mit einer Auflösung von ca. 50km und für das in dem darin eingebetteten neu definierten Deutschlandgebiet GER-11 mit einer Auflösung von ca. 12km getestet sowie alle Änderungen anhand von verschiedenen Beobachtungsdatensätzen validiert.
Die vorgenommenen Arbeiten gliederten sich in drei Hauptteile. Der erste Teil bestand in dem vom eigentlichen Klimamodell unabhängigen Vergleich der verschiedenen Eingangsdaten auf unterschiedlichen Auflösungen und deren Performanz in allen Teilen der Erde, wobei ein besonderer Fokus auf der Qualität in den späteren Modellgebieten lag. Unter Berücksichtigung der Faktoren, wie einer globalen Verfügbarkeit der Daten, einer verbesserten räumlichen Auflösung und einer kostenlosen Nutzung der Daten sowie verschiedener Validationsergebnissen von anderen Studien, wurden in dieser Arbeit vier neue Topographiedatensätze (SRTM, ALOS, TANDEM und ASTER) und drei neue Bodendatensätze (FAOn, Soilgrid und HWSD) für die Verwendung im Präprozess von REMO aufbereitet und miteinander sowie mit den bisher in REMO verwendeten Daten verglichen. Auf Grundlage dieser Vergleichsstudien schieden bei den Topographiedaten die verwendeten Datensatz-Versionen von SRTM, ALOS und TANDEM für die in dieser Arbeit durchgeführten REMO-Läufe aus. Bei den neuen Bodendatensätzen wurde ausgenutzt, dass diese verschiedenen Bodeneigenschaften für unterschiedliche Tiefen als Karten zur Verfügung stellen. In REMO wurden bisher alle benötigten Bodenparameter abhängig von fünf verschiedenen Bodentexturklassen und einer zusätzlichen Torfklasse ausgewiesen und als konstant über die gesamte Modellbodensäule (bis ca. 10m) angenommen. Im zweiten Teil wurden auf Basis der im ersten Teil ausgewählten neuen Datensätze und den neu verfügbaren Bodenvariablen verschiedene Sensitivitätsstudien über das Beispieljahr 2000 durchgeführt. Dabei wurden verschiedene neue Parametrisierungen für die bisher aus der Textur abgeleiteten Bodenvariablen und die Parametrisierung von weiteren hydrologischen und thermalen Bodeneigenschaften verglichen. Ferner wurde aufgrund der neuen nicht über die Tiefe konstanten Bodeneigenschaften eine neue numerische Methode zur Berechnung der Bodentemperaturen der fünf Schichten in REMO getestet, welche wiederum andere Anpassungen erforderte. Der Test und die Auswahl der verschiedenen Datensatz- und Parametrisierungsversionen auf die Modellperformanz wurde in drei Experimentpläne unterteilt. Im ersten Plan wurden die Auswirkungen der ausgewählten Topographie- und Bodendatensätze überprüft. Der zweite Plan behandelte die Unterschiede der verschiedenen Parametrisierungsarten der Bodenvariablen hinsichtlich der verwendeten Variablen zur Berechnung der Bodeneigenschaften, der über die Tiefe variablen oder konstanten Eigenschaften und der verwendeten Berechnungsmethode der Bodentemperaturänderungen. Durch die Erkenntnisse aus diesen beiden Experimentplänen, die für beide Untersuchungsgebiete durchgeführt wurden, ergaben sich im dritten Plan weitere Parametrisierungsänderungen. Alle Änderungen dieses dritten Experimentplans wurden sukzessiv getestet, sodass der paarweise Vergleich von zwei aufeinanderfolgenden Modellläufen die Auswirkungen der Neuerung im jeweils zweiten Lauf widerspiegelt. Der letzte Teil der Arbeit bestand aus der Analyse von fünf längeren Modellläufen (2000-2018), die zur Überprüfung der Ergebnisse aus den Sensitivitätsstudien sowie zur Einschätzung der Performanz in weiteren teilweise extremen atmosphärischen Bedingungen durchgeführt wurden. Hierfür wurden die bisherige Modellversion von REMO (id01) für die beiden Untersuchungsgebiete EUR-44 und GER-11 als Referenzläufe, zwei aufgrund der Vergleichsergebnisse von Experimentplan 3 selektierte Modellversionen (id06 und id15a für GER-11) sowie die finale Version (id18a für GER-11), die alle vorgenommenen Änderungen dieser Arbeit enthält, ausgewählt.
Es stellte sich heraus, dass sowohl die neuen Topographiedaten als auch die neuen Bodendaten große Differenzen zu den bisherigen Daten in REMO haben. Zudem änderten sich die von diesen konstanten Eingangsdaten abgeleiteten Hilfsvariablen je nach verwendeter Parametrisierung sehr deutlich. Dies war besonders gut anhand der Bodenparameter zu erkennen. Sowohl die räumliche Verteilung als auch der Wertebereich der verschiedenen Modellversionen unterschieden sich stark. Eine Einschätzung der Qualität der resultierenden Parameter wurde jedoch dadurch erschwert, dass auch die verschiedenen zur Validierung herangezogenen Bodendatensätze für diese Parameter deutlich voneinander abweichen. Die finale Modellversion id18a ähnelte trotz der umfassenden Änderungen in den meisten Variablen den Ergebnissen der bisherigen REMO-Version. Je nach zeitlicher und räumlicher Aggregation sowie unterschiedlichen Regionen und Jahreszeiten wurden leichte Verbesserungen, aber auch leichte Verschlechterungen im Vergleich zu den klimatologischen Validationsdaten festgestellt. Größere Veränderungen im Vergleich zur bisherigen Modellversion konnten in den tieferen Bodenschichten aufgezeigt werden, welche allerdings aufgrund von fehlenden Validationsdaten nicht beurteilt werden konnten. Für alle 2m-Temperaturen konnte eine tendenzielle leichte Erwärmung im Vergleich zum bisherigen Modelllauf beobachtet werden, was sich einerseits negativ auf die ohnehin durchschnittlich zu hohe Minimumtemperatur, aber andererseits positiv auf die bisher zu niedrige Maximumtemperatur des Modells in den betrachteten Gebieten auswirkte. Im Niederschlagssignal und in den 10m-Windvariablen konnten keine signifikanten Änderungen nachgewiesen werden, obwohl die neue Topographie an manchen Stellen im Modellgebiet deutlich von der bisherigen abweicht. Des Weiteren variierte das Ranking der verschiedenen Modellversionen jeweils nach dem angewendeten Qualitätsindex.
Um diese Ergebnisse besser einordnen zu können, muss berücksichtigt werden, dass die neuen Daten für Modellgebiete mit 50 bzw. 12km räumlicher Auflösung und der damit verbundenen hydrostatischen Modellversion getestet wurden. Zudem sind vor allem in Fall der Topographie die bisher enthaltenen GTOPO-Daten (1km Auflösung) für die Aggregation auf diese gröbere Modellauflösung geeignet. Die bisherigen Bodendaten stoßen jedoch mit 50km Auflösung bereits an ihre Grenzen. Zusätzlich ist zu beachten, dass nicht nur die Mittelwerte dieser Daten, sondern auch deren Subgrid-Variabilität als Variablen im Modell für verschiedene Parametrisierungen verwendet werden. Daher ist es essentiell, dass die Eingangsdaten eine deutlich höhere Auflösung bereitstellen als die zur Modellierung definierte Auflösung. Für lokale Klimasimulationen mit Auflösungen im niedrigen Kilometerbereich spielen auch die Vertikalbewegungen (nicht-hydrostatische Modellversion) eine wichtige Rolle, die stark von der Topographie sowie deren horizontaler und vertikaler Änderungsrate beeinflusst werden, was die in dieser Arbeit eingebauten wesentlich höher aufgelösten Daten für die zukünftige Weiterentwicklung von REMO wertvoll machen kann.
The investigation of the Earth system and interplays between its components is of utmost importance to enhance the understanding of the impacts of global climate change on the Earth's land surface. In this context, Earth observation (EO) provides valuable long-term records covering an abundance of land surface variables and, thus, allowing for large-scale analyses to quantify and analyze land surface dynamics across various Earth system components. In view of this, the geographical entity of river basins was identified as particularly suitable for multivariate time series analyses of the land surface, as they naturally cover diverse spheres of the Earth. Many remote sensing missions with different characteristics are available to monitor and characterize the land surface. Yet, only a few spaceborne remote sensing missions enable the generation of spatio-temporally consistent time series with equidistant observations over large areas, such as the MODIS instrument.
In order to summarize available remote sensing-based analyses of land surface dynamics in large river basins, a detailed literature review of 287 studies was performed and several research gaps were identified. In this regard, it was found that studies rarely analyzed an entire river basin, but rather focused on study areas at subbasin or regional scale. In addition, it was found that transboundary river basins remained understudied and that studies largely focused on selected riparian countries. Moreover, the analysis of environmental change was generally conducted using a single EO-based land surface variable, whereas a joint exploration of multivariate land surface variables across spheres was found to be rarely performed.
To address these research gaps, a methodological framework enabling (1) the preprocessing and harmonization of multi-source time series as well as (2) the statistical analysis of a multivariate feature space was required. For development and testing of a methodological framework that is transferable in space and time, the transboundary river basins Indus, Ganges, Brahmaputra, and Meghna (IGBM) in South Asia were selected as study area, having a size equivalent to around eight times the size of Germany. These basins largely depend on water resources from monsoon rainfall and High Mountain Asia which holds the largest ice mass outside the polar regions. In total, over 1.1 billion people live in this region and in parts largely depend on these water resources which are indispensable for the world's largest connected irrigated croplands and further domestic needs as well. With highly heterogeneous geographical settings, these river basins allow for a detailed analysis of the interplays between multiple spheres, including the anthroposphere, biosphere, cryosphere, hydrosphere, lithosphere, and atmosphere.
In this thesis, land surface dynamics over the last two decades (December 2002 - November 2020) were analyzed using EO time series on vegetation condition, surface water area, and snow cover area being based on MODIS imagery, the DLR Global WaterPack and JRC Global Surface Water Layer, as well as the DLR Global SnowPack, respectively. These data were evaluated in combination with further climatic, hydrological, and anthropogenic variables to estimate their influence on the three EO land surface variables. The preprocessing and harmonization of the time series was conducted using the implemented framework. The resulting harmonized feature space was used to quantify and analyze land surface dynamics by means of several statistical time series analysis techniques which were integrated into the framework. In detail, these methods involved (1) the calculation of trends using the Mann-Kendall test in association with the Theil-Sen slope estimator, (2) the estimation of changes in phenological metrics using the Timesat tool, (3) the evaluation of driving variables using the causal discovery approach Peter and Clark Momentary Conditional Independence (PCMCI), and (4) additional correlation tests to analyze the human influence on vegetation condition and surface water area.
These analyses were performed at annual and seasonal temporal scale and for diverse spatial units, including grids, river basins and subbasins, land cover and land use classes, as well as elevation-dependent zones. The trend analyses of vegetation condition mostly revealed significant positive trends. Irrigated and rainfed croplands were found to contribute most to these trends. The trend magnitudes were particularly high in arid and semi-arid regions. Considering surface water area, significant positive trends were obtained at annual scale. At grid scale, regional and seasonal clusters with significant negative trends were found as well. Trends for snow cover area mostly remained stable at annual scale, but significant negative trends were observed in parts of the river basins during distinct seasons. Negative trends were also found for the elevation-dependent zones, particularly at high altitudes. Also, retreats in the seasonal duration of snow cover area were found in parts of the river basins. Furthermore, for the first time, the application of the causal discovery algorithm on a multivariate feature space at seasonal temporal scale revealed direct and indirect links between EO land surface variables and respective drivers. In general, vegetation was constrained by water availability, surface water area was largely influenced by river discharge and indirectly by precipitation, and snow cover area was largely controlled by precipitation and temperature with spatial and temporal variations. Additional analyses pointed towards positive human influences on increasing trends in vegetation greenness. The investigation of trends and interplays across spheres provided new and valuable insights into the past state and the evolution of the land surface as well as on relevant climatic and hydrological driving variables. Besides the investigated river basins in South Asia, these findings are of great value also for other river basins and geographical regions.
Impacts of climate variability and change on Maize (\(Zea\) \(mays\)) production in tropical Africa
(2022)
Climate change is undeniable and constitutes one of the major threats of the 21st century. It impacts sectors of our society, usually negatively, and is likely to worsen towards the middle and end of the century. The agricultural sector is of particular concern, for it is the primary source of food and is strongly dependent on the weather. Considerable attention has been given to the impact of climate change on African agriculture because of the continent’s high vulnerability, which is mainly due to its low adaptation capac- ity. Several studies have been implemented to evaluate the impact of climate change on this continent. The results are sometimes controversial since the studies are based on different approaches, climate models and crop yield datasets. This study attempts to contribute substantially to this large topic by suggesting specific types of climate pre- dictors. The study focuses on tropical Africa and its maize yield. Maize is considered to be the most important crop in this region. To estimate the effect of climate change on maize yield, the study began by developing a robust cross-validated multiple linear regression model, which related climate predictors and maize yield. This statistical trans- fer function is reputed to be less prone to overfitting and multicollinearity problems. It is capable of selecting robust predictors, which have a physical meaning. Therefore, the study combined: large-scale predictors, which were derived from the principal component analysis of the monthly precipitation and temperature; traditional local-scale predictors, mainly, the mean precipitation, mean temperature, maximum temperature and minimum temperature; and the Water Requirement Satisfaction Index (WRSI), derived from the specific crop (maize) water balance model. The projected maize-yield change is forced by a regional climate model (RCM) REMO under two emission scenarios: high emission scenario (RCP8.5) and mid-range emission scenario (RCP4.5). The different effects of these groups of predictors in projecting the future maize-yield changes were also assessed. Furthermore, the study analysed the impact of climate change on the global WRSI. The results indicate that almost 27 % of the interannual variability of maize production of the entire region is explained by climate variables. The influence of climate predictors on maize-yield production is more pronounced in West Africa, reaching 55 % in some areas. The model projection indicates that the maize yield in the entire region is expected to decrease by the middle of the century under an RCP8.5 emission scenario, and from the middle of the century to the end of the century, the production will slightly recover but will remain negative (around -10 %). However, in some regions of East Africa, a slight increase in maize yield is expected. The maize-yield projection under RCP4.5 remains relatively unchanged compared to the baseline period (1982-2016). The results further indicate that large-scale predictors are the most critical drivers of the global year-to-year maize-yield variability, and ENSO – which is highly correlated with the most important predictor (PC2) – seems to be the physical process underlying this variability. The effects of local predictors are more pronounced in the eastern parts of the region. The impact of the future climate change on WRSI reveals that the availability of maize water is expected to decrease everywhere, except in some parts of eastern Africa.
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.
Die Bodenfeuchte stellt eine essenzielle Variable für den Energie-, Feuchte- und Stoffaustausch zwischen Landoberfläche und Atmosphäre dar. Ihre Auswirkungen auf Temperatur und Niederschlag sind vielfältig und komplex. Die in Klimamodellen verwendeten Schemata zur Simulation der Bodenfeuchte, auch bodenhydrologische Schemata genannt, sind aufgrund des Ursprungs der Klimamodelle aus Wettermodellen jedoch häufig sehr stark vereinfacht dargestellt.
Bei Klimamodellen, die Simulationen mit einer groben Auflösung von mehreren Zehner- oder Hunderterkilometern rechnen, können viele Prozesse vernachlässigt werden. Da die Auflösung der Klimamodelle jedoch stetig steigt und mittlerweile beim koordinierten Projekt regionaler Klimamodelle CORDEX-CORE standardmäßig bei 0.22° Kantenlänge liegt, müssen auch höher aufgelöste Daten und mehr Prozesse simuliert werden. Dies gilt erst recht mit Blick auf konvektionsauflösende Simulationen mit wenigen Kilometern Kantenlänge. Mit steigenden Modellauflösungen steigt zugleich die Komplexität und Differenziertheit der Fragestellungen, die mit Hilfe von Klimamodellen beantwortet werden sollen. An diesem Punkt setzt auch das Projekt BigData@Geo an, in dessen Rahmen die vorliegende Arbeit entstand. Ziel dieses Projektes ist es, hochaufgelöste Klimainformationen für den bayerischen Regierungsbezirk Unterfranken für Akteure aus der Land- und Forstwirtschaft sowie dem Weinbau zur Verfügung zu stellen.
Auf diesen angewandten und grundlegenden Anforderungen und Zielsetzungen basierend, bedarf auch das in dieser Arbeit verwendete regionale Klimamodell REMO (Version 2015) der weiteren Entwicklung. So ist das Hauptziel der Arbeit das bestehende einschichtige bodenhydrologische Schema durch ein mehrschichtiges zu ersetzen. Der Vorteil mehrerer simulierter Bodenschichten besteht darin, dass nun die vertikale Bewegung des Wassers in Form von Versickerung und kapillarem Aufstieg simuliert werden kann. Dies geschieht auf der Basis bodenhydrologischer Parameter, deren Wert in Abhängigkeit vom Boden und der Bodenfeuchte über die Wasserrückhaltekurve bestimmt wird. Für diese Kurve existieren verschiedene Parametrisierungen, von denen die Ansätze von Clapp-Hornberger und van Genuchten verwendet wurden. Außerdem kann die Bodenfeuchte nun bis zu einer Tiefe von circa 10 m beziehungsweise der Tiefe des anstehenden Gesteins simuliert werden. Damit besteht im Gegensatz zum vorherigen Schema, dessen Tiefe auf die Wurzeltiefe beschränkt ist, die Möglichkeit, dass Wasser auch unterhalb der Wurzeln zur Verfügung stehen kann und somit die absolute im Boden verfügbare Wassermenge zunimmt. Die Schichtung erlaubt darüber hinaus die Verdunstung aus unbewachsenem Boden lediglich auf Basis des in der obersten Schicht verfügbaren Wassers. Ein weiterer Prozess, der dank der Schichtung und der weiter unten erläuterten Datensätze neu parametrisiert werden kann, ist die Infiltration.
Für die Verwendung des Schemas sind Informationen über bodenhydrologische Parameter, die Wurzeltiefe und die Tiefe bis zum anstehenden Gestein erforderlich. Entsprechende Datensätze müssen hierfür aufbereitet und in das Modell eingebaut werden. Bezüglich der Wurzeltiefe wurden drei sich bezüglich der Tiefe, der Definition und der verfügbaren Auflösung stark voneinander unterscheidende Datensätze verglichen. Letztendlich wird die Wurzeltiefe aus dem mit einer anderen REMO-Version gekoppelten Vegetationsmodul iMOVE verwendet, da zukünftig eine Kopplung dieses Moduls mit dem mehrschichtigen Boden geplant ist und die Wurzeltiefen damit konsistent sind. Zudem ist die zugrundeliegende Auflösung der Daten hoch und es werden maximale Wurzeltiefen berücksichtigt, die besonders wichtig für die Simulation von Landoberfläche-Atmosphäre-Interaktionen sind. Diese Vorteile brachten die anderen Datensätze nicht mit. In der finalen Modellversion werden für die Tiefe bis zum anstehenden Gestein und die Korngrößenverteilungen die Daten von SoilGrids verwendet. Ein Vergleich mit anderen Bodendatensätzen fand in einer parallel laufenden Dissertation statt (Ziegler 2022). Bei SoilGrids ist hervorzuheben, dass die Korngrößenverteilungen in einer hohen räumlichen Auflösung (1 km^2 oder höher) und mit mehreren vertikalen Schichten vorliegen. Gegenüber dem ursprünglich in REMO verwendeten Datensatz mit einer Kantenlänge von 0.5° und ohne vertikale Differenzierung ist dies eine starke Verbesserung der Eingangsdaten. Dazu kommt, dass die Korngrößenverteilungen die Verwendung kontinuierlicher Pedotransferfunktionen statt fünf diskreter Texturklassen, denen für die bodenhydrologischen Parameter fixe Tabellenwerte zugewiesen werden, ermöglichen. Dies führt zu einer deutlich besseren Differenzierung des heterogenen Bodens.
Im Rahmen der Arbeit wurden insgesamt 19 Simulationen für Europa und ein erweitertes Deutschlandgebiet mit Auflösungen von 0.44° beziehungsweise 0.11° für den Zeitraum 2000 bis 2018 gerechnet. Dabei zeigte sich, dass die Einführung des mehrschichtigen Bodenschemas gegenüber dem einschichtigen Schema zu einer Verringerung der Bodenfeuchte in der Wurzeltiefe führt. Nichtsdestotrotz nimmt die absolute Wassermenge des Bodens durch die Berücksichtigung des Bodens unterhalb der Wurzelzone zu. Bezogen auf die einzelnen Schichten wird die Bodenfeuchte damit zwar unterschätzt, im Laufe der Modellentwicklung kann jedoch eine Verbesserung im Vergleich zu ERA5 erzielt werden. Das neue Schema führt zu einer Verringerung der Evapotranspiration, die über alle Schritte der Modellentwicklung und besonders während der Sommermonate auftritt. Im Vergleich zu Validationsdaten von ERA5 und GLEAM zeigt sich, dass dies eine Verbesserung dieser Größe bedeutet, die sowohl in der Fläche als auch beim Fehler und in der Verteilung auftritt.
Gleiches lässt sich für den Oberflächenabfluss sagen. Hierfür implementierte Schemata (Philip, Green-Ampt), die anders als das standardmäßig verwendete Improved-Arno-Schema bodenhydrologische Parameter berücksichtigen, konnten eine weitere Verbesserung im Flachland zeigen. In Gebirgsregionen nahm der Fehler durch die nicht enthaltene Berücksichtigung der Hangneigung jedoch zu, sodass in der finalen Modellversion auf das Improved-Arno-Schema zurückgegriffen wurde. Die Temperatur steigt durch die ursprüngliche Version des mehrschichtigen Schemas zunächst an, was zu einer Über- statt der vorherigen Unterschätzung gegenüber E-OBS führt. Die Modellentwicklung resultiert zwar in einer Reduzierung der Temperatur, jedoch fällt diese zu stark aus, sodass der Temperaturfehler letztendlich größer als in der einschichtigen Modellversion ist. Da die Evapotranspiration jedoch maßgeblich verbessert wurde, kann dieser Fehler eventuell auf ein übermäßiges Tuning der Temperatur zurückgeführt werden.
Die Betrachtung von Hitzeereignissen am Beispiel der Sommer 2003 und 2018 hat gezeigt, dass die Modellentwicklung dazu beiträgt, diese Ereignisse besser als das einschichtige Schema zu simulieren. Zwar trifft dies nicht auf das räumliche Verhalten der mittleren Temperatur zu, jedoch auf deren zeitlichen Verlauf. Hinzu kommt die bessere Simulation der täglichen Extrem- und besonders der Minimaltemperatur, was zu einer Erhöhung der täglichen Temperaturspanne führt. Diese wird von Klimamodellen in der Regel zu stark unterschätzt.
Durch die Berücksichtigung der vertikalen Wasserflüsse hat sich jedoch auch gezeigt, dass noch enormes Entwicklungspotenzial mit Blick auf (boden)hydrologische Prozesse besteht. Dies gilt in besonderem Maße für zukünftige Simulationen mit konvektionserlaubender Auflösung. So sollten subskalige Informationen des Bodens und der Orographie berücksichtigt werden. Dies dient einerseits der Repräsentation vorliegender Heterogenitäten und kann andererseits, wie am Beispiel der Infiltrationsschemata dargelegt, zur Verbesserung bestehender Prozesse beitragen. Da die simulierte Drainage durch das mehrschichtige Bodenschema im gleichen Maße zu- wie der Oberflächenabfluss abnimmt und das Wasser dem Modell in der Folge nicht weiter zur Verfügung steht, sollte zukünftig auch Grundwasser im Modell berücksichtigt werden. Eine Vielzahl von Studien konnte einen Mehrwert durch die Implementierung dieser Variable und damit verbundener Prozesse feststellen. Mittelfristig ist jedoch insgesamt die Kopplung an ein hydrologisches Modell zu empfehlen, um die bei hochauflösenden Simulationen relevanten Prozesse angemessen repräsentieren zu können. Hierfür bieten sich beispielsweise ParFlow oder mHM an.
Insgesamt ist festzuhalten, dass das mehrschichtige Bodenschema einen Mehrwert liefert, da schwer zu simulierende und in der Postprozessierung zu korrigierende Variablen wie die Evapotranspiration und der Oberflächenabfluss deutlich besser modelliert werden können als mit dem einschichtigen Schema. Dies gilt auch für die Extremtemperaturen. Beides ist klar auf die Schichtung des Bodens und damit einhergehender Prozesse zurückzuführen. Bezüglich der Daten zeigt sich, dass die Wurzeltiefe, die Berücksichtigung von SoilGrids und die vertikale Bodeninformation für die weitere Optimierung verantwortlich sind. Darüber hinaus ist der höhere Informationsgehalt, der anhand der geschichteten Bodenfeuchte zur Verfügung steht, ebenfalls als Mehrwert einzustufen.