Universitätsbibliothek

Plant phenology is well known to be affected by meteorology. Observed changes in the occurrence of phenological phases arecommonly considered some of the most obvious effects of climate change. However, current climate models lack a representationof vegetation suitable for studying future changes in phenology itself. This study presents a statistical-dynamical modelingapproach for Bavaria in southern Germany, using over 13,000 paired samples of phenological and meteorological data foranalyses and climate change scenarios provided by a state-of-the-art regional climate model (RCM). Anomalies of severalmeteorological variables were used as predictors and phenological anomalies of the flowering date of the test plantForsythiasuspensaas predictand. Several cross-validated prediction models using various numbers and differently constructed predictorswere developed, compared, and evaluated via bootstrapping. As our approach needs a small set of meteorological observationsper phenological station, it allows for reliable parameter estimation and an easy transfer to other regions. The most robust andsuccessful model comprises predictors based on mean temperature, precipitation, wind velocity, and snow depth. Its averagecoefficient of determination and root mean square error (RMSE) per station are 60% and ± 8.6 days, respectively. However, theprediction error strongly differs among stations. When transferred to other indicator plants, this method achieves a comparablelevel of predictive accuracy. Its application to two climate change scenarios reveals distinct changes for various plants andregions. The flowering date is simulated to occur between 5 and 25 days earlier at the end of the twenty-first century comparedto the phenology of the reference period (1961–1990).

Accurate and detailed spatial soil information is essential for environmental modelling, risk assessment and decision making. The use of Remote Sensing data as secondary sources of information in digital soil mapping has been found to be cost effective and less time consuming compared to traditional soil mapping approaches. But the potentials of Remote Sensing data in improving knowledge of local scale soil information in West Africa have not been fully explored. This study investigated the use of high spatial resolution satellite data (RapidEye and Landsat), terrain/climatic data and laboratory analysed soil samples to map the spatial distribution of six soil properties–sand, silt, clay, cation exchange capacity (CEC), soil organic carbon (SOC) and nitrogen–in a 580 km2 agricultural watershed in south-western Burkina Faso. Four statistical prediction models–multiple linear regression (MLR), random forest regression (RFR), support vector machine (SVM), stochastic gradient boosting (SGB)–were tested and compared. Internal validation was conducted by cross validation while the predictions were validated against an independent set of soil samples considering the modelling area and an extrapolation area. Model performance statistics revealed that the machine learning techniques performed marginally better than the MLR, with the RFR providing in most cases the highest accuracy. The inability of MLR to handle non-linear relationships between dependent and independent variables was found to be a limitation in accurately predicting soil properties at unsampled locations. Satellite data acquired during ploughing or early crop development stages (e.g. May, June) were found to be the most important spectral predictors while elevation, temperature and precipitation came up as prominent terrain/climatic variables in predicting soil properties. The results further showed that shortwave infrared and near infrared channels of Landsat8 as well as soil specific indices of redness, coloration and saturation were prominent predictors in digital soil mapping. Considering the increased availability of freely available Remote Sensing data (e.g. Landsat, SRTM, Sentinels), soil information at local and regional scales in data poor regions such as West Africa can be improved with relatively little financial and human resources.

The contribution highlights the use of Landsat spectral-temporal metrics (STMs) for the detection of surface anomalies that are potentially related to buried near-surface paleogeomorphological deposits in the Nile Delta (Egypt), in particular for a buried river branch close to Buto. The processing was completed in the Google Earth Engine (GEE) for the entire Nile Delta and for selected seasons of the year (summer/winter) using Landsat data from 1985 to 2019. We derived the STMs of the tasseled cap transformation (TC), the Normalized Difference Wetness Index (NDWI), and the Normalized Difference Vegetation Index (NDVI). These features were compared to historical topographic maps of the Survey of Egypt, CORONA imagery, the digital elevation model of the TanDEM-X mission, and modern high-resolution satellite imagery. The results suggest that the extent of channels is best revealed when differencing the median NDWI between summer (July/August) and winter (January/February) seasons (ΔNDWI). The observed difference is likely due to lower soil/plant moisture during summer, which is potentially caused by coarser-grained deposits and the morphology of the former levee. Similar anomalies were found in the immediate surroundings of several Pleistocene sand hills (“geziras”) and settlement mounds (“tells”) of the eastern delta, which allowed some mapping of the potential near-surface continuation. Such anomalies were not observed for the surroundings of tells of the western Nile Delta. Additional linear and meandering ΔNDWI anomalies were found in the eastern Nile Delta in the immediate surroundings of the ancient site of Bubastis (Tell Basta), as well as several kilometers north of Zagazig. These anomalies might indicate former courses of Nile river branches. However, the ΔNDWI does not provide an unambiguous delineation.

Städte sehen sich in der Entwicklung ihres Einzelhandelsangebots zunehmend Konkurrenzsituationen zwischen traditionellen Innenstadt- und neu entstehenden Stadtrandlagen ausgesetzt, die einerseits die gestiegenen Flächen- und Produktivitätsansprüche der Unternehmen eher erfüllen, während andererseits Bürger, Politik und etablierter Handel ein ‚Aussterben’ der Innenstädte befürchten. Die Konsequenzen planerischer Entscheidungen in dieser Hinsicht abzuschätzen, wird zunehmend komplexer. Dafür sind ebenso eine stärkere Individualisierung des Konsumverhaltens verantwortlich, wie eine gestiegene Sensibilität gegenüber Verkehrs- und Emissionsbelastungen. Modellierungen und Simulationen können einen Beitrag zu fundierter Entscheidungsfindung leisten, indem sie durch Prognosen von Szenarien mit unterschiedlichen Rahmenbedingungen solche Auswirkungen aufzeigen. In der Vergangenheit wurden Kaufkraftströme durch Modelle abgebildet, die auf aggregierten Ausgangsdaten und Analogieschlüssen zu Naturgesetzen (Gravitations-, Potenzialansatz) oder nutzentheoretischen Annahmen (Diskreter Entscheidungsansatz) beruhten. In dieser Arbeit wird dafür erstmals ein agentenbasierter Ansatz angewendet, da sich so individuelle Ausdifferenzierungen des Konsumentenhandelns wesentlich leichter integrieren und Ergebnisse anschaulicher präsentieren lassen. Ursprünglich entstammt die Idee zur Agententechnologie einem Forschungsfeld der Informatik, der Künstlichen Intelligenz. Ziel war hier, Algorithmen zu entwickeln, die aus einer Menge von kleinen Softwarebausteinen bestehen, die zur Lösung eines Problems miteinander in Kommunikation treten und sich selbst zielbezogen anordnen. Somit schreibt sich der Algorithmus im Grunde selbst. Dieses Konzept kann in den Sozialwissenschaften als Modellierungsparadigma genutzt werden, insofern als dass sie der Idee der Selbstorganisation von Gesellschaften recht nahe kommt. Insbesondere zeichnen sich Multiagentensysteme durch eine dezentrale Kontrolle und Datenvorhaltung aus, die es darüber hinaus ermöglichen, auch komplexe Systeme von Entscheidungsprozessen mit wenigen Spezifikationen darzustellen. Damit begegnet der Agentenansatz vielen Einwänden gegen Analogie- und Entscheidungsmodelle. Durch die konsequente Einnahme einer individuenbezogenen Sichtweise ist die individuelle Ausdifferenzierung von Entscheidungsprozessen viel eher abbildbar. Für das Forschungsprojekt konnten für einenm ntersuchungsraum in Nordschweden (Funktionalregion Umeå, ca. 140.000 Einwohner) individuenbezogene Einwohnerdaten verfügbar gemacht werden. Diese enthielten u.a. Lagekoordinaten des Wohn- und Arbeitsorts, Alter, Geschlecht, verfügbares Einkommen und Angaben zur Haushaltsstruktur. Verbunden mit Erkenntnissen aus empirischen Untersuchungen (Konsumentenbefragung, Geschäftskartierung) stellten sie die Eingabegrößen für ein agentenbasiertes Modell der Einkaufsstättenwahl bei der Lebensmittelversorgung dar. Die Konsumentenbefragung stellte regressionsanalytische Abhängigkeiten zwischen sozioökonomischen Daten und Konsumpräferenzen bezüglich einzelner Geschäftsattribute (Preisniveau, Produktqualität, Sortimentsbreite, Service etc.) her, die gleichen Attribute wurden für die Geschäfte erhoben. Somit können Kaufkraftströme zwischen Einzelelementen der Nachfrage (individuelle Konsumenten) und des Angebots (einzelne Geschäftsstandorte) als individuell variierende Bewertung der Geschäfte durch die Agenten dargestellt werden, gemäß derer die Agenten ihre lebensmittelrelevante Kaufkraft auf die Geschäfte verteilen. Für die Geschäfte der gesamten Region konnten Gütemaßwerte bis 0,7 erreicht werden, für einzelne Betriebsformate auch über 0,9. Dies zeigt, dass auch bei der Verwendung individuenbezogener Modelle, die mit einer deutlich höheren Anzahl Freiheitsgraden behaftet sind als ihre aggregierten Gegenstücke, hohe Prognosequalitäten für Umsatzschätzungen von Standorten erreicht werden können. Gleichzeitig bietet der Agentenansatz die Möglichkeit, einzelne Simulationsobjekte bei ihrer Entscheidungsfindung und ihren Aktivitäten zu verfolgen. Dabei konnten ebenfalls plausible Einkaufsmuster abgebildet werden. Da die Distanz vom Wohn- bzw. Arbeitsort zum Geschäft Bestandteil des Modells ist, können auch die von den Einwohnern zum Zweck der Grundversorgung zu leistenden Distanzaufwände in verschiedenen Angebotssituationen analysiert werden. Als Fallstudie wurde ein Vergleich von zwei Situationen 1997 und 2004 vorgenommen. Während dieses Zeitraums haben im Untersuchungsgebiet grundlegende Veränderungen der Einzelhandelsstruktur stattgefunden, die zu einem weitgehenden Rückzug des Angebots aus den peripheren ländlichen Gebieten geführt haben. Die Ergebnisse zeigteneine hohe Übereinstimmung mit den auf nationaler Ebene erhobenen Mobilitätsdaten, ließen aber auch einen differenzierten Blick auf die unterschiedliche Betroffenheit der Einwohner der Region zu. An agentenbasierte Simulationen werden in den Sozialwissenschaften große Erwartungen geknüpft, da sie erstmals ermöglichen, gesellschaftliche Phänomene auf der Ebene ihres Zustandekommens, dem Individuum, zu erfassen, sowie komplexe mentale Vorgänge des Handelns, Lernens und Kommunizierens auf einfache Weise in ein Modell zu integrieren. Mit der vorliegenden Arbeit wurde im Bereich der Konsumentenforschung erstmals ein solcher Ansatz auf regionaler Ebene angewendet, um zu planungsrelevanten Aussagen zu gelangen. In Kombination mit anderen Anwendungen im Bereich der Bevölkerungsprognose, des Verkehrs und der innerstädtischen Migration haben Agentensimulationen alle Voraussetzungen zu einem zukunftsweisenden Paradigma für die Raum- und Fachplanung.

Mit der vorliegenden Arbeit werden konventionelle thermische Kraftwerke an deutschen Flüssen identifiziert, bei denen aufgrund hoher Flusswassertemperaturen im Zusammenhang mit wasserrechtlichen Grenzwerten Leistungseinschränkungen auftraten. Weiterhin wird aufgezeigt, wie sich die Wassertemperaturen der Flüsse in der Vergangenheit (rezent) entwickelt haben und wie sie sich zukünftig im Kontext des Klimawandels entwickeln könnten. Mittels Literaturrecherche, Medienanalyse und schriftlicher Befragung wurden konventionelle thermische Kraftwerke identifiziert, welche wassertemperaturbedingte Leistungseinschränkungen verzeichneten. Die meisten dieser Leistungseinschränkungen zwischen 1976 und 2007 zeigen sich bei großen Kraftwerken mit einer elektrischen Bruttoleistung über 300 Megawatt, bei Steinkohle- und Kernkraftwerken, bei Kraftwerken mit Durchlaufkühlung und bei solchen, die zwischen 1960 und 1990 in Betrieb gingen. Trendanalysen interpolierter und homogenisierter, rezenter Wassertemperaturzeitreihen deutscher Flüsse ergeben positive Trends v. a. im Frühjahr und Sommer. Die Zählstatistik zeigt in den Jahren 1994, 2003 und 2006 die meisten Tage mit sehr hohen und extrem hohen Wassertemperaturen in den Sommermonaten. In diesen Jahren traten gleichzeitig 63 % aller identifizierter wassertemperaturbedingter Leistungseinschränkungen bei Kraftwerken, meist zwischen Juni und August, auf. Für die Trendanalysen und den Mittelwertvergleich simulierter zukünftiger Wassertemperaturzeitreihen wurden drei Szenarien – B1, A1B und A2 sowie drei Zukunftsperioden 2011-2040, 2011/2041-2070, 2011/2071-2100 betrachtet. Es ergeben sich für die Zukunftsperiode 2011-2040 des A1B- oder A2-Szenarios in mindestens einem der Sommermonate eine Erwärmung und für das B1-Szenario negative oder keine Trends. Die mittleren Wassertemperaturen der Zukunftsperiode 2011-2040 zeigen in allen drei Szenarien gegenüber denen der Klimanormalperiode 1961-1990 positive Unterschiede in mindestens einem der Sommermonate. Für die beiden späteren Zukunftsperioden bis 2070 bzw. bis 2100 liegen in allen Wassertemperaturzeitreihen der drei Szenarien im Sommer positive Trends bzw. Differenzen gegenüber den mittleren Wassertemperaturen der Klimanormalperiode vor. Durch die Synthese der drei Analysen ist erkennbar, dass Isar, Rhein, Neckar, Saar, Elbe und Weser die meisten Kraftwerksstandorte mit wassertemperaturbedingten Leistungseinschränkungen verzeichnen. Es zeigen sich hier positive Trends sowohl in den rezenten als auch zukünftigen Wassertemperaturen für die Zukunftsperiode 2011-2040 des A1B- und A2-Szenarios in jeweils mindestens einem der Sommermonate. Gegenüber den mittleren Wassertemperaturen der Klimanormalperiode liegen für alle drei Szenarien positive Unterschiede der Wassertemperaturen vor. Bei einer Kraftwerkslaufzeit von 40-50 Jahren und einem Kernenergieausstieg 2022 bzw. 2034, werden 48-64 % bzw. 67-91 % der Kraftwerke mit wassertemperaturbedingten Leistungseinschränkungen bis 2022 bzw. 2034 außer Betrieb gehen. Bei einer Laufzeitverlängerung würden nach 2022 fünf der elf betroffenen Kernkraftwerke weiter am Netz bleiben. Somit kann es wieder zu wassertemperaturbedingten Leistungseinschränkungen kommen. In Deutschland sind nach wie vor große Kraftwerke an Flüssen geplant. Deren Kühlsysteme müssen entsprechend ausgewählt und konstruiert werden, um der zu erwartenden Erhöhung der Flusstemperaturen Rechnung zu tragen.