This study investigates the projected precipitation changes of the 21st century in the Mediterranean area with a model ensemble of all available CMIP3 and CMIP5 data based on four different scenarios. The large spread of simulated precipitation change signals underlines the need of an evaluation of the individual general circulation models in order to give higher weights to better and lower weights to worse performing models. The models' spread comprises part of the internal climate variability, but is also due to the differing skills of the circulation models. The uncertainty resulting from the latter is the aim of our weighting approach. Each weight is based on the skill to simulate key predictor variables in context of large and medium scale atmospheric circulation patterns within a statistical downscaling framework for the Mediterranean precipitation. Therefore, geopotential heights, sea level pressure, atmospheric layer thickness, horizontal wind components and humidity data at several atmospheric levels are considered. The novelty of this metric consists in avoiding the use of the precipitation data by itself for the weighting process, as state-of-the-art models still have major deficits in simulating precipitation. The application of the weights on the downscaled precipitation changes leads to more reliable and precise change signals in some Mediterranean sub-regions and seasons. The model weights differ between sub-regions and seasons, however, a clear sequence from better to worse models for the representation of precipitation in the Mediterranean area becomes apparent.

Unprecedented urbanization in particular in countries of the global south result in informal urban development processes, especially in mega cities. With an estimated 1 billion slum dwellers globally, the United Nations have made the fight against poverty the number one sustainable development goal. To provide better infrastructure and thus a better life to slum dwellers, detailed information on the spatial location and size of slums is of crucial importance. In the past, remote sensing has proven to be an extremely valuable and effective tool for mapping slums. The nature of used mapping approaches by machine learning, however, made it necessary to invest a lot of effort in training the models. Recent advances in deep learning allow for transferring trained fully convolutional networks (FCN) from one data set to another. Thus, in our study we aim at analyzing transfer learning capabilities of FCNs to slum mapping in various satellite images. A model trained on very high resolution optical satellite imagery from QuickBird is transferred to Sentinel-2 and TerraSAR-X data. While free-of-charge Sentinel-2 data is widely available, its comparably lower resolution makes slum mapping a challenging task. TerraSAR-X data on the other hand, has a higher resolution and is considered a powerful data source for intra-urban structure analysis. Due to the different image characteristics of SAR compared to optical data, however, transferring the model could not improve the performance of semantic segmentation but we observe very high accuracies for mapped slums in the optical data: QuickBird image obtains 86–88% (positive prediction value and sensitivity) and a significant increase for Sentinel-2 applying transfer learning can be observed (from 38 to 55% and from 79 to 85% for PPV and sensitivity, respectively). Using transfer learning proofs extremely valuable in retrieving information on small-scaled urban structures such as slum patches even in satellite images of decametric resolution.

The Essential Climate Variable (ECV) Permafrost is currently undergoing strong changes due to rising ground and air temperatures. Surface movement, forming characteristic landforms such as rock glaciers, is one key indicator for mountain permafrost. Monitoring this movement can indicate ongoing changes in permafrost; therefore, rock glacier velocity (RGV) has recently been added as an ECV product. Despite the increased understanding of rock glacier dynamics in recent years, most observations are either limited in terms of the spatial coverage or temporal resolution. According to recent studies, Sentinel-1 (C-band) Differential SAR Interferometry (DInSAR) has potential for monitoring RGVs at high spatial and temporal resolutions. However, the suitability of DInSAR for the detection of heterogeneous small-scale spatial patterns of rock glacier velocities was never at the center of these studies. We address this shortcoming by generating and analyzing Sentinel-1 DInSAR time series over five years to detect small-scale displacement patterns of five high alpine permafrost environments located in the Central European Alps on a weekly basis at a range of a few millimeters. Our approach is based on a semi-automated procedure using open-source programs (SNAP, pyrate) and provides East-West displacement and elevation change with a ground sampling distance of 5 m. Comparison with annual movement derived from orthophotos and unpiloted aerial vehicle (UAV) data shows that DInSAR covers about one third of the total movement, which represents the proportion of the year suited for DInSAR, and shows good spatial agreement (Pearson R: 0.42–0.74, RMSE: 4.7–11.6 cm/a) except for areas with phase unwrapping errors. Moreover, the DInSAR time series unveils spatio-temporal variations and distinct seasonal movement dynamics related to different drivers and processes as well as internal structures. Combining our approach with in situ observations could help to achieve a more holistic understanding of rock glacier dynamics and to assess the future evolution of permafrost under changing climatic conditions.

Die mit dem Klimawandel einhergehenden Umweltveränderungen, wie steigende Temperaturen, Abnahme der Sommer- und Zunahme der Winterniederschläge, häufigere und längere Trockenperioden, zunehmende Starkniederschläge, Stürme und Hitzewellen betreffen besonders den Bodenwasserhaushalt in seiner zentralen Regelungsfunktion für den Landschaftswasserhaushalt. Von der Wasserverfügbarkeit im Boden hängen zu einem sehr hohen Grad auch die Erträge der Land- und Forstwirtschaft ab. Eine besonders große Bedeutung kommt dabei der Wasserspeicherkapazität der Böden zu, da während einer Trockenphase die effektiven Niederschläge den Wasserbedarf der Pflanzen nicht decken können und das bereits gespeicherte Bodenwasser das Überleben der Pflanzen sicherstellen kann. Für die land- und forstwirtschaftlichen Akteure sind in diesem Kontext quantitative und qualitative Aussagen zu den Auswirkungen des Klimawandels auf den Boden essenziell, um die notwendigen Anpassungsmaßnahmen für ihre Betriebe treffen zu können. Zielsetzungen der vorliegenden Arbeit bestehen darin, die Dynamik der Bodenfeuchte in unterfränkischen Böden besser zu verstehen, die Datenlage zum Verlauf der Bodenfeuchte zu verbessern und die Auswirkungen von prognostizierten klimatischen Parametern abschätzen zu können. Hierzu wurden an sechs für ihre jeweiligen Naturräume und hinsichtlich ihrer anthropogenen Nutzung charakteristischen Standorten meteorologisch-bodenhydrologische Messstationen installiert. Die Messstationen befinden sich in einem Rigosol auf Buntsandstein in einem Weinberg bei Bürgstadt sowie auf einer Parabraunerde im Lössgebiet bei Herchsheim unter Ackernutzung. Am Übergang von Muschelkalk in Keuper befinden sich die Stationen in Obbach, wo eine Braunerde unter Ackernutzung vorliegt und im Forst des Universitätswalds Sailershausen werden die Untersuchungen in einer Braunerde-Terra fusca durchgeführt. Im Forst befinden sich auch die Stationen in Oberrimbach mit Braunerden aus Sandsteinkeuper und in Willmars mit Braunerden aus Buntsandstein. Der Beobachtungszeitraum dieser Arbeit reicht von Juli 2018 bis November 2022. In diesen Zeitraum fiel die dreijährige Dürre von 2018 bis 2020, das Jahr 2021 mit einem durchschnittlichen Witterungsverlauf und das Dürrejahr 2022. Das Langzeitmonitoring wurde von umfangreichen Gelände- und Laboranalysen der grundlegenden bodenkundlichen Parameter der Bodenprofile und der Standorte begleitet. Die bodengeographischen-geomorphologischen Standortanalysen bilden zusammen mit den qualitativen Auswertungen der Bodenfeuchtezeitreihen die Grundlage für Einschätzungen zu den Auswirkungen des Klimawandels auf den Bodenwasserhaushalt. Verlässliche Aussagen zum Bodenwasserhaushalt können nur auf Grundlage von zeitlich und räumlich hoch aufgelösten Daten getroffen werden. Bodenfeuchtezeitreihen zusammen mit den bodenphysikalischen Daten lagen in dieser Datenqualität für Unterfranken bisher nur sehr vereinzelt vor. Die vorliegenden Ergebnisse zeigen, dass die untersuchten Böden entsprechend den jeweiligen naturräumlichen Gegebenheiten sehr unterschiedliche bodenhydrologische Eigenschaften aufweisen. Während langer Trockenphasen können beispielsweise die Parabraunerden am Standort Herchsheim wegen ihrer höheren Wasserspeicherkapazität die Pflanzen länger mit Wasser versorgen als die sandigen Braunerden am Standort Oberrimbach. Die Bodenfeuchteregime im Beobachtungszeitraum waren sehr stark vom Witterungsverlauf einzelner Jahre abhängig. Das Bodenfeuchteregime bei einem durchschnittlichen Witterungsverlauf wie in 2021 zeichnet sich durch eine langsame Abnahme der Bodenfeuchte ab Beginn der Vegetationsperiode im Frühjahr aus. Regelmäßige Niederschläge im Frühjahr füllen den oberflächennahen Bodenwasserspeicher immer wieder auf und sichern den Bodenwasservorrat in der Tiefe bis in den Hochsommer. Im Hochsommer können Pflanzen dann während der Trockenphasen ihren Wasserbedarf aus den tieferen Horizonten decken. Im Gegensatz dazu nimmt die Bodenfeuchte in Dürrejahren wie 2018 bis 2020 oder 2022 bereits im Frühjahr bis in die untersten Horizonte stark ab. Die nutzbare Feldkapazität ist zum Teil schon im Juni weitgehend ausgeschöpft, womit für spätere Trockenphasen kein Bodenwasser mehr zur Verfügung steht. Die Herbst- und Winterniederschläge sättigen den Bodenwasservorrat wieder bis zur Feldkapazität auf. Bei tiefreichender Erschöpfung des Bodenwassers wurde die Feldkapazität erst im Januar oder Februar erreicht. Im Zuge der land- und forstwirtschaftlichen Nutzung ist eine gute Datenlage zu den bodenkundlichen und standörtlichen Gegebenheiten für klimaadaptierte Anpassungsstrategien essentiell. Wichtige Zielsetzungen bestehen grundsätzlich in der Erhaltung der Bodenfunktionen, in der Verbesserung der Infiltrationskapazität und Wasserspeicherkapazität. Hier kommt dem Boden als interaktive Austauschfläche zwischen den Sphären und damit dem Bodenschutz eine zentrale Bedeutung zu. Die in Zukunft erwarteten klimatischen Bedingungen stellen an jeden Boden andere Herausforderungen, welchen mit standörtlich abgestimmten Bodenschutzmaßnahmen begegnet werden kann.

Air pollution is associated with morbidity and mortality worldwide. We investigated the impact of improved air quality during the economic lockdown during the SARS-Cov2 pandemic on emergency room (ER) admissions in Germany. Weekly aggregated clinical data from 33 hospitals were collected in 2019 and 2020. Hourly concentrations of nitrogen and sulfur dioxide (NO2, SO2), carbon and nitrogen monoxide (CO, NO), ozone (O3) and particulate matter (PM10, PM2.5) measured by ground stations and meteorological data (ERA5) were selected from a 30 km radius around the corresponding ED. Mobility was assessed using aggregated cell phone data. A linear stepwise multiple regression model was used to predict ER admissions. The average weekly emergency numbers vary from 200 to over 1600 cases (total n = 2,216,217). The mean maximum decrease in caseload was 5 standard deviations. With the enforcement of the shutdown in March, the mobility index dropped by almost 40%. Of all air pollutants, NO2 has the strongest correlation with ER visits when averaged across all departments. Using a linear stepwise multiple regression model, 63% of the variation in ER visits is explained by the mobility index, but still 6% of the variation is explained by air quality and climate change.