550 Geowissenschaften
Refine
Has Fulltext
- yes (3)
Is part of the Bibliography
- yes (3)
Year of publication
- 2013 (3) (remove)
Document Type
- Doctoral Thesis (2)
- Master Thesis (1)
Language
- German (3) (remove)
Keywords
- Anthropogene Klimaänderung (2)
- (potentially) climate change-induced environmental changes (1)
- (potenziell) klimawandelbedingte Umweltmigration (1)
- Allgemeine atmosphärische Zirkulation (1)
- Baden-Württemberg (1)
- Bass Model (1)
- Bass-Modell (1)
- Diffusion von Innovationen (1)
- El-Niño-Phänomen (1)
- Gewichtung von Klimamodellen (1)
- Grounded Theory (1)
- Klima (1)
- Klimamigration (1)
- Klimatologie (1)
- Klimawandel (1)
- Klimaänderung (1)
- Mathematisches Modell (1)
- Migration (1)
- Modell (1)
- Modellierung (1)
- Nachbarschaftseffekt (1)
- Photovoltaik (1)
- Photovoltaikanlage (1)
- Räumliche Autokorrelation (1)
- Räumliche Diffusion (1)
- Räumliche Verteilung (1)
- Statistik (1)
- Umweltmigration (1)
- Umweltveränderung (1)
- climate change (1)
- climate change-induced migration (1)
- diffusion of innovation (1)
- environmental migration (1)
- großskalige Klimavariabilität (1)
- large scale climate variability (1)
- multi-model ensemble (1)
- neighbourhood effect (1)
- photovoltaic (1)
- spatial autocorrelation (1)
- spatial diffusion (1)
- weighting of climate models (1)
Institute
Seit dem Jahr 2000 ist die Anzahl an installierten Photovoltaik-Anlagen in Deutschland – dank günstiger politischer Rahmenbedingungen – rasant von 76 MWp auf 24.820 MWp in 2011 gestiegen. Trotz bundesweit einheitlicher finanzieller Förderbedingungen durch das Erneuerbare-Energien-Gesetz existieren jedoch räumliche Unterschiede in der Anzahl an installierten Photovoltaik-Anlagen pro Einwohner, sowohl auf Ebene der Bundesländer, als auch zwischen einzelnen Gemeinden einer Region. In der vorliegenden Arbeit wird die räumliche Diffusion von Photovoltaik-Anlagen in Baden-Württemberg untersucht. Ziel ist zum einen die Ursachen für die räumlichen Unterschiede in der Photovoltaik-Diffusion aufzudecken. Zum anderen ist das Ziel zu überprüfen, ob ein Nachbarschaftseffekt der Photovoltaik-Diffusion existiert. Dies wird mit Hilfe quantitativer und qualitativer Methoden untersucht. Mit Hilfe der räumlichen Autokorrelationsanalyse wird gezeigt, dass sich die Anzahl an Photovoltaik-Anlagen pro Einwohner in den Gemeinden Baden-Württembergs signifikant unterscheidet. Es existieren Cluster von Gemeinden mit besonders hoher Photovoltaik-Nutzung (Hot Spots) und Cluster von Gemeinden mit besonders niedriger Photovoltaik-Nutzung (Cold Spots). Hot Spot-Gemeinden befinden sich zu 95% im ländlichen Raum und Cold Spot-Gemeinden zu 85% im Verdichtungsraum. Die Ergebnisse der räumlichen Regressionsanalyse und der Fallstudie in der Region Heilbronn-Franken zeigen, dass die Unterschiede in der Dichte der Photovoltaik-Anlagen pro Einwohner erstens auf Unterschiede in der Siedlungsstruktur zurückzuführen sind (Anteil an Ein- und Zweifamilienhäusern, Anteil an Neubauten, Anzahl an Viehbetrieben pro Einwohner), zweitens auf Unterschiede im Sozialgefüge (Anteil an Familien) sowie drittens auf den Nachbarschaftseffekt der Diffusion. Aus den Experteninterviews geht hervor, dass zudem weitere lokale Voraussetzungen gegeben sein müssen, damit es zu einer schnellen Photovoltaik-Diffusion kommt. Eine wichtige Rolle spielen die Landwirte, die häufig als Innovatoren auftraten, sowie sog. Change Agents, die den Diffusionsprozess anstoßen und bewusst fördern. Zu letzteren zählen auf lokaler Ebene aktive Bürgermeister, Solarvereine, Photovoltaik-Unternehmer oder Elektroinstallateure, auf regionaler Ebene Maschinenringe und Energieagenturen. Die Modellierung und Analyse der Photovoltaik-Diffusion in den einzelnen Gemeinden von 2000 bis 2030 zeigt für das Jahr 2009, dass die Gemeinden einer Raumkategorie unterschiedliche Diffusionsprofile aufweisen. Je ländlicher eine Gemeinde ist, desto weiter ist tendenziell der Diffusionsprozess fortgeschritten: In Gemeinden des ländlichen Raums befindet sich die Photovoltaik-Diffusion meist bereits im Early Majority-Stadium, in Gemeinden des Verdichtungsraums ist die Photovoltaik-Diffusion dagegen überwiegend erst am Ende des Early Adopter-Stadiums angelangt. Der Innovationseffekt, der angibt, wie stark die Anzahl an Photovoltaik-Anlagen unabhängig von den bereits installierten Anlagen zunimmt, ist im suburbanen Raum und im ländlichen Raum am höchsten. Der Imitationseffekt, der angibt, wie stark die Zunahme neu installierter Photovoltaik-Anlagen von bestehenden Anlagen in einer Gemeinde abhängt, steigt dagegen von der Stadt zum Land an. Durch den Vergleich der Hot Spot-Gemeinden mit den übrigen Gemeinden des ländlichen Raums wird deutlich, dass die Imitation in den Hot Spot-Gemeinden höher liegt. Dies lässt darauf schließen, dass ein Nachbarschaftseffekt der Photovoltaik-Diffusion zwischen den Gemeinden existiert, da die Lage innerhalb eines Hot Spots zu einer erhöhten Wahrnehmung von Photovoltaik-Anlagen und einem häufigeren Austausch mit Photovoltaik-Besitzern führt und damit die Photovoltaik-Diffusion fördert. Vor dem Hintergrund des Klimawandels und der knapper werdenden fossilen Ressourcen gilt in Deutschland das Ziel, die Nutzung erneuerbarer Energien und damit auch der Photovoltaik weiter voranzutreiben. Diese Arbeit zeigt, dass lokale Einflussfaktoren entscheidend für das Entstehen räumlicher Unterschiede in der Photovoltaik-Nutzung sind. Die Kenntnisse dieser Unterschiede, deren Ursachen sowie die Bedeutung des Nachbarschaftseffekts können eine Grundlage für gezielte Förderung oder Marketingmaßnahmen zur weiteren Diffusion von Photovoltaik-Anlagen bieten.
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.
Klimawandelbedingte bzw. potenziell klimawandelbedingte Umweltmigration ist ein sehr komplexes und breites Feld. Es existiert eine Fülle von Studien, die sich in ihrer Herangehensweise unterscheiden, weshalb hier ein Systematisierungsvorschlag aufgezeigt wird. Mittels einer an den Richtlinien der Grounded Theory orientierten Analyse wurden Studien auf zentrale gemeinsame Kategorien hin untersucht und als Modell präsentiert. Dieses stellt jedoch kein abgeschlossenes System dar, sondern dient durch seine Offenheit als Gerüst, das mit Ergebnissen aus weiteren Fallstudien gefestigt werden kann.