TY  - THES
A1  - Kleinen, Thomas Christopher
T1  - Stochastic information in the assessment of climate change
T1  - Stochastische Information in der Bewertung des Klimawandels
N2  - Stochastic information, to be understood as "information gained by the application of stochastic methods", is proposed as a tool in the assessment of changes in climate. This thesis aims at demonstrating that stochastic information can improve the consideration and reduction of uncertainty in the assessment of changes in climate. The thesis consists of three parts. In part one, an indicator is developed that allows the determination of the proximity to a critical threshold. In part two, the tolerable windows approach (TWA) is extended to a probabilistic TWA. In part three, an integrated assessment of changes in flooding probability due to climate change is conducted within the TWA. The thermohaline circulation (THC) is a circulation system in the North Atlantic, where the circulation may break down in a saddle-node bifurcation under the influence of climate change. Due to uncertainty in ocean models, it is currently very difficult to determine the distance of the THC to the bifurcation point. We propose a new indicator to determine the system's proximity to the bifurcation point by considering the THC as a stochastic system and using the information contained in the fluctuations of the circulation around the mean state. As the system is moved closer to the bifurcation point, the power spectrum of the overturning becomes "redder", i.e. more energy is contained in the low frequencies. Since the spectral changes are a generic property of the saddle-node bifurcation, the method is not limited to the THC, but it could also be applicable to other systems, e.g. transitions in ecosystems.  In part two, a probabilistic extension to the tolerable windows approach (TWA) is developed. In the TWA, the aim is to determine the complete set of emission strategies that are compatible with so-called guardrails. Guardrails are limits to impacts of climate change or to climate change itself. Therefore, the TWA determines the "maneuvering space" humanity has, if certain impacts of climate change are to be avoided. Due to uncertainty it is not possible to definitely exclude the impacts of climate change considered, but there will always be a certain probability of violating a guardrail. Therefore the TWA is extended to a probabilistic TWA that is able to consider "probabilistic uncertainty", i.e. uncertainty that can be expressed as a probability distribution or uncertainty that arises through natural variability. As a first application, temperature guardrails are imposed, and the dependence of emission reduction strategies on probability distributions for climate sensitivities is investigated. The analysis suggests that it will be difficult to observe a temperature guardrail of 2°C with high probabilities of actually meeting the target. In part three, an integrated assessment of changes in flooding probability due to climate change is conducted. A simple hydrological model is presented, as well as a downscaling scheme that allows the reconstruction of the spatio-temporal natural variability of temperature and precipitation. These are used to determine a probabilistic climate impact response function (CIRF), a function that allows the assessment of changes in probability of certain flood events under conditions of a changed climate.  The assessment of changes in flooding probability is conducted in 83 major river basins. Not all floods can be considered: Events that either happen very fast, or affect only a very small area can not be considered, but large-scale flooding due to strong longer-lasting precipitation events can be considered. Finally, the probabilistic CIRFs obtained are used to determine emission corridors, where the guardrail is a limit to the fraction of world population that is affected by a predefined shift in probability of the 50-year flood event. This latter analysis has two main results. The uncertainty about regional changes in climate is still very high, and even small amounts of further climate change may lead to large changes in flooding probability in some river systems.
N2  - Stochastische Information, zu verstehen als "Information, die durch die Anwendung stochastischer Methoden gewonnen wird", wird als Hilfsmittel in der Bewertung von Klimaänderungen vorgeschlagen. Das Ziel dieser Doktorarbeit ist es, zu zeigen, dass stochastische Information die Berücksichtigung und Reduktion von Unsicherheit in der Bewertung des Klimawandels verbessern kann. Die Arbeit besteht aus drei Teilen. Im ersten Teil wird ein Indikator entwickelt, der die Bestimmung des Abstandes zu einem kritischen Grenzwert ermöglicht. Im zweiten Teil wird der "tolerable windows approach" (TWA) zu einem probabilistischen TWA erweitert. Im dritten Teil wird eine integrierte Abschätzung der Veränderung von Überflutungswahrscheinlichkeiten im Rahmen des TWA durchgeführt. Die thermohaline Zirkulation (THC) ist ein Zirkulationssystem im Nordatlantik, in dem die Zirkulation unter Einfluss des Klimawandels in einer Sattel-Knoten Bifurkation abreißen kann. Durch Unsicherheit in Ozeanmodellen ist es gegenwärtig kaum möglich, den Abstand des Systems zum Bifurkationspunkt zu bestimmen. Wir schlagen einen neuen Indikator vor, der es ermöglicht, die Nähe des Systems zum Bifurkationspunkt zu bestimmen. Dabei wird die THC als stochastisches System angenommen, und die Informationen, die in den Fluktuationen der Zirkulation um den mittleren Zustand enthalten sind, ausgenutzt. Wenn das System auf den Bifurkationspunkt zubewegt wird, wird das Leistungsspektrum "roter", d.h. die tiefen Frequenzen enthalten mehr Energie. Da diese spektralen Veränderungen eine allgemeine Eigenschaft der Sattel-Knoten Bifurkation sind, ist die Methode nicht auf die THC beschränkt, sondern weitere Anwendungen könnten möglich sein, beispielsweise zur Erkennung von Übergängen in Ökosystemen. Im zweiten Teil wird eine probabilistische Erweiterung des "tolerable windows approach" (TWA) entwickelt. Das Ziel des TWA ist die Bestimmung der Menge der Emissionsreduktionsstrategien, die mit sogenannten Leitplanken kompatibel sind. Diese Leitplanken sind Begrenzungen der Auswirkungen des Klimawandels, oder des Klimawandels selber. Der TWA bestimmt daher den Spielraum, den die Menschheit hat, wenn bestimmte Auswirkungen des Klimawandels vermieden werden sollen. Durch den Einfluss von Unsicherheit ist es aber nicht möglich, die betrachteten Auswirkungen des Klimawandels mit Sicherheit auszuschließen, sondern es existiert eine gewisse Wahrscheinlichkeit, dass die Leitplanke verletzt wird. Der TWA wird daher zu einem probabilistischen TWA weiterentwickelt, der es ermöglicht, "probabilistische Unsicherheit", also Unsicherheit, die durch eine Wahrscheinlichkeitsverteilung ausgedrückt werden kann, oder die durch den Einfluß von natürlicher Variabilität entsteht, zu berücksichtigen. Als erste Anwendung werden Temperaturleitplanken betrachtet, und die Abhängigkeit der Emissionsreduktionsstrategien von Wahrscheinlichkeitsverteilungen über die Klimasensitivität wird bestimmt. Die Analyse ergibt, dass die Einhaltung einer Temperaturleitplanke von 2°C sehr schwierig wird, wenn man hohe Wahrscheinlichkeiten des Einhaltens der Leitplanke fordert. Im dritten Teil wird eine integrierte Abschätzung der Änderungen von Überflutungswahrscheinlichkeiten unter Einfluss des Klimawandels durchgeführt. Ein einfaches hydrologisches Modell wird vorgestellt, sowie ein Skalierungsansatz, der es ermöglicht, die raum-zeitliche natürliche Variabilität von Temperatur und Niederschlag zu rekonstruieren. Diese werden zur Bestimmung einer probabilistischen Klimawirkungsfunktion genutzt, einer Funktion, die es erlaubt, die Veränderungen der Wahrscheinlichkeit bestimmter Überflutungsereignisse unter Einfluss von Klimaänderungen abzuschätzen. Diese Untersuchung der Veränderung von Überflutungswahrscheinlichkeiten wird in 83 großen Flusseinzugsgebieten durchgeführt. Nicht alle Klassen von Überflutungen können dabei berücksichtigt werden: Ereignisse, die entweder sehr schnell vonstatten gehen, oder die nur ein kleines Gebiet betreffen, können nicht berücksichtigt werden, aber großflächige Überflutungen, die durch starke, langanhaltende Regenfälle hervorgerufen werden, können berücksichtigt werden. Zuguterletzt werden die bestimmten Klimawirkungsfunktion dazu genutzt, Emissionskorridore zu bestimmen, bei denen die Leitplanken Begrenzungen des Bevölkerungsanteils, der von einer bestimmten Veränderung der Wahrscheinlichkeit eines 50-Jahres-Flutereignisses betroffen ist, sind. Letztere Untersuchung hat zwei Hauptergebnisse. Die Unsicherheit von regionalen Klimaänderungen ist immer noch sehr hoch, und außerdem können in einigen Flusssystemen schon kleine Klimaänderungen zu großen Änderungen der Überflutungswahrscheinlichkeit führen.
KW  - Anthropogene Klimaänderung
KW  - Stochastische Differentialgleichung
KW  - Überflutung
KW  - Thermohaline Zi
KW  - Integrierte Bewertung
KW  - Klimawandel
KW  - Climate Change
KW  - Integrated Assessment
KW  - Flooding probability
KW  - stochastic differential equation
Y1  - 2005
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus-5382
ER  - 
TY  - THES
A1  - Zaehle, Sönke
T1  - Process-based simulation of the terrestrial biosphere : an evaluation of present-day and future terrestrial carbon balance estimates and their uncertainty
T1  - Prozessbasierte Modellierung der terrestrischen Biosphäre : eine Auswertung heutiger und zukünftiger terrestrischer Kohlenstoffbilanzabschätzungen und ihrer Unsicherheit
N2  - At present, carbon sequestration in terrestrial ecosystems slows the growth rate of atmospheric CO2 concentrations, and thereby reduces the impact of anthropogenic fossil fuel emissions on the climate system. Changes in climate and land use affect terrestrial biosphere structure and functioning at present, and will likely impact on the terrestrial carbon balance during the coming decades - potentially providing a positive feedback to the climate system due to soil carbon releases under a warmer climate. Quantifying changes, and the associated uncertainties, in regional terrestrial carbon budgets resulting from these effects is relevant for the scientific understanding of the Earth system and for long-term climate mitigation strategies. A model describing the relevant processes that govern the terrestrial carbon cycle is a necessary tool to project regional carbon budgets into the future. This study (1) provides an extensive evaluation of the parameter-based uncertainty in model results of a leading terrestrial biosphere model, the Lund-Potsdam-Jena Dynamic Global Vegetation Model (LPJ-DGVM), against a range of observations and under climate change, thereby complementing existing studies on other aspects of model uncertainty; (2) evaluates different hypotheses to explain the age-related decline in forest growth, both from theoretical and experimental evidence, and introduces the most promising hypothesis into the model; (3) demonstrates how forest statistics can be successfully integrated with process-based modelling to provide long-term constraints on regional-scale forest carbon budget estimates for a European forest case-study; and (4) elucidates the combined effects of land-use and climate changes on the present-day and future terrestrial carbon balance over Europe for four illustrative scenarios - implemented by four general circulation models - using a comprehensive description of different land-use types within the framework of LPJ-DGVM. This study presents a way to assess and reduce uncertainty in process-based terrestrial carbon estimates on a regional scale. The results of this study demonstrate that simulated present-day land-atmosphere carbon fluxes are relatively well constrained, despite considerable uncertainty in modelled net primary production. Process-based terrestrial modelling and forest statistics are successfully combined to improve model-based estimates of vegetation carbon stocks and their change over time. Application of the advanced model for 77 European provinces shows that model-based estimates of biomass development with stand age compare favourably with forest inventory-based estimates for different tree species. Driven by historic changes in climate, atmospheric CO2 concentration, forest area and wood demand between 1948 and 2000, the model predicts European-scale, present-day age structure of forests, ratio of biomass removals to increment, and vegetation carbon sequestration rates that are consistent with inventory-based estimates. Alternative scenarios of climate and land-use change in the 21<sup>st century suggest carbon sequestration in the European terrestrial biosphere during the coming decades will likely be on magnitudes relevant to climate mitigation strategies. However, the uptake rates are small in comparison to the European emissions from fossil fuel combustion, and will likely decline towards the end of the century. Uncertainty in climate change projections is a key driver for uncertainty in simulated land-atmosphere carbon fluxes and needs to be accounted for in mitigation studies of the terrestrial biosphere.
N2  - Kohlenstoffspeicherung in terrestrischen Ökosystemen reduziert derzeit die Wirkung anthropogener CO2-Emissionen auf das Klimasystem, indem sie die Wachstumsrate der atmosphärischer CO2-Konzentration verlangsamt. Die heutige terrestrische Kohlenstoffbilanz wird wesentlich von Klima- und Landnutzungsänderungen beeinflusst. Diese Einflussfaktoren werden sich auch in den kommenden Dekaden auf die terrestrische Biosphäre auswirken, und dabei möglicherweise zu einer positiven Rückkopplung zwischen Biosphäre und Klimasystem aufgrund von starken Bodenkohlenstoffverlusten in einem wärmeren Klima führen. Quantitative Abschätzungen der Wirkung dieser Einflussfaktoren - sowie der mit ihnen verbundenen Unsicherheit - auf die terrestrische Kohlenstoffbilanz sind daher sowohl für das Verständnis des Erdsystems, als auch für eine langfristig angelegte Klimaschutzpolitik relevant. Um regionale Kohlenstoffbilanzen in die Zukunft zu projizieren, sind Modelle erforderlich, die die wesentlichen Prozesse des terrestrischen Kohlenstoffkreislaufes beschreiben. Die vorliegende Arbeit (1) analysiert die parameterbasierte Unsicherheit in Modellergebnissen eines der führenden globalen terrestrischen Ökosystemmodelle (LPJ-DGVM) im Vergleich mit unterschiedlichen ökosystemaren Messgrößen, sowie unter Klimawandelprojektionen, und erweitert damit bereits vorliegende Studien zu anderen Aspekten der Modelunsicherheit; (2) diskutiert unter theoretischen und experimentellen Aspekten verschiedene Hypothesen über die altersbedingte Abnahme des Waldwachstums, und implementiert die vielversprechenste Hypothese in das Model; (3) zeigt für eine europäische Fallstudie, wie Waldbestandsstatistiken erfolgreich für eine verbesserte Abschätzung von regionalen Kohlenstoffbilanzen in Wäldern durch prozessbasierten Modelle angewandt werden können; (4) untersucht die Auswirkung möglicher zukünftiger Klima- und Landnutzungsänderungen auf die europäische Kohlenstoffbilanz anhand von vier verschiedenen illustrativen Szenarien, jeweils unter Berücksichtigung von Klimawandelprojektionen vier verschiedener Klimamodelle. Eine erweiterte Version von LPJ-DGVM findet hierfür Anwendung, die eine umfassende Beschreibung der Hauptlandnutzungstypen beinhaltet.  Die vorliegende Arbeit stellt einen Ansatz vor, um Unsicherheiten in der prozessbasierten Abschätzung von terrestrischen Kohlenstoffbilanzen auf regionaler Skala zu untersuchen und zu reduzieren. Die Ergebnisse dieser Arbeit zeigen, dass der Nettokohlenstoffaustausch zwischen terrestrischer Biosphäre und Atmosphäre unter heutigen klimatischen Bedingungen relativ sicher abgeschätzt werden kann, obwohl erhebliche Unsicherheit über die modelbasierte terrestrische Nettoprimärproduktion existiert. Prozessbasierte Modellierung und Waldbestandsstatistiken wurden erfolgreich kombiniert, um verbesserte Abschätzungen von regionalen Kohlenstoffvorräten und ihrer Änderung mit der Zeit zu ermöglichen. Die Anwendung des angepassten Modells in 77 europäischen Regionen zeigt, dass modellbasierte Abschätzungen des Biomasseaufwuchses in Wäldern weitgehend mit inventarbasierten Abschätzungen für verschiede Baumarten übereinstimmen. Unter Berücksichtigung von historischen Änderungen in Klima, atmosphärischem CO2-Gehalt, Waldfläche und Holzernte (1948-2000) reproduziert das Model auf europäischer Ebene die heutigen, auf Bestandsstatistiken beruhenden, Abschätzungen von Waldaltersstruktur, das Verhältnis von Zuwachs und Entnahme von Biomasse, sowie die Speicherungsraten im Kohlenstoffspeicher der Vegetation. Alternative Szenarien von zukünftigen Landnutzungs- und Klimaänderungen legen nahe, dass die Kohlenstoffaufnahme der europäischen terrestrischen Biosphäre von relevanter Größenordnung für Klimaschutzstrategien sind. Die Speicherungsraten sind jedoch klein im Vergleich zu den absoluten europäischen CO2-Emissionen, und nehmen zudem sehr wahrscheinlich gegen Ende des 21. Jahrhunderts ab. Unsicherheiten in Klimaprojektionen sind eine Hauptursache für die Unsicherheiten in den modellbasierten Abschätzungen des zukünftigen Nettokohlenstoffaustausches und müssen daher in Klimaschutzanalysen der terrestrischen Biosphäre berücksichtigt werden.
KW  - Terrestrische Ökologie
KW  - Kohlenstoffkreislauf
KW  - Modellierung
KW  - Landnutzung
KW  - Anthropogene Klimaänderung
KW  - dynamic global vegetation model
KW  - terrestrial carbon balance
KW  - forest age-structure
KW  - model uncertainty
KW  - global change
Y1  - 2005
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus-5263
ER  - 
TY  - THES
A1  - Post, Joachim
T1  - Integrated process-based simulation of soil carbon dynamics in river basins under present, recent past and future environmental conditions
T1  - Prozessbasierte Modellierung der Bodenkohlenstoffdynamik in Flusseinzugsgebieten unter heutigen und zukünftigen Umweltbedingungen
N2  - Soils contain a large amount of carbon (C) that is a critical regulator of the global C budget. Already small changes in the processes governing soil C cycling have the potential to release considerable amounts of CO2, a greenhouse gas (GHG), adding additional radiative forcing to the atmosphere and hence to changing climate. Increased temperatures will probably create a feedback, causing soils to release more GHGs. Furthermore changes in soil C balance impact soil fertility and soil quality, potentially degrading soils and reducing soils function as important resource. Consequently the assessment of soil C dynamics under present, recent past and future environmental conditions is not only of scientific interest and requires an integrated consideration of main factors and processes governing soil C dynamics. To perform this assessment an eco-hydrological modelling tool was used and extended by a process-based description of coupled soil carbon and nitrogen turnover. The extended model aims at delivering sound information on soil C storage changes beside changes in water quality, quantity and vegetation growth under global change impacts in meso- to macro-scale river basins, exemplary demonstrated for a Central European river basin (the Elbe). As a result this study: ▪ Provides information on joint effects of land-use (land cover and land management) and climate changes on croplands soil C balance in the Elbe river basin (Central Europe) presently and in the future. ▪ Evaluates which processes, and at what level of process detail, have to be considered to perform an integrated simulation of soil C dynamics at the meso- to macro-scale and demonstrates the model’s capability to simulate these processes compared to observations. ▪ Proposes a process description relating soil C pools and turnover properties to readily measurable quantities. This reduces the number of model parameters, enhances the comparability of model results to observations, and delivers same performance simulating long-term soil C dynamics as other models. ▪ Presents an extensive assessment of the parameter and input data uncertainty and their importance both temporally and spatially on modelling soil C dynamics. For the basin scale assessments it is estimated that croplands in the Elbe basin currently act as a net source of carbon (net annual C flux of 11 g C m-2 yr-1, 1.57 106 tons CO2 yr-1 entire croplands on average). Although this highly depends on the amount of harvest by-products remaining on the field. Future anticipated climate change and observed climate change in the basin already accelerates soil C loss and increases source strengths (additional 3.2 g C m-2 yr-1, 0.48 106 tons CO2 yr-1 entire croplands). But anticipated changes of agro-economic conditions, translating to altered crop share distributions, display stronger effects on soil C storage than climate change. Depending on future use of land expected to fall out of agricultural use in the future (~ 30 % of croplands area as “surplus” land), the basin either considerably looses soil C and the net annual C flux to the atmosphere increases (surplus used as black fallow) or the basin converts to a net sink of C (sequestering 0.44 106 tons CO2 yr-1 under extensified use as ley-arable) or reacts with decrease in source strength when using bioenergy crops. Bioenergy crops additionally offer a considerable potential for fossil fuel substitution (~37 PJ, 1015 J per year), whereas the basin wide use of harvest by-products for energy generation has to be seen critically although offering an annual energy potential of approximately 125 PJ. Harvest by-products play a central role in soil C reproduction and a percentage between 50 and 80 % should remain on the fields in order to maintain soil quality and fertility. The established modelling tool allows quantifying climate, land use and major land management impacts on soil C balance. New is that the SOM turnover description is embedded in an eco-hydrological river basin model, allowing an integrated consideration of water quantity, water quality, vegetation growth, agricultural productivity and soil carbon changes under different environmental conditions. The methodology and assessment presented here demonstrates the potential for integrated assessment of soil C dynamics alongside with other ecosystem services under global change impacts and provides information on the potentials of soils for climate change mitigation (soil C sequestration) and on their soil fertility status.
N2  - Böden speichern große Mengen Kohlenstoff (C) und beeinflussen wesentlich den globalen C Haushalt. Schon geringe Änderungen der Steuergrößen des Bodenkohlenstoffs können dazu führen, dass beträchtliche Mengen CO2, ein Treibhausgas, in die Atmosphäre gelangen und zur globalen Erwärmung und dem Klimawandel beitragen. Der globale Temperaturanstieg verursacht dabei höchstwahrscheinlich eine Rückwirkung auf den Bodenkohlenstoffhaushalt mit einem einhergehenden erhöhten CO2 Fluss der Böden in die Atmosphäre. Weiterhin wirken sich Änderungen im Bodenkohlenstoffhaushalt auf die Bodenfruchtbarkeit und Bodenqualität aus, wobei eine Minderung der Bodenkohlenstoffvorräte wichtige Funtionen des Bodens beeinträchtigt und folglich den Boden als wichtige Ressource nachhaltig beinflusst. Demzufolge ist die Quantifizierung der Bodenkohlenstoffdynamik unter heutigen und zukünftigen Bedingungen von hohem Interesse und erfordert eine integrierte Betrachtung der wesentlichen Faktoren und Prozesse. Zur Quantifizierung wurde ein ökohydrologisches Flusseinzugsgebietsmodell erweitert. Ziel des erweiterten Modells ist es fundierte Informationen zu Veränderungen des Bodenkohlenstoffhaushaltes, neben Veränderungen der Wasserqualität, der Wasserverfügbarkeit und des Vegetationswachstums unter Globalem Wandel in meso- bis makroskaligen Flusseinzugsgebieten bereitzustellen. Dies wird am Beispiel eines zentraleuropäischen Flusseinzugsgebietes (der Elbe) demonstriert. Zusammenfassend ergibt diese Arbeit: ▪ eine Quantifizierung der heutigen und zukünftigen Auswirkungen des Klimawandels sowie von Änderungen der Landnutzung (Bodenbedeckung und Bodenbearbeitung) auf den Bodenkohlenstoffhaushalt agrarisch genutzter Räume im Einzugsgebiet der Elbe. ▪ eine Beurteilung welche Prozesse, und zu welchem Prozessdetail, zur integrierten Simulation der Bodenkohlenstoffdynamik in der meso- bis makroskala zu berücksichtigen sind. Weiterhin wird die Eignung der Modellerweiterung zur Simulation dieser Prozesse unter der Zuhilfenahme von Messwerten dargelegt. ▪ darauf begründet wird eine Prozessbeschreibung vorgeschlagen die die Eigenschaften der Bodenkohlenstoffspeicher und deren Umsetzungsrate mit in der betrachteten Skala zur Verfügung stehenden Messdaten und Geoinformationen verbindet. Die vorgeschlagene Prozessbeschreibung kann als robust hinsichtlich der Parametrisierung angesehen werden, da sie mit vergleichsweise wenigen Modelparametern eine ähnliche Güte wie andere Bodenkohlenstoffmodelle ergibt. ▪ eine umfassende Betrachtung der Modell- und Eingangsdatenunsicherheiten von Modellergebnissen in ihrer räumlichen und zeitlichen Ausprägung. Das in dieser Arbeit vorgestellte Modellsystem erlaubt eine Quantifizierung der Auswirkungen des Klima- und Landnutzungswandels auf den Bodenkohlenstoffhaushalt. Neu dabei ist, dass neben Auswirkungen auf den Bodenkohlenstoffhaushalt auch Auswirkungen auf Wasserverfügbarkeit, Wasserqualität, Vegetationswachstum und landwirtschaftlicher Produktivität erfasst werden können. Die im Rahmen dieser Arbeit dargelegten Ergebnisse erlauben eine integrierte Betrachtung der Auswirkungen des Globalen Wandels auf wichtige Ökosystemfunktionen in meso- bis makro-skaligen Flusseinzugsgebieten. Weiterhin können hier gewonnene Informationen zur Potentialabschätzung der Böden zur Linderung des Klimawandels (durch C Festlegung) und zum Erhalt ihrer Fruchtbarkeit genutzt werden.
KW  - Kohlenstoff
KW  - Stickstoff
KW  - Anthropogene Klimaänderung
KW  - Bioenergie
KW  - Unsicherheit
KW  - Ökohydrologie
KW  - Ökosystemmodellierung
KW  - Landnutzungsänderung
KW  - Modellsensitivität
KW  - eco-hydrology
KW  - Ecosystem modelling
KW  - Carbon
KW  - Nitrogen
KW  - land use change
KW  - climate change
KW  - terrestrial carbon balance
KW  - model uncertainty
Y1  - 2006
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus-11507
ER  - 
TY  - THES
A1  - Kriegler, Elmar
T1  - Imprecise probability analysis for integrated assessment of climate change
T1  - Anwendung der Theorie der unscharfen Wahrscheinlichkeit in der integrierten Analyse des Klimawandels
N2  - We present an application of imprecise probability theory to the quantification of uncertainty in the integrated assessment of climate change. Our work is motivated by the fact that uncertainty about climate change is pervasive, and therefore requires a thorough treatment in the integrated assessment process. Classical probability theory faces some severe difficulties in this respect, since it cannot capture very poor states of information in a satisfactory manner. A more general framework is provided by imprecise probability theory, which offers a similarly firm evidential and behavioural foundation, while at the same time allowing to capture more diverse states of information. An imprecise probability describes the information in terms of lower and upper bounds on probability.  For the purpose of our imprecise probability analysis, we construct a diffusion ocean energy balance climate model that parameterises the global mean temperature response to secular trends in the radiative forcing in terms of climate sensitivity and effective vertical ocean heat diffusivity. We compare the model behaviour to the 20th century temperature record in order to derive a likelihood function for these two parameters and the forcing strength of anthropogenic sulphate aerosols. Results show a strong positive correlation between climate sensitivity and ocean heat diffusivity, and between climate sensitivity and absolute strength of the sulphate forcing.  We identify two suitable imprecise probability classes for an efficient representation of the uncertainty about the climate model parameters and provide an algorithm to construct a belief function for the prior parameter uncertainty from a set of probability constraints that can be deduced from the literature or observational data. For the purpose of updating the prior with the likelihood function, we establish a methodological framework that allows us to perform the updating procedure efficiently for two different updating rules: Dempster's rule of conditioning and the Generalised Bayes' rule. Dempster's rule yields a posterior belief function in good qualitative agreement with previous studies that tried to constrain climate sensitivity and sulphate aerosol cooling. In contrast, we are not able to produce meaningful imprecise posterior probability bounds from the application of the Generalised Bayes' Rule. We can attribute this result mainly to our choice of representing the prior uncertainty by a belief function.  We project the Dempster-updated belief function for the climate model parameters onto estimates of future global mean temperature change under several emissions scenarios for the 21st century, and several long-term stabilisation policies. Within the limitations of our analysis we find that it requires a stringent stabilisation level of around 450 ppm carbon dioxide equivalent concentration to obtain a non-negligible lower probability of limiting the warming to 2 degrees Celsius. We discuss several frameworks of decision-making under ambiguity and show that they can lead to a variety of, possibly imprecise, climate policy recommendations. We find, however, that poor states of information do not necessarily impede a useful policy advice.  We conclude that imprecise probabilities constitute indeed a promising candidate for the adequate treatment of uncertainty in the integrated assessment of climate change. We have constructed prior belief functions that allow much weaker assumptions on the prior state of information than a prior probability would require and, nevertheless, can be propagated through the entire assessment process. As a caveat, the updating issue needs further investigation. Belief functions constitute only a sensible choice for the prior uncertainty representation if more restrictive updating rules than the Generalised Bayes'Rule are available.
N2  - Diese Arbeit untersucht die Eignung der Theorie der unscharfen Wahrscheinlichkeiten für die Beschreibung der Unsicherheit in der integrierten Analyse des Klimawandels. Die wissenschaftliche Unsicherheit bezüglich vieler Aspekte des Klimawandels ist beträchtlich, so dass ihre angemessene Beschreibung von großer Wichtigkeit ist. Die klassische Wahrscheinlichkeitstheorie weist in diesem Zusammenhang einige Probleme auf, da sie Zustände sehr geringer Information nicht zufriedenstellend beschreiben kann. Die unscharfe Wahrscheinlichkeitstheorie bietet ein gleichermaßen fundiertes Theoriegebäude, welches jedoch eine größere Flexibilität bei der Beschreibung verschiedenartiger Informationszustände erlaubt. Unscharfe Wahrscheinlichkeiten erfassen solche Informationszustände durch die Spezifizierung von unteren und oberen Grenzen an zulässige Werte der Wahrscheinlichkeit.  Unsere Analyse des Klimawandels beruht auf einem Energiebilanzmodell mit diffusivem Ozean, welches die globale Temperaturantwort auf eine Änderung der Strahlungsbilanz in Abhängigkeit von zwei Parametern beschreibt: die Klimasensitivität, und die effektive vertikale Wärmediffusivität im Ozean. Wir vergleichen das Modellverhalten mit den Temperaturmessungen des 20. Jahrhunderts, um eine sogenannte Likelihood-Funktion für die Hypothesen zu diesen beiden Parametern sowie dem kühlenden Einfluss der Sulfataerosole zu ermitteln. Im Ergebnis zeigt sich eine stark positive Korrelation zwischen Klimasensitivität und Wärmediffusivität im Ozean, und Klimasensitivität und kühlendem Einfluss der Sulfataerosole.  Für die effiziente Beschreibung der Parameterunsicherheit ziehen wir zwei geeignete Modelltypen aus der unscharfen Wahrscheinlichkeitstheorie heran. Wir formulieren einen Algorithmus, der den Informationsgehalt beider Modelle durch eine sogenannte Belief-Funktion beschreibt. Mit Hilfe dieses Algorithmus konstruieren wir Belief-Funktionen für die A-priori-Parameterunsicherheit auf der Grundlage von divergierenden Wahrscheinlichkeitsschätzungen in der Literatur bzw. Beobachtungsdaten. Wir leiten eine Methode her, um die A-priori-Belief-Funktion im Lichte der Likelihood-Funktion zu aktualisieren. Dabei ziehen wir zwei verschiedene Regeln zur Durchführung des Lernprozesses in Betracht: die Dempstersche Regel und die verallgemeinerte Bayessche Regel. Durch Anwendung der Dempsterschen Regel erhalten wir eineA-posteriori-Belief-Funktion, deren Informationsgehalt qualitativ mit den Ergebnissen bisheriger Studien übereinstimmt, die eine Einschränkung der Unsicherheit über die Klimasensitivität und die kühlende Wirkung der Sulfataerosole versucht haben. Im Gegensatz dazu finden wir bei Anwendung der verallgemeinerten Bayesschen Regel keine sinnvollen unteren und oberen Grenzen an die A-posteriori-Wahrscheinlichkeit. Wir stellen fest, dass dieses Resultat maßgeblich durch die Wahl einer Belief-Funktion zur Beschreibung der A-priori-Unsicherheit bedingt ist.  Die A-posteriori-Belief-Funktion für die Modellparameter, die wir aus der Anwendung der Dempsterschen Regel erhalten haben, wird zur Abschätzung des zukünftigen Temperaturanstiegs eingesetzt. Wir betrachten verschiedene Emissionsszenarien für das 21. Jahrhundert sowie verschiedene Stabilisierungsziele für den Treibhausgasgehalt in der Atmosphäre. Im Rahmen unserer Analyse finden wir, dass sehr strikte Stabilisierungsziele im Bereich einer Kohlendioxid-Äquivalentkonzentration von ca. 450 ppm in der Atmosphäre notwendig sind, um nicht eine vernachlässigbar kleine untere Wahrscheinlichkeit für die Begrenzung der Erwärmung auf 2 Grad Celsius zu erhalten. Wir diskutieren verschiedene Kriterien für die Entscheidungsfindung unter unscharfer Wahrscheinlichkeit, und zeigen dass sie zu verschiedenen teilweise unscharfen Politikempfehlungen führen können. Nichtsdestotrotz stellen wir fest, dass eine klare Politikempfehlung auch bei Zuständen schwacher Information möglich sein kann.  Wir schließen, dass unscharfe Wahrscheinlichkeiten tatsächlich ein geeignetes Mittel zur Beschreibung der Unsicherheit in der integrierten Analyse des Klimawandels darstellen. Wir haben Algorithmen zur Generierung und Weiterverarbeitung von Belief-Funktionen etabliert, die eine deutlich größere A-priori-Unsicherheit beschreiben können, als durch eine A-priori-Wahrscheinlichkeit möglich wäre. Allerdings erfordert die Frage des Lernprozesses für unscharfe Wahrscheinlichkeiten eine weitergehende Untersuchung. Belief-Funktionen stellen nur dann eine vernünftige Wahl für die Beschreibung der A-priori-Unsicherheit dar, wenn striktere Regeln als die verallgemeinerte Bayessche Regel für den Lernprozess gerechtfertigt werden können.
KW  - Anthropogene Klimaänderung
KW  - Klima / Umweltschutz
KW  - Unschärfe
KW  - Intervallwahrscheinlichkeit
KW  - Entscheidung bei Unsicherheit
KW  - Climate Change
KW  - Integrated Assessment
KW  - Uncertainty
KW  - Imprecise Probability
KW  - Decision Making under Ambiguity
Y1  - 2005
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus-5611
ER  -