TY - THES A1 - Kemter, Matthias T1 - River floods in a changing world T1 - Flusshochwasser in einer sich ändernden Welt N2 - River floods are among the most devastating natural hazards worldwide. As their generation is highly dependent on climatic conditions, their magnitude and frequency are projected to be affected by future climate change. Therefore, it is crucial to study the ways in which a changing climate will, and already has, influenced flood generation, and thereby flood hazard. Additionally, it is important to understand how other human influences - specifically altered land cover - affect flood hazard at the catchment scale. The ways in which flood generation is influenced by climatic and land cover conditions differ substantially in different regions. The spatial variability of these effects needs to be taken into account by using consistent datasets across large scales as well as applying methods that can reflect this heterogeneity. Therefore, in the first study of this cumulative thesis a complex network approach is used to find 10 clusters of similar flood behavior among 4390 catchments in the conterminous United States. By using a consistent set of 31 hydro-climatological and land cover variables, and training a separate Random Forest model for each of the clusters, the regional controls on flood magnitude trends between 1960-2010 are detected. It is shown that changes in rainfall are the most important drivers of these trends, while they are regionally controlled by land cover conditions. While climate change is most commonly associated with flood magnitude trends, it has been shown to also influence flood timing. This can lead to trends in the size of the area across which floods occur simultaneously, the flood synchrony scale. The second study is an analysis of data from 3872 European streamflow gauges and shows that flood synchrony scales have increased in Western Europe and decreased in Eastern Europe. These changes are attributed to changes in flood generation, especially a decreasing relevance of snowmelt. Additionally, the analysis shows that both the absolute values and the trends of flood magnitudes and flood synchrony scales are positively correlated. If these trends persist in the future and are not accounted for, the combined increases of flood magnitudes and flood synchrony scales can exceed the capacities of disaster relief organizations and insurers. Hazard cascades are an additional way through which climate change can influence different aspects of flood hazard. The 2019/2020 wildfires in Australia, which were preceded by an unprecedented drought and extinguished by extreme rainfall that led to local flooding, present an opportunity to study the effects of multiple preceding hazards on flood hazard. All these hazards are individually affected by climate change, additionally complicating the interactions within the cascade. By estimating and analyzing the burn severity, rainfall magnitude, soil erosion and stream turbidity in differently affected tributaries of the Manning River catchment, the third study shows that even low magnitude floods can pose a substantial hazard within a cascade. This thesis shows that humanity is affecting flood hazard in multiple ways with spatially and temporarily varying consequences, many of which were previously neglected (e.g. flood synchrony scale, hazard cascades). To allow for informed decision making in risk management and climate change adaptation, it will be crucial to study these aspects across the globe and to project their trajectories into the future. The presented methods can depict the complex interactions of different flood drivers and their spatial variability, providing a basis for the assessment of future flood hazard changes. The role of land cover should be considered more in future flood risk modelling and management studies, while holistic, transferable frameworks for hazard cascade assessment will need to be designed. N2 - Flusshochwasser gehören zu den verheerendsten Naturkatastrophen weltweit. Ihre Entstehung hängt von klimatischen Bedingungen ab, weshalb vorhergesagt wird, dass sich ihre Magnituden und Häufigkeit durch den Klimawandel ändern werden. Daher ist es notwendig zu untersuchen, auf welche Art sich ein verändertes Klima - auch im Vergleich mit Effekten durch Landbedeckungsänderungen - auf Hochwasserentstehung und -gefahr auswirken könnte und das bereits getan hat. Diese kumulative Arbeit beleuchtet drei Teilaspekte dieses Themas. In der ersten Studie werden mittels maschinellen Lernens die wichtigsten Variablen entdeckt und untersucht, die die Änderungen von Hochwassermagnituden in 4390 Einzugsgebieten in den USA von 1960-2010 kontrolliert haben. Es wird gezeigt, dass Änderungen der Regenmengen der entscheidende Faktor waren, während Landnutzung regional von großer Bedeutung war. Die zweite Studie untersucht von 1960-2010 Änderungen in der Distanz innerhalb welcher Hochwasser in verschiedenen Flüssen gleichzeitig auftreten. Daten von 3872 europäischen Flusspegeln zeigen, dass sich die Fläche der gleichzeitigen Überflutung in Westeuropa vergrößert und in Osteuropa verkleinert hat, was auf abnehmende Relevanz der Schneeschmelze bei der Hochwasserentstehung zurückzuführen ist. Die dritte Studie behandelt die Auswirkungen kaskadierender Naturkatastrophen auf Hochwasser am Beispiel der australischen Waldbrände 2019/2020. Die Untersuchung der verschieden stark betroffenen Nebenflüsse des Manning River zeigt, dass in einer Naturgefahrenkaskade selbst gewöhnliche Hochwasser substantielle Auswirkungen haben können. Diese Arbeit zeigt, dass die Menschheit Hochwassergefahren auf verschiedene Arten und mit räumlich sowie zeitlich variablen Resultaten beeinflusst. Diese Aspekte müssen zukünftig global näher untersucht und ihre Entwicklung für die Zukunft modelliert werden, um fundierte Entscheidungen in Hochwasserschutz treffen zu können. Für Hochwassermagnituden und die Fläche gleichzeitiger Überflutung können hierfür die präsentierten Methoden adaptiert werden. KW - hydrology KW - climate change KW - flood KW - Hydrologie KW - Klimawandel KW - Hochwasser Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-558564 ER - TY - THES A1 - Banerjee, Abhirup T1 - Characterizing the spatio-temporal patterns of extreme events BT - from recurrence to prediction N2 - Over the past decades, there has been a growing interest in ‘extreme events’ owing to the increasing threats that climate-related extremes such as floods, heatwaves, droughts, etc., pose to society. While extreme events have diverse definitions across various disciplines, ranging from earth science to neuroscience, they are characterized mainly as dynamic occurrences within a limited time frame that impedes the normal functioning of a system. Although extreme events are rare in occurrence, it has been found in various hydro-meteorological and physiological time series (e.g., river flows, temperatures, heartbeat intervals) that they may exhibit recurrent behavior, i.e., do not end the lifetime of the system. The aim of this thesis to develop some sophisticated methods to study various properties of extreme events. One of the main challenges in analyzing such extreme event-like time series is that they have large temporal gaps due to the paucity of the number of observations of extreme events. As a result, existing time series analysis tools are usually not helpful to decode the underlying information. I use the edit distance (ED) method to analyze extreme event-like time series in their unaltered form. ED is a specific distance metric, mainly designed to measure the similarity/dissimilarity between point process-like data. I combine ED with recurrence plot techniques to identify the recurrence property of flood events in the Mississippi River in the United States. I also use recurrence quantification analysis to show the deterministic properties and serial dependency in flood events. After that, I use this non-linear similarity measure (ED) to compute the pairwise dependency in extreme precipitation event series. I incorporate the similarity measure within the framework of complex network theory to study the collective behavior of climate extremes. Under this architecture, the nodes are defined by the spatial grid points of the given spatio-temporal climate dataset. Each node is associated with a time series corresponding to the temporal evolution of the climate observation at that grid point. Finally, the network links are functions of the pairwise statistical interdependence between the nodes. Various network measures, such as degree, betweenness centrality, clustering coefficient, etc., can be used to quantify the network’s topology. We apply the methodology mentioned above to study the spatio-temporal coherence pattern of extreme rainfall events in the United States and the Ganga River basin, which reveals its relation to various climate processes and the orography of the region. The identification of precursors associated with the occurrence of extreme events in the near future is extremely important to prepare the masses for an upcoming disaster and mitigate the potential risks associated with such events. Under this motivation, I propose an in-data prediction recipe for predicting the data structures that typically occur prior to extreme events using the Echo state network, a type of Recurrent Neural Network which is a part of the reservoir computing framework. However, unlike previous works that identify precursory structures in the same variable in which extreme events are manifested (active variable), I try to predict these structures by using data from another dynamic variable (passive variable) which does not show large excursions from the nominal condition but carries imprints of these extreme events. Furthermore, my results demonstrate that the quality of prediction depends on the magnitude of events, i.e., the higher the magnitude of the extreme, the better is its predictability skill. I show quantitatively that this is because the input signals collectively form a more coherent pattern for an extreme event of higher magnitude, which enhances the efficiency of the machine to predict the forthcoming extreme events. N2 - In den letzten Jahrzehnten hat das Interesse an ‘Extremereignissen’ aufgrund der zunehmenden Bedrohung, die klimabedingte Extreme wie Überschwemmungen, Hitzewellen, Dürren usw. für die Gesellschaft darstellen, zugenommen. Obwohl Extremereignisse in verschiedenen Disziplinen - von der Geowissenschaft bis zu den Neurowissenschaften - unterschiedlich definiert werden, werden sie hauptsächlich als dynamische Ereignisse innerhalb eines begrenzten Zeitrahmens charakterisiert, die das normale Funktionieren eines Systems beeinträchtigen. Obwohl Extremereignisse selten vorkommen, wurde festgestellt, dass verschiedene hydro-meteorologische und physiologische Zeitreihen (z. B. Stromabflussmengen, Temperaturen, Herzschlagintervalle) rekurrentes Verhalten. Das heißt, sie enden nicht an der Lebensdauer des Systems. Das Ziel dieser Arbeit ist es, fortschrittliche Methoden zur Untersuchung verschiedener Eigenschaften von Extremereignissen zu entwickeln. Eine der größten Herausforderungen bei der Analyse solcher extremen Ereignisse ist, dass sie große zeitliche Lücken aufweisen, da die Anzahl beobachteter Extremereignissen gering ist. Bestehende Zeitreihenanalysetools sind daher in der Regel nicht hilfreich, um die zugrundeliegenden Informationen zu entschlüsseln. Ich verwende die Edit-Distanz (ED) Methode, um extremeereignisähnliche Zeitreihen in ihrer unveränderten Form zu analysieren. ED ist eine spezielle Abstandsmetrik, die hauptsächlich zur Messung der Ähnlichkeit/Unähnlichkeit zwischen punktprozessähnlichen Daten entwickelt wurde. Ich kombiniere ED mit Rekurrenzplots, um die Wiederkehr-Eigenschaften von Hochwasserereignissen am Mississippi in den Vereinigten Staaten zu ermitteln. Außerdem werte ich die Wiederkehr-Eigenschaften quantitativ aus, um die deterministische Charakteristik und die serielle Abhängigkeit bei Hochwasserereignissen aufzuzeigen. Anschließend verwende ich dieses nichtlineare Ähnlichkeitsmaß(ED), um die paarweise Abhängigkeit in extremen Niederschlagsereignisreihen zu berechnen. Ich verknüpfe das Ähnlichkeitsmaß mit der Theorie komplexer Netzwerke, um das kollektive Verhalten von Klimaextremen zu untersuchen. In diesem Fall werden die Knoten durch die räumlichen Gitterpunkte des zu untersuchenden raumzeitlichen Klimadatensatzes definiert. Jeder Knoten repräsentiert eine Zeitreihe, die die zeitliche Entwicklung der Klimabeobachtung an diesem Gitterpunkt beschreibt. Schließlich sind die Netzwerkverbindungen Funktionen der paarweisen statistischen Interdependenz zwischen den Knotenpunkten. Zur Quantifizierung der Netztopologie können verschiedene Netzwerkmaße wie unter anderem der Grad, die Betweenness-Zentralität, oder der Clustering-Koeffizient verwendet werden. Wir wenden die oben erwähnte Methodik an, um das raumzeitliche Kohärenzmuster extremer Niederschlagsereignisse in den Vereinigten Staaten und im Einzugsgebiet des Ganges zu untersuchen. Die Ergebnisse zeigen, dass ein Zusammenhang zwischen dem Kohärenzmuster und verschiedenen Klimaprozessen und der Orographie der Region besteht. Die Identifizierung von Vorläufern, die mit dem Auftreten von Extremereignissen in naher Zukunft verbunden sind, ist äußerst wichtig, um die Bevölkerung auf eine bevorstehende Katastrophe vorzubereiten und potenziell resultierende Risiken zu mindern. Deshalb schlage ich ein datenbasiertes Vorhersageverfahren zur Bestimmung der Datenstrukturen vor, die typischerweise vor extremen Ereignissen auftreten. Das Verfahren basiert auf dem Echo-State Netzwerk, einem rekurrenten neuronalen Netz, das dem Reservoir-Computing zugeordnet wird. Im Gegensatz zu früheren Arbeiten, die Vorläuferstrukturen in der Variablen identifizieren, in der sich Extremereignisse manifestieren (aktive Variable), versuche ich die Strukturen anhand anderer dynamischer Variablen (passive Variablen) vorherzusagen. Diese Variablen weichen selbst nicht sonderlich von ihrem eigenen Sollzustand ab, aber sie besitzen eine Aussagekraft gegenüber den Extremereignissen. Meine Ergebnisse zeigen, dass die Qualität der Vorhersage von der Magnitude der Ereignisse abhängt, d.h. je extremer ein Ereignis ist, desto besser kann es vorhergesagt werden. Ich belege quantitativ, dass dieser Zusammenhang darauf basiert, dass die gesammelten Eingangssignale aussagekräftigere Kohärenzmuster für Extremereignisse hoher Magnitude bilden. Dies erhöht die Wirksamkeit des Ansatzes bei der Vorhersage bevorstehender Extremereignisse. KW - extreme events KW - Extremereignisse KW - floods KW - extreme precipitation KW - edit distance KW - recurrence plot KW - complex network KW - echo state network KW - Überschwemmungen KW - Extremniederschläge KW - Edit-Distanz KW - Rekurrenzplot KW - komplexes Netzwerk KW - Echo-State Netzwerk Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-559839 ER - TY - THES A1 - Krämer, Kai Hauke T1 - Towards a robust framework for recurrence analysis BT - automated state space reconstruction, optimal parameter selection and correction schemes N2 - In our daily life, recurrence plays an important role on many spatial and temporal scales and in different contexts. It is the foundation of learning, be it in an evolutionary or in a neural context. It therefore seems natural that recurrence is also a fundamental concept in theoretical dynamical systems science. The way in which states of a system recur or develop in a similar way from similar initial states makes it possible to infer information about the underlying dynamics of the system. The mathematical space in which we define the state of a system (state space) is often high dimensional, especially in complex systems that can also exhibit chaotic dynamics. The recurrence plot (RP) enables us to visualize the recurrences of any high-dimensional systems in a two-dimensional, binary representation. Certain patterns in RPs can be related to physical properties of the underlying system, making the qualitative and quantitative analysis of RPs an integral part of nonlinear systems science. The presented work has a methodological focus and further develops recurrence analysis (RA) by addressing current research questions related to an increasing amount of available data and advances in machine learning techniques. By automatizing a central step in RA, namely the reconstruction of the state space from measured experimental time series, and by investigating the impact of important free parameters this thesis aims to make RA more accessible to researchers outside of physics. The first part of this dissertation is concerned with the reconstruction of the state space from time series. To this end, a novel idea is proposed which automates the reconstruction problem in the sense that there is no need to preprocesse the data or estimate parameters a priori. The key idea is that the goodness of a reconstruction can be evaluated by a suitable objective function and that this function is minimized in the embedding process. In addition, the new method can process multivariate time series input data. This is particularly important because multi-channel sensor-based observations are ubiquitous in many research areas and continue to increase. Building on this, the described minimization problem of the objective function is then processed using a machine learning approach. In the second part technical and methodological aspects of RA are discussed. First, we mathematically justify the idea of setting the most influential free parameter in RA, the recurrence threshold ε, in relation to the distribution of all pairwise distances in the data. This is especially important when comparing different RPs and their quantification statistics and is fundamental to any comparative study. Second, some aspects of recurrence quantification analysis (RQA) are examined. As correction schemes for biased RQA statistics, which are based on diagonal lines, we propose a simple method for dealing with border effects of an RP in RQA and a skeletonization algorithm for RPs. This results in less biased (diagonal line based) RQA statistics for flow-like data. Third, a novel type of RQA characteristic is developed, which can be viewed as a generalized non-linear powerspectrum of high dimensional systems. The spike powerspectrum transforms a spike-train like signal into its frequency domain. When transforming the diagonal line-dependent recurrence rate (τ-RR) of a RP in this way, characteristic periods, which can be seen in the state space representation of the system can be unraveled. This is not the case, when Fourier transforming τ-RR. Finally, RA and RQA are applied to climate science in the third part and neuroscience in the fourth part. To the best of our knowledge, this is the first time RPs and RQA have been used to analyze lake sediment data in a paleoclimate context. Therefore, we first elaborate on the basic formalism and the interpretation of visually visible patterns in RPs in relation to the underlying proxy data. We show that these patterns can be used to classify certain types of variability and transitions in the Potassium record from six short (< 17m) sediment cores collected during the Chew Bahir Drilling Project. Building on this, the long core (∼ m composite) from the same site is analyzed and two types of variability and transitions are identified and compared with ODP Site  wetness index from the eastern Mediterranean. Type  variability likely reflects the influence of precessional forcing in the lower latitudes at times of maximum values of the long eccentricity cycle ( kyr) of the earth’s orbit around the sun, with a tendency towards extreme events. Type  variability appears to be related to the minimum values of this cycle and corresponds to fairly rapid transitions between relatively dry and relatively wet conditions. In contrast, RQA has been applied in the neuroscientific context for almost two decades. In the final part, RQA statistics are used to quantify the complexity in a specific frequency band of multivariate EEG (electroencephalography) data. By analyzing experimental data, it can be shown that the complexity of the signal measured in this way across the sensorimotor cortex decreases as motor tasks are performed. The results are consistent with and comple- ment the well known concepts of motor-related brain processes. We assume that the thus discovered features of neuronal dynamics in the sensorimotor cortex together with the robust RQA methods for identifying and classifying these contribute to the non-invasive EEG-based development of brain-computer interfaces (BCI) for motor control and rehabilitation. The present work is an important step towards a robust analysis of complex systems based on recurrence. N2 - In unserem täglichen Leben spielt die Rekurrenz auf vielen räumlichen und zeitlichen Skalen und in verschiedenen Kontexten eine bedeutende Rolle. Es ist die Grundlage des Lernens, sei es in einem evolutionären oder in einem neuronalen Kontext. Es erscheint daher selbstverständ- lich, dass Rekurrenz auch ein grundlegendes Konzept in der dynamischen Systemwissenschaft ist. In diesem Zusammenhang ermöglicht die Art und Weise, wie sich Zustände eines Systems wiederholen oder sich auf ähnliche Weise aus ähnlichen Anfangszuständen entwickeln, Infor- mationen über die zugrunde liegende Dynamik des Systems abzuleiten. Der mathematische Raum, in dem wir den Zustand eines Systems definieren (Zustandsraum), ist häufig hoch- dimensional, insbesondere in komplexen Systemen, die darüberhinaus auch eine chaotische Dynamik aufweisen können. Der Rekurrenzplot (RP) ermöglicht es uns, die Rekurrenzen beliebiger hochdimensionaler Systeme in einer zweidimensionalen, binären Darstellung zu visualisieren. Bestimmte Muster in RPs können mit physikalischen Eigenschaften des zugrunde liegenden Systems in Beziehung gesetzt werden, wodurch die qualitative und quantitative Analyse von RPs ein integraler Bestandteil der nichtlinearen Systemwissenschaft wird. Die vorgestellte Arbeit hat einen methodischen Schwerpunkt und entwickelt die Rekurrenzsana- lyse (RA) weiter, indem sie sich mit aktuellen Forschungsfragen befasst, die sich auf eine zunehmende Menge verfügbarer Daten und Fortschritte beim maschinellen Lernen beziehen. Durch die Automatisierung eines zentralen Schritts in der RA, nämlich der Rekonstruktion des Zustandsraums aus gemessenen experimentellen Zeitreihen, und durch die Untersuchung der Auswirkungen wichtiger freier Parameter soll die RA für Forscher außerhalb der Physik zugänglicher gemacht werden. Der erste Teil dieser Dissertation befasst sich mit der Rekonstruktion des Zustandsraums aus Zeitreihen. Hierzu wird eine neue Idee vorgeschlagen, die das Rekonstruktionsproblem so automatisiert, dass weder die Daten vorverarbeitet noch a priori Parameter geschätzt werden müssen. Die Schlüsselidee ist, dass die Güte einer Rekonstruktion durch eine geeignete Kostenfunktion evaluiert werden kann und diese Funktion im Einbettungsprozess minimiert wird. Darüber hinaus kann die neue Methode multivariate Zeitreihen-Eingabedaten verarbei- ten. Das ist insbesondere deshalb von großer Bedeutung, da mehrkanalige sensorgestützte Beobachtungen in vielen Forschungsbereichen allgegenwärtig sind und weiterhin zunehmen. Darauf aufbauend wird dann das beschriebene Minimierungsproblem der Kostenfunktion mit einem Ansatz des maschinellen Lernens bearbeitet. Im zweiten Teil werden einige technische und methodische Aspekte der RA erörtert. Zu- nächst begründen wir mathematisch die Idee, den einflussreichsten freien Parameter in der RA, den Rekurrenzgrenzwert ε, in Bezug auf die Verteilung aller paarweisen Abstände in den Daten festzulegen. Dies ist insbesondere dann wichtig, wenn verschiedene RPs und ihre Quantifizierungsstatistiken verglichen werden, und ist für jede vergleichende Studie von grundlegender Bedeutung. Zweitens werden einige Aspekte der Rekurrenzquantifizierungs- analyse (RQA) untersucht. Als Korrekturschemata für verzerrte RQA-Statistiken, welche auf diagonalen Linien basierenden, schlagen wir eine einfache Methode zum Umgang mit Randeffekten von RPs in der RQA und einen Skeletonisierungsalgorithmus für RPs vor. Dies sorgt in der Folge zu weniger verzerrten (auf diagonalen Linien basierenden) RQA-Statistiken für hoch abgetastete Daten. Drittens wird eine neuartige RQA-Charakteristik entwickelt, die als verallgemeinertes, nichtlineares Leistungsspektrum hochdimensionaler Systeme angesehen werden kann. Das Spike-Powerspectrum transformiert ein Spike-train-ähnliches Signal in seinen Frequenzbereich. Wenn die diagonallinienabhängige Rekurrenzsrate (τ-RR) eines RP auf diese Weise transformiert wird, können charakteristische Perioden, die in der Zustands- raumdarstellung des Systems erkennbar sind, entschlüsselt werden. Dies ist nicht der Fall, wenn die τ-RR Fourier-transformiert wird. ix x Schließlich werden RA und RQA im dritten Teil auf Paläoklima-Seesedimentdaten und im vierten Teil auf EEG-Daten (Elektroenzephalographie) angewendet. Nach unserem besten Wissen ist dies das erste Mal, dass RPs und RQA für die Analyse von Seesedimentdaten in einem Paläoklima-Kontext verwendet wurden. Daher wird zunächst an dem grundlegenden Formalismus und der Interpretation visuell sichtbarer Muster in RPs in Bezug auf die zugrunde liegenden Proxy-Daten gearbeitet. Wir zeigen, dass diese Muster verwendet werden können, um bestimmte Arten von Variabilität und Übergängen im Kaliumdatensatz von sechs kurzen (< 17m) Sedimentkernen zu klassifizieren, die während des Chew Bahir-Bohrprojekts gesammelt wurden. Darauf aufbauend wird der lange Kern (∼ m composite) desselben Standorts analysiert und zwei Arten von Variabilität und Übergängen werden identifiziert und mit dem Feuchtigkeitsindex des ODP-Standorts  aus dem östlichen Mittelmeerraum verglichen. Die Variabilität vom Typ  spiegelt wahrscheinlich den Einfluss des Präzessionsantriebs in den unteren Breiten zu Zeiten mit Maximalwerten des langen Exzentrizitätszyklus ( kyr) der Erdumlaufbahn um die Sonne wider, wobei die Tendenz zu extremen Ereignissen besteht. Die Variabilität vom Typ  scheint mit den lokalen Minima dieses Zyklus verbunden zu sein und entspricht ziemlich schnellen Übergängen zwischen relativ trockenen und relativ nassen Bedingungen. Im Gegensatz dazu wird RQA seit fast zwei Jahrzehnten im neurowissenschaftlichen Kontext angewendet. Im letzten Teil werden RQA-Statistiken zur Quantifizierung der Komplexität in einem bestimmten Frequenzband multivariater EEG-Daten verwendet. Durch die Analyse experimenteller Daten kann gezeigt werden, dass die Komplexität des auf diese Weise über den sensomotorischen Kortex gemessenen Signals abnimmt, wenn motorische Aufgaben ausgeführt werden. Die Ergebnisse stimmen mit den bekannten Konzepten motorischer Gehirnprozesse überein und ergänzen diese. Wir nehmen an, dass die so entdeckten Merkmale der neuronalen Dynamik im sensomotorischen Kortex zusammen mit den robusten RQA-Methoden zur Identifizierung und Klassifizierung dieser zu der nicht-invasiven EEG-basierten Entwicklung von Gehirn-Computer-Schnittstellen (BCI) und zur motorischen Steuerung und Rehabilitation beitragen werden. Die vorliegende Arbeit ist ein wichtiger Schritt zu einer robusten Analyse komplexer Systeme basierend auf Rekurrenz. KW - recurrence KW - state space reconstruction KW - embedding KW - recurrence analysis KW - recurrence quantification analysis KW - Einbettung KW - Rekurrenz KW - Rekurrenzanalyse KW - quantifizierende Rekurrenzanalyse KW - Zustandsraumrekonstruktion/Phasenraumrekonstruktion Y1 - 2021 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-538743 ER - TY - THES A1 - Braun, Tobias T1 - Recurrences in past climates T1 - Rekurrenzen in vergangenen Klimaperioden BT - novel concepts & tools for the study of Palaeoseasonality and beyond BT - neue Konzepte und Methoden zur Analyse von Paläosaisonalität und darüber hinaus N2 - Our ability to predict the state of a system relies on its tendency to recur to states it has visited before. Recurrence also pervades common intuitions about the systems we are most familiar with: daily routines, social rituals and the return of the seasons are just a few relatable examples. To this end, recurrence plots (RP) provide a systematic framework to quantify the recurrence of states. Despite their conceptual simplicity, they are a versatile tool in the study of observational data. The global climate is a complex system for which an understanding based on observational data is not only of academical relevance, but vital for the predurance of human societies within the planetary boundaries. Contextualizing current global climate change, however, requires observational data far beyond the instrumental period. The palaeoclimate record offers a valuable archive of proxy data but demands methodological approaches that adequately address its complexities. In this regard, the following dissertation aims at devising novel and further developing existing methods in the framework of recurrence analysis (RA). The proposed research questions focus on using RA to capture scale-dependent properties in nonlinear time series and tailoring recurrence quantification analysis (RQA) to characterize seasonal variability in palaeoclimate records (‘Palaeoseasonality’). In the first part of this thesis, we focus on the methodological development of novel approaches in RA. The predictability of nonlinear (palaeo)climate time series is limited by abrupt transitions between regimes that exhibit entirely different dynamical complexity (e.g. crossing of ‘tipping points’). These possibly depend on characteristic time scales. RPs are well-established for detecting transitions and capture scale-dependencies, yet few approaches have combined both aspects. We apply existing concepts from the study of self-similar textures to RPs to detect abrupt transitions, considering the most relevant time scales. This combination of methods further results in the definition of a novel recurrence based nonlinear dependence measure. Quantifying lagged interactions between multiple variables is a common problem, especially in the characterization of high-dimensional complex systems. The proposed ‘recurrence flow’ measure of nonlinear dependence offers an elegant way to characterize such couplings. For spatially extended complex systems, the coupled dynamics of local variables result in the emergence of spatial patterns. These patterns tend to recur in time. Based on this observation, we propose a novel method that entails dynamically distinct regimes of atmospheric circulation based on their recurrent spatial patterns. Bridging the two parts of this dissertation, we next turn to methodological advances of RA for the study of Palaeoseasonality. Observational series of palaeoclimate ‘proxy’ records involve inherent limitations, such as irregular temporal sampling. We reveal biases in the RQA of time series with a non-stationary sampling rate and propose a correction scheme. In the second part of this thesis, we proceed with applications in Palaeoseasonality. A review of common and promising time series analysis methods shows that numerous valuable tools exist, but their sound application requires adaptions to archive-specific limitations and consolidating transdisciplinary knowledge. Next, we study stalagmite proxy records from the Central Pacific as sensitive recorders of mid-Holocene El Niño-Southern Oscillation (ENSO) dynamics. The records’ remarkably high temporal resolution allows to draw links between ENSO and seasonal dynamics, quantified by RA. The final study presented here examines how seasonal predictability could play a role for the stability of agricultural societies. The Classic Maya underwent a period of sociopolitical disintegration that has been linked to drought events. Based on seasonally resolved stable isotope records from Yok Balum cave in Belize, we propose a measure of seasonal predictability. It unveils the potential role declining seasonal predictability could have played in destabilizing agricultural and sociopolitical systems of Classic Maya populations. The methodological approaches and applications presented in this work reveal multiple exciting future research avenues, both for RA and the study of Palaeoseasonality. N2 - Unsere Fähigkeit, den Zustand eines Systems vorherzusagen, hängt grundlegend von der Tendenz des Systems ab, zu früheren Zuständen zurückzukehren. Solche "Rekurrenzen" sind sogar Bestandteil unserer Intuition und alltäglichen Erfahrungswelt: regelmäßige Routinen, soziale Zusammentreffen and die Wiederkehr der Jahreszeiten sind hierfür nur vereinzelte Beispiele. Rekurrenzplots (RPs) stellen uns in diesem Kontext eine systematische Methode zur Verfügung, um die Wiederkehreigenschaften von Systemzuständen quantitativ zu untersuchen. Obwohl RPs konzeptionell vergleichsweise simpel sind, stellen sie eine vielseitige Methode zur Analyse von gemessenen Beobachtungsdaten dar. Das globale Klimasystem ist ein komplexes System, bei dem ein datenbasiertes Verständnis nicht lediglich von rein akademischen Wert ist – es ist viel mehr relevant für das Fortbestehen der Gesellschaft innerhalb der natürlichen planetaren Grenzen. Um die heute beobachteten Klimaveränderungen allerdings in einen langfristigen Kontext einzuordnen, benötigen wir empirische Daten, die weit über die Periode hinaus gehen, für die instrumentelle Daten verfügbar sind. Paläoklimatologische Datenreihen repräsentieren hier ein wertvolles Archiv, dessen Auswertung jedoch Analysemethoden erfordert, die an die Komplexitäten von paläoklimatologischen ‘Proxydaten’ angepasst sind. Um einen wissenschaftlichen Beitrag zu dieser Problemstellung zu leisten, befasst sich diese Doktorarbeit mit der Konzeptionierung neuer Methoden und der problemstellungsbezogenen Anpassung bewährter Methoden in der Rekurrenzanalyse (RA). Die hier formulierten zentralen Forschungsfragen konzentrieren sich auf den Nachweis zeitskalen-abhängiger Eigenschaften in nichtlinearen Zeitreihen und, insbesondere, der Anpassung von quantitativen Maßen in der RA, um paläosaisonale Proxydaten zu charakterisieren (‘Paläosaisonalität’). Im ersten Teil dieser Arbeit liegt der Schwerpunkt auf der Entwicklung neuer methodischer Ansätze in der RA. Die Vorhersagbarkeit nichtlinearer (paläo)klimatologischer Zeitreihen ist durch abrupte Übergänge zwischen dynamisch grundlegend verschiedenen Zuständen erschwert (so zum Beispiel das Übertreten sogenannter ‘Kipppunkte’). Solche Zustandsübergänge zeigen oft charakteristische Zeitskalen-Abhängigkeiten. RPs haben sich als Methode zum Nachweis von Zustandsübergängen bewährt und sind darüber hinaus geeignet, Skalenabhängigkeiten zu identifizieren. Dennoch wurden beide Aspekte bislang selten methodisch zusammengeführt. Wir kombinieren hier bestehende Konzepte aus der Analyse selbstähnlicher Strukturen und RPs, um abrupte Zustandsübergänge unter Einbezug der relevantesten Zeitskalen zu identifizieren. Diese Kombination von Konzepten führt uns ferner dazu, ein neues rekurrenzbasiertes, nichtlineares Abhängigkeitsmaß einzuführen. Die quantitative Untersuchung zeitversetzter Abhängigkeiten zwischen zahlreichen Variablen ist ein zentrales Problem, das insbesondere in der Analyse hochdimensionaler komplexer Systeme auftritt. Das hier definierte ‘Rekurrenzfluß’-Abhängigkeitsmaß ermöglicht es auf elegante Weise, derartige Abhängigkeiten zu charakterisieren. Bei räumlich ausgedehnten komplexen Systemen führen Interaktionen zwischen lokalen Variablen zu der Entstehung räumlicher Muster. Diese räumlichen Muster zeigen zeitliche Rekurrenzen. In einer auf dieser Beobachtung aufbauenden Publikation stellen wir eine neue Methode vor, mit deren Hilfe differenzierbare, makroskopische Zustände untersucht werden können, die zu zentralen, zeitlich wiederkehrenden räumlichen Mustern korrespondieren. Folgend leiten wir über zum zweiten Teil dieser Arbeit, indem wir uns Anpassungen von Methoden zur Untersuchung von Paläosaisonalität zuwenden. Messreihen paläoklimatologischer Proxydaten geben uns nur indirekt Informationen über die ihnen zugrunde liegenden Klimavariablen und weisen inhärente Limitationen auf, wie zum Beispiel unregelmäßige Zeitabstände zwischen Datenpunkten. Wir zeigen statistische Verzerrungseffekte auf, die in der quantitativen RA auftreten, wenn Signale mit nichtstationärer Abtastrate untersucht werden. Eine Methode zur Korrektur wird vorgestellt und anhand von Messdaten validiert. Der zweite Teil dieser Dissertation befasst sich mit angewandten Analysen von paläosaisonalen Zeitreihen. Eine Literaturauswertung verbreiteter und potentiell vielversprechender Zeitreihenanalysemethoden zeigt auf, dass es eine Vielzahl solcher Methoden gibt, deren adäquate Anwendung aber Anpassungen an Klimaarchiv-spezifische Grenzen und Probleme sowie eine Zusammenführung interdisziplinärer Fähigkeiten erfordert. Daraufhin untersuchen wir an einem Stalagmiten gemessene Proxydaten aus der zentralen Pazifikregion als ein natürliches Archiv für potentielle Veränderungen der El Niño-Southern Oscillation (ENSO) währen des mittleren Holozäns. Die bemerkenswert hohe zeitliche Auflösung der Proxy-Zeitreihen erlaubt es uns, Verbindungen zwischen der Ausprägung der ENSO und saisonalen Zyklen herzustellen, wobei wir erneut Gebrauch von der RA machen. Die letzte Publikation in dieser Arbeit untersucht, in wie fern die Vorhersagbarkeit saisonaler Veränderungen eine Rolle für die Stabilität von Gesellschaften spielen könnte, deren Nahrungsversorgung auf Landwirtschaft beruht. Die klassische Maya-Zivilisation erlitt zwischen 750-950 CE eine drastische Fragmentierung urbaner Zentren, die mit regionalen Dürren in Verbindung gebracht werden. Auf Grundlage von saisonal-aufgelösten Proxydaten aus der Yok Balum Höhle in Belize, definieren wir ein quantitatives Maß für saisonale Vorhersagbarkeit. Dies erlaubt Schlussfolgerungen über die potentielle Rolle, die ein Verlust saisonaler Vorhersagbarkeit für die sich destablisierenden agrarwirtschaftlichen und soziopolitischen Systeme der Maya gehabt haben könnte. Die methodischen Ansätze und Anwendungen in dieser Arbeit zeigen vielseitige, spannende Forschungsfragen für zukünftige Untersuchungen in der RA und Paläosaisonalität auf. KW - recurrence analysis KW - palaeoclimate KW - seasonality KW - nonlinear time series analysis KW - self-similarity KW - regime shifts KW - climate impact research KW - Klimafolgenforschung KW - nichtlineare Zeitreihenanalyse KW - Paläoklima KW - Rekurrenzanalyse KW - abrupte Übergänge KW - Selbstähnlichkeit Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-586900 ER - TY - THES A1 - Düsing, Walter T1 - From changes in the Earth's orbit to African climate variability T1 - Von Änderungen des Erdorbits zu Afrikanischen Klimavariabilität N2 - We developed an orbital tuned age model for the composite Chew Bahir sediment core, obtained from the Chew Bahir basin (CHB), southern Ethiopia. To account for the effects of sedimentation rate changes on the spectral expression of the orbital cycles we developed a new method: the Multi-band Wavelet Age modeling technique (MUBAWA). By using a Continuous Wavelet Transformation, we were able to track frequency shifts that resulted from changing sedimentation rates and thus calculated tuned age model encompassing the last 620 kyrs. The results show a good agreement with the directly dated age model that is available from the dating of volcanic ashes. Then we used the XRF data from CHB and developed a new and robust humid-arid index of east African climate during the last 620 kyrs. To disentangle the relationship of the selected elements we performed a principal component analysis (PCA). In a following step we applied a continuous wavelet transformation on the PC1, using the directly dated age model. The resulting wavelet power spectrum, unlike a normal power spectrum, displays the occurrence of cycles/frequencies in time. The results highlight that the precession cycles are most dominantly expressed under the 400 kyrs eccentricity maximum whereas weakly expressed during eccentricity minimum. This suggests that insolation is a key driver of the climatic variability observed at CHB throughout the last 620 kyrs. In addition, the prevalence of half-precession and obliquity signals was documented. The latter is attributed to the inter-tropical insolation gradient and not interpreted as an imprint of high latitudes forcing on climatic changes in the tropics. In addition, a windowed analysis of variability was used to detect changes in variance over time and showed that strong climate variability occurred especially along the transition from a dominant insolation-controlled humid climate background state towards a predominantly dry and less-insolation controlled climate. The last chapter dealt with non-linear aspects of climate changes represented by the sediments of the CHB. We use recurrence quantification analysis to detect non-linear changes within the potassium concentration of Chew Bahir sediment cores during the last 620 kyrs. The concentration of potassium in the sediments of the lake is subject to geochemical processes related to the evaporation rate of the lake water at the time of deposition. Based on recurrence analysis, two types of variabilities could be distinguished. Type 1 represents slow variations within the precession period bandwidth of 20 kyrs and a tendency towards extreme climatic events whereas type 2 represents fast, highly variable climatic transitions between wet and dry climate states. While type 1 variability is linked to eccentricity maxima, type 2 variability occurs during the 400 kyrs eccentricity minimum. The climate history presented here shows that during high eccentricity a strongly insolation-driven climate system prevailed, whereas during low eccentricity the climate was more strongly affected by short-term variability changes. The short-term environmental changes, reflected in the increased variability might have influenced the evolution, technological advances and expansion of early modern humans who lived in this region. In the Olorgesaille Basin the temporal changes in the occurrence of stone tools, which bracket the transition from Acheulean to Middle Stone Age (MSA) technologies at between 499–320 kyrs, could potentially correlate to the marked transition from a rather stable climate with less variability to a climate with increased variability in the CHB. We conclude that populations of early anatomically modern humans are more likely to have experienced climatic stress during episodes of low eccentricity, associated with dry and high variability climate conditions, which may have led to technological innovation, such as the transition from the Acheulean to the Middle Stone Age. N2 - Bei der von uns entwickelten Multi-band Wavelet Age-Modeling (MUBAWA) Methode handelt es sich um eine Methode zur Erstellung eines orbital abgestimmten Altersmodells. Diese Methode verwendet, anders als bisherige Methoden, keinen stationären Filter, sondern eine kontinuierliche Wavelet Transformation (CWT) um die orbitale Komponente der zyklischen Sedimentabfolge zu extrahieren. Durch die Anwendung der CWT können zeitliche Änderungen der Sedimentationsrate berücksichtigt werden. Mit Hilfe der neuen MUBAWA Methode haben wir ein orbital abgestimmtes Altersmodell mit einem Basisalter von 620 kyrs für die Sedimentkerne des Chew Bahir Beckens (CHB) erstellt, welches mit den radiometrisch datierten Vulkanaschen der Sedimentkerne übereinstimmt. In dem folgenden Kapitel haben wir die Ergebnisse der Röntgenfluoreszenz (XRF) - Analyse der Sedimentkerne genutzt um einen neuen Feucht-trocken Anzeiger zu entwickeln Um Umwelteinflüsse, sowie lineare Zusammenhänge der Elementkonzentrationen zu entschlüsseln, haben wir eine Hauptkomponentenanalyse angewendet. Die erste Hauptkomponente (PC1) haben wir als Feucht-Trockenanzeiger interpretiert. Auf Grundlage des direkt datierten Altersmodells haben wir die PC1 genutzt um eine CWT zu berechnen. Das resultierende Wavelet Powerspektrum stellt das Auftreten von Zyklen/Frequenzen in der Zeit dar. Die Ergebnisse zeigen, dass vor 400 kyrs, während eines Exzentrizitätsmaximums, der Präzessionszyklus besonders stark ausgeprägt war, wohingegen der Präzessionszyklus während eines Exzentrizitätsminimums eher schwach ausgeprägt war. Dies deutet darauf hin, dass die Sonneneinstrahlung, welche in den Tropen durch den Präzessionzyklus beeinflusst wird, ein dominanter Faktor für die klimatische Variabilität in CHB während der letzten 620 kyrs darstellt. Darüber hinaus wurde die Prävalenz von Halbpräzessions- und Obliquitätszyklen dokumentiert. Obliquitätszyklen werden dem intertropischen Gradienten der Sonneneinstrahlung zugeschrieben, der klimatische Veränderungen in den Tropen erzwingt und nicht als ein Einfluss der hohen Breiten interpretiert. Darüber hinaus wurde eine gefensterte Variabilitätsanalyse der PC1 verwendet um eine zeitliche Veränderung der Variabilität zu erfassen. Diese zeigte, dass starke Klimavariabilität vor allem entlang des Übergangs von einem dominanten insolationsgesteuerten feuchten Klima zu einem überwiegend trockenen und weniger insolationsgesteuerten Klima auftrat. Das letzte Kapitel befasst sich mit nichtlinearen Aspekten der Klimavariabilität, repräsentiert durch die Kaliumkonzentration des Sediments des CHBs. Die Kaliumkonzentration in den Sedimenten des Sees ist geochemischen Prozessen unterworfen, die mit der Verdunstungsrate des Seewassers zum Zeitpunkt der Ablagerung zusammenhängen und daher als Feucht-Trockenanzeiger interpretiert werden. Basierend auf der Rekurrenzanalyse konnten zwei Arten von Variabilitäten unterschieden werden. Typ 1 repräsentiert langsame Variationen innerhalb der Bandbreite der Präzessionsperiode von 20 kyrs und eine Tendenz zu extremen klimatischen Ereignissen, während Typ 2 schnelle, sehr variable klimatische Übergänge zwischen feuchten und trockenen Klimazuständen repräsentiert. Die Variabilität vom Typ 1 ist mit Exzentrizitätsmaxima verbunden, wohingegen die Variabilität vom Typ 2 während des Exzentrizitätsminimums vor 400 kyrs auftritt. Die hier vorgestellte Klimageschichte zeigt, dass bei hoher Exzentrizität ein stark insolationsgetriebenes Klimasystem vorherrschte, während bei niedriger Exzentrizität das Klima stärker von kurzfristigen Variabilitätsänderungen beeinflusst wurde. Die kurzfristigen Umweltveränderungen, die sich in der erhöhten Variabilität widerspiegeln, könnten die Entwicklung, den technologischen Fortschritt und die Expansion der frühneuzeitlichen Menschen, die in dieser Region lebten, beeinflusst haben. Im Olorgesaille-Becken könnten die zeitlichen Veränderungen des Vorkommens von Steinwerkzeugen, die den Übergang von Acheulean zu mittel- steinzeitlichen (MSA) Technologien bei 499-320 kyrs markieren, möglicherweise mit dem deutlichen Übergang von einem eher stabilen Klima mit geringerer Variabilität zu einem Klima mit erhöhter Variabilität in der CHB korrelieren. Wir kommen zu dem Schluss, dass Populationen früher anatomisch moderner Menschen während Episoden geringer Exzentrizität klimatischen Stress erfahren haben könnten. Diese trockenen und hochvariablen Klimabedingungen könnten zu technologischen Innovationen geführt haben, wie z.B. dem Übergang von der Acheulean zur MSA. KW - Paleoclimate dynamics KW - Paläoklimadynamik KW - African climate KW - Afrikanisches Klima KW - age modeling KW - Altersmodelierung KW - Cyclostratigraphy KW - Zyklostratigraphie Y1 - 2021 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-503140 ER -