Der Baikalsee ist der älteste, tiefste und größte (gemessen am Volumen) See der Welt, mit über 1500 endemischen Arten. Er wurde 1996 zum UNESCO Weltnaturerbe deklariert; doch auch dieses einzigartige Ökosystem könnte in Zukunft durch anthropogen bedingte Klimaänderungen und Nährstoff-Einträge gefährdet sein. Rezente und fossile Phytoplankton-Pigmente werden immer häufiger in Monitorings genutzt, um aktuelle und historische Änderungen der Phytoplankton-Produktivität und –Zusammensetzung zu bestimmen, welche Änderungen von klimatischen und anderen Umweltbedingungen anzeigen. Dennoch wurden im Baikal bislang keine rezenten und nur in wenigen Studien fossile Phytoplankton-Pigmente untersucht. Drei Hauptaspekte wurden in dieser Arbeit untersucht: (1) die Phytoplnkton und Phytoplankton-Pigment Verteilung in der euphotischen Zone, (2) deren Sedimentation zum Seeboden und Degradierung im oxischen Oberflächensediment, und (3) Änderung der fossilen Pigmente während des Holozäns (seit 10.000 Jahren) und der vorangegangenen Warmzeit (vor 129.000-117.000 Jahren). Schlussfolgernd läßt sich sagen, dass Pigment-basierte Analysen im Baikal verlässliche Aussagen über rezente und historische Phytoplankton-Variationen ermöglichen, welche durch Umwelteinflüsse (natürlichen oder menschlichen Ursprungs) induziert werden. Im Rahmen des EU-Projekts CONTINENT und des Langzeit-Monitorings der Staatlichen Universität Irkutsk werden die Ergebnisse zur Phytoplankton-Entwicklung seit der letzten Warmzeit bis zum Beginn des 21. Jahrhunderts den lokalen Naturschutz und globale Klimastudien unterstützen. / Lake Baikal is the World´s oldest, deepest and largest (by volume) lake and contains over 1,500 endemic species. Since 1996, after becoming a UNESCO World Heritage Area, the effects of global warming and local anthropogenic eutrophication on its unique ecosystem become a subject of international discussion. Recent and fossil phytoplankton pigments are being increasingly used to monitor recent and past responses of the phytoplankton composition and productivity to changes of climatic and other environmental conditions in aquatic systems. However, phytoplankton pigments were not yet investigated in the water column of Lake Baikal and only little in its sediment. Three main aspects were investigated in this thesis: (1) the distribution of phytoplankton and phytoplankton pigments in the euphotic zone, (2) its sedimentation through the water column and preservation within the oxidised surface sediment, and (3) variation of fossil phytoplankton pigments in the pristine lake during Holocene (since 10,000 years ago) and last interglacial (129,000-117,000 years ago). Taken together, pigment-based analyses were shown to accurately reflect phytoplankton variation caused by environmental changes of natural or human origin in Lake Baikal. In conjunction with the EU project CONTINENT and the long-term monitoring in Irkutsk, the phytoplankton development determined from the last interglacial up until the early 21st century will be used for future research of climate changes as well as for the Lake Baikal’s protection.

Die Doktorarbeit untersucht, wie sich Mensch-Umwelt-Interaktionen am Beispiel von Abholzung und Landnutzungsänderungen im Amazonas analysieren und modellieren lassen. Die Abholzung tropischer Wälder bedroht die Stabilität artenreicher Ökosysteme, lokaler Wettergeschehen und des globalen Klimas. Drei Hauptteile erforschen das Thema mit Konzepten der theoretischen Physik und Netzwerktheorie. Der erste Teil gibt einen kritischen Überblick über Modellansätze, die Entscheidungen und menschliches Verhalten beschreiben. Agentenbasierte Netzwerkmodelle ergeben sich als vielversprechender Ansatz um sozial-ökologische Systeme zu modellieren. Der zweite Teil identifiziert Muster in satellitengestützten Landbedeckungsdaten im brasilianischen Amazonas. Basierend auf der Theorie der Markov-Ketten werden Übergangsraten zwischen verschiedenen Typen von Landbedeckung berechnet und Übergangsmatrizen für Teilgebiete mit Clusteralgorithmen verglichen. Angrenzende Teilgebiete weisen ähnliche Übergänge auf. Die identifizierten Cluster decken sich mit Erkenntnissen aus Feldstudien. Auf Grundlage der geschätzten Übergangsrate ergeben sich Projektionen für die Entwicklung der Landbedeckungsanteile. Der dritte Teil entwickelt ein agentenbasiertes Modell um zu untersuchen, unter welchen Bedingungen die Intensivierung der Viehhaltung im Amazonas die Abholzung reduzieren kann. Das Modell kombiniert ökologische, ökonomische und soziale Prozesse und modelliert Landnutzungsstrategien mit Heuristiken. Die Modellanalyse zeigt, dass eine Intensivierung die Abholzung nur dann verringert, wenn der lokale Viehmarkt saturiert. Unter anderen ökonomischen Bedingungen kann Intensivierung die Abholzung erhöhen. Die Arbeit demonstriert, dass eine Kombination von Methoden aus der Theorie komplexer Systeme mit sozialwissenschaftlichen Theorien zu einem besseren Verständnis der emergenten Dynamik sozial-ökologischer Systeme führen kann – eine Grundvoraussetzung, um solche Systeme nachhaltig zu bewirtschaften. / This thesis investigates how to model and analyze human-nature interactions using the example of deforestation and land-use change in the Brazilian Amazon. Deforestation of tropical forests threatens the stability of species-rich ecosystems, local weather patterns, and global climate. The three main parts of the thesis study different aspects of this topic using concepts from theoretical physics and network theory. The first part reviews modeling approaches to human decision making and behavior. From the review, networked agent-based models emerge as promising tools to capture the dynamics of social-ecological systems such as the land system. The second part of the thesis combines Markov-chain and cluster analyses to detect patterns in satellite-derived land-cover maps of the Brazilian Amazon. I compute transition rates between different land-cover types and apply clustering algorithms to find spatial patterns. The analysis shows that neighboring subregions undergo similar transitions and identifies clusters corresponding to findings from field surveys. Markov-chain models, parameterized with the transition rates, are used to compute land-cover projections. In the third part, I develop an agent-based model to investigate under which conditions the intensification of cattle ranching can reduce deforestation in the Amazon. The model captures stylized environmental, economic, as well as social processes, and uses heuristic decision theory to represent different land management strategies. A detailed analysis reveals that fast intensification can only lower deforestation rates if local cattle markets saturate. Under other economic conditions intensification may increase deforestation. The contributions of this thesis demonstrate that combining modeling tools from complexity science with social-science theories allow better understanding the emergent dynamics of social-ecological systems, which is a prerequisite for their sustainable management.