Der anthropogene Klimawandel ist eine der größten Herausforderungen des 21. Jahrhunderts. Eine Hauptschwierigkeit liegt dabei in der Unsicherheit bezüglich der regionalen Änderung von Niederschlag und Temperatur. Hierdurch wird die Entwicklung geeigneter Anpassungsstrategien deutlich erschwert. In der vorliegenden Arbeit werden vier Evaluationsansätze mit insgesamt 13 Metriken für aktuelle globale (zwei Generationen) und regionale Klimamodelle entwickelt und verglichen, um anschließend eine Analyse der Projektionsunsicherheit vorzunehmen. Basierend auf den erstellten Modellbewertungen werden durch Gewichtung Aussagen über den Unsicherheitsbereich des zukünftigen Klimas getroffen. Die Evaluation der Modelle wird im Mittelmeerraum sowie in acht Unterregionen durchgeführt. Dabei wird der saisonale Trend von Temperatur und Niederschlag im Evaluationszeitraum 1960–2009 ausgewertet. Zusätzlich wird für bestimmte Metriken jeweils das klimatologische Mittel oder die harmonischen Zeitreiheneigenschaften evaluiert. Abschließend werden zum Test der Übertragbarkeit der Ergebnisse neben den Hauptuntersuchungsgebieten sechs global verteilte Regionen untersucht. Außerdem wird die zeitliche Konsistenz durch Analyse eines zweiten, leicht versetzten Evaluationszeitraums behandelt, sowie die Abhängigkeit der Modellbewertungen von verschiedenen Referenzdaten mit Hilfe von insgesamt drei Referenzdatensätzen untersucht. Die Ergebnisse legen nahe, dass nahezu alle Metriken zur Modellevaluierung geeignet sind. Die Auswertung unterschiedlicher Variablen und Regionen erzeugt Modellbewertungen, die sich in den Kontext aktueller Forschungsergebnisse einfügen. So wurde die Leistung der globalen Klimamodelle der neusten Generation (2013) im Vergleich zur Vorgängergeneration (2007) im Schnitt ähnlich hoch bzw. in vielen Situationen auch stärker eingeordnet. Ein durchweg bestes Modell konnte nicht festgestellt werden. Der Großteil der entwickelten Metriken zeigt für ähnliche Situationen übereinstimmende Modellbewertungen. Bei der Gewichtung hat sich der Niederschlag als besonders geeignet herausgestellt. Grund hierfür sind die im Schnitt deutlichen Unterschiede der Modellleistungen in Zusammenhang mit einer geringeren Simulationsgüte. Umgekehrt zeigen die Metriken für die Modelle der Temperatur allgemein überwiegend hohe Evaluationsergebnisse, wodurch nur wenig Informationsgewinn durch Gewichtung erreicht werden kann. Während die Metriken gut für unterschiedliche Regionen und Skalenniveaus verwendet werden Evaluationszeiträume nicht grundsätzlich gegeben. Zusätzlich zeigen die Modellranglisten unterschiedlicher Regionen und Jahreszeiten häufig nur geringe Korrelationen. Dies gilt besonders für den Niederschlag. Bei der Temperatur sind hingegen leichte Übereinstimmungen auszumachen. Beim Vergleich der mittleren Ranglisten über alle Modellbewertungen und Situationen der Hauptregionen des Mittelmeerraums mit den Globalregionen besteht eine signifikante Korrelation von 0,39 für Temperatur, während sie für Niederschlag um null liegt. Dieses Ergebnis ist für alle drei verwendeten Referenzdatensätze im Mittelmeerraum gültig. So schwankt die Korrelation der Modellbewertungen des Niederschlags für unterschiedliche Referenzdatensätze immer um Null und die der Temperaturranglisten zwischen 0,36 und 0,44. Generell werden die Metriken als geeignete Evaluationswerkzeuge für Klimamodelle eingestuft. Daher können sie einen Beitrag zur Änderung des Unsicherheitsbereichs und damit zur Stärkung des Vertrauens in Klimaprojektionen leisten. Die Abhängigkeit der Modellbewertungen von Region und Untersuchungszeitraum muss dabei jedoch berücksichtigt werden. So besitzt die Analyse der Konsistenz von Modellbewertungen sowie der Stärken und Schwächen der Klimamodelle großes Potential für folgende Studien, um das Vertrauen in Modellprojektionen weiter zu steigern. / Climate change is one of the major tasks of the 21st century. The uncertainty of precipitation and temperature change is considered as a main challenge in this context. Thus, the development of appropriate adaptation strategies is very difficult. In this study, four climate model evaluation approaches with 13 metrics in total are developed and compared. Current global (two generations) and regional climate models are evaluated to assess projection uncertainty. Based on model performances, weighting is applied to future climate projections to estimate simulation uncertainty. The evaluations are performed in the Mediterranean and eight sub-regions. Seasonal trend of temperature and precipitation are evaluated for the period 1960–2009. For some metrics, the climatological mean and the spectra of the time series are evaluated as well. In addition, six globally distributed study areas are evaluated to test the metrics’ transferability. Further, temporal consistency is assessed by the evaluation of a second slightly shifted timeframe. Finally, three reference datasets are considered in order to analyse the dependence of the evaluation results between each other. Results indicate that most metrics are suitable to evaluate climate models. Their application to different variables and regions generates reasonable model assessments which fit in the context of current publications in this field of research. In many situations, the results of the current model generation (2013) are similar or better compared to those of the last generation (2007). One single model with superior performance for all variables and situations cannot be found. Most metrics show similar estimations of performances for the same situations. Precipitation turned out to be more suitable for model weighting. Here, the differences between model weights are larger because of overall higher spread and lower model performances. Against this, there are mostly high performances on an equal level for simulations of temperature which lead to a minor added value of weighting. While metrics can easily be transferred and applied to different regions and scales, some evaluation results depend on the evaluated timeframe. Further, the model rankings for different regions and seasons show only minor correlations for most situations. This is particularly true for precipitation. However, for temperature there are some significant positive correlations. Comparing the mean ranking over all evaluation results of the main study areas of the Mediterranean with that of the globally distributed regions, there is a significant correlation of 0.39 for temperature and a correlation around zero for precipitation. The choice of reference dataset for the Mediterranean areas is subordinated in this context. For different reference datasets, the overall rankings show correlations around zero for precipitation while those for temperature are between 0.36 and 0.44. Overall, the metrics are suitable for the evaluation of climate models. Thus, they offer promising contributions to improve the range of uncertainty and therefore to enhance the general confidence in climate projections. However, dependence of model assessments on the analysed region and evaluation timeframe has to be considered. Consequently, the analyses of consistency of model evaluations and of climate model strengths and weaknesses have great potential for future studies, to further enhance confidence in climate projections.

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. / (Potentially) climate change-induced migration constitutes a complex and broad field of research. A multitude of studies exists with different approaches to the topic. Within this range of approaches, it is the aim of this research to make a proposal for a systematisation of the topic. By carrying out a Grounded Theory-oriented analysis, we screened case studies for common categories to provide a conceptual model. The result of the investigation is a framework which can be extended by findings of other case studies.

Diese Dissertation präsentiert Ergebnisse regionaler Niederschlagsabschätzungen für Namibia bei anthropogen verstärktem Treibhauseffekt, die mit der Methode des Statistischen Downscaling erzielt wurden. Über statistische Transferfunktionen werden Beziehungen zwischen großskaliger atmosphärischer Zirkulation und Namibischen Sommerregen aufgestellt. Dazu werden in einer 30-jährigen Kalibrierungsperiode Hauptkomponenten von Geopotentiellen Höhen verschiedener atmosphärischer Niveaus (300, 500, 1000hPa) mit den Niederschlagsmonatssummen (November bis März) von 84 Namibischen Stationen durch multiple Regressionsanalysen verknüpft, die für jede Station oder alternativ für Gitternetzniederschlagsdaten berechnet werden. Nach der Verifikation der statistischen Zusammenhänge in einem unabhängigen Zeitraum werden Regressionsmodelle jener Stationen bzw. Gitterpunkte selektiert, die mit signifikanten Korrelationen von r>0.4 zwischen beobachteten und modellierten Werten ausreichende Qualität garantieren. Diese Modelle werden eingesetzt, um unter Verwendung simulierter ECHAM3-T42 und ECHAM4tr-T42 Geopotentialdaten den lokalen Niederschlag für die jeweiligen Treibhauseffekt-Szenarien abzuschätzen. Als zusätzliche Methode, um die großskalige atmosphärische Zirkulation mit lokalen Stationsdaten zu verknüpfen, werden kanonische Korrelationsanalysen durchgeführt. Unabhängig von der Verfahrensweise resultieren für Klimabedingungen dreifacher bzw. transient ansteigender CO2-Konzentrationen im Vergleich zu einem Referenzzeitraum (1961-90) zunehmende Niederschläge in den nördlichen und östlichen Teilen Namibias von Dezember bis Februar. In den südlichen und südwestlichen Regionen sind von November bis Januar geringe Abnahmen zu verzeichnen. Die Abschätzungen für März zeigen einen deutlichen Rückgang der Niederschläge in ganz Namibia. Diese Ergebnisse weisen auf eine intensivierte, akzentuiertere Regenzeit hin, auch wenn die Gesamtmenge der Niederschläge unter Bedingungen des anthropogen verstärkten Treibhauseffekts mehr oder weniger gleich bleibt. Daher ist es von besonderer Bedeutung, die Abschätzungen der Niederschlagsänderungen auf monatlicher Ebene durchzuführen. Weitere Untersuchungen beinhalten die Trennung thermischer und dynamischer Effekte in den zur Abschätzung herangezogenen ECHAM3 und ECHAM4 Zirkulationsdaten. Durch die globale Erwärmung kommt es zu einer Anhebung der Geopotentiellen Höhen der Treibhauseffekt-Szenarien. Durch die Korrektur des Uplifting-Prozesses werden dynamisch induzierte Auswirkungen auf das Niederschlagsgeschehen erfasst. Áus der Verwendung uplifting-korrigierter Geopotentialdaten als Prädiktoren in der Downscaling-Prozedur resultieren sowohl im positiven als auch negativen Bereich geringere Änderungsraten in den Abschätzungsergebnissen. Ohne Zweifel reagiert das Klimasystem auf den anthropogen verstärkten Treibhauseffekt. In Bezug auf zukünftige Namibische Sommerregen ist es von besonderer Bedeutung die Auswirkungen des Treibhauseffekts regional und temporal zu differenzieren. / This thesis presents results of regional rainfall assessments in Namibia, under conditions of man-made enhanced greenhouse warming. The results are obtained by statistical downscaling procedures. Relations between large-scale atmospheric circulation and Namibian summer rainfall are established by statistical transfer functions. For this purpose, principle components of geopotential heights of different atmospheric levels (300, 500, 1000hPa) and monthly rainfall data of 84 Namibian stations are linked by stepwise multiple regression analyses for every station, or alternatively for gridded rainfall data. The analyses were done on a monthly basis (November – March) during a 30-year calibration period. After verifying these statistical relations in an independent period, stations, or grids, with regression models of sufficient quality (significant correlation r>0.4 between observed and modeled data) are selected and used to assess local rainfall for greenhouse gas-scenarios from simulated ECHAM3-T42 and ECHAM4tr-T42 geopotential height data. As additional method to connect large scale circulation features with local station rainfall data, canonical correlation analyses are applied. Independent of the procedure, results for climate conditions of threefold respectively transient increase in CO2-concentrations, compared to a reference period (1961-90), show an increase of rainfall in northern and eastern parts of Namibia for December to February. Slight decreases in southern and southwestern regions from November to January are seen. Assessments for March indicate a distinct decrease over the whole country. These findings point to an intensified, more accentuated rainy season, however, the amount of rainfall remains more or less the same under conditions of enhanced greenhouse warming. Therefore it is of special importance to assess rainfall changes on a monthly basis. Further investigations consist of the separation of thermal and dynamical effects in ECHAM3 and ECHAM4 circulation data. Global warming produces a thermal uplifting of the geopotential heights used in climate change scenarios. By correction of this uplifting process, dynamical induced effects of rainfall events are captured. The use of uplifting corrected geopotential heights as predictors in the downscaling procedure in general leads to smaller changes of rainfall in the assessment results, both in positive and negative range. There is no doubt that the climate system reacts to man-made enhanced greenhouse warming. With regard to future Namibian summer rainfall, it is important to differentiate the effects of greenhouse warming on a regional and temporal scale.

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. / The recent and future increase in atmospheric greenhouse gases will cause fundamental change in the terrestrial climate system, which will lead to enormous tasks and challenges for the global society. Effective and early adaptation to this climate change will benefit hugley from optimal possible estimates of future climate change. Coupled atmosphere-ocean models (AOGCMs) are the appropriate tool for this. However, to tackle these questions, it is necessary to make far reaching assumptions about the future climate-relevant boundary conditions. Furthermore there are individual errors in each climate model. These originate from flaws in reproducing the real climate system and result in a further increase of uncertainty with regards to long-range climate projections. Hence, concering future climate change, there are pronounced differences between the results of different AOGCMs, especially under a regional point of view. It is the usual approach to use a number of AOGCMs and combine their results as a safety measure against the influence of such model errors. In this thesis, an attempt is made to develop a valuation scheme and based on that a weighting scheme, for AOGCMs in order to narrow the range of climate change projections. The 24 models that were included in the third phase of the coupled model intercomparsion project (CMIP3) are used for this purpose. First some fundamental climatologies simulated by the AOGCMs are quantitatively compared to a number of observational data. An important methodological aspect of this approach is to explicitly address the uncertainty associated with the observational data. It is revealed that statements concerning the quality of climate models based on such hindcastig approaches might be flawed due to uncertainties about observational data. However, the application of the Köppen-Geiger classification reveales that all considered AOGCMs are capable of reproducing the fundamental distribution of observed types of climate. Thus, to evaluate the models, their ability to reproduce large-scale climate variability is chosen as the criterion. The focus is on one highly complex feature, the coupled El Niño-Southern Oscillation. Addressing several aspects of this climate mode, it is demonstrated that there are AOGCMs that are less successful in doing so than others. In contrast, all models reproduce the most dominant extratropical climate modes in a satisfying manner. The decision which modes are the most important is made using a distinct approach considering several global sets of observational data. This way, it is possible to add new definitions for the time series of some well-known climate patterns, which proof to be equivalent to the standard definitions. Along with this, other popular modes are identified as less important regional patterns. The presented approach to assess the simulation of ENSO is in good agreement with other approaches, as well as the resulting rating of the overall model performance. The spectrum of the timeseries of the Southern Oscillation Index (SOI) can thus be regarded as a sound parameter of the quality of AOGCMs. Differences in the ability to simulate a realistic ENSO-system prove to be a significant source of uncertainty with respect to the future development of some fundamental and important climate parameters, namely the global near-surface air mean temperature, the SOI itself and the Indian monsoon. In addition, there are significant differences in the patterns of regional climate change as simulated by two ensembles, which are constituted according to the evaluation function previously developed. However, these effects are overall not comparable to the multi-model ensembles’ anthropogenic induced climate change signals which can be detected and quantified using a robust multi-variate approach. If all individual simulations following a specific emission scenario are combined, the resulting climate change signals can be thought of as the fundamental message of CMIP3. It appears to be quite a stable one, more or less unaffected by the use of the derived weighting scheme instead of the common approach to use equal weights for all simulations. It is reasoned that this originates mainly from the range of trends in the SOI. Apparently, the group of models that seems to have a realistic ENSO-system also shows greater variations in terms of effective climate change. This underlines the importance of natural climate variability as a major source of uncertainty concerning climate change. For the SOI there are negative Trends in the multi-model ensemble as well as positive ones. Overall, these trends tend to stabilize the development of other climate parameters when various AOGCMs are combined, whether the two distinguished parts of CMIP3 are analyzed or the weighting scheme is applied. Especially in case of the latter method, this prevents significant effects on the mean change compared to the arithmetic multi-model mean.

<p>Stochastic information, to be understood as &quot;information gained by the application of stochastic methods&quot;, is proposed as a tool in the assessment of changes in climate.</p> <p>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.</p> <p>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 &quot;redder&quot;, 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. </p> <p>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 &quot;maneuvering space&quot; 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 &quot;probabilistic uncertainty&quot;, i.e. uncertainty that can be expressed as a probability distribution or uncertainty that arises through natural variability.</p> <p>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&deg;C with high probabilities of actually meeting the target.</p> <p>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. </p> <p>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.</p> / <p>Stochastische Information, zu verstehen als &quot;Information, die durch die Anwendung stochastischer Methoden gewonnen wird&quot;, wird als Hilfsmittel in der Bewertung von Klima&auml;nderungen vorgeschlagen.</p> <p>Das Ziel dieser Doktorarbeit ist es, zu zeigen, dass stochastische Information die Ber&uuml;cksichtigung 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 &quot;tolerable windows approach&quot; (TWA) zu einem probabilistischen TWA erweitert. Im dritten Teil wird eine integrierte Absch&auml;tzung der Ver&auml;nderung von &Uuml;berflutungswahrscheinlichkeiten im Rahmen des TWA durchgeführt.</p> <p>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 gegenw&auml;rtig kaum m&ouml;glich, den Abstand des Systems zum Bifurkationspunkt zu bestimmen. Wir schlagen einen neuen Indikator vor, der es erm&ouml;glicht, die N&auml;he 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 &quot;roter&quot;, d.h. die tiefen Frequenzen enthalten mehr Energie. Da diese spektralen Ver&auml;nderungen eine allgemeine Eigenschaft der Sattel-Knoten Bifurkation sind, ist die Methode nicht auf die THC beschränkt, sondern weitere Anwendungen k&ouml;nnten m&ouml;glich sein, beispielsweise zur Erkennung von &Uuml;berg&auml;ngen in &Ouml;kosystemen.</p> <p>Im zweiten Teil wird eine probabilistische Erweiterung des &quot;tolerable windows approach&quot; (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 m&ouml;glich, die betrachteten Auswirkungen des Klimawandels mit Sicherheit auszuschlie&szlig;en, sondern es existiert eine gewisse Wahrscheinlichkeit, dass die Leitplanke verletzt wird. Der TWA wird daher zu einem probabilistischen TWA weiterentwickelt, der es erm&ouml;glicht, &quot;probabilistische Unsicherheit&quot;, also Unsicherheit, die durch eine Wahrscheinlichkeitsverteilung ausgedr&uuml;ckt werden kann, oder die durch den Einfluß von nat&uuml;rlicher Variabilit&auml;t entsteht, zu ber&uuml;cksichtigen.</p> <p>Als erste Anwendung werden Temperaturleitplanken betrachtet, und die Abh&auml;ngigkeit der Emissionsreduktionsstrategien von Wahrscheinlichkeitsverteilungen über die Klimasensitivit&auml;t wird bestimmt. Die Analyse ergibt, dass die Einhaltung einer Temperaturleitplanke von 2&deg;C sehr schwierig wird, wenn man hohe Wahrscheinlichkeiten des Einhaltens der Leitplanke fordert.</p> <p>Im dritten Teil wird eine integrierte Absch&auml;tzung der &Auml;nderungen von &Uuml;berflutungswahrscheinlichkeiten unter Einfluss des Klimawandels durchgef&uuml;hrt. Ein einfaches hydrologisches Modell wird vorgestellt, sowie ein Skalierungsansatz, der es erm&ouml;glicht, die raum-zeitliche nat&uuml;rliche Variabilit&auml;t von Temperatur und Niederschlag zu rekonstruieren. Diese werden zur Bestimmung einer probabilistischen Klimawirkungsfunktion genutzt, einer Funktion, die es erlaubt, die Ver&auml;nderungen der Wahrscheinlichkeit bestimmter &Uuml;berflutungsereignisse unter Einfluss von Klima&auml;nderungen abzusch&auml;tzen.</p> <p>Diese Untersuchung der Ver&auml;nderung von &Uuml;berflutungswahrscheinlichkeiten wird in 83 großen Flusseinzugsgebieten durchgef&uuml;hrt. Nicht alle Klassen von &Uuml;berflutungen k&ouml;nnen dabei ber&uuml;cksichtigt werden: Ereignisse, die entweder sehr schnell vonstatten gehen, oder die nur ein kleines Gebiet betreffen, k&ouml;nnen nicht ber&uuml;cksichtigt werden, aber großfl&auml;chige &Uuml;berflutungen, die durch starke, langanhaltende Regenf&auml;lle hervorgerufen werden, k&ouml;nnen ber&uuml;cksichtigt werden. Zuguterletzt werden die bestimmten Klimawirkungsfunktion dazu genutzt, Emissionskorridore zu bestimmen, bei denen die Leitplanken Begrenzungen des Bev&ouml;lkerungsanteils, der von einer bestimmten Ver&auml;nderung der Wahrscheinlichkeit eines 50-Jahres-Flutereignisses betroffen ist, sind. Letztere Untersuchung hat zwei Hauptergebnisse. Die Unsicherheit von regionalen Klima&auml;nderungen ist immer noch sehr hoch, und au&szlig;erdem k&ouml;nnen in einigen Flusssystemen schon kleine Klima&auml;nderungen zu gro&szlig;en &Auml;nderungen der &Uuml;berflutungswahrscheinlichkeit f&uuml;hren.</p>

<p> 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.</p> <p> 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.</p> <p> 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.</p> <p> 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.</p> <p> 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.</p> / <p> 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.</p> <p> 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.</p> <p> 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.</p> <p> 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.</p> <p> 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.</p>

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. / 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.

<p>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.</p> <p>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.</p> <p>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^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.</p> / <p>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.</p> <p>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. </p> <p>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.</p>