Ziel dieser Dissertation ist es, mithilfe zweier Herangehensweisen, das Verständnis der Zusammenhänge verschiedener physikalischer Prozesse des Klimasystems zu verbessern. Im ersten Teil verwende ich Klimanetzwerke zu die gemeinsame Abhängigkeit von Meeresoberflächentemperaturen (SSTs) und Niederschlägen in Hinsicht auf globale charakteristiken und räumlichen Muster untersuchen. In diesem Kontext ist die El Niño Southern Oscillation (ENSO) das wichtigste Phänomen, welches großskalig SSTs und Niederschläge beeinflusst. Durch meine Analyse decke ich kurz und weitreichende Verbindungen auf und zeige deren Abhängigkeit von der jeweiligen ENSO-Phase (El Nino, La Nina, neutrale Phase). Darüber hinaus werden durch die Kombination einer diskreten Wavelet-Transformation mit dem Konzept der gekoppelten Klimanetzwerkanalyse die skalenspezifischen Verbindungen aufgelöst, die bei der ursprünglichen Auflösung der Daten oft übersehen werden. Im zweiten Teil der Arbeit verwende ich Simulationen des COnsortium for Small scale MOdeling (COSMO) Climate Limited-area Modell (CCLM) und untersuche die Auswirkungen des Sobradinho-Stausees. In dieser Arbeit benutzen ich das Flake Modell, um das vertikale Temperaturprofil des Sees zu bestimmen. Durch die Einbettung des Flake Modells in das CCLM konnte ich den Sobradinho-Stausee untersuchen. Dabei simuliere ich zwei verschiedene Szenarien. Die Simulationsergebnisse verifiziere ich mithilfe meteorologischer Daten von Oberflächen- und Satellitenmessungen. Die Ergebnisse zeigen, dass der See sowohl die bodennahe Temperatur als auch Wind- und Luftfeuchtigkeitsmuster der Umgebung beeinflusst. Zudem wird die Luftfeuchtigkeit durch den See erhöht und bewirkt Seewinde. Die Effekte des Sees auf die Luftfeuchtigkeit und temperaturen beschränken sich nicht nur auf die Nähe des Sees, sondern auch auf relativ weit entfernte Gebiete. / This dissertation aims at improving our understanding of the mechanisms of interactions between physical processes within the climate system via two different approaches. In the first part, I have utilized climate networks to understand the mutual interdependence between sea surface temperatures (SST) and precipitation (PCP) in terms of global characteristics and spatial patterns. In this context, the globally most relevant phenomenon is the El Niño Southern Oscillation (ENSO), which strongly affects large-scale SST variability as well as PCP patterns all around the globe. My analysis uncovers both local and remote statistical connections and demonstrates their dependence on the current ENSO phase (El Niño, La Niña or neutral phase). Furthermore by combining time-scale decomposition by means of a discrete wavelet transform with the concept of coupled climate network analysis unravel the scale-specific connections that are often overlooked at the original resolution of the data. In the second part of this thesis, I have focused on simulations with the COnsortium for Small scale MOdeling (COSMO) Climate Limited-area Model (CCLM) and investigate the effects of Lake Sobradinho, a large reservoir in Northeastern Brazil, on the local near-surface atmospheric and boundary layer conditions. In this thesis, the FLake model (Freshwater Lake model) is applied for obtaining the lake’s vertical temperature profile. I have simulated two alternative scenarios. The performance of the simulation is compared with data from surface meteorological stations as well as satellite data. The obtained results demonstrate that the lake affects the near-surface air temperature of the surrounding area as well as its humidity and wind patterns. Moreover, the humidity is significantly increased as a result of the lake’s presence and causes a lake breeze. The observed effects on humidity and air temperature also extend over areas relatively far away from the lake.

Im folgenden wird ein Verfahren dargestellt welches die Möglichkeit bietet komplexe räumliche Zusammenhänge zwischen Niederschlagsereignissen quantitativ in Klimanetzwerke zu fassen und diese auf vielfältige Arten und Weisen zu analysieren. In dem Maße wie synchronisiert Niederschlagsereignisse zwischen Raumpunkten auftreten, in dem Maße sind diese Raumpunkte in Event Synchronization Klimanetzwerken verbunden. Zum einen wird das bestehende Ähnlichkeitsmaß der Ereignissynchronisation verbessert und erweitert, und zum anderen werden verschiedene, zum Teil neue, statistische Methoden zur Netzwerkanalyse vorgestellt und erläutert. Klimanetzwerke sind räumlich eingebettete Netzwerke und die statistisch zu zeigende Abhängigkeit der Ähnlichkeit vom räumlichen Abstand führt zu einer vom Raum nicht unabängigen Netzwerkstruktur. Dies ist in einer Vielzahl von Fällen ein ungewünschter Effekt und es wird eine Methodik entwickelt wie dieser statistisch quantifiziert werden kann. Des weiteren werden zwei weitere neue Netzwerkstatistiken vorgestellt. Einerseits das neue Netzwerkmaß Directionality und andererseits eine Netzwerkreduktion welche Klimanetzwerke auf Klimanetzwerke mit weitreichenden Verbindungen reduziert. Dieser neue Ansatz steht gewissermaßen im Gegensatz zur klassischen Klimanetzwerkkonstruktion die vor allem zu kurzreichweitigen Verbindungen führt. Das neue Netzwerkmaß Directionality gibt für jeden Raumpunkt des Netzwerks eine dominante Raumrichtung der Netzwerkverbindungen an und kann dadurch z.B. für bestimmte Event Synchronization Klimanetzwerke Isochronen abbilden. / In the following an approach to the analysis of spatial structures of precipitation event synchronizations is presented. By estimating the synchronicity of precipitation events between points in space, a spatial similarity network is constructed. These Climate Networks can be analyzed statistically in various ways. However, the similarity measure Event Synchronization that will be presented, as well as the concept of Climate Networks, is more general. Climate Network precipitation analyses are done in the applications part in order to present improvements to existing methodologies, as well as novel ones. On one hand, the existing similarity measure Event Synchronization will be refined and extended to a weighted and continuous version, and on the other hand, new methods for statistical analyses of Climate Networks will be presented. Climate Networks are spatially embedded networks and the probability of a link between two nodes decreases with the distance between these nodes. In other words, Climate Network topologies depend on the spatial embedding. Often this effect is distracting and should be considered as a bias in Climate Network statistics. This thesis provides a methodology to estimate this bias and to correct network measures for it. Furthermore, two novel graph statistics are introduced. First, the novel network measure Directionality, and second, a network coarse-graining approach that reduces Climate Networks to Climate Networks of teleconnections, i.e., long-ranged interrelations. This new approach is in contrast to existing Climate Network construction schemes, since commonly most links are short. The novel network measure Directionality provides a dominant direction of links in the embedding space. For undirected Event Synchronization networks this measure is applied for the estimation of Isochrones, i.e., lines of synchronous event occurrences.

Die Untersuchung vergangener Klimavariabilität ist ein einzigartiger Schlüssel zum Verständnis zukünftigen Verhaltens des Erdsystems unter anthropogener Einwirkung. Dies ist von besonderer Wichtigkeit, da es die einzige Realisierung des „Erdsystemexperiments“ ist, die für uns zugänglich ist. Paleoklimaarchive, wie Bäume, Stalagmiten oder Gletscher stellen in ihrer Struktur und Zusammensetzung zeitabhängige Aufzeichungen früherer Klimavariabilität dar. Die statistische Analyse von Zusammenhängen zwischen solchen Zeitreihen kann helfen, die den Paläoklimaproxies zugrundeliegenden Klimaprozesse und, letztlich, der Erdsystemdynamik zu verstehen. Drei Hauptherausforderungen müssen gemeistert werden, um dies möglich zu machen: die Zeitreihen sind unregelmäßig aufgelöst in (i) Zeit, (ii) Raum und die Zeit selbst ist eine Variable die rekonstruiert werden muss, was (iii) zusätzliche Unsicherheiten mit sich bringt. Dazu habe ich den Paläoklimanetzwerkansatz entwickelt, inspiriert von der zunehmenden Anwendung von Methoden aus dem Bereich der komplexen Netzwerke in der Klimatologie. Ich habe Schätzer für Pearson-Korrelation, Transinformation (Mutual Information) und Ereignissynchronisation (Event Synchronization) eingeführt, die keine Zeitreihen mit regelmäßigen Beobachtungsintervallen benötigen. Der Einfluß von Altersunsicherheiten auf Schätzungen solcher Ähnlichkeitsmaße wird numerisch durch Ensembles von möglichen Akkumulationsverläufen abgeschätzt. Ein einfaches Modell für Informationsflüsse im Asiatischen Sommermonsun (ASM) ermöglicht den Test der Fähigkeiten von (Paläoklima-)Netzwerkmaßen, räumlich-zeitliche Klimaänderungen von Zeitreihen räumlich heterogen verteilter Orte zu detektieren. / Investigating past climate changes offers a unique key to understanding the future behavior of the Earth system under anthropogenic perturbation, because it is the only realization of the “Earth system experiment” accessible. Paleoclimate archives such as trees, stalagmites, or glacial deposits provide in their structure and composition time-dependent records of earlier climatic variability. Statistical analysis of dependencies amongst such time series helps to infer on the climatic processes reflected in the paleoclimate proxy data and then, ultimately, on the dynamics of the Earth system. Three inherent technical challenges need to be met: the datasets are heterogeneously sampled in (i) time and (ii) space, and time itself is a variable that needs to be reconstructed which (iii) introduces additional uncertainties. To address these issues I developed the paleoclimate network framework, inspired by the increasing application of complex networks methodology in climate. I introduced estimators for Pearson correlation, mutual information and event synchronization that do not require time series sampled at regular intervals. The impacts of age uncertainty on such similarity estimates was assessed numerically, using ensembles of possible accumulation histories. A simple model for information flow in the Asian summer monsoon (ASM) was used to test the ability of (paleoclimate) network measures to detect spatio-temporal transitions from time series observed at heterogeneous locations in space.

Die Analyse von Proxy-Zeitreihen aus Paläoklimaarchiven wie zum Beispiel Baumringen, Seesedimenten, Tropfsteinen und Eisbohrkernen mittels gefensterter Rekurrenznetzwerkanalyse ermöglicht die Identifizierung und Charakterisierung dynamischer Anomalien in der Klimavariabilität der Vergangenheit. Das Ziel der vorliegenden Arbeit ist die Entwicklung einer zuverlässigeren Routine zur gefensterten Rekurrenznetzwerkanalyse. Aufbauend auf dem bestehenden methodischen Rahmen werden die Bereiche der Phasenraumrekonstruktion und des Signifikanztests als verbesserungsfähig identifiziert. Deshalb werden verschiedene Methoden zur Rekonstruktion des Phasenraums aus unregelmäßig abgetasteten, verrauschten Daten verglichen. Außerdem wird ein allgemeiner flächenweiser Signifikanztest eingeführt, der, basierend auf einem ausgewählten Nullmodell, Korrelationen in den Analyseergebnissen numerisch abschätzt, um damit das Problem hoher Raten an falsch positiv signifikanten Ergebnissen zu adressieren. Im zweiten Teil der Arbeit wird die entwickelte Methodik genutzt, um die nichtlineare Variabilität des Klimas der Vergangenheit in Nord- und Südamerika zu untersuchen, indem vier reale Zeitreihen verschiedener Proxys studiert werden. Außerdem werden Proxy-System-Modelle genutzt, um auf die Frage der Eignung von Daten verschiedener Paläoklimaarchive zur Charakterisierung der Klimavariabilität mittels gefensterter Rekurrenznetzwerkanalyse einzugehen. Mit der Arbeit wird der Einsatz nichtlinearer Methoden zur Analyse von Paläoklima-Zeitreihen vorangebracht, das Potential und die Grenzen der gefensterten Rekurrenznetzwerkanalyse aufgezeigt und zukünftige relevante Fragestellungen, die die erhaltenen Ergebnisse und Schlussfolgerungen komplementieren können, identifiziert. / Studying palaeoclimate proxy data from archives such as tree rings, lake sediments, speleothems, and ice cores using windowed recurrence network analysis offers the possibility to characterise dynamical anomalies in past climate variability. This thesis aims at developing a more reliable framework of windowed recurrence network analysis by comparing different phase space reconstruction approaches for non-uniformly sampled noisy data and by tackling the problem of increased numbers of false positive significant points when correlations within the analysis results can not be neglected. For this, different phase space reconstruction approaches are systematically compared and a generalised areawise significance test which implements a numerical estimation of the correlations within the analysis results is introduced. In particular, the test can be used to identify patches of possibly false positive significant points. The developed analysis framework is applied to detect and characterise dynamical anomalies in past climate variability in North and South America by studying four real-world palaeoclimatic time series from different archives. Furthermore, the question whether palaeoclimate proxy time series from different archives are equally well suited for tracking past climate dynamics with windowed recurrence network analysis is approached by using the framework of proxy system modelling. This thesis promotes the use of non-linear methods for analysing palaeoclimate proxy time series, provides a detailed assessment of potentials and limitations of windowed recurrence network analysis and identifies future research directions that can complement the obtained results and conclusions.