“Wer nicht wagt, der nicht gewinnt!” —hohe Gewinne sind oft unwahrscheinlich. Theorien der “Adaptiven Kognition” sagen voraus, dass ein solcher statistischer Zusammenhang aus der Welt kognitive Prozesse systematisch beeinflussen kann (u.A. Anderson, 1991; Brunswik, 1944; Gibson, 1979). Im 1. Kapitel gebe ich einen breit gefächerten Überblick warum dies der Fall sein kann. Im 2. Kapitel zeige ich experimentell, dass eine Korrelation zwischen Gewinnhöhe und Gewinnwahrscheinlichkeit Entscheidungen unter Unsicherheit (keine Gewinnwahrschenlichkeit gegeben) beeinflusst. Versuchspersonen schätzten die Gewinnwahrscheinlichkeit gemäß der Gewinnhöhe ein. Im 3. Kapitel zeige ich experimentell, dass Versuchspersonen durch die Korrelation zwischen Gewinnhöhe und Gewinnwahrscheinlichkeit Erwartungen aufbauten: War eine Option “überraschend”, z.B. da sie einen hohen Gewinn mit einer hohen Wahrscheinlichkeit verspricht, wurde eine solch überraschend gute Optionen länger evaluiert. Im 4. Kapitel beschäftige ich mich mit Entscheidungen unter Risiko. Mithilfe eines kognitiven Modells zeige ich, dass eine Struktur, in der hohe Gewinne sich als unwahrscheinlich erweisen, zu einer schnelleren, einfacheren Entscheidungsstrategie führen, als eine unkorrelierte Struktur. Im 5. Kapitel zeige ich, wie das von vielen Menschen angenommene “No free Lunch” Prinzip sich auf die Beurteilung von Risiken im Bereich klinischer Studien auswirkt: Hohe Vergütungen für klinische Studien können dazu führen, dass die Studie als riskanter und schlussendlich unethischer wahrgenommen wird. Zusammengefasst ergänzt die Arbeit ergänzt vorherige Forschung, indem sie zeigt, dass Gewinne und Wahrscheinlichkeiten nicht nur in der Welt systematisch miteinander verbunden sind, sondern auch in der menschlichen Kognition. Dies wirft ein neues Licht auf eine alte Frage: Wer entscheidet wann “rational”, und warum? / The large rewards that people desire are typically unlikely. Theories of adaptive cognition predict that such a regularity can systematically affect how the mind operates (e.g. Anderson, 1991; Brunswik, 1944; Gibson, 1979). In this dissertation, I theoretically and empirically examined how the link between risks and rewards affects judgments and decisions. In Chapter 1, I provide a broad theoretical overview. In Chapter 2, I show how people exploit risk–reward structures in decisions under uncertainty; that is, decisions in which probabilities are unavailable to the decision maker or difficult to ascertain. In these situations, people can infer the probabilities of events directly from the payoffs when risks and rewards are found to be correlated. Chapter 3 shows that risk–reward shapes how people evaluate options in decisions under risk. Surprising options that did not fit surrounding risk–reward structures were linked to longer response times and an increase in pupil size, particularly when options were “surprisingly good”—i.e., when they offered a high payoff and a high probability. Chapter 4 addresses how risk–reward structures affect decisions under risk in general. A computational model showed that risk–reward structures do not change (subjective) preferences in choices. Instead, risk–reward structures affect how people accumulate evidence in risky choice. Specifically, inversely related risks and rewards promote satisficing whereas uncorrelated risks and rewards promote maximizing. In Chapter 5, I provide an example of how risk–reward structures affect decision making in the wild. Specifically, I show that some individuals use very high pay as a cue to infer the potential risks a clinical trial poses. Taken together, this work suggests that people’s risk–reward priors should not be blindly assumed away, and challenges assumptions on who is considered rational and why.

Uncertainties are pervasive in the Earth System modelling. This is not just due to a lack of knowledge about physical processes but has its seeds in intrinsic, i.e. inevitable and irreducible, uncertainties concerning the process of modelling as well. Therefore, it is indispensable to quantify uncertainty in order to determine, which are robust results under this inherent uncertainty. The central goal of this thesis is to explore how uncertainties map on the properties of interest such as phase space topology and qualitative dynamics of the system. We will address several types of uncertainty and apply methods of dynamical systems theory on a trendsetting field of climate research, i.e. the Indian monsoon.<br><br> For the systematic analysis concerning the different facets of uncertainty, a box model of the Indian monsoon is investigated, which shows a saddle node bifurcation against those parameters that influence the heat budget of the system and that goes along with a regime shift from a wet to a dry summer monsoon. As some of these parameters are crucially influenced by anthropogenic perturbations, the question is whether the occurrence of this bifurcation is robust against uncertainties in parameters and in the number of considered processes and secondly, whether the bifurcation can be reached under climate change. Results indicate, for example, the robustness of the bifurcation point against all considered parameter uncertainties. The possibility of reaching the critical point under climate change seems rather improbable. <br><br> A novel method is applied for the analysis of the occurrence and the position of the bifurcation point in the monsoon model against parameter uncertainties. This method combines two standard approaches: a bifurcation analysis with multi-parameter ensemble simulations. As a model-independent and therefore universal procedure, this method allows investigating the uncertainty referring to a bifurcation in a high dimensional parameter space in many other models. <br><br> With the monsoon model the uncertainty about the external influence of El Niño / Southern Oscillation (ENSO) is determined. There is evidence that ENSO influences the variability of the Indian monsoon, but the underlying physical mechanism is discussed controversially. As a contribution to the debate three different hypotheses are tested of how ENSO and the Indian summer monsoon are linked. In this thesis the coupling through the trade winds is identified as key in linking these two key climate constituents. On the basis of this physical mechanism the observed monsoon rainfall data can be reproduced to a great extent. Moreover, this mechanism can be identified in two general circulation models (GCMs) for the present day situation and for future projections under climate change. <br><br> Furthermore, uncertainties in the process of coupling models are investigated, where the focus is on a comparison of forced dynamics as opposed to fully coupled dynamics. The former describes a particular type of coupling, where the dynamics from one sub-module is substituted by data. Intrinsic uncertainties and constraints are identified that prevent the consistency of a forced model with its fully coupled counterpart. Qualitative discrepancies between the two modelling approaches are highlighted, which lead to an overestimation of predictability and produce artificial predictability in the forced system. The results suggest that bistability and intermittent predictability, when found in a forced model set-up, should always be cross-validated with alternative coupling designs before being taken for granted. <br><br> All in this, this thesis contributes to the fundamental issue of dealing with uncertainties the climate modelling community is confronted with. Although some uncertainties allow for including them in the interpretation of the model results, intrinsic uncertainties could be identified, which are inevitable within a certain modelling paradigm and are provoked by the specific modelling approach. / Die vorliegende Arbeit untersucht, auf welche Weise Unsicherheiten, wie sie in der integrierten Klima(folgen)forschung allgegenwärtig sind, die Stabilität und die Struktur dynamischer Systeme beeinflussen. <br> Im Rahmen der Erdsystemmodellierung wird der Unsicherheitsanalyse zunehmend eine zentrale Bedeutung beigemessen. Einerseits können mit ihrer Hilfe disziplinäre Qualitäts-standards verbessert werden, andererseits ergibt sich die Chance, im Zuge von "Integrated Assessment" robuste entscheidungsrelevante Aussagen abzuleiten. <br><br> Zur systematischen Untersuchung verschiedener Arten von Unsicherheit wird ein konzeptionelles Modell des Indischen Monsuns eingesetzt, das einen übergang von einem feuchten in ein trockenes Regime aufgrund einer Sattel-Knoten-Bifurkation in Abhängigkeit derjenigen Parameter zeigt, die die Wärmebilanz des Systems beeinflussen. Da einige dieser Parameter anthropogenen Einflüssen und Veränderungen unterworfen sind, werden zwei zentrale Punkte untersucht: zum einen, ob der Bifurkationspunkt robust gegenüber Unsicherheiten in Parametern und in Bezug auf die Anzahl und die Art der im Modell implementierten Prozesse ist und zum anderen, ob durch anthropogenen Einfluss der Bifurkationspunkt erreicht werden kann. Es zeigt sich unter anderem, dass das Auftreten der Bifurkation überaus robust, die Lage des Bifurkationspunktes im Phasenraum ist hingegen sehr sensitiv gegenüber Parameterunsicherheiten ist. <br><br> Für diese Untersuchung wird eine neuartige Methode zur Untersuchung des Auftretens und der Lage einer Bifurkation gegenüber Unsicherheiten im hochdimensionalen Parameterraum entwickelt, die auf der Kombination einer Bifurkationsanalyse mit einer multi parametrischen Ensemble Simulation basiert. <br><br> Mit dem Monsunmodell wird des weiteren die Unsicherheit bezüglich des externen Einflusses von El Niño / Southern Oscillation (ENSO) untersucht. Es ist bekannt, dass durch ENSO die Variabilität des Indischen Monsun beeinflußt wird, wohingegen der zu Grunde liegende Mechanismus kontrovers diskutiert wird. In dieser Arbeit werden drei verschiedene Hypothesen zur Kopplung zwischen diesen beiden Phänomenen untersucht. Es kann gezeigt werden, dass die Passat Winde einen Schlüsselmechanismus für den Einfluß von ENSO auf den Indischen Monsun darstellen.<br> Mit Hilfe dieses Mechanismus können die beobachteten Niederschlagsdaten des Monsuns zu einem großen Anteil reproduziert werden. Zudem kann dieser Mechanismus kann auch in zwei globalen Zirkulationsmodellen (GCMs) für den heutigen Zustand und für ein Emissionsszenario unter Klimawandel identifiziert werden. <br><br> Im weiteren Teil der Arbeit werden intrinsische Unsicherheiten identifiziert, die den Unterschied zwischen der Kopplung von Teilmodulen und dem Vorschreiben von einzelnen dieser Module durch Daten betreffen. Untersucht werden dazu ein getriebenes GCM-Ensemble und ein konzeptionelles Ozean-Atmosphären-Modell, das eine strukturierte Analyse anhand von Methoden der Theorie dynamischer Systeme ermöglicht.<br> In den meisten Fällen kann die getriebene Version, in der ein Teil der Dynamik als externer Antrieb vorschrieben wird, das voll gekoppelte Pendant nachbilden. Es wird gezeigt, dass es jedoch auch Regionen im Phasen- und Parameterraum gibt, in dem sich die zwei Modellierungsansätze signifikant unterscheiden und unter anderem zu einer überschätzung der Vorhersagbarkeit und zu künstlichen Zuständen im getriebenen System führen. Die Ergebnisse legen den Schluss nahe, dass immer auch alternative Kopplungsmechanismen getestet werden müssen bevor das getriebene System als adäquate Beschreibung des gekoppelten Gesamtsystems betrachtet werden kann. <br><br> Anhand der verschiedenen Anwendungen der Unsicherheitsanalyse macht die Arbeit deutlich, dass zum einen Unsicherheiten intrinsisch durch bestimmte Arten der Modellierung entstehen und somit unvermeidbar innerhalb eines Modellierungsansatzes sind, dass es zum anderen aber auch geeignete Methoden gibt, Unsicherheiten in die Modellierung und in die Bewertung von Modellergebnissen einzubeziehen.

<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.

This paper explores the nexus between uncertainty and credit restrictions. A Post Keynesian approach to an explanation of access rationing to credit is developed and contrasted with the dominant relationship lending school. It is argued that access rationing to credit has be understood in terms of uncertainty and power. Differences in systemic uncertainty to which hetrogenous market participants are exposed can explain the reluctance of banks to lend to certain applicants. Monopsonistic power and uncertainty further help to understand why banks of a different size show differences in their lending behavior. (author's abstract) / Series: Department of Economics Working Paper Series

Universiẗat, Diss./07--Ingolstadt, 2006.

Zugl.: Köln, University, Diss., 2009.

Zugl.: Berlin, Humboldt-Univ., Diss., 2008

Thesis (Ph. D.)--Uppsala University, 1997. / Includes bibliographical references.

Frankfurt (Main), University, Diss., 2008.