Das Ziel der Studie ist die Entwicklung eines Fehlerkorrekturmodells fürWettervorhersagedaten, welches zu einem besseren Verständnis der Zuverlässigkeit der lokalenWettervorhersagen beitragen soll. Weiterhin soll das Fehlermodell in weiterführenden Arbeiten innerhalb eines stochastischen modellprädiktiven Reglers (MPC) Anwendung finden. Im Rahmen der Studie werden sowohl prognostizierte als auch tatsächliche Wetterdaten aus dem Raum Fulda erfasst. Diese Daten werden grafisch dargestellt und mittels Fourier-Transformation analysiert. Auf Basis dieser Analyse werden mathematische Modelle zur Vorhersage von Fehlern und zur Bestimmung der Varianz vorgeschlagen. Die Parameter dieser Modelle werden durch lineare Regression bestimmt. Die erzielten Ergebnisse werden ausführlich ausgewertet.

The terrestrial biosphere impacts considerably on the global carbon cycle. In particular, ecosystems contribute to set off anthropogenic induced fossil fuel emissions and hence decelerate the rise of the atmospheric CO₂ concentration. However, the future net sink strength of an ecosystem will heavily depend on the response of the individual processes to a changing climate. Understanding the makeup of these processes and their interaction with the environment is, therefore, of major importance to develop long-term climate mitigation strategies. Mathematical models are used to predict the fate of carbon in the soil-plant-atmosphere system under changing environmental conditions. However, the underlying processes giving rise to the net carbon balance of an ecosystem are complex and not entirely understood at the canopy level. Therefore, carbon exchange models are characterised by considerable uncertainty rendering the model-based prediction into the future prone to error. Observations of the carbon exchange at the canopy scale can help learning about the dominant processes and hence contribute to reduce the uncertainty associated with model-based predictions. For this reason, a global network of measurement sites has been established that provides long-term observations of the CO₂ exchange between a canopy and the atmosphere along with micrometeorological conditions. These time series, however, suffer from observation uncertainty that, if not characterised, limits their use in ecosystem studies. The general objective of this work is to develop a modelling methodology that synthesises physical process understanding with the information content in canopy scale data as an attempt to overcome the limitations in both carbon exchange models and observations. Similar hybrid modelling approaches have been successfully applied for signal extraction out of noisy time series in environmental engineering. Here, simple process descriptions are used to identify relationships between the carbon exchange and environmental drivers from noisy data. The functional form of these relationships are not prescribed a priori but rather determined directly from the data, ensuring the model complexity to be commensurate with the observations. Therefore, this data-led analysis results in the identification of the processes dominating carbon exchange at the ecosystem scale as reflected in the data. The description of these processes may then lead to robust carbon exchange models that contribute to a faithful prediction of the ecosystem carbon balance. This work presents a number of studies that make use of the developed data-led modelling approach for the analysis and interpretation of net canopy CO₂ flux observations. Given the limited knowledge about the underlying real system, the evaluation of the derived models with synthetic canopy exchange data is introduced as a standard procedure prior to any real data employment. The derived data-led models prove successful in several different applications. First, the data-based nature of the presented methods makes them particularly useful for replacing missing data in the observed time series. The resulting interpolated CO₂ flux observation series can then be analysed with dynamic modelling techniques, or integrated to coarser temporal resolution series for further use e.g., in model evaluation exercises. However, the noise component in these observations interferes with deterministic flux integration in particular when long time periods are considered. Therefore, a method to characterise the uncertainties in the flux observations that uses a semi-parametric stochastic model is introduced in a second study. As a result, an (uncertain) estimate of the annual net carbon exchange of the observed ecosystem can be inferred directly from a statistically consistent integration of the noisy data. For the forest measurement sites analysed, the relative uncertainty for the annual sum did not exceed 11 percent highlighting the value of the data. Based on the same models, a disaggregation of the net CO₂ flux into carbon assimilation and respiration is presented in a third study that allows for the estimation of annual ecosystem carbon uptake and release. These two components can then be further analysed for their separate response to environmental conditions. Finally, a fourth study demonstrates how the results from data-led analyses can be turned into a simple parametric model that is able to predict the carbon exchange of forest ecosystems. Given the global network of measurements available the derived model can now be tested for generality and transferability to other biomes. In summary, this work particularly highlights the potential of the presented data-led methodologies to identify and describe dominant carbon exchange processes at the canopy level contributing to a better understanding of ecosystem functioning. / Der Kohlenstoffhaushalt der Erde wird maßgeblich von der bewachsenen Landoberfläche beeinflusst. Insbesondere tragen terrestrische Ökosysteme dazu bei, den Anstieg der atmosphärischen Kohlenstoffdioxid- (CO₂-) Konzentration durch anthropogen verursachte Emissionen fossiler Brennstoffe zu verlangsamen. Die Intensität der Netto-CO₂-Aufnahme wird allerdings in einem sich verändernden Klima davon abhängen, wie einzelne Prozesse auf Änderungen der sie beeinflussenden Umweltfaktoren reagieren. Fundierte Kenntnisse dieser Prozesse und das Verständnis ihrer Wechselwirkungen mit der Umwelt sind daher für eine erfolgreiche Klimaschutzpolitik von besonderer Bedeutung. Mit Hilfe von mathematischen Modellen können Vorhersagen über den Verbleib des Kohlenstoffs im System Boden-Pflanze-Atmosphäre unter zukünftigen Umweltbedingungen getroffen werden. Die verantwortlichen Prozesse und ihre Wechselwirkungen mit der Umwelt sind jedoch kompliziert und bis heute auf der Ökosystemskala nicht vollkommen verstanden. Entwickelte Modelle und deren Vorhersagen sind deshalb derzeit mit erheblichen Unsicherheiten behaftet. Messungen von CO₂-Austauschflüssen zwischen einem Ökosystem und der Atmosphäre können dabei helfen, Vorgänge besser verstehen zu lernen und die Unsicherheiten in CO₂-Austausch-Modellen zu reduzieren. Allerdings sind auch diese Beobachtungen, wie alle Umweltmessungen, von Unsicherheiten durchsetzt. Ziel dieser Arbeit ist es Methoden zu entwickeln, die physikalisches Prozessverständnis mit dem dennoch großen Informationsgehalt dieser Daten vorteilhaft zu vereinigen. Dabei soll vereinfachtes Prozessverständnis dazu genutzt werden, Zusammenhänge zwischen dem CO₂-Austausch und den umgebenden Umweltbedingungen aus den Beobachtungen abzuleiten. Das Besondere hierbei ist, dass diese Zusammenhänge direkt aus den Daten geschätzt werden, ohne vorher Annahmen über ihre funktionale Form zu machen. Die Daten als Ausgangspunkt der Modellentwicklung zu wählen gewährleistet, dass die Komplexität der Modelle dem Informationsgehalt der Messungen entspricht. Auf diese Weise lassen sich diejenigen Prozesse identifizieren, welche für den CO₂-Austausch mit der Atmosphäre dominant sind. Die gewonnenen Erkenntnisse können dann in robuste CO₂-Austauschmodelle für Ökosysteme überführt werden und zur Vorhersage von Kohlenstoffbilanzen beitragen. In der vorliegenden Arbeit werden diese entwickelten, datenbasierten Methoden zur Analyse und Interpretation von Netto-CO₂-Flüssen eingesetzt. Die erste Studie führt ein datenbasiertes Modell ein, das unvermeidliche Lücken in Messzeitreihen zuverlässig interpoliert. Dies ermöglicht erweiterte Anwendungen der Daten. In einer nächsten Studie wird ein Verfahren vorgestellt, mit dem die Unsicherheiten in den Beobachtungen charakterisiert werden können. Dies ist nötig, um jährliche Kohlenstoffbilanzen von Ökosystemen unter Berücksichtigung der Messungenauigkeiten direkt aus den Daten herzuleiten. Dabei liegt die Unsicherheit in den betrachteten Waldstandorten bei maximal 11% des Jahreswertes. In einer weiteren Studie werden dieselben Modelle genutzt, um die Netto-CO₂-Flüsse in Einzelkomponenten der CO₂-Assimilation und -Abgabe zu bestimmen. Diese Komponenten sowie die Nettobilanz sind zusammen mit ihren Ungenauigkeiten für Vorhersagen über das Kohlenstoffsenkenpotential eines Ökosystems von besonderer Bedeutung und können Abschätzungen des globalen Kohlenstoffhaushaltes maßgeblich unterstützen. Abschließend zeigt die letzte Studie ein Beispiel für die datenbasierte Entwicklung eines Modells, das die dominanten Prozesse des Kohlenstoffaustausches in Waldökosystemen beschreibt und erfolgreich vorhersagen kann. Dies unterstreicht insbesondere das Potenzial des vorgestellten Modellierungsansatzes, vorherrschende Prozesse zu identifizieren, zu beschreiben und damit zum verbesserten Verständnis des CO₂-Austauschs zwischen Ökosystem und Atmosphäre beizutragen.

Even though quite different in occurrence and consequences, from a modeling perspective many natural hazards share similar properties and challenges. Their complex nature as well as lacking knowledge about their driving forces and potential effects make their analysis demanding: uncertainty about the modeling framework, inaccurate or incomplete event observations and the intrinsic randomness of the natural phenomenon add up to different interacting layers of uncertainty, which require a careful handling. Nevertheless deterministic approaches are still widely used in natural hazard assessments, holding the risk of underestimating the hazard with disastrous effects. The all-round probabilistic framework of Bayesian networks constitutes an attractive alternative. In contrast to deterministic proceedings, it treats response variables as well as explanatory variables as random variables making no difference between input and output variables. Using a graphical representation Bayesian networks encode the dependency relations between the variables in a directed acyclic graph: variables are represented as nodes and (in-)dependencies between variables as (missing) edges between the nodes. The joint distribution of all variables can thus be described by decomposing it, according to the depicted independences, into a product of local conditional probability distributions, which are defined by the parameters of the Bayesian network. In the framework of this thesis the Bayesian network approach is applied to different natural hazard domains (i.e. seismic hazard, flood damage and landslide assessments). Learning the network structure and parameters from data, Bayesian networks reveal relevant dependency relations between the included variables and help to gain knowledge about the underlying processes. The problem of Bayesian network learning is cast in a Bayesian framework, considering the network structure and parameters as random variables itself and searching for the most likely combination of both, which corresponds to the maximum a posteriori (MAP score) of their joint distribution given the observed data. Although well studied in theory the learning of Bayesian networks based on real-world data is usually not straight forward and requires an adoption of existing algorithms. Typically arising problems are the handling of continuous variables, incomplete observations and the interaction of both. Working with continuous distributions requires assumptions about the allowed families of distributions. To "let the data speak" and avoid wrong assumptions, continuous variables are instead discretized here, thus allowing for a completely data-driven and distribution-free learning. An extension of the MAP score, considering the discretization as random variable as well, is developed for an automatic multivariate discretization, that takes interactions between the variables into account. The discretization process is nested into the network learning and requires several iterations. Having to face incomplete observations on top, this may pose a computational burden. Iterative proceedings for missing value estimation become quickly infeasible. A more efficient albeit approximate method is used instead, estimating the missing values based only on the observations of variables directly interacting with the missing variable. Moreover natural hazard assessments often have a primary interest in a certain target variable. The discretization learned for this variable does not always have the required resolution for a good prediction performance. Finer resolutions for (conditional) continuous distributions are achieved with continuous approximations subsequent to the Bayesian network learning, using kernel density estimations or mixtures of truncated exponential functions. All our proceedings are completely data-driven. We thus avoid assumptions that require expert knowledge and instead provide domain independent solutions, that are applicable not only in other natural hazard assessments, but in a variety of domains struggling with uncertainties. / Obwohl Naturgefahren in ihren Ursachen, Erscheinungen und Auswirkungen grundlegend verschieden sind, teilen sie doch viele Gemeinsamkeiten und Herausforderungen, wenn es um ihre Modellierung geht. Fehlendes Wissen über die zugrunde liegenden Kräfte und deren komplexes Zusammenwirken erschweren die Wahl einer geeigneten Modellstruktur. Hinzu kommen ungenaue und unvollständige Beobachtungsdaten sowie dem Naturereignis innewohnende Zufallsprozesse. All diese verschiedenen, miteinander interagierende Aspekte von Unsicherheit erfordern eine sorgfältige Betrachtung, um fehlerhafte und verharmlosende Einschätzungen von Naturgefahren zu vermeiden. Dennoch sind deterministische Vorgehensweisen in Gefährdungsanalysen weit verbreitet. Bayessche Netze betrachten die Probleme aus wahrscheinlichkeitstheoretischer Sicht und bieten somit eine sinnvolle Alternative zu deterministischen Verfahren. Alle vom Zufall beeinflussten Größen werden hierbei als Zufallsvariablen angesehen. Die gemeinsame Wahrscheinlichkeitsverteilung aller Variablen beschreibt das Zusammenwirken der verschiedenen Einflussgrößen und die zugehörige Unsicherheit/Zufälligkeit. Die Abhängigkeitsstrukturen der Variablen können durch eine grafische Darstellung abgebildet werden. Die Variablen werden dabei als Knoten in einem Graphen/Netzwerk dargestellt und die (Un-)Abhängigkeiten zwischen den Variablen als (fehlende) Verbindungen zwischen diesen Knoten. Die dargestellten Unabhängigkeiten veranschaulichen, wie sich die gemeinsame Wahrscheinlichkeitsverteilung in ein Produkt lokaler, bedingter Wahrscheinlichkeitsverteilungen zerlegen lässt. Im Verlauf dieser Arbeit werden verschiedene Naturgefahren (Erdbeben, Hochwasser und Bergstürze) betrachtet und mit Bayesschen Netzen modelliert. Dazu wird jeweils nach der Netzwerkstruktur gesucht, welche die Abhängigkeiten der Variablen am besten beschreibt. Außerdem werden die Parameter der lokalen, bedingten Wahrscheinlichkeitsverteilungen geschätzt, um das Bayessche Netz und dessen zugehörige gemeinsame Wahrscheinlichkeitsverteilung vollständig zu bestimmen. Die Definition des Bayesschen Netzes kann auf Grundlage von Expertenwissen erfolgen oder - so wie in dieser Arbeit - anhand von Beobachtungsdaten des zu untersuchenden Naturereignisses. Die hier verwendeten Methoden wählen Netzwerkstruktur und Parameter so, dass die daraus resultierende Wahrscheinlichkeitsverteilung den beobachteten Daten eine möglichst große Wahrscheinlichkeit zuspricht. Da dieses Vorgehen keine Expertenwissen voraussetzt, ist es universell in verschiedenen Gebieten der Gefährdungsanalyse einsetzbar. Trotz umfangreicher Forschung zu diesem Thema ist das Bestimmen von Bayesschen Netzen basierend auf Beobachtungsdaten nicht ohne Schwierigkeiten. Typische Herausforderungen stellen die Handhabung stetiger Variablen und unvollständiger Datensätze dar. Beide Probleme werden in dieser Arbeit behandelt. Es werden Lösungsansätze entwickelt und in den Anwendungsbeispielen eingesetzt. Eine Kernfrage ist hierbei die Komplexität des Algorithmus. Besonders wenn sowohl stetige Variablen als auch unvollständige Datensätze in Kombination auftreten, sind effizient arbeitende Verfahren gefragt. Die hierzu in dieser Arbeit entwickelten Methoden ermöglichen die Verarbeitung von großen Datensätze mit stetigen Variablen und unvollständigen Beobachtungen und leisten damit einen wichtigen Beitrag für die wahrscheinlichkeitstheoretische Gefährdungsanalyse.

Der Einsatz von hydrologischen Modellen zur Unterstützung von Planung und Betrieb von Entwässerungssystemen ist als Stand der Technik anzusehen. Realitätsnahe und sichere Modellergebnisse stellen dabei die Grundlage für eine zielgerichtete Entscheidungsfindung dar. Nur durch eine Kalibrierung können Parameter von konzeptionellen Modellen zur Berechnung des Niederschlag-Abfluss-Prozesses an die Randbedingungen des zu simulierenden technischen oder natürlichen Systems angepasst werden. Auch wenn die Kalibrierung eines Modells entscheidend zur Erhöhung der Realitätsnähe beiträgt, kann diese durch unterschiedliche Faktoren beeinflusst werden. Dies ist darauf zurückzuführen, dass bei hydrologischen Modellen nicht ausschließlich deterministische Gleichungen mit physikalisch basierten Parametern eingesetzt werden. Wesentliche Einflussfaktoren auf die Kalibrierung von urbanhydrologischen Modellen sind die gewählte Modellstruktur, die Eingangsdaten, die Kalibrierdaten, die Auswahl von Kalibrierereignissen sowie die eigentliche Kalibriermethodik. Im Rahmen dieser Arbeit wurden die Einflüsse der Kalibrierdaten, der Auswahl von Ereignissen und der Kalibriermethodik auf die Ergebnisse der automatischen Kalibrierung mittels multikriterieller Optimierungsverfahren untersucht.

Der Einsatz von hydrologischen Modellen zur Unterstützung von Planung und Betrieb von Entwässerungssystemen ist als Stand der Technik anzusehen. Realitätsnahe und sichere Modellergebnisse stellen dabei die Grundlage für eine zielgerichtete Entscheidungsfindung dar. Nur durch eine Kalibrierung können Parameter von konzeptionellen Modellen zur Berechnung des Niederschlag-Abfluss-Prozesses an die Randbedingungen des zu simulierenden technischen oder natürlichen Systems angepasst werden. Auch wenn die Kalibrierung eines Modells entscheidend zur Erhöhung der Realitätsnähe beiträgt, kann diese durch unterschiedliche Faktoren beeinflusst werden. Dies ist darauf zurückzuführen, dass bei hydrologischen Modellen nicht ausschließlich deterministische Gleichungen mit physikalisch basierten Parametern eingesetzt werden. Wesentliche Einflussfaktoren auf die Kalibrierung von urbanhydrologischen Modellen sind die gewählte Modellstruktur, die Eingangsdaten, die Kalibrierdaten, die Auswahl von Kalibrierereignissen sowie die eigentliche Kalibriermethodik. Im Rahmen dieser Arbeit wurden die Einflüsse der Kalibrierdaten, der Auswahl von Ereignissen und der Kalibriermethodik auf die Ergebnisse der automatischen Kalibrierung mittels multikriterieller Optimierungsverfahren untersucht.

Die vorliegende Ausgabe beschäftigt sich mit den Herausforderungen der ökologischen Leistungsmessung durch das Instrument der Ökobilanz. Der Fokus wird insbesondere auf Unsicherheiten gelegt. In einer einführenden Betrachtung werden Problemfelder von Ökobilanzstudien erläutert, die in den verschiedenen Phasen der Ökobilanz auftreten. Die weiteren Ausführungen konzentrieren sich auf den Bereich der Unsicherheiten. Nach einer Definition werden die Auswirkungen der Probleme systematisiert und anschließend praktische Möglichkeiten zum Umgang mit diesen erarbeitet. Eine besondere Rolle spielen dabei Datenunsicherheiten, da Ökobilanzstudien als sehr datenintensive Verfahren der Lebenszyklusanalyse bekannt sind. Insgesamt 17 Forschungsfragen, die sich aus den theoretischen Betrachtungen ableiten, wurden anhand einer Literaturstichprobe überprüft. Diese Literaturstichprobe wurde mit dem Verfahren der computergestützten Inhaltsanalyse auf die Forschungsfragen hin untersucht, bei der insgesamt 2.000 Textstellen kodiert worden sind. Bei dieser Analyse werden zunächst allgemeine, definitorische Grundcharakteristika wie die Definition der funktionellen Einheit oder die Angabe des Allokationsverfahrens überprüft. Die tiefergreifende Untersuchung der Studien betrachtet vor allem das generelle Erkennen von Unsicherheiten im Verlauf einer Ökobilanzstudie und den Einsatz von Verfahren, um den Einfluss der Unsicherheiten auf das Ökobilanzergebnis zu verdeutlichen. Dabei stellt sich heraus, dass in weniger als 50 Prozent der Studien eine Aussage kodierbar war, die auf das Erkennen der Unsicherheiten schließen lässt. Dennoch wurden in 37 Prozent der analysierten Studien Verfahren eingesetzt, die in der Lage sind, den Einfluss von Unsicherheiten auf die Ökobilanzergebnisse zu verdeutlichen und somit den Entscheider vor Fehlentscheidungen zu bewahren.

Projektionen der Effekte von Umweltveränderungen auf sozio-ökologische Systeme sind ein fester Bestandteil der Nachhaltigkeitsforschung. Solche Projektionen beruhen auf Modellen und Modellketten. In jedem Modellierungsschritt werden modelspezifische Unsicherheiten bezüglich Parameterwerten, Eingabedaten und Modelstruktur akkumuliert und führen zu einer Kaskade der Unsicherheiten. Ziel dieser Dissertation ist es, die Kaskade der Unsicherheiten der Wirkungen von Umweltveränderungen am Beispiel der Waldökosystemmodellierung zu behandeln. Dies führt zu zwei übergreifenden Forschungsfragen: 1. Wie beeinflussen unterschiedliche Typen von Unsicherheiten die Projektionen der Wirkungen sich verändernder Umweltbedingungen auf Waldökosysteme? 2. Gibt es einen übergeordneten Rahmen für nachhaltiges Ressourcenmanagement in sozio-ökologischen Systemen, in den Unsicherheiten eingebettet werden können? Diese Dissertation zeigt, dass die Produktivität von Wäldern unter Bedingungen des Klimawandels in kühleren und feuchteren Regionen zunehmen und in wärmeren und trockeneren abnehmen kann. Diese Ergebnisse sind qualitativ konsistent über eine Vielzahl von Modellstrukturen, Klimaszenarien und Modelparameter, die jedoch quantitativ zu nennenswerten Unsicherheiten in Projektionen führen. Diese Arbeit zeigt, dass es Methoden gibt, um bestimmte Unsicherheiten einzuschätzen, aber auch, dass viele Klimawirkungsstudien die Wirkung von Veränderungen im Mittelwert von Klimavariablen betrachten und nicht die von Extremwerten. Außerdem zeigt diese Arbeit, dass adaptive, sektorenübergreifende Strategien für ein nachhaltiges Ressourcenmanagement existieren, die mit Unsicherheiten von Klimawirkungen umgehen können und nachhaltige, regionale Entwicklungen fördern. Die Kaskade der Unsicherheiten ist eine zentrale Herausforderung für nachhaltiges Ressourcenmanagement. Eine systematischere Behandlung von Unsicherheiten ermöglicht robuste Projektionen der Wirkungen sich verändernder Umweltbedingungen. / Projecting the effects of environmental change on social-ecological systems is a crucial component of sustainability science. Such projections rely on models and modeling chains. At each modeling step, model-specific uncertainties about parameter values, input data or structure accumulate and lead to a cascade of uncertainty. The aim of this thesis is to explore the cascade of uncertainties in responses to environmental change in a structured way at the example of forest ecosystem modeling. This leads to two overarching research questions: 1. How do different types of uncertainties affect projections of the effects of environmental change on forest ecosystems? 2. What is the general framework of sustainable natural resource management in coupled social-ecological systems in which uncertainties need to be integrated? This thesis shows that forest productivity under climate change may increase in cool and wet regions and decrease in already warm and dry regions. These findings are robust despite large differences in model structure, climate change scenarios and model parameters that induce considerable uncertainty into future projections. It also stresses that there are methods available to assess uncertainties but also that many climate change impact studies have focused on testing the response of plants to changes in mean climate rather than climatic extremes. Finally, this thesis shows that adaptive, cross-sectoral natural resource management strategies exist that accommodate uncertain impacts of environmental and societal change and foster sustainable regional development. I conclude that the cascade of uncertainty challenges sustainable natural resource management and that a more systematic treatment of uncertainties is strongly needed to generate robust projections of the impacts of environmental change. The findings of this thesis provide a general framework in which both modelers and decision-makers can integrate model results and assess their robustness.

Semi-arid areas are, due to their climatic setting, characterized by small water resources. An increasing water demand as a consequence of population growth and economic development as well as a decreasing water availability in the course of possible climate change may aggravate water scarcity in future, which often exists already for present-day conditions in these areas. Understanding the mechanisms and feedbacks of complex natural and human systems, together with the quantitative assessment of future changes in volume, timing and quality of water resources are a prerequisite for the development of sustainable measures of water management to enhance the adaptive capacity of these regions. For this task, dynamic integrated models, containing a hydrological model as one component, are indispensable tools.<br /> The main objective of this study is to develop a hydrological model for the quantification of water availability in view of environmental change over a large geographic domain of semi-arid environments.<br /> The study area is the Federal State of Ceará (150 000 km2) in the semi-arid north-east of Brazil. Mean annual precipitation in this area is 850 mm, falling in a rainy season with duration of about five months. Being mainly characterized by crystalline bedrock and shallow soils, surface water provides the largest part of the water supply. The area has recurrently been affected by droughts which caused serious economic losses and social impacts like migration from the rural regions. <br /> The hydrological model Wasa (Model of Water Availability in Semi-Arid Environments) developed in this study is a deterministic, spatially distributed model being composed of conceptual, process-based approaches. Water availability (river discharge, storage volumes in reservoirs, soil moisture) is determined with daily resolution. Sub-basins, grid cells or administrative units (municipalities) can be chosen as spatial target units. The administrative units enable the coupling of Wasa in the framework of an integrated model which contains modules that do not work on the basis of natural spatial units.<br /> The target units mentioned above are disaggregated in Wasa into smaller modelling units within a new multi-scale, hierarchical approach. The landscape units defined in this scheme capture in particular the effect of structured variability of terrain, soil and vegetation characteristics along toposequences on soil moisture and runoff generation. Lateral hydrological processes at the hillslope scale, as reinfiltration of surface runoff, being of particular importance in semi-arid environments, can thus be represented also within the large-scale model in a simplified form. Depending on the resolution of available data, small-scale variability is not represented explicitly with geographic reference in Wasa, but by the distribution of sub-scale units and by statistical transition frequencies for lateral fluxes between these units.<br /> Further model components of Wasa which respect specific features of semi-arid hydrology are: <br /> (1) A two-layer model for evapotranspiration comprises energy transfer at the soil surface (including soil evaporation), which is of importance in view of the mainly sparse vegetation cover. Additionally, vegetation parameters are differentiated in space and time in dependence on the occurrence of the rainy season. <br /> (2) The infiltration module represents in particular infiltration-excess surface runoff as the dominant runoff component. <br /> (3) For the aggregate description of the water balance of reservoirs that cannot be represented explicitly in the model, a storage approach respecting different reservoirs size classes and their interaction via the river network is applied. <br /> (4) A model for the quantification of water withdrawal by water use in different sectors is coupled to Wasa. <br /> (5) A cascade model for the temporal disaggregation of precipitation time series, adapted to the specific characteristics of tropical convective rainfall, is applied for the generating rainfall time series of higher temporal resolution.<br /> All model parameters of Wasa can be derived from physiographic information of the study area. Thus, model calibration is primarily not required.<br /> Model applications of Wasa for historical time series generally results in a good model performance when comparing the simulation results of river discharge and reservoir storage volumes with observed data for river basins of various sizes. The mean water balance as well as the high interannual and intra-annual variability is reasonably represented by the model. Limitations of the modelling concept are most markedly seen for sub-basins with a runoff component from deep groundwater bodies of which the dynamics cannot be satisfactorily represented without calibration.<br /> Further results of model applications are:<br /> (1) Lateral processes of redistribution of runoff and soil moisture at the hillslope scale, in particular reinfiltration of surface runoff, lead to markedly smaller discharge volumes at the basin scale than the simple sum of runoff of the individual sub-areas. Thus, these processes are to be captured also in large-scale models. The different relevance of these processes for different conditions is demonstrated by a larger percentage decrease of discharge volumes in dry as compared to wet years.<br /> (2) Precipitation characteristics have a major impact on the hydrological response of semi-arid environments. In particular, underestimated rainfall intensities in the rainfall input due to the rough temporal resolution of the model and due to interpolation effects and, consequently, underestimated runoff volumes have to be compensated in the model. A scaling factor in the infiltration module or the use of disaggregated hourly rainfall data show good results in this respect.<br /> The simulation results of Wasa are characterized by large uncertainties. These are, on the one hand, due to uncertainties of the model structure to adequately represent the relevant hydrological processes. On the other hand, they are due to uncertainties of input data and parameters particularly in view of the low data availability. Of major importance is:<br /> (1) The uncertainty of rainfall data with regard to their spatial and temporal pattern has, due to the strong non-linear hydrological response, a large impact on the simulation results.<br /> (2) The uncertainty of soil parameters is in general of larger importance on model uncertainty than uncertainty of vegetation or topographic parameters.<br /> (3) The effect of uncertainty of individual model components or parameters is usually different for years with rainfall volumes being above or below the average, because individual hydrological processes are of different relevance in both cases. Thus, the uncertainty of individual model components or parameters is of different importance for the uncertainty of scenario simulations with increasing or decreasing precipitation trends.<br /> (4) The most important factor of uncertainty for scenarios of water availability in the study area is the uncertainty in the results of global climate models on which the regional climate scenarios are based. Both a marked increase or a decrease in precipitation can be assumed for the given data.<br /> Results of model simulations for climate scenarios until the year 2050 show that a possible future change in precipitation volumes causes a larger percentage change in runoff volumes by a factor of two to three. In the case of a decreasing precipitation trend, the efficiency of new reservoirs for securing water availability tends to decrease in the study area because of the interaction of the large number of reservoirs in retaining the overall decreasing runoff volumes. / Semiaride Gebiete sind auf Grund der klimatischen Bedingungen durch geringe Wasserressourcen gekennzeichnet. Ein zukünftig steigender Wasserbedarf in Folge von Bevölkerungswachstum und ökonomischer Entwicklung sowie eine geringere Wasserverfügbarkeit durch mögliche Klimaänderungen können dort zu einer Verschärfung der vielfach schon heute auftretenden Wasserknappheit führen. Das Verständnis der Mechanismen und Wechselwirkungen des komplexen Systems von Mensch und Umwelt sowie die quantitative Bestimmung zukünftiger Veränderungen in der Menge, der zeitlichen Verteilung und der Qualität von Wasserressourcen sind eine grundlegende Voraussetzung für die Entwicklung von nachhaltigen Maßnahmen des Wassermanagements mit dem Ziel einer höheren Anpassungsfähigkeit dieser Regionen gegenüber künftigen Änderungen. Hierzu sind dynamische integrierte Modelle unerlässlich, die als eine Komponente ein hydrologisches Modell beinhalten. <br /> Vorrangiges Ziel dieser Arbeit ist daher die Erstellung eines hydrologischen Modells zur großräumigen Bestimmung der Wasserverfügbarkeit unter sich ändernden Umweltbedingungen in semiariden Gebieten.<br /> Als Untersuchungsraum dient der im semiariden tropischen Nordosten Brasiliens gelegene Bundestaat Ceará (150 000 km2). Die mittleren Jahresniederschläge in diesem Gebiet liegen bei 850 mm innerhalb einer etwa fünfmonatigen Regenzeit. Mit vorwiegend kristallinem Grundgebirge und geringmächtigen Böden stellt Oberflächenwasser den größten Teil der Wasserversorgung bereit. Die Region war wiederholt von Dürren betroffen, die zu schweren ökonomischen Schäden und sozialen Folgen wie Migration aus den ländlichen Gebieten geführt haben. <br /> Das hier entwickelte hydrologische Modell Wasa (Model of Water Availability in Semi-Arid Environments) ist ein deterministisches, flächendifferenziertes Modell, das aus konzeptionellen, prozess-basierten Ansätzen aufgebaut ist. Die Wasserverfügbarkeit (Abfluss im Gewässernetz, Speicherung in Stauseen, Bodenfeuchte) wird mit täglicher Auflösung bestimmt. Als räumliche Zieleinheiten können Teileinzugsgebiete, Rasterzellen oder administrative Einheiten (Gemeinden) gewählt werden. Letztere ermöglichen die Kopplung des Modells im Rahmen der integrierten Modellierung mit Modulen, die nicht auf der Basis natürlicher Raumeinheiten arbeiten.<br /> Im Rahmen eines neuen skalenübergreifenden, hierarchischen Ansatzes werden in Wasa die genannten Zieleinheiten in kleinere räumliche Modellierungseinheiten unterteilt. Die ausgewiesenen Landschaftseinheiten erfassen insbesondere die strukturierte Variabilität von Gelände-, Boden- und Vegetationseigenschaften entlang von Toposequenzen in ihrem Einfluss auf Bodenfeuchte und Abflussbildung. Laterale hydrologische Prozesse auf kleiner Skala, wie die für semiaride Bedingungen bedeutsame Wiederversickerung von Oberflächenabfluss, können somit auch in der erforderlichen großskaligen Modellanwendung vereinfacht wiedergegeben werden. In Abhängigkeit von der Auflösung der verfügbaren Daten wird in Wasa die kleinskalige Variabilität nicht räumlich explizit sondern über die Verteilung von Flächenanteilen subskaliger Einheiten und über statistische Übergangshäufigkeiten für laterale Flüsse zwischen den Einheiten berücksichtigt.<br /> Weitere Modellkomponenten von Wasa, die spezifische Bedingungen semiarider Gebiete berücksichtigen, sind: <br /> (1) Ein Zwei-Schichten-Modell zur Bestimmung der Evapotranspiration berücksichtigt auch den Energieumsatz an der Bodenoberfläche (inklusive Bodenverdunstung), der in Anbetracht der meist lichten Vegetationsbedeckung von Bedeutung ist. Die Vegetationsparameter werden zudem flächen- und zeitdifferenziert in Abhängigkeit vom Auftreten der Regenzeit modifiziert. <br /> (2) Das Infiltrationsmodul bildet insbesondere Oberflächenabfluss durch Infiltrationsüberschuss als dominierender Abflusskomponente ab. <br /> (3) Zur aggregierten Beschreibung der Wasserbilanz von im Modell nicht einzeln erfassbaren Stauseen wird ein Speichermodell unter Berücksichtigung verschiedener Größenklassen und ihrer Interaktion über das Gewässernetz eingesetzt. <br /> (4) Ein Modell zur Bestimmung der Entnahme durch Wassernutzung in verschiedenen Sektoren ist an Wasa gekoppelt. <br /> (5) Ein Kaskadenmodell zur zeitlichen Disaggregierung von Niederschlagszeitreihen, das in dieser Arbeit speziell für tropische konvektive Niederschlagseigenschaften angepasst wird, wird zur Erzeugung höher aufgelöster Niederschlagsdaten verwendet.<br /> Alle Modellparameter von Wasa können von physiographischen Gebietsinformationen abgeleitet werden, sodass eine Modellkalibrierung primär nicht erforderlich ist. <br /> Die Modellanwendung von Wasa für historische Zeitreihen ergibt im Allgemeinen eine gute Übereinstimmung der Simulationsergebnisse für Abfluss und Stauseespeichervolumen mit Beobachtungsdaten in unterschiedlich großen Einzugsgebieten. Die mittlere Wasserbilanz sowie die hohe monatliche und jährliche Variabilität wird vom Modell angemessen wiedergegeben. Die Grenzen der Anwendbarkeit des Modell-konzepts zeigen sich am deutlichsten in Teilgebieten mit Abflusskomponenten aus tieferen Grundwasserleitern, deren Dynamik ohne Kalibrierung nicht zufriedenstellend abgebildet werden kann.<br /> Die Modellanwendungen zeigen weiterhin:<br /> (1) Laterale Prozesse der Umverteilung von Bodenfeuchte und Abfluss auf der Hangskala, vor allem die Wiederversickerung von Oberflächenabfluss, führen auf der Skala von Einzugsgebieten zu deutlich kleineren Abflussvolumen als die einfache Summe der Abflüsse der Teilflächen. Diese Prozesse sollten daher auch in großskaligen Modellen abgebildet werden. Die unterschiedliche Ausprägung dieser Prozesse für unterschiedliche Bedingungen zeigt sich an Hand einer prozentual größeren Verringerung der Abflussvolumen in trockenen im Vergleich zu feuchten Jahren.<br /> (2) Die Niederschlagseigenschaften haben einen sehr großen Einfluss auf die hydrologische Reaktion in semiariden Gebieten. Insbesondere die durch die grobe zeitliche Auflösung des Modells und durch Interpolationseffekte unterschätzten Niederschlagsintensitäten in den Eingangsdaten und die daraus folgende Unterschätzung von Abflussvolumen müssen im Modell kompensiert werden. Ein Skalierungsfaktor in der Infiltrationsroutine oder die Verwendung disaggregierter stündlicher Niederschlagsdaten zeigen hier gute Ergebnisse.<br /> Die Simulationsergebnisse mit Wasa sind insgesamt durch große Unsicherheiten gekennzeichnet. Diese sind einerseits in Unsicherheiten der Modellstruktur zur adäquaten Beschreibung der relevanten hydrologischen Prozesse begründet, andererseits in Daten- und Parametersunsicherheiten in Anbetracht der geringen Datenverfügbarkeit. Von besonderer Bedeutung ist: <br /> (1) Die Unsicherheit der Niederschlagsdaten in ihrem räumlichen Muster und ihrer zeitlichen Struktur hat wegen der stark nicht-linearen hydrologischen Reaktion einen großen Einfluss auf die Simulationsergebnisse.<br /> (2) Die Unsicherheit von Bodenparametern hat im Vergleich zu Vegetationsparametern und topographischen Parametern im Allgemeinen einen größeren Einfluss auf die Modellunsicherheit.<br /> (3) Der Effekt der Unsicherheit einzelner Modellkomponenten und -parameter ist für Jahre mit unter- oder überdurchschnittlichen Niederschlagsvolumen zumeist unterschiedlich, da einzelne hydrologische Prozesse dann jeweils unterschiedlich relevant sind. Die Unsicherheit einzelner Modellkomponenten- und parameter hat somit eine unterschiedliche Bedeutung für die Unsicherheit von Szenarienrechnungen mit steigenden oder fallenden Niederschlagstrends.<br /> (4) Der bedeutendste Unsicherheitsfaktor für Szenarien der Wasserverfügbarkeit für die Untersuchungsregion ist die Unsicherheit der den regionalen Klimaszenarien zu Grunde liegenden Ergebnisse globaler Klimamodelle. Eine deutliche Zunahme oder Abnahme der Niederschläge bis 2050 kann gemäß den hier vorliegenden Daten für das Untersuchungsgebiet gleichermaßen angenommen werden.<br /> Modellsimulationen für Klimaszenarien bis zum Jahr 2050 ergeben, dass eine mögliche zukünftige Veränderung der Niederschlagsmengen zu einer prozentual zwei- bis dreifach größeren Veränderung der Abflussvolumen führt. Im Falle eines Trends von abnehmenden Niederschlagsmengen besteht in der Untersuchungsregion die Tendenz, dass auf Grund der gegenseitigen Beeinflussung der großen Zahl von Stauseen beim Rückhalt der tendenziell abnehmenden Abflussvolumen die Effizienz von neugebauten Stauseen zur Sicherung der Wasserverfügbarkeit zunehmend geringer wird.

Die vorliegende Ausgabe beschäftigt sich mit den Herausforderungen der ökologischen Leistungsmessung durch das Instrument der Ökobilanz. Der Fokus wird insbesondere auf Unsicherheiten gelegt. In einer einführenden Betrachtung werden Problemfelder von Ökobilanzstudien erläutert, die in den verschiedenen Phasen der Ökobilanz auftreten. Die weiteren Ausführungen konzentrieren sich auf den Bereich der Unsicherheiten. Nach einer Definition werden die Auswirkungen der Probleme systematisiert und anschließend praktische Möglichkeiten zum Umgang mit diesen erarbeitet. Eine besondere Rolle spielen dabei Datenunsicherheiten, da Ökobilanzstudien als sehr datenintensive Verfahren der Lebenszyklusanalyse bekannt sind. Insgesamt 17 Forschungsfragen, die sich aus den theoretischen Betrachtungen ableiten, wurden anhand einer Literaturstichprobe überprüft. Diese Literaturstichprobe wurde mit dem Verfahren der computergestützten Inhaltsanalyse auf die Forschungsfragen hin untersucht, bei der insgesamt 2.000 Textstellen kodiert worden sind. Bei dieser Analyse werden zunächst allgemeine, definitorische Grundcharakteristika wie die Definition der funktionellen Einheit oder die Angabe des Allokationsverfahrens überprüft. Die tiefergreifende Untersuchung der Studien betrachtet vor allem das generelle Erkennen von Unsicherheiten im Verlauf einer Ökobilanzstudie und den Einsatz von Verfahren, um den Einfluss der Unsicherheiten auf das Ökobilanzergebnis zu verdeutlichen. Dabei stellt sich heraus, dass in weniger als 50 Prozent der Studien eine Aussage kodierbar war, die auf das Erkennen der Unsicherheiten schließen lässt. Dennoch wurden in 37 Prozent der analysierten Studien Verfahren eingesetzt, die in der Lage sind, den Einfluss von Unsicherheiten auf die Ökobilanzergebnisse zu verdeutlichen und somit den Entscheider vor Fehlentscheidungen zu bewahren.

Die Arbeit liefert ein umfassendes Verständnis der (1) Auswirkungen auf Landnutzung und Treibhausgas (THG)-emissionen im Zusammenhang mit der deutschen Milchproduktion im Zeitraum von 2000 bis 2015 und bis 2030, (2) Unsicherheiten hinsichtlich der Bewertung der THG-emissionen der Milchproduktion und (3) Bewertung der Anwendbarkeit des zugrundeliegenden Modells für andere Länder als Deutschland. Landnutzung stellt die Anbaufläche von Futter für bestimmte Milchleistungen dar. Die Arbeit konzentrierte sich auf die Landnutzungsänderung zwischen Grün- und Ackerland durch Änderung der Milchkuhrationen. Ein Ökobilanz-Modell wurde entwickelt, um die Auswirkungen der Entwicklung der deutschen Milchproduktion und -leistung (typische Rationen unter deutschen Bedingungen) bis 2030 für drei Weidesysteme (ohne Weide, Halbtags- und Ganztagsweide) zu simulieren. THG-emissionen wurden für die gesamte Produktionskette berechnet, beginnend mit dem Pflanzenbau. Eingangsdaten für Ökobilanz-Studien von Lebensmitteln werden von Variabilität und Unsicherheiten beeinflusst. Ein systematischer Ansatz (Kombination aus lokaler und globaler Sensitivitätsanalyse) wurde verwendet, um wesentliche Eingangsparameter für die Bewertung der THG-emissionen der Milchproduktion zu identifizieren. Zu diesem Zweck wurden drei Rationen, welche die Weidesysteme im Jahr 2030 repräsentieren, ausgewählt. Die lokale Sensitivitätsanalyse diente der Identifikation der einflussreichsten Parameter, die globale der Identifikation der wichtigsten Parameter. Die USA dienen der Prüfung der Anwendbarkeit des Modells für andere Länder. Produktionssystem, verfügbare Daten und IPCC Tier-Methoden werden mit dem deutschen System und zugehörigen Daten verglichen. Diese Arbeit liefert wichtige Erkenntnisse zur künftigen Intensivierung der Milchproduktion sowie zu Klimaschutzpotenzialen in Abhängigkeit der Fütterungsstrategie. Darüber hinaus trägt sie zur Verringerung der Unsicherheiten künftiger Studien zur Milchproduktion bei. / This thesis provides an comprehensive understanding of: (1) impacts on land use and greenhouse gas (GHG) emissions related to the German milk production in the period from 2000 to 2015 and further until 2030, (2) uncertainties with regard to the assessment of GHG emissions of milk production and (3) evaluation of applicability of the underlying life cycle assessment (LCA) model for countries other than Germany. Land use represents the acreage needed to provide sufficient feed for certain milk yields. This research focusses on land use change between grassland and cropland as an effect of changing dairy cow diets. A LCA model, which reflects typical dairy cow diets under German conditions, was developed to simulate the impact of the German development of milk production and yield until 2030 for three grazing systems (zero-, restricted and unrestricted grazing). GHG emissions have been calculated for the whole production chain, beginning with crops cultivation. Input parameter of LCA studies of food products are affected by variability and uncertainty. A systematic approach (combining local and global sensitivity analysis) was used to identify essential input parameters for the assessment of GHG emissions of milk production. Three diets representing the grazing systems in the year 2030 were selected for this purpose. Local sensitivity analysis was used to identify the most influential parameters, global sensitivity analysis was used to identify the parameters which are most important. The United States of America are taken as example to verify the applicability of the LCA model for other countries. Production system, available data, and IPCC tier methods were compared with the German system and data. This thesis provides important insights on future intensification of milk production along with climate change mitigation potentials depending on the feeding strategy. Moreover, it contributes to the reduction of uncertainties of future LCA studies of milk production.