Return to search

The cascade of uncertainty in modeling forest ecosystem responses to environmental change and the challenge of sustainable resource management

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.

Identiferoai:union.ndltd.org:HUMBOLT/oai:edoc.hu-berlin.de:18452/17401
Date30 May 2013
CreatorsReyer, Christopher
ContributorsLucht, Wolfgang, Haase, Dagmar, Mohren, G.M.J. (Frits)
PublisherHumboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät II
Source SetsHumboldt University of Berlin
LanguageEnglish
Detected LanguageGerman
TypedoctoralThesis, doc-type:doctoralThesis
Formatapplication/pdf
RightsNamensnennung - Keine kommerzielle Nutzung - Keine Bearbeitung, http://creativecommons.org/licenses/by-nc-nd/3.0/de/

Page generated in 0.0031 seconds