API src

Found 372 results.

Similar terms

s/racm/RCM/gi

Other language confidence: 0.7151012354097777

Klimawandel und Wärmebelastung der Zukunft 2008

Die Beurteilung thermisch belastender Situationen kann anhand unterschiedlicher Bewertungskriterien vorgenommen werden. “Die häufigste Anwendung findet die Behaglichkeitsgleichung nach Fanger (1972) sowie die daraus berechnete Gefühlte Temperatur GT, über die der thermische Wirkungskomplex bestimmt wird” (VDI 2008). Ein darauf aufbauendes Modellverfahren ist das für praktische Anwendungen in der Stadtplanung beim Deutschen Wetterdienst DWD entwickelte Stadtbioklimamodell UBIKLIM (Urbanes BIoKLIma Modell, welches in Berlin bereits 1996 zur Bewertung der thermischen Situation eines typischen Sommertages zum Einsatz kam (vgl. SenSUT 1998). Die methodisch-fachliche Besonderheit dieser Arbeit bestand darin, eine Projektion des Bioklimas für Zeiträume des Klimawandels, also die nächsten 30- 70 Jahre zu entwickeln. Da dafür bisher keine standardisierten und normierten Verfahren existieren, sind die Ergebnisse, die hiermit bezüglich der Anwendung von UBIKLIM im Rahmen von Klimaprojektionen vorgelegt werden, als Vorstellungen der künftigen Klimaentwicklung zu bewerten. Auf Basis der Klimaprojektionen können Klimaänderungsszenarien entworfen werden, die mögliche plausible Klimaentwicklungen der Zukunft repräsentieren. Sie sind jedoch nicht als exakte Vorhersagen oder gar als Wetterprognosen zu verstehen ( UBA ). Eingangsgrößen und Ablaufverfahren bei UBIKLIM Als Eingangsgrößen benötigt UBIKLIM neben einem hoch aufgelösten Höhenmodell geeignete Flächennutzungsinformationen. Dazu wird das Untersuchungsgebiet in eine endliche Anzahl von Arealen mit gleicher oder ähnlicher Nutzung unterteilt. Bebautes Gebiet wird weiter unterteilt und durch Versiegelungsgrad, überbauten Flächenanteil, Gebäudehöhe, Zahl der Gebäude pro Fläche und Durchgrünung eindeutig charakterisiert. Anhand dieser Eingangsdaten berechnet UBIKLIM in mehreren Schritten – vorrangig durch Anwendung des 1-dimensionalen Stadtklimamodells MUKLIMO_1 – für einen windschwachen, wolkenlosen Sommertag die meteorologischen Größen in 1 m Höhe über Grund für das gesamte Untersuchungsgebiet und analysiert sie anschließend pixelweise mit dem Klima-Michel-Modell (vgl. das Flussdiagramm in Abbildung 5). Die Auflösung der resultierenden Bioklimakarte beträgt 10 bis 25 Meter. UBIKLIM ermöglicht die lokalen Unterschiede im Bioklima zu erfassen. Eine Beziehung zum regionalen Klima und damit absolute Aussagen liefern diese Ergebnisse allerdings nicht. Erweiterung von UBIKLIM zum Kombinierten Stadtbioklimamodell Bioklimakarten mit Bezug zum regionalen Bioklima und lokaler Differenzierung können erzeugt werden, indem die UBIKLIM-Ergebnisse mit von der Flächennutzung unabhängiger regionaler Bioklimainformation, die im Folgenden auch als Hintergrundbelastung bezeichnet wird, verknüpft werden. Dazu wird das Stadtbioklimamodell zum ‚Kombinierten Stadtbioklimamodell’ erweitert. Dieses besteht aus UBIKLIM, der bioklimatisch aufbereiteten Hintergrundinformation und einer statistischen Modellgleichung, mit der die Zusammenführung der unterschiedlichen Scales realisiert wird. Um repräsentativ für eine weite Umgebung zu sein, werden die Wetterdaten an synoptischen Stationen laut Vorgaben der WMO (World Meteorological Organization) weitgehend von der Landnutzung unbeeinflusst erhoben. Sie eignen sich damit zur Gewinnung der gesuchten Hintergrundinformation. Ausgenommen davon sind einzelne Stationen, die von der Vorgabe deutlich abweichen. Bei ihnen charakterisieren die Messdaten das Klima in der unmittelbaren Stationsumgebung wie beispielsweise Berlin-Alexanderplatz die “Stadtmitte”. Beschrieben wird die Hintergrundinformation mit der Zahl der Tage mit Wärmebelastung als 30-jähriger Jahresmittelwert. Ein Tag mit Wärmebelastung wird definiert als ein Tag, an dem tagsüber zwischen 9 und 15 UTC die Gefühlte Temperatur mindestens an drei Stundenterminen 32°C und damit starke Wärmebelastung erreicht oder überschritten hat. Diese Definition wurde gewählt, weil man dadurch angenähert die Tage erfasst, die als warnwürdig erachtet werden, also eine hohe thermophysiologische Relevanz besitzen. Um den Zusammenhang zwischen den thermischen Bedingungen an einem sommerlichen Strahlungstag einerseits und den mittleren klimatischen Bedingungen andererseits zu ermitteln, wurden für den Zeitraum 1971 – 2000 den Wetterdaten der synoptischen Stationen in Deutschland verschiedene Nutzungen/ Stadtstrukturen aufgeprägt. Das bedeutet, dass alle Messwerte für Temperatur, Feuchte, Wind sowie die aus der Bewölkung abgeleiteten Strahlung nutzungs-spezifisch modifiziert wurden. Die Modifikationsparameter wurden aus MUKLIMO_1-Simulationen für die unterschiedlichen Stadtstrukturen bestimmt. Alle Daten wurden anschließend mit dem Klima-Michel-Modell analysiert und auf Wärmebelastungstage hin untersucht. Aus dem dabei gewonnenen Datensatz ließ sich folgende Regressionsgleichung ableiten: WB = (r 1 *WB frei + r 2 *dGT + r 3 WB frei *dGT + r 4 *nn + r 5 br + r 6 *lä + r konst ) Gl. (1) WB Tage mit Wärmebelastung an einem beliebigen Ort der Stadt WB frei Hintergrundbelastung dGT Gefühlte Temperatur an einem beliebigen Ort der Stadt minus Gefühlte Temperatur über Freifläche außerhalb der Stadt (gemäß UBIKLIM) nn Höhe über NN br geograph. Breite lä geograph. Länge r i Regressionskoeffizienten Da sich die UBIKLIM-Ergebnisse auf Strahlungstage beziehen, müssen zur Kopplung mit dem regionalen Bioklima auch die Wärmebelastungstage berücksichtigt werden, die keine Strahlungstage sind. Damit besteht die resultierende Gleichung sowohl aus einer Regressionsbeziehung als auch aus einer Gewichtungsfunktion. Ein Strahlungstag wird definiert über die Mittelwerte aus den 6, 12 und 18 UTC-Terminwerten für die Bewölkung (N) und die Windgeschwindigkeit in 10 m über Grund (v). An einem Strahlungstag ist N < = 4 Achtel und v < = 3 m/s. Die Kopplung der lokalen mit der regionalen Bioklimainformation wird durch folgenden Ansatz realisiert: WB = (r 1 *WB frei + r 2 *dGT + r3WBfrei *dGT + geo) * strant + WB frei * (1 – strant) Gl. (2) geo f(geograph. Breite und Länge sowie Höhe) = konstant für Berlin strant prozentualer Anteil von Strahlungstagen an den aufgetretenen Wärmbelastungstagen Anwendung des Stadtbioklimamodells UBIKLIM Unter Verwendung der Flächennutzungsdaten von Berlin und seinem Umland (vgl. Verwendung von Landnutzungsdaten) berechnet UBIKLIM die Verteilung der Gefühlten Temperatur, wie sie sich typischerweise am Nachmittag an einem windschwachen wolkenlosen Sommertag ausprägt (vgl. Abbildung 8). Der Vergleich mit Messdaten konnte auf die Beobachtungswerte der Stationen an den Flughäfen Schönefeld (10385), Tegel (10382) und auf dem ehemaligen Fluggelände Tempelhof (10384) sowie die Stadtstationen Dahlem (10381) und Alexanderplatz (10389) zurückgreifen. Es wurden aus dem Zeitraum 1990 – 2000 zwölf sommerliche Strahlungstage herausgefiltert. Diese vergleichsweise geringe Zahl ist im Wesentlichen der Station Alexanderplatz geschuldet, da hier nur wenige vollständige Datensätze zur Berechnung der Gefühlten Temperatur zur Verfügung standen. Während Temperatur, Feuchte und Bewölkung, die zur Parametrisierung der Strahlung dient, direkt in die Berechnung der Gefühlten Temperatur eingingen, wurde die Windgeschwindigkeit gemäß dem im Routinemodell des DWD zur Berechnung der Gefühlten Temperatur verwendeten logarithmischen Ansatz auf eine Höhe von 1 m heruntergerechnet. Entsprechend den Beschreibungen zu den Stationsumgebungen (DWD 2008) wurden dabei unterschiedliche Rauigkeitslängen angenommen. In Tabelle 4 wurden die Gefühlten Temperaturen aus dem Modell den Mittelwerten aus den 12 Strahlungstagen an den ausgewählten Wetterstationen im Stadtgebiet gegenübergestellt. Es wird deutlich, dass die Differenzen zwischen den Stadtstrukturen recht gut wiedergegeben werden. So zeigen sowohl die Messungen als auch die Modellrechnungen, dass an den drei Flughäfen ähnliche thermische Bedingungen herrschen. An den beiden Stadtstationen liegen die Gefühlten Temperaturen um 2,5 bis 3,5 °C höher, im Modell sind es ungefähr 4 °C, d. h. bei den Stadtstationen bildet sich deren jeweilige Lage im Stadtzentrum (Alexanderplatz) bzw. in begrünter Einzelhausbebauung am Innenstadtrand (Dahlem) gut ab. Dieser Vergleich sollte allerdings nicht überbewertet werden, da hier Punktwerte (Stationsdaten) Flächenmittelwerten (Modelldaten) gegenübergestellt werden. Da sich entsprechend der Modellphilosophie eine pixelgenaue Interpretation verbietet, wurden die Modelltemperaturen repräsentativ für den ungefähren Bereich der Station abgegriffen. Da ferner die Daten der Wetterstationen als repräsentativ für die Umgebung erachtet werden und außerdem ein Mittel aus mehreren Tagen gebildet wurde, wird der Vergleich dennoch als durchaus sinnvoll erachtet. In einem nächsten Schritt wurde die Beziehung zu den regionalen Klimaverhältnissen hergestellt, dies war notwendig, um UBIKLIM mit den für die Zukunftsprojektionen vorliegenden Daten der regionalen Klimamodelle REMO und WettReg zu verknüpfen. Anwendung des Kombinierten Stadtbioklimamodells UBIKLIM Für das Kombinierte Stadtbioklimamodell werden neben den UBIKLIM-Eingabeparametern zusätzlich ein Wert für die Hintergrundbelastung und einer für den Anteil an Strahlungstagen benötigt. Im Fall von Berlin können diese aus den Daten der Wetterstation Berlin-Schönefeld ermittelt werden. Der Jahresmittelwert liegt für den Zeitraum 1971 – 2000 bei 9,9 Wärmebelastungstagen, Strahlungstage haben daran einen Anteil von 47 %., die geographischen Daten zusammengefasst als die Größe “geo” (vgl. Gleichung 2) werden aufgrund der relativ geringen Ausdehnung konstant gesetzt. Die Karte 04.12.1 zeigt als Ergebnis der Modellanwendung die Verteilung der Tage mit Wärmebelastung für den Bezugszeitraum 1971 – 2000. Sie liefert absolute Aussagen, diese lassen sich mit auf die gleiche Weise erstellten Auswertungen, z. B. anderer Städte oder auch einfach nur mit der Hintergrundbelastung eines beliebigen Gebietes vergleichen. Analog zur vergleichenden Darstellung der Gefühlten Temperaturen in Tabelle 4 werden in Tabelle 5 die Stationsauswertungen in Bezug auf die Häufigkeit der Tage mit Wärmebelastung den Modellwerten gegenübergestellt. Leider reichten die Messdaten für die Station Alexanderplatz bei weitem nicht aus, um ein 30-jähriges Mittel zu bestimmen oder auch nur abzuschätzen. Die Stations- und Modellwerte zeigen eine gute Übereinstimmung. Alle drei Flughafen-Stationen besitzen etwa das gleiche Belastungslevel, im Bereich der Stadt-Station Dahlem werden dagegen sieben Wärmebelastungstage/Jahr mehr erwartet. Projektion des Bioklimas auf Zeiträume des Klimawandels “Globale Klimamodelle” entstanden aus den Wettervorhersagemodellen und werden seit etwa 1940 betrieben, um zu einer Vorstellung der künftigen Klimaentwicklung zu gelangen. Dabei wird ein Spektrum an Szenarien bereitgestellt, deren Ausprägung jeweils durch die im Vorfeld angenommenen künftigen Rahmenbedingungen insbesondere bezüglich der Emission von Treibhausgasen und Aerosolen in Abhängigkeit der sozioökonomischen und technologischen Entwicklung bestimmt wird. Die Szenarien-Betrachtung weist implizit auf die große Unschärfe der Klimaprojektionen hin, die nicht vergessen werden sollte, auch wenn wie im Folgenden nur das Szenario A1B der SRES-Emissionsszenarien des IPCC betrachtet wird. Globale Klimamodelle besitzen nur eine geringe Auflösung, die sich aber durch eine Regionalisierung deutlich erhöhen lässt. Dabei kommen sowohl statistische als auch dynamische Verfahren in Betracht. Bei den hier beschriebenen Untersuchungen wurde mit den Resultaten des dynamischen Regionalmodells REMO (Jacob 2005) und des statistischen Regionalmodells WettReg (Kreienkamp und Enke, 2006) gearbeitet, beide angetrieben von Simulationen des globalen Klimamodells ECHAM5-MPI-OM des Max-Planck-Instituts für Meteorologie (Roeckner et al., 2006). Erst das Downscaling regionaler Klimaprojektionen ermöglicht die kombinierte Berücksichtigung der durch den globalen Klimawandel zu erwartenden Änderungen gemeinsam mit den durch die städtischen Nutzungen hervorgerufenen Einflüssen. Mit dem Kombinierten Stadtbioklimamodell können beide Einflussfaktoren berücksichtigt werden, wobei die Hintergrundbelastung durch das globale beziehungsweise das daraus abgeleitete regionale Klima definiert wird. Zur Ermittlung der künftigen Hintergrundbelastung wurden die Resultate regionaler Klimamodelle herangezogen; ausgewertet wurden REMO- und WettReg-Daten für den Kontrollzeitraum 1971 – 2000 und die Projektionszeiträume 2021 – 2050 sowie 2071 – 2100. Weiterhin können zusätzliche detaillierte Hinweise zur Einbindung der beiden Projektionsmodelle sowie zur Anwendung statistischer Verfahren, um eine adäquate Auswertung in Bezug auf die Wärmebelastung durchführen zu können, unter Methode / ergänzende Hinweise eingesehen werden. Erfassung der Hintergrundbelastung Die Hintergrundbelastung aus den REMO-Daten wurde anhand eines 3 × 3 Gitterpunkte umfassenden, weitgehend von der Nutzung unbeeinflussten Gebietes im Südwesten Berlins ermittelt (Deutschländer et al., 2009). Es standen an jedem Gitterpunkt Zeitreihen aller physiologisch relevanten meteorologischen Größen für die gewünschten Zeiträume zur Verfügung. Die Auswertung in Bezug auf Tage mit Wärmebelastung erfolgte für die drei Zeiträume pixelweise mit anschließender Bildung des Flächenmittels. Analog wurde der Anteil an Strahlungstagen bestimmt. WettReg generiert seine Ergebnisse stationsbezogen. Im vorliegenden Fall wurden die Daten der Stationen Schönefeld und Lindenberg zunächst getrennt in Bezug auf die Zahl der Tage mit Wärmebelastung bzw. den Anteil an Strahlungstagen ausgewertet. Das arithmetische Mittel der Werte beider Stationen steht dann für die den Berliner Raum charakterisierende Hintergrundbelastung. Die WettReg-Stationen Müncheberg und Zehdenick, die prinzipiell auch als weitere Stützpunkte für die Untersuchungen in Frage gekommen wären, wurden zur Auswertung nicht herangezogen, da die Durchführung der im Folgenden beschriebenen Biaskorrekturen aufgrund sehr lückenhafter Mess- und Beobachtungsdaten nicht möglich gewesen wäre. Im Gegensatz zu REMO liefert WettReg immer nur einen Wert pro Tag. Um eine adäquate Auswertung in Bezug auf die Wärmebelastung durchführen zu können, wurden mit Hilfe statistischer Verfahren, die speziell mit den Messdaten der Stationen Schönefeld bzw. Lindenberg abgeglichen wurden, Tagesgänge und damit Stundenwerte für die zur Berechnung der Gefühlten Temperatur benötigten Größen erzeugt. Verwendet wurden Temperaturmaximum, Temperaturminimum, Tagesmittel von Lufttemperatur, Windgeschwindigkeit, Feuchte und Bewölkung. Damit wird man sicher nicht jeden Tag realitätsnah darstellen können. Auch in Bezug auf die Berechnung der Gefühlten Temperatur ist diese Vorgehensweise kritisch zu bewerten, da diese aufgrund der zum Teil gegenläufigen Wirkweise der einzelnen Wetterparameter prinzipiell eine zeitgleiche Zuordnung benötigt. Dadurch aber, dass ein Tag mit Wärmebelastung nicht an einem einzelnen Termin festgemacht wird, sondern über drei Termine tagsüber definiert wird (vgl. Methode), sowie durch die Betrachtung eines längeren Zeitraums, ergibt sich ein durchaus realistisches Bild. Die Auswertung für den Zeitraum 1971 – 2000 der Mess-, REMO- und WettReg-Daten (vgl. Tabelle 6) zeigt, dass Wärmebelastungstage bei REMO leicht unter-, bei WettREG aber überschätzt werden. Die Abweichungen bezüglich des Strahlungstageanteils sind deutlich stärker. Anwendung statistischer Verfahren / Biaskorrektur Die Abweichung des Modellwertes vom Erwartungswert aus den Messungen wird als Modell-Bias bezeichnet. Durch Biaskorrekturen lassen sich die Modellergebnisse verbessern. Dazu werden für die Schwellenwerte (Gefühlte Temperatur, Windgeschwindigkeit, Bewölkung) aus der Häufigkeitsverteilung der Messdaten von Schönefeld und Lindenberg die jeweiligen Perzentile bestimmt. Anschließend werden umgekehrt die in der Häufigkeitsverteilung der Modelldaten bei diesen Perzentilen liegenden Werte als neue Schwellenwerte definiert (Deutschländer et al., 2009). Der Bias verringert sich für die Tage mit Wärmebelastung bei WettReg und für den Strahlungstageanteil bei beiden Modellen deutlich (vgl. Tabelle 7). Die Auswertung der künftigen Zeiträume 2021 – 2050 und 2071 – 2100 wurde ebenfalls mit den für den Kontrollzeitraum bestimmten Biaskorrekturen durchgeführt. Tabelle 8 zeigt die Ergebnisse. Bis Mitte des Jahrhunderts kommt es bei beiden Modellen etwa zu einer 50%-igen Zunahme der Tage mit Wärmebelastung. Gleichzeitig nimmt auch der Anteil an Strahlungstagen zu, bei REMO um 5%, bei WettREG um 6%. Bis Ende des Jahrhunderts werden sich die thermischen Belastungssituationen im ungestörten Umland noch mal nahezu verdoppeln, während sich der Anteil an Strahlungstagen nicht mehr bedeutend verändert. Anwendung statistischer Verfahren / Konfidenzmethode Um besser einschätzen zu können, wie gut die Modell- die Messdaten wiedergeben, wurden für den Zeitraum 1971 – 2000 anhand der jährlich ermittelten Tage mit Wärmebelastung die Konfidenzintervalle für das 90%-Signifikanzniveau berechnet (vgl. Abbildung 6). In den Bereichen zwischen den beiden dünnen Querstrichen wird mit 90-%iger Wahrscheinlichkeit der Wert für die Hintergrundbelastung zu finden sein. Die Abweichungen der drei Konfidenzintervalle (Messdaten und Modellergebnisse) sind gering, woraus sich folgern lässt, dass die Hintergrundbelastung aus den Modellen, die an der Station beobachtete Hintergrundbelastung gut widerspiegelt. In Abbildung 7 sind zusätzlich die 90%-Konfidenzintervalle der Projektionszeiträume dargestellt. Die des Projektionszeitraums 2021 – 2050 überlappen sich nur geringfügig mit denen des Kontrollzeitraums. Daraus lässt sich eine leichte, aber signifikante Erhöhung der Anzahl an Wärmebelastungstagen bis zur Mitte dieses Jahrhunderts folgern. Für 2071 – 2100 zeigt sich die Zunahme der Tage mit Wärmebelastung noch deutlich stärker.

Dynamik, Variabilität und bioklimatische Effekte von niedrigen Wolken im westlichen Zentralafrika

Niedrige Wolken sind Schlüsselbestandteile vieler Klimazonen, aber in numerischen Modellen oft nicht gut dargestellt und schwer zu beobachten. Kürzlich wurde gezeigt, dass sich während der Haupttrockensaison im Juni und September im westlichen Zentralafrika eine ausgedehnte niedrige Wolkenbedeckung (engl. „low cloud cover“, LCC) entwickelt. Eine derart wolkige Haupttrockenzeit ist in den feuchten Tropen einzigartig und erklärt wahrscheinlich die dichtesten immergrünen Wälder in der Region. Da paläoklimatische Studien auf eine Instabilität hinweisen, kann jede Verringerung des LCC aufgrund des Klimawandels einen Kipppunkt für die Waldbedeckung darstellen. Daher besteht ein dringender Bedarf, das Auftreten, die Variabilität und die bioklimatischen Auswirkungen des LCC in westlichen Zentralafrika besser zu verstehen.Um diese Ziele zu erreichen, wurde ein Konsortium aus französischen, deutschen und gabunischen Partnern aufgebaut, zu dem Meteorologen, Klimatologen und Experten für Fernerkundung und Waldökologie gehören. Die meteorologischen Prozesse, welche die Bildung und Auflösung der LCC im Tagesgang steuern, werden anhand von zwei Ozean-Land-Transekten auf der Grundlage einer synergistischen Analyse von historischen In-situ Beobachtungen, von Daten einer Feldkampagne und anhand von atmosphärischen Modellsimulationen untersucht. Die Ergebnisse werden mit einem kürzlich entwickelten konzeptionellen Modell für LCC im südlichen Westafrika verglichen.Die intrasaisonale bis interannuale Variabilität des LCC wird durch die Analyse von In-Situ-Langzeitdaten und Satellitenschätzungen quantifiziert. Unterschiede im Jahresgang des LCC (d.h. jahreszeitlicher Beginn und Rückzug, wolkenarme Tage) und die Ausdehnung ins Inland werden dokumentiert. Ansätze, die auf Wettertypen und äquatorialen Wellen basieren, werden verwendet, um intrasaisonale Variationen des LCC zu verstehen. Die Auswirkungen lokaler und regionaler Meeresoberflächentemperaturen auf die LCC-Entwicklung und ihre Jahr-zu-Jahr Variabilität werden bewertet, wobei statistische Analysen und spezielle Sensitivitätsversuche mit einem regionalen Klimamodell verknüpft werden.Schließlich wird der Einfluss von LCC auf die Licht- und Wasserverfügbarkeit bzw. die Waldfunktion anhand von In-Situ-Messungen untersucht. Die Ergebnisse werden mit Messungen aus der nördlichen Republik Kongo, wo die Trockenzeit sonnig ist, sowie mit einem einfachen Wasserhaushaltsmodells, das an die Region angepasst ist, verglichen. Die Wasserhaushaltsanalysen sollen die Kompensations- oder Verstärkungseffekte von Regen im Vergleich zur potenziellen Evapotranspiration, beide moduliert durch die LCC, auf das Wasserdefizit aufzeigen.Die Ergebnisse von DYVALOCCA werden zum ersten konzeptionellen Modell für Wolkenbildung und -auflösung im westlichen Zentralafrika führen und eine Hilfestellung für die Bewertung von Klimawandel-Simulationen mit Blick auf potentielle Kipppunkte für die immergrünen Regenwälder in der Region geben.

Aktualisierung der Datenbasis für die Anpassung an den Klimawandel in Deutschland, Teilprojekt 4: Auswahl der optimalen ICON-CLM-Konfigurationen (Hereon)

Zuckerrübe der Zukunft: Modell- und datenbasierte Ertragsszenarien für eine klimaangepasste Selektion in der Züchtung, Teilprojekt A

Das Projekt soll untersuchen, welche Ertragsszenarien aus der gegenwärtigen Bandbreite an Klimaszenarien folgen und welche pflanzenzüchterischen Anpassungsmaßnahmen, beispielsweise eine angepasste Standortwahl oder die Integration von indirekten Selektionsmerkmalen, geeignet sind, negativen Entwicklungen entgegenzuwirken. Dies dient direkt der Entscheidungsfindung in der Zuckerrübenzüchtung, um hier besser auf zukünftige Klimaänderungen reagieren zu können. Methodisch wird dabei auf einer bisher kaum eingesetzten Kombination von Phänotypisierungstechnik im Feldversuch, modellgestützter Analyse und Interpretation der Phänotypisierungsdaten sowie Szenarienrechnungen unter Einbeziehung von relevanten Klimaszenarien gesetzt. State-of-the-art Ensembles regionaler Klimamodelle werden zur Evaluierung der Effekte des Klimawandels eingesetzt. Der räumliche Fokus des Projektes liegt auf den für Deutschland relevanten Anbau- und Zuchtgebieten in Mitteleuropa. Es wird ausschließlich der heutige und zukünftige mit dem Klimawandel assoziierte abiotische Stress betrachtet.

ACTRIS-D National Facilities, Phase 1, Teilprojekt 8 (BUW-NF): Implementierung der BUW National Facility

Continuous current observations near DynaCom experimental islands in the back-barrier tidal flat, Spiekeroog, Germany, 2019-11 to 2023-09

Data presented here were collected between November 2019 to September 2023 within the research unit DynaCom (Spatial community ecology in highly dynamic landscapes: From island biogeography to metaecosystems, https://uol.de/dynacom/ ) involving the Universities of Oldenburg, Göttingen, and Münster, the iDiv Leipzig and the Nationalpark Niedersächsisches Wattenmeer. Experimental islands and saltmarsh enclosed plots were established in the back-barrier tidal flat and in the saltmarsh zone of the island of Spiekeroog (Germany). A recording current meter (RCM; SEAGUARD® Recording Current Meter, Aanderaa Data Instruments AS, Bergen/Norway) was installed in the back-barrier tidal flat near the experimental islands. The sensor was bottom-mounted in a shallow tidal creek (0.59 m NHN) using a steel girder buried in the sediment, which caused the sensor to be exposed during low tide. All low-tide data have been removed from the dataset. The system was equipped with a ZPulse Doppler Current Sensor (DCS), a conductivity sensor, an oxygen optode, and two analogue sensors for chlorophyll-a and turbidity (16445). All sensors were pre-calibrated by the manufacturer. Recorded data were internally logged until readout with the SeaGuard Studio software (V1.5.23). Salinity was derived in the SeaGuard Studio software using temperature-dependent, nonlinear seawater conductivity compensation following the Practical Salinity Scale (PSS-78). Subsequent data processing was done using MATLAB (R2024b). Turbidity and chlorophyll-a data were excluded from the final dataset, as the recorded signals show implausible values and did not pass quality-control criteria. Post-processing and quality control included (a) the removal of low tide data, data covering maintenance activities, and data affected by biofouling, (b) the removal of implausible values, c) an outlier detection using the Hampel filter method, and (d) visual checks. Identified outlier were removed and synchronously removed across all associated parameters of the respective sensor.

Regionales Raumordnungsprogramm 2006 (Landkreis Leer)

Daten zum Regionalen Raumordnungsprogramm (RROP) aus dem Jahr 2006 für den Landkreis Leer. Das Regionale Raumordnungsprogramm enthält Grundsätze und Ziele zur angestrebten räumlichen und strukturellen Entwicklung des Landkreises Leer. Diese Ziele wurden unter Beteiligung und in Abstimmung mit den Trägern öffentlicher Belange sowie zahlreicher weiterer regionaler Akteure erstellt.

Der Einfluss des Klimawandels auf die Lage der Brackwasserzone

Der Klimawandel ist ein globales Phänomen. Erhöhte Treibhausgaskonzentrationen in der Atmosphäre führen zu globalen Veränderungen des Klimas. Auf lokaler Ebene können Betroffenheiten entstehen. Es ist eine besondere Herausforderung, ausgehend von globalen Klimaveränderungen auf lokale Folgen, z. B. für die Wasserstraßen, zu schließen. In KLIWAS1 wird mit Hilfe einer Kette von Modellen das Klimaänderungssignal Schritt für Schritt auf kleinere räumliche Skalen übertragen. Am Anfang stehen verschiedene Emissionsszenarien die mögliche Zukünfte beschreiben. Ausgehend von diesen Emissionsszenarien wird der Klimawandel über globale Klimamodelle, regionale Klimamodelle und Abflussmodelle bis hin zu den Wirkmodellen bis zur lokalen Ebene der Wasserstraße transferiert. Kein Modell in dieser Kette repräsentiert die Natur perfekt. Die Ergebnisse jedes Modells basieren auf Annahmen und sind mit Unsicherheiten behaftet. Im Verlauf der Modellkette summieren sich die Unsicherheiten auf. Am Ende der Modellkette ist die Bandbreite der möglichen Folgen eines Klimawandels auf lokaler Ebene sehr groß. Für die deutschen Küstengebiete der Nord- und Ostsee einschließlich der Ästuare ist es aufgrund dieser Unsicherheiten schwierig, konkrete Aussagen zu den lokalen Auswirkungen und möglichen Betroffenheiten zu machen. Eine Möglichkeit mit diesen Unsicherheiten umzugehen sind Sensitivitätsstudien. Die wichtigsten physikalischen Parameter im Ästuar sind Wasserstand, Strömungsgeschwindigkeit, Salzgehalt, Temperatur und Schwebstoffgehalt. Wie sich diese Parameter in einem Ästuar entwickeln, ist abhängig von den Randbedingungen. Die Randbedingungen werden durch die Haupteinflussfaktoren Meeresspiegel in der Nordsee, Abfluss, Wind und Topographie bestimmt, die sich direkt oder indirekt durch die Folgen eines Klimawandels verändern können. Für die Sensitivitätsstudien werden die genannten Haupteinflussfaktoren, die die Randbedingungen dieser Studien bilden, einzeln und in Kombination variiert. Auf diese Weise können Aussagen darüber getroffen werden, wie sich im Ästuar Wasserstand, Strömung, Salzgehalt und Schwebstoffe an die veränderten Randbedingungen (Folgen des Klimawandels) anpassen. Dadurch ist es möglich, festzustellen, unter welchen Bedingungen ein Schwellenwert überschritten wird, der eine Betroffenheit auslöst. Gleichzeitig tragen diese Szenarien zum Prozessverständnis des physikalischen Systems Ästuar bei. Sensitivitätsstudien liefern klare Wenn-Dann-Aussagen. Für eine zeitliche Zuordnung können die Ergebnisse der Sensitivitätsstudien über die jeweils verwendeten Haupteinflussfaktoren mit den aktuellen Klimaszenarien in Beziehung gesetzt werden. (Text gekürzt)

Schwerpunktprogramm (SPP) 1889: Regional Sea Level Change and Society (SeaLevel), Basales Schmelzen im Grönlandischen Eisschelf und die Auswirkungen auf Meeresspiegelschwankungen

Basales Schmelzen der Eisschelfe Grönlands (GrIS) ist einer der Hauptquellen für den GrIS Masseverlust und für den Meeresspiegelanstieg. Darüber hinaus ist das beschleunigte Abschmelzen in den letzten 20 Jahren auch durch den Einstrom von wärmerem Wasser in die Fjorde verursacht. Die basalen Abschmelzraten sind jedoch unsicher und offene Fragen bestehen bezüglich der relevanten Prozesse in den Fjorden, und wie viel und wie das Schmelzwasser aus den Fjorden in den Randstrom und weiter in den offenen Ozean gelangt. Diese Unsicherheiten können in Klimamodellen zu Fehlern in der zukünftigen Rolle des Schmelzwassers für die Zirkulation und Wassermassen Verteilung und somit zu Fehlern in der Projektion des regionalen Meeresspiegels führen. Bis jetzt gibt es nicht genügend geeignete Messungen, um Schmelzwasser im Inneren des Ozeans zu quantifizieren und die Pfade zu identifizieren. Wir beantragen hier die Messung von Helium und Neon Verteilungen um zu verfolgen wo und wie viel Schmelzwasser aus GrIS in den Randstrom und ins Ozeaninnere gelangt. Dazu wird eine Prozessstudie am 79N Gletscher durchgeführt sowie Messungen im Randstrom und im Inneren der Labradorsee. Die Ziele sind: (i) Abschätzung der basalen Schmelzwasseranteile im Nah und Fernfeld des 79N Gletschers, und der Menge an Schmelzwasser, die in den Randstrom befördert wird, (ii) Berechnung der Anteile an Schmelzwasser, die aus dem Randstrom in die Labradorsee gelangen, einer der Schlüsselregionen für die Atlantische Meridionale Umwälzbewegung, Abschätzung der Zunahme seit Anfang 2000, (iii) Auswertung von hochauflösenden Modellläufen die mit basalen Schmelzwasserquellen versehen wurden, um die Verteilung des Schmelzwassers und die beteiligten Prozesse zu analysieren und um (iv) die Auswirkungen der zunehmenden Schmelzraten auf die Entwicklung des regionalen Meeresspiegels im subpolaren Nordatlantik abzuschätzen.

Risiken und Resilienz hydrologischer Extreme in städtisch-ländlichen Gebieten im südlichen Afrika - Co-Produktion von Wasser- und Klimadienstleistungen für ein angepasstes und nachhaltiges Risikomanagement, Teilprojekt 2

1 2 3 4 5 … 36 37 38