Atmosphärische Modelle verwenden eine Schnittstelle zwischen dem Landoberflächenmodell und der Parametrisierung der Flüsse in der atmosphärischen Grenzschicht (ABL). Über eine Parameterisierung der Prandtlschicht (engl. surface layer scheme) werden Impuls-, Wärme- und Feuchtigkeitsflüsse zwischen der Oberfläche und der untersten atmosphärischen Modellschicht ausgetauscht. Bei diesem Ansatz wird eine „Blending Height“ eingeführt, bei der die Oberflächenflüsse über einer heterogenen Landoberfläche als homogen auf der Gitterskala betrachtet werden. In dieser Höhe, die innerhalb der untersten atmosphärischen Modellschicht angenommen wird, findet der Übergang zur ABL-Parametrisierung statt. Bei konvektionserlaubenden (CP) Modellsimulationen (Gitterskala < 3 km) über heterogener Vegetation können die unteren Modellschichten jedoch unterhalb der „Blending Height“ liegen, was zu Fehlern in den simulierten Flüssen führt. Eine große Herausforderung bei der atmosphärischen Modellierung ist die Parametrisierung der Schnittstelle zwischen heterogener dynamischer Vegetation und ABL unter instabilen, stabilen und neutralen Bedingungen mit Advektion aus verschiedenen Windrichtungen. Dementsprechend sind unsere Ziele die Identifizierung der „Blending Height“ in Abhängigkeit von der Heterogenität und dem Zustand der Vegetation sowie von den atmosphärischen Randbedingungen und die Quantifizierung des Einflusses der Vegetationsheterogenität auf die Energieflüsse in der „Blending Height“. Die Ergebnisse werden verwendet, um repräsentative, skalenabhängige Flüsse auf dieser Ebene für Land-Atmosphären (L-A) Rückkopplungsstudien und Turbulenzparametrisierungen abzuleiten. WRF-NoahMP-Gecros-Modellsimulationen von der CP- bis zur Large-Eddy-Skala werden mit Beobachtungen an den LAFO- und MOL-RAO-Standorten verglichen, um die „Blending Height“ und die effektiven Rauhigkeitsparameter der Vegetation für CP-Simulationen in Abhängigkeit von den atmosphärischen Rahmenbedingungen zu ermitteln. Die Simulationen werden über die Cross Cutting Working Group (CCWG)-MME in das Multi Model Experiment (MME) eingebettet. Die Auswirkungen der Heterogenität auf die Stärke der L-A-Rückkopplung werden untersucht und das Verständnis der Austauschprozesse zwischen Oberfläche und Atmosphäre sowie innerhalb der ABL verbessert. Die Synergie dieser Modellergebnisse und 3D-Beobachtungsdaten wird genutzt, um die skalenabhängigen Auswirkungen der dynamischen Vegetationsheterogenität auf die Energieflüsse in der „Blending Height“ zu untersuchen. Dieses Projekt befasst sich mit den LAFI-Hauptzielen 2, 3, 4, S und E. Es ist an der CCWG-MME und der CCWG-DL beteiligt. Die Simulationen werden in Zusammenarbeit mit den Projekten P6, P8 und P9 durchgeführt. P2 liefert den Blattflächenindex und den Anteil der Vegetationsdecke für die Initialisierung des Modells. Die LAFI-Beobachtungen von P1-P5 werden für die Modellevaluation verwendet.
Ziel ist es ein Netzwerk meteorologischer Stationen in der Atacama zu etablieren. Diese Arbeit wird aktiv von unseren Partnern in Chile unterstützt. Gegenwärtig gibt es nur vereinzelt meteorologische Stationen am Küstenstreifen und fast keine im Kern der Atacama Wüste. Ein weiteres Ziel ist die bodengestützten Observationen mit Fernerkundungsdaten zu vereinen. Beide Datensätze werden als Test für die Zuverlässigkeit von Klimamodellen dienen, die das heutige Klima beschreiben. Auf Basis dieser Tests werden Klimamodelle für das Klima in der Vergangenheit entwickelt. Letztere würden mit Klimaproxydaten anderer Teilprojekte verifiziert werden.
Die Gesundheitsfolgen des Klimawandels sind bisher aufgrund ihrer Komplexität unzureichend erforscht. So beeinflusst der Klimawandel die menschliche Gesundheit auf verschiedenen, oft indirekten Wegen: Typische Wirkungspfade in Sub-Sahara Afrika sind verringerte landwirtschaftliche Erträge mit Auswirkungen auf Ernährung, Hitzestress und hydro-klimatische Extreme und deren Auswirkungen auf die Malariaprävalenz. Es reicht also nicht, nur direkte Klimavariablen als erklärende Größen zu verwenden. Dieses Teilprojekt liefert deshalb neben raum-zeitlich hoch aufgelösten Klimagrößen auch bio-physikalische Klimafolgenindikatoren wie hydro-klimatischer Extreme (Dürren und Hochwasser) und landwirtschaftliche Ertragsdynamiken zur Beschreibung von Gesundheitsfolgen. Die Übersetzung historisch beobachteter Klimadaten und hochaufgelöster Klimaprojektionen in relevante Klimafolgenindikatoren (landwirtschaftliche Erträge, Wasserverfügbarkeit, Überflutungsflächen, etc.) erfolgt über ein regionales Klimafolgenmodell, das hydrologische und Vegetationsprozesse sowie landwirtschaftliches Management und Produktion integriert. Die Daten stehen dann als erklärende Variablen zur Ableitung der Klimawirkungsfunktionen aus Gesundheitsdaten zur Verfügung, wo entsprechende Beobachtungsdaten fehlen. Einmal definiert, werden die Wirkungsfunktionen verbunden mit den Klima- und biophysikalischen Klimafolgensimulationen genutzt, um i) Gesundheitsprojektionen für die Zukunft zu erstellen und dabei nichtlineare Wirkungen des Klimawandels über bio-physikalische Indikatoren zu berücksichtigen, ii) mögliche Anpassungsoptionen zu bewerten und iii) die Gesundheitsfolgen für die Zielländer über räumlich aufgelöste Prädiktoren hochzuskalieren und für die sozio-ökonomische Folgenuntersuchung bereit zu stellen. In den ersten 3 Jahren lag der Schwerpunkt auf technischen Aspekten und methodischen Arbeiten in Bezug auf das Klima-Downscaling und die Modellierung der biophysikalischen Eingangsdaten für die Gesundheitsreaktionsfunktionen. Mit den neuen 1 km-Klimadaten sind wir sogar über das ursprünglich geplante Ziel der räumlichen Detaillierung hinausgegangen, was folglich eine höhere Auflösung der biophysikalischen Wirkungsdaten für die Wirkungsreaktionsfunktionen ermöglichte. Damit ist ein klarer Fahrplan für die in der nächsten Projektphase geplanten Studien vorgegeben, welche zum Ziel haben, den Teilprojekten die von ihnen benötigten Klimafolgendaten zur Verfügung zu stellen und sie bei der mathematischen Modellierung zu unterstützen: i) Zusammenstellung und Prüfung der 1 km-Klimadaten für Burkina Faso und Kenia ii) 1 km kontrafaktische Klimadaten zur Zuordnung von Gesundheitsauswirkungen iii) Simulation und Test von hochauflösenden biophysikalischen Daten für Burkina Faso und Kenia unter Szenariobedingungen iv) Zusammen mit den Projektpartnern Formulierung von Adaptation-Response-Functions v) Bereitstellung von biophysikalischem und gesundheitsbezogenem Input für ökonomische Modellierung
Abschmelzende Gletscher liefern einen von drei Hauptbeiträgen zum globalen Meeresspiegelanstieg, zusammen mit der Wärmeausdehnung des Meereswassers und den Massenverlusten der Eisschilde in Grönland und der Antarktis. Im 20. Jahrhundert waren sie sehr wahrscheinlich die Hauptursache des Meeresspiegelanstiegs. In den kommenden Jahrhunderten wird der Massenverlust von Grönland und der Antarktis signifikant steigen, während der Gletscherbeitrag durch ihre relativ geringe Größe begrenzt wird. Dieser Anteil wird im 21. Jahrhundert jedoch beträchtlich und über die nächsten mindestens 300 Jahre nicht unbedeutend bleiben. Ein anthropogener Beitrag zur Gletscherschmelze ist in der zweiten Hälfte des 20. Jahrhunderts eindeutig feststellbar, und in den vergangenen Jahrzehnten sind anthropogene zu den Hauptursachen der Gletscherschmelze geworden. Die Reaktion der Gletscher auf Treibhausgasemissionen hängt jedoch von der zeitlichen Abfolge der Emissionen ab. Das zentrale Ziel des beantragten Projekts ist es, die Zuordnung von Verantwortlichkeiten für durch Gletscher verursachte, regionale Meeresspiegeländerungen zu spezifischen Emissionspfaden der Vergangenheit zu ermöglichen. Im Einzelnen werden wir- die Klimasensitivität der globalen Gletschermasse unter Berücksichtigung ihrer Abhängigkeit vom Grundzustand des Klimasystems quantifizieren;- die räumliche Verteilung dieser Sensitivität berechnen, wobei zwischen verschiedenen Strahlungsantriebsmechanismen unterschieden wird (d. h. CO2 und andere langlebige Treibhausgase, Aerosole und Landnutzungsänderung);- regionale Meeresspiegeländerungen ermitteln, die durch die Reaktion der Gletscher auf den Strahlungsantrieb des Klimasystems verursacht werden, wieder mit Unterscheidung verschiedener Mechanismen;- die Informationen über regionale Meeresspiegelmuster mit bestimmten realen, historischen Emissionspfaden (z. B. denen individueller Länder) verbinden, um Verantwortlichkeiten für durch Geltscher verursachte regionale Meeresspiegeländerungen Verursachern zuzuordnen;- die zeitliche Entwicklung von durch Gletscher verursachter Meeresspiegeländerungen ermitteln, die von einem bestimmten Emissionspfad verursacht wurden;- den Ansatz validieren durch Anwendung des globalen Gesamtstrahlungsantriebs, um entsprechende globale Gletschermassenverluste zu rekonstruieren, sowie durch Vergleiche mit Beobachtungsdaten von Gletschern. Mithilfe dieser Schritte wird es uns beispielsweise möglich, Fragen wie die folgenden zu beantworten:- Wie gestaltet sich die Verantwortlichkeit Deutschlands - angesichts seines historischen Emissionspfades - für durch Gletscher verursachte Meeresspiegeländerungen in Indonesien?- Wie viel dieser Meeresspiegeländerungen ist bereits erfolgt, und wie war der zeitliche Ablauf?- Wie viel Meeresspiegeländerung wird in Zukunft erfolgen, und wie wird zeitliche Ablauf sein?- Was sind die Unsicherheiten bei dieser Zuordnung von Verantwortlichkeit?
Ein wesentlicher Aspekt dieses Projektes ist es, eine verbesserte Darstellung von Bodenkrusten (biotisch uns abiotisch) in Modellen für äolische Erosion und Transportprozesse zu entwickeln. Ziel ist es, die langfristige Wechselwirkung zwischen äolischen, biologischen und Bodenbildungs-Prozessen, beeinflusst von atmosphärischen Parametern wie z.B. Luftfeuchtigkeit, in der Atacama Wüste zu untersuchen. Es besteht ein starker Bezug zu biologischen, boden- und materialkundlichen Teilprojekten des SFB.
Ziel dieses Projektes ist ein verbessertes Verständnis der Prozesse, welche die Vorhersagbarkeit von Niederschlag auf Zeitskalen von Tagen bis Wochen in der Westafrikanischen Monsunregion erhöhen oder reduzieren. Innovative Aspekte und besondere Herausforderungen im Projekt liegen in der Identifikation von geeigneten Metriken zur Definition von rein tropischen, rein extratropischen sowie gemischten Wetterregimen über Westafrika in der Vor-, Haupt- und Nachmonsunzeit sowie in der Anwendung von Nachbearbeitungsverfahren von Ensemblevorhersagen in tropischen anstatt mittleren Breiten.
Die Charakterisierung der Land-Atmosphäre (L-A)-Rückkopplung erfordert detaillierte Untersuchungen des Bodens, der Landbedeckung und der Atmosphäre bis hin zur unteren freien Troposphäre. Fast alle aktuellen Observatorien und Beobachtungsnetzwerke konzentrieren sich nur auf Teilkomponenten des L-A-Systems. Ziel des Projekts P1 der Forschungsgruppe Land-Atmosphäre Feedback Initiative (LAFI) ist es, am Land-Atmosphäre Feedback Observatorium (LAFO) der Universität Hohenheim ein umfassendes Feldprogramm auf heterogenem Agrarland zu realisieren, das diese Beobachtungslücken schließt. Dieses wird durch die Messungen von Profilen der Schlüsselvariablen in allen drei Kompartimenten und die Charakterisierung ihrer horizontalen Strukturen in einer heterogenen Landschaft ermöglicht. Darüber hinaus werden wir einen 20-Jahres-Datensatz analysieren, der am MOL-RAO des DWD gesammelt wurde und die wichtigsten L-A-Systemvariablen für die Ableitung statistischer Metriken, Oberflächenflüsse und die Schließung des Energiehaushalts mit besonderem Schwerpunkt auf Hitzewellen und Dürren abdeckt. Am LAFO werden wir über mindestens eine Vegetationsperiode (Frühling-Herbst 2025) eine General Operations Period (GOP) in Kombination mit fünf Intensiven Observations Periods (IOPS) durchführen, um L-A-Feedbackprozesse zu charakterisieren. Neben etablierten Messtechniken wie Flusskammern und Eddy-Kovarianz-Systemen sowie Doppler-Lidar-Systemen werden wir neue Techniken einsetzen. Dazu gehören Isotopensensoren zur Unterscheidung zwischen Verdunstung und Transpiration, faseroptische Sensoren im Boden, in der Vegetation und in der Prandtl-Schicht für Temperatur- und Windmessungen, die Messung von Profilen der Strahlung, der Temperatur und Luftfeuchtigkeit in der Vegetation sowie unbemannte Luftfahrzeuge zur Kartierung von Landoberflächeneigenschaften und hochauflösende scannende Raman- und Differentialabsorptions-Lidarsysteme zusammen mit Doppler-Lidar-Systemen zur Ableitung dreidimensionaler turbulenter Eigenschaften der Oberflächenschicht und der atmosphärischen Grenzschicht mit besonderem Schwerpunkt auf Entrainment. P1 ist für alle anderen Projekte von unmittelbarer Bedeutung und dient als Schwerpunkt von LAFI. P2-P6 und P11 werden zur Sensorsynergie beitragen und die Daten unter verschiedenen wissenschaftlichen Aspekten analysieren. P7-P9 modellieren die gesamte GOP und verwenden die P1-Daten für Vergleiche von Feedback-Metriken und Prozessdarstellungen sowie für die Modellevaluation. P10 wird die P1-Daten mithilfe von Deep-Learning-Methoden analysieren. Die in P1 durchgeführten Messungen liefern die wesentliche Grundlage, um alle sechs Forschungsziele zu erreichen und alle Hypothesen von LAFI zu überprüfen. Ebenso stützen sich alle bereichsübergreifenden Arbeitsgruppen auf die Beobachtungen von P1. Durch das Design und die Durchführung der LAFI GOP und IOPs erwarten wir neue Erkenntnisse über L-A-Rückkopplungen und -Prozesse in Agrarlandschaften.
Die Erforschung der Land-Atmosphären-Rückkopplung für heterogene Landoberflächen benötigt die Erfassung biophysikalisch bedeutsamer Wärme- und Impulsbilanzen nahe der Unterlage, die das Projekt motivieren. Dieser Energie- und Massenaustausch ist eine essenzielle Komponente in der Prozesskette der Rückkopplungen. Trotz beachtlicher Fortschritte im Verständnis und Quantifizierung der Auswirkungen einfacher Heterogenitätssprünge bei orthogonaler und paralleler Anströmung besteht eine Wissenslücke für die am häufigsten auftretenden Queranströmungen. Weder der Prozess selbst, noch die Auswirkungen der Queranströmung auf den turbulenten Transport sind momentan verstanden oder quantifiziert. Das Zentralziel ist, diese Queranströmungen zu detektieren und ein konzeptionelles Verständnis durch Messungen über den landwirtschaftlichen LAFO-Flächen zu erlangen. Die Zentralhypothese ist, dass Queranströmung zu einer Zone systematisch erhöhten turbulenten Austausches innerhalb einer Übergangsgrenzschicht führt, in der die Land-Oberflächen-Rückkopplung verstärkt ist. Die Forschung wird durch 4 Unterhypothesen und -ziele geleitet. Mithilfe der hochauflösenden (Sekunden und Dezimeter) Fiber-Optic Distributed Sensing (FODS) Technik erfolgen räumlich kontinuierliche Messungen der Lufttemperatur in der Bodenschicht und im Pflanzenbestand, sowie der turbulenten Windgeschwindigkeit und Turbulenter Kinetischer Energie über Hunderte Meter hinweg. FODS misst ebenfalls (10er-Sekunden, Dezimeter) Bodentemperaturen und -feuchtigkeit nahe der Oberfläche, sowie die solare Lichtverteilung kombiniert mit Netzwerken klassischer Punktsensoren über der Winterweizen- und Maisparzelle von LAFO. Unter der Leitung von P5 baut das LAFI-Team die FODS-Glasfaserharfen auf und P1 betreibt sie. Das wissenschaftliche Programm besteht aus 4 eng verzahnten Arbeitspaketen (WP): WP1 führt eine Post-field Kalibration mithilfe unserer eigens entwickelten Kalibriersoftware durch. WP2 erforscht die in den Raum-Zeit-Daten enthaltenen Strukturen und Flüsse abhängig vom Anströmwinkel. Ergänzt durch die verbesserte Energiebilanz (P6), die fernerkundlichen Daten zur Landoberfläche (P2) und Verdunstung (P4) wird die Zentralhypothese überprüft. Die Lidarmessungen aus P1 schaffen einzigartige Beobachtungssynergien. In WP3 werden die Erkenntnisse u.a. mit der Hilfe von Deep Learning zu einem konzeptionellem Gesamtrahmen zusammengefügt. Für die zweite Phase sehen wir Erweiterungen hin zu anderen Landoberflächenheterogenitäten, der Kohlenstoffbilanz und messtechnische Weiterentwicklungen des FODS vor. Dieses Projekt befasst sich mit den zentralen LAFI-Zielen O1 bis O3, OS und OE im Falle eines klimatischen Extremums. Zusätzlich zu den oben genannten projektübergreifenden Kooperationen stehen wir im engen Austausch mit P11 wegen der Licht- und Temperaturvertikalprofile.
Forschungs- und Service-Aktivitäten umfassen (i) Weiterentwicklung der TR32-Projektdatenbank (TR32DB) und (ii) Analyse von räumlichen Daten. Kontinuierliche Datenmanagementaktivitäten sind Wartung, Schnittstellenentwicklung, Nutzer-Funktionalitäten und Web-Mapping-Dienste, Bereitstellung von TR32DB-DOIs, sowie Training und Support der TR32-Mitglieder. Eine nahezu wartungsfreie Version der TR32DB, die 'TR32DB-Box', wird entwickelt und umgesetzt. Es erfolgen (Geo-) Datenerfassung, -beschaffung, -bereitstellung und dazugehörige Lizenzverwaltung. Räumliche Datenanalysen werden durchgeführt, um qualitativ hochwertige Landnutzungsdaten zu erzeugen.
Eine ensemblebasierte Multiskalenanalyse der Dynamik und Vorhersagbarkeit von Medicanes wird durchgeführt und mit Fällen tropischer Umwandlung von subtropischen Zyklonen im Nordatlantik verglichen. Die Analyse reicht von vorhergehende Rossbywellen bis zu Antriebsmechanismen für Konvektion auf der Mesoskala. Visualisierungsmethoden helfen dabei, die komplexen Wechselwirkungen zwischen verschiedenen Prozessen und das damit verbundene Anwachsen der Vorhersageunsicherheit zu beleuchten. Die Auswertung von Ensembledaten erlaubt die Untersuchung von konsistenten Entwicklungen der relativ seltenen Medicanes.
| Organisation | Count |
|---|---|
| Bund | 71 |
| Kommune | 1 |
| Wissenschaft | 68 |
| Type | Count |
|---|---|
| Förderprogramm | 71 |
| License | Count |
|---|---|
| Offen | 71 |
| Language | Count |
|---|---|
| Deutsch | 70 |
| Englisch | 65 |
| Resource type | Count |
|---|---|
| Keine | 29 |
| Webseite | 42 |
| Topic | Count |
|---|---|
| Boden | 44 |
| Lebewesen und Lebensräume | 56 |
| Luft | 63 |
| Mensch und Umwelt | 71 |
| Wasser | 45 |
| Weitere | 71 |