Die Atmosphäre und die Vegetation der Erdoberfläche beeinflussen sich gegenseitig durch bidirektionale Austauschprozesse. Modelle zur Wetter- und Klimavorhersage basieren auf einem mechanistischen Verständnis dieser Interaktionen. Die Vorhersagen und die grundlegenden Theorien funktionieren allerdings nur im Falle einer gut durchmischten (turbulenten) atmosphärischen Grenzschicht. Wenn jedoch stabile atmosphärische Bedingungen vorherrschen, wie typischerweise nachts der Fall, dann sind die bisherigen Theorien nicht ausreichend, um zuverlässige Vorhersagen zu treffen. Um oberflächennahe turbulente Austauschprozesse während stabiler atmosphärischer Schichtung mechanistisch zu verstehen und neue Theorien zu entwickeln, sind zunächst neuartige Mess- und Analyse-Methoden notwendig. Ziel dieses Projekts ist die Beobachtung und Charakterisierung von oberflächennahen Prozessen in der stabilen atmosphärischen Grenzschicht durch eine neuartige Kombination von Mess- und Analysemethoden. Mit einem hochauflösenden in-situ Messkubus (20x20x5m), der sich innerhalb eines größeren mittels Fernerkundung überwachten Raumes (500x500x1000m) befindet, können Bewegung und Strukturen von Temperatur gleichzeitig in Raum und Zeit erfasst werden. Dieser skalenübergreifende Ansatz erlaubt es, nicht-periodische, nicht gut gemischte und räumlich heterogene Bewegungen der Luft nahe der Erdoberfläche zu erfassen. Die gewonnenen Daten werden mittels neuester stochastischer Auswerteverfahren analysiert, um die (nicht-)turbulenten Bedingungen und deren Durchmischung zu charakterisieren. Der wissenschaftliche Gewinn des Projektes liegt in einem wegweisenden innovativen Ansatz, um Modelle in den Bereichen Strömungsmechanik und Erd-System Wissenschaften zu validieren, und so zu einem verbesserten Verständnis unseres Lebensraums, der Schnittstelle zwischen Land und Atmosphäre, zu führen.
Obwohl bisher schon viele Fortschritte im allgemeinen Verständnis von Mischungs- und Strahlungsprozessen in Stratocumulus (Sc) gemacht wurden, verursachen wolkenbedingte Rückkopplungseffekte von Sc Wolken erhebliche Unsicherheiten in Klimaprojektionen. Diese Probleme werden teilweise verursacht durch eine unrealistische Beschreibung der feinskaligen Mischungsprozesse, die hauptsächlich am Oberrand der Wolken stattfinden. Die Strahlungs-Abkühlung am Wolkenoberrand ist eng mit dynamischen und turbulenten Wolkenprozessen verbunden. Abkühlung am Oberrand der Wolken verursacht ein Absinken. Diese Vertikalbewegungen bedingen Turbulenz wodurch trockene und warme Umgebungsluft in die Wolke eingemischt wird, wodurch sich die damit verbundene Verdunstungsabkühlung erhöht. Zur Untersuchung dieser Vorgänge schlagen wir folgende wesentlichen Projektziele vor: (a) die Verbesserung des Verständnisses der feinskaligen Struktur der Einmischungsinversionszwischenschicht (entrainment interface layer, EIL), (b) die Quantifizierung des Einflusses der EIL auf die Einmischung trockener und warmer Umgebungsluft in Sc Wolken, (c) die Bewertung der Rolle von Strahlungserwärmungs- und Abkühlungsraten bei Einmischungsprozessen in Sc Wolken. Um diese Ziele erreichen zu können, werden Beobachtungen vorgeschlagen mit den zwei kombinierten, hubschraubergetragenen Messsystemen ACTOS (Airborne Cloud Turbulence Observation System) und SMART--HELIOS (Spectral Modular Airborne Radiation measurement sysTem). Die Messungen finden auf den Azoren statt. Beide Messsysteme werden durch einen langsamfliegenden Hubschrauber getragen. Das kombinierte Messsysteme-Paket ermöglicht in-situ Messungen von dynamischen, thermodynamischen, Wolken-mikrophysikalischen, und Strahlungsparametern mit hoher örtlicher Auflösung (überwiegend im cm-Bereich). Kein anderes Messsystem weltweit erreicht diese hohe Auflösung, die allerdings unabdingbar ist für die Erreichung der Projektziele ist. Dies trifft insbesondere auf die Vermessung der Vorgänge in der EIL zu, welche meist eine vertikale Dicke von nur 10 m aufweist.
Die Wildtierarten Birkhuhn, Schneehuhn sowie Gams- und Steinwild haben sich im Laufe ihrer Evolution perfekt an das Leben in alpinen Lagen, hauptsächlich über der Waldgrenze, angepasst und sind somit Teil dieses sehr empfindlichen Ökosystems. Unter Annahme des Ansteigens der Waldgrenze aufgrund Klimaerwärmung verringert sich der Lebensraum dieser Wildtierarten massiv. Als Grundlage für die Ermittlung der Veränderungen wurde die Temperaturentwicklung der vergangenen 50 Jahre genauer betrachtet sowie das Klimamodell MM5 für eine Abschätzung der zukünftigen Erwärmung herangezogen. Die Temperaturentwicklung in den vergangenen 50 Jahren zeigt für die ersten zwei Dekaden sogar eine Abkühlung, seit 1970 aber einen starken Anstieg. Das Klimamodell prognostiziert für die nächsten 50 Jahre eine Erwärmung von ca. 2,2 C für das Untersuchungsgebiet in den Niederen Tauern. Das Baumwachstum ist sehr stark von der Temperatur abhängig und eine hohe Korrelation zwischen der Wachstumsgrenze von Bäumen und der 10 C Juli-Isotherme wurde nachgewiesen. Das Klimamodell MM5 zeigt für die nächsten 50 Jahre einen prognostizierten Anstieg der Isothermen um ca. 450 Höhenmeter. Prognostizierte Temperaturveränderungen hängen jedoch sehr stark vom verwendeten Klimamodell ab. Über die Geschwindigkeit, mit der sich die Waldgrenze zur temperaturbedingten Wachstumsgrenze hin bewegt, kann keine Aussage getroffen werden und wäre Gegenstand zukünftiger Forschungsarbeiten. Weiters übt die Bewirtschaftung durch den Menschen einen sehr großen Einfluss auf den Verlauf der Waldgrenze aus. Daher ist noch nicht absehbar, wie diese sich verändern wird. Die aktuellen Lebensräume wurden nach einem wissensbasierten Habitatmodell mit Hilfe eines Geografischen Informationssystems (GIS) erstellt. Unter der Annahme, dass die zukünftige Waldgrenze die Höhe der berechneten Isotherme für die Dekade 2040-2050 erreicht, führt diese Verschiebung zu einem dramatischen Verlust an Lebensraum.
Downscaling von Atmosphärenmodellausgaben, insbesondere von Niederschlagsdaten, ist erforderlich um Variablen von der niedrigaufgelösten Skala des Modells zur Punktskala des Standortes hin zu transformieren, auf der die entsprechenden Variablen für praktische Anwendungen genutzt werden. Dazu gehören unter anderem, das Füllen von Datenlücken, hydrologische oder glaziologische Anwendungen, Klimaprognosen, Anwendungen in der Bewässerung oder Vorhersagen für Energieversorger. Statistisches Downscaling besteht darin, stochastische Beziehungen zwischen Beobachtungen oder Modellausgaben auf großer Skala, die als Prädiktoren dienen, und die an einem Standort zu schätzende Größe, dem Prädiktand, herzustellen. Die dazu angewandten Beziehungen sind häufig lineare Regressionen, es kommen aber auch nicht-lineare Transformationen, wie nicht-lineare Regressionen oder das Quantile-Matching zur Anwendung. In besagten Fällen wird ein stationärer, homoskedastischer Zusammenhang zwischen stochastischen Variablen angenommen, die zwar den bedingten Erwartungswert, aber nicht die Ränder der Verteilung, welche die meteorologischen Extreme abbilden, adäquat transformieren. Im vorliegendem Antrag wird ein probabilistischer Prozessor für das Downscaling von Niederschlagsdaten als Ansatz vorgeschlagen, der als bedingter Bayesscher Prozessor implementiert wird und die nicht-lineare Umformungen zwischen Prädiktoren von der Meso-Skala hin zur Skala eines Standortes unterstützt. In diesem Zusammenhang werden stochastische Zusammenhänge zwischen Prädiktoren und Prädiktanden im Gaußschen Raum modelliert. Die Methode ermöglicht es, mehrere Indikatoren innerhalb eines räumlichen Fensters von Modellzellen gleichzeitig zu verwenden, und kann auf die Anwendung von Prädiktoren, die von mehreren unterschiedlichen Vorhersagemodellen stammen, ausgeweitet werden. Durch die Anwendung multivariater abgeschnittener Normalverteilungen können auch heteroskedastische Beziehungen von stochastischen Variablen abgebildet, analytisch nach den Prädiktoren marginalisiert und anschließend in den Herkunftsraum zurücktransformiert werden. Das Downscaling der Schätzung des Prädikanten von der Skala der Modellzelle auf den Standort erfolgt anschließend mit Hilfe eines nicht-Markovschen, nicht-stationären stochastischen Wettergenerators. Sowohl der Bayessche Prozessor als auch der stochastische Wettergenerator müssen über ein ausreichend weites Zeitfenster anhand von Beobachtungsreihen und Simulationsergebnissen geeicht und validiert werden.
Die Wechselwirkung zwischen der variablen großräumigen Zirkulation und arktischen regionalen Klimamustern werden untersucht. Wir werden den Grad der arktischen Verstärkung auf regionaler Skala in Rückkopplung mit großskaliger Dynamik und deren vergangenen und vorhergesagten Änderungen diagnostizieren. Die zentrale Frage ist zu welchem Grad die regionalen arktischen Klimaänderungen und arktische Verstärkung durch Änderungen in großräumigen horizontalen Wärmeflüssen, planetaren Wellenströmungen (insbesondere während plötzlicher stratosphärischer Erwärmungen), sowie durch allgemeine troposphärische und stratosphärische Zirkulationsmustern beeinflusst werden. Ausgedrückt wird diese in Form von der Variabilität der nordhemisphärischen Zirkulation, wie z. B. der Nordatlantischen Oszillation und der nördlichen jährlichen Mode.
Zielsetzung: Der Klimawandel beeinflusst nicht nur natürliche Ökosysteme auf der Erde, sondern wirkt sich ebenso auf das Klima in Städten und das Innenklima in Gebäuden aus. Dadurch werden auch kulturelle Einrichtungen wie Museen, deren Depots, Bibliotheken, Archive und historische Gebäude beeinflusst. Langanhaltenden Hitzeperioden führen im Sommer zu einem Anstieg der Innenraumtemperatur in Museen. Klimaanlagen, sofern vorhanden, sind für diese hohen Temperaturbereiche oft nicht konzipiert und kommen hier an ihre Grenzen. Insekten sind von ihrer Umgebungstemperatur abhängig und es ist zu erwarten, dass sie durch die prognostizierten Klimaveränderungen beeinflusst werden. Eine steigende Durchschnittstemperatur und höhere Temperaturmaxima werden vermutlich die Aktivität und auch die Anzahl der Nachkommen erhöhen. Auch neu eingeschleppte Arten in Gebäuden profitieren besonders von diesen Umständen. Schädlinge werden in vielen Museen in Deutschland bereits im Rahmen eines integrierten Schädlingsmanagement durch ein Monitoring überwacht. Es gibt aber keine Auswertung über deren Verbreitung, Häufigkeit und die erhöhten Risiken durch den Klimawandel. Dieses Projekt untersucht den Einfluss des Klimawandels (höher Durchschnittstemperatur, Temperaturmaxima, extreme Wetterereignisse) auf Museumschädlinge in Museen in Deutschland. Dazu werden in allen Bundesländern und klimatisch unterschiedlichen Regionen in Deutschland möglichst viele Museen, Depots und historische Gebäude ausgewählt und kontaktiert, um Klimadaten und Daten zu vorkommenden Schadinsekten zu sammeln. Für das Innenraumklima in den Gebäuden (Temperatur und Raumfeuchte) soll zur Zeit- und Kostenersparnis auf bereits vorhandene Daten der Museen zurückgegriffen werden. Zusammen mit Klimaprognosen werden die gefundenen Zusammenhänge dazu verwendet, Projektionen von einzelnen Schädlingsarten und unterschiedlichen geographischen Regionen in Deutschland im Hinblick auf den Klimawandel zu erstellen. Damit soll ein Verfahren etabliert werden, dass das Ableiten von Prognosen einer Befallswahrscheinlichkeit und des Schädigungspotentials ermöglicht, unerwartete Schadensereignisse zu minimieren, die andernfalls massive Gegenmaßnahmen ggf. unter Einsatz chemischer Bekämpfungsmittel erforderlich machen würden. Ziel des IPM in Museen ist es immer einen Schaden an Objekten durch Schädlinge zu vermeiden und als zweiter wichtiger Punkt den Einsatz von chemischen Bekämpfungsmitteln zu vermeiden. -> Beitrag zur Umweltentlastung. Fazit: Das Projekt hat erst 2024 begonnen und wir sind zuversichtlich, interessante Ergebnisse zu finden.
Die 4D-Var Datenassimilation (4D-var DA) ist eine spezielle Methode, die zur Initialisierung von Klima- und Wettervorsagen durch die Schätzung von Klimamodellparametern benutzt wird, in dem Modelle an beobachtende Daten angepasst werden. Aus verschiedenen Gründen führen DA unvermeidliche methodische Fehler ein, die sich auf die Genauigkeit der Modellvorhersagen auswirken. Aktuelle Methoden zur Fehlerkorrektur brauchen erhebliche Computerressourcen. Dies ist ein Grund, warum die Verwendung dieser Methoden in der Klimamodellierung begrenzt ist und sie nur in vereinfachten Versionen angewandt werden. Die Entwicklung einer konzeptuell neuartigen, robusten und effizienten, nichtlinear-variationellen Fehlerschätzungsmethode (NOVFEM) ist Ziel dieses Projekts. Diese Methode wird Fehler von DA Methoden schätzen und die notwendigen Korrekturen bestimmen. Im Besonderen ist es geplant, VOVFEM im Rahmen einer Anwendung in Klimavorhersagesystemen zu entwickeln. Der Vorteil der vorgeschlagenen Methode ist, dass der Algorithmus auf einer abstrakten mathematischen Formulierung basiert und deshalb in vielen geophysikalischen Bereichen angewandt werden kann. Eine weitere Innovation dieses Projekts ist die Entwicklung einer Methode zur schnellen und einfachen Berechnung von inversen Kovarianzmatrizen, die z. B. Anwendung in DA finden. Die vorgeschlagenen Methode ist im Vergleich mit existieren Methoden effizienter. Es wird erwartet, dass die theoretischen Ergebnisse dieses Projekt national und international veröffentlicht werden und ein freier Zugang zur NOVFEM Software wird bereitgestellt werden.
Future global climate change resulting from anthropogenic activity is now inevitable. The consequences for the stratosphere are poorly understood. A better understanding of the interactions between atmospheric chemistry and climate change is urgently required. This is a prerequisite for impact assessment and the definition of mitigation strategies. The DFG Research Unit Stratospheric Change and its Role for Climate Prediction (SHARP) addresses this issue and aims to improve our understanding and ability to predict global climate change and its interplay with the stratosphere. SHARP follows the recommendations for research, formulated by the Stratospheric Processes and their Role in Climate (SPARC) Programme of the World Climate Research Programme (WCRP). SHARP will focus on the quantitative detection, attribution and prediction of changes in stratospheric dynamics and composition linked to climate change and their implications for the troposphere. The evolution of the stratosphere over the next decades in response to climate change is of crucial significance for the atmosphere as a whole. A unique window of opportunity exists to exploit the investment in the development of remote sensing and atmospheric modelling for scientific objectives of societal relevance, which provide the evidence base needed by international policymakers. To address these issues SHARP brings together excellent national expertise in state-of-the-art climate models and observations, in particular those derived from satellite instruments. SHARP will provide an important contribution by German scientists to the upcoming international WMO/UNEP and IPCC assessments.
| Organisation | Count |
|---|---|
| Bund | 386 |
| Europa | 9 |
| Global | 1 |
| Land | 38 |
| Weitere | 1 |
| Wirtschaft | 4 |
| Wissenschaft | 254 |
| Zivilgesellschaft | 5 |
| Type | Count |
|---|---|
| Ereignis | 2 |
| Förderprogramm | 379 |
| Text | 9 |
| unbekannt | 2 |
| License | Count |
|---|---|
| Geschlossen | 11 |
| Offen | 381 |
| Language | Count |
|---|---|
| Deutsch | 344 |
| Englisch | 89 |
| Resource type | Count |
|---|---|
| Bild | 5 |
| Datei | 2 |
| Dokument | 6 |
| Keine | 201 |
| Webseite | 190 |
| Topic | Count |
|---|---|
| Boden | 251 |
| Lebewesen und Lebensräume | 332 |
| Luft | 373 |
| Mensch und Umwelt | 392 |
| Wasser | 263 |
| Weitere | 388 |