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.
In der letzten Antragsphase wurde das regionale Paläoklimamodell WRF-CEMSYS entwickelt und erfolgreich angewendet, um erstmals hochauflösende regionale Paläoklimadaten für Studien zur Anwesenheit von Homo sapiens unter eiszeitlichen Bedingungen in Europa bereitzustellen. In der dritten Phase konzentriert sich E6 auf die Rekonstruktion regionaler Klimate verschiedener Zeitintervalle, die für die SFB Projekte von zentraler Bedeutung sind. Es werden Potenziale und Begrenzungsfaktoren für die menschliche Präsenz im gesamten SFB-Gebiet untersucht. Dabei werden unterschiedliche Zeitskalen betrachtet, die von synoptischen, über saisonalen, jährlichen bis hin zu dekadischen reichen.
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.
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.
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)
Um die Fähigkeit von Modellen die physikalischen Prozesse zu reproduzieren, die maßgeblich an der Niederschlagsvariabilität in der Arktis beteiligt sind, abschätzen zu können, werden wir aktive und passive Millimeterwellen-Satellitendatensätze auf zwei verschiedene Weisen nutzen. Der klassische Beobachtungs-Modell Ansatz wird ergänzt durch einen Modell-zu-Beobachtung Ansatz, welcher die synthetischen Messgrößen, wie Radarreflektivität und Helligkeitstemperaturen, aus RCM Simulationen erstellt. Dabei werden Beobachtungen, neue arktische Reanalysen mit unterschiedlicher räumlicher Auflösung und eine Reihe von regionalen Klimamodell-Simulationen (RCM) inklusive einem arktischen gekoppelten Atmosphäre Eis-Ozean RCM verwendet um die Verknüpfungen zwischen Meereisrückgang und Wolkenveränderungen, dem Einfluss von Schneefall, das Verhältnis von Schneefall zu Niederschlag und der Wiedergabe von beobachteter Schneebedeckungsvariabilität mit den damit verbundenen dynamischen Verbindungen mit der atmosphärischen Zirkulation zu untersuchen.
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.
Klimamodelle sind komplexe numerische Modelle, die auf mathematisch-physikalischen Gleichungen beruhen. Diese werden mit Hilfe von leistungsstarken Computern berechnet bzw. gelöst. Sie versuchen die wesentlichen physikalischen und chemischen Prozesse sowie die Energieströme innerhalb und zwischen verschiedenen Systemen, wie der Atmosphäre, den Ozeanen und der Erdoberfläche, zu simulieren. Diese sind jedoch vielfach noch nicht vollständig erforscht und können, auch aufgrund ihrer Komplexität, häufig nur vereinfacht abgebildet werden. Die Modelle werden anhand von Beobachtungsdaten sowie Klimadaten aus der Vergangenheit (sog. Proxy-Daten) entwickelt und überprüft. Ziel ist es mit Hilfe der Modelle Abschätzungen von zukünftigen Klimaentwicklungen zu ermöglichen. Grundlage dafür sind zum einen natürliche Faktoren, wie etwa die Variation der Sonneneinstrahlung oder der Erdumlaufbahn bzw. Neigung der Erdachse. Zum anderen spielen Faktoren eine Rolle, die auch vom Menschen beeinflusst werden können, wie etwa die Landnutzung oder die Emissionen von Treibhausgasen in die Atmosphäre. Auf Grundlage möglicher zukünftiger Gesellschaftsentwicklungen werden Szenarien erarbeitet. Diese stellen Annahmen über die globale demographische, ökonomische, politische und technologische Entwicklung in der Zukunft dar. Aus dieser resultieren wiederum Emissionen bzw. Konzentrationen von Treibhausgasen in der Atmosphäre, die auch als anthropogener Strahlungsantrieb ausgedrückt werden können (häufig in W/m²). In der Vergangenheit wurden verschiedene dieser Szenarien durch die Klimaforschung erarbeitet. Dazu zählen u.a. Während die SRES-Szenarien bei jüngeren und aktuellen Analysen und Studien quasi keine Verwendung mehr finden, sind die RCP-Szenarien Gegenstand der meisten Untersuchungen in den letzten 10-15 Jahren. Die SSP-Szenarien werden bisher lediglich auf globaler Ebene betrachtet. Regionale Analysen dazu wird es voraussichtlich erst in den nächsten Jahren vermehrt geben. Weitere Informationen zu den RCP-/SSP-Szenarien sind hier zu finden. hier Diese zukünftigen Emissions-Szenarien dienen neben den anderen genannten (natürlichen) Faktoren als Antrieb für Globalmodelle. Diese Modelle bestehen aus einem dreidimensionalen Gitter. Zwischen den Gitterpunkten werden die klimatischen Prozesse großräumig (global), aber mit einer relativ groben zeitlichen (Tageswerte) und räumlichen (100 bis 200 km) Auflösung berechnet. Mit den Ergebnissen der Globalmodelle können für kleinere Regionen wie etwa Niedersachsen jedoch nur wenig differenzierte Aussagen zur Klimaentwicklung gemacht werden. Hier kommen regionale Klimamodelle zur Anwendung, die nur einen Ausschnitt der Erde bzw. Atmosphäre betrachten. Sie erhalten als Antrieb bzw. Randbedingung u.a. die Ergebnisse der Globalmodelle und rechnen damit auf einer höher aufgelösten räumlichen (bis unter 10 km) Skala weiter, wobei Aspekte wie die Topographie oder die Landnutzung besser berücksichtigt werden können. Dieses Verfahren nennt man „Nesting" oder auch „dynamic Downscaling". Daneben gibt es auch Methoden, die auf Basis von statistischen Zusammenhängen zwischen großräumigen Wetterlagen und lokalen meteorologischen Phänomenen die Daten der Globalmodelle auf eine höher aufgelöste Skala rechnen, das sog. „statistical downscaling“. Die Ergebnisse der regionalen Klimamodelle können letztlich als Antrieb für sogenannte Impact-Modelle genutzt werden. Dies sind Modelle, die die Wirkungen der klimatischen Veränderungen auf verschiedenen fachlichen Ebenen simulieren. Hierzu zählen zum Beispiel hydrologische Modelle, die die Folgen eines Klimawandels auf die Wasserwirtschaft verdeutlichen können. Es muss jedoch stets berücksichtigt werden, dass diese Ergebnisse nicht als Prognosen oder Vorhersagen interpretiert werden dürfen, sondern auf Basis der oben genannten Szenarien immer „wenn-dann“-Aussagen darstellen. Trotz der Komplexität der Modelle (oder gerade deswegen) sind Ergebnisse aus der Klimamodellierung immer mit Unsicherheiten behaftet. Dies liegt unter anderem daran, dass verschiedene Prozesse und Wechselwirkungen im Klimasystem noch immer nicht vollständig verstanden werden. Zudem werden einzelne Prozesse aufgrund von Defiziten in der numerischen Umsetzung in den Modellen nur vereinfacht abgebildet und je nach Modell unterschiedlich parametrisiert. Um die Unsicherheiten in den Aussagen der möglichen zukünftigen Entwicklung zu verdeutlichen, sollten stets die Ergebnisse verschiedener Modelle mit unterschiedlichen methodischen Ansätzen gemeinsam betrachtet werden (Modell-Ensemble). So wird die Bandbreite möglicher Entwicklungen aufgezeigt. Je einheitlicher die Aussagen des Ensembles bzgl. Bandbreite und Richtung der Entwicklungen sind, desto "robuster" ist das Klimasignal. Voraussetzung hierbei ist ein möglichst großes Ensemble von unabhängigen Mitgliedern.
| Organisation | Count |
|---|---|
| Bund | 266 |
| Europa | 4 |
| Land | 51 |
| Weitere | 1 |
| Wissenschaft | 170 |
| Type | Count |
|---|---|
| Daten und Messstellen | 1 |
| Ereignis | 1 |
| Förderprogramm | 250 |
| Text | 23 |
| unbekannt | 15 |
| License | Count |
|---|---|
| Geschlossen | 21 |
| Offen | 269 |
| Language | Count |
|---|---|
| Deutsch | 247 |
| Englisch | 76 |
| Resource type | Count |
|---|---|
| Archiv | 1 |
| Bild | 8 |
| Datei | 5 |
| Dokument | 10 |
| Keine | 142 |
| Webseite | 141 |
| Topic | Count |
|---|---|
| Boden | 202 |
| Lebewesen und Lebensräume | 278 |
| Luft | 270 |
| Mensch und Umwelt | 290 |
| Wasser | 201 |
| Weitere | 287 |