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.
Flächenhafte Darstellung von Immissionsschutzwald (Waldklima stellt ein günstiges Bio Klima dar) item Funktion 1 = Immissionsschutzwald 0 = kein Immissionsschutzwald
Das vermehrte Auftreten von hydro-meteorologischen Extremen erschwert eine nachhaltige Waldbewirtschaftung. Die Verfügbarkeit von standortspezifischen Bodenfeuchte-Informationen ist daher für dieses Anwendungsfeld von besonderem Interesse. Bestehende Konzepte, wie z.B. der Dürremonitor des UFZ (www.ufz.de/droughtmonitor) oder die Bodenfeuchtesimulationen des Deutschen Wetterdienstes, sind für viele Gebiete nicht ausreichend detailliert (z.B. räumliche Auflösung, abweichende Bodenmächtigkeiten, zu wenige Standorte) und haben deshalb nur eine begrenzte Aussagekraft.
In Zusammenarbeit mit dem Staatsbetrieb Sachsenforst entwickelt der Lehrstuhl für Meteorologie einen Prototyp - 'Bodenfeuchteampel' zur Diagnose der standortspezifischen Bodenfeuchte in Sachsen. Dieses System basiert auf Simulationen aus dem Wasserhaushaltsmodell LWF-BROOK90 und meteorologischen Eingangsdaten aus verschiedenen Messnetzen. Dazu gehören Stationen des Deutschen Wetterdienstes und des Landesmessnetzes Sachsen. Die Integration der verschiedenen Messnetzdaten erfolgt über einen von der PikoBytes GmbH entwickelten sogenannten SensorHub.
Der entscheidende Beitrag von Humusauflagen zur C-Speicherung von Bergwäldern wurde erst in den letzten Jahren erkannt. Das Vorhaben soll wesentliche Wissenslücken schließen, indem es 1. die Kenntnis über ihre Verbreitung verbessert, 2. ihren Beitrag zur C-Speicherung quantifiziert, 3. Bildungsprozesse klärt, 4. Klimawandelszenarien erstellt, 5. Maßnahmen zur Humuspflege empfiehlt und damit wesentliche Ziele des Waldklimafonds unterstützt. Untersucht werden Humuschemie und Mikrobiologie an Bodenprofilen mit unterschiedlicher C-Dynamik, Wasser- und Stoffhaushalt von Tangelhumus-Ökosystemen sowie Vorhersagbarkeit der räumlichen Verteilung auf Landschaftsebene, um Empfehlungen zur Schonung, Pflege und Aufbau von Humusvorräten abzuleiten. Das Vorhaben umfasst vier Arbeitspakete: 1. Humuschemie und Mikrobiologie (Mikroskala, TUM-Boku): Wichtige chemische Kenngrößen (funktionelle C-Gruppen, Polysaccharide, Ligninkomponenten, C-Isotope, PLFA) von (Tangel)humusprofilen unterschiedlicher Dynamik werden mit 13C-NMR-Spektroskopie, Röntgenabsorptionsspektroskopie und VIS-NIR verglichen. Diagnostische chemische Muster für auf- und abbauende Humuszustände werden identifiziert. 2. Nährstoff- und Wasserhaushalt (Mesoskala, TUM-WEL): Ein- und Austräge sowie Speicherfunktionen von intakten und von Humusschwund betroffenen Ökosystemen werden verglichen. Im Labor wird die Mineralisation bei Temperaturerhöhung (Q10) untersucht und mit anderen Humusformen verglichen. 3. Regionalisierung auf Landschaftsebene (HSWT): Bodenprofildaten werden ausgewertet, im GIS gegen flächendeckend verfügbare Prädiktoren (Klima, Relief, Geologie/Boden, Landcover) kalibriert, regionalisiert (GAM) und in Testgebieten validiert. Heutige und künftige C-Speicher bei Klimawandel werden berechnet und gefährdete Zonen ausgewiesen. 4. Transfer in die Praxis (HSWT, TUM-Boku, TUM-WEL): Empfehlungen für Humuspflege und Bestandesbehandlung werden für die Praxis aufbereitet. Die Ergebnisse werden in Informationssysteme eingebunden.
Globally, there is increased concern of the potential impacts of extreme climate events and their impact on loss and damage of people, assets and property as a result of these events. Therefore, natural partners in using climate services to assess risk are the Global Insurance Sector, who are key implementers in increasing societies resilience and recovery of extreme events and who are integral, co-design partners in this programme. This project intends to operationalize a system, called the Oasis Loss Modelling Framework, that combines climate services with damage and loss information and provides a standardised risk assessment process that can assess potential losses, areas at most risk and quantify financial losses of modelled scenarios. We intend to prove the Oasis LMF system through undertaking a range of demonstrators linked and codesigned to 'real' situations and end-user communities in the insurance, municipalities and business sectors (see list of partners & collaborators). These demonstrators have already been agreed with our end-users and develop work around hydro-climatic risk (in the Danube Region), Typhoon Risk, African Farmer Risk - through using climate information to support the underwriting of micro-insurance, climate v health and climate v forest asset risk assessment. We also intend to further expand access by all sectors to the models, tools and services developed within this programme and the broader climate services sector by operationalizing an open eMarket place and matchmaking facility for catastrophe and climate data and models, tools and services and through broadening awareness in the climate modelling and end-users communities to the Framework, and the transparent and comparable standard it offers to support evidence based risk assessment and adaptation planning.
PIK is the overall coordinator of the project, and further leads the flood risk demonstrator and the farmer micro-insurance 'demonstrator.