Detailansicht

Detection and attribution of anthropogenic impacts on phenological phases

Sebastian Lehner

Art der Arbeit

Masterarbeit

Universität

Universität Wien

Fakultät

Fakultät für Geowissenschaften, Geographie und Astronomie

Studiumsbezeichnung bzw. Universitätlehrgang (ULG)

Masterstudium Meteorologie

Betreuer*in

Christoph Matulla

Volltext herunterladen
Volltext in Browser öffnen

DOI

10.25365/thesis.58426

URN

urn:nbn:at:at-ubw:1-15557.91335.605713-7

Link zu u:search

(Print-Exemplar eventuell in Bibliothek verfügbar)

Abstracts

Abstract

(Deutsch)

Eine wichtige Konsequenz des Klimawandels ist der Einfluss auf die phänologischen Frühlingsphasen. Obwohl allgemein bekannt ist, dass anthropogene Mechanismen eine wesentliche Rolle in der Erwärmunstendenz des Klimas spielen und dass phänologische Frühlingsphasen sehr stark von der Temperatur abhängen, muss dieser Zusammenhang auf regionaler Skala noch quantitativ gezeigt werden. Das Ziel dieser Arbeit ist es, dies für Zentraleuropa mittels einer Konsistenzanalyse zu zeigen. Hierfür wird eine End-to-End-Analyse zu externen Forcings durchgeführt, die den früheren Zeitpunkt phänologischer Frühlingsereignisse mit veränderten Klimabedingungen (steigende Temperatur) und diese Veränderung mit anthropogenem Forcierung verknüpft. Um dies zu erreichen, müssen allerlei Daten aus verschiedenen Modellen verwendet werden. Erstens, um die Variabilität des Klimas ohne jegliches Forcing (weder natürlich noch anthropogen) zu bewerten, werden pre-industrical Control (piControl) Simulationen aus Global Circulation Models (GCMs) benötigt. Zweitens dienen verschiedene historische GCM-Läufe, von denen einige nur durch natürliches Forcing und andere mit anthropogenem Forcierung angetrieben werden, als Grundlage dafür, wie verschiedene Arten von Forcings die beobachteten Klimabedingungen beeinflussen. Um die großräumigen ('large-scale') Informationen aus den GCMs mit den phänologischen Beobachtungen auf der lokalen Skala ('local-scale') vergleichen zu können, wird eine Quantile Mapping Bias-Korrekturmethode, mit den E-OBS Beobachtungsdaten als Referenz, angewendet, die die GCM-Daten in lokal interpretierbare Zeitreihen umwandelt. Anschließend wird ein phänologisches Modell mit den downgescalten Temperaturdaten gespeist, um verschieden forcierte, simulierte phänologische Eintrittsdaten zu erhalten. Die Detektions- und Attributionsstudie ist genau dann erfolgreich, wenn eine Diskrepanz zwischen natürlich forcierten Klimabedingungen und Beobachtungen gefunden werden kann, so dass das geschätzte statistische Signifikanzniveau zur Detektion einer Nettoklimaänderung die Anforderungen erfüllt (Ablehnung der Nullhypothese, dass die Veränderung nur durch interne Variabilität oder natürlich forcierte Klimabedingungen erklärt werden kann) und wenn sie nur unter Berücksichtigung anthropogener Faktoren erklärt werden kann. Um dies zu erreichen, wird eine Kombination aus U-Werten aus dem Mann-Whitney U-Test und einem neu definierten, sogenannten Konsistenzfaktor verwendet, der die Beurteilung der anthropogenen Auswirkungen auf die phänologischen Phasen ermöglicht. Für alle betrachteten Spezies konnte die Detektion einer Nettoklimaänderung über interne, oder natürlich beeinflusste Bedingungen hinaus, eindeutig gezeigt werden. Neben einer bestimmten Phase, die von einem unzureichend modellierten GCM stark beeinflusst wird, sind die beobachteten Trends nur dann konsistent, wenn anthropogenes Forcing in die Klimaentwicklung miteinbezogen wird. Damit zeigt sich nicht nur die erfolgreiche Anwendung der verwendeten Methoden, sondern auch die Möglichkeit auf regionaler Ebene, wo die Größe der internen ('noise') Komponente ein bekanntes Problem darstellen, dieses Signal zu identifizieren. Schlußendlich führt dies zur erfolgreichen Zuordnung beobachteter Veränderungen der phänologischen Eintrittsdaten zu anthropogenen Auswirkungen.

Abstract

(Englisch)

An important consequence of climate change is the impact on phenological spring timing events. Although it is generally understood that anthropogenic mechanisms play a major role in the warming trend of the climate and that the timing of phenological phases depends largely on the temperature, the link has yet to be quantitatively shown for different kind of areas. In this study the goal is to show this for a central European region. In order to do this an end-to-end analysis to external forcings is carried out, linking the earlier timing of phenological spring events to changed climate conditions (increasing temperature) and this change in the environment to anthropogenic forcing. To achieve this, data from different models has to be used. First, to assess the variability of the climate without any kind of forcing (neither natural, nor anthropogenic), pre-industrial control (piControl) simulations from Global Circulation Models (GCMs) are needed. Second, different 'historical' GCM runs, some forced by natural forcings only and others with anthropogenic forcing included, serve as basis on how different kind of forcings impact the observed climate conditions. To be able to compare the large-scale information from the GCMs with the local-scale phenological observations, a quantile mapping Bias correction method, with respect to the E-OBS observational data set, is applied, transforming the GCM data to 'local-scale' interpretable time series. Afterwards, a phenological model is fed with the downscaled temperature data to obtain distinctly forced, simulated phenological entry dates. The detection and attribution study is successful if and only if a discrepancy between naturally forced climate conditions and observations is found, so that the estimated statistical significance level of the detection of a net climate change satisfies the requirements (rejection of the null hypothesis that the change can be explained by internal variability only or naturally forced climate conditions) and if it can only be explained when factoring in anthropogenic forcings. To achieve this, a combination of U values from the Mann-Whitney U-Test and a newly defined, so called, consistency factor is used, allowing the assessment of anthropogenic impact on phenological phases. For all species considered, detection was clearly achieved. Besides a specific phase, which is impacted by one insufficiently modelled GCM, the observed trends are only consistent if incorporating anthropogenic forcing into the evolution of the climate, and hence, showing not only the consecutive application of the used techniques, but also the utilization at regional scale, where high noise components are a known problem, and finally the successful attribution of observed changes in phenological entry dates to anthropogenic impact.

Autor*innen

Sebastian Lehner

Haupttitel (Englisch)

Detection and attribution of anthropogenic impacts on phenological phases

Paralleltitel (Deutsch)

Detektion und Attribution von anthropogenem Einfluss auf phänologische Phasen

Publikationsjahr

2019

Umfangsangabe

XII, 57 Seiten : Diagramme

Sprache

Englisch

Beurteiler*in

Christoph Matulla

Klassifikationen

38 Geowissenschaften > 38.80 Meteorologie: Allgemeines ,

38 Geowissenschaften > 38.82 Klimatologie

AC Nummer

AC15485713

Utheses ID

51599

Studienkennzahl

UA | 066 | 614 | |

Detailansicht

Abstracts

Schlagwörter