Unsicherheitsfaktor globale Landbedeckung: Konsequenzen für die Landsystemmodellierung
| dc.date.accessioned | 2022-10-21T12:48:51Z | |
| dc.date.available | 2022-10-21T12:48:51Z | |
| dc.date.issued | 2022-01 | |
| dc.identifier | doi:10.17170/kobra-202209096842 | |
| dc.identifier.uri | http://hdl.handle.net/123456789/14209 | |
| dc.description | Englischer Titel: Uncertainty factor global land cover: Implications for land system modeling | eng |
| dc.language.iso | ger | ger |
| dc.rights | Namensnennung-Nicht-kommerziell 4.0 International | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0/ | * |
| dc.subject | Landsysteme | ger |
| dc.subject | Landbedeckung | ger |
| dc.subject | Landänderungen | ger |
| dc.subject | Unsicherheiten | ger |
| dc.subject | Ensemble-Analyse | ger |
| dc.subject | LandSHIFT | ger |
| dc.subject | MAGNET | ger |
| dc.subject | Modellierung | ger |
| dc.subject | land systems | eng |
| dc.subject | land cover | eng |
| dc.subject | land change | eng |
| dc.subject | uncertainties | eng |
| dc.subject | ensemble analysis | eng |
| dc.subject | modelling | eng |
| dc.subject.ddc | 004 | |
| dc.subject.ddc | 500 | |
| dc.subject.ddc | 550 | |
| dc.title | Unsicherheitsfaktor globale Landbedeckung: Konsequenzen für die Landsystemmodellierung | ger |
| dc.type | Dissertation | |
| dcterms.abstract | Änderungen im Landsystem sind eine zentrale anthropogene Ursache globaler Klima- und Umweltveränderungen. Der stetig wachsende Bedarf an landwirtschaftlichen Flächen für Nahrung, Futter, Fasern und Energie und die damit verbundene Konversion natürlicher Ökosysteme gelten als wesentliche Triebkräfte der Landänderungen. Globale räumlich-explizite Landsystemmodelle tragen dazu bei, ein besseres wissenschaftliches Verständnis für derartige Landänderungsprozesse zu erlangen und zukünftige Entwicklungen mit Szenarien zu untersuchen. Unsicherheiten, u. a. in den Eingangsdaten, der Modellstruktur und den Szenarienannahmen beeinflussen jedoch die Simulationsergebnisse. Ein wesentlicher, im Detail bisher wenig betrachteter Unsicherheitsfaktor, sind die zur Modellinitialisierung und Simulation von Landänderungen notwendigen Landbedeckungsdaten. Globale Landbedeckungsdatensätze weisen aufgrund unterschiedlicher Erstellungsmethoden mitunter große quantitative, allokative und temporale Diskrepanzen auf. Diese Forschungsarbeit will die Konsequenzen der Wahl des Landbedeckungsdatensatzes für die Landsystemmodellierung verdeutlichen. Dabei will die Arbeit eruieren, wie grundlegend die Wahl des Datensatzes für die Modellinitialisierung, die simulierten Landänderungen und die daraus resultierenden Verluste an natürlicher Vegetation zu bewerten ist. Es sollen weiter Lösungen aufgezeigt werden, wie die resultierenden Unsicherheiten zu handhaben und transparent zu kommunizieren sind. Die erste von drei Teilstudien eruiert die quantitativen, allokativen und temporalen Diskrepanzen zwischen den drei globalen Landbedeckungsdatensätzen CCI, MODIS und GlobeLand30. Die zweite Teilstudie identifiziert und quantifiziert die direkten Konsequenzen mit einem Ensemble aus den drei Datensätzen und dem räumlich-expliziten Landsystemmodell LandSHIFT auf Basis historischer Statistiken von 2000 bis 2010. Die dritte Teilstudie adressiert die direkten und indirekten Konsequenzen unter Verwendung desselben Ensembles und einem, im Rahmen dieser Arbeit neu entwickelten, Modellsystem aus dem räumlich-expliziten Landsystemmodell LandSHIFT und dem räumlich-impliziten ökonomischen Gleichgewichtsmodell MAGNET auf Basis eines Trend-Szenarios von 2010 bis 2050. Die dargelegten Diskrepanzen betreffen sowohl die Modellinitialisierung als auch die simulierten Landänderungen und den Verlust an natürlicher Vegetation. Im historischen Simulationsexperiment von 2000 bis 2010 ergeben sich als Konsequenz Varianzen im Verlust an natürlicher Vegetation von ~1,1 Millionen km², die sich in den anschließenden Szenarioanalysen bis 2050 auf ~2 Millionen km² aufsummieren. Die Ergebnisse der Szenarioanalysen sind jedoch erst aufgrund der Modellkopplung aussagekräftig, denn Inkonsistenzen in den Modellannahmen zwischen LandSHIFT und MAGNET führen ansonsten zu Produktionsfehlmengen von bis zu ~47,4 Millionen Tonnen und daraus folgend zu (fiktiven) Fehlflächen von bis zu ~1,1 Millionen km². Die konsistenten Szenarioanalysen zeigen zudem eine Reduzierung globaler Produktionsmengen (≃127 Millionen km², ‑0,8%) und landwirtschaftlicher Flächen (≃2 Millionen km², ‑3,4 %). Die Ergebnisse unterstreichen die Relevanz, Unsicherheiten aufgrund der Wahl des Landbedeckungsdatensatzes in globalen Simulationsstudien zu berücksichtigen und diese transparent zu kommunizieren. Ein probates Mittel sind Ensemble-Analysen, die einen transparenten Prozess fördern. Zudem sind gekoppelte Modellsysteme aus Landsystemmodell und ökonomischem Gleichgewichtsmodell unbedingt notwendig, um Unsicherheiten sowie Inkonsistenzen im Zusammenhang mit Szenariensimulationen zu behandeln. Um die wissenschaftliche Qualität, Solidität und Akzeptanz von Landänderungssimulationen zu verbessern, sollten einerseits Ensembles verwendet werden, andererseits sind konsistente Szenarienannahmen mit Modellsystemen methodisch zu gewährleisten. | ger |
| dcterms.abstract | Changes in the land system are one of the major anthropogenic causes of global climate and environmental change. The steadily growing demand of agricultural land for food, fodder, fiber, and energy and the associated conversion of natural ecosystems, are the key drivers of land change. Global spatially-explicit land system models help to gain a better scientific understanding of such land change processes and to investigate future developments with scenarios. However, uncertainties in the input data, the model structure, and the scenario assumptions, among others, influence the simulation results. One essential uncertainty factor, not yet considered in detail, is the land cover data required for model initialization and land change simulations. Global land cover datasets tend to contain large quantitative, allocative, and temporal discrepancies due to different compilation methods. This thesis tries to clarify the consequences that the choice of the land cover dataset entails for land system modelling. Thereby, the thesis intends to understand how fundamentally the selecting appropriate dataset should be valued for the model initialization, the simulated land changes, and also the respective effect on the model results for losses of natural vegetation. Further, solutions will be proposed to deal with the resulting uncertainties and to communicate them transparently. The first of three sub-studies elicits the quantitative, allocative, and temporal discrepancies between the three global land cover datasets, CCI, MODIS, and GlobeLand30. The second sub-study identifies and quantifies the direct consequences using an ensemble of the three datasets and the spatially-explicit land system model LandSHIFT on the basis of historical statistics from 2000 to 2010. The third sub-study addresses the direct and indirect consequences using the same ensemble and a model system, newly developed within this thesis, consisting of the spatially-explicit land system model LandSHIFT and the spatially-implicit economic equilibrium model MAGNET on the basis of a Trend Scenario from 2010 to 2050. The discrepancies presented affect both model initialization and simulated land changes and loss of natural vegetation. The historical simulation experiment from 2000 to 2010 results as a consequence in variances of ~1.1 million km² in the loss of natural vegetation, which accumulates to ~2 million km² in the subsequent scenario analysis up to 2050. Yet, the results of the scenario analysis are only meaningful due to the model linkage, since inconsistencies in the model assumptions between LandSHIFT and MAGNET otherwise lead to production failures of up to ~47.4 million tons and thus to (fictitious) area failures of up to ~1.1 million km². The consistent scenario analyses also show a reduction in global production quantities (≃127 million km², -0.8%) and agricultural land (≃2 million km², ‑3.4%). The results highlight the relevance of considering uncertainties due to the choice of a land cover dataset in global simulation studies and communicating them transparently. Ensemble analyses are a proven means to promote a transparent process. In addition, linked model systems consisting of a land system model and an economic equilibrium model are a necessity to address uncertainties as well as inconsistencies associated with scenario simulations. To improve the scientific quality, soundness, and robustness of land change simulations, ensembles should be used on the one hand, but on the other hand, the consistency of scenario assumptions have to be methodologically ensured. | eng |
| dcterms.accessRights | open access | |
| dcterms.creator | Schüngel, Jan | |
| dcterms.dateAccepted | 2022-07-19 | |
| dcterms.extent | 229 Seiten | |
| dc.contributor.corporatename | Kassel, Universität Kassel, Fachbereich Elektrotechnik / Informatik | ger |
| dc.contributor.referee | Fohry, Claudia (Prof. Dr.) | |
| dc.contributor.referee | Schaldach, Rüdiger (Prof. Dr.) | |
| dc.contributor.referee | Banse, Martin (Prof. Dr.) | |
| dc.contributor.referee | Stumme, Gerd (Prof. Dr.) | |
| dc.subject.swd | Bodenbedeckung | ger |
| dc.subject.swd | Landnutzung | ger |
| dc.subject.swd | Landwirtschaftsentwicklung | ger |
| dc.subject.swd | Bodenbearbeitung | ger |
| dc.subject.swd | Landtechnik | ger |
| dc.subject.swd | Nutzungsänderung | ger |
| dc.subject.swd | Unsicherheit | ger |
| dc.subject.swd | Modellierung | ger |
| dc.subject.swd | Simulation | ger |
| dc.type.version | publishedVersion | |
| kup.iskup | false | |
| ubks.epflicht | true |
Dateien zu dieser Ressource
Das Dokument erscheint in:
Solange nicht anders angezeigt, wird die Lizenz wie folgt beschrieben: Namensnennung-Nicht-kommerziell 4.0 International