Wie ändert sich der Niederschlag im Klimawandel?

Beschreibung: Im Gegensatz zur Temperatur, ist die Änderung des Niederschlags mit dem Klimawandel nicht so leicht zu beschreiben. Wir sprechen einerseits über eine größere Wahrscheinlichkeit für Dürre, andererseits über mehr Starkniederschläge. In dieser Arbeit sollen die Änderungen der Auftrittswahrscheinlichkeit/Häufigkeit von Niederschlagsereignissen verschiedener Stärke gemessen an Stationsdaten mittels logistischen Modellen untersucht werden. Lassen sich verschiedene Tendenzen für verschiedene Stärken finden und quantifizieren?

Grundlagen: Frei verfügbare Niederschlagsdatensätze vom DWD, von der FU und ggf. anderen Quellen.

Voraussetzungen: Kenntnisse in statistischer Modellierung mit R. Lust auf Statistik mit Niederschlagsdaten.

Veränderung des Einflusses von atmosphärischen Blockierungslagen auf die Variabilität von Temperaturextremen

Betreuung: Henning Rust, Andy Richling

Beschreibung: Persistente und stationäre atmosphärische Blockierungslagen ("Blockings") sind von großer Bedeutung für die Entstehung von Temperaturextremen in Europa. Hierbei spielen für Hitze- und Kältewellen vor allem die Lage des Blockings sowie die damit einhergehenden Prozesse eine wichtige Rolle. So begünstigen im Sommer vor allem mit Blocking verbundene Strahlungsprozesse sowie Absinkvorgänge die Entstehung von hohen Temperaturen, während im Winter die andauernde Advektion von kalten Luftmassen aus arktischen bzw. sibirischen Regionen kalte Temperaturextreme begünstigt. Aufgrund dieser unterschiedlichen Prozesse kann es in den Herbst- und Frühjahrsmonaten aufgrund des Überganges beider Prozesse zu starken Variabilitäten der Temperaturextreme kommen. Insbesondere im Agrarbereich kann dies u.a. aufgrund von damit verbundenen Früh- bzw. Spätfrösten zu Problemen führen. Im Kontext eines sich verändernden Klimas sollen in dieser Arbeit daher der Einfluss von atmosphärischen Blockierungslagen auf die saisonale Variabilität von Temperaturextremen (insbesondere mit Fokus auf den Herbst und das Frühjahr) sowie deren langzeitliche Veränderung mithilfe von statistischen Modellen identifiziert und ausgewertet werden.

Grundlagen: Reanalysedaten, Beobachtungsdaten

Voraussetzung: Kenntnisse in R bzw. einer anderen Software zum statistischen Auswerten von Zeitreihen. Für die Interpretation der resultierenden Zusammmenhänge und Ergebnisse sind synoptische, sowie allgemeine meteorologische Kenntnisse von Vorteil.

Literatur: Pfahl, S.: Characterising the relationship between weather extremes in Europe and synoptic circulation features, Nat. Hazards Earth Syst. Sci., 14, 1461–1475, https://doi.org/10.5194/nhess-14-1461-2014, 2014.

Modellierung einer dynamischen Temperaturklimatologie

Betreuung: Samira Ellmer, Henning Rust

Beschreibung: Während bis 2024 der Erwartungswert einer aggregierten Temperatur (jährliche globale Mitteltemperatur) mit einer linearen Regression geschätzt wurde, sind viele nationale Wetterdienste zu Glättung mittels lokaler Regressoin übergegangen (LOESS) übergegangen. Der IPCC hält bisher noch an gleitenden Mittelwerten über 10/20/30 Jahre fest. In den letzten Jahren sind einige Arbeiten dazu publiziert worden, z.B. Betts et al, nature, 2023, Scherrer et al., Climate Services, 2024). Offen ist noch die Frage, wie Hyperparameter für LOESS oder auch für Generalisierte Additive Modelle (GAM) gewählt werden müssen um mit einer sinnvollen Definitions für "Klima" konsistent zu sein. Konkret sollen die verschiedene Ansätze mit verschiedenen Hyperparametern auf Zeitreihen mit per Definition konstantem Klima angewandt werden, also auf einer Auswahl von Kontrolläufen von Klimamodellen, mit dem Ziel einen Satz geeingeter Hyperparemater zu identifizieren.

Grundlagen: Klimamodellläufe, R-Pakete für LOESS und GAM

Vorraussetzungen: Kenntnisse in statistischer Modellierung mit R. Lust auf Statistik mit Temperaturdaten von Klimamodellläufen, Herausforderung des Klimabegriffs

Einfluss großskaliger Strömung auf Gletscherwinde 

Betreuung: Henning Rust und Tobias Sauter (HU)

Beschreibung: Gletscherwinde sind ein häufiges lokales Windsystem auf Gletschern und werden stark durch turbulente Prozesse geprägt. In dieser Arbeit sollen turbulente Burst-Ereignisse in Gletscherwinden anhand hochaufgelöster Turbulenzmessungen identifiziert und hinsichtlich ihrer Intensität und Dauer charakterisiert werden. Anschließend soll ein möglicher Zusammenhang zwischen diesen Ereignissen und der darüberliegenden großräumigen atmosphärischen Zirkulation untersucht werden. Hierfür sollen Methoden des Machine Learning sowie Regressionsansätze eingesetzt werden. Für die Analyse stehen hochaufgelöste Turbulenzmessungen (Eddy-Kovarianz) auf dem Hintereisferner Gletscher (Österreich) sowie Messungen der darüberliegenden Strömung mittels LiDAR zur Verfügung.

Grundlagen: Turbulenzmessungen an vielen Statinen auf dem Gletscher und LiDAR-basierte Messungen der darüberliegenden Strömung. 

Voraussetzung: Spaß an statistischer Modellierung und Datenanalyse, interesse an glazialer Meteorologie.