4.4 Abhängigkeit der Windgeschwindigkeit von der Modellauflösung
4.4.2 Relative Häufigkeit der Windgeschwindigkeiten
In der Abbildung 4.11 sind die relativen Häufigkeiten bestimmter Windgeschwindigkeits-bereiche für die Sahara, Arabische Halbinsel und Australien dargestellt. Zu sehen sind die Simulationen PRE-T31L19und PRE-T63L31. Für die Arabische Halbinsel ist sehr deutlich anhand der länger nach rechts auslaufenden Verteilungskurve zu erkennen, dass bei der fei-neren AuflösungT63L31höhere Windgeschwindigkeiten häufiger auftreten als beiT31L19.
Dies kann wiederum die höheren Emissionen auf der Arabischen Halbinsel erklären. Für die Sahara zeigen beide Diagramme keine größeren Unterschiede. Für PRE-T63L31 tre-ten Windgeschwindigkeitre-ten über 18 m s−1 sogar etwas häufiger auf als für PRE-T31L19.
Der starke Rückgang der Emissionen in der Sahara von 427 Mt yr−1 (PRE-T31L19) auf 306 Mt yr−1 bei der feineren ModellauflösungT63L31 wäre jedoch nur mit deutlich verrin-gerten Windgeschwindigkeiten erklärbar. Die Analyse der Windgeschwindigkeiten kann demnach nicht allein zur Erklärung der zurückgegangenen Emissionen herangezogen wer-den. Mögliche weitere Erklärungsversuche wurden im Abschnitt 4.3 erläutert.
Auswertung und Diskussion
Abbildung 4.11: Relative Häufigkeit der Windgeschwindigkeiten, (a) Sahara -PRE-T31L19, (b) Sahara -PRE-T63L31,
(c) Arabische Halbinsel -PRE-T31L19, (d) Arabische Halbinsel -PRE-T63L31, (e) Australien -PRE-T31L19, (f) Australien -PRE-T63L31
Im Vergleich zur Arabischen Halbinsel verläuft die Verteilungskurve für Australien viel flacher, ein deutlich größeres Spektrum an Windgeschwindigkeiten tritt auf. Entschei-dend für den Rückgang der Emissionen (beiPRE-T63L31 im Vergleich zuPRE-T31L19) ist die deutlich sichtbare Abnahme der Wahrscheinlichkeit für hohe Windgeschwindigkeiten.
Während bei PRE-T31L19 noch Windgeschwindigkeiten bis 30 m s−1 mit sichtbarer Häu-figkeit erreicht werden, liegt die maximale Windgeschwindigkeit für PRE-T63L31, die eine relative Häufigkeit von über 0,001 Prozent aufweist, bei unter 27 m s−1. Warum in
Aus-Auswertung und Diskussion tralien die Windgeschwindigkeiten fürT63L31deutlich geringer sind, sollte in zukünftigen Arbeiten zum ECHAM5-HAM2-Staubmodell weiter untersucht werden.
5 Zusammenfassung und Ausblick
Im Rahmen der vorliegenden Arbeit wurde der Staubkreislauf unter heutigen und gla-zialen Bedingungen mithilfe des KlimamodellsECHAM5-HAM2simuliert. Dabei wurde auch die Sensitivität der Staubemissionen auf eine veränderte räumliche Modellauflösung untersucht. Dazu wurden zwei verschiedene Klimaszenarien (PREund LGM) bei jeweils drei unterschiedlichen Auflösungen (T31L19,T63L31 und T106L31) simuliert.
Die simulierten rezenten Staubemissionen zeigen einen saisonalen Charakter und liegen mit 904 Mt yr−1 (bei PRE-T31L19) an der unteren Grenze vergleichbarer Simulationen.
Die größten Quellen im Modell sind erwartungsgemäß die Sahara, Asien sowie Australien.
Die Emissionen in der Sahara sind ganzjährig sehr hoch mit einem Maximum im MAM.
Ebenfalls ein Maximum im MAM weisen die Emissionen in Asien auf. Die Emissionen in Australien zeigen die größten jahreszeitlichen Schwankungen. Die simulierten Deposi-tionsmuster zeigen die größten Depositionsflüsse in der Nähe der Quellgebiete und weisen genau dann ein Maximum auf, wenn die Emissionen maximal sind.
Zwar zeigen die T106L31-Simulationen die höchsten Emissionswerte (922 Mt yr−1 für PRE), dennoch ist keine generelle Verstärkung des Staubkreislaufs mit einer Verfeine-rung der Modellauflösung beobachtbar. Für dieT63L31-Simulationen liegen die weltweiten Emissionen 30 Prozent unter den Werten der T31L19-Simulationen. Auch auf regionaler Ebene wird dies anhand des entgegengesetzten Verhaltens der Sahara und der Arabischen Halbinsel deutlich: während die Emissionen auf der Arabischen Halbinsel bei Erhöhung der Auflösung steigen, sinken sie in der Sahara. Die Erhöhung der Emissionen auf der Arabischen Halbinsel können auf eine Verschiebung der Saisonalität zurückgeführt werden (neben dem Maximum in den Sommermonaten existiert für dieT63L31-Simulation ein zu-sätzliches Maximum im Winter). Die Ursache für die geringeren Emissionen in der Sahara lassen sich nicht eindeutig bestimmen. Leicht erhöhte mittlere Windgeschwindigkeiten bei der gröberen Auflösung könnten eine Erklärung sein, allerdings sind die maximalen
Wind-Zusammenfassung und Ausblick
geschwindigkeiten bei der T63L31-Auflösung erhöht. Weiterhin treten Windgeschwindig-keiten über18 m s−1 für PRE-T63L31etwas häufiger auf als fürPRE-T31L19, was ebenfalls eher erhöhte Emissionen für T63L31 erwarten lassen würde. Eine definitive Erklärung können die simulierten Windgeschwindigkeiten in der Sahara nicht liefern. In Australien zeigt sich dagegen eine Abnahme der Wahrscheinlichkeit für hohe Windgeschwindigkei-ten bei einer Verfeinerung der Modellauflösung, was den Rückgang der Emissionen von 114 Mt yr−1 (T31L19) auf44 Mt yr−1 (T63L31) durchaus erklären kann. Eine weitere mög-liche Ursache, insbesondere für die stark erhöhten Emissionen bei T31L19 im Bereich der Simpson Wüste, Great Victoria Wüste und Gibson Wüste in Zentralaustralien, könnte eine Kombination aus gröberer Auflösung und einem orographischen Effekt sein.
Die Emissionen sind unabhängig von der verwendeten Modellauflösung während des LGM im Vergleich zu heutigen Simulationsbedingungen stark erhöht (Faktor 1,8 auf 1630 Mt yr−1 für T31L19). Die Saisonalität ist unter glazialen Bedingungen nahezu un-verändert, einzig in der Westsahara verlängert sich der Zeitraum maximaler Emissionen und beginnt bereits in den Wintermonaten. Die Verstärkung der Emissionen unter LGM-Bedingungen sind in Asien (um einen Faktor von 2,7), auf der Arabischen Halbinsel (2,2) sowie in der Sahara (1,8) am größten. Für die Sahara und die Arabische Halbinsel kön-nen dafür die erhöhten mittleren und maximalen Windgeschwindigkeiten während des LGM verantwortlich sein. Die Windgeschwindigkeiten in Australien sind für T63L31 un-ter glazialen Bedingungen dagegen deutlich geringer, was zu einem leichten Rückgang der Emissionen führt. Dieses Phänomen tritt allerdings nur in der T63L31-Modellauflösung auf, die übrigen Auflösungen zeigen auch in Australien eine Verstärkung des simulierten Staubkreislaufs.
Zur Evaluierung der Modellergebnisse wurden die rezenten Depositionen mit 172, die glazialen Depositionen mit 73 DIRTMAP3-Datensätzen verglichen. Generell zeigt sich eine Unterschätzung der realen Depositionen durch das Modell. Die Staubdepositionen während des LGM können im Vergleich zu heute im Modell ähnlich gut reproduziert werden. Der logararithmische Korrelationskoeffizient für LGM-T63L31ist mit 0,91 im Ver-gleich zu 0,85 für PRE-T63L31 sogar leicht erhöht. Diese Erhöhung ist überwiegend ein Artefakt der kleineren Anzahl an verwendeten Datensätzen für den Vergleich der glazia-len Depositionen. Mit der feinsten Modellauflösung T106L31lassen sich die beobachteten Staubdepositionen am besten wiedergeben. Allgemein zieht eine Erhöhung der
Modellauf-Zusammenfassung und Ausblick
lösung auch eine Erhöhung der logarithmischen Korrelationskoeffizienten nach sich. Die Verbesserung bei derT106L31-Auflösung im Vergleich zurT31L19-Auflösung ist allerdings deutlich geringer als erwartet.
Alles in allem konnten die bekannten Muster des Staubkreislaufs gut simuliert wer-den. Die Schwierigkeiten bei der Quantifizierung der Staubemissionen sind nicht auf diese Arbeit begrenzt, sondern zeigen sich an vielen Stellen in der Literatur. Für die Modell-simulationen sprechen die relativ guten Übereinstimmungen der Depositionsflüsse mit DIRTMAP3-Datensätzen, insbesondere unter heutigen Simulationsbedingungen. Es hat sich gezeigt, wie komplex die Prozesse der Staubemission und -deposition sind. Gerade die Ursache der niedrigen Staubflüsse bei den T63L31-Simulationen konnten noch nicht vollständig geklärt werden. An dieser Stelle könnten regional aufgeschlüsselte Analysen der Windgeschwindigkeiten in den Emissionsgebieten weitere Erkenntnisse liefern. Dies sollte Gegenstand zukünftiger Untersuchungen sein, da eine quantitativ realistische Simu-lation des Staubkreislaufs essentiell für die Abschätzung der Klimawirkung von Staub in der Atmosphäre ist.
Quellen- und Literaturverzeichnis
Braconnot, P., S. P. Harrison, M. Kageyama, P. J. Bartlein, V. Masson-Delmotte, A.
Abe-Ouchi, B. Otto-Bliesner, und Y. Zhao (2012). Evaluation of climate models using palaeoclimatic data. Nature Climate Change, 2:417–424.
Cheng, T., Y. Peng, J. Feichter, und I. Tegen (2008). An improvement on the dust emission scheme in the global aerosol-climate model ECHAM5-HAM. Atmospheric Chemistry and Physics, 8:1105–1117.
Chin, M., P. Ginoux, S. Kinne, O. Torres, B. N. Holben, B. N. Duncan, R. V. Martin, J. A. Logan, A. Higurashi, und T. Nakajima (2002). Tropospheric aerosol optical thickness from the GOCART model and comparisons with satellite and sun photometer measurements. Journal of the Atmospheric Sciences, 59:461–483.
Clemens, S. C. und Prell, W. L. (1990). Late Pleistocene variability of Arabian Sea summer monsoon winds and continental aridity: eolian records from the lithogenic component of deep-sea sediments. Paleoceanography, 5:109–145.
Darwin, C. (1846). An account of the fine dust which often falls on vesels in the Atlantic Ocean. Quarterly Journal of the Geological Society of London, 2:26–30.
Dobson, M. (1781). An account of the Harmattan, a singular African wind. Philosophical Transaction of the Royal Society of London, 71:46–57.
Dulac, F., D. Tanré, G. Bergametti, P. Buatmenard, M. Desbois, und D. Sutton (1992).
Assessment of the african airborne dust mass over the western mediterranean-sea using meteosat data. Journal of Geophysical Research, 97:2489–2506.
Engelbrecht, J. P. und Derbyshire, E. (2010). Airborne Mineral Dust. Elements, Geo-ScienceWorld, 6(4):241–246.
Quellen- und Literaturverzeichnis
Genthon, C. (1992). Simulations of desert dust and sea-salt aerosols in Antarctica with a general circulation model of the atmosphere. Tellus, 44(4):371–389.
Gillette, D. A. und Passi, R. (1988). Modelling dust emission caused by wind erosion.
Journal of Geophysical Research, 93:14233–14242.
Ginoux, P., M. Chin, I. Tegen, J. M. Prospero, B. Holben, O. Dubovik, und S. J. Lin (2001). Sources and distribution of dust aerosols simulated with the gocart model.
Journal of Geophysical Research, 106:20255–20273.
Gläser, G., A. Kerkweg, und H. Wernli (2012). The Mineral Dust Cycle in EMAC 2.40:
sensitivity to the spectral resolution and the dust emission scheme. Atmospheric Che-mistry and Physics, 12:1611–1627.
Harrison, S. P., K. E. Kohfeld, C. Roelandt, und T. Claquin (2001). The role of dust in climate changes today, at the last glacial maximum and in the future. Earth-Science Reviews, 54:43–80.
Heavens, N. G., D. S. Ward, und M. M. Natalie (2013). Studying and Projecting Climate Change with Earth System Models. Nature Education Knowledge, 4(5).
Heinold, B. (2008). Regional modeling of Saharan dust in the framework of the SAMUM (SAharan Mineral dUst experiMent) field project. PhD thesis, Universität Leipzig.
Herman, J. R., P. K. Bhartia, O. Torres, C. Hsu, C. Seftor, und E. Celarier (1997).
Global distribution of UV-absorbing aerosols from Nimbus 7/TOMS data. Journal of Geophysical Research, 102:16911–16922.
Holben, B. N., D. Tanré, A. Smirnov, T. F. Eck, I. Slutsker, N. Abuhassan, W. W.
Newcomb, J. S. Schafer, B. Chatenet, F. Lavenu, Y. J. Kaufman, J. Vande Castle, A. Setzer, B. Markham, D. Clark, R. Frouin, R. Halthore, A. Karneli, N. T. O’Neill, C. Pietras, R. T. Pinker, K. Voss, und G. Zibordi (2001). An emerging ground-based aerosol climatology: Aerosol optical depth from AERONET. Journal of Geophysical Research, 106(D11):12067–12097.
Husar, R. B., J. M. Prospero, und L. L. Stowe (1997). Characterization of tropospheric aerosols over the oceans with the NOAA advanced very high resolution radiometer optical thickness operation product.Journal of Geophysical Research, 102:16889–16909.
Quellen- und Literaturverzeichnis
IPCC AR5 (2013). O. Boucher, D. Randall, P. Artaxo, C. Bretherton, G. Feingold, P.
Forster, V.-M. Kerminen, Y. Kondo, H. Liao, U. Lohmann, P. Rasch, S.K. Satheesh, S. Sherwood, B. Stevens, X.Y. Zhang: Clouds and Aerosols. In Climate Change 2013:
The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change [Stocker, T.F., D. Qin, G.-K. Plattner, M. Tignor, S.G.-K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex and P.M.
Midgley (eds.)]. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.
Jacobson, M. Z. und Streets, D. G. (2009). Influence of future anthropogenic emissions on climate, natural emissions, and air quality. Journal of Geophysical Re-search, 114(D08118).
Joussaume, S. (1990). Three-dimensional simulation of the atmospheric cycle of desert dust particles using a general circulation model. Journal of Geophysical Research, 95:1909–1941.
Jouzel, J., V. Masson-Delmotte, O. Cattani, G. Dreyfus, S. Falourd, G. Hoffmann, B.
Minster, J. Nouet, J. M. Barnola, J. Chappellaz, H. Fischer, J. C. Gallet, S. Johnsen, M.
Leuenberger, L. Loulergue, D. Luethi, H. Oerter, F. Parrenin, G. Raisbeck, D. Raynaud, A. Schilt, J. Schwander, E. Selmo, R. Souchez, R. Spahni, B. Stauffer, J. P. Steffensen, B. Stenni, T. F. Stocker, J. L. Tison, M. Werner, und E. W. Wolff (2007). Orbital and Millennial Antarctic Climate Variability over the Past 800,000 Years. Science, 317(5839):793–797.
Lambert, F., B. Delmonte, J. R. Petit, M. Bigler, P. R. Kaufmann, M. A. Hutterli, T. F.
Stocker, U. Ruth, J. P. Steffensen, und V. Maggi (2008). Dust-climate couplings over the past 800,000 years from the EPICA Dome C ice core. Nature, 452:616–619.
Lin, S. J. und Rood, R. B. (1996). Multidimensional flux-form semi-Lagrangian transport schemes. Monthly Weather Review, 124:2046–2070.
Luo, C., N. M. Mahowald, und J. del Corral (2003). Sensitivity study of meteorological parameters on mineral aerosol mobilization, transport, and distribution. Journal of Geophysical Research, 108.
Quellen- und Literaturverzeichnis
Lüthi, D., M. Le Floch, B. Bereiter, T. Blunier, J. M. Barnola, U. Siegenthaler, D. Ray-naud, J. Jouzel, H. Fischer, K. Kawamura, und T. F. Stocker (2008). High-resolution carbon dioxide concentration record 650,000-800,000 years before present. Nature, 453:379–382.
Maher, B. und Kohfeld, K. E. (2009). DIRTMAP Version 3. LGM and Late Holocene Eolian Fluxes from Ice Cores, Marine Sediment Traps, Marine Sediments, and Loess Deposits. http://www.lec.lancs.ac.uk/dirtmap3.
Maher, B. A., J. M. Prospero, D. Mackie, D. Gaiero, P. Hesse, und Y. Balkanski (2010).
Global connections between aeolian dust, climate and ocean biogeochemistry at the present day and at the last glacial maximum. Earth-Science Reviews, 99(1-2):61–97.
Mahowald, N., K. E. Kohfeld, M. Hansson, Y. Balkanski, S. P. Harrison, I. C. Prentice, M. Schulz, und H. Rodhe (1999). Dust sources and deposition during the Last Glacial Maximum and current climate: A comparison of model results with paleodata from ice cores and marine sediments. Journal of Geophysical Research, 104(D13):15895–15916.
Mahowald, N. M., D. R. Muhs, S. Levis, P. J. Rasch, M. Yoshioka, C. S. Zender, und C. Luo (2006). Change in atmospheric mineral aerosols in response to climate: Last glacial period, preindustrial, modern, and doubled carbon dioxide climates. Journal of Geophysical Research, 111(D10202).
Martin, J. H. und Fitzwater, S. E. (1988). Iron deficiency limits phytoplankton growth in the north-east Pacific subarctic. Nature, 331(6154):341–343.
McTainsh, G. H. (1998). Dust storm index. In: Sustainable Agriculture: Assessing Austra-lia’s Recent Performance. A Report of the National Collaborative Project on Indicators for Sustainable Agriculture. SCARM Technical Report, 70:65–72.
Miller, R., I. Tegen, und Z. Perlwitz (2004). Surface radiative forcing by soil dust aerosols and the hydrologic cycle. Journal of Geophysical Research, 109.
Monnin, E., A. Indermühle, A. Dällenbach, J. Flückiger, B. Stauffer, T. F. Stocker, D.
Raynaud, und J. M. Barnola (2001). Atmospheric CO2 concentrations over the last glacial termination. Science, 291:112–114.
Quellen- und Literaturverzeichnis
Petit, J. R., J. Jouzel, D. Raynaud, N. I. Barkov, J. M. Barnola, I. Basile, M. Benders, J. Chappellaz, M. Davis, G. Delayque, M. Delmotte, V. M. Kotlyakov, M. Legrand, V. Y. Lipenkov, C. Lorius, L. Pépin, C. Ritz, E. Saltzman, und M. Stievenard (1999).
Climate and atmospheric history of the past 420,000 years from the Vostok ice core, Antarctica. Nature, 399:429–436.
Prospero, J. M., P. Ginoux, O. Torres, S. E. Nicholson, und T. E. Gill (2002).
Environmental characterization of global sources of atmospheric soil dust identified with the Nimbus 7 Total Ozone Mapping Spectrometer (TOMS) absorbing aerosol product.
Reviews of Geophysics, 40.
Rea, D. (1994). The paleoclimatic record provided by eolian deposition in the deep sea:
the geologic history of wind. Reviews of Geophysics, 32(2):159–195.
Roeckner, E., G. Bäuml, L. Bonaventura, R. Brokopf, M. Esch, M. Giorgetta, S. Hage-mann, I. Kirchner, L. Kornblueh, E. Manzini, A. Rhodin, U. Schlese, U. Schulzweida, und A. Tompkins (2003). The atmospheric general circulation model ECHAM5. PART I: model description. MPI Technical Report 349, Max Planck Institute for Meteorology, Hamburg, Germany.
Roeckner, E., K. Arpe, L. Bengtsson, S. Brinkop, L. Dümenil, M. Esch, E. Kirk, F.
Lunkeit, M. Ponater, B. Rockel, R. Sausen, U. Schlese, S. Schubert, und M. Windelband (1992). Simulation of the present-day climate with the ECHAM model: impact of model physics and resolution. MPI Technical Report 93, Max Planck Institute for Meteorology, Hamburg, Germany.
Sarnthein, M., G. Tetzlaff, B. Koopmann, K. Wolter, und U. Pflaumann (1981). Glacial and interglacial wind regimes over the eastern subtropical Atlantic and North-West Africa. Nature, 293:193–196.
Shao, Y. (2000). Physics and Modelling of Wind Erosion. Kluwer Academic Publishers, Dordrecht.
Shao, Y., K.-H. Wyrwoll, A. Chappell, J. Huang, Z. Lin, G. H. McTainsh, M. Mikami, T. Y. Tanaka, X. Wang, und S. Yoon (2011). Dust cycle: An emerging core theme in Earth system science. Aeolian Research, 2:181–204.
Quellen- und Literaturverzeichnis
Shao, Y., M. R. Raupach, und P. A. Findlater (1993). Effect of saltation bombardment on the entrainment of dust by wind. Journal of Geophysical Research, 98:12719–12726.
Siegenthaler, U., T. F. Stocker, E. Monnin, D. Lüthi, J. Schwander, B. Stauffer, D. Ray-naud, J. M. Barnola, H. Fischer, V. Masson-Delmotte, und J. Jouzel (2005). Stable Carbon Cycle-Climate Relationship During the Late Pleistocene. Science, 310:1313–
1317.
Sokolik, I. N. und Toon, O. B. (1996). Direct radiative forcing by anthropogenic airborne mineral aerosols. Nature, 381:681–683.
Stier, P., J. Feichter, S. Kinne, S. Kloster, E. Vignati, J. Wilson, L. Ganzeveld, I. Tegen, M.
Werner, Y. Balkanski, M. Schulz, O. Boucher, A. Minikin, und A. Petzold (2005). The aerosol-climate model ECHAM5-HAM. Atmospheric Chemistry and Physics, 5:1125–
1156.
Takemura, T., H. Okamoto, Y. Maruyama, A. Numaguti, A. Higurashi, und T. Nakajima (2000). Global three-dimensional simulation of aerosol optical thickness distribution of various origins. Journal of Geophysical Research, 105(D14):17853–17873.
Tanaka, T. Y. und Chiba, M. (2006). A numerical study of the contributions of dust source regions to the dust source regions to the global dust budget. Global and Planetary Change, 52:88–104.
Tegen, I. (2003). Modeling the mineral dust aerosol cycle in the climate system.
Quaternary Science Reviews, 22:1821–1834.
Tegen, I., M. Werner, S. P. Harrison, und K. E. Kohfeld (2004). Relative importance of climate and land use in determining present and future global soil dust emission.
Geophysical Research Letters, 31(L05105).
Tegen, I., S. P. Harrison, K. E. Kohfeld, I. C. Prentice, M. Coe, und M. Heimann (2002).
Impact of vegetation and preferential source areas on global dust aerosol: Results from a model study. Journal of Geophysical Research, 107.
Twomey, S. (1974). Pollution and the planetary albedo. Atmospheric Environment, 8.
Quellen- und Literaturverzeichnis
Werner, M., I. Tegen, S. P. Harrison, K. E. Kohfeld, I. C. Prentice, Y. Balkanski, H.
Rodhe, und C. Roelandt (2002). Seasonal and interannual variability of the mineral dust cycle under present and glacial climate conditions. Journal of Geophysical Research, 107(D24).
Woodward, S., D. L. Roberts, und R. A. Betts (2005). A simulation of the effect of climate change-induced desertification on mineral dust aerosol. Geophysical Research Letters, 32(L18810).
Zender, C. S., H. Bian, und D. Newman (2003). Mineral dust entrainment and deposition (DEAD) model: description and 1990s dust climatology. Journal of Geo-physical Research, 108(D14).
Zhang, K., D. O’Donnell, J. Kazil, P. Stier, S. Kinne, U. Lohmann, S. Ferrachat, B.
Croft, J. Quaas, H. Wan, S. Rast, und J. Feichter (2012). The global aerosol-climate model ECHAM-HAM, version 2: sensitivity to improvements in process representations.
Atmospheric Chemistry and Physics, 12:8911–8949.
Zobeck, T. M. (1991). Soil properties affecting wind erosion. Journal of Soil and Water Conservation, 46:112–118.
Abbildungsverzeichnis
Abbildung 2.1: Größenabhängige Mobilisierung von Staubteilchen durch Wind, verändert nach Shao (2000) . . . 7 Abbildung 2.2: Wüstenstaub aus Nordafrika wird auf den Atlantik in Richtung
Kanarische Inseln geweht, aufgenommen vom MODIS-Instrument auf dem Satelliten Aqua der NASA am 3. März 2004, Quelle:
NASA . . . 8 Abbildung 2.3: Globale Verteilung der Staubquellen und saisonale
Transport-muster (Engelbrecht und Derbyshire, 2010), Schattierungen von Gelb und Braun: Anzahl der Tage, an denen der AI die Wer-te 1,0 (in den HaupWer-temissionsgebieWer-ten Afrikas und Asiens) und 0,7 (in den übrigen Gebieten) überschreitet, Pfeile: saisonale Hauptwindrichtung von Staubstürmen . . . 9 Abbildung 2.4: (a) Abschätzung der Temperaturdifferenz im Vergleich zum
Mit-telwert über die vergangenen 1000 Jahre (K), EPICA Dome C (Jouzel et al., 2007)
(b)CO2-Konzentration (ppmv), EPICA Dome C, Vostok (Lüthi et al., 2008)
(c) Staubkonzentration (ng/g), EPICA Dome C (Lambert et al., 2008) . . . 13 Abbildung 3.1: Globale Verteilung der zur Evaluierung derPRE-Modellsimulationen
verwendeten DIRTMAP3-Datensätze . . . 19 Abbildung 3.2: Globale Verteilung der zur Evaluierung derLGM-Modellsimulationen
verwendeten DIRTMAP3-Datensätze . . . 19 Abbildung 4.1: Saisonale Variabilität der Staubemissionen, Simulation:PRE-T63L31 21 Abbildung 4.2: Saisonale Variabilität der Staubdepositionen, Simulation:PRE-T63L31 22
Abbildungsverzeichnis
Abbildung 4.3: Saisonale Variabilität der Staubemissionen, Simulation:LGM-T63L31 23 Abbildung 4.4: Differenz der Staubemissionen, Simulation: LGM-T63L31 minus
PRE-T63L31 . . . 24 Abbildung 4.5: Vergleich simulierter Staubdepositionen mitDIRTMAP3-Daten,
Simulation: PRE-T63L31 . . . 25 Abbildung 4.6: Vergleich simulierter Staubdepositionen mitDIRTMAP3-Daten,
Simulation: LGM-T63L31 . . . 26 Abbildung 4.7: Saisonale Variabilität der Staubemissionen, Simulation:PRE-T31L19 29 Abbildung 4.8: Mittlere Windgeschwindigkeiten: (a) Sahara, (b) Arabische
Halb-insel,
(c) Australien, Simulationen:PRE-T63L31(blau) undLGM-T63L31 (dunkelblau) . . . 30 Abbildung 4.9: Maximale Windgeschwindigkeiten: (a) Sahara, (b) Arabische
Halbinsel, (c) Australien, Simulationen:PRE-T63L31(grün) und LGM-T63L31 (dunkelgrün) . . . 31 Abbildung 4.10: Maximale Windgeschwindigkeiten: (a) Sahara, (b) Arabische
Halbinsel, (c) Australien, Simulationen:PRE-T31L19(blau),PRE-T63L31 (grün) und LGM-T63L31 (dunkelgrün) . . . 32 Abbildung 4.11: Relative Häufigkeit der Windgeschwindigkeiten,
(a) Sahara - PRE-T31L19, (b) Sahara - PRE-T63L31,
(c) Arabische Halbinsel - PRE-T31L19, (d) Arabische Halbinsel - PRE-T63L31,
(e) Australien -PRE-T31L19, (f) Australien - PRE-T63L31. . . . 35 Abbildung A.1: Vergleich simulierter Staubdepositionen mitDIRTMAP3-Daten,
Simulation: PRE-T31L19 . . . ii Abbildung A.2: Vergleich simulierter Staubdepositionen mitDIRTMAP3-Daten,
Simulation: LGM-T31L19 . . . iii Abbildung A.3: Vergleich simulierter Staubdepositionen mitDIRTMAP3-Daten,
Simulation: PRE-T106L31 . . . iii Abbildung A.4: Vergleich simulierter Staubdepositionen mitDIRTMAP3-Daten,
Simulation: LGM-T106L31 . . . iv
Tabellenverzeichnis
Tabelle 2.1: Vergleich des globalen jährlichen Staubbudgets verschiedener Mo-dellstudien, Emissions- und Depositionswerte inMt yr−1, Werte in Klammern: prozentuale Verteilung von trockener beziehungsweise nasser Deposition, simulierter Größenbereich in µm (Shao et al., 2011) . . . 11 Tabelle 3.1: Überblick über Randbedingungen der verwendeten Klimaszenarien
PRE und LGM nach PMIP3-Protokoll . . . 17 Tabelle 3.2: Überblick über Modellsimulationen . . . 18 Tabelle 4.1: Logarithmische Korrelationskoeffizienten zwischen DIRTMAP3
-und ECHAM5-HAM2-Depositionsdaten (Berechnung nach Glei-chung 3.4) unter Einbeziehung aller Datensätze sowie unter Ein-beziehung ausschließlich der 73 LGM-Datensätze . . . 25 Tabelle 4.2: Simulierte Staubemissionen und -depositionen unter heutigen und
glazialen Bedingungen, Mittelwerte und Standardabweichungen für PREund LGM sowie das Verhältnis LGM/PRE . . . 27
Anhang
A Abbildungen
Abbildung A.1: Vergleich simulierter Staubdepositionen mit DIRTMAP3-Daten, Simulation: PRE-T31L19
Abbildung A.2: Vergleich simulierter Staubdepositionen mit DIRTMAP3-Daten, Simulation: LGM-T31L19
Abbildung A.3: Vergleich simulierter Staubdepositionen mit DIRTMAP3-Daten, Simulation: PRE-T106L31
Abbildung A.4: Vergleich simulierter Staubdepositionen mit DIRTMAP3-Daten, Simulation: LGM-T106L31
Selbstständigkeitserklärung
Hiermit erkläre ich, dass ich die vorliegende Arbeit selbstständig verfasst und keine ande-ren als die angegebenen Hilfsmittel verwendet habe. Auf wörtliche und dem Sinne nach aus der Literatur oder aus Quellen entnommene Gedanken und Ergebnisse habe ich stets an den jeweiligen Textstellen verwiesen.
Ort, Datum der Abgabe Unterschrift
Danksagung
Abschließend möchte ich mich bei einigen Personen bedanken, die mir bei der Erstellung der vorliegenden Arbeit eine große Hilfe waren.
Für seine Geduld und tatkräftige Unterstützung möchte ich mich bei Dr. Martin Werner vom Alfed-Wegener-Institut für Polar- und Meeresforschung Bremerhaven bedanken, der meine gesamte Arbeit nicht nur fachlich betreut hat. Auch für die Möglichkeit, beim 1.
Leipziger Staubtag des TROPOS am 6. März 2014 meine Ergebnisse vorzustellen, möchte ich Danke sagen. An dieser Stelle gilt mein Dank auch Prof. Dr. Ina Tegen vom TROPOS in Leipzig für die stets umkomplizierte Betreuung und Besprechung der Ergebnisse.
Für die sehr freundliche Hilfe im Zusammenhang mit den simulierten Staubemissionen möchte ich Dr. Tanja Stanelle (ETH Zürich) meinen Dank aussprechen. Vielen Dank
Für die sehr freundliche Hilfe im Zusammenhang mit den simulierten Staubemissionen möchte ich Dr. Tanja Stanelle (ETH Zürich) meinen Dank aussprechen. Vielen Dank