Kategorie: Ergebnisse

@incollection{breitenbach_bbh2022,

title = {Die Bleßberghöhle – ein Glücksfall für die Klimaforschung},

author = {Sebastian F. M. Breitenbach and Norbert Marwan},

editor = {Thüringer Höhlenverein, e. V.},

year  = {2022},

date = {2022-02-22},

urldate = {2022-02-22},

booktitle = {Nächster Halt: Bleßberghöhle},

address = {Suhl},

abstract = {Höhlen stellen generell für die Wissenschaft ein wertvolles Archiv dar, aus dem vielfältige und interessante Erkenntnisse gewonnen werden können. So gehören sie inzwischen auch zu den bedeutendsten Klimaarchiven auf dem Festland (See- und Meeressedimente stellen andere wichtige Archive dar). Solange die Höhlensedimente und Sinter ungestört bleiben, können hydrologische und klimatische Bedingungen detailliert aufgezeichnet werden. Die Bleßberghöhle ist in diesem Zusammenhang ein ausgesprochener Glücksfall, da sie über viele Jahrtausende komplett verschlossen war und so vor äußeren Störungen bewahrt wurde. Sie ist in vielen Abschnitten mit verschiedensten Sinterformen geschmückt. Für die Rekonstruktion regionaler Klimaänderungen sind vor allem die Stalagmiten geeignet. Die wissenschaftliche Bearbeitung des aus der Bleßberghöhle gesammelten Materials ist ein langwieriger Prozess und noch lange nicht abgeschlossen. Zum gegenwärtigen Zeitpunkt können aber bereits erste interessante Aussagen gemacht werden, auf die wir hier nach einem kurzen allgemeinen Einblick in verschiedene Aspekte der Paläoklimaforschung eingehen wollen.},

keywords = {},

pubstate = {published},

tppubtype = {incollection}

}

@inproceedings{marwan2014,

title = {Recurrence properties as signatures for abrupt climate change},

author = {Norbert Marwan and Sebastian F. M. Breitenbach and Birgit Plessen and Denis Scholz and Jens Leonhardt



},

url = {https://bbh.pik-potsdam.de/wp-content/uploads/2021/04/EGU2014-8893.pdf},

year  = {2014},

date = {2014-04-01},

booktitle = {Geophysical Research Abstracts},

volume = {16},

pages = {EGU2014-8893},

abstract = { The study of recurrence properties of dynamical systems has been shown to be very successful in characterising typical dynamical behaviour, finding regime transitions, or detecting couplings and synchronisations, even for short, noisy, and nonstationary data, as typical in Earth Sciences. Recurrence plots and their quantifications are powerful techniques for the investigation of recurrence and increasingly attract attention in recent years. We demonstrate the potential of the newly introduced extension of recurrence plot analysis by complex network measures for the detection of abrupt dynamical changes. This method is applied on a Holocene palaeoclimate data set from Central Europe derived from a stalagmite from Blessberg Cave, Thuringia, Germany. The stalagmite δ18O proxy record covers the middle to late Holocene (6000-400 years BP). Dating uncertainties are considered by an ensemble approach derived from the COPRA framework. Characteristic changes in the recurrence properties reflecting regular dynamics coincide well with the occurrence of the Bond events 1, 2, and 3. During Bond events the Central European climate variability appears more regular. The analysis presented here examplifies the potency of quantitative recurrence methods in detecting climatic events, which otherwise remain hidden in the raw proxy time series. },

keywords = {},

pubstate = {published},

tppubtype = {inproceedings}

}

Am PIK werden u. a. neue Methoden entwickelt, die einerseits neue Aspekte in Paläoklimadaten untersuchen, die aber auch mit den Schwierigkeiten klarkommen, die für gewöhnlich mit Paläoklimaanalysen zusammenhängen – wie z. B. Lücken in den DatenLücken in den Daten Stalagmiten wachsen nicht gleichmäßig. Es kann sogar zu langen Ruhephasen kommen, in denen gar kein Wachstum stattfindet. Somit werden zu diesen Zeiten die entsprechenden Umweltinformationen nicht im Stalagmit abgespeichert. Es entstehen also "Lücken" in den Daten., Unsicherheiten der AlterUnsicherheiten der Alter Um die abgespeicherten Umweltinformationen aus den Stalagmiten bestimmten Zeiträumen zuordnen zu können, muß man diese datieren. Allerdings sind alle Datierungsverfahren mit Unsicherheiten behaftet. Das heißt, man kann den Zeitpunkt von bestimmten Umweltveränderungen, die man aus den Stalagmiten herauslesen kann, nie ganz genau bestimmen, sondern nur so ungefähr. Viele statistische Verfahren benötigen allerdings genaue Zeitpunkte und können daher mit solchen Daten nicht umgehen. oder Unregelmäßigkeiten der DatenpunkteUnregelmäßigkeiten der Datenpunkte Stalagmiten wachsen nicht gleichmäßig. Daher kann man die im Stalagmiten gemessenen Umweltveränderungen nicht gleichmäßig bestimmten Zeitpunkten (z. B. jährliche Zeitpunkte) zuordnen. Das erschwert in der Regel statistische Auswertungen, da die Auswertemethoden meist von gleichmäßig verteilten Zeitpunkten ausgehen.. Dabei handelt es sich zwar um Grundlagenforschung, aber diese wird auch sofort auf interessante Fragestellungen angewendet.

Ein Schwerpunkt ist die Entwicklung und Anwendung von Methoden, die speziell die wiederkehrenden Muster untersuchen (im englischen: „recurrence“). Diese Methoden sind sehr erfolgreich für das Auffinden von abrupten Änderungen, aber auch für das Vergleichen verschiedener Datensätze, um z. B. herauszufinden, ob es da gegenseitige Einflüsse gibt.

In einer unserer ersten Analysen von den drei Stalagmiten BB-1 bis BB-3, hatten wir uns die Sauerstoffisotopeδ18O Der Atomkern des Sauerstoffs besteht aus 8 Protonen und in der Regel aus 8 Neutronen. Es gibt aber auch Sauerstoff, dessen Kerne aus 8 Protonen und 9 oder 10 Neutronen bestehen (neben selteneren, instabilen Sauerstoffisotopen). Um das zu kennzeichnen, gibt man zusätzlich zum chemischen Symbol noch die Massenzahl (Summe aus Protonen und Neutronen) an, also 16O, 17O oder 18O. Das zahlenmäßige Verhältnis zwischen dem häufigsten Isotop 16O und dem schwereren, aber viel seltener auftretenden 18O wird durch vielfältige Mechanismen bestimmt. Verdunstet z. B. das Wasser in einem Wassertropfen, so geht zuerst das Wasser mit dem leichteren Sauerstoff, also 16O, in den gasförmigen Zustand über, da hierfür weniger Energie aufgewandt werden muss. Schwerere Sauerstoffisotope verbleiben in dem Wassertropfen dagegen viel länger. Das hat zur Folge, dass sich das Verhältnis zwischen 16O und 18O zugunsten von 18O verschiebt. Diese Abweichung kann gegen Standards verglichen werden; die Abweichung dieses Verhältnisses vom Standard wird als δ18O beschrieben. Da diese Abweichung des Isotopenverhältnisses vom Normalwert von verschiedenen Umweltparametern, wie Temperatur, Wind oder Luftfeuchtigkeit abhängt, bietet sie sich als Maß für Veränderungen im hydrologischen Kreislauf und damit als Klimaindikator an. von BB-1 mit diesen Wiederkehr-Methoden angeschaut. Dabei hatten wir extra auch die DatierungsunsicherheitUnsicherheiten der Alter Um die abgespeicherten Umweltinformationen aus den Stalagmiten bestimmten Zeiträumen zuordnen zu können, muß man diese datieren. Allerdings sind alle Datierungsverfahren mit Unsicherheiten behaftet. Das heißt, man kann den Zeitpunkt von bestimmten Umweltveränderungen, die man aus den Stalagmiten herauslesen kann, nie ganz genau bestimmen, sondern nur so ungefähr. Viele statistische Verfahren benötigen allerdings genaue Zeitpunkte und können daher mit solchen Daten nicht umgehen. mit berücksichtigt. Durch die Datierungsunsicherheiten gibt es kleine Verschiebungen der Zeitreihe entlang der x-Achse. Innerhalb der Unsicherheiten sind daher verschiedene Realisierungen des Verlaufs der gemessenen Sauerstoffisotope möglich.

Die Wiederkehrmuster werden mit einem speziellen Analysewerkzeug untersucht, dem sogenannten „recurrence plot“. Damit lassen sich Zeiten darstellen, zu denen ähnliche Zustände aufgetreten sind. Die Muster, die man in so einem „recurrence plot“ sieht, haben eine tiefere Bedeutung und können weiter analysiert und quantifiziert werden, um Änderungen in der DynamikDynamik Die zeitliche Veränderung von Zuständen, wie z. B. die zyklische Änderung des Klimas zwischen Warm und Kaltzeiten. des zugrundeliegenden Prozesses zu finden.

Die numerische Analyse von „recurrence plots“ liefert verschiedene Ergebnisse, die verschiedene Aspekte der Klimadynamik beleuchten. Zwei solcher Ergebnisse sind hier kurz dargestellt: einerseits die KomplexitätKomplexe Systeme Komplexe Systeme bestehen aus sehr vielen Komponenten, die auch miteinander wechselwirken, zeigen unvorhersagbares Verhalten und können trotzdem charakteristische Muster hervorrufen (weshalb sie sich deutlich von rein zufälligen Systemen unterscheiden). der Klimavariabilität („TransitivityTransitivity Ein Maß aus der Netzwerktheorie, welches quantifiziert, wie stark sich Zustände zu kleinen Gruppen zusammenfinden.“) und andererseits, wie gut so ein Klimasignal vorhersagbar wäre („DeterminismDeterminism Ein Maß aus der Wiederkehr-Analyse, welches beschreibt, wie gut sich die Veränderung eines Systems vorhersagen läßt.“). Beide Ergebnisse zeigen eine generelle Tendenz zu größerer Komplexität und geringerer Vorhersagbarkeit für jüngere Alter. Sie zeigen aber auch für bestimmte Zeitpunkte kurzzeitige Anstiege zu besserer Vorhersagbarkeit, nämlich ungefähr vor 4.200, 2.800 und 1.400 Jahren. Genau zu diesen Zeitpunkten kam es zu kurzzeitigen und schnellen Vereisungen im Nordatlantik, den sogenannten „Bond-EreignissenBond-Ereignis Kurze Zeiträume im Holozän, in denen kühleres Oberflächenwasser und Treibeis aus dem Arktischen Ozean bis tief in wärmere subpolare Gewässer getrieben wurde.“. Gleichzeitig gibt es Variationen in der Komplexität des Klimasignals („Transitivity“), allerdings bewegen sich diese Variationen innerhalb eines Unsicherheitsbereiches (KonfidenzintervallKonfidenzintervall Im Rahmen der Statistik ein Bereich, in dem man den gemessenen Veränderungen nicht wirklich vertrauen kann.), so daß wir diese nicht wirklich interpretieren dürfen.