Search

Zur Kartierung landwirtschaftlicher Flächen mithilfe von Satellitenbildern werden häufig Machine Learning Algorithmen angewandt. Ein Großteil der Anwendungen in der Fernerkundung fokussiert sich jedoch auf die Reproduktion von Daten. Gebiete, für die das Training stattgefunden hat, werden somit klassifiziert, ohne die räumlichen und zeitlichen Abhängigkeiten zu bedenken. In dieser Arbeit wurde die Übertragbarkeit des Random Forest Classifiers für die Detektion von Winterweichweizen (Triticum aestivum subsp. aestivum L.) mithilfe von Sentinel-1 und Sentinel-2 Zeitreihen getestet. Bei der Übertragung eines Classifiers werden für die Auswahl der Satellitenbild-aufnahmen meist Kalenderdaten genutzt. Aufbauend auf der Annahme, dass die Witterungsbedingungen einen erheblichen Einfluss auf die Phänologie haben und der Einbezug vergleichbarer Entwicklungsstadien wiederum einen Einfluss auf die Klassifikationsergebnisse hat, wurden drei Verfahren zur Definition der zu vergleichenden Zeitpunkte entwickelt. Die häufig genutzte Entscheidung anhand von Kalenderdaten bezieht die Unterschiede in der Phänologie nicht mit ein. Allerdings können vor allem zwischen verschiedenen Jahren mehrere Wochen zwischen dem Erreichen eines Entwicklungsstadiums liegen. Aus diesem Grund wurden akkumulierte Temperatursummen (Growing Degree Days) aus meteorologischen Daten errechnet und in einem zweiten Verfahren zur Definition der Interpolationszeitpunkte genutzt und die Ergebnisse des Ontogenesemodells SIMONTO in einem dritten Verfahren verwendet. Für drei Gebiete in Niederösterreich und das Jahr 2022 wurden Random Forest Classifier mithilfe dieser Verfahren und mit Sentinel-1 und Sentinel-2 Zeitreihen trainiert und anschließend auf alle drei Gebiete und die Jahre 2019 bis 2022 angewandt. Die Ergebnisse der 180 auf diese Weise durchgeführten Klassifikationen wurden miteinander vergli-chen, um den Einfluss des Einbezugs meteorologischer Daten zu evaluieren. Die Ergebnisse zeigen, dass durch den Ein, To map agricultural areas with the help of satellite images, machine learning algorithms are often used. However, the majority of these applications in remote sensing focus on the reproduction of data. Areas for which training has taken place are thus classified without considering the spatial and temporal dependencies. In this thesis, an investigation on the spatial and temporal transferability of random forest classifiers for the detection of common winter wheat (Triticum aestivum subsp. aestivum L.) using Sentinel-1 and Sentinel-2 time series is conducted. When transferring a classifier, calendar dates are usually used for the selection of satellite images. Based on the assumption that weather conditions have a considerable influence on phenology and that the consideration of comparable development stages in turn has an influence on the classification results, three different methods were used to define the dates to be considered and compared. The frequently used choice of fixed calendar dates does not take differences in phenology into account. However, especially between different years, the interval between reaching different stages of development can be several weeks. For this reason, accumulated temperature sums (growing degree days) were calculated from meteorological data and used in a second method to define the interpolation times and the results of the SIMONTO ontogenesis model were used in the third method. For three areas within Lower Austria and the year 2022, random forest classifiers were trained with Sentinel-1 and Sentinel-2 data interpolated using these different methods and then applied to all three areas for the years 2019 to 2022. The results of the 180 classifications carried out in this way were compared with each other to evaluate the influence of the inclusion of meteorological data. The results indicate that by the inclusion higher overall accuracies and F-scores could be achieved for the classification of common winter wheat in both the, Masterarbeit Universität Innsbruck 2024

This thesis tackles the challenge of serially correlated error terms in econometric analysis and presents an innovative approach to enhance error term modeling, particularly when dealing with a limited number of time periods. The presence of serial correlation within regression residuals can potentially lead to misleading inference results. While the Newey-West method is a common tool for mitigating this issue, this study proposes a more efficient alternative by focusing on error term modeling as a primary solution. Traditionally, economists have relied on autoregressive processes of order one (AR(1)) to model serial correlation. However, it has been observed that conventional techniques like Ordinary Least Squares (OLS) and Maximum Likelihood Estimation (MLE) for estimating AR(1) processes can introduce significant bias, thereby jeopardizing the reliability of subsequent analyses. To address this concern, this thesis introduces a novel methodology that employs an unbiased estimation technique for modeling error terms. The study commences with a comprehensive examination of biascorrection techniques, encompassing analytical, simulation-based, and bootstrapping approaches, elucidating their distinct advantages. Furthermore, a resolution to the overfitting issue associated with a recent addition to the biascorrection literature by Sørbye, Nicolau, and Rue (2022) is proposed. Through the analysis of three practical examples, it is demonstrated that utilizing biased estimates of the AR(1) coefficient for error term modeling can result in excessively narrow confidence intervals, thereby increasing the risk of Type I errors. Additionally, the significant impact of incorporating biascorrection in error term modeling on the parameter estimates themselves is shown., Michael Markus Müller, Masterarbeit University Innsbruck 2023

Die Modellierung komplexer Systeme mit einer großen Anzahl von Freiheitsgraden ist in den letzten Jahrzehnten zu einer großen Herausforderung geworden. In der Regel werden nur einige wenige Variablen komplexer Systeme in Form von gemessenen Zeitreihen beobachtet, während die meisten von ihnen - die möglicherweise mit den beobachteten Variablen interagieren - verborgen bleiben. In dieser Arbeit befassen wir uns mit dem Problem der Rekonstruktion und Vorhersage der zugrunde liegenden Dynamik komplexer Systeme mit Hilfe verschiedener datengestützter Ansätze. Im ersten Teil befassen wir uns mit dem umgekehrten Problem der Ableitung einer unbekannten Netzwerkstruktur komplexer Systeme, die Ausbreitungsphänomene widerspiegelt, aus beobachteten Ereignisreihen. Wir untersuchen die paarweise statistische Ähnlichkeit zwischen den Sequenzen von Ereigniszeitpunkten an allen Knotenpunkten durch Ereignissynchronisation (ES) und Ereignis-Koinzidenz-Analyse (ECA), wobei wir uns auf die Idee stützen, dass funktionale Konnektivität als Stellvertreter für strukturelle Konnektivität dienen kann. Im zweiten Teil konzentrieren wir uns auf die Rekonstruktion der zugrunde liegenden Dynamik komplexer Systeme anhand ihrer dominanten makroskopischen Variablen unter Verwendung verschiedener stochastischer Differentialgleichungen (SDEs). In dieser Arbeit untersuchen wir die Leistung von drei verschiedenen SDEs - der Langevin-Gleichung (LE), der verallgemeinerten Langevin-Gleichung (GLE) und dem Ansatz der empirischen Modellreduktion (EMR). Unsere Ergebnisse zeigen, dass die LE bessere Ergebnisse für Systeme mit schwachem Gedächtnis zeigt, während sie die zugrunde liegende Dynamik von Systemen mit Gedächtniseffekten und farbigem Rauschen nicht rekonstruieren kann. In diesen Situationen sind GLE und EMR besser geeignet, da die Wechselwirkungen zwischen beobachteten und unbeobachteten Variablen in Form von Speichereffekten berücksichtigt werden. Im letzten Teil dieser Arbeit entwickeln wir ein Mod, Modeling complex systems with large numbers of degrees of freedom have become a grand challenge over the past decades. Typically, only a few variables of complex systems are observed in terms of measured time series, while the majority of them – which potentially interact with the observed ones - remain hidden. Throughout this thesis, we tackle the problem of reconstructing and predicting the underlying dynamics of complex systems using different data-driven approaches. In the first part, we address the inverse problem of inferring an unknown network structure of complex systems, reflecting spreading phenomena, from observed event series. We study the pairwise statistical similarity between the sequences of event timings at all nodes through event synchronization (ES) and event coincidence analysis (ECA), relying on the idea that functional connectivity can serve as a proxy for structural connectivity. In the second part, we focus on reconstructing the underlying dynamics of complex systems from their dominant macroscopic variables using different Stochastic Differential Equations (SDEs). We investigate the performance of three different SDEs – the Langevin Equation (LE), Generalized Langevin Equation (GLE), and the Empirical Model Reduction (EMR) approach in this thesis. Our results reveal that LE demonstrates better results for systems with weak memory while it fails to reconstruct underlying dynamics of systems with memory effects and colored-noise forcing. In these situations, the GLE and EMR are more suitable candidates since the interactions between observed and unobserved variables are considered in terms of memory effects. In the last part of this thesis, we develop a model based on the Echo State Network (ESN), combined with the past noise forecasting (PNF) method, to predict real-world complex systems. Our results show that the proposed model captures the crucial features of the underlying dynamics of climate variability.

Die Transformation des Energiesystems macht aufgrund zunehmend dezentraler, fluktuierender Stromeinspeisungen durch Wind- und PV-Anlagen, regelbare Stromproduzenten dringend erforderlich. Biogasanlagen können einen substanziellen Beitrag leisten, indem der Anlagenbetrieb flexibilisiert und somit bedarfsgerecht Strom bereitgestellt wird. Durch technische Anpassungen der Anlage, wie beispielsweise dem Ausbau der Gasspeicherkapazitäten und der BHKW-Leistung, lassen sich kurzfristige Schwankungen ausgleichen. Um das Stromerzeugungspotential über längere Zeiträume verlagern zu können, ist jedoch eine angepasste Fütterungsstrategie unabdingbar. Die Steuerung der Biogasproduktion birgt in der praktischen Umsetzung einige Herausforderungen. Einerseits ist die Konversion von Biomasse in Biogas ein komplexer Vorgang und zudem individuell für jede Biogasanlage zu betrachten. Bisher entwickelte Modelle nutzen daher Parameter zu sämtlichen charakteristischen Prozessphasen und Einflussgrößen, um die anaerobe Fermentation modellieren zu können. Demgegenüber steht die oftmals rudimentäre Ausstattung der Biogasanlagen mit Messtechnik, sodass entsprechende Parameter nicht zur Verfügung stehen. Im Rahmen dieser Arbeit wurde eine modellbasierte prädiktive Regelung des Biogasanlagenbetriebes entwickelt, die eine dem Bedarf angepasste Stromproduktion ermöglicht. Dabei wurde der Anspruch gefasst, besonders praxistaugliche Modelle zu entwickeln um erstmals einen erfolgreichen Einsatz auf nahezu allen Biogasanlagen mit keinen oder nur wenigen Anpassungen an der vorhandenen Messtechnik zu erlauben. Alle Untersuchungen, die dieser Arbeit zugrunde liegen, wurden auf Basis eines Reallabors, dem „Unterer Lindenhof“, durchgeführt. Dieses umfasst sowohl eine Praxisbiogasanlage als auch einen Energieverbrauch, der einem Dorf mit ca. 125 Einwohnern entspricht. In einem ersten Schritt wurden Prognosemodelle evaluiert, die den Strombedarf des Reallabors über 48 Stunden im Voraus vorhersagen sollen. Da, The transformation of the energy system requires controllable producers due to increasingly decentralised, fluctuating electricity generation from wind turbines and photovoltaics. Biogas plants can make a substantial contribution here by making plant operation more flexible and thus providing electricity as needed. Technical adjustments, such as the expansion of gas storage capacities and CHP output, can compensate for short-term fluctuations. However, in order to be able to shift the potential of electricity generation over longer periods of time, an adapted feed-in strategy is essential. The control of biogas production poses several challenges in practical implementation. First, the conversion of biomass into biogas is a complex process and must be considered individually for each biogas plant. Models developed so far use parameters for all characteristic process phases and influencing variables in order to be able to model anaerobic digestion. In contrast, biogas plants are often only rudimentarily equipped with measurement technology, so that corresponding parameters are not available. In this work, a model-predictive control of biogas plant operation was developed to enable demand-driven electricity generation. The aim was to develop models that are particularly well suited for practical use. Thus, for the first time, a successful application on almost all biogas plants could be possible without or with only minor adaptations to the existing measurement technology. All studies carried out in this thesis are based on a real-world laboratory, the "Unterer Lindenhof". This includes a practical biogas plant as well as an electrical consumption corresponding to that of a village with about 125 inhabitants. In a first step, forecasting models were evaluated to predict the electricity demand of the real-world laboratory over 48 hours in advance. Four models from the field of time series analysis were examined, one TBATS and three different ARIMA models. In an evaluat

Die Transformation des Energiesystems macht aufgrund zunehmend dezentraler, fluktuierender Stromeinspeisungen durch Wind- und PV-Anlagen, regelbare Stromproduzenten dringend erforderlich. Biogasanlagen können einen substanziellen Beitrag leisten, indem der Anlagenbetrieb flexibilisiert und somit bedarfsgerecht Strom bereitgestellt wird. Durch technische Anpassungen der Anlage, wie beispielsweise dem Ausbau der Gasspeicherkapazitäten und der BHKW-Leistung, lassen sich kurzfristige Schwankungen ausgleichen. Um das Stromerzeugungspotential über längere Zeiträume verlagern zu können, ist jedoch eine angepasste Fütterungsstrategie unabdingbar. Die Steuerung der Biogasproduktion birgt in der praktischen Umsetzung einige Herausforderungen. Einerseits ist die Konversion von Biomasse in Biogas ein komplexer Vorgang und zudem individuell für jede Biogasanlage zu betrachten. Bisher entwickelte Modelle nutzen daher Parameter zu sämtlichen charakteristischen Prozessphasen und Einflussgrößen, um die anaerobe Fermentation modellieren zu können. Demgegenüber steht die oftmals rudimentäre Ausstattung der Biogasanlagen mit Messtechnik, sodass entsprechende Parameter nicht zur Verfügung stehen. Im Rahmen dieser Arbeit wurde eine modellbasierte prädiktive Regelung des Biogasanlagenbetriebes entwickelt, die eine dem Bedarf angepasste Stromproduktion ermöglicht. Dabei wurde der Anspruch gefasst, besonders praxistaugliche Modelle zu entwickeln um erstmals einen erfolgreichen Einsatz auf nahezu allen Biogasanlagen mit keinen oder nur wenigen Anpassungen an der vorhandenen Messtechnik zu erlauben. Alle Untersuchungen, die dieser Arbeit zugrunde liegen, wurden auf Basis eines Reallabors, dem „Unterer Lindenhof“, durchgeführt. Dieses umfasst sowohl eine Praxisbiogasanlage als auch einen Energieverbrauch, der einem Dorf mit ca. 125 Einwohnern entspricht. In einem ersten Schritt wurden Prognosemodelle evaluiert, die den Strombedarf des Reallabors über 48 Stunden im Voraus vorhersagen sollen. Da, The transformation of the energy system requires controllable producers due to increasingly decentralised, fluctuating electricity generation from wind turbines and photovoltaics. Biogas plants can make a substantial contribution here by making plant operation more flexible and thus providing electricity as needed. Technical adjustments, such as the expansion of gas storage capacities and CHP output, can compensate for short-term fluctuations. However, in order to be able to shift the potential of electricity generation over longer periods of time, an adapted feed-in strategy is essential. The control of biogas production poses several challenges in practical implementation. First, the conversion of biomass into biogas is a complex process and must be considered individually for each biogas plant. Models developed so far use parameters for all characteristic process phases and influencing variables in order to be able to model anaerobic digestion. In contrast, biogas plants are often only rudimentarily equipped with measurement technology, so that corresponding parameters are not available. In this work, a model-predictive control of biogas plant operation was developed to enable demand-driven electricity generation. The aim was to develop models that are particularly well suited for practical use. Thus, for the first time, a successful application on almost all biogas plants could be possible without or with only minor adaptations to the existing measurement technology. All studies carried out in this thesis are based on a real-world laboratory, the "Unterer Lindenhof". This includes a practical biogas plant as well as an electrical consumption corresponding to that of a village with about 125 inhabitants. In a first step, forecasting models were evaluated to predict the electricity demand of the real-world laboratory over 48 hours in advance. Four models from the field of time series analysis were examined, one TBATS and three different ARIMA models. In an evaluat

Mit der Verwendung von Sensordaten aus mehreren Quellen entsteht oft die Notwendigkeit einer Synchronisierung der entstandenen Messreihen. Ein Standardverfahren dazu ist die Kreuzkorrelation, die jedoch übereinstimmende Zeitstempel voraussetzt und empfindlich gegenüber Ausreißern reagiert. In diesem Paper wird daher ein alternativer Algorithmus für die Synchronisierung von Ereignis-basierten Zeitreihendaten vorgestellt., With the use of sensor data from multiple sources, the need for synchronization of the resulting measurement series often arises. A standard method for this is cross-correlation, but this requires matching timestamps and is sensitive to outliers. This paper therefore presents an alternative algorithm for the synchronization of event-based time series data.

Diese Dissertation beantwortet verschiedene politikrelevante ökonomische Fragen in den Bereichen Handelspolitik, Geldpolitik, sowie Rohstoffmärkte und Energieökonomik mit Hilfe von strukturellen Vektorautoregressionsmodellen (SVAR). SVARs stellen eine effektive Möglichkeit dar, die Beziehungen zwischen verschiedenen makroökonomischen und/oder Finanzmarkt-Variablen zu modellieren und werden verwendet, um die dynamischen kausalen Effekte von ökonomischen Schocks zu schätzen. Für jede ökonomische Fragestellung wird eine Identifikationsstrategie angewandt, die auf die betrachteten Daten und ihre statistischen Eigenschaften sowie die zugrundeliegenden Annahmen über ökonomische Mechanismen zwischen den betrachteten Zeitreihen zugeschnitten ist. Im Einzelnen besteht diese Dissertation aus vier Kapiteln. In den ersten beiden Kapiteln werden die Auswirkungen von Handelspolitik auf Finanzmärkte und auf die Makroökonomie geschätzt. Das dritte Kapitel liefert einen methodischen Beitrag zur SVAR-Literatur, der in einer Anwendung zu den Effekten von Geldpolitik dargestellt wird. Das letzte Kapitel verlässt die Felder der Handels- und Geldpolitik und wendet sich Rohstoffmärkten und der Energiewirtschaft zu, stützt sich dabei aber ebenfalls auf Zeitreihenmethoden. Es analysiert die Rolle von Metallen in der Energiewende., This dissertation answers various policy relevant economic questions in the fields of trade policy, monetary policy, and commodity markets and energy economics using structural vector autoregression (SVAR) models. SVARs constitute a parsimonious way to model the relations between different macroeconomic and/or financial variables and they are used to estimate the dynamic causal effects of economic shocks. For each economic question, this dissertation applies an identification strategy that is tailored to the relevant data and its statistical properties as well as the underlying assumptions about economic mechanisms among the regarded time series. Specifically, this dissertation consists of four chapters. The first two chapters estimate the effects of trade policy on financial markets and on the macroeconomy. The third chapter makes a methodological contribution to the SVAR literature in an application to monetary policy shocks. The final chapter moves away from trade and monetary policy to commodity markets and energy economics but also relies on time series methods. It analyzes the role of metals for the clean energy transition.

Mit der Verwendung von Sensordaten aus mehreren Quellen entsteht oft die Notwendigkeit einer Synchronisierung der entstandenen Messreihen. Ein Standardverfahren dazu ist die Kreuzkorrelation, die jedoch übereinstimmende Zeitstempel voraussetzt und empfindlich gegenüber Ausreißern reagiert. In diesem Paper wird daher ein alternativer Algorithmus für die Synchronisierung von Ereignis-basierten Zeitreihendaten vorgestellt., With the use of sensor data from multiple sources, the need for synchronization of the resulting measurement series often arises. A standard method for this is cross-correlation, but this requires matching timestamps and is sensitive to outliers. This paper therefore presents an alternative algorithm for the synchronization of event-based time series data.

Komplexe Systeme wie das Klima der Erde bestehen aus vielen Komponenten, die durch eine komplizierte Kopplungsstruktur miteinander verbunden sind. Für die Analyse solcher Systeme erscheint es daher naheliegend, Methoden aus der Netzwerktheorie, der Theorie dynamischer Systeme und dem maschinellen Lernen zusammenzubringen. Durch die Kombination verschiedener Konzepte aus diesen Bereichen werden in dieser Arbeit drei neuartige Ansätze zur Untersuchung komplexer Systeme betrachtet. Im ersten Teil wird eine Methode zur Konstruktion komplexer Netzwerke vorgestellt, die in der Lage ist, Windpfade des südamerikanischen Monsunsystems zu identifizieren. Diese Analyse weist u.a. auf den Einfluss der Rossby-Wellenzüge auf das Monsunsystem hin. Dies wird weiter untersucht, indem gezeigt wird, dass der Niederschlag mit den Rossby-Wellen phasenkohärent ist. So zeigt der erste Teil dieser Arbeit, wie komplexe Netzwerke verwendet werden können, um räumlich-zeitliche Variabilitätsmuster zu identifizieren, die dann mit Methoden der nichtlinearen Dynamik weiter analysiert werden können. Die meisten komplexen Systeme weisen eine große Anzahl von möglichen asymptotischen Zuständen auf. Um solche Zustände zu beschreiben, wird im zweiten Teil die Monte Carlo Basin Bifurcation Analyse (MCBB), eine neuartige numerische Methode, vorgestellt. Angesiedelt zwischen der klassischen Analyse mit Ordnungsparametern und einer gründlicheren, detaillierteren Bifurkationsanalyse, kombiniert MCBB Zufallsstichproben mit Clustering, um die verschiedenen Zustände und ihre Einzugsgebiete zu identifizieren. Bei von Vorhersagen von komplexen Systemen ist es nicht immer einfach, wie Vorwissen in datengetriebenen Methoden integriert werden kann. Eine Möglichkeit hierzu ist die Verwendung von Neuronalen Partiellen Differentialgleichungen. Hier wird im letzten Teil der Arbeit gezeigt, wie hochdimensionale räumlich-zeitlich chaotische Systeme mit einem solchen Ansatz modelliert und vorhergesagt werden können., Complex systems such as the Earth's climate are comprised of many constituents that are interlinked through an intricate coupling structure. For the analysis of such systems it therefore seems natural to bring together methods from network theory, dynamical systems theory and machine learning. By combining different concepts from these fields three novel approaches for the study of complex systems are considered throughout this thesis. In the first part, a novel complex network construction method is introduced that is able to identify the most important wind paths of the South American Monsoon system. Aside from the importance of cross-equatorial flows, this analysis points to the impact Rossby Wave trains have both on the precipitation and low-level circulation. This connection is then further explored by showing that the precipitation is phase coherent to the Rossby Wave. As such, the first part of this thesis demonstrates how complex networks can be used to identify spatiotemporal variability patterns within large amounts of data, that are then further analysed with methods from nonlinear dynamics. Most complex systems exhibit a large number of possible asymptotic states. To investigate and track such states, Monte Carlo Basin Bifurcation analysis (MCBB), a novel numerical method is introduced in the second part. Situated between the classical analysis with macroscopic order parameters and a more thorough, detailed bifurcation analysis, MCBB combines random sampling with clustering methods to identify and characterise the different asymptotic states and their basins of attraction. Forecasts of complex system are the next logical step. When doing so, it is not always straightforward how prior knowledge in data-driven methods. One possibility to do is by using Neural Partial Differential Equations. Here, it is demonstrated how high-dimensional spatiotemporally chaotic systems can be modelled and predicted with such an approach in the last part of the thesis.

Komplexe Netzwerke sind mächtige Werkzeuge, die die Untersuchung komplexer Systeme unterstützen. In vielen Bereichen werden komplexe Netzwerke eingesetzt, um die Dynamik interagierender Entitäten wie Neuronen, Menschen oder sogar Wettersysteme zu verstehen. Darüber hinaus erweitern sich die Anwendungsbereiche mit der stetigen Entwicklung neuer theoretischer Ansätze. In dieser Arbeit wollen wir sowohl den theoretischen Rahmen der Netzwerkwissenschaften weiterentwickeln als auch komplexe Netzwerke in der Klimatologie und der computergestützten Sozialwissenschaft anwenden., Complex networks are powerful tools enabling the study of complex systems. In many fields, complex networks are used as a tool to gain an understanding of the dynamics of interacting entities such as neurons in a brain, humans on social media, or global weather systems. At the same time, new theoretical frameworks that extend the toolbox of Network Science promote the application of network tools in new research fields. In this thesis, we aim for both, advancing the theoretical framework of Network Science as well as applying complex networks in Climatology and Computational Social Science.

Komplexe Systeme wie das Klima der Erde bestehen aus vielen Komponenten, die durch eine komplizierte Kopplungsstruktur miteinander verbunden sind. Für die Analyse solcher Systeme erscheint es daher naheliegend, Methoden aus der Netzwerktheorie, der Theorie dynamischer Systeme und dem maschinellen Lernen zusammenzubringen. Durch die Kombination verschiedener Konzepte aus diesen Bereichen werden in dieser Arbeit drei neuartige Ansätze zur Untersuchung komplexer Systeme betrachtet. Im ersten Teil wird eine Methode zur Konstruktion komplexer Netzwerke vorgestellt, die in der Lage ist, Windpfade des südamerikanischen Monsunsystems zu identifizieren. Diese Analyse weist u.a. auf den Einfluss der Rossby-Wellenzüge auf das Monsunsystem hin. Dies wird weiter untersucht, indem gezeigt wird, dass der Niederschlag mit den Rossby-Wellen phasenkohärent ist. So zeigt der erste Teil dieser Arbeit, wie komplexe Netzwerke verwendet werden können, um räumlich-zeitliche Variabilitätsmuster zu identifizieren, die dann mit Methoden der nichtlinearen Dynamik weiter analysiert werden können. Die meisten komplexen Systeme weisen eine große Anzahl von möglichen asymptotischen Zuständen auf. Um solche Zustände zu beschreiben, wird im zweiten Teil die Monte Carlo Basin Bifurcation Analyse (MCBB), eine neuartige numerische Methode, vorgestellt. Angesiedelt zwischen der klassischen Analyse mit Ordnungsparametern und einer gründlicheren, detaillierteren Bifurkationsanalyse, kombiniert MCBB Zufallsstichproben mit Clustering, um die verschiedenen Zustände und ihre Einzugsgebiete zu identifizieren. Bei von Vorhersagen von komplexen Systemen ist es nicht immer einfach, wie Vorwissen in datengetriebenen Methoden integriert werden kann. Eine Möglichkeit hierzu ist die Verwendung von Neuronalen Partiellen Differentialgleichungen. Hier wird im letzten Teil der Arbeit gezeigt, wie hochdimensionale räumlich-zeitlich chaotische Systeme mit einem solchen Ansatz modelliert und vorhergesagt werden können., Complex systems such as the Earth's climate are comprised of many constituents that are interlinked through an intricate coupling structure. For the analysis of such systems it therefore seems natural to bring together methods from network theory, dynamical systems theory and machine learning. By combining different concepts from these fields three novel approaches for the study of complex systems are considered throughout this thesis. In the first part, a novel complex network construction method is introduced that is able to identify the most important wind paths of the South American Monsoon system. Aside from the importance of cross-equatorial flows, this analysis points to the impact Rossby Wave trains have both on the precipitation and low-level circulation. This connection is then further explored by showing that the precipitation is phase coherent to the Rossby Wave. As such, the first part of this thesis demonstrates how complex networks can be used to identify spatiotemporal variability patterns within large amounts of data, that are then further analysed with methods from nonlinear dynamics. Most complex systems exhibit a large number of possible asymptotic states. To investigate and track such states, Monte Carlo Basin Bifurcation analysis (MCBB), a novel numerical method is introduced in the second part. Situated between the classical analysis with macroscopic order parameters and a more thorough, detailed bifurcation analysis, MCBB combines random sampling with clustering methods to identify and characterise the different asymptotic states and their basins of attraction. Forecasts of complex system are the next logical step. When doing so, it is not always straightforward how prior knowledge in data-driven methods. One possibility to do is by using Neural Partial Differential Equations. Here, it is demonstrated how high-dimensional spatiotemporally chaotic systems can be modelled and predicted with such an approach in the last part of the thesis.

Komplexe Netzwerke sind mächtige Werkzeuge, die die Untersuchung komplexer Systeme unterstützen. In vielen Bereichen werden komplexe Netzwerke eingesetzt, um die Dynamik interagierender Entitäten wie Neuronen, Menschen oder sogar Wettersysteme zu verstehen. Darüber hinaus erweitern sich die Anwendungsbereiche mit der stetigen Entwicklung neuer theoretischer Ansätze. In dieser Arbeit wollen wir sowohl den theoretischen Rahmen der Netzwerkwissenschaften weiterentwickeln als auch komplexe Netzwerke in der Klimatologie und der computergestützten Sozialwissenschaft anwenden., Complex networks are powerful tools enabling the study of complex systems. In many fields, complex networks are used as a tool to gain an understanding of the dynamics of interacting entities such as neurons in a brain, humans on social media, or global weather systems. At the same time, new theoretical frameworks that extend the toolbox of Network Science promote the application of network tools in new research fields. In this thesis, we aim for both, advancing the theoretical framework of Network Science as well as applying complex networks in Climatology and Computational Social Science.

Komplexe Systeme wie das Klima der Erde bestehen aus vielen Komponenten, die durch eine komplizierte Kopplungsstruktur miteinander verbunden sind. Für die Analyse solcher Systeme erscheint es daher naheliegend, Methoden aus der Netzwerktheorie, der Theorie dynamischer Systeme und dem maschinellen Lernen zusammenzubringen. Durch die Kombination verschiedener Konzepte aus diesen Bereichen werden in dieser Arbeit drei neuartige Ansätze zur Untersuchung komplexer Systeme betrachtet. Im ersten Teil wird eine Methode zur Konstruktion komplexer Netzwerke vorgestellt, die in der Lage ist, Windpfade des südamerikanischen Monsunsystems zu identifizieren. Diese Analyse weist u.a. auf den Einfluss der Rossby-Wellenzüge auf das Monsunsystem hin. Dies wird weiter untersucht, indem gezeigt wird, dass der Niederschlag mit den Rossby-Wellen phasenkohärent ist. So zeigt der erste Teil dieser Arbeit, wie komplexe Netzwerke verwendet werden können, um räumlich-zeitliche Variabilitätsmuster zu identifizieren, die dann mit Methoden der nichtlinearen Dynamik weiter analysiert werden können. Die meisten komplexen Systeme weisen eine große Anzahl von möglichen asymptotischen Zuständen auf. Um solche Zustände zu beschreiben, wird im zweiten Teil die Monte Carlo Basin Bifurcation Analyse (MCBB), eine neuartige numerische Methode, vorgestellt. Angesiedelt zwischen der klassischen Analyse mit Ordnungsparametern und einer gründlicheren, detaillierteren Bifurkationsanalyse, kombiniert MCBB Zufallsstichproben mit Clustering, um die verschiedenen Zustände und ihre Einzugsgebiete zu identifizieren. Bei von Vorhersagen von komplexen Systemen ist es nicht immer einfach, wie Vorwissen in datengetriebenen Methoden integriert werden kann. Eine Möglichkeit hierzu ist die Verwendung von Neuronalen Partiellen Differentialgleichungen. Hier wird im letzten Teil der Arbeit gezeigt, wie hochdimensionale räumlich-zeitlich chaotische Systeme mit einem solchen Ansatz modelliert und vorhergesagt werden können., Complex systems such as the Earth's climate are comprised of many constituents that are interlinked through an intricate coupling structure. For the analysis of such systems it therefore seems natural to bring together methods from network theory, dynamical systems theory and machine learning. By combining different concepts from these fields three novel approaches for the study of complex systems are considered throughout this thesis. In the first part, a novel complex network construction method is introduced that is able to identify the most important wind paths of the South American Monsoon system. Aside from the importance of cross-equatorial flows, this analysis points to the impact Rossby Wave trains have both on the precipitation and low-level circulation. This connection is then further explored by showing that the precipitation is phase coherent to the Rossby Wave. As such, the first part of this thesis demonstrates how complex networks can be used to identify spatiotemporal variability patterns within large amounts of data, that are then further analysed with methods from nonlinear dynamics. Most complex systems exhibit a large number of possible asymptotic states. To investigate and track such states, Monte Carlo Basin Bifurcation analysis (MCBB), a novel numerical method is introduced in the second part. Situated between the classical analysis with macroscopic order parameters and a more thorough, detailed bifurcation analysis, MCBB combines random sampling with clustering methods to identify and characterise the different asymptotic states and their basins of attraction. Forecasts of complex system are the next logical step. When doing so, it is not always straightforward how prior knowledge in data-driven methods. One possibility to do is by using Neural Partial Differential Equations. Here, it is demonstrated how high-dimensional spatiotemporally chaotic systems can be modelled and predicted with such an approach in the last part of the thesis.

The mitigation of greenhouse gases, like CO2 is a challenging aspect for our society. A strategy to hamper the constant emission of CO2 is utilizing carbon capture and storage technologies. CO2 is sequestrated in subsurface reservoirs. However, these reservoirs harbor the risk of leakage and appropriate geophysical monitoring methods are needed. A crucial aspect of monitoring is the assignment of measured data to certain events occurring. Especially if changes in the measured data are small, suitable statistical methods are needed. In this thesis, a new statistical workflow based on cluster analysis is proposed to detect similar transient electromagnetic signals. The similarity criteria dynamic time warping, the autoregressive distance, and the normalized root-mean-square distance are investigated and evaluated with respect to the classic Euclidean norm. The optimal number of clusters is determined using the gap statistic and visualized with multidimensional scaling. To validate the clustering results, silhouette values are used. The statistical workflow is applied to a synthetic data set, a long-term monitoring data set and a repeat measurement at a pilot CO2-sequestration site in Brooks, Alberta.

The mitigation of greenhouse gases, like CO2 is a challenging aspect for our society. A strategy to hamper the constant emission of CO2 is utilizing carbon capture and storage technologies. CO2 is sequestrated in subsurface reservoirs. However, these reservoirs harbor the risk of leakage and appropriate geophysical monitoring methods are needed. A crucial aspect of monitoring is the assignment of measured data to certain events occurring. Especially if changes in the measured data are small, suitable statistical methods are needed. In this thesis, a new statistical workflow based on cluster analysis is proposed to detect similar transient electromagnetic signals. The similarity criteria dynamic time warping, the autoregressive distance, and the normalized root-mean-square distance are investigated and evaluated with respect to the classic Euclidean norm. The optimal number of clusters is determined using the gap statistic and visualized with multidimensional scaling. To validate the clustering results, silhouette values are used. The statistical workflow is applied to a synthetic data set, a long-term monitoring data set and a repeat measurement at a pilot CO2-sequestration site in Brooks, Alberta.

Die Analyse von Proxy-Zeitreihen aus Paläoklimaarchiven wie zum Beispiel Baumringen, Seesedimenten, Tropfsteinen und Eisbohrkernen mittels gefensterter Rekurrenznetzwerkanalyse ermöglicht die Identifizierung und Charakterisierung dynamischer Anomalien in der Klimavariabilität der Vergangenheit. Das Ziel der vorliegenden Arbeit ist die Entwicklung einer zuverlässigeren Routine zur gefensterten Rekurrenznetzwerkanalyse. Aufbauend auf dem bestehenden methodischen Rahmen werden die Bereiche der Phasenraumrekonstruktion und des Signifikanztests als verbesserungsfähig identifiziert. Deshalb werden verschiedene Methoden zur Rekonstruktion des Phasenraums aus unregelmäßig abgetasteten, verrauschten Daten verglichen. Außerdem wird ein allgemeiner flächenweiser Signifikanztest eingeführt, der, basierend auf einem ausgewählten Nullmodell, Korrelationen in den Analyseergebnissen numerisch abschätzt, um damit das Problem hoher Raten an falsch positiv signifikanten Ergebnissen zu adressieren. Im zweiten Teil der Arbeit wird die entwickelte Methodik genutzt, um die nichtlineare Variabilität des Klimas der Vergangenheit in Nord- und Südamerika zu untersuchen, indem vier reale Zeitreihen verschiedener Proxys studiert werden. Außerdem werden Proxy-System-Modelle genutzt, um auf die Frage der Eignung von Daten verschiedener Paläoklimaarchive zur Charakterisierung der Klimavariabilität mittels gefensterter Rekurrenznetzwerkanalyse einzugehen. Mit der Arbeit wird der Einsatz nichtlinearer Methoden zur Analyse von Paläoklima-Zeitreihen vorangebracht, das Potential und die Grenzen der gefensterten Rekurrenznetzwerkanalyse aufgezeigt und zukünftige relevante Fragestellungen, die die erhaltenen Ergebnisse und Schlussfolgerungen komplementieren können, identifiziert., Studying palaeoclimate proxy data from archives such as tree rings, lake sediments, speleothems, and ice cores using windowed recurrence network analysis offers the possibility to characterise dynamical anomalies in past climate variability. This thesis aims at developing a more reliable framework of windowed recurrence network analysis by comparing different phase space reconstruction approaches for non-uniformly sampled noisy data and by tackling the problem of increased numbers of false positive significant points when correlations within the analysis results can not be neglected. For this, different phase space reconstruction approaches are systematically compared and a generalised areawise significance test which implements a numerical estimation of the correlations within the analysis results is introduced. In particular, the test can be used to identify patches of possibly false positive significant points. The developed analysis framework is applied to detect and characterise dynamical anomalies in past climate variability in North and South America by studying four real-world palaeoclimatic time series from different archives. Furthermore, the question whether palaeoclimate proxy time series from different archives are equally well suited for tracking past climate dynamics with windowed recurrence network analysis is approached by using the framework of proxy system modelling. This thesis promotes the use of non-linear methods for analysing palaeoclimate proxy time series, provides a detailed assessment of potentials and limitations of windowed recurrence network analysis and identifies future research directions that can complement the obtained results and conclusions.

The mitigation of greenhouse gases, like CO2 is a challenging aspect for our society. A strategy to hamper the constant emission of CO2 is utilizing carbon capture and storage technologies. CO2 is sequestrated in subsurface reservoirs. However, these reservoirs harbor the risk of leakage and appropriate geophysical monitoring methods are needed. A crucial aspect of monitoring is the assignment of measured data to certain events occurring. Especially if changes in the measured data are small, suitable statistical methods are needed. In this thesis, a new statistical workflow based on cluster analysis is proposed to detect similar transient electromagnetic signals. The similarity criteria dynamic time warping, the autoregressive distance, and the normalized root-mean-square distance are investigated and evaluated with respect to the classic Euclidean norm. The optimal number of clusters is determined using the gap statistic and visualized with multidimensional scaling. To validate the clustering results, silhouette values are used. The statistical workflow is applied to a synthetic data set, a long-term monitoring data set and a repeat measurement at a pilot CO2-sequestration site in Brooks, Alberta.

Die Prognose demografischer Prozesse ist in vielen Bereichen von großer Bedeutung, um sich auf diese Entwicklungen im Rahmen von Planungsprozessen frühzeitig einstellen zu können. In den meisten Fällen werden dafür anstelle echter Prognosen deterministische Projektionen herangezogen. Diese unterliegen einigen Limitationen, welche im Verlaufe dieser Dissertation diskutiert werden. Die Arbeit stellt ein Rahmenwerk für die stochastische Prognose demografischer Prozesse und darauf aufbauender Probleme, wie die Versicherungsnachfrage, dar. Der Fokus der Arbeit liegt dabei auf der demografischen Entwicklung in Deutschland und ihrer Konsequenzen für die gesetzliche Rentenversicherung und die Pflegeversicherung. Der Beitrag besteht aus sie-ben Kapiteln, die für sich genommen wissenschaftliche Papiere darstellen, die individuell entweder bereits in wissenschaftlichen Fachzeitschriften oder –büchern publiziert wurden o-der sich derzeit im Begutachtungsverfahren befinden. Nichtsdestotrotz ist die Zusammenstel-lung und Anreihung der einzelnen Kapitel dergestalt, dass diese schlüssig verbunden und lo-gisch aufeinander aufbauend sind. Die Zielgruppen dieser Arbeit sind sowohl Bevölkerungswissenschaftler und Forscher in an-grenzenden Disziplinen, als auch Abteilungen in Statistikämtern oder Lebensversicherungsun-ternehmen, die Prognosen für die Bevölkerung oder Subpopulationen erstellen. Insbesondere sollen den Lesern die beiden Primärmethoden Hauptkomponentenanalyse und Zeitreihenana-lyse nähergebracht werden, die außerhalb der akademischen Forschung selten praktische An-wendung finden, insbesondere für Prognosen. Das mag darauf zurückzuführen sein, dass Mo-dellierer die Methoden entweder überhaupt nicht kennen oder ihnen die praktische Erfahrung in der Anwendung dieser auf reale Daten fehlt. Die Dissertation adressiert diese Probleme, da das besondere Augenmerk auf einer verständli-chen und nachvollziehbaren Illustration der methodischen Anwendung und der Betonung der Anwendungs

Die Analyse von Proxy-Zeitreihen aus Paläoklimaarchiven wie zum Beispiel Baumringen, Seesedimenten, Tropfsteinen und Eisbohrkernen mittels gefensterter Rekurrenznetzwerkanalyse ermöglicht die Identifizierung und Charakterisierung dynamischer Anomalien in der Klimavariabilität der Vergangenheit. Das Ziel der vorliegenden Arbeit ist die Entwicklung einer zuverlässigeren Routine zur gefensterten Rekurrenznetzwerkanalyse. Aufbauend auf dem bestehenden methodischen Rahmen werden die Bereiche der Phasenraumrekonstruktion und des Signifikanztests als verbesserungsfähig identifiziert. Deshalb werden verschiedene Methoden zur Rekonstruktion des Phasenraums aus unregelmäßig abgetasteten, verrauschten Daten verglichen. Außerdem wird ein allgemeiner flächenweiser Signifikanztest eingeführt, der, basierend auf einem ausgewählten Nullmodell, Korrelationen in den Analyseergebnissen numerisch abschätzt, um damit das Problem hoher Raten an falsch positiv signifikanten Ergebnissen zu adressieren. Im zweiten Teil der Arbeit wird die entwickelte Methodik genutzt, um die nichtlineare Variabilität des Klimas der Vergangenheit in Nord- und Südamerika zu untersuchen, indem vier reale Zeitreihen verschiedener Proxys studiert werden. Außerdem werden Proxy-System-Modelle genutzt, um auf die Frage der Eignung von Daten verschiedener Paläoklimaarchive zur Charakterisierung der Klimavariabilität mittels gefensterter Rekurrenznetzwerkanalyse einzugehen. Mit der Arbeit wird der Einsatz nichtlinearer Methoden zur Analyse von Paläoklima-Zeitreihen vorangebracht, das Potential und die Grenzen der gefensterten Rekurrenznetzwerkanalyse aufgezeigt und zukünftige relevante Fragestellungen, die die erhaltenen Ergebnisse und Schlussfolgerungen komplementieren können, identifiziert., Studying palaeoclimate proxy data from archives such as tree rings, lake sediments, speleothems, and ice cores using windowed recurrence network analysis offers the possibility to characterise dynamical anomalies in past climate variability. This thesis aims at developing a more reliable framework of windowed recurrence network analysis by comparing different phase space reconstruction approaches for non-uniformly sampled noisy data and by tackling the problem of increased numbers of false positive significant points when correlations within the analysis results can not be neglected. For this, different phase space reconstruction approaches are systematically compared and a generalised areawise significance test which implements a numerical estimation of the correlations within the analysis results is introduced. In particular, the test can be used to identify patches of possibly false positive significant points. The developed analysis framework is applied to detect and characterise dynamical anomalies in past climate variability in North and South America by studying four real-world palaeoclimatic time series from different archives. Furthermore, the question whether palaeoclimate proxy time series from different archives are equally well suited for tracking past climate dynamics with windowed recurrence network analysis is approached by using the framework of proxy system modelling. This thesis promotes the use of non-linear methods for analysing palaeoclimate proxy time series, provides a detailed assessment of potentials and limitations of windowed recurrence network analysis and identifies future research directions that can complement the obtained results and conclusions.

The mitigation of greenhouse gases, like CO2 is a challenging aspect for our society. A strategy to hamper the constant emission of CO2 is utilizing carbon capture and storage technologies. CO2 is sequestrated in subsurface reservoirs. However, these reservoirs harbor the risk of leakage and appropriate geophysical monitoring methods are needed. A crucial aspect of monitoring is the assignment of measured data to certain events occurring. Especially if changes in the measured data are small, suitable statistical methods are needed. In this thesis, a new statistical workflow based on cluster analysis is proposed to detect similar transient electromagnetic signals. The similarity criteria dynamic time warping, the autoregressive distance, and the normalized root-mean-square distance are investigated and evaluated with respect to the classic Euclidean norm. The optimal number of clusters is determined using the gap statistic and visualized with multidimensional scaling. To validate the clustering results, silhouette values are used. The statistical workflow is applied to a synthetic data set, a long-term monitoring data set and a repeat measurement at a pilot CO2-sequestration site in Brooks, Alberta.

Die Arbeit untersucht, ob Internet-Suchanfragen die ökonomischen Aktivitäten der Bevölkerung einer Stadt abbilden können. Der beobachtete ökonomische Indikator ist die Arbeitslosenquote von Wien und die verwendeten Suchanfragen sind jene von Google. Zur Analyse wird zuerst ein Basismodell in Form eines autoregressiven Zeitreihenmodells zur Prognose der Arbeitslosenquote erstellt, welches danach um die erklärende Variable der Google-Suchanfragen erweitert wird. Anschließend werden das Basismodell und das erweiterte Modell hinsichtlich der Prognosequalität der Wiener Arbeitslosenquote verglichen. Es zeigt sich, dass das Ausmaß der Google-Suche nach bestimmten arbeitsmarktrelevanten Schlüsselwörtern einen zusätzlichen Erklärungswert zur einmonatigen Prognose der Arbeitslosenquote von Wien liefert. Allerdings ist dieser zusätzliche Erklärungswert nicht konstant über den gesamten Beobachtungszeitraum vorhanden.*****The thesis analyses if internet searches can reflect the economic activities of a city´s population. The observed economic indicator is the unemployment rate of Vienna and the search queries used are those of Google. First, a base model in the form of an autoregressive time series model for predicting the unemployment rate is built, which is then augmented by the explanatory variable of Google search queries. Afterwards, the base model and the extended model are compared with respect to the forecasting quality of the Viennese unemployment rate. It turns out that the number of the Google searches for specific keywords relevant to the labour market provides a further explanatory value for the one-month forecast of the unemployment rate of Vienna. However, this additional explanatory value is not constant over the whole observation period.

Mit der vorliegenden Arbeit wurden die immunologischen und hormonellen Implikationen von Sozialer Unterstützung am Beispiel von Neopterin und Oxytocin bei der Überlebenden eines Mammakarzinoms untersucht. Neopterin ist ein Botenstoff des Immunsystems und gilt als Indikator für die Aktivierung der zellulären Immunabwehr. Oxytocin ist ein Hormon, das mit Bindungsprozessen assoziiert ist und im Rahmen unterschiedlicher sozialer Interaktionen eine Rolle spielt. Forschungsergebnisse deuten darauf hin, dass beiden Botenstoffen im Rahmen von Krebserkrankungen und im Kontext unterschiedlicher Stressverarbeitungsprozesse eine besondere Bedeutung zukommt. Zur Anwendung kam das Forschungsdesign der Integrativen Einzelfallstudie, das sich durch die Synthese qualitativer und quantitativer Daten auszeichnet. Über den Verlauf von 28 Tagen wurden in Abständen von 12 Stunden durch die Probandin Harnproben gesammelt und individualisierte Fragebögen ausgefüllt. Zusätzlich wurden wöchentlich Tiefeninterviews durchgeführt. Die unterschiedlichen Skalen der Sozialen Unterstützung wurden aus den genannten Datenquellen mithilfe einer Qualitativen Inhaltanalyse extrahiert. Schließlich wurden in Microsoft Excel Zeitreihen der jeweiligen Ereignisse erstellt, die anschließend in R-Studio mit Hilfe der auto regressive moving average (ARMA)-Modellierung bereinigt wurden. Zuletzt erfolgte eine Kreuzkorrelation der psychologischen und biologische Zeitreihen in SPSS. Die Ergebnisse sprechen dafür, dass sich allgemeine und emotionale soziale Unterstützung signifikant auf die Immunaktivität der Probandin auswirken und nach 60-72 Stunden mit reduzierten Neopterin-Spiegeln assoziiert sind. Dies ist im Rahmen von Krebserkrankungen als positiv zu bewerten und mit einer verbesserten Überlebensrate assoziiert. Während die Ergebnisse hinsichtlich Neopterin eine psychosomatische Interpretation nahelegen, deuten sie in Hinsicht auf Oxytocin eher auf eine somatopsychologische Deutungsrichtung hin. Erhöhte Oxyto, The present master thesis investigated the immunological and hormonal implications of social support using the example of neopterin and oxytocin in a breast cancer survivor. Neopterin, a messenger substance of the immune system, is regarded as an indicator for the activation of the cellular immune defense. Oxytocin is a hormone associated with binding processes and plays a role in various social interactions. Research suggests that both messenger substances are of particular importance in the context of cancer and various stress processes. The research design of the Integrative Single Case Study was applied, which is characterized by the synthesis of qualitative and quantitative data. Over the course of 28 days, urine samples were collected and individualized questionnaires were answered in intervals of 12 hours. In addition, weekly in-depth interviews were conducted. The different scales of social support were extracted by using qualitative content analysis. Finally, time series of the respective events were created with the help of Microsoft Excel, adjusted in the statistical software R-Studio with the help of the auto regressive moving average (ARMA)-modelling and finally cross-correlated in SPSS with the previously modelled time series of the biomarkers. Results suggest that general and emotional social support significantly affect the immune activity of the subject and are associated with reduced neopterin levels after 60-72 hours. This is regarded as positive in cancer and associated with an improved survival rate. While the results suggest a psychosomatic interpretation for neopterin, they suggest a somatopsychological interpretation for oxytocin. Increased oxytocin levels are followed by significantly higher levels of general, emotional and instrumental support. Since oxytocin favors prosocial behavior, it can be concluded that the study participant is more able to perceive, report, accept, and actively participate in social support as a result of higher oxy, Verfasser: Bastian Schmidt (BSc.M.A.), in englischer Sprache, Universität Innsbruck, Masterarbeit, 2019, (VLID)4417816

Aktuelle Affektforschung betont die Bedeutung mikrolängsschnittlicher Daten für das Verstehen täglichen affektiven Funktionierens, da sie es erlauben affektive Dynamiken und potentiell zugrunde liegende Prozesse zu beschreiben. Dynamische Längsschnittmodelle werden entsprechend attraktiver. In dieser Dissertation komme ich Forderungen nach einer Integration kontextueller Informationen in die Untersuchung täglichen affektiven Funktionierens nach. Speziell modifiziere ich populäre dynamische Modelle so, dass sie kontextuelle Variationen einbeziehen. In einem ersten Beitrag werden Personen als in Kontexte eingebettet begriffen. Der vorgeschlagene Ansatz der festen moderierten Zeitreihenanalyse berücksichtigt systemische Reaktionen auf kontextuelle Veränderungen, indem Veränderungen in allen Parametern eines dynamischen Zeitreihenmodells auf kontextuelle Veränderungen bedingt schätzt werden. Kontextuelle Veränderungen werden als bekannt und assoziierte Parameterveränderungen als deterministisch behandelt. Folglich sind Modellspezifikation und -schätzung erleichtert und in kleineren Stichproben praktikabel. Es sind allerdings Informationen über den Einfluss kontextueller Faktoren erforderlich. Anwendbar auf einzelne Personen erlaubt der Ansatz die uneingeschränkte Exploration interindividueller Unterschiede in kontextualisierten affektiven Dynamiken. In einem zweiten Beitrag werden Personen als mit Kontexten interagierend begriffen. Ich implementiere eine Prozessperspektive auf kontextuelle Schwankungen, die die Dynamiken täglicher Ereignisse über autoregressive Modelle mit Poisson Messfehler abbildet. Die Kombination von Poisson und Gaußscher autoregressiver Modellierung erlaubt eine Formalisierung des dynamischen Zusammenspiels kontextueller und affektiver Prozesse. Die Modelle sind hierarchisch aufgesetzt und erfassen so interindividuelle Unterschiede in intraindividuellen Dynamiken. Die Schätzung erfolgt über simulationsbasierte Verfahren der Bayesschen Statistik., Recent affect research stresses the importance of micro-longitudinal data for understanding daily affective functioning, as they allow describing affective dynamics and potentially underlying processes. Accordingly, dynamic longitudinal models get increasingly promoted. In this dissertation, I address calls for an integration of contextual information into the study of daily affective functioning. Specifically, I modify popular dynamic models so that they incorporate contextual changes. In a first contribution, individuals are characterized as embedded in contexts. The proposed approach of fixed moderated time series analysis accounts for systemic reactions to contextual changes by estimating change in all parameters of a dynamic time series model conditional on contextual changes. It thus treats contextual changes as known and related parameter changes as deterministic. Consequently, model specification and estimation are facilitated and feasible in smaller samples, but information on which and how contextual factors matter is required. Applicable to single individuals, the approach permits an unconstrained exploration of inter-individual differences in contextualized affective dynamics. In a second contribution, individuals are characterized as interacting reciprocally with contexts. Implementing a process perspective on contextual changes, I model the dynamics of daily events using autoregressive models with Poisson measurement error. Combining Poisson and Gaussian autoregressive models can formalize the dynamic interplay between contextual and affective processes. It thereby distinguishes not only unique from joint dynamics, but also affective reactivity from situation selection, evocation, or anticipation. The models are set up as hierarchical to capture inter-individual differences in intra-individual dynamics. Estimation is carried out via simulation-based techniques in the Bayesian framework.

Mit der vorliegenden Arbeit wurden die immunologischen und hormonellen Implikationen von Sozialer Unterstützung am Beispiel von Neopterin und Oxytocin bei der Überlebenden eines Mammakarzinoms untersucht. Neopterin ist ein Botenstoff des Immunsystems und gilt als Indikator für die Aktivierung der zellulären Immunabwehr. Oxytocin ist ein Hormon, das mit Bindungsprozessen assoziiert ist und im Rahmen unterschiedlicher sozialer Interaktionen eine Rolle spielt. Forschungsergebnisse deuten darauf hin, dass beiden Botenstoffen im Rahmen von Krebserkrankungen und im Kontext unterschiedlicher Stressverarbeitungsprozesse eine besondere Bedeutung zukommt. Zur Anwendung kam das Forschungsdesign der Integrativen Einzelfallstudie, das sich durch die Synthese qualitativer und quantitativer Daten auszeichnet. Über den Verlauf von 28 Tagen wurden in Abständen von 12 Stunden durch die Probandin Harnproben gesammelt und individualisierte Fragebögen ausgefüllt. Zusätzlich wurden wöchentlich Tiefeninterviews durchgeführt. Die unterschiedlichen Skalen der Sozialen Unterstützung wurden aus den genannten Datenquellen mithilfe einer Qualitativen Inhaltanalyse extrahiert. Schließlich wurden in Microsoft Excel Zeitreihen der jeweiligen Ereignisse erstellt, die anschließend in R-Studio mit Hilfe der auto regressive moving average (ARMA)-Modellierung bereinigt wurden. Zuletzt erfolgte eine Kreuzkorrelation der psychologischen und biologische Zeitreihen in SPSS. Die Ergebnisse sprechen dafür, dass sich allgemeine und emotionale soziale Unterstützung signifikant auf die Immunaktivität der Probandin auswirken und nach 60-72 Stunden mit reduzierten Neopterin-Spiegeln assoziiert sind. Dies ist im Rahmen von Krebserkrankungen als positiv zu bewerten und mit einer verbesserten Überlebensrate assoziiert. Während die Ergebnisse hinsichtlich Neopterin eine psychosomatische Interpretation nahelegen, deuten sie in Hinsicht auf Oxytocin eher auf eine somatopsychologische Deutungsrichtung hin. Erhöhte Oxyto, The present master thesis investigated the immunological and hormonal implications of social support using the example of neopterin and oxytocin in a breast cancer survivor. Neopterin, a messenger substance of the immune system, is regarded as an indicator for the activation of the cellular immune defense. Oxytocin is a hormone associated with binding processes and plays a role in various social interactions. Research suggests that both messenger substances are of particular importance in the context of cancer and various stress processes. The research design of the Integrative Single Case Study was applied, which is characterized by the synthesis of qualitative and quantitative data. Over the course of 28 days, urine samples were collected and individualized questionnaires were answered in intervals of 12 hours. In addition, weekly in-depth interviews were conducted. The different scales of social support were extracted by using qualitative content analysis. Finally, time series of the respective events were created with the help of Microsoft Excel, adjusted in the statistical software R-Studio with the help of the auto regressive moving average (ARMA)-modelling and finally cross-correlated in SPSS with the previously modelled time series of the biomarkers. Results suggest that general and emotional social support significantly affect the immune activity of the subject and are associated with reduced neopterin levels after 60-72 hours. This is regarded as positive in cancer and associated with an improved survival rate. While the results suggest a psychosomatic interpretation for neopterin, they suggest a somatopsychological interpretation for oxytocin. Increased oxytocin levels are followed by significantly higher levels of general, emotional and instrumental support. Since oxytocin favors prosocial behavior, it can be concluded that the study participant is more able to perceive, report, accept, and actively participate in social support as a result of higher oxy, Verfasser: Bastian Schmidt (BSc.M.A.), in englischer Sprache, Universität Innsbruck, Masterarbeit, 2019, (VLID)4417816

This thesis contains three essays on spurious long memory with an introduction to the literature in the first Chapter. Chapter 2 presents a multivariate score-type test against spurious long memory. We prove the consistency of the test against the alternatives of random level shifts and smooth trends. The test statistic is based on the weighted sum of the partial derivatives of the multivariate local Whittle likelihood function. To apply the test to fractionally cointegrated series, the test statistic is calculated for the linearly transformed system after estimating the cointegrating matrix. We derive the limiting distribution and show consistency of this procedure. The test is applied to log-absolute returns and log-realized volatilities of the S&P 500, DAX, FTSE, and NIKKEI. Chapter 3 analyzes inflation rates with newly available econometric methods which allow for a consistent estimation of the persistence parameter under low frequency contaminations and con- sistent break point estimation under long memory without a priori assumptions on the presence of breaks. The persistence of inflation rates is of major importance to central banks due to the fact that it determines the costs of monetary policy according to the Phillips curve. In contrast to previous studies, smooth trends are allowed in addition to breaks as a source of spurious long memory. We support the finding of reduced memory parameters in monthly inflation rates of the G7 countries as well as spurious long memory, except for the US. Nevertheless, only a few breaks can be located. Instead, all countries exhibit significant trends at the 5% level with the exception of the US. Finally, Chapter 4 provides an overview and compares the performance of nine semiparametric estimation methods. Among them are two standard methods, four modified approaches to account for low frequency contaminations and three procedures developed for perturbed fractional processes. Several modified estimation methods of the memo

Aktuelle Affektforschung betont die Bedeutung mikrolängsschnittlicher Daten für das Verstehen täglichen affektiven Funktionierens, da sie es erlauben affektive Dynamiken und potentiell zugrunde liegende Prozesse zu beschreiben. Dynamische Längsschnittmodelle werden entsprechend attraktiver. In dieser Dissertation komme ich Forderungen nach einer Integration kontextueller Informationen in die Untersuchung täglichen affektiven Funktionierens nach. Speziell modifiziere ich populäre dynamische Modelle so, dass sie kontextuelle Variationen einbeziehen. In einem ersten Beitrag werden Personen als in Kontexte eingebettet begriffen. Der vorgeschlagene Ansatz der festen moderierten Zeitreihenanalyse berücksichtigt systemische Reaktionen auf kontextuelle Veränderungen, indem Veränderungen in allen Parametern eines dynamischen Zeitreihenmodells auf kontextuelle Veränderungen bedingt schätzt werden. Kontextuelle Veränderungen werden als bekannt und assoziierte Parameterveränderungen als deterministisch behandelt. Folglich sind Modellspezifikation und -schätzung erleichtert und in kleineren Stichproben praktikabel. Es sind allerdings Informationen über den Einfluss kontextueller Faktoren erforderlich. Anwendbar auf einzelne Personen erlaubt der Ansatz die uneingeschränkte Exploration interindividueller Unterschiede in kontextualisierten affektiven Dynamiken. In einem zweiten Beitrag werden Personen als mit Kontexten interagierend begriffen. Ich implementiere eine Prozessperspektive auf kontextuelle Schwankungen, die die Dynamiken täglicher Ereignisse über autoregressive Modelle mit Poisson Messfehler abbildet. Die Kombination von Poisson und Gaußscher autoregressiver Modellierung erlaubt eine Formalisierung des dynamischen Zusammenspiels kontextueller und affektiver Prozesse. Die Modelle sind hierarchisch aufgesetzt und erfassen so interindividuelle Unterschiede in intraindividuellen Dynamiken. Die Schätzung erfolgt über simulationsbasierte Verfahren der Bayesschen Statistik., Recent affect research stresses the importance of micro-longitudinal data for understanding daily affective functioning, as they allow describing affective dynamics and potentially underlying processes. Accordingly, dynamic longitudinal models get increasingly promoted. In this dissertation, I address calls for an integration of contextual information into the study of daily affective functioning. Specifically, I modify popular dynamic models so that they incorporate contextual changes. In a first contribution, individuals are characterized as embedded in contexts. The proposed approach of fixed moderated time series analysis accounts for systemic reactions to contextual changes by estimating change in all parameters of a dynamic time series model conditional on contextual changes. It thus treats contextual changes as known and related parameter changes as deterministic. Consequently, model specification and estimation are facilitated and feasible in smaller samples, but information on which and how contextual factors matter is required. Applicable to single individuals, the approach permits an unconstrained exploration of inter-individual differences in contextualized affective dynamics. In a second contribution, individuals are characterized as interacting reciprocally with contexts. Implementing a process perspective on contextual changes, I model the dynamics of daily events using autoregressive models with Poisson measurement error. Combining Poisson and Gaussian autoregressive models can formalize the dynamic interplay between contextual and affective processes. It thereby distinguishes not only unique from joint dynamics, but also affective reactivity from situation selection, evocation, or anticipation. The models are set up as hierarchical to capture inter-individual differences in intra-individual dynamics. Estimation is carried out via simulation-based techniques in the Bayesian framework.

Anthropogenic influences have caused landscapes to change worldwide in the last decades, and changes have been particularly intense in montane Southeast Asia. Traditional swiddening cropping systems with low environmental impacts have been largely replaced by forms of permanent upland cultivation, often with maize. The associated soil fertility loss at the plot scale is well documented. In valley bottoms of these areas, paddies have been cultivated for centuries, and are considered some of the most sustainable production systems in the world – in part maintained by the influx of fertile sediments through irrigation. Altered cropping patterns on the slopes therefore also have potential repercussions on rice production, and hence on food security, but the consequences of shifted sediment and nutrient redistribution at the landscape scale are not well understood. In order to assess these effects, methodologies were developed in this thesis that enable low-cost, continuous monitoring of sediment and nutrient transport in irrigated watersheds (Chapter 2), as well as quantification of the uncertainty on constituent loads (Chapter 3). These methods are applied in a case study to determine sediment, organic carbon and nitrogen trap efficiency of paddy rice fields in a mountainous catchment in Vietnam (Chapters 4 and 5). The upland area had an average erosion rate of 7.5 Mg ha-1 a-1. Sediment inputs to the paddy area consisted of 64 Mg ha-1 a-1, of which irrigation water provided 75% and the remainder came from erosion during rainfall events. Erosion contributed one third of the sand inputs, while sediments from irrigation water were predominantly silty, demonstrating the protective effect of the reservoir which buffered the coarse, unfertile material. Almost half of the total sediment inputs were trapped in the rice area. As all of the sand inputs remained in the rice fields, the upland-lowland linkages could entail a long-term change in topsoil fertility and eventually a r, Weltweit haben anthropogene Einflüsse Landschaften in den letzten Jahrzehnten wesentlich verändert. Dieser Wandel war besonders stark in Bergregionen Südostasiens. Traditioneller Wanderackerbau mit geringen Umweltauswirkungen wurde weitgehend durch Formen permanenten Anbaus - oft auf Basis von Mais - ersetzt. Der damit einhergehende Verlust an Bodenfruchtbarkeit auf Feldebene ist gut beschrieben. In Tallagen dieser Region werden Reisfelder seit Jahrhunderten kultiviert und gelten als einige der nachhaltigsten Pflanzenproduktionssysteme der Welt. Dies wird teilweise durch den Eintrag fruchtbarer Sedimente über das Bewässerungswasser ermöglicht. Veränderte Landnutzungsmuster in Hanglagen können sich daher auch auf die Reisproduktion auswirken und in Folge die Nahrungssicherung beeinträchtigen. Allerdings werden die Konsequenzen einer veränderten Sediment- und Nährstoffumverteilung auf der Landschaftsebene bisher kaum verstanden. Um diese Auswirkungen zu erfassen, wurden im Rahmen dieser Dissertation Methoden entwickelt, die ein kostengünstiges, kontinuierliches Monitoring der Sediment- und Nährstofftransports in bewässerten Wassereinzugsgebieten (Kapitel 2) sowie die Quantifizierung von Ungewissheiten in deren Zusammensetzung erlauben (Kapitel 3). Diese Methoden werden in einer Fallstudie angewandt, um den Wirkungsgrad des Sedimenteintrags in bewässerten Reisfeldern auf Wassereinzugsgebietsebene in einer Bergregion Vietnams zu bestimmen (Kapitel 4 und 5). In der Hangzone lag die durchschnittliche Erosionsrate bei 7.5 Mg/ha und Jahr. Der Sedimenteintrag in die Nassreisfläche betrug 64 Mg/ha und Jahr. Hierzu trug das Bewässerungswasser 75 % bei, der Rest durch Erosion während Starkregenereignissen. Erosion lieferte ein Drittel des Sandeintrags, während die Sedimente des Bewässerungswassers überwiegend schluffig waren. Dies demonstriert den Puffereffekt des Stausees, der das gröbere, unfruchtbare Material aufnahm. Fast die Hälfte der Sedimentfracht verblieb in der Reisan

Anhand von Temperaturdaten des Standortes Berlin-Tegel wird der Temperaturverlauf für einen Zeitraum von 15 Jahren modelliert. Es werden zwei verschiedene Regressionsansätze gegenübergestellt. Zuerst werden die Daten anhand einer Zeitreihenanalyse geschätzt. Dieses parametrische Verfahren wird mit der nicht-parametrischen Methode des Shape Invariant Modeling verglichen. Beiden Ansätzen liegt die Methode der Kleinsten Fehlerquadrate zugrunde. Die Zeitreihenanalyse als Spezialgebiet der Regressionsanalyse wird mit Hilfe einer Fourierreihe realisiert, um den periodischen Verlauf der Funktion abbilden zu können. Beim Shape Invariant Model werden mithilfe einer Referenzkurve die individuellen Regressionsfunktionen ermittelt. Als Referenz dient ein Basistag. Die Parameterschätzer werden durch Achsentransformation ermittelt.

Anhand von Temperaturdaten des Standortes Berlin-Tegel wird der Temperaturverlauf für einen Zeitraum von 15 Jahren modelliert. Es werden zwei verschiedene Regressionsansätze gegenübergestellt. Zuerst werden die Daten anhand einer Zeitreihenanalyse geschätzt. Dieses parametrische Verfahren wird mit der nicht-parametrischen Methode des Shape Invariant Modeling verglichen. Beiden Ansätzen liegt die Methode der Kleinsten Fehlerquadrate zugrunde. Die Zeitreihenanalyse als Spezialgebiet der Regressionsanalyse wird mit Hilfe einer Fourierreihe realisiert, um den periodischen Verlauf der Funktion abbilden zu können. Beim Shape Invariant Model werden mithilfe einer Referenzkurve die individuellen Regressionsfunktionen ermittelt. Als Referenz dient ein Basistag. Die Parameterschätzer werden durch Achsentransformation ermittelt.

Das Studium des derzeitigen Klimawandels ist von hoher Relevanz da viele Menschen dessen direkten Folgen ausgesetzt sind. Das Verständnis der Vergangenheit ist der Schlüssel zu Fragen zum Klima als auch zur Vegetation, dem Leben, der Evolution und der Natur allgemein. Diese Dissertation beschäftigt sich damit Übergange zwischen dynamischen Regimen in nichtlinearen Systemen zu detektieren. Den Anfang macht eine kurze Einführung in die Methodik mit der Einführung der Rekurrenzplots (RP) als wichtigem Werkzeug für die folgende Analyse. Die genaue Gestalt eines RP hängt dabei von einem freien Parameter ab, dem Distanzschwellwert. Hier schlage ich eine neue Variante vor, den gewichteten Rekurrenzplot (wRP), welcher ohne Abhängigkeit von diesem Parameter auskommt. Darüberhinaus schlage ich eine neue Möglichkeit vor den Schwellwert für Rekurrenznetzwerke (RN) für eine gegebene Zeitreihe auszuwählen. Einen optimalen Schwellwert auszuwählen ist ausschlaggebend für das Ergebnis der Zeitreihenanalyse. In den folgenden theoretischen Ausführungen beschreibe ich daher eine neuartige Vorbehandlung von heterogenen (insbesondere irregulär gesampelten) Zeitreihen. Diese treten oft in Proxyda- ten, etwa Speläothemen, auf und lassen sich nicht direkt mit RP analysieren. Die vorgestellten Ansätze bieten geeignete Methoden um dynamische Übergänge zu untersuchen. Sie können unterschiedlichste Anwendungen in einer Vielzahl von Zeitreihenanalysen finden. Beispielsweise wird generell die Untersuchung irregulär gesampelter Datensätze ermöglicht. Letztlich, da die Zusammenwirkung der Proxydaten aus Nordwestaustralien und Südchina besser verstanden ist, stellt sich die Aufgabe solche Analysen mit Hilfe der hier vorgestellten Methoden auf Paläoklimadaten der gesamten Erde auszuweiten, um ein umfassendes Netzwerk der paarweisen Wechselbeziehungen zu erstellen, das für ein besseres Verständnis des Erdsystems hilfreich sein kann., The study of climate change is a very important field of science, since life is directly affected by these changes. Investigating the past climate changes leads to the forecasts of future possibilities. Therefore, enlightening the past is a keystone to answer questions about climate as well as vegetation, life, evolution, and nature. This Thesis focuses on detecting dynamical regime transitions in nonlinear dynamical systems as well as in climate proxies where they mark previous critical climate changes. The thesis begins with a brief methodological background and brings the recurrence plot (RP) to forefront as the main tool for the further analyses. The thesis consists of three main studies: (i) The formation of RPs naturally depends on a free parameter in the analysis given by the distance threshold. I propose an alternative definition by using a weighted variant of the RP, called weighted recurrence plot, which removes dependence on this free parameter. (ii) Furthermore, I suggest a novel way to select the threshold for a recurrence network for a specific time series. Selecting the optimization parameters for a specific time series is very important for the performance of the analysis. (iii) Next, I introduce a new preprocessing technique to deal with the heterogeneousness of time series, since the RP is not directly applicable on such data sets and the proxies from speleothems, in general, are irregularly sampled. Among these presented approaches are suitable methods to investigate the dynamical transition and they can be used for different purposes in a large variety of time series analyses. These techniques can be used in several different disciplines which have heterogeneousness in their sources. After the relationship between the two proxies from Australia and China has been uncovered, in the future, it should be achievable to extend the study to create a large paleoclimate relationship network for the entire Earth by using the methods given in this Thesis.

Anhand von Temperaturdaten des Standortes Berlin-Tegel wird der Temperaturverlauf für einen Zeitraum von 15 Jahren modelliert. Es werden zwei verschiedene Regressionsansätze gegenübergestellt. Zuerst werden die Daten anhand einer Zeitreihenanalyse geschätzt. Dieses parametrische Verfahren wird mit der nicht-parametrischen Methode des Shape Invariant Modeling verglichen. Beiden Ansätzen liegt die Methode der Kleinsten Fehlerquadrate zugrunde. Die Zeitreihenanalyse als Spezialgebiet der Regressionsanalyse wird mit Hilfe einer Fourierreihe realisiert, um den periodischen Verlauf der Funktion abbilden zu können. Beim Shape Invariant Model werden mithilfe einer Referenzkurve die individuellen Regressionsfunktionen ermittelt. Als Referenz dient ein Basistag. Die Parameterschätzer werden durch Achsentransformation ermittelt.

[no abstract]

Das Studium des derzeitigen Klimawandels ist von hoher Relevanz da viele Menschen dessen direkten Folgen ausgesetzt sind. Das Verständnis der Vergangenheit ist der Schlüssel zu Fragen zum Klima als auch zur Vegetation, dem Leben, der Evolution und der Natur allgemein. Diese Dissertation beschäftigt sich damit Übergange zwischen dynamischen Regimen in nichtlinearen Systemen zu detektieren. Den Anfang macht eine kurze Einführung in die Methodik mit der Einführung der Rekurrenzplots (RP) als wichtigem Werkzeug für die folgende Analyse. Die genaue Gestalt eines RP hängt dabei von einem freien Parameter ab, dem Distanzschwellwert. Hier schlage ich eine neue Variante vor, den gewichteten Rekurrenzplot (wRP), welcher ohne Abhängigkeit von diesem Parameter auskommt. Darüberhinaus schlage ich eine neue Möglichkeit vor den Schwellwert für Rekurrenznetzwerke (RN) für eine gegebene Zeitreihe auszuwählen. Einen optimalen Schwellwert auszuwählen ist ausschlaggebend für das Ergebnis der Zeitreihenanalyse. In den folgenden theoretischen Ausführungen beschreibe ich daher eine neuartige Vorbehandlung von heterogenen (insbesondere irregulär gesampelten) Zeitreihen. Diese treten oft in Proxyda- ten, etwa Speläothemen, auf und lassen sich nicht direkt mit RP analysieren. Die vorgestellten Ansätze bieten geeignete Methoden um dynamische Übergänge zu untersuchen. Sie können unterschiedlichste Anwendungen in einer Vielzahl von Zeitreihenanalysen finden. Beispielsweise wird generell die Untersuchung irregulär gesampelter Datensätze ermöglicht. Letztlich, da die Zusammenwirkung der Proxydaten aus Nordwestaustralien und Südchina besser verstanden ist, stellt sich die Aufgabe solche Analysen mit Hilfe der hier vorgestellten Methoden auf Paläoklimadaten der gesamten Erde auszuweiten, um ein umfassendes Netzwerk der paarweisen Wechselbeziehungen zu erstellen, das für ein besseres Verständnis des Erdsystems hilfreich sein kann., The study of climate change is a very important field of science, since life is directly affected by these changes. Investigating the past climate changes leads to the forecasts of future possibilities. Therefore, enlightening the past is a keystone to answer questions about climate as well as vegetation, life, evolution, and nature. This Thesis focuses on detecting dynamical regime transitions in nonlinear dynamical systems as well as in climate proxies where they mark previous critical climate changes. The thesis begins with a brief methodological background and brings the recurrence plot (RP) to forefront as the main tool for the further analyses. The thesis consists of three main studies: (i) The formation of RPs naturally depends on a free parameter in the analysis given by the distance threshold. I propose an alternative definition by using a weighted variant of the RP, called weighted recurrence plot, which removes dependence on this free parameter. (ii) Furthermore, I suggest a novel way to select the threshold for a recurrence network for a specific time series. Selecting the optimization parameters for a specific time series is very important for the performance of the analysis. (iii) Next, I introduce a new preprocessing technique to deal with the heterogeneousness of time series, since the RP is not directly applicable on such data sets and the proxies from speleothems, in general, are irregularly sampled. Among these presented approaches are suitable methods to investigate the dynamical transition and they can be used for different purposes in a large variety of time series analyses. These techniques can be used in several different disciplines which have heterogeneousness in their sources. After the relationship between the two proxies from Australia and China has been uncovered, in the future, it should be achievable to extend the study to create a large paleoclimate relationship network for the entire Earth by using the methods given in this Thesis.

Anthropogenic influences have caused landscapes to change worldwide in the last decades, and changes have been particularly intense in montane Southeast Asia. Traditional swiddening cropping systems with low environmental impacts have been largely replaced by forms of permanent upland cultivation, often with maize. The associated soil fertility loss at the plot scale is well documented. In valley bottoms of these areas, paddies have been cultivated for centuries, and are considered some of the most sustainable production systems in the world – in part maintained by the influx of fertile sediments through irrigation. Altered cropping patterns on the slopes therefore also have potential repercussions on rice production, and hence on food security, but the consequences of shifted sediment and nutrient redistribution at the landscape scale are not well understood. In order to assess these effects, methodologies were developed in this thesis that enable low-cost, continuous monitoring of sediment and nutrient transport in irrigated watersheds (Chapter 2), as well as quantification of the uncertainty on constituent loads (Chapter 3). These methods are applied in a case study to determine sediment, organic carbon and nitrogen trap efficiency of paddy rice fields in a mountainous catchment in Vietnam (Chapters 4 and 5). The upland area had an average erosion rate of 7.5 Mg ha-1 a-1. Sediment inputs to the paddy area consisted of 64 Mg ha-1 a-1, of which irrigation water provided 75% and the remainder came from erosion during rainfall events. Erosion contributed one third of the sand inputs, while sediments from irrigation water were predominantly silty, demonstrating the protective effect of the reservoir which buffered the coarse, unfertile material. Almost half of the total sediment inputs were trapped in the rice area. As all of the sand inputs remained in the rice fields, the upland-lowland linkages could entail a long-term change in topsoil fertility and eventually a r, Weltweit haben anthropogene Einflüsse Landschaften in den letzten Jahrzehnten wesentlich verändert. Dieser Wandel war besonders stark in Bergregionen Südostasiens. Traditioneller Wanderackerbau mit geringen Umweltauswirkungen wurde weitgehend durch Formen permanenten Anbaus - oft auf Basis von Mais - ersetzt. Der damit einhergehende Verlust an Bodenfruchtbarkeit auf Feldebene ist gut beschrieben. In Tallagen dieser Region werden Reisfelder seit Jahrhunderten kultiviert und gelten als einige der nachhaltigsten Pflanzenproduktionssysteme der Welt. Dies wird teilweise durch den Eintrag fruchtbarer Sedimente über das Bewässerungswasser ermöglicht. Veränderte Landnutzungsmuster in Hanglagen können sich daher auch auf die Reisproduktion auswirken und in Folge die Nahrungssicherung beeinträchtigen. Allerdings werden die Konsequenzen einer veränderten Sediment- und Nährstoffumverteilung auf der Landschaftsebene bisher kaum verstanden. Um diese Auswirkungen zu erfassen, wurden im Rahmen dieser Dissertation Methoden entwickelt, die ein kostengünstiges, kontinuierliches Monitoring der Sediment- und Nährstofftransports in bewässerten Wassereinzugsgebieten (Kapitel 2) sowie die Quantifizierung von Ungewissheiten in deren Zusammensetzung erlauben (Kapitel 3). Diese Methoden werden in einer Fallstudie angewandt, um den Wirkungsgrad des Sedimenteintrags in bewässerten Reisfeldern auf Wassereinzugsgebietsebene in einer Bergregion Vietnams zu bestimmen (Kapitel 4 und 5). In der Hangzone lag die durchschnittliche Erosionsrate bei 7.5 Mg/ha und Jahr. Der Sedimenteintrag in die Nassreisfläche betrug 64 Mg/ha und Jahr. Hierzu trug das Bewässerungswasser 75 % bei, der Rest durch Erosion während Starkregenereignissen. Erosion lieferte ein Drittel des Sandeintrags, während die Sedimente des Bewässerungswassers überwiegend schluffig waren. Dies demonstriert den Puffereffekt des Stausees, der das gröbere, unfruchtbare Material aufnahm. Fast die Hälfte der Sedimentfracht verblieb in der Reisan

Anhand von Temperaturdaten des Standortes Berlin-Tegel wird der Temperaturverlauf für einen Zeitraum von 15 Jahren modelliert. Es werden zwei verschiedene Regressionsansätze gegenübergestellt. Zuerst werden die Daten anhand einer Zeitreihenanalyse geschätzt. Dieses parametrische Verfahren wird mit der nicht-parametrischen Methode des Shape Invariant Modeling verglichen. Beiden Ansätzen liegt die Methode der Kleinsten Fehlerquadrate zugrunde. Die Zeitreihenanalyse als Spezialgebiet der Regressionsanalyse wird mit Hilfe einer Fourierreihe realisiert, um den periodischen Verlauf der Funktion abbilden zu können. Beim Shape Invariant Model werden mithilfe einer Referenzkurve die individuellen Regressionsfunktionen ermittelt. Als Referenz dient ein Basistag. Die Parameterschätzer werden durch Achsentransformation ermittelt.

Anthropogenic influences have caused landscapes to change worldwide in the last decades, and changes have been particularly intense in montane Southeast Asia. Traditional swiddening cropping systems with low environmental impacts have been largely replaced by forms of permanent upland cultivation, often with maize. The associated soil fertility loss at the plot scale is well documented. In valley bottoms of these areas, paddies have been cultivated for centuries, and are considered some of the most sustainable production systems in the world – in part maintained by the influx of fertile sediments through irrigation. Altered cropping patterns on the slopes therefore also have potential repercussions on rice production, and hence on food security, but the consequences of shifted sediment and nutrient redistribution at the landscape scale are not well understood. In order to assess these effects, methodologies were developed in this thesis that enable low-cost, continuous monitoring of sediment and nutrient transport in irrigated watersheds (Chapter 2), as well as quantification of the uncertainty on constituent loads (Chapter 3). These methods are applied in a case study to determine sediment, organic carbon and nitrogen trap efficiency of paddy rice fields in a mountainous catchment in Vietnam (Chapters 4 and 5). The upland area had an average erosion rate of 7.5 Mg ha-1 a-1. Sediment inputs to the paddy area consisted of 64 Mg ha-1 a-1, of which irrigation water provided 75% and the remainder came from erosion during rainfall events. Erosion contributed one third of the sand inputs, while sediments from irrigation water were predominantly silty, demonstrating the protective effect of the reservoir which buffered the coarse, unfertile material. Almost half of the total sediment inputs were trapped in the rice area. As all of the sand inputs remained in the rice fields, the upland-lowland linkages could entail a long-term change in topsoil fertility and eventually a r, Weltweit haben anthropogene Einflüsse Landschaften in den letzten Jahrzehnten wesentlich verändert. Dieser Wandel war besonders stark in Bergregionen Südostasiens. Traditioneller Wanderackerbau mit geringen Umweltauswirkungen wurde weitgehend durch Formen permanenten Anbaus - oft auf Basis von Mais - ersetzt. Der damit einhergehende Verlust an Bodenfruchtbarkeit auf Feldebene ist gut beschrieben. In Tallagen dieser Region werden Reisfelder seit Jahrhunderten kultiviert und gelten als einige der nachhaltigsten Pflanzenproduktionssysteme der Welt. Dies wird teilweise durch den Eintrag fruchtbarer Sedimente über das Bewässerungswasser ermöglicht. Veränderte Landnutzungsmuster in Hanglagen können sich daher auch auf die Reisproduktion auswirken und in Folge die Nahrungssicherung beeinträchtigen. Allerdings werden die Konsequenzen einer veränderten Sediment- und Nährstoffumverteilung auf der Landschaftsebene bisher kaum verstanden. Um diese Auswirkungen zu erfassen, wurden im Rahmen dieser Dissertation Methoden entwickelt, die ein kostengünstiges, kontinuierliches Monitoring der Sediment- und Nährstofftransports in bewässerten Wassereinzugsgebieten (Kapitel 2) sowie die Quantifizierung von Ungewissheiten in deren Zusammensetzung erlauben (Kapitel 3). Diese Methoden werden in einer Fallstudie angewandt, um den Wirkungsgrad des Sedimenteintrags in bewässerten Reisfeldern auf Wassereinzugsgebietsebene in einer Bergregion Vietnams zu bestimmen (Kapitel 4 und 5). In der Hangzone lag die durchschnittliche Erosionsrate bei 7.5 Mg/ha und Jahr. Der Sedimenteintrag in die Nassreisfläche betrug 64 Mg/ha und Jahr. Hierzu trug das Bewässerungswasser 75 % bei, der Rest durch Erosion während Starkregenereignissen. Erosion lieferte ein Drittel des Sandeintrags, während die Sedimente des Bewässerungswassers überwiegend schluffig waren. Dies demonstriert den Puffereffekt des Stausees, der das gröbere, unfruchtbare Material aufnahm. Fast die Hälfte der Sedimentfracht verblieb in der Reisan

Das Chinesische Neujahr ist das größte Fest in der Volksrepublik China sowie in einigen weiteren ostasiatischen Staaten. Dementsprechend müsste es einen großen Effekt auch auf die Wirtschaft vor Ort ausüben. Für die statistische Auswertung ist allerdings problematisch, dass sich der Zeitpunkt des Chinesischen Neujahrs jährlich verschiebt und es deswegen nicht möglich ist, die dadurch entstehenden Feiertagseffekte einem festen Monat zuzuordnen. Diese Arbeit legt dar, wie solche Effekte dennoch mit Hilfe von Techniken der Zeitreihenanalyse modelliert werden können. Die Grundlagen der Zeitreihenanalyse werden geklärt, ebenso wie die Theorie der Modellanpassung an gegebene Daten. Mit einem praktischen Beispiel, einer Zeitreihe über die taiwanesischen Exporte für einen Zeitraum von über dreißig Jahren, wird dann gezeigt, wie die Effekte in den Modellaufbau einfließen. Schließlich kann festgestellt werden, dass die Berücksichtigung der Feiertagseffekte einen erheblichen Einfluss auf die Qualität des Modells hat., Chinese New Year is the most important holiday in the People's Republic of China as well as in a number of other East Asian countries. As a consequence, the festival should have considerable effects on the Chinese economy. It is, however, a problem for statistical evaluation that the timing of Chinese New Year changes every year, so that holiday effects cannot be assigned to a specific month. This work shows how such effects can still be modeled by using techniques from time series analysis. Fundamental principles of time series analysis will be reviewed as well as the theory of model fitting. A time series of Taiwanese exports for thirty years will be used as an example in order to show how a model can account for effects from Chinese New Year. Ultimately, it can be noticed that the incorporation of holiday effects has a significant impact on the model’s goodness of fit.

Das Chinesische Neujahr ist das größte Fest in der Volksrepublik China sowie in einigen weiteren ostasiatischen Staaten. Dementsprechend müsste es einen großen Effekt auch auf die Wirtschaft vor Ort ausüben. Für die statistische Auswertung ist allerdings problematisch, dass sich der Zeitpunkt des Chinesischen Neujahrs jährlich verschiebt und es deswegen nicht möglich ist, die dadurch entstehenden Feiertagseffekte einem festen Monat zuzuordnen. Diese Arbeit legt dar, wie solche Effekte dennoch mit Hilfe von Techniken der Zeitreihenanalyse modelliert werden können. Die Grundlagen der Zeitreihenanalyse werden geklärt, ebenso wie die Theorie der Modellanpassung an gegebene Daten. Mit einem praktischen Beispiel, einer Zeitreihe über die taiwanesischen Exporte für einen Zeitraum von über dreißig Jahren, wird dann gezeigt, wie die Effekte in den Modellaufbau einfließen. Schließlich kann festgestellt werden, dass die Berücksichtigung der Feiertagseffekte einen erheblichen Einfluss auf die Qualität des Modells hat., Chinese New Year is the most important holiday in the People's Republic of China as well as in a number of other East Asian countries. As a consequence, the festival should have considerable effects on the Chinese economy. It is, however, a problem for statistical evaluation that the timing of Chinese New Year changes every year, so that holiday effects cannot be assigned to a specific month. This work shows how such effects can still be modeled by using techniques from time series analysis. Fundamental principles of time series analysis will be reviewed as well as the theory of model fitting. A time series of Taiwanese exports for thirty years will be used as an example in order to show how a model can account for effects from Chinese New Year. Ultimately, it can be noticed that the incorporation of holiday effects has a significant impact on the model’s goodness of fit.

Das Chinesische Neujahr ist das größte Fest in der Volksrepublik China sowie in einigen weiteren ostasiatischen Staaten. Dementsprechend müsste es einen großen Effekt auch auf die Wirtschaft vor Ort ausüben. Für die statistische Auswertung ist allerdings problematisch, dass sich der Zeitpunkt des Chinesischen Neujahrs jährlich verschiebt und es deswegen nicht möglich ist, die dadurch entstehenden Feiertagseffekte einem festen Monat zuzuordnen. Diese Arbeit legt dar, wie solche Effekte dennoch mit Hilfe von Techniken der Zeitreihenanalyse modelliert werden können. Die Grundlagen der Zeitreihenanalyse werden geklärt, ebenso wie die Theorie der Modellanpassung an gegebene Daten. Mit einem praktischen Beispiel, einer Zeitreihe über die taiwanesischen Exporte für einen Zeitraum von über dreißig Jahren, wird dann gezeigt, wie die Effekte in den Modellaufbau einfließen. Schließlich kann festgestellt werden, dass die Berücksichtigung der Feiertagseffekte einen erheblichen Einfluss auf die Qualität des Modells hat., Chinese New Year is the most important holiday in the People's Republic of China as well as in a number of other East Asian countries. As a consequence, the festival should have considerable effects on the Chinese economy. It is, however, a problem for statistical evaluation that the timing of Chinese New Year changes every year, so that holiday effects cannot be assigned to a specific month. This work shows how such effects can still be modeled by using techniques from time series analysis. Fundamental principles of time series analysis will be reviewed as well as the theory of model fitting. A time series of Taiwanese exports for thirty years will be used as an example in order to show how a model can account for effects from Chinese New Year. Ultimately, it can be noticed that the incorporation of holiday effects has a significant impact on the model’s goodness of fit.

Die Untersuchung vergangener Klimavariabilität ist ein einzigartiger Schlüssel zum Verständnis zukünftigen Verhaltens des Erdsystems unter anthropogener Einwirkung. Dies ist von besonderer Wichtigkeit, da es die einzige Realisierung des „Erdsystemexperiments“ ist, die für uns zugänglich ist. Paleoklimaarchive, wie Bäume, Stalagmiten oder Gletscher stellen in ihrer Struktur und Zusammensetzung zeitabhängige Aufzeichungen früherer Klimavariabilität dar. Die statistische Analyse von Zusammenhängen zwischen solchen Zeitreihen kann helfen, die den Paläoklimaproxies zugrundeliegenden Klimaprozesse und, letztlich, der Erdsystemdynamik zu verstehen. Drei Hauptherausforderungen müssen gemeistert werden, um dies möglich zu machen: die Zeitreihen sind unregelmäßig aufgelöst in (i) Zeit, (ii) Raum und die Zeit selbst ist eine Variable die rekonstruiert werden muss, was (iii) zusätzliche Unsicherheiten mit sich bringt. Dazu habe ich den Paläoklimanetzwerkansatz entwickelt, inspiriert von der zunehmenden Anwendung von Methoden aus dem Bereich der komplexen Netzwerke in der Klimatologie. Ich habe Schätzer für Pearson-Korrelation, Transinformation (Mutual Information) und Ereignissynchronisation (Event Synchronization) eingeführt, die keine Zeitreihen mit regelmäßigen Beobachtungsintervallen benötigen. Der Einfluß von Altersunsicherheiten auf Schätzungen solcher Ähnlichkeitsmaße wird numerisch durch Ensembles von möglichen Akkumulationsverläufen abgeschätzt. Ein einfaches Modell für Informationsflüsse im Asiatischen Sommermonsun (ASM) ermöglicht den Test der Fähigkeiten von (Paläoklima-)Netzwerkmaßen, räumlich-zeitliche Klimaänderungen von Zeitreihen räumlich heterogen verteilter Orte zu detektieren., Investigating past climate changes offers a unique key to understanding the future behavior of the Earth system under anthropogenic perturbation, because it is the only realization of the “Earth system experiment” accessible. Paleoclimate archives such as trees, stalagmites, or glacial deposits provide in their structure and composition time-dependent records of earlier climatic variability. Statistical analysis of dependencies amongst such time series helps to infer on the climatic processes reflected in the paleoclimate proxy data and then, ultimately, on the dynamics of the Earth system. Three inherent technical challenges need to be met: the datasets are heterogeneously sampled in (i) time and (ii) space, and time itself is a variable that needs to be reconstructed which (iii) introduces additional uncertainties. To address these issues I developed the paleoclimate network framework, inspired by the increasing application of complex networks methodology in climate. I introduced estimators for Pearson correlation, mutual information and event synchronization that do not require time series sampled at regular intervals. The impacts of age uncertainty on such similarity estimates was assessed numerically, using ensembles of possible accumulation histories. A simple model for information flow in the Asian summer monsoon (ASM) was used to test the ability of (paleoclimate) network measures to detect spatio-temporal transitions from time series observed at heterogeneous locations in space.

Vibrationen in Bremssystemen sind seit Anfang des letzten Jahrhunderts untersucht worden und obwohl zahlreiche Erkenntnisse über die mechanischen Zusammenhänge gewonnen wurden, sind die auftretenden Phänomene, insbesondere im Bereich der reibungsinduzierten Schwingungen, nicht vollständig erklärbar. In der vorliegenden Forschungsarbeit wurde die komplexe Mechanik der Reibschicht einer trockenen Reibungsbremse untersucht. In besonderem Fokus stand hierbei das Entstehen von Instabilitäten bzw. Bremsenquietschen. Hierfür wurden Vibrationsmessungen an einem Bremssystem in stabil-gleitendem Zustand durchgeführt. Um die mechanischen Vorgänge in der Reibschicht im Mikrometerbereich zu identifizieren, wurden die Daten mit Erfassungsraten oberhalb von 200 kHz aufgezeichnet. Die gewonnen Zeitreihen wurden nachfolgend mit linearen, nichtlinearen und statistischen Methoden analysiert - mit besonderem Hinblick auf die beteiligten Multiskalen. Zunächst wurden die Topologie der beteiligten Reibungsoberflächen und die Filmauftragung auf der Bremsscheibenoberfläche analysiert. Dadurch ließen sich die beteiligten Skalen und Transformationen der Reibungsschicht für nachfolgende Analysen bestimmen. Spektralanalysen der Vibrationen ließen erkennen, daß die sich ausbildenden spektralen Muster weniger von den Bremsparametern als vielmehr vom Bremsbelagmaterial und der physikalischen und chemischen Transformation der Reibschicht während des Experiments abhängen. Die nichtlinearen Phänomene wurden anhand von Rekurrenzanalysen betrachtet, wobei sich zeigte, daß die Grenzschichtmechanik in nicht-quietschendem Zustand überwiegend von gleichmäßigem Gleiten und abrupten Störungen beherrscht wird (Intermittenz). Die Dauer der Phasen zwischen den Irregularitäten lag hierbei typischerweise im Millisekundenbereich. Diese Phänomene ließen sich anhand einer Phasenraumrekonstruktion und einer Abschätzung des größten Lyapunov-Koeffizienten einordnen: die auftretenden Phänomene werden hauptsächlich von n, Vibrations in braking systems have been studied since the beginning of the last century and despite several insights, still many phenomena, particularly in the area of friction induced vibrations, are not fully understood. The objective of the actual study was the identification of the complex dynamics in the friction interface of a dry friction brake system. In this context, particular consideration was given to the generation of instabilities and brake squeal. In work presently being undertaken, irregular vibration data of a dry friction brake in non-squealing condition were collected with sampling rates above 200 kHz. The resulting time series were subjected to linear, nonlinear and statistical analyses and in particular with regard to the involved multi-scale dynamics. At first, topological examination of the friction surfaces disclosed the microscale characteristics; visual inspections of the coating, generated on the brake disk insights in to the friction interface transformations. Secondly, linear investigations of the vibration data in the frequency domain provided first impressions of the friction interface: while the spectral frequency distribution remains mostly independent from mechanic parameters, it is essentially controlled by the pad formulation and physical and chemical interface transformations during the experiment. Thirdly, the data were explored on the basis of recurrence analysis and together with the estimation of dimensionality the phase space was reconstructed. Evidently, the irregular vibration states of friction brakes in non-squealing condition are strongly controlled both by apparently steady and disruptive phenomena (intermittency). The duration between the states was typically in the range of milliseconds. Phase space reconstruction and largest Lyapunov coefficient estimation indicated thereby that these phenomena are dominated more by low-dimensional chaotic deterministic dynamics than by high-dimensional stochastic processes. In the

Several economic data series of Liechtenstein are backwardly estimated in order to achieve consistent historic time series. The generated series consist for instance of the national income for the years 1954 to 1992 (by regressive inter- and retropolation with indicators) and 1993 to 1997 (by approximative computation after national accounting scheme). Also, the sectoral and total employment of some missing years in the 70s, 80s and 90s is complemented and the gross domestic product from 1972 until 1997 is provided by an approximative computation/estimation relying on the identity of the generation of income account as part of the national accounts. These methods and the presented series are being evaluated with respect to their accuracy, which turns out to be satisfying, and can be linked with the released results from the official national accounts, which were introduced for the year 1998 and have been published until 2009 so far. Along with the provision of these figures, Liechtenstein's economic growth pattern is being identified, the business cycles are detected and first analytical insights are obtained.

Zahlreiche Studien belegen schädigende Assoziationen zwischen Atemwegserkrankungen und gasförmigen und partikulären Luftschadstoffen. Feinstaub erwies sich als besonders schädigend. Es ist jedoch noch nicht geklärt, welche Partikelfraktionen des Feinstaubes für die Zusammenhänge verantwortlich sind. In dieser Arbeit werden die Kurzzeit-Effekte von grobem Feinstaub (TSP) sowie den gasförmigen Schadstoffen Schwefeldioxid (SO2) und Stickstoffdioxid (NO2) auf Krankenhauseinweisungen aufgrund von Atemwegserkrankungen in Drobeta, Rumänien untersucht. Zudem wird der Zusammenhang von PM10 (Partikel mit einem Durchmesser < 10 µm), NO2, SO2 und größenabhängigen Partikelanzahlkonzentrationen (PNC) mit respiratorischen Notfallaufnahmen und Sterbefällen in Peking, China, analysiert. Für Peking wird zudem ein statistisches Modell entwickelt, um fehlende PNC zu modellieren. Ziel der Arbeit ist es, die relevanten Faktoren in den Beziehungen zwischen Atemwegserkrankungen und Luftverschmutzung, vor allem Feinstaub, zu untersuchen. In beiden Städten wurde ein schädigender Einfluss von Luftschadstoffen auf Atemwegserkrankungen festgestellt. In Drobeta waren TSP und SO2 mit Atemwegserkrankungen assoziiert, wobei der schädigende Einfluss von TSP durch trockene Luft verstärkt wurde. In Peking zeigten vor allem Akkumulationspartikel (Durchmesser 0.1 – 1 µm) eine schädigende Wirkung, welche für ultrafeine Partikel (UFP, < 100 nm) nicht festgestellt werden konnte. Dabei war der Einfluss von PNC unabhängig von PM10. Der Effekt von PNC war für stagnierende Luftmassen größer, was darauf hinweist, dass neben der Partikelanzahl und -oberfläche die Partikelchemie einen negativen Einfluss hat. Darüber hinaus wurde eine Assoziation von NO2 mit Notfallaufnahmen und von SO2 mit der Mortalität festgestellt. Die Ergebnisse bestätigen den schädigenden Einfluss von gasförmigen sowie partikulären Luftschadstoffen auf Atemwegserkrankungen und weisen auf größenabhängige Effekte von Feinstaub hin., Numerous epidemiological studies have described adverse effects of particulate and gaseous air pollution on respiratory health. Especially particulate matter (PM) seems to be relevant for the observed associations. However, it is not yet clear which particle fractions are responsible for the observed health effects of PM. In the presented studies, we analyse the short-term associations of total suspended particles (TSP) as well as of sulphur dioxide (SO2) and nitrogen dioxide (NO2) with respiratory hospital admissions in Drobeta, Romania. Moreover, effects of PM10 (PM with a diameter < 10 µm), NO2, SO2, and size-segregated particle number concentrations (PNC) on respiratory mortality and emergency room visits (ERV) are investigated for Beijing, China. For Beijing, we also develop a statistical model to impute missing PNC. The aim of the studies is to investigate the factors influencing the short term associations between respiratory health and air pollution, especially PM. Air pollution was adversely associated with respiratory health in Drobeta and Beijing. In Drobeta, TSP and SO2 were adversely associated with hospital admissions for chronic bronchitis; thereby, dry air aggravated the adverse associations of TSP. In Beijing, mostly accumulation mode particles (0.1 – 1 µm) showed adverse associations with respiratory health, whereas, there was a lack thereof for ultrafine particles (UFP). The effects of PNC were found to be independent of PM10. Adverse health effects of PNC were stronger for stagnant air masses indicating that, besides particle number and surface area, also particle chemistry influences the observed associations, as stagnant air masses result in chemically diverse particles. Also, NO2 was adversely associated with respiratory ERV and SO2 with respiratory mortality. These findings underline the strong influence of gaseous and particulate air pollution on respiratory health and indicate size dependent effects of particulate matter.

In this paper we model the adjustment process of European Union Allowance (EUA) prices to the releases of announcements at high-frequency controlling for intraday periodicity, volatility clustering and volatility persistence. We find that the high-frequency EUA price dynamics are very well captured by a fractionally integrated asymmetric power GARCH process. The decisions of the European Commission on second National Allocation Plans have a strong and immediate impact on EUA prices. On the other hand, our results suggest that EUA prices are only weakly connected to indicators about the future economic development as well as the current economic activity.