Search

The presented PhD thesis focuses on climate change detection in natural systems by Bayesian analysis. Long-term (>30 years) phenological time series of different species and temperature time series are analysed within Europe. In one study global atmospheric temperature data sets from the troposphere to the stratosphere are used. The Bayesian approach offers new possibilities including robust model selection for time series description, assessment of functional behaviour and rates of change with uncertainty margins. The separation of temporal and spatial changes in phenology and temperature time series as well as the potential to judge and incorporate outputs of competing mathematical models is an attractive contribution to the studies of climate change and of its multiple impacts., Die vorliegende Dissertation befasst sich mit der Detektion des Klimawandels in natürlichen Systemen mit Hilfe der Bayes'schen Analyse. Es wurden langfristige (>30jährige) phänologische Zeitreihen verschiedener Pflanzenarten sowie Temperaturzeitreihen in Europa analysiert. Außerdem wurden globale atmosphärische Temperaturzeitreihen von der Troposphäre bis zur Stratosphäre untersucht. Die Bayes'sche Analyse bietet mit einer Modellauswahl für Zeitreihenbeschreibungen und der Ermittlung der Funktionsverläufe und Änderungsraten mit entsprechenden Vertrauensgrenzen wertvolle Analysemöglichkeiten. Sie erlaubt eine differenzierte Untersuchung zeitlicher und räumlicher Veränderungen von Temperaturentwicklung und phänologischem Geschehen, wobei gerade der bewertende Vergleich unterschiedlicher mathematischer Lösungsmodelle einen attraktiven Beitrag liefert.