Interaktionen zwischen Landökosystemen, Atmosphäre und Klima.
Ziel der Abteilung Biogeochemische Signale ist es, die Wechselwirkungen zwischen Elementkreisläufen der Landoberfläche und der Atmosphäre auf lokaler, regionaler und globaler Ebene besser zu verstehen und so die Auswirkungen des Klimawandels besser vorhersagen zu können. Neben den essentiellen und klimarelevanten Kreisläufen von Kohlenstoff und Wasser liegt der Fokus unserer Forschung auf den Pflanzennährstoffen Stickstoff (N) und Phosphor (P) und deren Bedeutung für das Pflanzenwachstum, den Wasserhaushalt und den Kohlenstoffkreislauf.
Wir analysieren atmosphärische Spurengase, Satellitendaten und atmosphärische Transportmodellierung um regionale Treibhausgasbilanzen besser zu verstehen und zugrunde liegende biosphärische Signale zu identifizieren. Wir kombinieren Wissen über ökophysiologische Prozesse mit Beobachtungen und Modellierungen biogeochemischer Kreisläufe auf unterschiedlichen räumlichen Skalen um die zugrundeliegenden Prozesse dieser Signale zu verstehen.
Um diese Fragen zu beantworten, entwickeln wir komplexe Modelle zur Simulation biogeochemischer Elementkreisläufe und deren Abhängigkeit von Vegetation und Bodeneigenschaften sowie dem lokalen Klima. Basierend auf unserem Expertenwissen über physiologische Prinzipien von Ökosystemprozessen wollen wir diese Modelle verbessern und besser an die Realität anpassen. Anschließend testen wir die verbesserten Modelle mit verschiedenen Arten von Ökosystem- und Atmosphärenbeobachtungen. Unsere neuen Erkenntnisse fließen auch in globale Modelle des Erdsystems ein, um die Auswirkungen des zunehmenden menschlichen Einflusses auf terrestrische Ökosysteme abzuschätzen.
Jüngste Schlüsselergebnisse
a-f: Die Beiträge von CO2 (a), N2O (b), CH4 (c), Aerosolen (d), O3 (e) und der Nettoeffekt (f) (d.h. die Summe von a-e) wurden im GEOS-Chem-RRTMG-Modell durch Berechnung der Unterschiede im all-sky top-of-atmosphere Strahlungsantrieb zwischen CTRL_2019 und No_allNr Experimenten abgeleitet. Der Strahlungsantrieb von Aerosolen ist die Summe der direkten Strahlungsantriebe von Ammonium-, Nitrat- und Sulfataerosolen. Die Zahlen in Klammern stellen die globalen flächengewichteten Mittelwerte dar, während die Zahlen in den Klammern die Unsicherheitsbereiche angeben, die auf Sensitivitätsexperimenten mit GEOS-Chem-RRTMG unter Verwendung von ±1 Standardabweichung zwischen den NMIP2-Ensembles sowie ±30% Unsicherheit in den OH- und O3-Konzentrationen beruhen (ergänzende Informationen Abschnitt 1.2). Es ist zu beachten, dass die Auswirkungen von Nr auf die globalen CO2-, N2O- und CH4-Konzentrationen als gleichmäßig verteilt angenommen werden, so dass die Muster dieser drei Treibhausgase größtenteils durch andere Antriebsfaktoren, einschließlich der Verteilung von Wolken, bestimmt werden. Dieses Material ist hier verfügbar: https://www.nature.com/articles/s41586-024-07714-4 und steht unter der Creative Commons Attribution 4.0 International License. Reference: Gong, C.; Tian, H.; Liao, H.; Pan, N.; Pan, S.; Ito, A.; Jain, A. K.; Kou-Giesbrecht, S.; Joos, F.; Sun, Q.; Shi, H.; Vuichard, N.; Zhu, Q.; Peng, C.; Maggi, F.; Tang, F. H. M.; Zaehle, S.: Global net climate effects of anthropogenic reactive nitrogen. Nature 632, pp. 557 - 563 (2024)
a-f: Die Beiträge von CO2 (a), N2O (b), CH4 (c), Aerosolen (d), O3 (e) und der Nettoeffekt (f) (d.h. die Summe von a-e) wurden im GEOS-Chem-RRTMG-Modell durch Berechnung der Unterschiede im all-sky top-of-atmosphere Strahlungsantrieb zwischen CTRL_2019 und No_allNr Experimenten abgeleitet. Der Strahlungsantrieb von Aerosolen ist die Summe der direkten Strahlungsantriebe von Ammonium-, Nitrat- und Sulfataerosolen. Die Zahlen in Klammern stellen die globalen flächengewichteten Mittelwerte dar, während die Zahlen in den Klammern die Unsicherheitsbereiche angeben, die auf Sensitivitätsexperimenten mit GEOS-Chem-RRTMG unter Verwendung von ±1 Standardabweichung zwischen den NMIP2-Ensembles sowie ±30% Unsicherheit in den OH- und O3-Konzentrationen beruhen (ergänzende Informationen Abschnitt 1.2). Es ist zu beachten, dass die Auswirkungen von Nr auf die globalen CO2-, N2O- und CH4-Konzentrationen als gleichmäßig verteilt angenommen werden, so dass die Muster dieser drei Treibhausgase größtenteils durch andere Antriebsfaktoren, einschließlich der Verteilung von Wolken, bestimmt werden. Dieses Material ist hier verfügbar: https://www.nature.com/articles/s41586-024-07714-4 und steht unter der Creative Commons Attribution 4.0 International License. Reference: Gong, C.; Tian, H.; Liao, H.; Pan, N.; Pan, S.; Ito, A.; Jain, A. K.; Kou-Giesbrecht, S.; Joos, F.; Sun, Q.; Shi, H.; Vuichard, N.; Zhu, Q.; Peng, C.; Maggi, F.; Tang, F. H. M.; Zaehle, S.: Global net climate effects of anthropogenic reactive nitrogen. Nature 632, pp. 557 - 563 (2024)
Neueste Veröffentlichungen
Abramowitz, G.; Ukkola, A.; Hobeichi, S.; Page, J. C.; Lipson, M.; Kauwe, M. G. D.; Green, S.; Brenner, C.; Frame, J.; Nearing, G.et al.; Clark, M.; Best, M.; Anthoni, P.; Arduini, G.; Boussetta, S.; Caldararu, S.; Cho, K.; Cuntz, M.; Fairbairn, D.; Ferguson, C. R.; Kim, H.; Kim, Y.; Knauer, J.; Lawrence, D.; Luo, X.; Malyshev, S.; Nitta, T.; Ogee, J.; Oleson, K.; Ottlé, C.; Peylin, P.; de Rosnay, P.; Rumbold, H.; Su, B.; Vuichard, N.; Walker, A. P.; Wang-Faivre, X.; Wang, Y.; Zeng, Y.: On the predictability of turbulent fluxes from land: PLUMBER2 MIP experimental description and preliminary results. Biogeosciences 21 (23), S. 5517 - 5538 (2024)
Towers, I. R.; O'Reilly-Nugent, A.; Sabot, M.; Vesk, P. A.; Falster, D. S.: Optimising height-growth predicts trait responses to water availability and other environmental drivers. Plant, Cell and Environment 47 (12), S. 4849 - 4869 (2024)
Gier, B. K.; Schlund, M.; Friedlingstein, P.; Jones, C. D.; Jones, C.; Zaehle, S.; Eyring, V.: Representation of the terrestrial carbon cycle in CMIP6. Biogeosciences 21 (22), S. 5321 - 5360 (2024)
Karbasi, S.; Abdi, A. H.; Malakooti, H.; Orza, J. A. G.: Atmospheric CO2 column concentration over Iran: Emissions, GOSAT satellite observations, and WRF-GHG model simulations. Atmospheric Research 314, 107818 (2024)
