Ökosystem-Monitoring in der El Nino-Kernregion und Impakt von Klimaschwankungen - Sechura-Wüste / NW-Peru

在秘鲁西北部的w<s:1>施滕哈夫滕，我们在监测水资源和能源- flsse方面取得了进展，在den vorherrschenden vier Ökosystemen geplant。他的研究对象是Jahren laufenden vegettions和Klimabeobachtungen der AG Richter， d.h. seitten Super-El-Nino。Die erforderlichen feldarbeen unfassen forforschritt der Pflanzensukzession， Die Ermittlung ökophysiologischer参数和Klimamessungen。土壤-植被-大气-传输模式（SVAT-Modellierung） [j]。社区土地模型（CLM）自适应研究[j]。河北省植被数据分析：Landsat ETM， NOAA-AVHRR， SPOT， IKONOS和eigene Luftbilder zum Einsatz。Konzeptionell风力damit eine verkn<e:1> pfung von Zeitreihendaten aus Bodenmessungen (Grenzschichtklima，水文，植物生理学和sukzession) mit flächen deckenden and räumlich gut aufgelösten Fernerkundungsdaten erreicht。[1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1] [1]

Im wüstenhaften Nordwest-Peru ist ein aktives Monitoring der Wasser- und Energie-Flüsse in den vorherrschenden vier Ökosystemen geplant. Es beruht auf seit elf Jahren laufenden Vegetations- und Klimabeobachtungen der AG Richter, d.h. seit dem letzten Super-El-Nino. Die erforderlichen Feldarbeiten umfassen den Fortschritt der Pflanzensukzession, die Ermittlung ökophysiologischer Parameter und Klimamessungen. Darauf aufbauend erfolgt eine SVAT-Modellierung (Soil- Vegetation- Atmosphere-Transfer-Model) unter Einbeziehung verschiedener Klimaszenarien. Ausgehend vom Ist-Zustand wird anhand von Fernerkundungsprodukten und räumlich verteilten Zeitreihen das Community Land Model (CLM) adaptiert. Hierbei kommen Daten wie Vegetationsindizes aus Landsat ETM, NOAA-AVHRR, SPOT, IKONOS und eigene Luftbilder zum Einsatz. Konzeptionell wird damit eine Verknüpfung von Zeitreihendaten aus Bodenmessungen (Grenzschichtklima, Hydrologie, Pflanzenphysiologie und -Sukzession) mit flächen deckenden und räumlich gut aufgelösten Fernerkundungsdaten erreicht. Mit dem parametrisierten Modell sollen dann Szenarien potenzieller Ökosystementwicklungen - speziell der Impakt von kurz- und mittelfristigen Klimaschwankungen und veränderter El-Nino-Ausprägung - modelliert werden.