Zyklus 3

Inwieweit beeinflussen sich die verschiedenen Klimaindikatoren gegenseitig und welche Aussagen kann man über den zukünftigen Verlauf dieser treffen?

Modellierungszyklus 3

• Korrelationsanalyse, um Zusammenhang zwischen verschiedenen Klimaindikatoren untersuchen
• beschränktes Wachstum, um einen möglichen Zukunftsverlauf darstellen, damit 2-Grad-Ziel erreicht wird
• Maßnahmen zur Minderung der Erderwärmung
• Was passiert, wenn das 2-Grad-Ziel nicht erreicht wird?

Korrelationsanalyse

• beschreibt Beziehung zwischen zwei oder mehreren Merkmalen, Zuständen oder Funktionen
• Korrelationskoeffizient gibt Grad des Zusammenhangs an, Wert zw. -1 und 1
• 1 steht für vollständigen positiven, linearen Zusammenhang: Beide Werte wachsen in gleicher Weise

Korrelationsanalyse

• Korrelationen zu den Klimaindikatoren
  
• Überprüfung, ob und wie stark Indikatoren miteinander in Zusammenhang stehen, also korrelieren
• Korrelationskoeffizienten r wichtig um Zukunftsprognosen zu treffen, in denen Faktoren abhängig voneinander sind
  

Gleichung Korrelationsanalyse

${\displaystyle r={\frac {\sum \limits _{i=1}^{n}(x_{i}-{\bar {x}})(y_{i}-{\bar {y}})}{{\sqrt {\sum \limits _{i=1}^{n}(x_{i}-{\bar {x}})^{2}}}*{\sqrt {\sum \limits _{i=1}^{n}(y_{i}-{\bar {y}})^{2}}}}}}$
${\displaystyle r={\frac {(14,06-14,42)(14980-23341,469)+(14,94-14,42)(15488-23341,469)+...+(14,83-14,42)(33513-23341,469)}{{\sqrt {(14,06-14,42)^{2}+(14,94-14,42)^{2}+...+(14,83-14,42)^{2}}}*{\sqrt {(14980-23341,469)^{2}+(15488-23341,469)^{2}+...+(33513-23341,469)^{2}}}}}=0,914}$

Wert r > 0 ${\displaystyle \to }$ positive Korrelation
${\displaystyle \to }$ Wert nah an 1, kann man von einer hohen Korrelation sprechen ${\displaystyle \to }$ Wert Y gut durch Wert X vorhersagen

Korrelationstabelle

Korrelation zwischen globalen Temperatur und CO₂-Konzentration

r=0,945

Korrelation zwischen CO₂-Emission und CO₂-Konzentration

r=0,987

Korrelation zwischen CO₂-Emission und Weltbevölkerung

r=0,976

Bewertung

• hoher r Wert --> Vermutung: Merkmal X verursacht Merkmal Y oder Merkmal Y verursacht Merkmal X
• X und Y können gemeinsame Ursachen Z haben, welche für Korrelation verantwortlich sind
• Korrelationskoeffizient r misst nur Stärke eines linearen Zusammenhangs (sto. Abhängigkeit) aber keine kausale Abhängigkeit
• --> keine Rückschlüsse möglich, ob die Merkmale sich wirklich gegenseitig beeinflussen

Zukunftsprognosen mit beschränktem Wachstum

• Betrachtung der zeitlichen Entwicklung-Existenz unbekannter Schranke S (Kapazitätsgrenze)
• für Zukunftsprognose: Verwendung von vorgegebenem Grenzwert G (Quelle: IPCC), um 2-Grad-Ziel zu erreichen

Was ist das 2-Grad-Ziel?

• globale Erwärmung auf weniger als zwei Grad bis 2100 gegenüber Niveau vor Beginn der Industrialisierung zu begrenzen
• besser "2-Grad-Grenze"
• Point of no Return
• Bei Überschreitung der 2Grad-Grenze keine Kontrolle mehr über Folgen Klimawandel

Quelle: IPCC (Intergovernmental Panel on Climate Change)

Maßnahmen zur Minderung der Erderwärmung

• durch CO₂ Steuer auf klimaschädliche Energieträger (z.B. Kohle, Öl und Erdgas)
• ${\displaystyle \to }$ Steuer fällt höher aus- je mehr CO₂ bei Verbrennung ausgestoßen wird
• Idee: Bei durchschnittlichem CO₂ Verbrauch gleiche Ausgaben wie bisher
• ${\displaystyle \to }$sparsamer leben (bspw. von Auto auf Fahrrad/ÖPNV umsteigen) damit Geld verdienen
• Nachteil: Energieabhängige Unternehmen leiden unter erhöhten Preisen ${\displaystyle \to }$ Verlust von Arbeitsplätzen

Wie kann man sein Verhalten verändern?

Was ist, wenn das 2-Grad-Ziel nicht erreicht wird?

Bewertung

• Korrelationen weisen hohes r auf
• Beschränktes Wachstum zeigt einige Zukunftsmöglichkeiten
• genaues Szenario nicht abbildbar, da unvorhersehbar ${\displaystyle \to }$ zu komplex
• plötzliche Änderungen (z.B. Corona) nicht miteinbezogen

Seiteninformation

Diese Lernresource wurde als Wiki2Reveal Foliensatz erstellt.