Call number:
AWI G5-24-95794
Description / Table of Contents:
Ecosystems play a pivotal role in addressing climate change but are also highly susceptible to drastic environmental changes. Investigating their historical dynamics can enhance our understanding of how they might respond to unprecedented future environmental shifts. With Arctic lakes currently under substantial pressure from climate change, lessons from the past can guide our understanding of potential disruptions to these lakes. However, individual lake systems are multifaceted and complex. Traditional isolated lake studies often fail to provide a global perspective because localized nuances—like individual lake parameters, catchment areas, and lake histories—can overshadow broader conclusions. In light of these complexities, a more nuanced approach is essential to analyze lake systems in a global context.
A key to addressing this challenge lies in the data-driven analysis of sedimentological records from various northern lake systems. This dissertation emphasizes lake systems in the northern Eurasian region, particularly in Russia (n=59). For this doctoral thesis, we collected sedimentological data from various sources, which required a standardized framework for further analysis. Therefore, we designed a conceptual model for integrating and standardizing heterogeneous multi-proxy data into a relational database management system (PostgreSQL). Creating a database from the collected data enabled comparative numerical analyses between spatially separated lakes as well as between different proxies.
When analyzing numerous lakes, establishing a common frame of reference was crucial. We achieved this by converting proxy values from depth dependency to age dependency. This required consistent age calculations across all lakes and proxies using one age-depth modeling software. Recognizing the broader implications and potential pitfalls of this, we developed the LANDO approach ("Linked Age and Depth Modelling"). LANDO is an innovative integration of multiple age-depth modeling software into a singular, cohesive platform (Jupyter Notebook). Beyond its ability to aggregate data from five renowned age-depth modeling software, LANDO uniquely empowers users to filter out implausible model outcomes using robust geoscientific data. Our method is not only novel but also significantly enhances the accuracy and reliability of lake analyses.
Considering the preceding steps, this doctoral thesis further examines the relationship between carbon in sediments and temperature over the last 21,000 years. Initially, we hypothesized a positive correlation between carbon accumulation in lakes and modelled paleotemperature. Our homogenized dataset from heterogeneous lakes confirmed this association, even if the highest temperatures throughout our observation period do not correlate with the highest carbon values. We assume that rapid warming events contribute more to high accumulation, while sustained warming leads to carbon outgassing. Considering the current high concentration of carbon in the atmosphere and rising temperatures, ongoing climate change could cause northern lake systems to contribute to a further increase in atmospheric carbon (positive feedback loop). While our findings underscore the reliability of both our standardized data and the LANDO method, expanding our dataset might offer even greater assurance in our conclusions.
Description / Table of Contents:
Ökosysteme spielen eine zentrale Rolle bei der Bewältigung des Klimawandels, gelten jedoch auch als äußerst anfällig für drastische Umweltveränderungen. Die Erforschung ihrer historischen Dynamiken kann unser Verständnis darüber verbessern, wie sich zukünftige Veränderungen angesichts beispielloser Umweltveränderungen auf sie auswirken können. Angesichts des enormen Stresses, dem arktische Seen durch den Klimawandel ausgesetzt sind, können konkrete Fälle aus der Vergangenheit helfen, mögliche Schwankungen im Ökosystem des Sees besser zu verstehen und zu deuten. Einzelne Seesysteme unterliegen jedoch einer inhärenten Komplexität und vielschichtigen Beschaffenheit. Klassische Einzelanalysen von Seen liefern oft keine globale Perspektive, da lokale Besonderheiten – wie individuelle Seeparameter, Einzugsgebiete und Seehistorien – allgemeinere Schlussfolgerungen überlagern können. Eine differenzierte Herangehensweise ist hierbei erforderlich, um Seesysteme im globalen Kontext angemessen zu analysieren.
Ein Schlüssel zur Bewältigung dieser Herausforderung ist die datenwissenschaftliche Analyse von sedimentologischen Daten aus mehreren nördlichen Seesystemen. Diese Dissertation fokussiert sich dabei auf das Gebiet des nördlichen Eurasiens mit einem besonderen Fokus auf Seesystem in Russland (n=59). Die gesammelten sedimentologischen Daten für diese Doktorarbeit mussten hierfür zunächst standardisiert und homogenisiert werden. Hierfür wurde ein konzeptuelles Modell für die Integration und Standardisierung von heterogenen Multi-Proxy-Daten in ein relationales Datenbankverwaltungssystem (PostgreSQL) entworfen. Die Erstellung einer Datenbank aus der gesammelten Datenkollektion ermöglichte die numerische, vergleichende Analyse zwischen räumlich getrennten Seen als auch zwischen verschiedenen Proxys.
Eine Analyse von mehreren Seen erforderte zudem eine gemeinsame Analyseebene, welche wir durch die Umwandlung von einer Tiefenabhängigkeit zu Altersabhängigkeit der Proxywerte erreichten. Diese bedurfte aber, dass die zugehörigen Alter von Proxywerte von allen Seen mit demselben Verfahren einer Alterstiefenmodellsoftware berechnet werden müssen. Angesichts der weitreichenden Implikationen und potenziellen Fallstricke entwickelten wir den LANDO-Ansatz („Linked Age and Depth Modelling“). LANDO stellt eine innovative Integration mehrerer Alters-Tiefen-Modellierungssoftware in eine einheitliche, kohärente Plattform (Jupyter Notebook) dar. Neben seiner Fähigkeit, Daten von fünf renommierten Alters-Tiefen-Modellierungssoftware zu aggregieren, ermöglicht LANDO es den Nutzern auf einzigartige Weise, unbegründete Modellergebnisse anhand robuster geowissenschaftlicher Daten herauszufiltern. Unsere Methode ist nicht nur neuartig, sondern steigert auch signifikant die Genauigkeit und Zuverlässigkeit von Seeanalysen.
Schlussendlich unter Berücksichtigung der vorangegangenen Schritte betrachtet die Doktorarbeit den Zusammenhang zwischen Kohlenstoff in Sedimenten und Temperatur über die letzten 21 000 Jahre. Zunächst nehmen wir an, dass es eine positive Korrelation zwischen Kohlenstoffakkumulation in Seen und modellierter Paläo-Temperatur gibt. Diese kann dank des homogenisierten Datensatzes von heterogenen Seen bestätigt werden, wenn auch die höchsten Temperaturen über unseren Betrachtungszeitraum nicht korrelieren mit den höchsten Kohlenstoffwerten. Wir gehen davon aus, dass schnelle Erwärmungsereignisse eher zu einer hohen Akkumulation beitragen, während bestehende Erwärmung eher zu einer Ausgasung von Kohlenstoff führt. In Anbetracht der aktuellen hohen Konzentration von Kohlenstoff in der Atmosphäre und der steigenden Temperaturen, können bei einem weiterführenden Klimawandel nördliche Seesysteme zu einem weiteren Anstieg von atmosphärischem Kohlenstoff führen (positive Feedbackschleife). Obwohl die bemerkenswerten Ergebnisse zeigen, dass unser Ansatz aus standardisierten Daten und LANDO zuverlässig ist, könnte eine größere Datenmenge das Vertrauen in die Ergebnisse noch weiter stärken.
Type of Medium:
Dissertations
Pages:
xiii, 136 Seiten
,
Illustrationen, Diagramme
URL:
https://doi.org/10.25932/publishup-63655
Language:
English
Note:
kumulative Dissertation, Universität Potsdam, 2024
,
Table of contents
Abstract
Zusammenfassung
List of figures
List of tables
1 Introduction
1.1 Scientific background and motivation
1.1.1 Geoscientific perspective
1.1.2 Data scientific perspective
1.2 Methodological overview
1.2.1 Regional setting
1.2.2 Data cleaning procedure and data availability
1.3 Own prior contributions
1.4 Research questions and hypotheses
2 Harmonizing heterogeneous multi-proxy data from lake systems
2.1 Introduction
2.2 Methods
2.2.1 Data collection
2.2.2 Conceptual approach
2.2.3 Comparative analysis
2.3 Results and Discussion
2.4 Conclusions
3 Improving age-depth relationships using the LANDO (“Linked age and depth modeling”) model ensemble
3.1 Introduction
3.2 Methods
3.2.1 Input
3.2.2 Preparation
3.2.3 Execution
3.2.4 Result aggregation
3.2.5 Evaluation of model performance
3.2.6 Further analysis –sedimentation rate development over time
3.3 Results
3.3.1 “Continuously deposited sequence” – Case Study no. 1
3.3.2 “Inconsistent sequence” – Case Study no. 2
3.3.3 “Multiple cores” – Case Study no. 3
3.4 Discussion
3.4.1 Assessment of different case studies
3.4.2 Design of LANDO
3.4.3 Technical specifications of LANDO
3.4.4 Current and future model implementation in LANDO
3.5 Conclusion
4 Effect of temperature on carbon accumulation in northern lake systems over the past 21 000 years
4.1 Introduction
4.2 Methods
4.3 Results
4.4 Discussion
4.4.1 Lake carbon-temperature relationship across millennia
4.4.2 Spatial heterogeneity of lake carbon accumulation
4.4.3 Method selection for predicting dry bulk density
4.5 Conclusion
5 Synthesis
5.1 Navigating the interdisciplinary landscape: Geoscience and data science in dialogue
5.2 Delving into the depths: Uncovering past lake dynamics
5.3 Conclusion
References
Appendix A
Appendix B
Appendix C
Appendix D
Acknowledgement
Eidesstaatliche Erklärung
Location:
AWI Reading room
Branch Library:
AWI Library
Permalink
