Uncertainty & Learning in Global Climate Analysis

Der Klimawandel, als zentrale Herausforderung des 21. Jahrhunderts für globale Kooperation, ist gekennzeichnet durch enorme Unsicherheiten im wissenschaftlichen Verständnis des Klimasystems, klimainduzierter Veränderungen natürlicher und sozialer Systeme sowie der Folgen dieser Veränderungen für menschliches Wirtschaften und die allgemeine Wohlfahrt. Teilweise werden diese Unsicherheiten durch Fortschritte der Wissenschaft und neue Beobachtungen aufgelöst werden können. Dieses zukünftige Lernen wird es ermöglichen, getroffene Entscheidungen zum Klimaschutz zu revidieren und an neue Situationen anzupassen. Diese Dissertation widmet sich der Untersuchung der genauen Rolle dieser Unsicherheiten und der Möglichkeit zukünftigen Lernens für die formale Analyse optimaler Vermeidungsstrategien des Klimawandels. Die zentralen Beiträge dieser Arbeit sind in drei wissenschaftlichen Artikeln dargelegt. Der erste Artikel untersucht axiomatische Zielkonflikte bei der Anwendung der so genannten „Kosten-Effektivitäts-Analyse“ auf Klimaziele unter Unsicherheit. Die Studie stellt zwei zentrale konzeptionelle Probleme dieses Formalismus fest, wenn man zusätzlich die Möglichkeit zukünftigen Lernens einbezieht: die Möglichkeit, dass zusätzliche Information negativen Wert zugeschrieben bekommt und die Möglichkeit der Unlösbarkeit des ganzen Entscheidungskriteriums. Als Konsequenz wird ein alternatives Entscheidungskriterium vorgestellt, die sogenannte „Kosten-Risiken-Analyse“. Diese basiert immer noch auf der Angabe einzuhaltender Klimaschranken, vermeidet jedoch die benannten Probleme. Die Motivation für den zweiten Artikel liefert der Widerspruch zwischen einer wissenschaftlichen Intuition und den aktuellen Modellergebnissen. Die Intuition sieht einen starken Einfluss epistemischer Unsicherheiten auf die Bestimmung optimaler Vermeidungsstrategien und deren Einfluss auf die Wohlfahrt (im Vergleich zum „Nichtstun“). Die Modelle hingegen zeigen nur einen marginalen Einfluss dieser Unsicherheiten. Diese Studie entwickelt eine Methode, mit welcher man die Wichtigkeit von Unsicherheit bestimmen kann, sowohl im Sinne des Einflusses auf die optimale Politik als auch im Sinne der von dieser Politik hervorgerufenen Wohlfahrtsveränderung. Weiterhin wird eine Darstellung des Modells MIND verwendet, die es ermöglicht, die vorgestellte Metrik zur Messung der Wichtigkeit mit der Struktur der Funktionen zu verbinden, welche die Kausalkette des Klimawandels im Modell abbilden. Damit kann man die insignifikante Rolle von Unsicherheit direkt aus der Modellstruktur ableiten. Davon ausgehend testen wir einige in der Literatur diskutierte Änderungen der Modellstruktur bezüglich ihres Einflusses auf die Wichtigkeit von Unsicherheit. Der dritte Artikel untersucht die Umstände, unter denen die Antizipation zukünftigen Lernens über Klimaschäden aus dem Überqueren eines sogenannten „Tipping-Points“ einen signifikanten Einfluss auf die kurzfristige Vermeidungsstrategie ausübt. Wir zeigen, dass dies nur der Fall ist, wenn das Lernen in einem engen „Antizipations-Zeitfenster“ stattfindet. In diesem Fall ist eine striktere kurzfristige Vermeidungsstrategie optimal, um die Option zu erhalten, im Falle schlechter Nachrichten über die Schäden des Tipping-Points selbigen nicht zu überqueren. Die Lage und Breite dieses „Antizipations-Zeitfensters“ ist stark abhängig von der Flexibilität, die Treibhausgasemissionen zu reduzieren. Wenn man diese herabsetzt, beispielsweise um politische oder soziale Barrieren zu repräsentieren, so bewegt sich das "Zeitfenster" näher zur Gegenwart und verbreitert sich deutlich. Damit wird die Wichtigkeit von Antizipation für kurzfristige Entscheidungen erhöht.

Author dc:creator

• Lorenz, Alexander

Advisor dc:contributor.advisor

• Edenhofer, Ottmar

Licence dc:rights.uri

• http://rightsstatements.org/vocab/InC/1.0/

Language dc:language.iso

en, English

Identifier URI

urn:nbn:de:kobv:83-opus-34475
http://dx.doi.org/10.14279/depositonce-3145

OAI identifier oai:identifier

oai:depositonce.tu-berlin.de:11303/3442