Vegetation, one of the major C sinks with respect to the atmosphere, has an indispensable role in the global carbon cycle; it assimilates atmospheric CO2 via photosynthesis and distributes the assimilated C among plant parts with different cycling rates. These processes can be generalized into one main concept: carbon allocation (CA). Since vegetation has different CA strategies to survive changing climate and disturbance regimes, the efforts towards a better understanding of CA in vegetation have increased, particularly through the development of Dynamic Vegetation Models (DVMs). However, there is no consensus in the model representation of CA, i.e., there are discrepancies among predicted trajectories, as well as between model predictions and empirical observations. This lack of consensus goes in hand with the quest to find a balance between precise predictions and a good level of abstraction; detailed models require high computer power, whereas simpler models may fail to capture complex dynamics such as nonlinearities. Additionally, not all processes that are relevant for ecosystem dynamics take place at the same space/time resolution, and they are not understood with the same level of detail. Thus, upscaling and simplification are another source of uncertainty. These issues have motivated several model intercomparisons and conceptual reviews, yet none of them have focused on their mathematical formulation. In this PhD thesis, three fundamental aspects of the CA component in ecosystem models are assessed. First, common mathematical representations of CA are evaluated and synthesized into a new framework that benefits from concepts of dynamical systems theory; second, this framework is used to select pertinent diagnostics of model performance, such as the distributions of carbon ages and transit times, based on model properties (e.g. autonomy and linearity); and third, the long standing puzzle of source and sink limitation on CA is approached from the dynamical systems perspective of the proposed framework, using a simple nonlinear model. The implications that these nonlinearities have for the model behaviour are also discussed.
Die Vegetation, eine der wichtigsten Kohlenstoffsenken bezüglich der Atmosphäre, spielt eine unersetzliche Rolle im globalen Kohlenstoffkreislauf: Sie assimiliert CO2 durch Photosynthese und verteilt den aufgenommenen Kohlenstoff auf verschiedene Pflanzenteile mit verschiedenen Umsetzungsraten. Diese Prozesse lassen sich zum Konzept der Kohlenstoffallozierung (KA) verallgemeinern. Da sich die Strategien der Pflanzen mit Klimawandel und Störungsszenarien umzugehen unterscheiden, bemüht man sich zunehmend um ein besseres Verständnis der KA, insbesondere durch die Entwicklung dynamischer Vegetationsmodelle (DVM). Allerdings gibt es über die Darstellung der KA in den Modellen keinen Konsens, was sich unter anderem an den Differenzen zwischen den Lösungen verschiedener Modelle zeigt, die sich sowohl voneinander als auch von den beobachteten Daten unterscheiden. Dieser fehlende Konsens ist eng mit der Aufgabe verbunden eine Balance zwischen Vorhersagegenauigkeit und Abstraktionsgrad zu finden: Detaillierte Modelle erfordern mehr Rechenleistung, während einfachere Modelle komplexe Dynamik, wie Nichtlinearitäten, nur unzureichend beschreiben. Außerdem unterscheiden sich die für die Ökosystemdynamik relevanten Prozesse hinsichtlich ihrer zeitlichen und räumlichen Auflösung und auch darin wie detailliert sie bereits verstanden sind. Demzufolge tragen auch Maßstabsvergrößerung und konzeptionelle Vereinfachungen zur Unsicherheit in der Modellierung bei. Obwohl diese Probleme bereits einige Studien zum Vergleich verschiedener Modelle, sowohl bezüglich der Ergebnisse als auch hinsichtlich ihrer konzeptionellen Grundlagen, motiviert haben, fehlt es bisher an Untersuchungen die sich auf die Unterschiede in ihrer mathematischen Formulierung konzentrieren. In dieser Dissertation werden drei fundamentale Aspekte der KA Komponenten verschiedener Ökosystemmodelle untersucht. Erstens werden verschiedene, gebräuchliche mathematische Darstellungen der KA untersucht und zu einem neuen System zusammengefasst, das Konzepte der Theorie dynamischer Systeme nutzt. Zweitens wird dieses neue System verwendet um für die Beurteilung der Modellqualität relevante diagnostische Variablen auszuwählen, wie z.B. die Verteilung des Kohlenstoffalters oder der Transitzeiten in Abhängigkeit von Modelleigenschaften wie Linearität und Autonomie. Drittens wird das seit Langem bestehende Rätsel der Quell und Senken-Limitierung der KA aus der, dem neuen System inhärenten, Perspektive der Theorie dynamischer Systeme behandelt, wobei ein einfaches nichtlineares Modell zum Einsatz kommt. Die Auswirkungen dieser Nichtlinearitäten auf das Modellverhalten werden ebenfalls diskutiert.