Klimaklassifikation der Region Afrika

Inhaltverzeichnis

1. Ziel und Aufbau der Hausarbeit

2. Auswahl und Beschreibung des Untersuchungsgebietes

3. Faktorenanalyse
3.1 Auswahl der Variablen für die Faktorenanalyse
3.2 Deskriptiver statistischer Überblick der Variablen
3.3 Korrelationsmatrix der Variablen
3.4 Auswahl der Faktorenanzahl
3.5 Kommunalitäten
3.6 Faktorenrotation
3.7 Inhaltliche Interpretation der Faktoren
3.8 Regionale Interpretation der Faktoren
3.8.1 Faktor 1
3.8.2 Faktor 2
3.8.3 Faktor 3
3.8.4 Faktor 4
3.8.5 Faktor 5

4. Clusteranalyse
4.1 hierarchische Clusteranalyse
4.2 Clusterzentrenanalyse
4.3 Inhaltliche Interpretation der Cluster
4.4 Zusammenfassung und Benennung der Cluster

Literaturverzeichnis

Abbildungsverzeichnis

Abb. 1: Räumliche Lage der ausgewählten Klimastationen in Afrika

Abb. 2: Screeplot: Faktorenextraktion

Abb. 3: Isoliniendarstellung für Faktor 1

Abb. 4: Isoliniendarstellung für Faktor 2

Abb. 5: Isoliniendarstellung für Faktor 3

Abb. 6: Isoliniendarstellung für Faktor 4

Abb. 7: Isoliniendarstellung für Faktor 5

Abb. 8: Zuwachs der Innergruppendistanz

Abb. 9: Arithmetisches Mittel der Monatsmitteltemperaturen nach Clustern

Abb. 10: Arithmetisches Mittel des mittleren Maximums der Temperaturen nach Clustern

Abb. 11: Arithmetisches Mittel des mittleren Minimums der Temperaturen nach Clustern

Abb. 12: Arithmetisches Mittel der mittleren relativen Feuchte nach Clustern

Abb. 13: Arithmetisches Mittel des mittleren Monatsniederschlags nach Clustern

Abb. 14: Arithmetisches Mittel der potentiellen Verdunstung nach Clustern

Abb. 15: Karte der nach Clusterzugehörigkeit sortierten Stationen

Tabellenverzeichnis

Tab. 1: Überblick der ausgewählte Stationen und ihrer geographischen Lage

Tab. 2: Überblick der zuvor ausgeschlossenen Stationen und ihrer geographischen Lage

Tab. 3: Auswahl der relevanten Variablen für die Faktorenanalyse

Tab. 4: Deskriptive Statistik bezüglich der einfließenden Variablen

Tab. 5: Überblick über die erklärte Gesamtvarianz für die Extraktionsschritte

Tab. 6: Kommunalitäten der Variable bei der Extraktion von 5, 6 und 7 Faktoren

Tab. 7: Rotierte und nicht rotierte Lösung bei der Extraktion von fünf Faktoren

Tab. 8: Rotierte Komponentenmatrix für 5 Faktoren

Tab. 9: Benennung der Faktoren

Tab. 10: je 5 Stationen mit den höchsten und geringsten Faktorwerten (Faktor 1)

Tab. 11: je 5 Stationen mit den höchsten und geringsten Faktorwerten (Faktor 2)

Tab. 12: je 5 Stationen mit den höchsten und geringsten Faktorwerten (Faktor 3)

Tab. 13: je 5 Stationen mit den höchsten und geringsten Faktorwerten (Faktor 4)

Tab. 14: je 5 Stationen mit den höchsten und geringsten Faktorwerten (Faktor 5)

Tab. 15: Zuordnungsübersicht

Tab. 16: Innergruppendistanz

Tab. 17: Anzahl der Stationen je Cluster bei der hierarchischen Clusteranalyse

Tab. 18: Horizontales Eiszapfendiagramm

Tab. 19: Anzahl der Stationen je Cluster bei der Clusterzentrenanalyse

Tab. 20: Darstellung der vorläufigen und endgültigen Clusterzugehörigkeit der

Tab. 21: Verteilung der Anzahl der einzelnen Klimastationen bei sechs Clustern

Tab. 22: Endgültige Clusterzentren nach Durchführung der Diskriminanzanalyse

Tab. 23: Arithmetisches Mittel der Monatsmitteltemperaturen nach Clustern

Tab. 24: Arithmetisches Mittel des mittleren Maximums der Temperaturen nach Clustern

Tab. 25: Arithmetisches Mittel des mittleren Minimums der Temperaturen nach Clustern

Tab. 26: Arithmetisches Mittel der mittleren relativen Feuchte nach Clustern

Tab. 27: Arithmetisches Mittel des mittleren Monatsniederschlags nach Clustern

Tab. 28: Arithmetisches Mittel der potentiellen Verdunstung nach Clustern

1. Ziel und Aufbau der Hausarbeit

Die Intension dieser Hausarbeit ist eine Klimaklassifikation, basierend auf thermischen und hygrischen Daten, für eine bestimmte Region er Erde. Diesbezüglich dient als Datengrundlage das „Handbuch ausgewählter Klimastationen der Erde“ von Manfred J. Müller. Die visualisierten Klimadaten aus dem Jahre 1996 werden anhand statistischer Verfahren mittels des Computerprogramms SPSS analysiert und interpretiert. Zur kartographischen Gestaltung dient die Kartengrundlage Welt.srf, welche durch das Computerprogramms Surf erstellt wird.

2. Auswahl und Beschreibung des Untersuchungsgebietes

Die Auswahl des Untersuchungsgebietes beschränkt sich ausschließlich auf den afrikanischen Kontinent. Ein vorheriges Auswahlverfahren schloss von allen 165 existierenden Klimastationen Afrikas diejenigen aus, welche in den relevanten Variablen Fehlwerte aufwiesen und die bei der folgenden Faktorenanalyse ohnehin ausgeschieden wären. Des Weiteren wurden Klimastationen aus dem Untersuchungsgebietes ausgeschlossen, welche außerhalb des Koordinatenbereichs lagen (siehe Tabelle 2).

Die nun folgende Klimaklassifikation beschränkt sich daher ausschließlich auf die 128 kontinental gewählten Stationen Afrikas (einschließlich Madagaskar), mit deren Hilfe die Hausarbeit durchgeführt werden soll (siehe Tabelle 1). Einen Überblick über die Lage und die weitgehenst gleichmäßige Verteilung der Klimastationen gibt Abbildung 1. Mit einer Landmasse von circa 30.330.000 qkm2 sind die Klimastationen des Untersuchungsgebietes auf 36,83 Grad nördlicher Breite und 33,97 Grad südlicher Breite, sowie auf den Koordinatenbereich 17,50 Grad westlicher Länge und 49,40 Grad östlicher Länge begrenzt. Demnach liegen 73 Stationen auf der nördlichen Hemisphäre und 55 Stationen auf der südlichen Hemisphäre der Erde. Die Höhenlagen der Klimastationen liegen zwischen Minimum 3 Metern (Lagos/Nigeria und Tunis/Tunesien) und Maximum 2450 Metern (Addis Abeba/Äthiopien).

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 1: Überblick der ausgewählte Stationen und ihrer geographischen Lage

Quelle: Eigene Darstellung

Tabelle 2: Überblick der zuvor ausgeschlossenen Stationen und ihrer geographischen Lage

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Räumliche Lage der ausgewählten Klimastationen in Afrika

Quelle: Eigene Darstellung

3. Faktorenanalyse

Die Faktorenanalyse dient der Erfassung von Zusammenhängen einer großen Zahl miteinander korrelierter Variablen zu dimensionsreduzierenden Faktoren. Dieses datenreduzierende statistische Verfahren kann für einzelne Fälle oder Gruppen von Fällen komplexer Größen dargestellt und analysiert werden. Ziel und Zweck der Faktorenanalyse ist mittels der Variablen einen einfacheren Strukturen und Wirkungszusammenhang zu entdecken und zu benennen. Zur Durchführung einer Faktorenanalyse werden nicht die Ursprungsvariablen benutzt, sondern die standardisierten Variablen, wodurch alle Werte dimensionslos sind und hinsichtlich ihres Werteniveaus (z.B. arithmetisches Mittel) und ihrer Streuung (z.B. Varianz, Standardabweichung) vergleichbar sind.

Die Faktorenanalyse erfolgt in diesem Kapitel zunächst mit einem Überblick der zur Verfügung stehenden Variablen. Im Anschluss wird noch ein deskriptiver statistischer Überblick der Variablen gegeben. Folgend beginnt die Faktorenanalyse mit der Erstellung einer Korrelationsmatrix mit den in der Untersuchung einbezogenen Variablen. Danach erfolgt eine Faktorenextraktion, mit deren Hilfe eine Datenreduktion erreicht wird. Die Faktorenrotation, mit dem Ziel die Faktoren leichter interpretierbar zu machen, folgt im Anschluss. Zum Schluss erfolgt die Berechnung der Faktorwerte, mit deren Hilfe die Ausprägungen der Faktoren für die einzelnen Untersuchungselemente dargestellt werden.

3.1 Auswahl der Variablen für die Faktorenanalyse

In Tabelle 3 sind alle zur Verfügung stehenden Variablen für die folgende Faktorenanalyse aufgeführt. Hierbei wurden Variablen mit Fehlwerten ausgeschlossen und somit nicht in die Faktorenanalyse miteinbezogen. Die Auswahl der hygrischen und thermischen Variablen ist in Tabelle 3 farblich hervorgehoben und beschränkt sich ausschließlich auf metrisches Datenniveau. Bei der Faktorenanalyse werden insgesamt 78 Variablen in die Datenanalyse mit einbezogen, wobei es sich hierbei um jeweils 39 thermische und hygrische Variablen handelt. Lagevariablen, wie zum Beispiel die geographische Breite oder Länge, wurde bei dieser Faktorenanalyse nicht berücksichtigt.

Tabelle 3: Auswahl der relevanten Variablen für die Faktorenanalyse

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

3.2 Deskriptiver statistischer Überblick der Variablen

In Tabelle 4 sind die deskriptiven statistischen Parameter der Stationen bezüglich der einfließenden Variablen dargestellt. In die Faktorenanalyse mit insgesamt 78 hygrischen und thermischen Variablen gehen jeweils 128 Klimastationen in die Berechnung mit ein. Die folgende Tabelle zeigt einen statistischen Überblick bezüglich Mittelwert, Minimum, Maximum, Spannweite, Varianz und Standartabweichung (Wurzel aus der Varianz) über die einfließenden Variablen (siehe Tabelle 3).

Tabelle 4: Deskriptive Statistik bezüglich der einfließenden Variablen

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

3.3 Korrelationsmatrix der Variablen

Ausgangspunkt der Faktorenanalyse ist die Korrelationsmatrix der vorhandenen Variablen, wobei Gruppen miteinander hoch korrelierender Variablen gebildet und die Variablen auf wenige Faktoren reduziert werden. Bei der gewählten Hauptkomponentenanalyse werden nicht die Ursprungsvariablen genutzt, sondern die standardisierten Variablen mittels der z-Transformation. Dieses Verfahren gewährleistet, dass alle Werte dimensionslos und bezüglich ihres Werteniveaus und ihrer Streuung miteinander vergleichbar gemacht wurden.

siehe Korrelationsmatrix der Variablen auf beiliegender CD

Besonders starke Zusammenhänge zwischen den Variablen sind in der Korrelationsmatrix rot gekennzeichnet. Hierzu zählen Korrelationen zwischen 0,8 bis < 1. Geringe Korrelationen zwischen den Variablen werden mit einer blauen Farbe gekennzeichnet und beschreiben den Bereich zwischen - 0,199 bis < + 0,2.

Anhand der Korrelationsmatrix ist zu erkennen, dass insbesondere alle thermischen Variablen untereinander hoch korrelieren, wobei insbesondere eine hohe Korrelation der Variablen zwischen denselben Jahreszeiten zu beobachten ist.

3.4 Auswahl der Faktorenanzahl

Für die Auswahl der Faktorenzahl kommt die Hauptkomponentenmethode auf Basis der einfachen Korrelationsmatrix zur Anwendung. Inhaltlich bedeutet dies, dass die Hauptkomponentenmethode von der Gesamtvarianz ausgeht und diese zu erklären versucht. Ziel der Faktorenextraktion ist es schließlich, möglichst wenige Faktoren für die Erklärung der Einzelvariablen zu finden. Um die Faktoranzahl nun zu begrenzen, wird das in SPSS vereingestellte Kaiserkriterium verwendet. Demnach werden nur Faktoren extrahiert, deren Eigenwert (Summe der quadrierten Faktorladungen pro Ladung) > 1 ist. In Tabelle 5 werden die anfänglichen Eigenwerte, der Varianzanteil und den kumulierten Anteil der erklärten Varianz dargestellt, welche die Grundlage zur Auswahl der Faktoranzahl bilden. Demnach müsste man nach dem Kaiserkriterium sieben Faktoren extrahieren, da nach dem siebten Faktor die Eigenwerte bereits unter 1 liegen. Auch Abbildung 3 verdeutlicht die Entwicklung des Eigenwertes für 15 Faktoren in Form eines Screeplots. Eine endgültige Entscheidung bezüglich der Faktoranzahl wird allerdings zu einem späteren Zeitpunkt getroffen (siehe Kapitel 3.5 Kommunalitäten).

Tabelle 5: Überblick über die erklärte Gesamtvarianz für die Extraktionsschritte

Abbildung in dieser Leseprobe nicht enthalten

Extraktionsmethode: Hauptkomponentenanalyse

Quelle: Eigene Darstellung

Abbildung 2: Screeplot: Faktorenextraktion

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

3.5 Kommunalitäten

Ein weiteres Kriterium für die Entscheidung zur Extraktion der Faktoren, ist die Betrachtung der Kommunalitäten von Variablen. Hierzu wird im nächsten Schritt die Kommunalitäten der jeweiligen Variablen bezüglich verschiedener Faktorlösungen betrachtet. In Tabelle 6 werden die Faktorenwerte für fünf, sechs und sieben, sowie die Differenzen zwischen den Faktorenwerten von fünf auf sechs und sechs auf sieben betrachtet. Dieser Vergleich soll zur Entscheidung beitragen, welche Faktoranzahl sinnvoll ist.

Tabelle 6: Kommunalitäten der Variable bei der Extraktion von 5, 6 und 7 Faktoren

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

Bei dem Vergleich zwischen den einzelnen Faktorwerten wird ersichtlich, dass mit sinkender Faktoranzahl die Extraktionswerte abnehmen. Die Differenzen zwischen den einzelnen Variablen zeigen, dass die Werte bei Faktor fünf auf Faktor sechs und Faktor sechs auf Faktor sieben nur minimal zunehmen. Die stärksten Differenzen mit > als 0,05 sind in der Tabelle 6 rot gekennzeichnet. Bei der Differenz von Faktor fünf auf Faktor sechs ist dies zehnmal der Fall, während dieses bei der Differenz von Faktor sechs auf Faktor sieben nur dreimal der Fall ist. In allem erscheint mir die Wahl auf fünf Faktoren am Sinnvollsten, da die Differenzen der Werte zwischen den einzelnen Variablen bei der Extraktion von fünf auf sechs und sechs auf sieben zu minimal sind.

3.6 Faktorenrotation

Nach der Faktorenextraktion kommt ein weiteres Verfahren zur Anwendung, um die Faktoren inhaltlich besser interpretierbar zu machen Hierbei wird mittels einer Einfachstruktur versucht, die einzelnen Variablen möglichst gut verschiedenen Gruppen von jeweils untereinander hoch korrelierten Variablen zuzuordnen.

Tabelle 7 zeigt die Summe der quadrierten Faktorladungen, die nun endgültig extrahiert werden. Hierbei sind die Werte mittels des Varimax-Verfahrens in Form von nicht rotierten und rotierten Summen dargestellt.

Tabelle 7: Rotierte und nicht rotierte Lösung bei der Extraktion von fünf Faktoren

Abbildung in dieser Leseprobe nicht enthalten

Extraktionsmethode: Hauptkomponentenanalyse

Quelle: Eigene Darstellung

Aus Tabelle 7 kann entnommen werden, dass sich die Eigenwerte der Faktoren und der prozentuale Anteil der erklärten Varianz durch die Rotation verändert haben. Jedoch hat sich die kumulierte Gesamtvarianz der fünf Faktoren mit 90,958 % nicht verändert. Demzufolge findet bei der Rotation nur eine relativ geringe Verschiebung des Informationsgehaltes statt.

3.7 Inhaltliche Interpretation der Faktoren

Die rotierte Komponentenmatrix für fünf Faktoren stellt die Grundlage für die inhaltliche Interpretation der Faktoren dar und wurde mittels der Extraktionsmethode “Hauptkomponentenanalyse“ und der Rotationsmethode “Varimax mit Kaiser-Normalisierung“ erstellt. Das Ziel der inhaltlichen Interpretation ist es, geeignete Namen für die Faktoren zu vergeben. Hierzu schaut man sich die Variablen, die vor allem eine hohe Ladung besitzen an und stellt fest, welche Gruppe von Variablen demnach den Faktor durch ihre hohe Ladung repräsentieren. In der folgenden Tabelle sind die Ladungen eines Faktors auf jede einzelne Variable dargestellt. Besonders Variablen mit hohen Faktorladungen werden als Leitvariablen bezeichnet und dienen der Benennung der jeweiligen Faktoren. Diese sind aus Gründen der Übersichtlichkeit farblich markiert worden. Faktoren mit einer hohen Ladung zwischen 0,999 bis 0,8 sind rot, Faktorladungen zwischen 0,799 bis 0,65 sind grün und Ladungen zwischen 0,649 bis 0,5 sind beige gekennzeichnet worden. Bei der Analyse der rotierten Komponentenmatrix wurden Faktorladungen < 0,1 außer Acht gelassen und nicht in der Tabelle aufgeführt, da diese für die Interpretation irrelevant sind. Dieses Ausschlussverfahren dient ebenfalls der Übersichtlichkeit.

Tabelle 8: Rotierte Komponentenmatrix für 5 Faktoren

Abbildung in dieser Leseprobe nicht enthalten

Extraktionsmethode: Hauptkomponentenanalyse.

Rotationsmethode: Varimax mit Kaiser-Normalisierung.

Die Rotation ist in 7 Iterationen konvergiert.

Quelle: Eigene Darstellung

Legende

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 8 zeigt, dass Faktor 1 jeweils besonders hohe Ladungen in den Monaten von Mai bis Oktober und Jahr bei den Variablen der mittleren Temperatur, dem mittleren Maximum

und Minimum der Temperatur und der potentiellen Verdunstung aufweist. Faktor 1 lädt insbesondere die thermischen Variablen in den Sommermonaten sehr hoch. Faktor 2 präsentiert im Vergleich zu Faktor 1 die Wintermonate von November bis April und Jahr mit besonders hohen Ladungen. Die Variablen der mittleren Temperatur, dem mittleren Maximum und mittleren Minimum der Temperatur und der potentiellen Verdunstung werden hierbei erklärt. Faktor 3 lädt ausschließlich die mittlere ganzjährige relative Feuchte hoch. Hohe Ladungen zeigen sich bei Faktor 4 bei der Variable des mittleren Niederschlags von November bis April. Faktor 5 zeigt ausschließlich hohe Ladungen bei dem mittleren Niederschlag von Mai bis Oktober und Jahr.

Tabelle 9: Benennung der Faktoren

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

3.8 Regionale Interpretation der Faktoren

In den folgenden Abbildungen werden die Isolinien der Faktoren dargestellt (Abb. 4-8), welche als Grundlage für die regionale Interpretation dient. Die Isoliniendarstellungen wurden allesamt mittels des Computerprogramms SURFER erstellt. Als Interpretationshilfe sind zusätzlich Tabellen mit Angaben zur geographischen Lage, zu den Klimaklassifikationshilfen nach Köppen und Troll und jeweils die fünf Stationen mit den höchsten und geringsten Faktorwerten dargestellt (Tab. 10-14).

3.8.1 Faktor 1

Tabelle 10 und Abbildung 3 zeigt die Faktorwerte für Faktor 1, welche durch Trockenheit und hoher Verdunstung im Sommer auf der Nordhemisphäre und im Winter auf der Südhemisphäre in den Monaten Mai bis Oktober gekennzeichnet sind.

Anhand der Isoliniendarstellung wird ersichtlich, dass die Faktorwerte mit zunehmender geographischer Breite auf der Südhemisphäre abnehmen und auf der Nordhemisphäre die Faktorwerte mit steigender geographischer Breite zunehmen. Ein Grund für die Verschiebung der Temperaturen ist, dass die Innertropische Konvergenz in den Sommermonaten auf der Nordhalbkugel bis nach 20° nördlicher Breite wandert. Die Stationen mit den höchsten Faktorwerten liegen nach der Klimaklassifikation von Köppen in einem Savannenklima (Sw) und einem Wüstenklima (BWh) mit einer Jahresmitteltemperatur von über 18 ºC. Die Klimastationen mit den höchsten Faktorwerten liegen in der Sahara. Dort kommen zwischen 18° und 25° nördlicher Breite warme und trockene Luftmassen an, welche zu hohen Temperaturen führt.

Die Stationen mit den geringsten Faktorwerten liegen allesamt zwischen 28º und 34º südlicher Breite in Südafrika und Namibia. Eine Ursache für die geringen Faktorwerte ist dort herrschende relativ kalte Winterzeit, sodass mit zunehmenden Breitengraden auf der Südhemisphäre die Temperaturen fallen. Jedoch müssen auch die unterschiedlichen Höhen in die Betrachtung miteinbezogen werden, denn Keetsmanshoop in Namibia und Kimberley in Südafrika liegen auf über 1000 m. ü. NN.

Die Isoliniendarstellung weist in Ostafrika einem großen Teil der Region einen geringen Faktorwert zu. Diese Werte entstehen aufgrund des Hochlandes von Abessinien in Äthiopien. In dem Hochgebirge liegen die in die Untersuchung mit eingegangenen Stationen Addis Abeba, Asmera, Negelli, Harar und Jimma, welche alle zwischen 1500 m und 2450 m über NN. liegen. Des Weiteren sind die Faktorwerte in weiteren Ländern Ostafrikas (Kenia & Tansania) durch das ostafrikanische Seenhochland und die zentralafrikanische Schwelle beeinflussend geringer. Die Höhenunterschiede führen zu geringeren Temperaturen und zu einer daraus resultierende geringe Verdunstung als im Vergleich zum regionalen Umland.

Tabelle 10: je 5 Stationen mit den höchsten und geringsten Faktorwerten (Faktor 1)

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

Abbildung 3: Isoliniendarstellung für Faktor 1

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

3.8.2 Faktor 2

Die in Tabelle 11 und Abbildung 4 dargestellten Faktorwerte für Faktor 2 sind durch Trockenheit bei hoher Verdunstung im Winter auf der Nordhemisphäre und im Sommer auf der Südhemisphäre in den Monaten November bis April gekennzeichnet.

Auf der Isolinienkarte ist zu erkennen, dass insbesondere die Faktorwerte im nördlichsten Afrika sehr gering sind. Der Grund dafür ist, dass auf der Nordhemisphäre zu dem Zeitpunkt Winterzeit ist, sodass die Temperaturen mit zunehmenden Breitengraden auf der Nordhemisphäre abnehmen. Die fünf Stationen mit den niedrigsten Faktorwerten liegen alle zwischen 30° und 37° nördlicher Breite in Algerien, Marokko, Libyen und zweimal in Tunesien. Bei Betrachtung der Temperaturen wird ersichtlich, dass die mittleren Temperaturen in den Wintermonaten nur knapp über 10 °C betragen und das mittlere Minimum der Temperatur häufig nur unter 10 °C liegt. Die niedrigen Temperaturen im nördlichen Afrika erklärt zugleich die geringe Verdunstung in der Region. Bei Betrachtung der Isolinienkarte erkennt man erneut, dass die Faktorwerte für das Hochgebirge Ostafrikas sehr gering sind. Ausführung zu diesem Zustand wurden bereits im Unterkapitel 3.8.1 geführt und sollten dort bei Bedarf nachgelesen werden.

Die höchsten Faktorwerte liegen bei Betrachtung der Isolinienkarte an der Ostküste Afrikas. Die Küste erreicht ein Gemisch von feuchtwarmen Luftmassen aus nordöstlicher Richtung. Weitere hohe Faktorwerte sind auf der Nordhemisphäre auf der Isolinienkarte zuerkennen. Diese Stationen liegen entweder im Tschadbecken oder auf der Lee-Seite der Oberguineaschwelle. Nach der Klimaklassifikation nach Köppen liegen die Stationen mit den höchsten Werten in einem Savannenklima und einem heißem Steppenklima.

Tabelle 11: je 5 Stationen mit den höchsten und geringsten Faktorwerten (Faktor 2)

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

Abbildung 4: Isoliniendarstellung für Faktor 2

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

3.8.3 Faktor 3

In Tabelle 12 und Abbildung 5 werden die Faktorwerte für Faktor 3 dargestellt, welche die ganzjährige mittlere relative Feuchte aller 128 Klimastationen repräsentiert.

Bei Betrachtung der Isolinienkarte fallen sofort zwei Großregionen mit sehr niedrigen Faktorwerten auf. Hierbei handelt es sich zum einen um die Namib Wüste an der Südwestküste Afrikas und die Sahara in Nordafrika im Bereich des nördlichen Wendekreises. Weitere geringe Faktorwerte werden in Hochlagen wie Tsumeb und Windhoek in Namibia und Kimberley in Südafrika erreicht.

Die höchsten Faktorwerte bezüglich der jährlichen relativen Feuchte werden entlang der Küsten des Atlantischen Ozeans in Namibia, Angola und Benin, sowie in Somalia entlang der Küste des Indischen Ozeans erreicht. Die günstige Lage zu den Ozeanen erklärt in diesem Fall die hohen Werte der jährlichen relativen Feuchte. Auch in den Bereichen des Äquators werden aufgrund der Innertropischen Konvergenz hohe Faktorwerte erreicht.

Tabelle 12: je 5 Stationen mit den höchsten und geringsten Faktorwerten (Faktor 3)

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

[...]