Im Jahr 2019 wurde der Abschlussbericht des ATMOperm Projekts (gefördert von der Österreichischen Akademie der Wissenschaften) veröffentlicht. Das Hauptziel war es, die saisonale Auftauschicht des Permafrosts (ALT) am Hohen Sonnblick (Hohe Tauern) und die Auswirkungen atmosphärischer Extremereignisse im Kontext des rezenten Klimawandels zu untersuchen. Hierbei wurde ein physikalisch basiertes Energie- und Massenbilanzmodel (SNOWPACK) verwendet, um die zeitliche Entwicklung der Auftauschicht zu untersuchen. Diese Masterarbeit mit dem Titel „Modellierung der Auftauschicht am Hohen Sonnblick mit SNOWPACK - Sensitivitäts- und Unsicherheitsanalyse“ dient als Folgearbeit. Ziel ist es, Unsicherheit im Modeloutput abzuschätzen und sensitive Inputparameter zu identifizieren. Es wird angenommen, dass der Großteil der Unsicherheit von einer Reihe von Bodenparametern ausgeht. Um deren Einfluss zu untersuchen, wurde eine Sensitivitätsanalyse (SA) und eine Unsicherheitsanalyse (UA) durchgeführt. Meteorologische Beobachtungsdaten stehen von 2002 bis 2017 zur Verfügung, sowie Bohrloch-Temperaturmessungen von 2008 bis 2016. Nach einer Einführung in die Eigenschaften des alpinen Permafrostes, der Grundprinzipien der Energiebilanz und der Konzepte von SA und UA werden die konkreten Methoden und Ergebnisse vorgestellt. Die einflussreichsten Parameter werden mittels Elementary Effect Test (EET) bestimmt. Um die Modellstabilität zu optimieren, wurden Classification and Regression Trees (CART) verwendet. Die Parameter Wärmeleitfähigkeit, Volumenanteil des Bodens und die Korngröße in den oberen Bodenschichten wurden als wichtigste Parameter identifiziert. Im Zuge der UA (75,000 LHS Evaluierungen) konnte der allgemeine Trend der ALT für den Referenzzeitraum erfolgreich modelliert werden. Unzulänglichkeiten treten bei Betrachtung der mittleren monatlichen Temperaturprofile auf. Die ALT der besten Modelle variiert zwischen 62 cm und 150 cm und ihre Unsicherheit reicht von 30 cm bis 47 cm.

In 2019 the final report of the ATMOperm project funded by the Austrian Academy of Science was released. The main objective was to better understand the permafrost thickness at Hoher Sonnblick (Austrian Alps) and its response to climate change. Among geophysical methods complex physically based modelling (SNOWPACK) was used to investigate the temporal active layer development. This thesis acts as a follow up work to address open questions of the modelling attempt.The aim is to estimate and reduce uncertainty in the model output and allocate sensitivities to specific model inputs. The assumed main influence of uncertainty derives from a set of parameters describing the soil properties. To investigate their individual effects, a sensitivity analysis (SA) and an uncertainty analysis (UA) were conducted. Meteorological observations are available from 2002 to 2017 as well as borehole temperature measurements for validation from 2008 to 2016. After a first part that summarizes the characteristics of mountain permafrost, principles of the active layer energy balance, and the concepts of SA and UA, methods and results are presented.Parameter sensitivity screening and ranking is assessed via the elementary effect test (EET), which has gained popularity in environmental modeling in recent years. As model stability is a crucial factor Classification and Regression Trees (CART) are used to constrain input parameter ranges. It is shown that heat conductivity, volume fraction of soil and grain size in the upper layers are the most sensitive inputs parameters. Finally, the results of the estimation of the output uncertainty distribution with 75,000 model evaluations (LHS) are presented. The general trend of the ALT is successfully modelled for the reference period, but simulations feature shortcomings in the monthly mean temperature profiles. The ALT of the best models varies between 62 cm and 150 cm for the investigation period and its uncertainty ranges from 30 cm to 47 cm.