Innovation für eine nachhaltige Mobilität, Elektromobilität: SINGER - Sino-German Electromobility Research, Teilprojekt C04: Deep-Learning und prozessbasierte Modelle für skalenübergreifenden Simulation von Kohlenstoff- und Wasserflüssen

Description: C4.1 Prozess-basierte Modelsimulationen. Wir entwickeln prozessbasierte Modellsimulationen und Deep-Learning-Tools für die Datenanalyse, um mit dem Sensornetzwerk zu interagieren und die Messungen zu optimieren. Dies ermöglicht ein vertieftest Verständnis der Auswirkungen der räumlich-zeitlichen Heterogenität und Dynamik auf den gesamten Wasser- und Kohlenstoffaustausch im Ökosystem. Wir werden ein bestehendes prozessbasiertes 2D-Modell erweiterten, kalibrierten und in einem 3D Gegenwarts- und Vorhersagemodus betreiben, der die räumlich-zeitliche Heterogenität kleinräumiger Prozesse abdeckt und neue Skalierungsgesetze für nichtlineare Wechselwirkungen integriert.C4.2 Deep-LearningMit Hilfe von Deep-Learning-Algorithmen soll die Fülle an Daten effizient ausgewertet werden, um zwischen wichtigen und redundanten Daten zu unterscheiden. Ziel ist es, eine ausreichende räumlich-zeitliche Auflösung zu erreichen, Energie für die Sensorknoten zu sparen und die Anhäufung redundanter Daten zu reduzieren. Dabei interagieren Deep-Learning und Prozesssimulationen mit dem Sensornetz durch i) Datenassimilation aus dem Sensornetz und ii) Anpassung und Optimierung des Messdesigns auf Basis der simulierten Ergebnisse und Vorhersagen

SupportProgram

Origins: /Bund/UBA/UFORDAT

Tags: Pflanzenökologie ? Sensor ? Bodenkunde ? Assimilation ? Künstliche Intelligenz ? Simulationsmodell ? Nachhaltige Mobilität ? Datenmanagement ? Elektromobilität ? Forstwirtschaft ? Ökosystem ? Biodiversity of Ecosystems ? Biodiversity of Plants ? Biodiversität der Pflanzen ? Biodiversität der Ökosysteme ? Computer Science Methods in Business Informatics ? Data-Intensive Systems ? Ecology of Ecosystems ? Ecology of Plants ? Forstwissenschaften ? Informatik-Methoden in der Wirtschaftsinformatik ? Pflanzenphysiologie ? Plant Physiology ? Soil Sciences ? datenintensive Systeme ? Ökologie der Ökosysteme ?

Region: Baden-Württemberg Bavaria

Bounding boxes: 9° .. 9° x 48.5° .. 48.5° 11.5° .. 11.5° x 49° .. 49°

License: cc-by-nc-nd/4.0

Language: Deutsch

Organisations

• Karlsruher Institut für Technologie (KIT), Institut für Meteorologie und Klimaforschung - Atmosphärische Umweltforschung (Projektverantwortung)
• Umweltbundesamt (Bereitstellung)
• Universität Freiburg, Institut für Geo- und Umweltnaturwissenschaften, Abteilung für Biometrie und Umweltsystemanalyse (Projektverantwortung)

Time ranges: 2022-01-01 - 2025-08-18

Alternatives

• Language: Englisch/English
  Title: Sub project C04: Deep-learning and process-based models for simulating carbon and water fluxes across scales
  Description: C4.1 Process-based model simulationsWe will develop process-based model simulations and deep learning tools for data analysis to interact with and optimize the sensor-based monitoring, as well as to deepen our understanding of impacts of spatio-temporal heterogeneity and dynamics for total ecosystem water and carbon exchange. An existing 2D process-based model will be extended, calibrated and run in a now- and forecasting 3D mode, covering spatio-temporal heterogeneity of small-scale processes and integrating new scaling laws for non-linear interactions.C4.2 Deep learningUsing deep-learning algorithms, the plethora of data will be efficiently evaluated to distinguish between important and redundant data. The aim is to provide sufficient spatio-temporal resolution and save sensor node energy and reduce redundant data accumulation. Thereby, deep learning and process simulations interact with the sensor network through i) data assimilation from the sensor network and ii) adjustment and optimization of the measuring design based on simulated outputs and predictions https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1138696

Resources

• Webseite zum Förderprojekt

  https://gepris.dfg.de/gepris/projekt/505879376 (Webseite)

Status

Aktiv

Quality score

• Overall: 0.44
• Findability: 0.41

  • Title: 0.00
  • Description: 0.06
  • Identifier: false
  • Keywords: 0.42
  • Spatial: RegionIdentified (1.00)
  • Temporal: true
• Accessibility: 0.67

  • Landing page: Specific (1.00)
  • Direct access: false
  • Publicly accessible: true
• Interoperability: 0.00

  • Open file format: false
  • Media type: false
  • Machine-readable metadata: false
  • Machine-readable data: false
• Reusability: 0.67

  • License: ClearlySpecifiedAndFree (1.00)
  • Contact info: false
  • Publisher info: true

Accessed 1 times.