Das unvollständige Verständnis der Wechselwirkung von Aerosolpartikeln mit Strahlung, Wolken und Niederschlag ist eine Schlüsselfrage der Atmosphärenforschung. Detaillierte Beobachtungen sind erforderlich, um die komplexen Zusammenhänge zwischen den beteiligten Prozessen zu erfassen. Dies gilt insbesondere für die abgelegene Region der Antarktis, wo bodengestützte, vertikal aufgelöste Langzeitbeobachtungen von Aerosol, Wolken und Niederschlag selten sind und Satellitenbeobachtungen technischen Beschränkungen unterliegen. Um die Messlücke mit modernsten Beobachtungen zu schließen, wird TROPOS die Messplattform OCEANET-Atmosphere zwischen den Südsommern 2022/23 und 2023/24 an der Station Neumayer III (70,67°S, 8,27°W) einsetzen. OCEANET-Atmosphere ist ein autonomer, polar-erprobter, modifizierter 20-Fuss-Messcontainer, der erst kürzlich erfolgreich während MOSAiC (Multidisciplinary drifting Observatory for the Study of Arctic Climate) eingesetzt wurde. Die Instrumentierung während COALA umfasst ein Mehrwellenlängen-Polarisations- und ein Doppler-Lidar, ein 35-GHz-Wolkenradar, ein Mikrowellenradiometer sowie jeweils ein 1-d und 2-d-Niederschlags-Disdrometer. OCEANET ist die einzige polare Einzelcontainer-Plattform, die mit Mehrwellenlängen-Lidar, Radar und Mikrowellenradiometer Wolken und Niederschlag sowie mit Doppler-Lidar und -Radar turbulente Luftbewegungen in Wolken an verschiedenen Messstandorten beobachten kann.Die zeitliche und vertikale Auflösung des gewonnenen Datensatzes wird in der Größenordnung von 30 s (2 s für Vertikalgeschwindigkeitsbeobachtungen) und 30 m liegen. COALA ist ein 3-Jahres-Projekt. Ein Postdoktorand wird für den Einsatz von OCEANET-Atmosphere bei Neumayer III und die Datenanalyse verantwortlich sein und dabei von Experten am TROPOS unterstützt. Die Beobachtungen werden in erster Linie dazu dienen, die Schlüsselhypothese von COALA zu untersuchen, dass Aerosol aus dem Südlichen Ozean, den mittleren Breiten und den Subtropen der südlichen Hemisphäre in die Antarktis transportiert wird, wo es die Bildung und Entwicklung von Wolken und Niederschlag beeinflusst. Die Arbeiten konzentrieren sich auf (1) die Untersuchung des Ursprungs, der Häufigkeit und der Eigenschaften des Aerosols über der Station Neumayer III, (2) die Untersuchung des Einflusses von Oberflächen- und Grenzschicht-Kopplungseffekten auf die Eigenschaften und die Entwicklung von tiefen Wolken, (3) die Untersuchung des Beitrags von Dynamik (orographische Wellen), Aerosol und Meteorologie zur Verteilung der Eis- und Flüssigphase in Wolken über Neumayer III, (4) zur Untersuchung der vertikalen Struktur von Wolken und ihrer Beziehung zur Niederschlagsbildung und (5) zur Bewertung regionaler Kontraste in den Eigenschaften von Aerosolen und Wolken und den damit verbundenen Aerosol-Wolken-Wechselwirkungsprozessen, indem die Neumayer-III-Beobachtungen von vorhandenen Datensätzen aus Südchile, Zypern, Deutschland und der Arktis kontrastiert werden.
Aey, W. 1993: Zuordnung von Bodenkenngrößen zu Bodengesellschaften und Nutzungen, Gutachten im Auftrag der Senatsverwaltung für Stadtentwicklung und Umweltschutz, Berlin. AfS (Amt für Statistik Berlin-Brandenburg) 2019: Statistischer Bericht, Q I 1 – 3j / 19, Wasserversorgung und Abwasserentsorgung im Land Berlin 2019, November 2022. Download https://download.statistik-berlin-brandenburg.de/74029c18ca64f80e/17faa5a11c53/SB_Q01-01-00_2019j03_BE.xlsx (Zugriff am 25.08.2025) Bach, M. 1997: Erfassung des Kanalisierungsgrades versiegelter Flächen für ein urbanes Niederschlags-Abfluß-Modell am Beispiel Berlin, Diplomarbeit am FB Geowissenschaften der FU Berlin, Berlin. Bamberg, H.-F., Busse, W., Ginzel, G., Glugla, G., Schlinker, K., Ziegler, G. 1981: KdT-Empfehlung zur Ermittlung der Grundwasserneubildung. Zentrales Geologisches Institut. Gedruckt als WTL-Sonderheft 5, Berlin. Berlekamp, L.-R., Pranzas, N. 1992: Erfassung und Bewertung von Bodenversiegelung unter hydrologisch-stadtplanerischen Aspekten am Beispiel eines Teilraums von Hamburg. – Dissertation, Hamburg. BGR 2005: Bodenkundliche Kartieranleitung. Hannover: Bundesanstalt für Geowissenschaften und Rohstoffe. DWA (Deutsche Vereinigung für Wasserwirtschaft, Abwasser und Abfall e. V.) o. J.: Wasserbilanzmodell WABILA. Internet: https://de.dwa.de/de/Wasserbilanz.html (Zugriff am 25.08.2025) Glugla, G., Tiemer, K. 1971: Ein verbessertes Verfahren zur Berechnung der Grundwasserneubildung. Wasserwirtschaft-Wassertechnik, 21 (10): S. 349 – 353, Berlin. Glugla, G., Enderlein, R., Eyrich, A. 1976: Das Programm RASTER – ein effektives Verfahren zur Berechnung der Grundwasserneubildung im Lockergestein, Wasserwirtschaft-Wassertechnik, 26 (11): S. 377 – 382, Berlin. Glugla, G., König, B. 1989: Der mikrorechnergestützte Arbeitsplatz Grundwasserdargebot. Wasserwirtschaft-Wassertechnik, 39 (8): S. 178 – 181, Berlin. Glugla, G., Eyrich, A. 1993: Ergebnisse und Erfahrungen bei der Anwendung des BAGROV-GLUGLA-Verfahrens zur Berechnung von Grundwasserhaushalt und Grundwasserneubildung im Lockergestein Norddeutschlands. Kolloquium Hydrogeologie 10/93 Erfurt, 22-26. Glugla, G., Krahe, P. 1995: Abflußbildung in urbanen Gebieten. Schriftenreihe Hydrologie/Wasserwirtschaft 14, Ruhr-Universität Bochum, S.140-160. Glugla G., Fürtig, G. 1997: Dokumentation zur Anwendung des Rechenprogramms ABIMO. Bundesanstalt für Gewässerkunde, Außenstelle Berlin. Glugla, G., Müller, E. 1997: Grundwasserneubildung als Komponente der Abflussbildung. in: C. Leibundgut & S. Demuth (Hrsg.): Grundwasserneubildung. Freiburger Schriften zur Hydrologie. Band 5, S. 23-35. Glugla, G., Goedecke, M., Wessolek, G., Fürtig, G. 1999: Langjährige Abflußbildung und Wasserhaushalt im urbanen Gebiet Berlin. Wasserwirtschaft, 89.Jahrgang Nr.1 1999 S. 34-42. Glugla, G., et.al. 2003: BAGLUVA Wasserhaushaltsverfahren zur Berechnung vieljähriger Mittelwerte der tatsächlichen Verdunstung und des Gesamtabflusses, BfG – 1342, Bundesanstalt für Gewässerkunde, Koblenz. Goedecke, M., Gerstenberg, J., Haag, L. 2019: Wasserhaushaltsmodell Berlin ABIMO 3.2 – Handreichung für Anwendende, Technische Anleitung zur Aufbereitung von Datengrundlagen sowie Dokumentation von Methoden und Berechnungsergebnissen des auf Berliner Verhältnisse angepassten blockbezogenen Niederschlags – Abflussmodell ABIMO der Bundesanstalt für Gewässerkunde, 2006 bis 2019, Senatsverwaltung für Stadtentwicklung und Wohnen Berlin, Stand 15.04.2020. Download: https://www.berlin.de/umweltatlas/_assets/literatur/goedecke_et_al_abimo2019_doku.pdf (Zugriff am 25.08.2025) Graf, H.-F. 1979: Der Einfluß von Großstädten auf das Niederschlagsregime am Beispiel von Berlin. Dissertation A, Humboldt-Universität Berlin, Berlin. Kleeberg, H.-B., Niekamp, O. 1994: Klimaänderung und Wasserwirtschaft. Vortrag auf der 3. Deutschen Klimatagung, Tagungsband S. 136 – 140, Potsdam. Köppel, J., Deiwick, B. (TU Berlin) 2004: Verfahren zur Bewertung und Bilanzierung von Eingriffen im Land Berlin. Gutachten im Auftrag von SenStadt IE, unveröffentlicht. Kompetenzzentrum Wasser Berlin (KWB) 2024/25: Kompetenzzentrum Wasser Berlin. (2024/25). Projekt AMAREX: Projektergebnisse und Abbildungen (unveröffentlicht). Internet: https://www.kompetenz-wasser.de/de/forschung/projekte/amarex-anpassung-des-managements-von-regenwasser-an-extremereignisse?trk=public_post_comment-text (Zugriff am 25.08.2025) Löschner, F. 2008: Einfluss von Versiegelung und Klimawandel auf die Abflussbildung urbaner Gebiete – untersucht am Beispiel Berlin, Bachelor-Arbeit am Institut für Pflanzenbauwissenschaften, Fachgebiet Bodenkunde und Standortlehre der HU Berlin, Berlin. Monninkhoff, L. 2001: ArcSIWA 1.1 Berechnung der Grundwasserneubildung Tutorial – Einführung in ArcSIWA (SIWA on ArcVIEW). Berlin: WASY Gesellschaft für wasserwirtschaftliche Planung und Systemforschung GmbH. Rachimov, C. (pro data consulting) 1996: ABIMO 2.1, Abflußbildungsmodell, Algorithmus zum BAGROV-GLUGLA-Verfahren für die Berechnung langjähriger Mittelwerte des Wasserhaushalts, Programmbeschreibung; im Auftrag der Bundesanstalt für Gewässerkunde, Außenstelle Berlin, unveröffentlicht. Rachimov, C., Rachimov, M. (pro data consulting) 2006: ABIMO 3, Abflußbildungsmodell, Algorithmus zum BAGROV-GLUGLA-Verfahren für die Berechnung langjähriger Mittelwerte des Wasserhaushalts, Programmbeschreibung; im Auftrag der Senatsverwaltung für Stadtentwicklung, unveröffentlicht. Rachimov, C., Rachimov, M. (pro data consulting) 2009: ABIMO 3.2, Abflußbildungsmodell, Algorithmus zum BAGROV-GLUGLA-Verfahren für die Berechnung langjähriger Mittelwerte des Wasserhaushalts, Programmbeschreibung; im Auftrag der Senatsverwaltung für Stadtentwicklung. Internet: https://www.berlin.de/umweltatlas/_assets/literatur/rachimow_rachimow_abimo3_2_2009.pdf Richter, D. 1979: Informationsspeicher für die einheitliche Bestimmung der Verdunstungshöhe von freien Wasserflächen. Forschungsinstitut für Hydrometeorologie des Meteorologischen Dienstes der DDR, unveröffentlicht. SenStadt (Senatsverwaltung für Stadtentwicklung und Wohnen Berlin) (2017): KURAS “Konzepte für urbane Regenwasserbewirtschaftung und Abwassersysteme”. Steckbrief 1: Dachbegrünung. Internet: http://kuras-projekt.de/fileadmin/Dokumenten_Verwaltung/pdf/Steckbrief_01_Dachbegruenung.pdf (Zugriff am: 25.08.2025) Sklorz, S. & Monninkhoff, B. 2013: Entwicklung der Grundwasserneubildung im Großraum Berlin für die Periode 2051-2060. In S. Kaden, O. Dietrich, & S. Theobald, Wassermanagement im Klimawandel – Möglichkeiten und Grenzen von Anpassungsmaßnahmen. Berlin. Verleger, H. & Limberg, A. 2013: Einfluss des Klimawandels auf die Grundwasserstände im Urstromtal von Berlin – Orientierende Untersuchungen. Brandenburgische Geowissenschaftliche Beiträge. 20 (2013), 1/2. S. 93-100. Cottbus. Download: https://www.berlin.de/umweltatlas/_assets/literatur/bgb_2013_verleger_limberg.pdf (Zugriff am 25.08.2025) Wessolek, G. 1994: Auswertung von Versuchen zur Ermittlung der Abflußverhältnisse unterschiedlich versiegelter und kanalisierter Flächen Berlins; im Auftrag der Bundesanstalt für Gewässerkunde, Außenstelle Berlin, unveröffentlicht. Wessolek, G., Facklam, M. 1997: Standorteigenschaften und Wasserhaushalt von versiegelten Flächen. Zeitschrift für Pflanzenernährung und Bodenkunde, 160, S. 41-46. BWB (Berliner Wasserbetriebe) (Hrsg.) 2022: Art der Kanalisation der Straßenflächen, digitaler Datenbestand, Berlin. Stand 10.2022. Unveröffentlicht. Dyck, S. et al. 1978: Karte der potentiellen Verdunstung, in: Angewandte Hydrologie, Bd. 2, Verlag für Bauwesen, 1 : 000.000, Berlin. SenStadt (Senatsverwaltung für Stadtentwicklung, Bauen und Wohnen Berlin) (Hrsg.) 2020: Umweltatlas Berlin, Karte 04.08.1–3 Langjähriges Mittel der Niederschlagsverteilung 1991 – 2020, Berlin. Internet: https://www.berlin.de/umweltatlas/klima/niederschlagsverteilung/1991-2020/zusammenfassung/ (Zugriff am 25.08.2025) SenStadt (Senatsverwaltung für Stadtentwicklung Berlin) (Hrsg.) 2009: Umweltatlas Berlin, Karte 02.07 Flurabstand des Grundwassers, 1 : 50.000, Berlin. Internet: https://www.berlin.de/umweltatlas/wasser/flurabstand/2009/zusammenfassung/ (Zugriff am 25.08.2025) SenStadt (Senatsverwaltung für Stadtentwicklung, Bauen und Wohnen Berlin) (Hrsg.) 2020: Umweltatlas Berlin, Karte 06.01 Reale Nutzung der bebauten Flächen, Karte 06.02 Grün- und Freiflächenbestand, 1 : 50.000, Berlin. Internet: https://www.berlin.de/umweltatlas/nutzung/flaechennutzung/2020/zusammenfassung/ (Zugriff am 25.08.2025) SenStadt (Senatsverwaltung für Stadtentwicklung, Bauen und Wohnen Berlin) (Hrsg.) 2020: Umweltatlas Berlin, Karte 06.08 Stadtstruktur – Flächentypen differenziert, 1 : 50.000, Berlin. Internet: https://www.berlin.de/umweltatlas/nutzung/stadtstruktur/2020/zusammenfassung/ (Zugriff am 25.08.2025) SenStadt (Senatsverwaltung für Stadtentwicklung, Bauen und Wohnen Berlin) (Hrsg.) 2021: Umweltatlas Berlin, Karte 01.02 Versiegelung, 1 : 50.000, Berlin. Internet: https://www.berlin.de/umweltatlas/nutzung/versiegelung/2021/zusammenfassung/ (Zugriff am 25.08.2025) SenStadt (Senatsverwaltung für Stadtentwicklung, Bauen und Wohnen Berlin) (Hrsg.) 2022: Umweltatlas Berlin, Karte 02.09 Entsorgung von Regen- und Abwasser, 1 : 50.000, Berlin. Internet: https://www.berlin.de/umweltatlas/nutzung/regen-und-abwasser/2022/zusammenfassung/ (Zugriff am 25.08.2025) SenStadt (Senatsverwaltung für Stadtentwicklung, Bauen und Wohnen Berlin ) (Hrsg.) 2020: Umweltatlas Berlin, Karte 01.06 Bodenkundliche Kennwerte, 1 : 50.000, Berlin. Internet: https://www.berlin.de/umweltatlas/boden/bodenkundliche-kennwerte/2020/zusammenfassung/ (Zugriff am 25.08.2025)
Die Marine Dateninfrastruktur Deutschland (MDI-DE) hat das Ziel, Daten und Informationen aus dem Küsteningenieurwesen, dem Küstengewässerschutz, dem Meeresumweltschutz und dem Meeresnaturschutz über ein gemeinsames Internetportal nachzuweisen. Mithilfe von Metadaten und Webservices werden die Suche nach Daten und deren Nutzung unterstützt. Dabei baut MDI-DE synoptische Verzeichnisse mariner Datenbestände mit einer einheitlichen fachlichen Datengrundlage auf. Damit steht ein qualitätsgesichertes Informationsangebot zur deutschen Küstenzone von Nord- und Ostsee sowie den angrenzenden Meeresgebieten zur Verfügung. Dieser standardisierte Zugang zu Fachdaten entlastet die Partnerdienststellen von Dienstleistungs-Routinearbeiten bei der Bedienung von Nutzeranfragen, Maßnahmenplanung und unterstützt die Interoperabilität. Die MDI-DE ist als operationelles Verfahren für den dauerhaften Einsatz der integrativen Datenbereitstellung und Aufbereitung konzipiert. Die Entwicklung und Implementierung internetbasierter integrierter multidisziplinärer Werkzeuge ermöglicht die gezielte Datenrecherche und die Erfüllung bestehender Informationspflichten. Mit den standardisierten Metadaten zur Dokumentation und den zugehörigen OGC-konformen Webservices zur Nutzung mariner Daten erleichtert MDI-DE wesentlich die Erfüllung der gesetzlichen Anforderungen von INSPIRE und anderer EG-Richtlinien. Die dort geforderten Informationsflüsse werden von der MDI-DE-Informationsinfrastruktur optimal unterstützt. Dadurch hilft MDI-DE den Behörden in der Küstenzone bei der Erfüllung ihrer Berichtspflichten für EU-Rahmenrichtlinien wie MSRL und INSPIRE.
The Risk Index Outcome (RIO) is a critical component of the Polar Operational Limit Assessment Risk Indexing System (POLARIS) developed by the International Maritime Organization (IMO, 2016). RIO evaluates the operational risks for ships navigating in ice-infested waters by evaluating ice conditions and offers a quantifiable measure of risk that aids in decision-making for safe navigation in polar regions based on ship ice class, sea ice type/stage of development (SOD) and sea ice concentration (SIC). The DMI-led Automated Sea Ice Products (DMI-ASIP; Wulf et al., 2024, dataset) provides daily maps of SOD and SIC based on Sentinel-1 SAR imagery, AMSR-2 Passive Microwave and Ice Charts from the Greenland and Canadian Ice Services, combined with novel AI retrieval and processing techniques. In the framework of EU funded Arctic PASSION project, we produced 10 years of satellite observation based weekly RIO maps referred as the Arctic PASSION-RIO (AP-RIO) by leveraging DMI-ASIP datasets. The AP-RIO dataset will provide weekly risk assessment maps for the given ship classes and will support the establishment of a 10 year climatology thereby enabling the assessment of RIO variability in the years covered by the input DMI-ASIP products. The AP-RIO dataset will enhance the safety and efficiency of maritime operations in the polar seas, providing a robust reference for evaluating normal and extreme ice conditions. AP-RIO is produced in the framework of the Arctic PASSION project (European Union's Horizon 2020 research and innovation program under grant agreement No. 101003472) and supported by the DMI-ASIP development team. Algorithm and Processing Scheme: SIC and SOD from ASIP are processed (by taking the mean and mode respectively) into a weekly field based on the daily files for that week. This is done for the time period of 3 Oct. 2014 - 3 Oct. 2024. The weekly SOD is used to find the Risk Value (RV) by looking at the lookup table (Dybkjær et al. 2025a). Risk Index Outcome (RIO) values are computed for each pixel in the field based on the RIO formula (RIO = SIC x RV) using the SIC from ASIP and the found RV. The meaning of the computed RIO values can be interpreted using the table in (Dybkjær et al. 2025b). The RIO field is finally saved to weekly NetCDF files.
Gebrauchte oder minderwertige native Fette und Öle sind eine interessante Energiequelle für Dieselmaschinen, die sich durch eine ausgezeichnete Ökobilanz auszeichnen und nicht in Konkurrenz zu Nahrungs- oder Futtermitteln stehen. Dem Einsatz in Dieselmschinen stehen der i.d.R. hohe Gehalt an Schlackebildnern (Ca, Mg, Na, K, P) und an freien Fettsäuren entgegen. Ziel des Vorhabens ist es, ein Verfahren zu entwickeln, mit dem die o.g. Rohstoffe so aufzuarbeiten sind, dass sie ohne weiteres in Dieselmaschinen eingesetzt werden können. Dazu wurde der Rohstoff einer sauer katalysierten Veresterung mit biogenem Ethanol unterworfen, mit dem die Gehalte sowohl an freien Fettsäuren, als auch an den genannten Schlackebildnern soweit gesenkt werden konnten, dass die Maßgaben der DIN-VN 51 605 erfüllt werden. Abgesehen davon, dass die so gewonnen Treibstoffe aus rein biogenen Rohstoffen bestehen, weisen sie Stockpunkte von teilweise unter -20 Grad Celsius auf.
Abflussprognosen zur Bewältigung von Extremwetterlagen Um das Transportaufkommen in Deutschland auch unter schwierigen Bedingungen zu bewältigen und dies aufrecht zu erhalten bzw. zu steigern, sind verkehrsträgerübergreifende Lösungsansätze notwendig. Ziel dieses Projekt ist es, die Resilienz und die Verfügbarkeit des Verkehrsträgers Wasserstraße bei extremen Wetterereignissen zu erhöhen. Aufgabenstellung und Ziel Etwa 3.000 km der Bundeswasserstraßen sind mit Staustufen ausgebaut, die meist aus einem beweglichen Wehr, einer Schleuse und einem Laufwasserkraftwerk bestehen. Durch das Ändern des Abflusses über das Kraftwerk und über das Wehr hält ein lokaler Regler den gewünschten Oberwasserstand innerhalb der vorgegebenen Stauzieltoleranz. Die Abfluss- und Stauregelung soll dabei mehrere, mitunter gegensätzliche Ziele erfüllen: Einhaltung des Stauziels innerhalb der festgelegten Toleranz, Verminderung von Abflussschwankungen, optimale Nutzung der Wasserkraft und Minimierung des Verschleißes der Wehrverschlüsse. Im Zuge des Klimawandels ist mit einer Zunahme extremer Wetterereignisse zu rechnen. Die Abfluss- und Stauregelung steht gerade in Niedrigwasserperioden vor wachsenden Herausforderungen. Schwankungen des Abflusses sind in diesen Phasen schwierig auszugleichen und Über- bzw. Unterschreitungen der Stauzieltoleranz sind nicht auszuschließen. Dadurch entsteht eine Gefahr für die Schifffahrt. Ziel des vorgestellten Vorhabens ist es, anhand einer fundierten Datenanalyse und der Methode des maschinellen Lernens Zusammenhänge zwischen Niederschlagsereignissen und Abflussschwankungen vertieft zu untersuchen. Zusätzlich sollen Abflussprognosen erstellt werden, welche die Abfluss- und Stauregelung unterstützen. Bedeutung für die Wasserstraßen- und Schifffahrtsverwaltung des Bundes (WSV) Die Verwendung maschinellen Lernens für Abflussvorhersagen auf der Basis von Niederschlags- und Zuflussdaten stellt ein vielversprechendes Werkzeug für die WSV dar. Prognosen schaffen einen vorausschauenden Handlungsspielraum für die Abfluss- und Stauregelung, sodass starke Wasserstandsund Abflussschwankungen minimiert und damit die Sicherheit und Leichtigkeit der Schifffahrt erhöht werden. Die Resilienz der Wasserstraße wird dadurch auch unter den zunehmenden Auswirkungen des Klimawandels gesteigert. Untersuchungsmethoden Das Verfahren wird exemplarisch an einer Stauhaltung der Mosel getestet. Die Niederschlagsdaten des Einzugsgebiets der Stauhaltung werden vom Deutschen Wetterdienst im Rahmen der Zusammenarbeit im BMDV-Expertennetzwerk bereitgestellt. Die Pegeldaten der oberliegenden Stauhaltung sowie die der untersuchten Stauhaltung selbst werden von der WSV zur Verfügung gestellt. In einem ersten Schritt werden die Pegeldaten untersucht. Anhand einer Kreuzkorrelation können Abhängigkeiten zwischen dem oberliegenden Pegel und dem Pegel in der untersuchten Stauhaltung aufgezeigt werden. In einem weiteren Schritt werden ebenfalls die Niederschlags- und Wehrdaten betrachtet und deren Zusammenhang mit den Pegeldaten untersucht. Zusätzlich wird eine Methode erarbeitet, um Wasserstandsschwankungen so zu filtern, dass die Werte möglichst unbeeinflusst von Schleusungen und Schifffahrt sind. Im Anschluss an die Aufbereitung der Daten wird nach einer geeigneten Methode des Maschinellen Lernens (ML) gesucht. Dabei werden unterschiedliche ML-Modelle in Python implementiert und trainiert. Der vielversprechendste Modelltyp soll weiter genutzt und mit unterschiedlichen Parametrierungen getestet werden. Hierbei wird immer auf einen Prognosezeitraum von drei Stunden hingearbeitet. Für die Abfluss- und Stauregelung ist eine dreistündige Prognose wünschenswert, um Schwankungen des Abflusses effektiv zu bewältigen.
Bei der Aufarbeitung von Altoelen unter Zusatz von Schwefelsaeure fallen erhebliche Mengen von Saeureharzen an. Eine Deponie ist wegen verschaerfter Umweltbestimmungen in Zukunft problematisch. Nach dem Verfahren der Preussag lassen sich Saeureharze in ein neutrales Umwandlungsprodukt umwandeln, das zusammen mit Hausmuell oder u.a. in der Baustoffindustrie eingesetzt werden kann.
Flüchtige organische Verbindungen (VOC) werden in großen Mengen (1300 TgC pro Jahr) von biogenen und anthropogenen Quellen in die Atmosphäre emittiert. Die Oxidation solcher Verbindungen führt zur Bildung von semivolatilen Produkten, welche in die Partikelphase übergehen können und somit zur Bildung von sekundärem organischem Aerosol (SOA) beitragen. Die globale SOA Produktion anthropogenen Ursprungs beläuft sich auf 0,05 bis 9,7 Tg pro Jahr. Hingegen wird die biogene SOA Produktion mit bis zu 910 Tg pro Jahr beziffert, was einem Umsatz von 70% der emittierten biogenen VOCs entspricht. Ein solcher Umsatz ist unvereinbar mit den vergleichsweise niedrigen SOA Ausbeuten aus Aerosolkammerexperimenten. Die Ursache für diese Diskrepanz liegt vermutlich an zusätzlichen SOA Bildungswegen wie der Weiterreaktion von VOC Oxidationsprodukten, welche von den Umgebungsbedingungen wie dem Oxidationsmittel, der relativen Feuchte und der Art der vorhandenen Partikel abhängt. Somit sind zwar Tag- und Nachtchemie grundverschieden, allerdings auch eng miteinander verbunden, denn die Produkte der Nachtchemie werden durch die darauffolgende Tagchemie weiterprozessiert und umgekehrt. Dadurch wird das Partitionierungsverhalten der Produkte und somit die SOA Bildung stark beeinflusst. Daher soll im Rahmen des Projektes Dark Knight der Einfluss der Tagchemie auf die Nachtchemie und umgekehrt untersucht werden. Das Wissen über die Verschaltung von Tag- und Nachtchemie kann erheblich zum Verständnis über die an der SOA Bildung beteiligte Prozesse beitragen.
| Origin | Count |
|---|---|
| Bund | 3059 |
| Land | 39 |
| Schutzgebiete | 1 |
| Wissenschaft | 37 |
| Type | Count |
|---|---|
| Daten und Messstellen | 17 |
| Förderprogramm | 2957 |
| Kartendienst | 1 |
| Taxon | 1 |
| Text | 76 |
| Umweltprüfung | 7 |
| unbekannt | 72 |
| License | Count |
|---|---|
| geschlossen | 128 |
| offen | 2984 |
| unbekannt | 18 |
| Language | Count |
|---|---|
| Deutsch | 2674 |
| Englisch | 618 |
| Resource type | Count |
|---|---|
| Archiv | 24 |
| Bild | 3 |
| Datei | 25 |
| Dokument | 76 |
| Keine | 1850 |
| Unbekannt | 4 |
| Webdienst | 1 |
| Webseite | 1199 |
| Topic | Count |
|---|---|
| Boden | 2290 |
| Lebewesen und Lebensräume | 1997 |
| Luft | 1508 |
| Mensch und Umwelt | 3130 |
| Wasser | 1594 |
| Weitere | 3130 |