s/burkina-faso/Burkina Faso/gi
Es soll die Frage bearbeitet werden, ob die vielfältigen gesellschaftlichen und natürlichen Ursachen sowie Folgen von Landnutzungsänderungen, wie sie in einer großen Zahl von Fallstudien zu regionalen Entscheidungsformen Globaler Umweltveränderungen vorliegen, sich zu einem überschaubaren Satz von typischen Mustern der Mensch-Natur-Interaktionen verdichten lassen. Hierzu soll eine neue entwickelte Methode der Überprüfung der Gültigkeit von Ursache-Wirkungsgeflechten verwendet werden, bei der beobachtete Zeitverläufe von sozial- und naturräumlichen Variablen auf ihre Konsistenz mit hypothetisierten Ursache-Wirkungszusammenhängen zwischen diesen Variablen untersucht werden, wobei die neue mathematische Theorie der qualitativen Differentialgleichungen verwendet werden sollen. Diese Methode der Identifikation typischer qualitativer Ursache-Wirkungsmuster auf der Basis strenger mathematischer Validierung soll in einer vergleichenden Studie über gut dokumentierte Regionen vornehmlich in Brasilien, Mexiko, Indonesien und Burkina Faso exemplifiziert werden (...). In der ersten Phase des Projektes soll sowohl bezüglich der Zusammenhangshypothesen als auch der qualitativen Zeitverläufe auf bestehende Literatur zu den Untersuchungsregionen zurückgegriffen werden. (...) Weitergehendes Ziel ist es, einige wenige typische Ursache-Wirkungsmuster zu identifizieren und zu validieren, um damit zu einer systematischen Herleitung von mustergültigen Politikoptionen zur Eindämmung nicht-nachhaltiger Landnutzungsentwicklungen zu kommen.
Das Klima ist eine der Triebkräfte für die Übertragung, aber auch andere Faktoren wie Bekämpfungsmassnahmen und die sozioökonomische Entwicklung können die Krankheitsdynamik beeinflussen. In der ersten Phase des Projekts haben wir statistische und mathematische Modelle entwickelt, um den Beitrag klimatischer und nichtklimatischer Faktoren zur Malaria zu quantifizieren und den Mehrwert mathematischer Übertragungsmodelle für die Vorhersage von Ausbrüchen im Vergleich zu statistischen Modellen zu bewerten. Daten des HDSS in Kisumu zeigten, dass die Temperatur einen ähnlichen Schutzeffekt wie die Wirkung von Moskitonetzen hat, wobei dieser Effekt jedoch durch Regenfälle aufgehoben wird. Diese Zusammenhänge variierten in den verschiedenen Jahreszeiten. Die hohen Korrelationen zwischen den Klimafaktoren und die nichtlinearen Beziehungen zur Malaria machten es schwierig, mit statistischen Modellen konsistente Ergebnisse zu erzielen. Statistische Modelle sind in der Lage, Assoziationen abzuschätzen, können jedoch weder kausale Zusammenhänge aufzeigen noch nichtlineare Wechselwirkungen zwischen den Malariatreibern berücksichtigen. Die Nichtstationarität der Malariadaten und die unterschiedliche Wirkung der Prädiktoren über die Jahreszeiten hinweg legen nahe, dass Vorhersagemodelle besser funktionieren, wenn die Nichtstationarität gelockert wird. Das übergreifende Ziel des Folgeprojekts besteht darin, unser Verständnis der Auswirkungen des Klimawandels auf die Malariabelastung zu vertiefen, indem wir innovative Methoden entwickeln, die die nichtlinearen Wechselwirkungen der Malariatreiber auf die Übertragungsdynamik und die Nichtstationarität der Daten berücksichtigen. Die spezifischen Ziele bestehen darin: (i) Bewertung zeitverzögerter kausaler Auswirkungen von klimatischen und nichtklimatischen Faktoren auf die Veränderungen der Malariainzidenz über verschiedene Zeiträume und Übertragungsebenen; (ii) Entwicklung altersstrukturierter stochastischer Metapopulations-Malaria-Übertragungsmodelle, die Klima- und Kontrollinterventionseffekte berücksichtigen; (iii) Entwicklung nichtstationärer Modelle für kurz- und mittelfristige Malariaprognosen unter Berücksichtigung von Klimavariationen über unterschiedliche Zeiträume; und (iv) Bewertung der Leistungsfähigkeit dieser Werkzeuge anhand gemeinsamer Datensätze und ihrer Realisierbarkeit in einem modellgestützten Frühwarnsystem. Wir wollen diese spezifischen Ziele erreichen, indem wir (a) Methoden zur Bewertung der Kausalität in Zeitreihendaten zur Vorhersage einsetzen und diese weiterentwickeln, indem wir Wavelets mit maschinellem Lernen und dynamischen, zeitverzögerten Einbettungsmodellen verbinden; (b) leistungsstarke Rechenverfahren wie iterierte Filterung, Partikel-Markov-Chain und Hamilton-Monte-Carlo Simulationen verwenden; und (c) vorhandene Daten der DHSI2, HDSS von Nouna und Kisumu analysieren, die Ergebnisse skalierter Klimamodelle einbeziehen, sowie hydrometeorologische und Satellitendaten verwenden.
Veranlassung Das vom Bundesministerium für Bildung und Forschung (BMBF) finanzierte West African Science Service Centre on Climate Change and Adapted Land Use (WASCAL) ist ein forschungsorientiertes Klimaservicezentrum, dessen Fokus auf der Bewältigung klimabedingter Herausforderungen in Westafrika liegt. Dies erfolgt durch die Stärkung der Forschungsinfrastruktur sowie die Förderung von Kapazitäten durch die Bündelung des Fachwissens von zwölf westafrikanischen Ländern (Benin, Burkina Faso, Kap Verde, Elfenbeinküste, Gambia, Ghana, Guinea, Mali, Niger, Nigeria, Senegal, Togo) und Deutschland. Im Jahr 2012 initiierte WASCAL sein erstes Graduiertenprogramm (GSP). Im Vergleich zu anderen Graduiertenstudiengängen in Westafrika zeichnet sich das GSP insbesondere durch seine starke internationale Ausrichtung aus. Dieser Fokus manifestiert sich in der Tatsache, dass in jedem der zehn von WASCAL unterstützten GSPs jeweils ein Doktorand aus den zwölf WASCAL-Mitgliedsländern vertreten ist. Das ICWRGC fungiert als deutsches Partnerinstitut für das Doktorandenprogramm „Klimawandel und Wasserressourcen“ an der Universität von Abomey-Calavi (UAC) in Benin. Ziele - Unterstützung des Graduate School Programme der WASCAL-Partner-Universität: das Doktorandenprogramm „Klimawandel und Wasserressourcen“ an der Universität von Abomey-Calavi in Benin. - Stärkung des deutschen Netzwerks der WASCAL-Graduiertenschulen. - Initialisierung eines europäischen Netzwerks zur akademischen Ausbildung zur Anpassung an den Klimawandel in Afrika. Das vom Bundesministerium für Bildung und Forschung (BMBF) finanzierte West African Science Service Centre on Climate Change and Adapted Land Use (WASCAL) ist ein forschungsorientiertes Klimaservicezentrum, dessen Fokus auf der Bewältigung klimabedingter Herausforderungen in Westafrika liegt. Dies erfolgt durch die Stärkung der Forschungsinfrastruktur sowie die Förderung von Kapazitäten durch die Bündelung des Fachwissens von zwölf westafrikanischen Ländern (Benin, Burkina Faso, Kap Verde, Elfenbeinküste, Gambia, Ghana, Guinea, Mali, Niger, Nigeria, Senegal, Togo) und Deutschland. Im Jahr 2012 initiierte WASCAL sein erstes Graduiertenprogramm (GSP). Im Vergleich zu anderen Graduiertenstudiengängen in Westafrika zeichnet sich das GSP insbesondere durch seine starke internationale Ausrichtung aus. Dieser Fokus manifestiert sich in der Tatsache, dass in jedem der zehn von WASCAL unterstützten GSPs jeweils ein Doktorand aus den zwölf WASCAL-Mitgliedsländern vertreten ist. Das ICWRGC fungiert als deutsches Partnerinstitut für das Doktorandenprogramm „Klimawandel und Wasserressourcen“ an der Universität von Abomey-Calavi (UAC) in Benin.
DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]
DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]
DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]
Der Anstieg der globalen Temperaturen und extremer Hitze haben erhebliche Auswirkungen auf die Gesundheit und das sozioökonomische Wohlergehen von Menschen, wobei einkommensschwache Länder besonders betroffen sind. Ländliche Regionen in diesen Ländern sind besonders gefährdet, da sie weniger Anpassungsmöglichkeiten haben. Besonders benachteiligte Gruppen wie arme Menschen, Frauen, Kinder, ältere Menschen und Menschen mit gesundheitlichen Vorbelastungen sind häufig eingeschränkt im Zugang zu Ressourcen, Bildung und Gesundheitsversorgung, was ihre Anpassungsfähigkeit an extreme Hitze erheblich einschränkt. Da Menschen viel Zeit in Innenräumen verbringen, ist die Senkung der Innentemperaturen eine zentrale Anpassungsstrategie gegen Hitzestress, da sie dem Körper ermöglicht, sich von hoher Außentemperaturen zu erholen. Studien zeigen, dass niedrigere Innentemperaturen die Ernährungssicherheit, Gesundheit, das Sozialverhalten und die kognitive Leistung fördern. Energieintensive Maßnahmen wie Klimaanlagen erhöhen jedoch den Energiebedarf und Emissionen und sind in ressourcenarmen, ländlichen Gebieten im Globalen Süden oft nicht realisierbar. Passive Kühltechniken, wie kühle Dächer, bieten eine kostengünstige Möglichkeit zur Senkung der Innentemperatur und können Ernährungssicherheit, Gesundheit und Wohlstand verbessern. Die Auswirkungen dieser Technologien sind jedoch weitgehend unerforscht. Um diese Wissenslücke zu schließen, verwenden wir umfassende Haushalts- und Individualdaten aus einer geclusterten randomisierten Kontrollstudie (cRCT) und feinkörnige Daten zu Innen- und Außentemperaturen, die Kausalität identifizieren lassen. Aufbauend auf einem DFG-geförderten Forschungsprogramm zu öffentlicher Gesundheit soll unsere Studie empirische Belege für die kausalen Auswirkungen von Innentemperaturen und passiven Kühltechniken auf Ernährungssicherheit, innerfamiliäre Spannungen, Humankapitalentwicklung und psychische Gesundheit liefern. Diese Themen sind sowohl wissenschaftlich relevant als auch grundlegend für das unmittelbare und langfristige Wohlbefinden, insbesondere in Ländern mit niedrigem Einkommen. Da sie miteinander verknüpft sind und sich gegenseitig verstärken, sind sie für das Verständnis der breiteren Entwicklungs- und Gesundheitsergebnisse von wesentlicher Bedeutung. Zudem werden wir die potenziellen Mechanismen, die den Einflüssen der Innentemperatur und passiven Kühlstrategien auf das Wohlergehen und Verhalten von fünf gefährdeten Gruppen (arme Menschen, Frauen, Kinder, ältere Menschen und Menschen mit psychischen Erkrankungen) zugrunde liegen, identifizieren und prüfen. Dieser Ansatz ist nicht nur entscheidend für die Quantifizierung der verschiedenen Auswirkungen der Innentemperaturen auf gefährdete Gruppen, sondern liefert auch wertvolle Erkenntnisse für die Entwicklung gezielter Interventionen und Anpassungsstrategien im Kontext des Klimawandels.
Unser Projekt baut auf die erste Förderphase der Forschergruppe auf, welche die negativen Auswirkungen des Klimawandels auf den Ernährungszustand von Kindern in der Provinz Kossi (Burkina Faso) und im Siaya County (Kenya) zeigte. Auf dieser Grundlage werden wir in der zweiten Förderphase Erkenntnisse über die Wirksamkeit und Kosteneffizienz von landwirtschaftlichen Anpassungsstrategien gewinnen, die den negativen Auswirkungen des Klimawandels auf den Ernährungszustand von Kindern entgegenwirken. Wir untersuchen geplante als auch autonome landwirtschaftlichen Strategien und konzentrieren uns dabei auf bereits existente Interventionen in den beiden obigen Settings. Die resultierenden Erkenntnisse werden einen wichtigen Beitrag sowohl zum akademischen als auch politischen Diskurs über die Rolle von landwirtschaftliche Anpassungsstrategien bei der Abschwächung negativer Klimawandelfolgen auf den Ernährungszustand von Kindern leisten. Wir verfolgen dieses übergeordnete Ziel durch vier spezifische Sub-Ziele: 1. Verbesserung von Exposure-Response-Functions (ERF), die Klimaschwankungen mit Verfügbarkeit von Nahrungsmitteln und dem Ernährungszustand von Kindern verknüpfen; 2. Untersuchung der Nutzung und Reichweite geplanter und autonomer landwirtschaftlicher Anpassungsstrategien; 3. Erstellung von Adaptation-Response-Functions (ARF), die Nutzung landwirtschaftlicher Anpassungsstrategien mit Verfügbarkeit von Nahrungsmitteln und dem Ernährungszustand von Kindern verknüpfen; 4. Ermittlung des wirtschaftlichen Wertes ausgewählter landwirtschaftlicher Anpassungsstrategien. Wir arbeiten dabei mit einem mixed and multi methods-Ansatz, der verschiedene Datenquellen in quantitativen und qualitativen Analysen integriert. Haushaltskohorten, darunter 4050 Kinder in der Kossi und 2784 Kinder im Siaya, stehen im Mittelpunkt unseres Projekts. Sie liefern Längsschnittdaten über den Unterernährungszustand der Kinder in Verbindung mit ihrem sozioökonomischen Kontext und lokalen landwirtschaftliche Produktionsverfahren. Zur Verbesserung existenter ERF verknüpfen wir diese Längschnittdaten über einen Zeitraum von fünf Jahren mit den Daten zur Wettervariabilität aus Klimastationen in beiden Untersuchungsgebieten sowie mit Daten zu Ernteerträgen, die durch Fernerkundungsmodelle generiert wurden. Zur Ermittlung der ARF wird derselbe Datensatz auch mit Daten zur Nutzung landwirtschaftlicher Anpassungsstrategien verknüpft, die im gesamten HDSS erhoben und mit Paneldaten-Methoden analysiert werden. Daten zur Wirksamkeit ausgewählter Anpassungsstrategien werden zur Schätzung der Kosteneffizient im Vergleich zum status quo mit Daten zu ihren Kosten verknüpft. Zur Integration der diversen quantitativen Ergebnisse verwenden wir qualitative Methoden, um so zu erklären, welche Umwelt- und Haushaltsfaktoren Entscheidungen zur Anpassung landwirtschaftlicher Praxis und deren Auswirkungen auf den Ernährungszustand der Kinder beeinflussen.
Weltweit beeinflusst der Klimawandel eine Vielzahl von Faktoren die Erkrankungen begünstigen, insbesondere in Subsahara-Afrika. Jedoch haben sich nur wenige empirische Studien auf die Auswirkungen des Klimawandels, sowie auf Anpassungsstrategien und entsprechende Interventionen im ressourcenarmen Kotext in Subsahara-Afrika konzentriert. Ein Hauptgrund für diesen Mangel an Studien und wissenschaftlichen Ergebnissen ist, dass die Forschungsinfrastrukturen, die die Gesundheitsforschung in afrikanischen Ländern südlich der Sahara unterstützen - insbesondere innerhalb der HDSS -, es bisher nicht erlauben, viele der dringlichsten Forschungsfragen in Bezug auf Klimawandel und Gesundheit zu untersuchen. In der ersten Phase des Projektes konnten wir neue Erkenntnisse schaffen dahingehend wie ein HDSS erweitert und aufgebaut werden kann um Forschung im Bereich Klimawandel und Gesundheit ebenso selbstverständlich und produktiv durchzuführen wie es bereits für andere empirische Populationsforschung möglich ist. Unser erster methodischer Ansatz begleitet die Übersetzung unserer Machbarkeitsstudie der ersten Projektphase in einen populations-basierten Ansatz - diese Komponente ist begleitet durch einen Mixed-Methods-Ansatz. Dabei werden Erkenntnisse zu Prozessen und Erfahrungen aus verschiedenen Quellen ("technologische Tagebücher", Interviews und HDSS-Routinedaten) gesammelt, die uns helfen die besten Ansätze für klimarelevante Gesundheitsforschung zu finden. Darüber hinaus möchten wir die Performanz einer langzeitig Datensammlung evaluieren, und diese Kohorte, die mit neuen individuellen Sensoren ausgestattet sind erforschen hinsichtlich Hitzestress, den wir mit den Wearable-gemessenen Variablen messen (Herzfrequenz, Lungenfunktion, Aktivität, Schlafdauer). Wir werden weiterhin Forschungsergebnisse zu Klimawandel und Gesundheit in Informationen umsetzen, die politischen Entscheidungsträgern und der breiten Öffentlichkeit zur Verfügung stehen, indem wir Dashboards entwickeln, die die Auswirkungen des Klimawandels und der Gesundheit in gefährdeten Bevölkerungsgruppen visualisieren. Diese Dateninfrastruktur, die wir so aus bestehenden HDSS schaffen, kann nun auch überführt in graph-basierte Datenbanken „Big Data“-Analysen ermöglichen, und uns erlauben Methoden der künstlichen Intelligenz anzuwenden. HDSS-Daten können somit wichtige Erkenntnisse liefern, um die Wissenslücke zu schließen und neue Lösungen für einige der kritischsten Klima- und Gesundheitsprioritäten Afrikas zu finden. Zusätzlich zu diesen beschriebenen Studien, liefert das Projekt CP1 zentrale Beiträge zu allen anderen Projekten dieser Forschungsgruppe.
| Origin | Count |
|---|---|
| Bund | 67 |
| Land | 4 |
| Type | Count |
|---|---|
| Ereignis | 2 |
| Förderprogramm | 63 |
| unbekannt | 3 |
| License | Count |
|---|---|
| geschlossen | 1 |
| offen | 64 |
| unbekannt | 3 |
| Language | Count |
|---|---|
| Deutsch | 51 |
| Englisch | 35 |
| Resource type | Count |
|---|---|
| Datei | 1 |
| Dokument | 1 |
| Keine | 35 |
| Webseite | 33 |
| Topic | Count |
|---|---|
| Boden | 56 |
| Lebewesen und Lebensräume | 68 |
| Luft | 48 |
| Mensch und Umwelt | 68 |
| Wasser | 44 |
| Weitere | 67 |