Shallow coastal marine ecosystems are exposed to intensive warming events in the last decade, threatening keystone macroalgal species such as the bladder wrack (Fucus vesiculosus, Phaeophyceae) in the Baltic Sea. Herein, we experimentally tested in four consecutive benthic mesocosm experiments, if the single and combined impact of elevated seawater temperature (+ 5◦C) and pCO2 (1100 ppm) under natural irradiance conditions seasonally affected the photophysiological performance (i.e., oxygen production, in vivo chlorophyll a fluorescence, energy dissipation pathways and chlorophyll concentration) of Baltic Sea Fucus. Photosynthesis was highest in spring/early summer when water temperature and solar irradiance increases naturally, and was lowest in winter (December to January/February). Temperature had a stronger effect than pCO2 on photosynthetic performance of Fucus in all seasons. In contrast to the expectation that warmer winter conditions might be beneficial, elevated temperature conditions and sub-optimal low winter light conditions decreased photophysiological performance of Fucus. In summer, western Baltic Sea Fucus already lives close to its upper thermal tolerance limit and future warming of the Baltic Sea during summer may probably become deleterious for this species. However, our results indicate that over most of the year a combination of future ocean warming and increased pCO2 will have slightly positive effects for Fucus photophysiological performance.
The CHAMP mission provided a great amount of geomagnetic data all over the globe from 2000 to 2010. Its dense data coverage has allowed us to build GRIMM - GFZ Reference Internal Magnetic Model - which has the highest ever resolution for the core field in both space and time. We have already modeled the fluid flow in the Earth's outer core by applying the diffusionless magnetic induction equation to the latest version of GRIMM, to find that the flow evolves on subdecadal timescales, with a remarkable correlation to the observed fluctuation of Earth rotation. These flow models corroborated the presence of six-year torsional oscillations in the outer core fluid. Torsional oscillation (TO) is a type of hydromagnetic wave, theoretically considered to form the most important element of decadal or subdecadal core dynamics. It consists of relative azimuthal rotations of rigid fluid annuli coaxial with the mantle's rotation and dynamically coupled with the mantle and inner core. In preceding works, the TOs have been studied by numerical simulations, either with full numerical dynamos, or solving eigenvalue problems ideally representing the TO system. While these studies drew insights about dynamical aspects of the modeled TOs, they did not directly take into account the observations of geomagnetic field and Earth rotation. Particularly, there have been no observation-based studies for the TO using satellite magnetic data or models. In the proposed project, we aim at revealing the subdecadal dynamics and energetics of the Earth's core-mantle system on the basis of satellite magnetic observations. To that end, we will carry out four work packages (1) to (4), for all of which we use GRIMM. (1) We perform timeseries analyses of core field and flow models, to carefully extract the signals from TOs at different latitudes. (2) We refine the conventional flow modeling scheme by parameterizing the magnetic diffusion at the core surface. Here, the diffusion term is reinstated in the magnetic induction equation, which is dynamically constrained by relating it to the Lorentz term in the Navier-stokes equation. (3) We develop a method to compute the electromagnetic core-mantle coupling torque on the core fluid annuli, whereby the energy dissipation due to the Joule heating is evaluated for each annulus. This analysis would provide insights on whether the Earth's TOs are free or forced oscillations. (4) Bringing together physical implications and computational tools obtained by (1) to (3), we finally construct a dynamical model for the Earth's TOs and core-mantle coupling such that they are consistent with GRIMM and Earth rotation observation. This modeling is unique in that the force balances concerning the TOs are investigated in time domain, as well as that the modeling also aims at improving the observation-based core flow model by considering the core dynamics.
Jedes Jahr werfen private Haushalte in Deutschland 6,3 Millionen Tonnen Nahrungsmittel weg – eine alarmierende Zahl, die zeigt, wie verschwenderisch mit wertvollen Ressourcen umgegangen wird. Besonders betroffen sind Gemüse und Obst (35 %), zubereitete Speisen (15 %) sowie Brot und Backwaren (13 %). Diese Verschwendung belastet nicht nur die Umwelt durch den unnötigen Verbrauch von Wasser, Energie, Ackerland und Verpackungsmaterial, sondern auch den eigenen Geldbeutel. Indem Sie Lebensmittel bewusster nutzen und wertschätzen, können Sie aktiv zur Schonung von Ressourcen und Kosten beitragen. Jeder Beitrag zählt, um Berlin nachhaltiger und ressourcenschonender zu machen. Einfache Tipps, wie hier in der Grafik dargestellt, ermöglichen es, Lebensmittelabfälle im Alltag ohne großen Aufwand erfolgreich zu reduzieren. Bleibt doch etwas übrig, dann geben die nachfolgenden Rezeptkarten kreative Anregungen, mit denen sich Lebensmittelreste im Handumdrehen in leckere neue Gerichte umwandeln lassen. Zahlreiche weitere Reste-Rezepte finden Sie beispielsweise in der App „Zu gut für die Tonne!“ . Verschimmelte und verdorbene Nahrungsmittel gehören in die Biotonne und nicht in den Restmüll!
Kältetechnische Versorgungssysteme in Industriegebäuden werden bis dato überwiegend konventionell ausgelegt und betrieben ohne Berücksichtigung mehrdimensionaler, zeitvariabler und stochastischer Abhängigkeiten. Das Forschungsprojekt EISKIG identifiziert durch Daten- und KI-basierte Optimierungsverfahren in der Gebäudekältetechnik entsprechende Energieverschwendungen bzw. Effizienzpotenziale, leitet Maßnahmen für einen optimierten Anlagenbetrieb ab und setzt diese in der industriellen Praxis um. Das übergeordnete Ziel von EISKIG besteht darin, ein autonom agierendes System aufzubauen, welches über KI-basierte Optimierungsverfahren selbstständig die Betriebsstrategie relevanter Anlagen analysiert und optimiert, um die Energieeffizienz und Energieflexibilität zu steigern, den Implementierungsaufwand zu minimieren und die Nutzerakzeptanz zu erhöhen. Dabei wird die Realisierung von mindestens 15 % Energieeinsparungen ausgewählter Kälteversorgungssysteme von Projektpartnern der Chemie-, Anlagen-/Maschinenbau- und IT-Branche angestrebt. Die optimierten Betriebsstrategien werden in zwei Phasen in der realen Anwendung validiert. In einer ersten Phase werden die Steuersignale berechnet und vorgeschlagen, in einer zweiten Phase findet bei Sicherstellung der Aufrechterhaltung aller versorgungstechnischen Anforderungen die automatisierte Übergabe der Steuersignale an die Kälteversorgungssysteme statt. Die Rolle der Kälteversorgung als Querschnittstechnologie wird in der Diversität der untersuchten Anwendungsfälle deutlich. Die Skalierbarkeit aller angewendeten und entwickelten Verfahren ist deshalb ein zentraler Bestandteil des Projekts.
Kältetechnische Versorgungssysteme in Industriegebäuden werden bis dato überwiegend konventionell ausgelegt und betrieben ohne Berücksichtigung mehrdimensionaler, zeitvariabler und stochastischer Abhängigkeiten. Das Forschungsprojekt EISKIG identifiziert durch Daten- und KI-basierte Optimierungsverfahren in der Gebäudekältetechnik entsprechende Energieverschwendungen bzw. Effizienzpotenziale, leitet Maßnahmen für einen optimierten Anlagenbetrieb ab und setzt diese in der industriellen Praxis um. Das übergeordnete Ziel von EISKIG besteht darin, ein autonom agierendes System aufzubauen, welches über KI-basierte Optimierungsverfahren selbstständig die Betriebsstrategie relevanter Anlagen analysiert und optimiert, um die Energieeffizienz und Energieflexibilität zu steigern, den Implementierungsaufwand zu minimieren und die Nutzerakzeptanz zu erhöhen. Dabei wird die Realisierung von mindestens 15 % Energieeinsparungen ausgewählter Kälteversorgungssysteme von Projektpartnern der Chemie-, Anlagen-/Maschinenbau- und IT-Branche angestrebt. Die optimierten Betriebsstrategien werden in zwei Phasen in der realen Anwendung validiert. In einer ersten Phase werden die Steuersignale berechnet und vorgeschlagen, in einer zweiten Phase findet bei Sicherstellung der Aufrechterhaltung aller versorgungstechnischen Anforderungen die automatisierte Übergabe der Steuersignale an die Kälteversorgungssysteme statt. Die Rolle der Kälteversorgung als Querschnittstechnologie wird in der Diversität der untersuchten Anwendungsfälle deutlich. Die Skalierbarkeit aller angewendeten und entwickelten Verfahren ist deshalb ein zentraler Bestandteil des Projekts.
Kältetechnische Versorgungssysteme in Industriegebäuden werden bis dato überwiegend konventionell ausgelegt und betrieben ohne Berücksichtigung mehrdimensionaler, zeitvariabler und stochastischer Abhängigkeiten. Das Forschungsprojekt EISKIG identifiziert durch Daten- und KI-basierte Optimierungsverfahren in der Gebäudekältetechnik entsprechende Energieverschwendungen bzw. Effizienzpotenziale, leitet Maßnahmen für einen optimierten Anlagenbetrieb ab und setzt diese in der industriellen Praxis um. Das übergeordnete Ziel von EISKIG besteht darin, ein autonom agierendes System aufzubauen, welches über KI-basierte Optimierungsverfahren selbstständig die Betriebsstrategie relevanter Anlagen analysiert und optimiert, um die Energieeffizienz und Energieflexibilität zu steigern, den Implementierungsaufwand zu minimieren und die Nutzerakzeptanz zu erhöhen. Dabei wird die Realisierung von mindestens 15 % Energieeinsparungen ausgewählter Kälteversorgungssysteme von Projektpartnern der Chemie-, Anlagen-/Maschinenbau- und IT-Branche angestrebt. Die optimierten Betriebsstrategien werden in zwei Phasen in der realen Anwendung validiert. In einer ersten Phase werden die Steuersignale berechnet und vorgeschlagen, in einer zweiten Phase findet bei Sicherstellung der Aufrechterhaltung aller versorgungstechnischen Anforderungen die automatisierte Übergabe der Steuersignale an die Kälteversorgungssysteme statt. Die Rolle der Kälteversorgung als Querschnittstechnologie wird in der Diversität der untersuchten Anwendungsfälle deutlich. Die Skalierbarkeit aller angewendeten und entwickelten Verfahren ist deshalb ein zentraler Bestandteil des Projekts.
Kältetechnische Versorgungssysteme in Industriegebäuden werden bis dato überwiegend konventionell ausgelegt und betrieben ohne Berücksichtigung mehrdimensionaler, zeitvariabler und stochastischer Abhängigkeiten. Das Forschungsprojekt EISKIG identifiziert durch Daten- und KI-basierte Optimierungsverfahren in der Gebäudekältetechnik entsprechende Energieverschwendungen bzw. Effizienzpotenziale, leitet Maßnahmen für einen optimierten Anlagenbetrieb ab und setzt diese in der industriellen Praxis um. Das übergeordnete Ziel von EISKIG besteht darin, ein autonom agierendes System aufzubauen, welches über KI-basierte Optimierungsverfahren selbstständig die Betriebsstrategie relevanter Anlagen analysiert und optimiert, um die Energieeffizienz und Energieflexibilität zu steigern, den Implementierungsaufwand zu minimieren und die Nutzerakzeptanz zu erhöhen. Dabei wird die Realisierung von mindestens 15 % Energieeinsparungen ausgewählter Kälteversorgungssysteme von Projektpartnern der Chemie-, Anlagen-/Maschinenbau- und IT-Branche angestrebt. Die optimierten Betriebsstrategien werden in zwei Phasen in der realen Anwendung validiert. In einer ersten Phase werden die Steuersignale berechnet und vorgeschlagen, in einer zweiten Phase findet bei Sicherstellung der Aufrechterhaltung aller versorgungstechnischen Anforderungen die automatisierte Übergabe der Steuersignale an die Kälteversorgungssysteme statt. Die Rolle der Kälteversorgung als Querschnittstechnologie wird in der Diversität der untersuchten Anwendungsfälle deutlich. Die Skalierbarkeit aller angewendeten und entwickelten Verfahren ist deshalb ein zentraler Bestandteil des Projekts.
Kältetechnische Versorgungssysteme in Industriegebäuden werden bis dato überwiegend konventionell ausgelegt und betrieben ohne Berücksichtigung mehrdimensionaler, zeitvariabler und stochastischer Abhängigkeiten. Das Forschungsprojekt EISKIG identifiziert durch Daten- und KI-basierte Optimierungsverfahren in der Gebäudekältetechnik entsprechende Energieverschwendungen bzw. Effizienzpotenziale, leitet Maßnahmen für einen optimierten Anlagenbetrieb ab und setzt diese in der industriellen Praxis um. Das übergeordnete Ziel von EISKIG besteht darin, ein autonom agierendes System aufzubauen, welches über KI-basierte Optimierungsverfahren selbstständig die Betriebsstrategie relevanter Anlagen analysiert und optimiert, um die Energieeffizienz und Energieflexibilität zu steigern, den Implementierungsaufwand zu minimieren und die Nutzerakzeptanz zu erhöhen. Dabei wird die Realisierung von mindestens 15 % Energieeinsparungen ausgewählter Kälteversorgungssysteme von Projektpartnern der Chemie-, Anlagen-/Maschinenbau- und IT-Branche angestrebt. Die optimierten Betriebsstrategien werden in zwei Phasen in der realen Anwendung validiert. In einer ersten Phase werden die Steuersignale berechnet und vorgeschlagen, in einer zweiten Phase findet bei Sicherstellung der Aufrechterhaltung aller versorgungstechnischen Anforderungen die automatisierte Übergabe der Steuersignale an die Kälteversorgungssysteme statt. Die Rolle der Kälteversorgung als Querschnittstechnologie wird in der Diversität der untersuchten Anwendungsfälle deutlich. Die Skalierbarkeit aller angewendeten und entwickelten Verfahren ist deshalb ein zentraler Bestandteil des Projekts.
Kältetechnische Versorgungssysteme in Industriegebäuden werden bis dato überwiegend konventionell ausgelegt und betrieben ohne Berücksichtigung mehrdimensionaler, zeitvariabler und stochastischer Abhängigkeiten. Das Forschungsprojekt EISKIG identifiziert durch Daten- und KI-basierte Optimierungsverfahren in der Gebäudekältetechnik entsprechende Energieverschwendungen bzw. Effizienzpotenziale, leitet Maßnahmen für einen optimierten Anlagenbetrieb ab und setzt diese in der industriellen Praxis um. Das übergeordnete Ziel von EISKIG besteht darin, ein autonom agierendes System aufzubauen, welches über KI-basierte Optimierungsverfahren selbstständig die Betriebsstrategie relevanter Anlagen analysiert und optimiert, um die Energieeffizienz und Energieflexibilität zu steigern, den Implementierungsaufwand zu minimieren und die Nutzerakzeptanz zu erhöhen. Dabei wird die Realisierung von mindestens 15 % Energieeinsparungen ausgewählter Kälteversorgungssysteme von Projektpartnern der Chemie-, Anlagen-/Maschinenbau- und IT-Branche angestrebt. Die optimierten Betriebsstrategien werden in zwei Phasen in der realen Anwendung validiert. In einer ersten Phase werden die Steuersignale berechnet und vorgeschlagen, in einer zweiten Phase findet bei Sicherstellung der Aufrechterhaltung aller versorgungstechnischen Anforderungen die automatisierte Übergabe der Steuersignale an die Kälteversorgungssysteme statt. Die Rolle der Kälteversorgung als Querschnittstechnologie wird in der Diversität der untersuchten Anwendungsfälle deutlich. Die Skalierbarkeit aller angewendeten und entwickelten Verfahren ist deshalb ein zentraler Bestandteil des Projekts.
| Organisation | Count |
|---|---|
| Bund | 98 |
| Europa | 10 |
| Land | 5 |
| Weitere | 7 |
| Wissenschaft | 32 |
| Zivilgesellschaft | 8 |
| Type | Count |
|---|---|
| Daten und Messstellen | 4 |
| Ereignis | 4 |
| Förderprogramm | 90 |
| Text | 14 |
| Umweltprüfung | 1 |
| unbekannt | 2 |
| License | Count |
|---|---|
| Geschlossen | 17 |
| Offen | 98 |
| Language | Count |
|---|---|
| Deutsch | 92 |
| Englisch | 37 |
| Resource type | Count |
|---|---|
| Archiv | 1 |
| Bild | 1 |
| Datei | 7 |
| Dokument | 6 |
| Keine | 65 |
| Webseite | 41 |
| Topic | Count |
|---|---|
| Boden | 86 |
| Lebewesen und Lebensräume | 76 |
| Luft | 51 |
| Mensch und Umwelt | 115 |
| Wasser | 48 |
| Weitere | 115 |