Karstgrundwasserleiter spielen im Alpenraum eine wichtige Rolle. Sie bedecken etwa 56% der Fläche, und ein erheblicher Teil der Bevölkerung ist ganz oder teilweise von Trinkwasser aus Karstquellen abhängig, die oft mit wertvollen Ökosystemen verbunden sind und zur Wasserkrafterzeugung beitragen. Die Alpen zählen nach Studien zu den am stärksten vom Klimawandel betroffenen Gebieten in Europa. Als Folge der steigenden Temperaturen werden sich die gespeicherten Mengen an Schnee und Eis stark verringern, was zu einer Verschiebung zwischen Wasserhaushaltskomponenten in Verbindung mit einer saisonalen Umverteilung der Niederschläge führt. Außerdem wird erwartet, dass Hoch- und Niedrigwasserereignisse häufiger auftreten werden. Der Stand der Technik bei der Modellierung der Schüttung von Karstquellen, meist mittels konventioneller numerischer Modelle, ist auf standortspezifische, oft aufwändige und nicht übertragbare wissenschaftliche Studien beschränkt, die manuelle Modellabstimmung und Kalibrierung erfordern. Bis heute gibt es keinen leicht übertragbaren Ansatz, der gleichzeitig auf viele Karstquelleinzugsgebiete anwendbar ist. In diesem Projekt werden wir einen modernen, Deep-Learning basierten Ansatz zur Modellierung der Schüttung von Karstquellen entwickeln, der sich besonders gut eignet, übertragbare Modelle, die Informationen von verschiedenen Standorten nutzen können, aufzubauen. Deep Learning ist ein Teilgebiet des maschinellen Lernens, basierend auf künstlichen neuronalen Netzen, das sich sowohl bei akademischen als auch bei industriellen Anwendungen als sehr erfolgreich erwiesen hat. Die vorgeschlagene Studienregion sind die Alpen, mit Karstgebieten in Österreich, der Schweiz, Deutschland, Frankreich, Italien und Slowenien, mit einem Schwerpunkt auf dem besonders vom Klimawandel betroffenen von der Alpenkonvention abgegrenzten Gebirgsgebiet. Als Grundlage der Studie dient das World Karst Spring Database (WoKaS). Es wird im Laufe des Projekts mit zusätzlichen Daten von Behörden und Wasserversorgern ergänzt, insbesondere in Regionen mit bislang schlechter Abdeckung. Die Arbeiten beinhalten die Erstellung eines umfassenden Datensatzes mit Einzugsgebietsattributen und meteorologischen Einflussgrößen für etwa 150 Quellen. Klassische Lumped-Parameter-Modelle werden als Benchmarks aufgesetzt und mit den neu entwickelten Deep-Learning basierten Modellergebnissen verglichen. Ziel ist es, die Eignung neuartiger Deep-Learning Modellansätze für die Abschätzung der Auswirkungen des Klimawandels für eine Vielzahl von kurz- und langfristigen Vorhersagen zu untersuchen. Eine vertiefende Fallstudie des Dachsteingebietes, dessen große Karstregion wesentlich zur Wasserversorgung und Wasserkrafterzeugung beiträgt, wird die vergleichende Untersuchung mit einem numerischen 3D-Modell erweitern. Schließlich werden die entwickelten Modelle dazu verwendet, um Auswirkungen des Klimawandels auf die alpinen Karstgrundwasserressourcen vorherzusagen.
Im geplanten Forschungsprojekt sollen Szenarien von Systemereignissen im Rahmen des zu erwartenden urbanen Klimawandels unter anthropogen verstärktem Treibhauseffekt entwickelt werden. Die Szenarien stellen fundierte, lokal differenzierte und besonders anschauliche Informationen zu Systemereignissen in einem zukünftigen Klima bereit. Basis hierfür ist die realistische und kohärente Abschätzung relevanter Wetterereignisse und die Berücksichtigung der lokalspezifischen Vulnerabilität. Das Konzept soll anhand einer konkreten Fallstudie entwickelt und erprobt werden. Als Systemereignis werden Temperaturextreme, die für die thermische Belastung der städtischen Bevölkerung von Bedeutung sind, in der mitteleuropäischen Großstadt Augsburg, Bayern (Einwohner: 283544, Stand 31.12.2014, Amt für Statistik und Stadtforschung, Stadt Augsburg 2015) herangezogen. Dieses Untersuchungsgebiet eignet sich aufgrund der bereits verfügbaren stadtklimatologischen Datenbasis und der räumlichen Nähe in besonderer Weise. Aufbauend auf den Ergebnissen der Fallstudie wird eine übergreifende Bewertung des Konzeptes der Szenarien von Systemereignissen vorgenommen und eine umfassende Analyse hinsichtlich seiner Generalisierbarkeit bezüglich anderer klimatisch induzierter Systemereignisse (z. B. Starkregen, Trockenheit) und anderer Städte mit abweichenden makro- (klimazonalen) und mesoskaligen (topographische und stadtstrukturelle) Verhältnisse durchgeführt.
Der Kilimanjaro weist zur Zeit noch einen weitgehend geschlossenen Waldgürtel auf. Durch eine stark unterschiedliche Niederschlagsverteilung einerseits und eine ausgeprägte Höhenzonierung andererseits ergibt sich eine hohe Diversität der Waldbestände im Hinblick auf Artenzusammensetzung, Schichtung und Lebensformen. Insbesondere der Bergwald des Südhanges ist in seiner Vielfalt nicht nur wegen seines Epiphyten- und Farnreichtums einzigartig in Ostafrika. Hier finden sich große Gebiete, die aufgrund ihrer Unzugänglichkeit noch unberührt sind. Somit bietet sich die einmalige Gelegenheit, diesen interessanten Lebensraum in natürlicher Ausprägung zu studieren. Dies wurde vom Antragsteller in einem vorangegangenen DFG-Projekt begonnen. Im Rahmen des hier beantragten Habilstipendiums soll dieses umfangreiche Projekt abgeschlossen werden. Erstes Ziel ist die Vervollständigung der vegetationskundlich ökologischen Bestandserfassung aller Waldtypen und ihrer Regeneration. Im Anschluss daran eine Vegetationskarte erstellt werden. Mit diesen Arbeiten wird eine wissenschaftliche Grundlage für die immer dringlicher werdenden gezielten Schutzmaßnahmen geschaffen.
Dieser Beitrag untersucht das Potenzial der logistischen Unterstützungsfunktion von Biosphärenreservaten der United Nations Educational, Scientific and Cultural Organization (UNESCO) in Hinblick auf ihren Beitrag zur Erreichung der globalen Ziele für nachhaltige Entwicklung (Sustainable Development Goals – SDG). Der Schwerpunkt liegt dabei auf Forschung, Bildung und Jugendbeteiligung. Anhand einer Analyse ausgewählter Fallstudien aus der Republik Südafrika, dem Königreich Lesotho und der Demokratischen Republik Kongo wird aufgezeigt, dass Biosphärenreservate durch die Nutzung der logistischen Unterstützungsfunktion als Reallabore (living labs) für Forschung zu nachhaltiger Entwicklung, Bildung und Jugendbeteiligung dienen können und damit einen Beitrag zur Erreichung der SDG leisten. Dieses Potenzial wird jedoch häufig nicht hinreichend genutzt, u. a. weil Mittel und Kenntnisse hinsichtlich der Funktionen von Biosphärenreservaten begrenzt sind und geeignete Bildungs- und Partizipationsansätze nicht hinreichend genutzt werden. Basierend auf diesen Erkenntnissen schlagen wir vor, die Möglichkeiten von Biosphärenreservaten hinsichtlich inter- und transdisziplinärer Forschung, integrativer Bildung und Jugendpartizipation stärker zu nutzen.
Schutzgebiete tragen in unterschiedlichem Ausmaß zur Erhaltung der biologischen Vielfalt bei. Daher ist eine Bewertung nach der Evaluationsmethode des High Conservation Value (HCV) sinnvoll. Diese Methode berücksichtigt am Rande auch die Rolle des Parkmanagements, sei dieses klassisch nach dem ausschließenden Yellowstone-Prinzip oder modern und damit partizipativ. Basierend auf dem Modell der sozial-ökologischen Systeme wird in dieser Studie betrachtet, wie sich die unterschiedlichen Ansätze des Parkmanagements auswirken, wobei das weltweit bekannte Serengeti-Mara-Ökosystem als Fallstudie dient. Die involvierten Schutzgebiete haben eine lange Geschichte mit wechselnden Abgrenzungen, Naturschutzregimes, Landnutzungs- und Tourismuspolitiken sowie wiederkehrende sozio-politische Konflikte. Insbesondere der steigende Bevölkerungsdruck durch die Anrainer infolge hoher Geburtenraten und Binnenmigration sowie der damit einhergehende sich beschleunigende Landnutzungswandel werfen ernste Fragen bezüglich der langfristigen Resilienz des Ökosystems auf.