Borealen Wälder speichern fast ein Drittel des weltweiten terrestrischen Kohlenstoffs in Biomasse und Böden. Die Stabilität dieser Kohlenstoffvorräte ist in der jüngsten Zeit intensiv diskutiert worden, denn es wird erwartet, dass Waldstörungen wie etwa Insektenausbrüche, Stürme oder Brände im Klimawandel zunehmen werden. Während für die nordamerikanischen und europäischen borealen Wälder eine solide Wissensbasis über sich verändernde Waldstörungen existiert, gibt es für die russischen borealen Wälder nur wenige Fallstudien. Diese wenigen Fallstudien decken jedoch nur einen sehr kleinen Teil der riesigen Ausdehnung des russischen borealen Waldes ab, was wiederum das Kohlenstoffbudget des russischen borealen Waldes höchst unsicher macht. Im Rahmen des BOFOR-Projekts schlagen wir daher vor, diese Wissenslücke zu schließen, indem wir unser Verständnis der sich veränderte Waldstörungen und deren Einfluss auf den Kohlenstoffhaushalt des russischen borealen Waldes verbessern. Das Projekt verfolgt dabei die folgenden sechs Ziele: (1) Entwicklung eines neuen räumlich expliziten Datensatzes für Waldstörungen für den gesamten russischen borealen Wald unter Verwendung von Erdbeobachtungsdaten. (2) Die Zuordnung von Waldstörungen zu ihren kausalen Verursachern wie Feuer, Wind, Insektenbefall und Holzernte. (3) Quantifizierung der Sensitivität von Störungen in borealen Wäldern gegenüber zunehmenden Klimaextremen im Zuge des Klimawandels. (4) Quantifizierung der Erholungsfunktion nach Störung, mit besonderem Blick auf die Biomasse. (5) Quantifizierung der Sensitivität der Erholungsfunktion gegenüber biotischen, bodenkundlichen und klimatischen Faktoren. (6) Erstellung eines vollständigen Kohlenstoffbudgets für den borealen Wald, einschließlich Störungen und Erholung. Das von uns vorgeschlagene Projekt wird eine wichtige Wissenslücke im globalen Kohlenstoffkreislauf schließen und damit unser Verständnis des Klimaschutzpotenzials der Wälder weltweit erheblich verbessern.
In diesem Projekt sollen mit COSMO-SPECS, einem 3D-Wolkenmodell mit einer spektralen Beschreibung der wolken-mikrophysikalischen Prozesse von Hydrometeoren und Aerosolpartikeln, Modellsimulationen durchgeführt werden. Da dasselbe mikrophysikalische Schema in dem Luftpaketmodell enthalten ist, mit dem in INUIT-1 gearbeitet wurde, werden alle neuen Entwicklungen und Verbesserungen der Mikrophysik aus INUIT-1 direkt in COSMO-SPECS übertragen. Zunächst soll ein künstlicher Testfall simuliert werden, eine Wärmeblase über einem flachen Gelände. Sensitivitätsstudien sollen die Entwicklung der Eisphase und die Bildung von Niederschlag aufzeigen, wobei die Verteilung und die Typen der Eisnukleations-Partikel auf realistische Weise variiert werden. Ein anderer Schwerpunkt der Sensitivitätsstudien soll auf der Wirkung von sog. kleinen Triggern liegen, wie etwa Eisnukleations-Partikel oder Gefriermoden (z.B. biologische Partikel oder Kontaktgefrieren), die keine signifikanten Effekte hinsichtlich der Anzahl der entstehenden Eispartikel zeigen, aber doch die Dynamik der Wolke in einer Weise beeinflussen können, dass sich im Endeffekt die Eisbildung erhöht. Weiterhin ist in Zusammenarbeit mit INUIT RP5 eine Fallstudie geplant, die auf INUIT Feldexperimenten basiert. Hier sollen die Beiträge der verschiedenen eisbildenden Prozesse quantifiziert werden und dadurch die atmosphärische Relevanz der Eisbildungs-Regimes, wie sie in INUIT Labor- und Feldexperimenten untersucht werden, abgeschätzt werden. Gleichzeitig werden neue Parametrisierungen für Partikel, die während INUIT-2 untersucht werden, entwickelt und in das mikrophysikalische Schema eingebunden; vorhandene Parametrisierungen sollen weiter modifiziert und verbessert werden. Dieses Projekt schließt selbst auch Laborexperimente zum Kontakt- und Immersionsgefrieren ein, die am Mainzer vertikalen Windkanal und mit einer akustischen Tropfenfalle durchgeführt werden. Hier liegt der Schwerpunkt auf einer Verbesserung des Kontaktgefrierens. Die Experimente sollen am Mainzer vertikalen Windkanal durchgeführt werden, wobei unterkühlte Tropfen in einem Luftstrom, der die potentiellen Kontakteiskeime mit sich führt, frei ausgeschwebt werden. Auf diese Weise kann die Anzahl der Kollisionen zwischen Tropfen und Partikeln berechnet und die Gefriereffizienz, d.h. die Gefrierwahrscheinlichkeit für eine Tropfen-Partikel Kollision bestimmt werden.
Der ländliche Raum stellt eine besondere Herausforderung für die Wärmewende dar. Während in den Städten auf einen deutlichen Ausbau der Fernwärme gesetzt wird, findet regenerative Nahwärmenetze in ländlichen Siedlungen bisher zu wenig Berücksichtigung in den Studien für die Wärmewende. Hier setzt das Projekt ruralHeat an. Das Projektziel ist zum einen die wissenschaftliche Begleitung von Planung und Umsetzung der solaren Nahwärme in Bracht und Rüdigheim sowie zum anderen die Übertragbarkeit auf andere ländliche Siedlungen. Die Innovation in Bracht und Rüdigheim liegt darin, dass über 70% des Wärmebedarfs durch Solarwärme in Verbindung mit einem saisonalen Wärmespeicher gedeckt wird. Somit ist die Solarthermie nicht mehr ein 'fuel saver', sondern der Hauptwärmeerzeuger. Komplettiert wird das System mit einer Großwärmepumpe zur Speicherentladung und zwei Holzkesseln für die Spitzenlast. Das 100% regenerative Nahwärmekonzept ist zudem günstiger und wesentlich schneller umsetzbar als Maßnahmen an Einzelgebäuden (energetische Sanierung, Umstellung der Heizung). Die wissenschaftliche Begleitung unterstützt die beiden Bürgergenossenschaften bei Planung und Bau durch Simulationen zum Betrieb und Regelung der komplexen Anlage. Die Ergebnisse aus den beiden Demonstrationsanlagen sollen anhand von 10 Fallstudien auf die Übertragbarkeit auf andere ländliche Gebiete geprüft werden. Hierbei werden auch weitere technologische und energiewirtschaftliche Konzepte für 100% erneuerbare Nahwärmelösungen betrachtet und verglichen. Aus den Erkenntnissen wird ein webbasiertes Vorauslegungstool entwickelt, dass interessierten Kommunen oder Bürgerinitiativen bereits im frühen Stadium (d.h. mit wenig Inputdaten) eine Vorauswahl möglicher Nahwärmelösungen auf Basis erneuerbarer Wärme ermöglicht. Das Ziel des Vorauslegungstools ist somit eine Lenkungswirkung hin zur EE-Wärme und eine Hilfestellung für Kommunen, um den Aufwand für die Betrachtung möglicher Varianten zu reduzieren.
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.
Die Aufforstung und Restauration von Waldlandschaften haben viel Aufmerksamkeit als wichtige Möglichkeit zur Eindämmung des Klimawandels (KW) erhalten. Daher spielen sie in vielen politischen Initiativen (Grüne Deal der EU; Bonn Challenge) eine wichtige Rolle. Doch die anhaltende Zunahme des durch den KW hervorgerufenen Stresses bedroht die Wälder. Angesichts des KW sind Anpassung und Klimaschutz durch Wälder eng miteinander verknüpft, denn ihre Fähigkeit, Kohlenstoff (C) langfristig zu binden, hängt von der Fähigkeit ab, vielfältigen Belastungen standzuhalten. Es gibt zunehmende Evidenz dafür, dass gemischte Plantagen aus mehreren Baumarten, C effizienter speichern und resilienter sind gegenüber KW-bedingtem Stress. Gemischte Plantagen stellen somit eine wichtige Möglichkeit dar, um auf natürliche Weise Klimaschutz und -anpassung zu betreiben. Weltweit werden jedoch die Baumplantagen von Monokulturen dominiert. Die Gründe für diese Ablehnung von Mischplantagen durch Waldbesitzer und Stakeholder müssen daher ermittelt und in künftigen Forstpolitiken angegangen werden, um eine weite Verbreitung von KW-resistenteren Mischwaldplantagen zu fördern. Ein möglicher Hinderungsfaktor sind unzureichende Kenntnisse der Praktiker und politischen Entscheidungsträger. Mittels eines globalen Netzwerks von Experimenten zur Artenvielfalt in Wäldern (TreeDivNet) werden wir ein mechanistisches Verständnis darüber entwickeln, wie Baumartenvielfalt, Baumarteneigenschaften und Bewirtschaftung (Durchforstung und Düngung) sowohl das Potenzial von gemischten Plantagen zum Klimaschutz (C-Sequestrierung) als auch zur Anpassung (Dürre- und Schädlingsresistenz) in einem Win-Win-Ansatz beeinflussen können. Darüber hinaus wird dieses Wissen in Richtlinien für Praktiker und Entscheidungsträger übersetzt.TreeDivNet umfasst weltweit 26 Experimente mit ca. 1,2 Millionen gepflanzten Bäumen. Diese Experimente basieren auf einem gemeinsamen, statistisch fundierten Design, das es erlaubt, kausale Zusammenhänge zwischen Baumdiversität, Management und Ökosystemfunktionen (inkl. C-Sequestrierung) zu analysieren. Der funktionelle und mechanistische Schwerpunkt von MixForChange und die unterschiedlichen Umweltkontexte der Experimente werden es ermöglichen, unsere Ergebnisse über Fallstudien hinaus zu extrapolieren und evidenzbasierte Richtlinien für die Bewirtschaftung von Mischplantagen zu entwickeln. Darüber hinaus wird MixForChange im Rahmen eines gemeinsamen analytischen Ansatzes Synergien und Zielkonflikte zwischen Klimaschutz- und Anpassungspotenzial von Mischplantagen einerseits und Erfüllung der Ziele der beteiligten Stakeholder andererseits analysieren. Der Einfluss von MixForChange auf die Gesellschaft wird durch einen starken Fokus auf Wissenstransfer und Kapazitätsaufbau auf allen Ebenen von Management und Governance gewährleistet. MixForChange wird einen wichtigen Beitrag zur Förderung von Mischwaldplantagen als natürliche Lösungen zur Bekämpfung des Klimawandels leisten.
Das Projekt verfolgt zwei Hauptziele der Kulturlandschaftsforschung: i) Erklärung der räumlichen und zeitlichen soziokulturellen Heterogenitäten durch Untersuchung der sozio-ökonomischen Stadt-Land-Beziehungen und soziokultureller Strömungen, und ii) Erklärung der regional verschiedenen Ressourcenpolitiken und -planungen durch Analyse der Governance-Ansätze auf unterschiedlichen räumlichen und administrativen Skalen. Die bisherigen Ergebnisse zeigen, dass die gesetzliche Regelungsvielfalt Zugangs- und Eigentumsverhältnisse und das sozial-ökologische System erheblich beeinflusst. Die Arbeiten werden anhand von Fallstudien unter Anwendung qualitativer Methoden durchgeführt.
| Origin | Count |
|---|---|
| Bund | 2855 |
| Global | 1 |
| Land | 14 |
| Wissenschaft | 132 |
| Zivilgesellschaft | 5 |
| Type | Count |
|---|---|
| Daten und Messstellen | 10 |
| Ereignis | 1 |
| Förderprogramm | 2599 |
| Taxon | 1 |
| Text | 130 |
| unbekannt | 257 |
| License | Count |
|---|---|
| geschlossen | 253 |
| offen | 2629 |
| unbekannt | 115 |
| Language | Count |
|---|---|
| Deutsch | 2226 |
| Englisch | 1147 |
| Resource type | Count |
|---|---|
| Archiv | 76 |
| Bild | 6 |
| Datei | 18 |
| Dokument | 109 |
| Keine | 2042 |
| Multimedia | 1 |
| Unbekannt | 1 |
| Webdienst | 1 |
| Webseite | 794 |
| Topic | Count |
|---|---|
| Boden | 1915 |
| Lebewesen und Lebensräume | 2129 |
| Luft | 1539 |
| Mensch und Umwelt | 2997 |
| Wasser | 1449 |
| Weitere | 2930 |