API src

Found 17474 results.

Similar terms

s/i/Ni/gi

Modell-gestützte Szenarienanalyse zur Optimierung der Pflanzenproduktion für den Klimaschutz, Modell-gestützte Szenarienanalyse zur Optimierung der Pflanzenproduktion für den Klimaschutz

Der menschengemachte Klimawandel bedroht langfristig die Stabilität der Ökosysteme des Planeten, und damit auch die Stabilität der menschlichen Gesellschaft durch Verknappung von Wasser, Nahrung und Lebensraum. Insbesondere die landwirtschaftliche Nahrungsmittelproduktion blickt einer ungewissen Zukunft entgegen und es besteht erheblicher Informationsbedarf hinsichtlich geeigneter Klimaschutzstrategien. Übergeordnetes Ziel des Vorhabens ist die Identifizierung von geeigneten Bewirtschaftungsmaßnahmen und betrieblichen Strategien zur Optimierung der Pflanzenproduktion im Sinne des Klimaschutzes. Das Projekt ModOKlim verfolgt dabei vorrangig folgende wissenschaftliche Ziele: (i) die verlässliche Reproduktion von räumlichen und zeitlichen Mustern der Produktivität landwirtschaftlicher Kulturen in Deutschland über die vergangenen 30 Jahre mit Hilfe von Agrarökosystemmodellen, (ii) die deterministische Projektion der Ertragsaussichten und damit verbundener THG-Emissionen landwirtschaftlicher Kulturen in Deutschland, (iii) die Szenarienanalyse mit Hilfe von biophysikalischen und ökonomischen Modellen zur Beurteilung von Erfolgsaussichten von Klimaschutzstrategien in Richtung von profitablen, klimaangepassten und artenreichen Anbausystemen und (iv) die Integration des aktuellsten Stands der Wissenschaft in Bezug auf die probabilistische Projektion von Extremwetterereignissen in die Projektionen der deterministischen Modelle. Ziel des Arbeitspakets 1 ist die Analyse des Auftretens ertragsrelevanter Extremwetter für landwirtschaftliche Kulturen in Vergangenheit und Zukunft. Mit Hilfe eines objekt-orientierten Ansatzes basierend auf Radardaten wird am KIT untersucht, bei welchen Umgebungsbedingungen sich schaden-relevante Hagelstürme bilden und wie sich diese Bedingungen in einem zukünftigen Klima verändern. Durch den objekt-orientierten Ansatz und Verfahren des maschinellen Lernens werden robustere Trendaussagen erwartete im Vergleich zu den bisher verwendeten Methoden.

Massentherapie beim Gefluegel einschliesslich Rueckstandsfragen der Therapheutika in Gefluegelprodukten wie Fleisch und Eier

Pruefung von Chemo-Therapeutika, die in der Gefluegelhaltung vornehmlich ueber das Trinkwasser oder Futter zur Bekaempfung von Kokzidiosen bzw. bakteriell bedingten Erkrankungen eingesetzt werden. Nach therapeutischem Einsatz sind Rueckstaende im Fleisch, Fett, den Parachymen und Eiern zu erwarten. Da nur von einigen in der Gefluegelpraxis verwendeten Arzneimitteln unsere Kenntnisse ueber Rueckstandsmengen und Verweildauer bekannt sind, sind weitere Untersuchungen notwendig. Hierbei ist der Einfluss des Alters der Tiere und des Lichtprogrammes sowie die Beeinflussung der Futter- und Trinkwasseraufnahme besonders zu beruecksichtigen. Bei der heute ueblichen Herdentierhaltung des Gefluegels kann aus medizinischer Sicht nicht grundsaetzlich auf die Anwendung von Therapeutika verzichtet werden.

Vorhersage urbaner atmosphärischer Anzahlkonzentrationen ultrafeiner Partikel mit Hilfe von Machine Learning- und Deep Learning-Algorithmen (ULTRAMADE)

Ultrafeine Partikel (UFP) mit einem aerodynamischen Durchmesser kleiner als 100 nm stehen unter dem Verdacht die menschliche Gesundheit zu schädigen, allerdings fehlt bisher die abschließende wissenschaftliche Evidenz aus epidemiologischen Studien. Zur Herleitung von Expositionskonzentrationen gegenüber UFP wurden zum Teil statistische Modellierungsverfahren genutzt um UFP-Anzahlkonzentrationen vorherzusagen. Ein häufig genutztes Verfahren ist eine auf Flächennutzung basierte lineare Regression („land-use regression“, LUR). Allerdings wurden in luftqualitativen Studien auch andere, ausgefeiltere Modellansätze benutzt, z.B. „machine learning“ (ML) oder „deep learning“ (DL), die eine bessere Vorhersagegenauigkeit versprechen. Das Ziel des Projekts ist die Modellierung von UFP-Anzahlkonzentration in urbanen Räumen basierend auf ML- und DL-Algorithmen. Diese Algorithmen versprechen eine bessere Vorhersagegenauigkeit gegenüber linearen Modellansätzen. Mit unserem Modellansatz wollen wir sowohl räumliche als auch zeitliche Variabilität der UFP-Anzahlkonzentrationen abbilden. In einem ersten Schritt werden die Messergebnisse aus mobilen Messkampagnen genutzt um ein ML-basiertes LUR Modell zu kalibrieren. Zusätzlich werden urbane Emissionen aus lokalen Quellen, abseits vom Straßenverkehr, identifiziert und explizit in das Modell einbezogen. In einem zweiten Schritt wird ein DL-Modellansatz basierend auf Langzeit-UFP-Messungen mit dem ML-Modell gekoppelt um die Repräsentierung der zeitlichen Variabilität zu verbessern. Unser vorgeschlagenes Arbeitsprogramm besteht aus fünf Arbeitspaketen (WP): WP 1 beinhaltet mobile Messungen mittels eines mobilen Labors und eines Messfahrads. WP 2 besteht aus stationären Messungen, die an Stationen des German Ultrafine Aerosol Network durchgeführt werden. In WP 3 werden wichtige UFP-Emissionsquellen, insbesondere Nicht-Verkehrsemissionen, mit Hilfe von zusätzlichen kurzzeitigen stationären Messungen identifiziert und quantifiziert. In WP 4 werden ML-Algorithmen genutzt um ein statistisches Modell aufzubauen. Als Kalibrierungsdatensatz werden die Messungen aus WP 1 benutzt. Das Modell wird UFP-Anzahlkonzentrationen mit Hilfe eines Datensatzes aus erklärenden Variablen, u.a. meteorologische Größen, Flächennutzung, urbaner Morphologie, Verkehrsmengen und zusätzlichen Informationen zu UFP-Quellen nach WP 3, vorhersagen. In WP 5 werden die UFP-Anzahlkonzentrationen aus WP 2 für einen DL-Modellansatz genutzt, der die zeitliche Variabilität repräsentieren wird. Dieser wird dann mit dem ML-Modell aus WP 4 gekoppelt. Der Nutzen der Modellkopplung wird mit dem Datensatz aus WP 3 validiert. Aus unserem Projekt wird ein Modell hervorgehen, das in der Lage ist die räumliche und zeitliche Variabilität urbaner UFP-Anzahlkonzentrationen in einer hohen Genauigkeit zu repräsentieren. Damit wird unsere Studie einen Beitrag zur Quantifizierung von Expositionskonzentrationen gegenüber UFP z.B. in epidemiologischen Studien leisten.

Digital GreenTech 2 - TreeMon: Entwicklung eines autonomen Schallemission-Sensorknoten für das Zustandsmonitoring von stehenden Bäumen, Teilprojekt 4

Geochemische Übersichtkarten des Freistaates Sachsen 1:400.000 (GcBÜK400)

Die Datenbestände der im LfULG verfügbaren Stoffdaten von Böden (Messnetze, Sondermessnetze, Auenmessprogramm, Bodenkundliche Landesaufnahme, Fremddaten) werden in geochemischen Übersichtskarten im Maßstab 1:400.000 als Rasterdaten dargestellt. Für die Oberböden liegen Probendaten von über 15.000, für die Unterböden von über 12.000 Standorten vor.

Grundwassermessstelle APP_GWMN_15

Dieser Datensatz beschreibt die Grundwassermessstelle APP_GWMN_15 in Schleswig-Holstein. Die Messstelle liegt im Grundwasserkörper ST16 : Trave - Mitte. Es liegen insgesamt 29400 Messwerte vor. Es liegen außerdem 7 Probenentnahmen vor (siehe Resourcen).

Inorganic geochemistry of sedimentary rocks in the catchment of river Thuringian Saale during the last 600 Ma

A literature retrieval was performed for whole rock geochemical analyses of sedimentary, magmatic and metamorphic rocks in the catchment of River Thuringian Saale for the past 600 Ma. Considering availability and coincidence with paleontological an facies data the following indicators seem suitable to detect environmental and climatic changes: biogenic P for Paleoproductivity, STI Index for weathering intensity, Ni/Co-ratio for redox conditions, relative enrichments of Co, Ba and Rb versus crustal values for volcanic activity at varying differentiation. The Mg/Ca-ratio as proxy for salinity is applicable in evaporites. The binary plot Nb/Y versus Zr/TiO2 indicates a presently eroded volcanic level of the Bohemian Massif as catchment area for the Middle Bunter, whereas higly differentiated volcanics provided source material for Neoproterozoic greywackes. A positive Eu-anomaly is limited to the Lower Bunter and implies mafic source rocks perhaps formerly located in the Bohemian Massif.

Natürliche Hintergrundbelastung von Oberflächenwasserkörpern in NRW mit Schwemetallen

Ziel des Vorhabens ist es unter Berücksichtigung vorhandener Informationen und ggf. zusätzlich zu untersuchender Proben Oberflächenwasserkörper mit natürlicherweise erhöhten Gehalten an Blei (Pb), Cadmium (Cd), Kupfer (Cu), Nickel (Ni) und/oder Zink (Zn) in der Wasserphase oder im Sediment/Schwebstoff zu identifizieren und für diese Wasserkörper die natürlichen Hintergrundkonzentrationen für diese Schwermetalle in der Wasserphase sowie im Sediment/Schwebstoff abzuleiten. Auf Basis der Ergebnisse können einerseits für diejenigen Wasserkörper, in denen die Umweltqualitätsnormen (UQN)für die prioritären Metalle Pb, Cd und Ni auf Grund von natürlichen Gegebenheiten überschritten werden, Ausnahmen nach Artikel 4(5) WRRL geltend gemacht werden. Andererseits wird die Ursachenforschung für die fünf betrachteten Metalle deutlich unterstützt. Dadurch können Minderungsmaßnahmen zielgerichteter und kosteneffizienter gestaltet werden.

Hocheffiziente, kostengünstige und langlebige Natrium-Ionen-Batterie Zellen

Zielsetzung: Batterien spielen eine entscheidende Rolle in der Transformation der (Strom-)Wirtschaft zu einer CO2 neutralen Zukunft. Die Emissionsreduktion hängt primär vom vorliegenden Strom- bzw. Energiemix ab. Einerseits für den Energieaufwand während der Erzeugung, andererseits während ihres Betriebs. Überdies dürfen CO2 Emissionen für die Erzeugung, Raffinierung und den Transport von Grundmaterialien nicht vernachlässigt werden. Hier setzen die in diesem Projekt beschriebenen Innovationen an. Aktuelle State-of-the-Art LIB Batterien verwenden einerseits nicht weltweit geläufige Rohstoffe, wie Lithium, Kobalt, Nickel, Mangan und Graphit. Diese Rohstoffe werden primär in China raffiniert. Die so hergestellten Ausgangsmaterialien werden dann ihrerseits erneut über weite Strecken transportiert. Anodenseitig wird aktuell Graphit verwendet. Beispielsweise stammen sowohl natürlicher (74%) als auch synthetischer Graphit (51%) primär aus China, weswegen chinesische Exportrestriktionen auf diesen essentiellen Zellbestandteil ein zusätzliches Hemmnis für die europäische LIB Technologie darstellen. Zusätzlich bedürfen LIB Batterien deutlich mehr CO2 in der Herstellung aufgrund der Anforderung an die Trockenräume, was bei NIB zumindest mit zusätzlicher Forschung deutlich reduzierbar wäre. Im Gegensatz dazu beruhen die Materialien für hier entworfene NIB auf weltweit geläufigen Mengenrohstoffen, was sowohl Kosten, CO2 Emissionen, Umweltbelastungen, und eben auch Abhängigkeiten von außereuropäischen Ländern minimiert. Für eine Transformation hin zu einer nachhaltigen, erneuerbaren Wirtschaft sind billige Energiespeicher essenziell. Seit langem werden in den Roadmaps NIB als die beste Zukunftstechnologie bezeichnet, um möglichst kostengünstige Energiespeicher zu bauen. Daher wurde ein Konzept der vertikalen Integration entlang der Wertschöpfungskette erarbeitet, dass mit hoher Erfolgswahrscheinlichkeit, binnen von zwei Jahren zu einem NI-Batteriepack Prototyp führen soll. Der große Vorteil darin besteht in der raschen Weitergabe von Innovationssprüngen an den Prototypen und eventuellen Produkten. Die Zielsetzung ist eine Zelle mit einer Energiedichte von 180 Wh/kg zu entwickeln, welche dann in Endanwendungen wie Gabelstapler, Heimspeicher, und stationäre Speicher eingesetzt werden kann. Durch den angestrebten niedrigen Preis pro kWh für NIB’s sind alle Anwendungen mit einer niedrigen bis mittleren Energiedichte denkbar. Fazit: In diesem Projekt wurde eine Methode entwickelt, um Mangan-dotiertes preussisch Weiss deutlich langlebiger zu machen - mit Zyklenzahlen, die man auch von Lithium-Eisen-Phosphat Akkus kennt, die schon bisher als sehr langlebig gelten. Durch die Erhöhung Spannung können der wesentliche Nachteil der geringeren Energiekapazität von preussisch Weiss mitigiert werden. Das so entstandene Material kann nicht nur LFP, sondern auch NiCd und Blei-Säure Batterien ersetzen.

Ermittlung der großräumigen Sensitivität von Grundwasserressourcen gegenüber dem Klimawandel

Die Klimakrise verändert zunehmend die räumliche und zeitliche Verfügbarkeit von Grundwasser, der wichtigsten globalen Süßwasserressource. Das quantitative Verständnis der Interaktion von Grundwasser und Klima, vor allem auf nationaler und kontinentaler Skala, ist wichtig für ein optimal angepasstes Grundwassermanagement. Bisher ist das Wissen über die großskalige Sensitivität der Grundwasserressourcen auf den Klimawandel jedoch sehr limitiert. Das Ziel des hier vorgestellten Projektes ist die Erforschung der Auswirkungen des Klimawandels und der damit einhergehenden Umweltveränderungen auf den quantitativen Zustand von Grundwasserressourcen auf national-kontinentaler Skala. Etablierte prozessbasierte Modelle (PBMs) zur hydro(geo)logischen Modellierung auf großer Skala (meist „Global Hydrological Models“ - GHMs) sind starke Vereinfachungen der Realität und unterliegen daher deutlichen Limitationen und Unsicherheiten. Im Gegensatz zu anderen PBMs, weisen GHMs daher begrenzte physikalische Konsistenz und Interpretierbarkeit auf und ihre Anwendung kann zu irreführenden Schlussfolgerungen über die Verfügbarkeit von Grundwasser vor dem Hintergrund des Klimawandels führen. Vor allem die Übertragbarkeit auf datenarme Regionen ist nur eingeschränkt möglich. In den letzten Jahren haben sich Deep Learning (DL) Modelle als präziser und leicht übertragbarer alternativer Ansatz in der Modellierung von Wasserressourcen etabliert. Für die Modellierung von Oberflächengewässern wurde zudem gezeigt, dass DL auch spezialisierte PBMs übertreffen kann. Das vorgeschlagene Projekt möchte sich die gewonnenen Erkenntnisse zunutze machen und ein DL-Modell zur Untersuchung der Sensitivität von Grundwasser auf den Klimawandel auf kontinentaler Skala aufbauen. Hierfür wird ein „big data“ Ansatz gewählt, der Daten von >2200 Einzugsgebieten in Nordamerika nutzt (Erweiterung denkbar). Ein solches Modell kann lernen, Wissen über verschiedene Regionen zu transferieren, gewinnt somit stark an Generalisierungsfähigkeit (z.B. auf datenarme Regionen) und schlussendlich an Vertrauenswürdigkeit. Weiterhin soll das Problem von fehlenden, interpretierbaren und physikalisch konsistenten Modellen im nationalen Maßstab angegangen werden, indem physikalisches Wissen und Prozesse in die DL-Modelle eingebaut werden. Durch diese Ansätze soll ein plausibles, interpretierbares und vor allem vertrauenswürdiges Modell entstehen, welches sich zur Untersuchung von Klimawandelszenarien eignet. Die genannten Aspekte sind hierbei besonders kritisch, da für Zeiträume in der Zukunft keine Validierung möglich ist. Das entwickelte Modell dient anschließend der Beantwortung der übergeordneten Fragestellung, und die Auswirkungen des Klimawandels auf die Grundwasserressourcen werden anhand der Daten von Klimamodellen auf Basis von RCP bzw. SSP Szenarien untersucht. Weiterhin werden spezialisierte Untersuchungen (Szenarien) zum Einfluss einzelner Einflussfaktoren (z.B. Landnutzung) durchgeführt.

1 2 3 4 5 … 1746 1747 1748