Die Fähigkeit, das Wetter bis über eine Woche hinaus vorhersagen zu können, erspart unserer Gesellschaft jährlich Kosten in Milliardenhöhe und trägt entscheidend zum Schutz von Leben und Eigentum bei. Die zunehmende Leistungsfähigkeit unserer Computersysteme und neuartige Beobachtungen haben über die Jahre hinweg zu einer kontinuierlichen Verbesserung der Wettervorhersagequalität geführt. Dennoch kommt es immer noch gelegentlich zu erheblichen Fehlvorhersagen. Dies ist nicht allein auf Defizite in den Vorhersagemethoden zurückzuführen - in einem chaotischen System wie der Atmosphäre gibt es Wettersituationen, die per se schwer vorherzusagen sind. Die gegenwärtige Herausforderung ist daher die Vorhersagbarkeit und insbesondere deren Grenzen, abhängig von der jeweiligen Wettersituation, zu identifizieren um eine bestmögliche Vorhersage bereitstellen zu können. Der TRR 165 wird sich dieser Herausforderung stellen und hat sich zum Ziel gesetzt, durch die Beantwortung der zugrunde liegenden wissenschaftlichen Fragestellungen einer neuen Generation von Wettervorhersagesystemen den Weg zu ebnen. Die wichtigsten Ursachen für verbleibende Unsicherheiten in der derzeitigen numerischen Wettervorhersage sind: A das schnelle Wachstum von Fehlern, die durch nicht oder unzureichend dargestellte physikalische Prozesse wie Konvektion oder Mischung in der Grenzschicht entstehen und letztlich zu Veränderungen der Wellen auf synoptischer Skala führen können, B unser begrenztes Verständnis der physikalischen Prozesse in Wolken und C der relative Einfluss lokaler Faktoren und synoptisch-skaliger Wellen auf das Wetter und dessen Vorhersagbarkeit. Im Rahmen von 'Wellen, Wolken, Wetter' werden diese drei Fragestellungen gemeinsam von Experten der Disziplinen Atmosphärendynamik, Wolkenphysik, Statistik, Inverse Methoden und Visualisierung bearbeitet. Dabei wird TRR 165 eine Vielzahl von Methoden anwenden und neu entwickeln, wie etwa numerische Modelle mit detaillierter Darstellung von Wolkenprozessen und Aerosolen, aber auch Ensemblevorhersagen mit hochentwickelten statistischen Nachbearbeitungsverfahren zur mathematischen Beschreibung der Unsicherheit nutzen. Die zusätzliche Entwicklung neuer, interaktiver Visualisierungsmethoden erlaubt eine rasche und intuitive Erfassung komplexer Informationen, die in Ensemblevorhersagen sowohl zu den Ursachen als auch zur Entwicklung der Unsicherheit meteorologischer Strukturen enthalten sind. Die Gesamtziele von 'Wellen, Wolken, Wetter' sind nur durch die Zusammenführung der Expertise von drei renommierten Forschungsstandorten zu erreichen: München mit der LMU, der TUM, dem DLR; Mainz mit der JGU; und Karlsruhe mit dem KIT. Zudem wird im Rahmen dieses Konsortiums ein innovatives Programm geschaffen, das die Entwicklung von Nachwuchswissenschaftlern im Rahmen eines etablierten Netzwerks erfahrener Wissenschaftler fördern und die Chancengleichheit auf allen Karriereniveaus in den beteiligten Disziplinen verbessern soll.
Das Ziel dieses Projektes ist es, neue Parametrisierungen und numerische Algorithmen zur Verbesserung der Energiekonsistenz in die Ozeankomponenten der neuen Erdsystemmodelle, die momentan in Deutschland entwickelt werden, zu implementieren. Das Projekt wird ebenfalls die Entwicklung und Implementierung von neuen atmosphärischen Parametrisierungen unterstützen. In Zusammenarbeit mit den anderen Projekten im SFB/TRR wird das Projekt einen Rahmen für die Synthese der gemeinsamen Arbeit liefern und dient - zusammen mit S1 - als ein Erfolgskriterium.
Die rasche Verstädterung und das Bevölkerungswachstum haben in den heutigen Gesellschaften neue Probleme geschaffen. Zu diesen Problemen gehören die Verknappung der Trinkwasserressourcen, Schwierigkeiten bei der Abfallbewirtschaftung, Luftverschmutzung, Verkehrsstaus und eine sich verschlechternde und veraltete Infrastruktur. Neben der zunehmenden Dringlichkeit einer nachhaltigen Entwicklung haben Fortschritte in der Mathematik und im Data Science das Konzept der "Smart Cities" zur Lösung dieser Probleme hervorgebracht. Die Versorgung der Menschen mit einer sicheren, zuverlässigen und kostengünstigen Trinkwasserversorgung ist von größter Bedeutung für die Gesundheit in der Gesellschaft, die Wirtschaft und die Politik. Daher ist der Zugang zu sauberem Wasser und sanitären Einrichtungen als eines der 17 Ziele in der Agenda 2030 für nachhaltige Entwicklung der Vereinten Nationen enthalten (https://sdgs.un.org/goals). In diesem Zusammenhang sind die Wasserversorgungsnetze (WDN) das Herzstück jeder intelligenten Stadt und erfordern neue Überlegungen und Entwicklungen, um intelligenter verwaltet und betrieben zu werden. Eines der Hauptprobleme in WDNs sind Lecks im System. Leckagen führen zu einem spürbaren Verlust von sauberem Wasser, was zu umgekehrten Leckagen, Verunreinigungen durch Grundwasser und ernsthaften Betriebsschwierigkeiten führen kann. Eine frühzeitige Leckerkennung spart Wasser und verhindert, dass sich kleine Lecks zu Wassereinbrüchen ausweiten. Daher sind Einrichtungen zur frühzeitigen Leckerkennung für jedes intelligente WDN unerlässlich, um Verluste und die Gefahr von Leckagen zu verringern. SMARTWINE zielt darauf ab, das Potenzial einer Kombination aus maschinellem Lernen (ML), Graphentheorie und Optimierungstechniken zu erforschen und zu nutzen, um zuverlässige, schnelle und einfach zu bedienende Methoden zur Echtzeit-Leckerkennung und Alarmierung in WDNs zu entwickeln.
Gesellschaftliche Relevanz: Die Versorgung der Bevölkerung mit ausreichend Wasser in guter Qualität wird eine der großen Herausforderungen in der nahen Zukunft sein. Landnutzung und Klimawandel verschärfen dieses Problem. Wir haben nur begrenzte Möglichkeiten, neues Wasser bereitzustellen oder Wasser in Stauseen für Zeiten von Wasserknappheit aufzubewahren. Eine kluge Nutzung und Bewirtschaftung der Wasserressourcen scheinen die vielversprechendsten Instrumente zur Entschärfung der Situation. Daher wurden numerische Modelle für Seen eingesetzt, die sich jedoch immer noch an Ozeanannahmen orientieren. Infolgedessen sind simulierte Strömungen im tiefen Wasser von Seen nahe der Temperatur der maximalen Dichte (d. h. nahe 4 °C) fehlerhaft oder unrealistisch. Wir haben bessere Kenntnisse über die physikalischen Eigenschaften von Seewasser. Numerische Seemodelle könnten also wesentlich verbessert werden. Unsere Hypothese ist es, dass das Einbringen von Thermobarizität in numerische Modelle die bekannten Probleme behebt und so die entscheidenden Effekte weit besser dargestellt werden können. Wissenschaftliche Herausforderung: Thermobare Effekte kontrollieren die Tiefenzirkulation in tiefen Seen in der gemäßigten und subpolaren Klimazone. Obwohl das Thema in letzter Zeit in der Ozeanographie an Interesse gewonnen hat, wurden die Merkmale in tiefen Seen bislang nicht richtig behandelt. Per Definition geht die praktische physikalische Größe der potentiellen Dichte verloren, wenn thermobare Effekte dominieren. Dies erschwert die Darstellung von Stabilitätsbetrachtungen. Wir sind jedoch überzeugt, dass die Beschreibung thermobarer Effekte deutlich verbessert werden kann. Wir schlagen vor, ausgehend von den Grundlagen thermodynamischer Ansätze über Stabilitätsbetrachtungen bis hin zu vereinfachter Modellierung die Implementierung der thermobaren Effekte in numerischen Modellen vorzunehmen, um die Auswirkungen in einigen prominenten Fällen zu demonstrieren. Wir sind überzeugt, dass wir mit unseren vereinten Kompetenzen neue Ansätze finden, um thermobare Effekte zu verstehen und zu kommunizieren. Mit unserer Erfahrung werden wir effektive numerische Ansätze finden, um dieses Thema grundlegend zu bearbeiten und neue Lösungsansätze zu bieten. Schließlich werden wir DELFT3D (DELTARES) einsetzen, um thermobare Effekte in einigen tiefen Seen zu simulieren und zu demonstrieren. Wir erwarten, dass dieses Projekt die Perspektive einer zukünftigen fruchtbaren Zusammenarbeit eröffnet.
Neue Sorten werden in Feldversuchen in mehreren Umwelten (MET) extensiv getestet, um zuverlässige empirische Grundlage für Sortenempfehlungen für Landwirte zu erhalten. Falls die Zielpopulation von Umwelten groß genug und heterogen ist, ist eine Aufteilung in Subregionen oft vorteilhaft. Bei der Planung solcher Versuche erhebt sich die Frage der Zuordnung der Feldversuche den Subregionen. Zu Lösung dieses Problems werden meistens lineare gemischte Modelle angenommen. Optimale Versuchspläne (optimale Zuordnungen der Feldversuche) werden für beste lineare unverszerrte Vorhersagen (BLUPs) für Genotypeffekte und ihre paarweise lineare Kontraste bestimmt. In diesem Projekt werden lineare gemischte Modelle mit korrelierten Genotypeffekten untersucht, die zudem Jahres- und / oder Umweltfaktoren miteinbeziehen können. Außerdem ist geplant unvollständige Block-Designs (alpha-Designs, Zeilen-Spalten-Pläne) neben randomisierten vollständigen Block-Designs zu berücksichtigen. Für den Fall dass Markerdaten verfügbar sind, werden Versuchspläne für MET für Sparse Testing untersucht. Sparse Testing bedeutet die Prüfung jedes Genotyps ausschließlich in einem Teil der Feldversuche. Dadurch wird die Erfassung der Marker-Umwelt-Interaktion in einer erhöhten Zahl von Umwelten ermöglicht, wodurch eine höhere Präzision der Schätzung von Markereffekten erreicht wird. Die Aufgabe der Versuchsplanung ist nun die Zuordnung der Genotypen zu den Prüfumwelten. Die linearen gemischten Modelle sind hier so kompliziert, dass die Designfragestellungen nicht trivial sind. In den Fällen, wo die daraus resultierenden Designkriterien keine Spezialfälle von bekannten Kriterien sind, werden neue Berechnungsmethoden für optimale Versuchsplanung entwickelt. Eine zugehörige Fragestellung in dieser Forschung ist die Ermittlung von optimalen oder hocheffizienten Designs, die unabhängig von oder mindestens unsensitiv bzgl. der Kovarianzmatrix der zufälligen Effekte sind. Zu Lösung dieses Problems wird ein Bayesianischer Ansatz benutzt. Außerdem werden das Minimax-Kriterium und / oder das Maximin-Efficiency-Kriterium untersucht, die dem "worst case" bezüglich der zugrundeliegenden Kriterien entsprechen.
Der Kreislauf von Energie, Wasser und Kohlenstoff durch Boden, Vegetation und Atmosphäre beeinflusst die Verteilung und Qualität des Lebens auf der Erde. Mit dem rasanten Wachstum der Weltbevölkerung und ihrer Bedürfnisse wird die nachhaltige und effiziente Bewirtschaftung und Verteilung unserer natürlichen Ressourcen wichtiger denn je. Der Sonderforschungsbereich Transregio 32 fokussiert auf ein besseres Verständnis der Prozesse und Interdependenzen innerhalb und zwischen Boden, Vegetation und Atmosphäre. Dies ist unabdingbar für verlässlichere Wetter- und Klima-Modelle und genauere Vorhersagen für den Wasser- und CO2-Transport und ermöglicht dadurch eine bessere Bewirtschaftung der natürlichen Ressourcen. Räumliche und zeitliche Muster im Boden-Vegetation-Atmosphäre Kontinuum spielen hierbei eine zentrale Rolle. So beeinflusst zum Beispiel die landwirtschaftliche Nutzung - Weizen unmittelbar neben Rüben oder Kartoffeln neben Mais - den Austausch von Wasser, CO2 und Wärme zwischen Boden und Atmosphäre. Alle Prozesse sind untrennbar miteinander verflochten, wodurch komplexe Rückkopplungen und Reaktionen des Systems auf den verschiedenen räumlichen und zeitlichen Skalen entstehen.Das Ziel des TR32 ist es, die Herkunft von und die Wechselbeziehungen zwischen den räumlichen und zeitlichen Mustern der einzelnen Komponenten innerhalb des Boden-Vegetation-Atmosphäre-Systems mit Hilfe innovativer Monitoring- und Modellierungsansätze besser zu verstehen. Räumliche und zeitliche Strukturen von physikalischen Parametern (z. B. bodenhydraulische Leitfähigkeit), Zustandsgrößen (wie Bodenfeuchtigkeit oder Lufttemperatur) und Prozessen (z. B. Flüsse von CO2, Wasser und Wärme) können auf allen Skalen beobachtet werden. Die Erkennung dieser Muster und das Verstehen der vorhandenen Wechselwirkungen sind erforderlich, um die unterschiedlichen räumlichen und zeitlichen Skalen in numerischen Modellen darzustellen.
Das Ziel von Ensemble-Vorhersagen ist die Quantifizierung von Unsicherheiten in numerischen Wetterprognosen. Wir werden statistische Nachbearbeitungsverfahren entwickeln, welche Wetterregime berücksichtigen, und die Effekte von stochastischen Parametrisierungen in der Modellphysik untersuchen. Das übergeordnete Ziel besteht in der vergleichenden Quantifizierung des Wertes und der relativen Vorzüge beider Ansätze für Niederschlagsvorhersagen in Deutschland und der daran angrenzenden Gebiete.
Ziel dieses Projektes ist ein verbessertes Verständnis der Prozesse, welche die Vorhersagbarkeit von Niederschlag auf Zeitskalen von Tagen bis Wochen in der Westafrikanischen Monsunregion erhöhen oder reduzieren. Innovative Aspekte und besondere Herausforderungen im Projekt liegen in der Identifikation von geeigneten Metriken zur Definition von rein tropischen, rein extratropischen sowie gemischten Wetterregimen über Westafrika in der Vor-, Haupt- und Nachmonsunzeit sowie in der Anwendung von Nachbearbeitungsverfahren von Ensemblevorhersagen in tropischen anstatt mittleren Breiten.
Es sollen Techniken entwickelt werden um die Kopplung zwischen Atmosphäre und Ozean durch die Formation und das Brechen von Oberflächenwellen im Ozean zu quantifizieren. Diese Techniken beinhalten eine numerische Implementierung von diffusen Grenzflächenmethoden für eine thermodynamisch konsistente und voll gekoppelte Simulationen der Grenzfläche zwischen Luft und Wasser, sowie Feldexperimente zur gleichzeitigen Messung von Luftstrom, der Ozeanwellenkopplung, und der turbulenten Energiedissipation im oberen Ozean.
Die Strukturbildung auf der Wolkenskala wird mit zwei Methoden untersucht. Zum einen werden hochaufgelöste numerische Wolkensimulationen durchgeführt und die Resultate auf Strukturbildung hin analysiert. Zum anderen werden die grundlegenden Gleichungen mit mathematischen Methoden untersucht, um Strukturbildung zu identifizieren. In einem Syntheseschritt werden beiderlei Resultate verwendet, um Minimalmodelle zur Beschreibung von Wolkenstrukturen zu entwickeln. Diese Modelle werden schließlich zur Bestimmung der Wirkung von Wolkenstrukturen auf größerskalige Prozesse benutzt.
| Origin | Count |
|---|---|
| Bund | 27 |
| Land | 1 |
| Type | Count |
|---|---|
| Förderprogramm | 27 |
| unbekannt | 1 |
| License | Count |
|---|---|
| geschlossen | 1 |
| offen | 27 |
| Language | Count |
|---|---|
| Deutsch | 27 |
| Englisch | 23 |
| Resource type | Count |
|---|---|
| Keine | 9 |
| Webseite | 19 |
| Topic | Count |
|---|---|
| Boden | 16 |
| Lebewesen und Lebensräume | 24 |
| Luft | 16 |
| Mensch und Umwelt | 28 |
| Wasser | 10 |
| Weitere | 28 |