Das Projekt "Erhaltungssätze und Ensemble Kalman Filter Algorithmen" wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft. Es wird/wurde ausgeführt durch: Ludwig-Maximilians-Universität München, Meteorologisches Institut.Die Einbeziehung von physikalischen Erhaltungsgesetzen ist bereits seit längerem als wichtiger Punkt bei der Entwicklung von numerischen Wettervorhersagemodellen bekannt. In Datenassimilation im weiteren Sinne ist die Berücksichtigung von Erhaltungsgesetzen und die Analyse deren Bedeutung erst seit kurzem ein zentraler Gegenstand der Forschung. Numerische Atmosphärenmodelle sind heute in der Lage, kleinräumige und deshalb hochgradig nichtlineare Dynamik und Physik aufzulösen. Vorhersagen hängen dabei sehr sensible von den Anfangs- und Randbedingungen ab. Die Datenassimilation für Modelle, die viele Skalen darstellen und in die sowohl zeitlich als auch räumlich hochaufgelöste Beobachtungen eingehen verlangt nach einer Überprüfung und der Weiterentwicklung der zur Zeit in numerischen Wettervorhersagemodelle genutzten, auf weniger nicht lineare Anwendungen ausgelegte Methoden. Das primäre Ziel dieses Projektes ist die Entwicklung von Ensemble-basierten Datenassimilations-Algorithmen welche Eigenschaften von nichtlinearen dynamischen Systemen, zum Beispiel die Erhaltung von Masse, Drehimpuls, Energie und Enstrophie berücksichtigen. Insbesondere werden die folgenden zwei Problemstellungen bearbeitet. Gemeinsam mit Kollegen haben wir kürzlich zeigen können, dass Erhaltung von Masse und Positivität wichtige Nebenbedingungen für Datenassimilations-Algorithmen sind. Beide Bedingungen sind in einem neuen Algorithmus, dem quadratic programming ensemble Kalman filter, umgesetzt worden. Tests an linearer Dynamik wurden ebenfalls bereits durchgeführt. Im Rahmen des vorgeschlagenen Projektes soll dieser Algorithmus in einer idealisierten Konfiguration für die Assimilation von Radarreflektivität mit dem nichthydrostatischen, konvektionsauflösenden COSMO-DE-Modell erweitert, implementiert und evaluiert werden. Zweitens, wird untersucht wie sich Datenassimilations-Algorithmen wie der Ensemble Kalman Filter und der quadratic programming ensemble Kalman filter auf die zu erhaltenden Größen im Fall von Experimenten mit einem idealisierten, nichtlinearen zweidimensionalen Flachwassermodell auswirken, sowie ob und wie diese Ensemble-basierten Algorithmen modifiziert werden können um Lösungen mit den vorgeschriebenen Eigenschaften zu erhalten. Es ist zu erwarten, dass Erhalt von Masse und Entropie die nicht lineare Energie Kaskade im System verbessert. Der mögliche Einfluss auf die Exaktheit von Vorhersagen wird auch untersucht.
Das Projekt "Schwerpunktprogramm (SPP) 1704: Flexibilität entscheidet: Zusammenspiel von funktioneller Diversität und ökologischen Dynamiken in aquatischen Lebensgemeinschaften; Flexibility Matters: Interplay Between Trait Diversity and Ecological Dynamics Using Aquatic Communities as Model Systems (DynaTrait), Teilprojekt: Modellierung saisonaler vertikaler Migrationen bei marinem Zooplankton" wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft. Es wird/wurde ausgeführt durch: Helmholtz-Zentrum für Ozeanforschung Kiel (GEOMAR).Die saisonale vertikale Migration (SVM) beim marinem Zooplankton spiele potentiell eine Schlüsselrolle für die Primär- und Exportproduktion in höheren Breiten mit ausgeprägter Saisonalität. SVM ist ein wichtiger Teil des Verhaltens vieler mariner Zooplanktongemeinschaften in höheren Breiten, das ihnen ermöglicht, die bei der Frühjahrsblüte gebildete Biomass effizient zu nutzen. Geeignete Tage für den SVM Aufstieg im Frühjahr und den SVM Abstieg im Sommer sind wichtig, um die Verfügbarkeit von Futter zu maximieren und die Gefahr des Gefressenwerdens zu minimieren: wer zu früh oder zu spät aufsteigt, riskiert zu verhungern und wer zu spät absteigt wird leichter gefressen (Match-Mismatch-Hypothese). SVM tritt in niederen Breiten wenig bis gar nicht auf. Wegen dieser Komplikationen berücksichtigen die meisten biogeochemischen Modelle nur das Fraßverhalten, aber nicht die SVM des Zooplanktons. SVM wurde in Individuen-basierten Modellen (IBM) simuliert, um die saisonale Entwicklung und regionale Verteilung von Copepoden und deren Entwicklungsstadien zu untersuchen. IBM sind aber zu rechenintensiv für eine Anwendung in globalen 3D Modellen, insbesondere für Langzeitsimulationen. In vorangegangenen Projekten zu biogeochemischer Modellierung haben wir signifikante Diskrepanzen zwischen beobachteter und modellierter Sekundärproduktion beobachtet, die höchstwahrscheinlich auf das Fehlen von SVM im Modell zurückgehen. Hier wollen wir einfachere, trait- und optimalitäts-basierte SVM Modelle für globale Langzeitsimulationen entwickeln. Dabei können wir auf unsere bisher entwickelten Methoden zurückgreifen, um zu untersuchen, wie Traits, z.B. Tag des Aufstiegs oder Grad-Tage, das SVM Verhalten und seine Evolution steuern. Wir werden, zunächst in 1D und später auch in 3D biogeochemischen Modellen, trait-basierten SVM Beschreibungen entwickeln, um die treibenden Kräfte des SVM Verhaltens zu analysieren. Das Hauptziel ist dabei zu verstehen, welche Umweltfaktoren die Evolution von SVM Verhalten lokal bestimmen und wie sie globale Verteilungsmuster im SVM Verhalten und dessen Effekte auf Plankton-Ökologie und -Biogeochemie beeinflussen. Anschließend werden wir das Potential von SVM untersuchen, das Verhalten globaler Modelle zu verbessern, z.B. bezüglich der Verteilungen von Nährstoffen und Exportproduktion. Schließlich möchten wir SVM Effekte in Langzeitsimulationen vergangener und zukünftiger Klima-Szenarien analysieren. Unser Projekt bringt enge Verbindungen zwischen DynaTrait und anderen großen Forschungsprojekten mit sich, wobei DynaTrait vom DFG-finanzierten SFB 754 zu Sauerstoff-Minimum-Zonen und dem BMBF-finanzierten PalMod Projekt zu Langzeit-Klimasimulationen profitiert, aber auch einen Beitrag zu diesen Projekten leistet. Dadurch kann die Sichtbarkeit und Relevanz von DynaTrait für die globale Modellierung deutlich verbessert werden.
Das Projekt "Reallabor: NDRL - Norddeutsches Reallabor, Teilvorhaben: Modellierung der Wirtschaftsregion Lübeck sowie KI-Verfahren für sektorübergreifende und integrierte Netzplanung, Netzbetrieb und Marktteilnahmen" wird/wurde gefördert durch: Bundesministerium für Wirtschaft und Klimaschutz. Es wird/wurde ausgeführt durch: Technische Hochschule Lübeck, Wissenschaftszentrum für intelligente Energienutzung (WiE).
Das Projekt "Sonderforschungsbereich Transregio 129 (SFB TRR): Oxyflame - Entwicklung von Methoden und Modellen zur Beschreibung der Reaktion fester Brennstoffe in einer Oxyfuel-Atmosphäre, Teilprojekt B03: Direkte numerische Simulation und Modellierung von Oxyfuel-Verbrennungsprozessen" wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft. Es wird/wurde ausgeführt durch: Rheinisch-Westfälische Technische Hochschule Aachen University, Institut für Technische Verbrennung.Die Interaktion von Brennstoffpartikeln mit der turbulenten Strömung auf unterschiedlichen Skalen und die resultierende Auswirkung auf die Brennstoff-Degasifizierung, den Koksabbrand, die Mischung, und die Gasphasenverbrennung in Oxyfuel-Umgebung werden mit Hilfe direkter numerischer Simulationen untersucht. Die Ergebnisse werden sowohl zur a priori Modellentwicklung, als auch zur a posteriori Modellvalidierung verwendet. Für die untersuchten Vorgänge sollen Mehrskalenmodelle entwickelt werden, die die kleinskaligen Vorgänge berücksichtigen und diese mit geeigneten Parametern auf den großen Skalen verknüpfen, sodass ein skalenübergreifendes Modell entsteht, welches für Large-Eddy Simulationen großskaliger Anwendungen geeignet ist.
Das Projekt "NUR: Build4People, Verbesserung der Lebensqualität durch nachhaltige urbane Transformation; Teilprojekt 4 'Urbane Grün- und Freiflächen'." wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: Hochschule für Nachhaltige Entwicklung Eberswalde (FH), Fachbereich für Wald und Umwelt.
Das Projekt "WaX: Auswirkungsbasierte Vorhersage von Starkregen und Sturzfluten auf verschiedenen Skalen: Potentiale, Unsicherheiten und Grenzen, Teilprojekt 4" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: Forschungszentrum Jülich GmbH, Institut für Bio-und Geowissenschaften (IBG), IBG-3 Agrosphäre.
Das Projekt "WaX: Auswirkungsbasierte Vorhersage von Starkregen und Sturzfluten auf verschiedenen Skalen: Potentiale, Unsicherheiten und Grenzen, Teilprojekt 6" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: HYDRON Ingenieurgesellschaft für Umwelt und Wasserwirtschaft mbH.
Das Projekt "H2Giga: De-Risking PEM-Elektrolyseur, Teilvorhaben: Modul- und Zelltests, Analytik und Modellierung zum Degradationsverhalten" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: Forschungszentrum Jülich GmbH, Institute of Energy Technologies (IET), Grundlagen der Elektrochemie.
Das Projekt "BonaRes (ModulA, Phase3): Nachhaltige Sicherung und Verbesserung von Bodenfunktionen durch intelligente Landbewirtschaftung, Ein Echtzeit-Assistenzsystem für die Praxis - Teilprojekt D" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: Universität Osnabrück, Institut für Informatik.
Das Projekt "BonaRes (ModulA, Phase3): Nachhaltige Sicherung und Verbesserung von Bodenfunktionen durch intelligente Landbewirtschaftung, Ein Echtzeit-Assistenzsystem für die Praxis - Teilprojekt A" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: Johann Heinrich von Thünen-Institut, Bundesforschungsinstitut für Ländliche Räume, Wald und Fischerei, Institut für Agrartechnologie.
| Origin | Count |
|---|---|
| Bund | 60 |
| Type | Count |
|---|---|
| Förderprogramm | 60 |
| License | Count |
|---|---|
| offen | 60 |
| Language | Count |
|---|---|
| Deutsch | 59 |
| Englisch | 7 |
| Resource type | Count |
|---|---|
| Keine | 58 |
| Webseite | 2 |
| Topic | Count |
|---|---|
| Boden | 28 |
| Lebewesen & Lebensräume | 36 |
| Luft | 31 |
| Mensch & Umwelt | 60 |
| Wasser | 28 |
| Weitere | 60 |