API src

Found 3490 results.

Related terms

Optimierung der Wassernutzungseffizienz von Hopfen (Humulus lupulus L.) für eine nachhaltige Hopfenproduktion, Teilprojekt E

Entwicklung von Basistechnologien für 100% Wasserstoffgasturbinen zur Beschleunigung der Energiewende in Deutschland, Teilvorhaben: KI unterstützte Entwicklung von Flashback Prädiktoren

Förderung der Züchtung durch mehrstufige Modellierung, Teilvorhaben E

Entwicklung und exemplarische Anwendung eines Modells fuer die Prognose der Siedlungsflaechenentwicklung

Ziel des geplanten Forschungsvorhabens soll es sein, ein auf den wesentlichen Flaechennutzungen aufbauendes, raeumlich und zeitlich gegliedertes Verfahren zur Beobachtung der Siedlungsflaechenentwicklung und -inanspruchnahme in Baden-Wuerttemberg zu erstellen. Darauf aufbauend ein Siedlungsflaechenprognosemodell (qualitativ und quantitativ) unter Beruecksichtigung von Saettigungstendenzen zu erarbeiten, welches die Diskussion von Konsequenzen alternativer Entwicklungsmoeglichkeiten erlaubt und schliesslich die zur Verfuegung stehenden Instrumente auf ihre Tauglichkeit im Sinne einer positiven Beeinflussung der Flaecheninanspruchnahme zu ueberpruefen. Die Vorstellung ist, in einer ersten Phase die Ausarbeitung des Modellansatzes im Benehmen mit einschlaegigen Expertengespraechen vorzunehmen und das Modell am Beispiel der Region Unterer Neckar empirisch zu testen. Die zweite Phase soll dazu genutzt werden, die Erkenntnisse des ersten Arbeitsschritts auf das ganze Land zu uebertragen. Hierbei waeren insbesondere Gesichtspunkte der Raum- und Gebietstypisierung, wie auch eine moegliche Einbeziehung von Daten der Volkszaehlung 1981 ins Auge zu fassen. Die Modellentwicklung soll sich insgesamt an den Kriterien der Datenverfuegbarkeit, der Nachvollziehbarkeit und praktischen Verwertbarkeit orientieren.

Schwerpunktprogramm (SPP) 1374: Biodiversitäts-Exploratorien; Exploratories for Long-Term and Large-Scale Biodiversity Research (Biodiversity Exploratories), Teilprojekt: Auswirkungen von De-Intensivierung der Landnutzung auf Mikroorganismen des Methankreislaufs und die Methan-Senkenfunktion in Grünländern

Methan (CH4) ist das zweitwichtigste Treibhausgas und trägt wesentlich zur globalen Erwärmung bei. Im Jahr 2021 wurden weltweit politische Anstrengungen beschlossen, um die stark angestiegenen Methanemissionen einzudämmen. Das Bodenmikrobiom ist die wichtigste terrestrische Methansenke und stark von der Landnutzung beeinflusst. Eine große Herausforderung für die Landwirtschaft ist die Anpassung der Landnutzungsintensität von Grünländern, um produktive und gleichzeitig nachhaltige Produktionssysteme zu gewährleisten. Zwei grundlegend unterschiedliche Gruppen von Mikroben sind für den CH4-Kreislauf entscheidend. Methanotrophe Bakterien wirken als biologische Senke, indem sie atmosphärisches CH4 oxidieren, während methanogene Archaea in anoxischen Zonen, Aggregaten und tieferen Bodenschichten Methan produzieren. Im Rahmen des vorangegangenen Projekts haben die Partner (1) die negativen Auswirkungen von hoher Landnutzungsintensität auf methanotrophe Bakterien in Grünlandböden und (2) die hohe saisonale Dynamik des Mikrobioms aufgezeigt, die entscheidet, ob Grünland eine Quelle oder eine Senke für CH4 ist. Im Rahmen des neuen Projektantrages MetGrass werden wir daher die Auswirkungen einer geringeren Intensität der Grünlandnutzung auf Methanotrophe und Methanogene untersuchen. Hierfür werden wir uns an den etablierten gemeinsamen Grünlandexperimenten REX und LUX beteiligen. Wir werden vier komplementäre Hypothesen testen, mit den übergeordneten Zielen, festzustellen, (1) wie die De-Intensivierung zu Veränderungen in der Artenzusammensetzung und Abundanz von Methanotrophen und Methanogenen führt, (2) wie dies mit veränderten Methanflüssen zusammenhängt und (3) wie schnell diese Veränderungen sind. In Arbeitspaket (AP) 1 werden wir die langfristigen Erholungseffekte der CH4-Senkenfunktion und der Methanotrophen in Grünlandböden nach einer De-Intensivierung untersuchen. WP2 untersucht die kurzfristigen Reaktionen von Methanotrophen und Methanogenen auf einzelne Bewirtschaftungsmaßnahmen (z. B. Düngung und Mahd). In WP3 wollen wir ein mikrobiombasiertes Vorhersagemodell für Methanflüsse in Grünlandböden entwickeln. WP4 wird den Kipp-Punkt der Methan-Senkenfunktion eines Grünlandbodens bei steigenden Düngungsraten identifizieren und dadurch ein mechanistisches Verständnis der zugrunde liegenden Mikrobiomdynamik liefern. Wir werden eine einzigartige Kombination methodischer Ansätze anwenden, die den interdisziplinären Charakter des MetGrass-Teams widerspiegelt. MetGrass wird in der Lage sein, (a) drängende Fragen zu den Auswirkungen einer De-Intensivierung der Landnutzung auf die funktionelle Vielfalt und Aktivität dieser wichtigen Bodenmikroorganismen in Grünländern zu beantworten und (b) die Grundlage für die Verbesserung der Grünlandbewirtschaftung im Hinblick auf eine nachhaltige Landnutzung zu liefern.

COMPoSE: Charakterisierung der Verteilung der Eis- und Flüssigphase in Mischphasenwolken

Mischphasenwolken, in denen unterkühltes Flüssigwasser und Eiskristalle gleichzeitig auftreten, sind bisher nur unzureichend beschrieben, denn die akkurate Messung von Mischphasenwolken stellt eine Herausforderung dar. Besonders das Fehlen der vollständigen vertikalen Charakterisierung der Flüssigwasserkomponente ist ein Problem der derzeitig angewendeten Beobachtungsmethoden. Im Rahmen des vorgeschlagenen Projekts soll diese Beobachtungslücke durch Entwicklung neuer Methoden und den Einsatz neuer Modelle geschlossen werden. Mischphasenwolken werden mit modernsten Fernerkundungsinstrumenten wie Doppler-Wolkenradar sowie Doppler- und Polarisationslidar beobachtet werden. Die derzeitig zur Erfassung von unterkühlten Flüssigwasserschichten angewendete synergistische Beobachtung mit Wolkenradar und Lidar ist normalerweise bis zur Höhe limitiert, in der das Signal des Lidars vollständig ausgelöscht ist, was bei einer durchquerten optischen Dicke von etwa 3 geschieht. Das erlaubt meist die Detektion von nur einer Flüssigwasserschicht. Im Gegensatz dazu können Wolkenradare die gesamte Mischphasenwolke auch beim Auftreten mehrerer Flüssigwasserschichten durchdringen. Sie können daher genutzt werden, um die Verteilung der Wolkenphase in der gesamten vertikalen Säule zu bestimmen, wenn geeignete Algorithmen zur Identifikation von Flüssigwasser aus Radarmessungen entwickelt werden. Dafür soll das komplette Radardopplerspektrum analysiert werden, dessen Struktur durch die Mikrophysik und die Dynamik der Wolke bestimmt ist. Zudem soll das Radardopplerspektrum genutzt werden, um Vertikalwinde abzuleiten. Der Fokus des Projekts wird auf der vollständigen Charakterisierung von Fallstudien liegen. Dabei wird insbesondere untersucht werden, wie Vertikalwinde und Lufttemperatur die zeitliche Entwicklung der Partitionierung der Wolkenphasen beeinflussen, um so Einblick in den Lebenszyklus von Mischphasenwolken zu erhalten. In diesem Zusammenhang wird auch der Einfluss von Aerosolpartikeln auf die Wolkenphasenpartitionierung bestimmt werden. Die beobachteten Wolken werden dabei durch Rückwärtstrajektorien in Luftmassenherkunftsklassen unterteilt und es werden Modellvorhersagen sowie eine lidarbasierte Charakterisierung der Aerosoleigenschaften durchgeführt. Das vorgeschlagene Projekt geht über die Entwicklung von Fernerkundungstechniken in Mischphasenwolken hinaus. Ergebnisse eines auf den Messungen basierenden 1D-Mikrophysikmodells sollen als Eingabewerte für einen Vorwärtssimulator für Radardopplerspektren genutzt werden. Dessen Ausgabewerte wiederrum werden mit den beobachteten Dopplerspektren verglichen werden. Dadurch ergibt sich ein geschlossener Kreislauf aus Beobachtung und Modellierung, der es uns möglich machen wird, bestimmte mikrophysikalische Prozesse in Mischphasenwolken, wie z.B. Reif- und Graupelbildung, genauer zu verstehen.

KI-assistierter 3D-Druck für Baustoffe, Teilvorhaben: Entwicklung einer prototypischen Softwarearchitektur zur vernetzten Baumaterialdatenbank

Schlammindexvorhersage mittels künstlicher Intelligenz zum effizienteren Ressourceneinsatz in der Abwasserbeseitigung

Mit der Abwasserbehandlung auf Kläranlagen gehen eine Vielzahl von chemischen und biologischen Prozessen simultan einher. Diese sich gegenseitig beeinflussenden Prozesse, deren Auswirkungen, wenn sich bestimmte Parameter im Prozess ändern und wie Veränderungen vorhergesagt werden können, stellt die Betreiber der Anlagen zum Teil vor große Herausforderungen. Die meisten Einflüsse auf den Prozess bei sich ändernden Umständen sind bereits bekannt, lassen sich aber nur mit großem Aufwand darstellen. Im laufenden Betrieb fällt eine große Anzahl an Messparametern mit entsprechenden Daten an, die zentral abgespeichert werden. Hierbei handelt es sich zum einen um fest eingestellte Betriebswerte, zum anderen aber auch um Daten zu Verbräuchen und sich in Abhängigkeit der Prozesse ergebende Daten. Diese Daten stehen dabei meistens direkt bzw. indirekt in Beziehung zueinander. Bedingt durch die sehr großen Mengen an Daten war es bisher nur sehr schwer möglich, alle anfallenden Messwerte hinsichtlich eines Zielparameters auszuwerten. Eine Möglichkeit zur Analyse, die in den letzten Jahren mehr Beachtung gewinnt, besteht über die Nutzung von künstliche Intelligenz (KI), die durch tausende Rechenoperationen pro Sekunde Muster aufdecken kann. Über die Auswertung historischer Daten kann mit Nutzung der KI ein mathematischer Zusammenhang hergestellt werden. Dieser Zusammenhang soll für die Erstellung zukünftiger Prognosemodelle verwendet werden. Das zum Einsatz kommende Prognosemodell beruht dabei auf einem Digitalen Zwilling der Kläranlage, welcher, verbunden über die Sensoren der Kläranlage, diese virtuell abbildet und in Echtzeit mit seinem wirklichen Vorbild vernetzt ist. Diesem Vorgehen liegt der pragmatische Annahme zugrunde, dass der genaue Einfluss eines bestimmten Parameters zunächst nicht bekannt sein muss, sofern er mathematisch beschrieben werden kann. Das erstellte Modell kann dann beliebig auf Zielparameter eingestellt werden. Im Zuge des Forschungsvorhabens soll dieser Ansatz für die Anwendbarkeit einer möglichen Prognose der Absetzbarkeit des Belebtschlamms vorgenommen werden, explizit der Schlammindexvorhersage (ISV) im Belebtschlammverfahren.

Wasserwirtschaftliche Unterhaltung, Entwicklung und Anwendung des Gewässergütemodells QSim

QSim - Numerische Simulation der Gewässergüte in Bundeswasserstraßen. Ein Instrument zur Simulation und Prognose des Stoffhaushalts und der Planktondynamik in Fließgewässern. Entwicklung und Testung für Binnen- und Küstengewässer.

Turbomaschinen für Hydrogen Technologien, Teilvorhaben: 3.3 und 4.4b Wasserverdunstung im Laufrad eines Radialverdichters und Untersuchung eines digitalen Zwillingmodells von Gasdichtungen

Das Forschungsvorhaben untersucht auf der einen Seite die Auswirkungen der Wassereinspritzung auf das Betriebsverhalten eines Radialverdichters. Die Wassereinspritzung in Axialverdichtern von Gasturbinen ist eine gängige Praxis, um die Leistungsfähigkeit der Turbine zu verbessern. Um dieses Potenzial auch in Radialverdichtern zu nutzen, sind weitere Forschungsarbeiten im Bereich der Flüssigkeitseinspritzung notwendig. Die Radialverdichter werden hauptsächlich in der Prozessindustrie eingesetzt. Ziel dieses Projektes ist es die Berechnung und Einflüsse der Wassereinspritzung auf das Betriebskennfeld eines Radialverdichters zu untersuchen. Im Projekt (FKZ: 03EE5035B) wurde ein Radialverdichter mit Wassereinspritzung aufgebaut und Kennfelder mit und ohne Wassereinspritzung vermessen. Unklar ist das Potenzial der Wassereinspritzung, welches durch den Ort der Verdunstung bestimmt wird, welches hier adressiert werden soll. Im zweiten Thema wird die Abdichtung der Wellenenden, die verhindert, dass das Prozessfluid aus der Maschine in die Atmosphäre entweicht. Die Forschung an berührungslosen Gleitringdichtungen mit Trockengasschmierung DGS (Dry Gas Seals), wird aufgrund des geringen und kontrollierbaren Leckagestroms, des berührungslosen Betriebs und der Eignung für die Hochdruckumgebung, als Dichtungslösung eingesetzt. Im Projekt (FKZ: 03EE5041H) wurden die Prognosemodelle zur Berechnung des Dichtspaltes entwickelt und in ein digitales Zwillingsmodell implementiert. Die gesamte Architektur des digitalen Zwillings basierend auf einer Open Source IoT-Plattform. Im neuen Projekt wird das Gesamtkonzept auf eine reale Maschine übertragen. Die messbaren und nicht messbaren Prozessgrößen der realen Anlage und ihre logischen Zusammenhänge werden mit Hilfe von maschinellem Lernen und physikbasierten Modellen analysiert. Die Ergebnisse werden zur Leistungsoptimierung von Radialverdichtern in der Prozessindustrie genutzt.

1 2 3 4 5 … 347 348 349