Relative Meeresspiegelschwankungen resultieren aus dem Zusammenspiel von Eustasie, Isostasie, Tektonik und Subsidenz. Die Rekonstruktion des holozänen Meeresspiegels erlaubt es sowohl vertikale Landbewegungen als auch geophysikalische Modelle zu Glazialen Isostatischen Ausgleichsbewegungen (GIA) zu definieren, welche im Gegenzug benutzt werden um instrumentelle Meeresspiegelmessungen an Gezeitenpegeln zu korrigieren. Dementsprechend repräsentieren regionale Daten zu relativen Meeresspiegelschwankungen während des Holozäns, welche auf der Grundlage von standardisierten Protokollen erhoben wurden, den Ausgangspunkt für weitere Untersuchungen zu Meeresspiegelschwankungen des vergangenen Jahrhunderts und die Grundlage für eine Bewertung von lokalen und regionalen Meeresspiegelschwankungen während des 21ten Jahrhunderts. Obwohl es für einige Gebiete genaue Daten zu holozänen Meeresspiegelschwankungen gibt sind Rekonstruktionen für Südostasien, einer vom zukünftigen Meeresspiegelanstieg hoch gefährdeten Region, noch immer begrenzt und im Bezug auf die korrekte Interpretation von Meeresspiegelanzeigern, deren Höhenbezug zu Normalnull und die Qualität der Altersbestimmungen, fragwürdig. Das übergeordnete Ziel dieses Antrags ergibt sich daher aus der Frage: Wie können wir unser Verständnis über relative Meeresspiegelschwankungen während des Holozäns in Südostasien und die damit in Zusammenhang stehenden Prozesse verbessern? Um diese Frage zu beantworten werden wir veröffentlichte Meeresspiegeldaten neu Auswerten und einem standardisierten Ansatz entsprechend in einer Datenbank zusammentragen. Diesen Datensatz werden wir anschließend mit den Forschungsergebnissen von einigen Inseln im Spermonde Archipel, einer vom zukünftigen Meeresspiegelanstieg hoch gefährdeten Region, ergänzen. Im Anschluss an die Geländearbeit werden wir einen umfassenden Datensatz an geophysikalischen Modellen erstellen welche sowohl auf den Ergebnissen der Datenbank, als auch auf den neu erhobenen Geländedaten beruhen und welche statistische Unsicherheiten im Bezug auf das gewählte Eismodell und die Mantelviskosität beinhalten. Dies wird es uns ermöglichen die volle Bandbreite von GIA Signalen zu erfassen und den Bereich zu definieren welcher am besten zu den geologischen Geländedaten passt. Die Geländedaten werden außerdem auf der Grundlage eines Bayes'schen Ansatzes statistisch ausgewertet um potentielle Muster innerhalb der holozänen Meeresspiegelschwankungen zu entdecken. Die Resultate der statistischen Auswertung werden mit den Ergebnissen einer Satellitenbildauswertung bezüglich der Bevölkerungsdichte und Landnutzungsmustern auf den Inseln im Spermonde Archipel gegengeprüft. Nicht zuletzt durch die enge Zusammenarbeit mit weltweit führenden Experten auf internationaler Ebene wird innerhalb dieses Projekts ein Doktorand in allen Bereichen der Meeresspiegelforschung ausgebildet, von Labor und Geländetechniken bis hin zur geophysikalischen Modellierung und Datenauswertung.
Atmospheric CO2 concentrations present a repetitive pattern of gradual decline and rapid increase during the last climate cycles, closely related to temperature and sea level change. During the Last Glacial Maximum (LGM; 23-19 kyr BP), when sea level was ca. 120 m below present, the ocean must have stored additionally about 750 Gt carbon. There is consensus that the Southern Ocean represents a key area governing past and present CO2 change. The latter is not only of high scientific but also of socio-economic and political concern since the Southern Ocean provides the potential for an efficient sink of anthropogenic carbon. However, the sensitivity of this carbon sink to climate-change induced reorganizations in wind patterns, ocean circulation, stratification, sea ice extent and biological production remains under debate. Models were not yet able to reproduce the necessary mechanisms involved, potentially due to a lack of the dynamic representation/resolution of atmospheric and oceanic circulation as well as missing carbon cycling. Data on past Southern Ocean hydrography and productivity are mainly from the Atlantic sector, thus do not adequately document conditions in the Pacific sector. This sector is not only the largest part of the Southern Ocean, but it also represents the main drainage area of the marine-based West Antarctic Ice Sheet (WAIS). In the proposed study we aim to generate paleo-data sets with a newly established proxy method from sediment core transects across the Pacific Southern Ocean. This will enhance the baselines for the understanding and modeling of the Southern Ocean's role in carbon cyling, i.e. ocean/atmosphere CO2 exchange and carbon sequestration. It will also allow insight into the response of the WAIS to past warmer than present conditions. Paired isotope measurements (oxygen, silicon) will be made on purified diatoms and radiolarians to describe glacial/interglacial contrasts in physical and nutrient properties at surface and subsurface water depth. This will be used to test (i) the impact of yet unconsidered dust-borne micronutrient deposition on the glacial South Pacific on shifts of primary productivity, Si-uptake rates and carbon export, (ii) the 'silicic-acid leakage' hypothesis (SALH) and (iii) the formation and extent of surface water stratification. Diatom and radiolarian oxygen isotopes will provide information on the timing of surface ocean salinity anomalies resulting from WAIS melt water. Climate model simulations using a complex coupled atmosphere ocean general circulation model (AOGCM) in combination with a sophisticated ocean biogeochemical model including Si-isotopes will be used for comparison with the paleo records. The analysis will cover spatial as well as temporal variability patterns of Southern Ocean hydrography, nutrient cycling and air-sea CO2-exchange. With the help of the climate model we aim to better separate and statistically analyse the individual impacts of ocean circulation and bio
Die 3D-Morphologie von Batterieelektroden hat einen wesentlichen Einfluss auf ihre elektrochemischen Eigenschaften. Dabei muss sowohl die ionische als auch die elektrische Leitfähigkeit in der gesamten Elektrode sichergestellt sein. Die Bestimmung geeigneter hierarchischer Elektrodenstrukturen im Mikro- und Nanometerbereich ist somit unerlässlich für die Verbesserung der elektrochemischen Performanz von polymerbasierten Batterien. Hierfür sind detaillierte Kenntnisse der 3D-Morphologie experimentell hergestellter Elektroden und ihrer funktionellen Eigenschaften erforderlich. Das Ziel dieses Projektes ist es, besser zu verstehen, wie polymerbasierte Batterieelektroden strukturiert werden müssen, um 3D-Morphologien zu erhalten, die zu einer hohen elektrochemischen Performanz und Degradationsstabilität führen. Hierfür werden neuwertige und zyklisch gealterte Standard-Elektroden untersucht, die von der AG Schubert der Uni Jena zur Verfügung gestellt werden. Die 3D-Morphologie dieser Elektroden wird zunächst von der AG Manke mittels tomographischer Bildgebungstechniken wie FIB/SEM Tomographie und Synchrotron-Tomographie rekonstruiert. Des Weiteren wird die AG Manke tomographische Operando-Messungen durchführen, um Strukturänderungen während der Zyklisierung zu analysieren. Die AG Schmidt wird mit statistischer Bildanalyse Korrelationen zwischen Fabrikationsparametern und transportrelevanten Kenngrößen der 3D-Morphologien von neuwertigen und gealterten Elektroden untersuchen und quantitativ bewerten, während die AG Carraro ortsaufgelöste numerische Simulationen des Ladungstransports durchführt und ein elektrochemisches Multiskalen-Modell entwickelt, um zu untersuchen, wie die 3D-Morphologie der Elektroden die in ihr ablaufenden elektrochemischen Prozesse beeinflusst. Neben den experimentell hergestellten Elektroden der AG Schubert werden simulierte Elektrodenstrukturen untersucht. Hierfür entwickelt die AG Schmidt einen stochastischen Geometrie-Generator, mit dem sie eine große Vielfalt von virtuellen Elektrodenstrukturen in 3D erzeugt. Dadurch wird die systematische Untersuchung der 3D-Morphologie von polymerbasierten Batterieelektroden mittels Computersimulation ermöglicht. Insbesondere führt die 3D Simulation von Elektrodenstrukturen zu empirisch hergeleiteten Formeln, die transportrelevante Kenngrößen der 3D-Morphologie durch Fabrikationsparameter ausdrücken, also zu sogenannten Fabrikation-Mikrostruktur-Beziehungen. Die Kombination von stochastischer Struktursimulation mit der numerischen Simulation elektrochemischer Prozesse der AG Carraro führt außerdem zu Formeln, durch die elektrochemische Kenngrößen mittels morphologischer Kenngrößen ausgedrückt werden, d.h. zu Mikrostruktur-Eigenschafts-Beziehungen. Insgesamt werden so durch die Kombination von 3D Bildgebung mit modellbasierter 3D Simulation Strukturierungsempfehlungen generiert, die das Design von polymerbasierten Batterieelektroden mit optimierter elektrochemischer Performanz unterstützen.
Zuverlässige und genaue Wettervorhersagen spielen eine entscheidende Rolle für das Verständnis sowie die Begrenzung von Risiken, die sich aus dem Klimawandel ergeben, ebenso sind sie entscheidend für die Vorhersage von Output aus erneuerbaren Energiequellen. Heutzutage wird Wettervorhersage über numerische Wettermodelle betrieben. Das Ergebnis eines Modell-Laufes ist eine einzelne deterministische Vorhersage für zukünftige Wetterereignisse. Um die Unsicherheit in so einer Vorhersage quantifizieren zu können, ist es gängige Praxis geworden, ein Ensemble von numerischen Vorhersagen zu verwenden. Dieses Ensemble wird erzeugt, indem man das Wettermodell mehrfach laufen lässt, und jeder Lauf mit jeweils modifizierten Anfangsbedingungen und/oder Modellformulierungen gestartet wird. Das daraus resultierende Vorhersage Ensemble ist aber typischerweise ungenügend kalibriert und benötigt deshalb statistische Nachbearbeitung. Es wurden bislang bereits verschiedene statistische Modelle zur Nachbearbeitung solcher Ensemble Vorhersagen entwickelt, welche auf unterschiedliche Anforderungen z.B. der betrachteten Wetter Variablen zugeschnitten sind. Insbesondere wird es immer wichtiger diese Modelle dahingehend zu erweitern, dass sie räumliche und zeitliche Abhängigkeiten sowie Abhängigkeiten zwischen Wetter Variablen explizit berücksichtigen. Dieses Projekt hat zum Ziel neue Arten von statistischen Modellen zur Nachbearbeitung zu entwickeln, welche auf vine copula basieren. Diese erlauben sehr flexible und Datenbasierte Modellierung aller Arten von multivariater Abhängigkeiten. Konkretes Ziel ist die Entwicklung von vine copula basierten Modellen, die speziell auf verschiedene Wetter Variablen zugeschnitten sind, wie z.B. Temperatur, Windgeschwindigkeit, Niederschlag, Bewölkung und Sonneneinstrahlung. Die vine copula basierte Quantilregression wird dabei auch angepasst, um Wetter Variablen die mit erneuerbaren Energien in Zusammenhang stehen gleichzeitig nachzubearbeiten und in Vorhersagen der entsprechenden gewonnene Nutzleistung zu transformieren. Im nächsten Schritt sollen diese Modelle auf die multivariate Situation erweitert werden, indem sie Abhängigkeiten in der Zeit, im Raum und zwischen Wetter Variablen direkt modellieren, und nach Möglichkeit sogar alle diese Arten von Abhängigkeiten simultan erfassen. Die hier entwickelten Modelle sollen im Statistik Progammpaket R implementiert, und in einer Studie zur Vorhersage-Qualität und Kalibration mit Standard-Modellen vergleichen werden.
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.