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.
Der Eintrag organischen Kohlenstoffs in den Boden ist eine der Hauptsteuergrößen für Prozesse der Verwitterung und Erosion und wird im Wesentlichen durch das Zusammenspiel von Klima und Vegetation gesteuert. Ein wichtiges Ziel des DFG-Schwerpunktprogrammes EarthShape (SPP 1803) ist es, zu verstehen, wie gerade diese Interaktionen den Bodenkohlenstoff, der zum einen eine mikrobielle Energiequelle darstellt und zum anderen als stabilisierender Faktor der Erosion entgegenwirkt, beeinflussen. Das beantragte Projekt hat daher zum Ziel, die organische Kohlenstoffdynamik ausgehend von der Pflanze über die Streu in den Boden zu untersuchen und die Einflüsse des Klimas und der Vegetation zu entkoppeln. Die Bedeutung von Klima- und Pflanzeneigenschaften ist skalenabhängig, daher wird ein skalenübergreifender Forschungsansatz verfolgt, der unterschiedliche räumliche und klimatische Skalen abdeckt. Diese umfassen drei Biome entlang der chilenischen Küstenkordillere (arid, mediterran, nass-gemäßigt) und jeweils 2 unterschiedliche Untersuchungsflächen innerhalb dieser Biome. Die Erfassung verschiedener Pflanzengesellschaften und des entsprechenden Bodenkohlenstoffs auf diesen unterschiedlichen Skalen ermöglicht eine Entkopplung klimatischer und vegetationsgebundener Effekte. Die reziproke Translokation von Bodenmonolithen und Streuauflagen sowohl zwischen den Biomen als auch zwischen den Untersuchungsflächen ermöglicht eine detaillierte Entschlüsselung klimatischer und pflanzlicher Effekte. Letztere wird dabei funktional betrachtet und der Einfluss chemischer, physikalischer und phänologischer Pflanzeneigenschaften dargestellt. Zudem wird an den Untersuchungsflächen Unterbodenmaterial an die Erdoberfläche verlagert, um zu überprüfen, ob der darin gespeicherte organische Kohlenstoff auch bei veränderten Bedingungen (z.B. Temperatur) weiterhin aufgrund seiner molekularen Struktur stabil bleibt oder diese Stabilität lediglich durch Effekte im Unterboden determiniert wurde. Die Anwendung innovativer Labormethoden (HPLC, ICM-PS, EA-IRMS, AQUALOG) erlauben eine detaillierte Beschreibung des Kohlenstoffs und beeinflussender Faktoren (C, N, P, 13C, Lignin, Tannin, Spurenelemente) in Blättern, Streu und im Bodenprofil. Die simultane Messung von Absorption und Fluoreszenz inklusive der Anwendung von EEM und PARAFAC erlaubt eine detaillierte Untersuchung des gelösten organischen Bodenkohlenstoffs. Kooperative Datenanalysen sind ein wesentlicher Aspekt des Projektes, um die vielfältigen Ergebnisse, entsprechend des skalenübergreifenden Forschungsansatzes, in Beziehung zu setzen. Unsere Ergebnisse werden ein statistisches Modell beinhalten, das eine Vorhersage des organischen Bodenkohlenstoffgehalts auf Basis von Klima- und Vegetationsmerkmalen in der Wirkungskette Pflanze-Streu-Boden ermöglicht. Dieses Prozesswissen trägt zum Verständnis und der Modellierung des Kohlenstoffkreislaufs als Grundlage reliefbezogener Bodenprozesse bei.
Nitrifikationshemmstoffe werden als robuste und skalierbare THG Reduktionsmaßnahme für den Pflanzenbau vorgeschlagen. Ob dies aber eine effiziente, praxisgerechte und umweltschonende Maßnahme zur Verringerung düngungsinduzierter N2O-Emissionen unter mitteleuropäischen Bedingungen ist, wird von Wissenschaft, Politik und Praxis kontrovers diskutiert. Einerseits bestehen die Potenziale, durch die Hemmung der Nitratbildung sowohl die direkten als auch indirekten N2O-Emissionen deutlich zu mindern und dadurch die Effizienz der Stickstoffdüngung zu verbessern. Andererseits fehlen für eine gesicherte Bewertung in mehreren Punkten wissenschaftlich belastbare und standortdifferenzierende Ergebnisse: i) die standortdifferenzierende Bewertung der Wirkung auf die N2O-Jahresemission und Nitratauswaschung, ii) die ökologischen Langzeitwirkungen einer regelmäßigen Ausbringung der Hemmstoffe und ihre Wirkung auf andere umwelt- und klimawirksamen Emissionen sowie iii) die zusammenführende und standortdifferenzierende Gesamtbewertung als Klimaschutzmaßnahme unter Einbeziehung von Klimaschutzeffekten, ökologischen Risiken, sowie ökonomischen und pflanzenbaulichen Effekten. Ziel dieses Teilprojekts ist die standortabhängige pflanzenbauliche Bewertung des Einsatzes von Nitrifikationsinhibitoren und damit verbundener Düngungsstrategien auf die Qualität und Höhe der Erträge und Stickstoffnutzungseffizienz. Neben bereits verfügbaren Daten aus der Literatur fließen hier insbesondere die pflanzenbaulichen Daten aus den Feldversuchen des Verbundprojektes ein. Zur weiteren Extrapolation der Erkenntnisse werden statistische und pflanzenbauliche Modelle herangezogen.
Gegenstand des von Kessel + Partner, IVT e.V. und BAG gemeinsam bearbeiteten Projekts ist die Entwicklung eines statistischen Modells, in dessen Rahmen die vom Statistischen Bundesamt laufend bzw. periodisch ermittelten aggregierten Aufkommens- und Leistungsdaten vom Gefahrguttransport (differenziert nach Gefahrgutklassen und Verkehrsrelationen) mit Individualdaten zur Struktur von Transportketten sowie zum Entscheidungsverhalten bei der Transportmittelwahl im Gefahrgutverkehr verknüpft werden, um die von Gral benötigten verkehrsträger- und streckenbezogenen Expositionsgrößen differenziert nach Gefahrklassen zu erhalten.
Dairy farming across Germany displays diverse production systems. Factor endowment, management, technology adoption as well as competitive dynamics in the local or regional land, agribusiness and dairy processing sectors contribute to this differentiation on farm level. These differences impact on the ability of dairy farms and regional dairy production systems to successfully respond to pressures arising from future market and policy changes. The overall objective of the research activities of which this project is a part of, is to develop a thorough understanding of the processes that govern the spatial dynamics of dairy farm development in different regions in Germany. The central hypothesis of this research project is that management system and technological choices differ systematically across local production and market conditions. The empirical approach will focus on the estimation of farm specific nonparametric cost functions for dairy farms located in across Germany differentiated by time and location. A spatially differentiated data base with information on input use, resource availability, as well as local market conditions for land and output markets will be compiled. The nonparametric approach is specifically suited to disclose a more accurate representation of dairy production system heterogeneity across locations and time compared to parametric concepts as it provides the necessary flexibility to accommodate non-linearities relevant for a wide domain of explanatory variables. The methodology employed goes beyond the state of the art of the literature as it combines kernel density estimation with a Bayesian sampling approach to provide theory consistent parameters for each farm in the data sample.The specific methodological hypothesis is that the nonparametric approach is superior to current parametric techniques and this hypothesis is tested using statistical model evaluation. Regarding the farm management and technological choices, we hypothesize that land suitability for feed production determines the farm intensity of dairy production and thus management and technological choices. With respect to the ability of farms to successfully respond to market pressures we hypothesize that farms at the upper and lower tail of the intensity distribution both can generate positive returns from dairy production. These last two hypotheses will be tested using the estimated spatially differentiated farm specific costs and marginal costs.The expected outcomes are of relevance for the agricultural sector and the food supply chain economy as a whole as fundamental market structure changes in the dairy sector are ongoing due to the abolition of the quota regulation in the years 2014/2015. Thus, exact knowledge about differences and development of dairy cost heterogeneity of farms within and between regions are an important factor for the actors involved in the market as well as the political support of this process.
Extreme kurzfristige Meeresspiegeländerungen können schwerwiegendere Auswirkungen auf die Gesellschaft und Ökosysteme haben, als ein langsam ansteigender mittlerer Meeresspiegel. Wenn sich die Anzahl von Extremereignissen unter dem Einfluss anthropogener Klimaänderungen verändert, kann das grundlegende Konsequenzen auf die Abschätzung klimawandelbedingter Auswirkungen haben, und in der Folge auf geplante Anpassungsmaßnahmen. Südostasien ist eine der bevölkerungsreichsten Regionen der Welt, welche den Auswirkungen von Taifunen und extratropischen Zyklonen unterliegt. Gegenwärtig ist noch unklar, inwiefern externe Klimaantriebe die Häufigkeit und Intensität von extremen Ereignissen wie Sturmfluten und starken und/oder langanhaltenden Niederschlagsereignissen beeinflussen, und welche Rolle dabei die interne Variabilität der Klimaantriebe spielt. Im Projekt Asia-Floods werden atmosphärische Wettermuster identifiziert werden, welche zu küstennahen Überflutungen durch Sturmfluten und/oder durch extreme kontinentale Niederschläge in der Region Südostasien führen können. Dazu wird eine Reihe von vorhandenen globalen und regionalen Klimasimulationen unterschiedlicher räumlicher Auflösung untersucht werden, welche sowohl die letzten Dekaden als auch Simulationen über das letzte Jahrtausend und Zukunftsszenarien abdecken. Auf Basis dieser Simulationen wird ein statistischer Downscaling Ansatz angewendet werden, in welchem die großskaligen atmosphärischen Klimafaktoren in einen statistischen Zusammenhang zu (beobachteten) lokalen Klimafaktoren gebracht werden. Dazu werden Beobachtungsdatensätze von extremen Wasserständen und Niederschlagsereignissen verwendet werden. Nach der Kalibrierung dieser statistischen Modelle anhand gegitterter Beobachtungsdaten und meteorologischer Reanalysen, können diese auf vergangene und zukünftige globale und regionale Klimasimulationen angewendet werden, um Änderungen in der Anzahl von Extremereignissen abschätzen zu können. Die erzielten Ergebnisse auf Basis der Klimasimulationen der vergangenen Jahrhunderte werden u.a. mit anderen Projekten innerhalb dieses SPPs abgeglichen, um die Häufigkeit von Überflutungen in Proxydaten zu untersuchen. Im Falle der Szenario-Simulationen werden die Ergebnisse u.a. verwendet, um den Anstieg der durch küstennahe Überflutungen verursachten ökonomischen Kosten abzuschätzen.
Passatwindkumuli spielen eine essentielle Rolle im Strahlungshaushalt der Erde und sind verantwortlich für bis zu 20 % des tropischen Niederschlags. Noch ist nicht bekannt, wie Passatwindkumuli auf die globale Erwärmung reagieren werden. Durch Niederschlag verändern sich Wolkeneigenschaften, aber auch die Grenzschichtstruktur und -dynamik. Aufgrund der Vielzahl der beteiligten Prozesse ist die Niederschlagsentwicklung in Modellen ist unsicher. Die Konfiguration der Simulationen und Wahl der Parameterisierung, wie das Autokonversionsschema, beeinflussen Niederschlagsfluss, Wolkenstruktur und â€Ìorganisation. Bisher konnten Vergleiche mit Beobachtungen noch nicht zur Reduktion der Unsicherheit des Autokonversionsschemas beitragen. Radarreflektivität, die mit Standardmethoden aus bodengebundenen Messungen abgeleitet wird, erkennt Niederschlag erst in einem fortgeschrittenen Stadium, was es schwierig macht, die verschiedenen, den Regen verursachenden Faktoren zu entflechten. Durch die Verdunstung des Niederschlags unterhalb der Wolkenunterkante (WUK) bestimmt dieser die Stärke der Coldpools und ist so bedeutend für die Organisation von Konvektion und somit die Klimasensitivität: Daher ist es essentiell Verdunstungsraten zu bestimmen und deren räumlich-zeitliche Variabilität zu verstehen. Zwar gibt es Parameterisierungen der Verdunstung unterhalb der WUK, allerdings sind diese von der Größe der Regentropfen abhängig, welche jedoch schlecht direkt zu beobachten ist.Ziel dieses Antrages ist die Bestimmung von Faktoren, welche die Niederschlagsformation in Passatwindkumuli beeinflussen. Dazu werden neuartige Radarbeobachtungen dieser Prozesse zur genaueren Beschreibung der Niederschlagsentwicklung in Grobstruktursimulationen (LES) herangezogen. Die räumlich-zeitliche Verdunstungsverteilung wird unterhalb der WUK in den Passatwindkumuli untersucht und treibende Faktoren identifiziert. Das Forschungsvorhaben ergänzt die bevorstehende EUREC4A (A Field Campaign to Elucidate the Couplings Between Clouds, Convection and Circulation) Kampagne und nutzt die langjährige Datenreihe des Barbados Cloud Observatory (BCO).Die synergetischen bodengebundenen Beobachtungen und der neue Ansatz, Niederschlag in Wolken mit Hilfe höherer Momente des Wolkenradardopplerspektrums zu bestimmen, werden erstmalig zur Beobachtungen von Passatwindkumuli und der Charakterisierung des Niederschlagslebenszyklus zu angewendet. Damit wird es möglich die Niederschlagsentwicklung in den hochauflösenden ICON-LEM und DHARMA-LES Modellen zu evaluieren. Für einen statistischen Vergleich der Simulationen und der Beobachtungen wird der Vorwärtsoperator PAMTRA verwendet, so dass im Beobachtungsraum untersucht werden kann, inwiefern die Modelle die beobachteten, mittleren Werte und Abhängigkeiten reproduzieren können und systematischen Fehler identifiziert werden. Damit trägt das Vorhaben zum Grand Challenge on Cloud Circulation and Climate Sensitivity des Weltklimaforschungsprogramm WRCP bei.
Salzmarschen spielen eine wichtige Rolle im Küstenschutz: Sie können sich im Allgemeinen dem Meeresspiegelanstieg anpassen, da häufigere Überflutungen zu erhöhten Sedimentdepositions- und Aufwuchsraten führen. Im Laufe der nächsten Jahrzehnte könnte es jedoch auf Grund des Klimawandels zu komplexen morphologischen Reaktionen der Salzmarschen kommen. Sedimentdepositionsraten und Muster in Salzmarschen werden von externen Umweltfaktoren wie etwa dem Tidenhub und der Sedimentzufuhr beeinflusst, die wiederum vom Klimawandel beeinflusst werden. Lokal werden Sedimentdepositionsraten und Muster wiederum von internen Faktoren wie z.B. der Geländehöhe beeinflusst. Zusätzlich hat die Vegetation einen positiven Einfluss auf die Sedimentdeposition, da sie die Strömungsgeschwindigkeit des Wassers reduziert. Eine erhöhte Sedimentdeposition und die daraus resultierende Höhenveränderung wiederum führen zur Änderung der Vegetation und Erhöhung der Biomasse. Dies wiederum führt zu erhöhtem Sedimenteintrag und somit zu eine positiven Rückkopplungsschleife von Sediment- und Vegetationsdynamik. Es gibt derzeit verschiedene morphodynamische Modelle, die diese Faktoren einbeziehen und damit Höhenänderungen von Tidemarschen vorausberechnen. Es existieren dabei sowohl Modelle, die auf empirischen Messungen und statistischer Auswertung beruhen als auch physikalische Modelle, die auf hydrodynamischen Gleichungen fußen. Bei einigen Modellen wurde zudem der Einfluss der Vegetation auf die Sedimentdeposition berücksichtigt. Viele biophysikalische Wechselwirkungen zwischen Vegetation und Hydromorphologie sowie der Einfluss von heterogener Vegetation auf Sedimentbewegungen sind bisher jedoch nur unzureichend dargestellt. So geht man in Modellen etwa häufig von homogenen unteren Marschen aus, obwohl sich die Vegetationsstruktur stark je nach Marschzone unterscheidet und innerhalb der Zonen heterogene Muster bildet. Noch gravierender ist außerdem die bisherige Annahme der Modelle, dass die Vegetation statisch sei, wobei der Aufwuchs der Marsch tatsächlich ein wesentlicher Antrieb der Vegetationssukzession ist: Diese führt zu einer Veränderung der Vegetationsstruktur und sollte so wiederum auch die Sedimentdynamik wie oben dargestellt beeinflussen. Wir möchten nun die morphodynamischen Marschmodelle verbessern, indem wir die Rückkopplungen von Sedimentdynamik und Vegetationsentwicklung für die Salzmarschen im Wattenmeerraum integrieren. Solche integrierten Modelle sollen bessere Vorhersagen der Marschentwicklung unter verschiedenen Klimamodellen (WP A/B) ermöglichen. Weiterhin lassen sie sich einsetzen, um Entscheidungen im Zusammenhang mit Küstenschutzmaßnahmen zu treffen (WP C).
| Origin | Count |
|---|---|
| Bund | 262 |
| Land | 5 |
| Type | Count |
|---|---|
| Förderprogramm | 256 |
| Text | 10 |
| unbekannt | 1 |
| License | Count |
|---|---|
| geschlossen | 6 |
| offen | 261 |
| Language | Count |
|---|---|
| Deutsch | 248 |
| Englisch | 55 |
| Resource type | Count |
|---|---|
| Bild | 1 |
| Dokument | 3 |
| Keine | 176 |
| Webseite | 88 |
| Topic | Count |
|---|---|
| Boden | 201 |
| Lebewesen und Lebensräume | 213 |
| Luft | 177 |
| Mensch und Umwelt | 267 |
| Wasser | 175 |
| Weitere | 258 |