Das Projekt "Selektive Bekämpfung von Grünlandunkräutern mit Wasserstrahlen, Teilprojekt E" wird/wurde gefördert durch: Bundesministerium für Ernährung und Landwirtschaft. Es wird/wurde ausgeführt durch: Universität Ulm, Institut für Stochastik.Übergeordnetes Ziel ist die Entwicklung eines wasserhydraulischen, selektiv arbeitenden Unkrautbekämpfungsgerätes für Grünland. Es wird an den genormten Schnittstellen an den Traktor gekoppelt: Dreipunktaufnahme im Frontanbau, Antrieb über die Zapfwelle, ISOBUS-Steuerung. Innerhalb der Projektlaufzeit soll mit Hilfe von Kameras und künstlicher Intelligenz eine online-Detektion von Herbstzeitlosen und weiteren Schadpflanzen im Grünland erreicht werden. Dabei sollen die neuronalen Netze eines offline Ansatzes, die im Vorläuferprojekt SELBEX für die maschinelle Analyse von Drohnenbildern entwickelt wurden, weiter optimiert und mit dem jetzt angestrebten online Ansatz kombiniert werden. Die Schadpflanzen sollen durch gezielt applizierte Wasserstrahlen zurückgedrängt werden. Auch dieses bereits im Vorläuferprojekt entwickelte Prinzip soll weiter optimiert und das Verfahren auf weitere Pflanzen ausgeweitet werden. Damit kann dieses Gerät für eine selektive und nicht-chemische Unkrautbekämpfung eingesetzt werden und stellt eine einzigartige, bisher nicht verfügbare Lösung dar. Sie wird für landwirtschaftliche Betriebe interessant, die Grünland mit hohen naturschutzfachlich begründeten Auflagen bewirtschaften, nach Ökostandards arbeiten oder im Grünland den Einsatz von chemischen Pflanzenschutzmitteln reduzieren wollen. Das Gerät soll so konstruiert werden, dass Arbeitsbreiten von 2,50 m und 6,0 m möglich sind. So können für verschiedene Flächenstrukturen und Erfordernisse der Kunden wettbewerbsfähige Geräte angeboten werden.
Das Projekt "ClimXtreme II - Modul B 'Statistics', Kompakte Beschreibung und statistische Modellierung für nichtstationäre räumliche Wetterextreme (CoDEx)" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: Universität Stuttgart , Institut für Stochastik und Anwendungen.
Das Projekt "Mathematische Methoden für die Optimierung von Nahwärmenetzen und Erdwärmespeichern, Teilvorhaben 2" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: Karlsruher Institut für Technologie (KIT), Institut für Stochastik.
Das Projekt "Sonderforschungsbereich (SFB) 1253: Catchments as Reactors: Schadstoffumsatz auf der Landschaftsskala (CAMPOS); Catchments as Reactors: Metabolism of Pollutants on the Landscape Scale (CAMPOS), Sonderforschungsbereich (SFB) 1253: Catchments as Reactors: Schadstoffumsatz auf der Landschaftsskala (CAMPOS)" wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft. Es wird/wurde ausgeführt durch: Universität Tübingen, Zentrum für Angewandte Geowissenschaften, Arbeitsgruppe Hydrogeochemie.Das Verhalten anthropogener Schadstoffe im Landschaftsmaßstab stellt eine der größten Herausforderungen heutiger Umweltwissenschaften dar. Forschungsergebnisse der letzten zehn Jahre haben wiederholt gezeigt, dass Umsatzraten von Schadstoffen, die im Labor ermittelt wurden, im Widerspruch zu Feldbeobachtungen stehen. Dies weist darauf hin, dass wir die relevanten Prozesse, die den Schadstoffumsatz in der Natur bestimmen, nur unvollständig verstehen. Entsprechend sind wir nicht in der Lage, zukünftige Entwicklungen der Wasser- und Bodenqualität in Folge des Klima- und Landnutzungswandels zuverlässig vorherzusagen. Der SFB CAMPOS beruht auf der Hypothese, dass auf der Feldskala Prozesse maßgeblich sind, die in Laborexperimenten nur schwer zu erfassen sind. Viele Schadstoffe, die unter Laborbedingungen vergleichsweise schnell abgebaut werden, zeigen eine unerwartete Langlebigkeit im Feld; sie werden in Böden und Grundwasserleitern über lange Zeiträume gespeichert und können noch Jahre, nachdem der anthropogene Eintrag aufgehört hat, nachgewiesen werden. Während wichtige, aber langsame Prozesse in Laborstudien möglicherweise übersehen werden, erschwert die ausgeprägte hydrologische und biogeochemische Dynamik die Interpretation konventioneller Beobachtungskampagnen im Feld. CAMPOS zielt darauf ab, reaktive Landschaftselemente zu identifizieren und ihre Prozessdynamik mit ausführlichen Feldstudien zu biogeochemischen Umsätzen von Schadstoffen in einer beispiellosen Auflösung zu quantifizieren. Derartige Studien sind erst durch den enormen Fortschritt in der Analytik und Messtechnik der letzten Jahre (z.B. substanzspezifische Isotopen- und Enantiomeranalytik, 'non-target screening', Bioanalytik, insitu Sensoren, molekularbiologische Techniken inklusive omics) ermöglicht worden, die bislang noch nicht in gezielten Felduntersuchungen kombiniert wurden. Jedes im SFB vorgesehene Projekt vereinigt Expertise aus unterschiedlichen Disziplinen, die notwendig sind, um den Verbleib von Schadstoffen in der Natur zu verstehen. Die untersuchten Landschaftselemente umfassen Fließgewässer, den Übergang zwischen Gerinnen und dem Untergrund, Transekten im Grundwasser sowie verschiedene Bodenkompartimente. Ein neuer stochastischer Modellieransatz ermöglicht es, den reaktiven Stofftransport im Landschaftsmaßstab prozessbasiert zu modellieren und die damit verbundene Unsicherheit zu quantifizieren. Unser neuartiger multidisziplinärer Ansatz quantifiziert das langfristige Verhalten anthropogener Schadstoffe in der Umwelt, indem Einzugsgebiete als biogeochemische Reaktoren betrachtet werde. CAMPOS trägt somit zum Fortschritt der Umweltwissenschaften bei und schafft die Grundlage für realistischere Projektionen der zukünftigen Boden- und Wasserqualität unter den Bedingungen des Klima- und Landnutzungswandels.
Das Projekt "Digitales Elektrodendesign für Festkörperbatterien, DELFIN - Digitales Elektrodendesign für Festkörperbatterien" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: Universität Ulm, Institut für Stochastik.
Das Projekt "Sonderforschungsbereich (SFB) 1253: Catchments as Reactors: Schadstoffumsatz auf der Landschaftsskala (CAMPOS); Catchments as Reactors: Metabolism of Pollutants on the Landscape Scale (CAMPOS), Teilprojekt P07: Stochastischer Modellansatz für den reaktiven Stofftransport auf der Landschaftsskala" wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft. Es wird/wurde ausgeführt durch: Eberhard Karls Universität Tübingen, Zentrum für Angewandte Geowissenschaften (ZAG), Arbeitsgruppe Hydrogeology.In dem Projekt wird ein stochastischer Modellieransatz für den reaktiven Stofftransport im Landschaftsmaßstab entwickelt. Prozesse an der Landoberfläche und in Böden werden durch stochastische Boden-Pflanzen-Modelle beschrieben, die an ein stochastisches 3-D Strömungsmodell des Untergrunds unterhalb der Wurzelzone sowie an fließ- bzw. kontaktzeitbasierte reaktive Stofftransportmodelle für Nitrat und Pestizide gekoppelt sind. Als Ergebnis statistisch verteilter Parameter und Randbedingungen, ergeben sich statistische Verteilungen der Zielgrößen, wie z.B. Wasserstände und -flüsse, Konzentrationen reaktiver Spezies. Diese Verteilungen werden anschließend anhand gemessener Daten mittels Ensemble-Kalman-Filtermethoden konditioniert.
Das Projekt "Sonderforschungsbereich Transregio 165 (SFB TRR): Wellen, Wolken, Wetter; Waves to Weather - A Transregional Collaborative Research Center, Teilprojekt A05: Die Bedeutung von Bodenfeuchte sowie ober- und unterirdischem Wasserablauf für die Vorhersagbarkeit von Konvektion" wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft. Es wird/wurde ausgeführt durch: Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR), Institut für Physik der Atmosphäre Oberpfaffenhofen.Wir untersuchen die Hypothese, ob die Vorhersagbarkeit konvektiver Niederschläge durch eine ausgefeiltere Berücksichtigung hydrologischer Bodenprozesse in numerischen Wettervorhersagen erhöht werden kann. Kombiniert mit einer stochastischen Grenzschichtparameterisierung wird dieser Ansatz benutzt, um die Variabilität von Boden-Atmosphäre-Flüssen, die von lateralen Wasserabflüssen bedingt sind, zu bewerten. Das wird eine Abschätzung des Einflusses einer verbesserten Formulierung der Bodenfeuchte auf die Atmosphäre erlauben.
Das Projekt "Datengetriebene Struktur-Eigenschafts-Analyse mittels stochastischer und numerischer Simulationsmethoden - Workflow zur Strukturoptimierung von SOFC-Brennstoffzellen, Teilvorhaben 1" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: Universität Ulm, Institut für Stochastik.
Das Projekt "Lokale stochastische Subgitterskalenmodellierung in der effizienten Simulation der geophysikalischen Strömungsdynamik" wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft. Es wird/wurde ausgeführt durch: Johann Wolfgang Goethe-Universität Frankfurt am Main, Institut für Atmosphäre und Umwelt.Es gibt konzeptionelle Gründe, Interesse an effizienten Atmosphärenmodellen zu haben, weil diese tiefere Einblicke in der Atmosphärendynamik erlauben, z.B. in Hinsicht auf Klimavariabilität. Solche Modelle sind aber auch ein nützliches Werkzeug bei Untersuchungen der Klimasensitivität oder des Paläoklimas, wo sehr viele oder sehr lange Integrationen benötigt werden und somit die Recheneffizienz eine wichtige Rolle spielt. Besonders bei diesen Anwendungen muss darauf Wert gelegt werden, dass die unvermeidlichen Subgitterskalenparametrisierungen möglichst viel auf ersten Prinzipien basieren. Die stochastische Modenreduktion (SMR) bietet hier eine Strategie, bei der ein großer Teil der Parametrisierung auf Papier hergeleitet wird, wenn bestimmte Terme, die Wechselwirkungen zwischen nichtaufgelösten Moden beschreiben, durch einen einfachen stochastischen Prozess modelliert werden können. In früheren Anwendungen der SMR wurden die reduzierten Atmosphärenmodelle immer im Spektralraum formuliert. Somit koppelt die dazugehörige globale subgitterskalige Parametrisierung alle aufgelösten Moden miteinander. Letztes begrenzt die Anwendbarkeit der Methode auf niedrigdimensionale Systeme. Um dieses Problem zu umgehen, ist unlängst eine Implementierung der SMR für gitterbasierte Raumdiskretisierungen entwickelt worden, die in einer lokalen Parametrisierung resultiert. Diese Strategie wurde bis jetzt nur im Rahmen der Burgersgleichung getestet. Das vorgeschlagene Projekt soll signifikant dazu beitragen, die lokale SMR auf realistische Modelle der Atmosphärendynamik anzuwenden. Dabei sollen subgitterskalige Parametrisierungen für die barotrope Vorticitygleichung und für die Flachwassergleichungen auf der f-Ebene konstruiert werden. Beide Modelle beinhalten wesentliche Eigenschaften, die berücksichtigt werden müssen, wenn man die lokale SMR auf die allgemeinen Gleichungen für die Beschreibung der Atmosphärendynamik anwenden will. Die neuen subgitterskaligen Parametrisierungen sollen folgende Kriterien erfüllen: i) sie sollen systematisch aus den Modellgleichungen unter einer relativ kleinen Anzahl von Grundannahmen hergeleitet werden ii) sie sollen so konsistent wie möglich mit den Erhaltungseigenschaften der Gleichungen sein und iii) sie sollen eine minimale (falls möglich gar keine) Anpassung an Daten der aufgelösten Skalen verwenden. In der Klimamodellierung existiert ein großer Bedarf an physikalisch basierten und auflösungsunabhängig formulierten stochastischen Parametrisierungen. Die Entwicklung von subgitterskaligen Parametrisierungen mittels der SMR, wie in diesem Projekt vorgeschlagen, wird zu solchen Verfahren beitragen. Die Turbulenzparametrisierung in grob auflösenden Simulationen ist ein anderes Feld, das von einer solchen Entwicklung profitieren kann.
Das Projekt "Intelligente Methoden zur automatischen und nachvollziehbaren Analyse umfangreicher Infrastruktur-, Verkehrs- und Umweltmessdaten" wird/wurde ausgeführt durch: Bauhaus-Universität Weimar, Institut für Strukturmechanik, Professur Optimierung und Stochastik.
| Origin | Count |
|---|---|
| Bund | 205 |
| Type | Count |
|---|---|
| Förderprogramm | 205 |
| License | Count |
|---|---|
| offen | 205 |
| Language | Count |
|---|---|
| Deutsch | 186 |
| Englisch | 48 |
| Resource type | Count |
|---|---|
| Keine | 118 |
| Webseite | 87 |
| Topic | Count |
|---|---|
| Boden | 117 |
| Lebewesen & Lebensräume | 107 |
| Luft | 107 |
| Mensch & Umwelt | 205 |
| Wasser | 94 |
| Weitere | 204 |