API src

Found 96 results.

Related terms

Vorhersage urbaner atmosphärischer Anzahlkonzentrationen ultrafeiner Partikel mit Hilfe von Machine Learning- und Deep Learning-Algorithmen (ULTRAMADE)

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.

Brandverhalten von Lithium-Ionen-Batteriesystemen und Brand-Schutz, Wirkung der Schadgase auf Menschen, BALSAM: Brandverhalten von Lithium-Ionen-Batteriesystemen und Brand-Schutz, Wirkung der Schadgase auf Menschen

KI: Abbildung von Flussbettprofilen und lokalen Strömungsverhältnissen durch Künstliche Intelligenz zur Positionsermittlung von Kleinturbinen Clustern, KI: Abbildung von Flussbettprofilen und lokalen Strömungsverhältnissen durch Künstliche Intelligenz zur Positionsermittlung von Kleinturbinen Clustern

Technologielösungen für hocheffiziente zero-emission H2-Motoren für KWK-Anwendungen, Teilvorhaben: Simulative und experimentelle Analyse und Optimierung von Gemischbildung und Verbrennung

Im Vergleich zu erdgasbetriebenen Aggregaten können mit baugleichen Wasserstoffmotoren bisher nur geringere spezifische Leistungen erbracht werden, wodurch sich der Wirkungsgrad des Systems verringert, sodass die Technologie noch nicht als wirtschaftliche Alternative zu Erdgassystemen in Frage kommt. Im vorliegenden Teilvorhaben soll eine Erhöhung der spezifischen Leistung mittels aufwendiger messtechnischer sowie simulativer Methoden erreicht werden. Auf Basis der optischen Analyse von Gemischbildung und Verbrennung im aktuellen Entwicklungsstand des H2-BHKW von 2G soll durch numerische Strömungssimulation (CFD, computational fluid dynamics) ein optimiertes Brennraumdesign sowie eine optimierte Form der Brenngaseinbringung gefunden und am Prüfstand umgesetzt und validiert werden. Bei erfolgreicher Leistungs- und Effizienzerhöhung können die gewonnenen Erkenntnisse durch 2G in den nächsten Modellgenerationen übernommen und somit wirtschaftlich verwertet werden.

2024- German Informative Inventory Report

Welcome to the German Informative Inventory Report 2024 (IIR 2024). This report covers the preparation, maintenance, and improvement of the German air pollutant emission inventory. Emission estimates are provided for the timeseries from 1990 to 2022 , with exceptions for fine particulate matter with aerodynamic diameters of ≤2.5 (PM 2.5 ) or ≤10µm (PM 10 ) respectively with data as of 1995 , and black carbon (BC) with data as of 2000 . For faster navigation please refer to the TABLE OF CONTENTS . The report was produced by the national co-ordination agency (single entity) for the National System of Emissions Inventories (Nationales Systems Emissionsinventare; NaSE), sited within the German Federal Environmental Agency (UBA). Information on agriculture, changes in land use and forestry was provided by the Federal Ministry of Food and Agriculture (BMEL) and the Johann Heinrich von Thünen-Institut, Federal Research Institute for Rural Areas, Forestry and Fisheries, Institute of Agricultural Climate Research (vTI - AK). More information is available on the emission web site of the German Environment Agency (UBA). For further questions contact Michael Kotzulla, Tel. +49 (0)340 2103 3071 or Dr. Kevin Hausmann, Tel. +49 (0)340 2103 2192.

Beherrschbarkeit von Großschadensfeuern in Industriehallen mit dem Gefahrgut Hochvoltspeicher und deren Ausbreitungsmodelle (BEGIN-HVS), Teilvorhaben: Simulation von Lagerbränden

Acoustic Recordings of Strokkur Geyser Eruptions: Data from August 23–27, 2023

This dataset comprises acoustic recordings of eruptive events at Strokkur Geyser, Iceland, collected during a field campaign from August 23–27, 2023. The data were recorded using four Chaparral M-60 UHP2 infrasound microphones with a flat frequency response from 0.05–200 Hz. The microphones were deployed in a semicircular array around the geyser pool, approximately 7.5 meters from its center. The signals were digitized using DiGOS Data-Cube3 digitizers with a sampling rate of 400 Hz, ensuring high-resolution capture of both low-frequency infrasound and high-frequency audio signals. Each recording spans approximately 2 ½ hours per day and is timestamped using GPS for precise temporal accuracy. The data are provided as miniSEED files with applied sensitivity, allowing direct calculation of sound pressure levels in Pascal (Pa). The exact locations for each sensor on each day are given below. The dataset highlights acoustic signals associated with the growth, rupture, and disintegration of the water bulge preceding Strokkur’s eruptions. Distinct features, such as "M-shaped" infrasound waveforms, are evident and provide insight into the dynamic processes driving geyser eruptions. The dataset offers a valuable resource for studying acoustic emissions during geyser activity, providing a high-resolution foundation for research on subsurface processes and fluid dynamics. It also facilitates comparative studies of geophysical signals in geysers and analogous volcanic systems. August 23 (Small array configuration): Recording times: 6:25 – 9:41 UTC (exact start times for each sensor may vary as they were started separately). Sensor C3H: 64.31299, -20.30095 Sensor C3G: 64.31308, -20.30089 Sensor C3F: 64.31311, -20.30064 Sensor C3C: 64.31303, -20.30070 August 24 (Half circle around the geyser, until 8:36 UTC): Recording times: 6:50 – 9:17 UTC (exact start times for each sensor may vary). Sensor C3H: 64.31276, -20.30093 Sensor C3G: 64.31280, -20.30073 Sensor C3F: 64.31273, -20.30066 Sensor C3C: 64.31267, -20.30062 August 24 (After 8:36 UTC, modified configuration): Sensor C3F moved to 64.313203, -20.301558 to record gas bubble sounds near another ground opening. Sensor C3H: 64.31276, -20.30093 Sensor C3G: 64.31280, -20.30073 Sensor C3C: 64.31267, -20.30062 August 25 (Half circle around the geyser): Recording times: 6:56 – 9:20 UTC (exact start times for each sensor may vary). Sensor C3H: 64.31276, -20.30093 Sensor C3G: 64.31280, -20.30073 Sensor C3F: 64.31273, -20.30066 Sensor C3C: 64.31267, -20.30062 August 26: No measurements were taken. August 27 (Line configuration, before 8:01 UTC): Recording times: 6:18 – 9:26 UTC (exact start times for each sensor may vary). Sensor C3H: 64.31276, -20.30072 Sensor C3G: 64.31283, -20.30071 Sensor C3F: 64.31288, -20.30071 Sensor C3C: 64.31292, -20.30062 August 27 (After 8:01 UTC, returned to half circle around the geyser): Sensor C3H: 64.31276, -20.30093 Sensor C3G: 64.31280, -20.30073 Sensor C3F: 64.31273, -20.30066 Sensor C3C: 64.31267, -20.30062

High-Speed Video Recordings of Water Bulge Growth and Rupture at Strokkur Geyser, Iceland (August 23–27, 2023)

This dataset comprises unprocessed high-speed video recordings of eruptive events at Strokkur Geyser, Iceland, captured during a field campaign from August 23–27, 2023. The videos are provided as sequences of individual TIFF files for each frame, enabling detailed analysis of the geyser’s eruption cycle. These high-resolution recordings, made using a Chronos 2.1-HD high-speed camera at 500 frames per second with a resolution of 1920×1080 pixels, are specifically focused on capturing the growth and rupture of the water bulge, rather than the resulting geyser fountain. Each video is, on average, 4.29 seconds long, providing high temporal resolution of these rapid processes. The dataset includes 29 analyzed events, selected for their detailed capture of the water bulge dynamics. These videos document critical stages of the eruption process, including the bulge’s growth, rupture, and associated fluid dynamics. The recordings were synchronized with infrasound and audio data collected during the campaign, allowing for integrated analysis of acoustic signals and visual observations. This dataset provides a valuable resource for studying water bulge dynamics and associated acoustic emissions. It complements other geophysical data collected during the campaign and offers insights into surface and subsurface processes relevant to geysers and analogous volcanic systems.

2025- German Informative Inventory Report

Welcome to the German Informative Inventory Report 2025 (IIR 2025)! This report covers the preparation, maintenance, and improvement of the German air pollutant emission inventory. Emission estimates are provided for the timeseries from 1990 to 2023 , with exceptions for fine particulate matter with aerodynamic diameters of ≤2.5 (PM 2.5 ) or ≤10µm (PM 10 ) respectively with data as of 1995 , and black carbon (BC) with data as of 2000 . For faster navigation please refer to the TABLE OF CONTENTS .

EnOB: Energieeffiziente Betriebskonzepte für Gesundheitsschutz mit kooperativ arbeitenden raumlufttechnischen Anlagen basierend auf Simulationen, Sensordaten und künstlicher Intelligenz

1 2 3 4 5 … 8 9 10