Das INF Projekt unterstützt den gesamten Lebenszyklus der Forschungsdaten im SFB von der Infrastruktur für sicheren Datenaustausch, der Metadatenanreicherung, nachhaltigen Maßnahmen zum Datenmanagement bis hin zur direkten Unterstützung der Datenanalyse durch statistische Verfahren. In die wissenschaftlichen Teilprojekte integriert, zielt INF auf die Verbesserung der Datenqualität und ihrer Stabilität, fördert Austausch und Nachnutzung der erstellten Datensätze und unterstützt mit statistischer Analyse die Synthese der Forschungsergebnisse. Die Kernkomponenten von INF bilden die modulare Forschungsinfrastruktur mit dem zentralen Informationssystem, das übergreifende Konzept zum Forschungsdatenmanagement und zur Datenkuration, sowie eine umfassende statistische Expertise mit Beratungsangebot, Methodenentwicklung und Datenanalyse.
Die 7 m langen Rhizotron-Röhren an zwei Standorten in Selhausen werden für quasi nicht-invasives Monitoring auf der Plot-Ebene von Wurzelwachstum und Bodenprozessen mittels Minirhizotron-Kameras, GPR Antennen und einem NMR Slim-line Tool genutzt. Die mathematische Beschreibung kleinskaliger Heterogenität, die durch die einzelnen Wurzeln hervorgerufen werden, wird auf der Plot-Ebene durch effektive Parameter und Beziehungen zwischen Bodenwasserverfügbarkeit, Wurzelwasseraufnahme und dem Zustand des Pflanzenbestandes landwirtschaftlicher Nutzpflanzen ersetzt. Diese werden im Landoberflächenmodell CLM implementiert.
Bei der Datenassimilation für die numerische Wettervorhersage (NWP) wird die Kurzfristvorhersage (genannt als Hintergrund) durch die neuesten Beobachtungen korrigiert, um erste Bedingungen (Analyse) für die nächste Vorhersage zu schaffen. In diesem Prozess müssen die räumlichen Eigenschaften der Vorhersagefehler modelliert werden, damit sich die Auswirkungen der Beobachtungen physikalisch optimal ausbreiten. Die Reduzierung von Vorhersagefehlern auf synoptischen Skalen in mittleren Breiten, wo die Divergenz eine Größenordnung kleiner ist als die relative Vorticity, wurde erfolgreich mit Hilfe der quasi-geostrophischen Theorie modelliert. Auf diese Weise können Temperaturbeobachtungen Hintergrundfehler im Windfeld korrigieren und umgekehrt. Die Analyseunsicherheiten und kurzfristigen Vorhersagefehler in globalen NWP-Systemen sind jedoch in den Tropen am größten, wo die Divergenz mit der Vorticity vergleichbar oder sogar größer ist. Tropische Analyseunsicherheiten können einen dominierenden Einfluss auf die Genauigkeit der mittel- und weiträumigen Vorhersage in den mittleren Breiten haben. Es wird hier argumentiert, dass die Verringerung der Analyseunsicherheiten in den Tropen ein entscheidender Schritt ist, der erforderlich ist, um das Spektrum nützlicher Vorhersagen in globalen NWP-Modellen zu erweitern. Ziel dieses Projekts ist es, eine neue Randbedingung für die Hintergrundfehlermodelle bei der Datenassimilation zu entwickeln, die Divergenz-dominierte Beziehungen zwischen den tropischen Temperatur- und Windvariablen über viele Skalen hinweg berücksichtigen. Die vorgeschlagene Randbedingung verwendet die Masse-Wind-Beziehungen, die tropische Schwerewellen beschreiben. Es hat sich gezeigt, dass diese Randbedingung viel versprechend für die Verbesserung tropischer Analysen ist. Dieses Projekt wird diese Ideen auf die globale Atmosphäre ausdehnen, indem es 1) einen neuen Datenassimilierungsrahmen entwickelt, der die tropischen und mittleren Breiten Aspekte der atmosphärischen Dynamik miteinander verbindet, 2) die strömungsabhängigen Hintergrundfehlerinformationen aus den Ensemble-Vorhersagen verwendet und 3) das Potential verbesserter tropischer Analysen auf Extratropen abschätzt.
Binnengewässer sind ein wichtiger Bestandteil des globalen Kohlenstoffkreislaufs und vor allem Emissionen des Treibhausgases Methan (CH4) aus Gewässern sind von zunehmendem globalen Interesse. Jüngste wissenschaftliche Untersuchungen zielen darauf ab, das prozessbasierte Verständnis der räumlichen und zeitlichen Dynamik der CH4-Emissionen aus Gewässern und ihrer treibenden Faktoren zu verbessern. Prognosen dazu, wie sich Methanemissionen aus Gewässern durch anthropogenen Einflüsse oder durch den Klimawandel bedingt verändern, sind auf Basis bisheriger Modelle nicht zuverlässig möglich. Viele der Faktoren, welche die Raten der Methanproduktion, -Oxidation und Emission in aquatischen Sedimenten beeinflussen, stehen in direkter oder indirekter Beziehung zur Strömungsgeschwindigkeit. Die Strömungsabhängigkeit der Methanproduktion und Methanemissionen von aquatischen Ökosystemen wurde jedoch bisher nicht explizit untersucht. In diesem Projekt werden wir neuartige experimentelle Mesokosmensysteme einsetzen, um die Strömungsabhängigkeit dieser Prozesse in einer Reihe von gezielten Laborexperimenten zu untersuchen. Der experimentelle Aufbau simuliert die Bedingungen, denen aquatische Sedimente in einem hydraulischen Gradienten von schnell fließenden (lotischen) hin zu schwach strömenden (lentischen) Systemen ausgesetzt sind. Solche Übergänge treten beispielsweise entlang von Längsgradienten in Flussstauhaltungen auf. Unsere Experimente zielen darauf ab, den Einfluss der Strömungsgeschwindigkeit auf diejenigen Prozesse zu untersuchen, die zur Bilanz von Methan im Sediment und an der Sediment-Wasser-Grenzfläche beitragen. Die Ergebnisse werden wir in ein prozessbasiertes Modell implementieren, welches neben relevanten biogeochemischen Parametern auch die Strömungsgeschwindigkeit als explizite Randbedingung berücksichtigt. Mit dem validierten Modell werden wir die Relevanz der Strömungsgeschwindigkeit für die Emissionen von Methan aus unterschiedlichen Gewässern mit Hilfe eines systemanalytischen Ansatzes untersuchen.
In zahlreichen Forschungsprojekten wurden bereits Energieverbräuche und Energieeinsparpotentiale in den Bereichen Wassergewinnung, -aufbereitung und -verteilung über separate Systemanalysen untersucht. Nur wenige Forschungsprojekte, wie z.B.das BMBF-geförderte ENERWA-Vorhaben, haben durch die gekoppelte Betrachtung der genannten Bereiche einen ganzheitlichen energetischen Betrachtungsansatz der wasserwirtschaftlichen Wertschöpfungskette erarbeitet. Aber auch diese Ansätze haben bei der energetischen Betrachtung die Wasserressource ausgegrenzt. Ein wichtiger Grund für das Fehlen solcher integrativer Betriebsstrategien ist, dass die Entwicklung innovativer Ansätze mit einem hohen Personalaufwand und finanziellen Risiko verbunden ist, welche im Betrieb durch die Wasserunternehmen nicht geleistet werden kann. Optimierungsmaßnahmen orientieren sich deshalb gemeinhin ausschließlich an den allgemein anerkannten Regeln der Technik und können nur selten darüber hinaus erprobt werden. Das vorliegende Vorhaben zielt daher darauf ab, diese Lücke bestehender Optimierungsansätze zu schließen, indem es intelligente, praxisorientierte Analysewerkzeuge zur integrierten qualitäts- und energieoptimierten Steuerung von Brunnengalerien für Anlagenbetreiber entwickelt. Hierbei kommen innovative Analysemethoden aus den Bereichen Big Data und KI zur Anwendung, um die bereits in der Praxis angewendete Methoden zur energetischen Optimierung von Pump- und Verteilungssystemen in der Wassergewinnung und die durch Grundwasserdargebot und -qualität vorgegebenen Limitierungen bzw. Optimierungspotentiale zu verbinden. Aufbauend auf den praktischen Erkenntnissen wird eine fachlich anerkannte Optimierungsmethodik, bestehend aus praxisorientierten Leitfäden und Tools, entwickelt, welche die wasserwirtschaftliche Nutzung von Einzelbrunnen und Brunnengalerien fokussiert und somit Wasserversorgungsunternehmen und Industriebetriebe mit eigener Wassergewinnung adressiert.
Im Rahmen des Transregionalen Sonderforschungsbereiches TR32 wurden erfolgreich Muster in Bodentypen mit geophysikalische Messmethoden identifiziert. Wir erweitern diese lokalen Analysen auf einen größeren Bereich, indem wir sie mit weiteren regional vorhandenen Daten kombinieren. Wir entwickeln und verwenden neuartige Methoden, um Bodenmuster zu charakterisieren und daraufhin auf einem größeren räumlichen Bereich zu simulieren und mit zusätzlichen Messungen zu testen, um schlussendlich einen Beitrag zu Prozesssimulationen bis zum Umfang von Wassereinzugsgebieten leisten zu können.
In vielen tropischen Gebieten werden Regenwälder gerodet, um Holz und andere Waldprodukte zu gewinnen und Nahrungs-, Futter-, Faser- und Energiepflanzen anzubauen. Häufig wird angenommen, dass beim Roden natürlicher Wälder alle Funktionen und Leistungen des Waldes verloren gehen. Allerdings ist eine vollständige Konservierung in vielen Situationen nicht realistisch und aus ökologischer Sicht möglicherweise auch nicht erforderlich. Überraschenderweise wurden die Determinanten der Abholzung tropischer Regenwälder und die Rolle der daraus entstehenden agrarischen Nutzungssysteme für den Erhalt von Biodiversität und anderen ökologischen und sozioökonomischen Funktionen im Detail bisher nur wenig wissenschaftlich erforscht. Der Sonderforschungsbereich 990 (SFB 990 / EFForTS) verfolgt das Ziel, wissenschaftlich fundierte Erkenntnisse darüber bereitzustellen, wie auf der Landschaftsskala die ökologischen Funktionen tropischer Regenwälder und landwirtschaftlicher Nutzungssysteme erhalten und verbessert werden können, bei gleichzeitiger Steigerung der menschlichen Wohlfahrt. Ebenso verfolgt der SFB die Frage, wie landwirtschaftliche Nutzung und Naturschutz besser integriert werden können. Die Forschung wird in einer der größten Tieflandregenwaldregionen Südostasiens durchgeführt, der Provinz Jambi in Sumatra, Indonesien. Gummi- und Ölpalmenplantagen gehören zu den wichtigsten landwirtschaftlichen Nutzungssystemen in Jambi. Innerhalb der Provinz wurden zwei Landschaften und 36 Kernflächen für umfassende Analysen ausgewählt, die unterschiedliche Nutzungssysteme und Regenwaldreferenzflächen umfassen. In einer der Landschaften wurden zum Vergleich Flussufer- und nicht-Flussuferbereiche identifiziert. Zudem werden in zwei Experimenten in Ölpalmplantagen der Einfluss von Anreicherungskulturen sowie von unterschiedlichen Dünger- und Pestizidintensitäten erforscht. Bei den Analysen wird eine Vielzahl relevanter Aspekte untersucht und verglichen, z.B. ober- und unterirdische Biodiversität, Bodenfruchtbarkeit, Wasser- und Nährstoffflüsse, Treibhausgasemissionen, sowie wirtschaftliche, soziale, kulturelle und politische Dimensionen der Landnutzungsänderung. Besonderes Augenmerk liegt auf der Analyse von Synergien und Konflikten zwischen den unterschiedlichen ökologischen und sozioökonomischen Funktionen, deren detaillierte Kenntnis eine wichtige Voraussetzung für die Entwicklung und Umsetzung nachhaltiger Agrarsysteme ist. Der SFB wird in enger Kooperation zwischen der Universität Göttingen und verschiedenen Partnerinstitutionen in Indonesien durchgeführt. Dieses Programm zur Erforschung von Transformationsprozessen in tropischen Tieflandregenwäldern ist mit Blick auf die sehr breite interdisziplinäre Ausrichtung und die Landschaftsperspektive international einzigartig.
Dieses Projekt analysiert den Nutzen und Wert von passiven L-Band Satellitenbeobachtungen für die Ensemble-basierte Datenassimilation mit vollgekoppelten Erdsystemmodellen für mesoskalige Einzugsgebiete. Modellauflösungen sind dabei typischerweise in der Größenordnung von 100 m für die Landkomponenten und 1 km für die Atmosphärenkomponente des gekoppelten Modells; diese ist viel höher als die der Satellitenbeobachtungen, die typischerweise mehrere 10 Kilometer beträgt. Ensemble-basierte Datenassimilation erfordert die Erzeugung von synthetischen Beobachtungen aus dem Erdsystemmodell heraus mit Hilfe eines Beobachtungsoperators, der dann mit Beobachtungen verglichen wird um das Analyseensemble zu generieren. Da der Modellzustand nicht notwendigerweise alle Informationen enthält, die der Beobachtungsoperator benötigt (dieser ist im Wesentlichen ein Strahlungstransportmodell) muss die fehlende Information aus externen Datenquellen extrahiert werden. Die zentralen Projektziele sind die Weiterentwicklung einen geeigneten Beobachtungsoperators, der es erlaubt Satellitenbeobachtungen im L-Band zu erzeugen, sowie dessen Nutzung für die Datenassimilation mit Hilfe der Terrestrial Systems Modeling Platform (TerrSysMP, Shrestha et al. 2014) gekoppelt mit dem Parallelized Data Assimilation Framework (PDAF, Nerger et al. 2013). Während wir in Phase I hauptsächlich einen flexiblen Beobachtungsoperator erstellt und validiert haben, konzentrieren wir uns in Phase II, neben weiteren Verbesserungen des Operators bezüglich Vegetation und seiner Operationalisierung, auf die eigentliche Datenassimilation. Diese umfasst (a) die Bestimmung des Biases zwischen virtuellen Beobachtungen des Datenassimilationsmodells und solchen des virtuellen wie des realen Einzugsgebietes, (b) Datenassimilationsexperimente zur Quantifizierung des Wertes solcher Beobachtungen auch im Vergleich zu anderen Beobachtungen, sowie (c) Vorverarbeitungs- und Filterungsmethoden um die niedrig aufgelösten Messungen optimal für die Systemzustandsschätzung auszunutzen.
| Organisation | Count |
|---|---|
| Bund | 1434 |
| Europa | 45 |
| Kommune | 8 |
| Land | 46 |
| Weitere | 5 |
| Wirtschaft | 8 |
| Wissenschaft | 559 |
| Zivilgesellschaft | 8 |
| Type | Count |
|---|---|
| Förderprogramm | 1389 |
| Text | 36 |
| unbekannt | 15 |
| License | Count |
|---|---|
| Geschlossen | 49 |
| Offen | 1391 |
| Language | Count |
|---|---|
| Deutsch | 1354 |
| Englisch | 248 |
| Resource type | Count |
|---|---|
| Bild | 2 |
| Datei | 1 |
| Dokument | 35 |
| Keine | 830 |
| Multimedia | 1 |
| Webseite | 575 |
| Topic | Count |
|---|---|
| Boden | 764 |
| Lebewesen und Lebensräume | 983 |
| Luft | 669 |
| Mensch und Umwelt | 1440 |
| Wasser | 545 |
| Weitere | 1421 |