Reitwege sind nach den Vorschriften der Straßenverkehrsordnung gekennzeichnete Wege, auf denen nur geritten werden darf.
Reitrouten sind in der Regel Streckenführungen auf öffentlichen Verkehrsflächen, privaten Straßen und Fahrwegen sowie auf den nach den Vorschriften der Straßenverkehrsordnung gekennzeichneten Reitwegen, auf denen zum Zweck der Erholung geritten werden kann. Die Streckenführung kann in der Örtlichkeit beschildert oder nur auf Reitroutenkarten oder in digitalen Medien veröffentlicht sein.
In Waldflächen, die in besonderem Maße für Erholungszwecke genutzt werden, können die Kreise und kreisfreien Städte durch Allgemeinverfügung im Einvernehmen mit der Forstbehörde und nach Anhörung der betroffenen Gemeinden und Waldbesitzer- und Reiterverbände das Reiten im Wald auf die nach den Vorschriften der Straßenverkehrsordnung gekennzeichneten Reitwege beschränken. Innerhalb dieser Waldgebiete darf nur auf gekennzeichneten Reitwegen geritten werden.
Bebauungspläne und Umringe der Gemeinde Mettlach (Saarland), Ortsteil Weiten:Bebauungsplan "BPlan Im Roeder" der Gemeinde Mettlach, Ortsteil Weiten
Reifen sind unverzichtbare Elemente der Mobilität. Wegen den einzigartigen Eigenschaften werden sie ausschließlich auf Basis von Kautschuken hergestellt. Dem organischen Polymer Kautschuk werden im Herstellungsprozess des Reifens noch weitere organische Materialien (wie z.B. Ruße oder Öle) zugemischt. Neben der Zugabe dieser Komponenten entstehen bei der Herstellung von Reifen entlang einer Mischerlinie und der anschließenden Weiterverarbeitung (bspw. Reifenheizpressen) allerdings auch volatile organische Komponenten (VOCs). Da momentan kein Material bekannt ist, welches die Reifen - Kautschuke ersetzen kann, ist es erforderlich, die Emission von VOCs bei der Reifenherstellung weitestgehend zu minimieren. Die Aufgabe des zur Förderung beantragten Vorhabens ist die Entwicklung einer nachhaltigen und Ressourcen schonenden Behandlung der VOC-haltigen Abgase. Die bislang eingesetzten Technologien (insbesondere Regenerative Nachverbrennung, ggf. mit vorheriger Aufkonzentration der Abgase) erfüllen diese Anforderungen nicht. Sie verursachen nicht nur unmittelbare Kohlendioxidemissionen durch Einsatz von fossilen Brennstoffen, sondern erweisen sich in der industriellen Praxis als betrieblich nachteilig bzw. anfällig. Der zur Förderung beantragte Ansatz ist prozessintegriert, nutzt ohnehin im Mischprozess eingesetzte Stoffströme als Adsorbenzien, kommt ohne fossile Brennstoffe aus und vermeidet betriebliche Probleme bisher eingesetzter Technologien. Mit dem Verfahren lassen sich somit bspw. die Kosten für Energie und CO2-Zertifikate deutlich reduzieren.
Das Projekt KI-RAM liefert Beiträge zur Reduzierung von verkehrsbedingten Mikroplastikemissionen durch Reifenabrieb. Ein auf Abrieb fokussierter Digitaler Zwilling von Nutzfahrzeugreifen wird erstellt. Mittels KI-basierter Analyse von Inline-Abriebsensor-Daten werden Haupteinflussfaktoren identifiziert, Restlaufzeitprognosen & ein Reifenranking realisiert, sowie Strategien zur Abriebvermeidung erarbeitet. Für DENKweit bestehen die folgenden wissenschaftlich-technischen Teilziele: Es soll ein Trainings- und Referenzdatensatz von Thermographieaufnahmen an Reifen aufgebaut werden, der als Grundlage für die Entwicklung von KI-basierten Auswertemethoden dient. Für die KI-basierte Analyse der IR-Reifendaten sollen verschiedene Netzarchitekturen hinsichtlich ihres Klassifizierungserfolges entwickelt und verglichen werden. Dazu gehören Objektdetektionsnetzwerke, Klassifizierungsnetzwerke und Anomaliedetektionsnetzwerke. Der Klassifizierungserfolg der einzelnen Architekturen als auch von Kombinationen der Netzwerke soll untersucht werden. Nachgeschaltet zu den neuronalen Netzwerken sind die gefundenen spezifischen Merkmale hinsichtlich Eigenschaften wie Fläche oder Temperaturbereich zu kategorisieren und gegebenenfalls in Defektkategorien einzuteilen. Die neuronalen Netze sollen so erweitert werden, dass externe Daten wie Abriebindikatoren beim Training berücksichtigt werden können. Das bezieht sich zum einen auf das Training der neuronalen Netze, zum anderen auf die nachgelagerte Verarbeitung der Netzergebnisse, um auch hier Wechselwirkungen mit den zusätzlichen Daten zu ermöglichen und statistische Auswertungen (Korrelationsanalysen, etc.) betreiben zu können. Experimentelle Validierung der Netze mit Messdaten des Abriebsensors erlauben es, die durch die KI ausgewerteten IR-Daten mit und ohne Kombination mit den Daten des Abriebsensors Aussagen über Haupteinflussfaktoren, Restlaufzeiten zutreffen und ein Reifenranking vorzunehmen.
Niederschlag ist eine wichtige Komponente des hydrologischen Kreislaufs. Um zu verstehen, wie sich der Wasserhaushalt in einem sich erwärmenden Klima verändert, ist ein umfassendes Verständnis der Niederschlagsbildungsprozesse erforderlich. In den mittleren Breiten wird der meiste Niederschlag unter Beteiligung der Eisphase in Mischphasenwolken erzeugt, aber die genauen Interaktionen zwischen Eis, flüssigem Wasser, Wolkendynamik, orografischem Antrieb und Aerosolpartikeln während der Eis-, Schnee- und Regenbildung sind nicht gut verstanden. Dies gilt insbesondere für Bereifungs- und Sekundäre Eisproduktion (SIP) Prozesse, die mit den größten quantitative Unsicherheiten in Bezug auf die Schneefallbildung verbunden sind. Die Lücken in unserem Verständnis von SIP- und Bereifungsprozesse zu schließen, ist vor allem für Gebirgsregionen entscheidend, die besonders anfällig für Änderungen des Niederschlags und des Wasserhaushalts, wie z.B. des Verhältnisses zwischen Regen und Schneefall, sind. In diesem Antrag wird ein Forschungsprojekt vorgeschlagen, das sich dem Verständnis von Bereifungs- und SIP-Prozessen in komplexem Terrain widmet. Dazu werden wir ein innovatives, simultan sendendes und simultan empfangendes (STSR), scannendes W-Band-Wolkenradar zusammen mit einer neuartigen In-situ-Schneefallkamera eine ganze Wintersaison lang in den Rocky Mountains von Colorado, USA betreiben. Die Instrumente werden Teil der Atmospheric Radiation Measurement (ARM) Surface Atmosphere Integrated Field Laboratory (SAIL) Kampagne sein, bei der ein Ka-Band und ein X-Band Radar eingesetzt werden. Durch die Kombination von spektralen polarimetrischen und Multifrequenz-Doppler-Radarbeobachtungen mit empirischen und Bayes'schen Machine Learning Verfahren werden wir Bereifungs- und SIP-Ereignisse identifizieren und deren Einfluss auf die Schneefallrate quantifizieren. Dies erfordert die Erweiterung des Passive and Active Microwave radiative TRAnsfer Modells (PAMTRA) mit zusätzlichen polarimetrischen Variablen und modernsten Berechnungen von Streueigenschaften. Durch die Nutzung der umfangreichen kollokierten Messungen während SAIL wird es ermöglicht, die beobachteten Prozessraten mit Umweltbedingungen wie Temperatur, Luftfeuchtigkeit und Flüssigwasserpfad sowie mit der Wolkendynamik in Beziehung zu setzen. Darüber hinaus werden wir einen besonderen Fokus auf den Einfluss von vertikalen Luftbewegungen legen, die unter orographischen Bedingungen häufig auftreten. Zusammengenommen wird das vorgeschlagene Projekt unser Verständnis von Bereifungs- und SIP-Prozessen in komplexem Gelände verbessern.
| Origin | Count |
|---|---|
| Bund | 330 |
| Kommune | 20 |
| Land | 123 |
| Type | Count |
|---|---|
| Ereignis | 4 |
| Förderprogramm | 254 |
| Lehrmaterial | 2 |
| Text | 99 |
| Umweltprüfung | 3 |
| unbekannt | 76 |
| License | Count |
|---|---|
| geschlossen | 147 |
| offen | 276 |
| unbekannt | 15 |
| Language | Count |
|---|---|
| Deutsch | 413 |
| Englisch | 50 |
| Resource type | Count |
|---|---|
| Archiv | 3 |
| Bild | 9 |
| Datei | 6 |
| Dokument | 43 |
| Keine | 230 |
| Unbekannt | 2 |
| Webdienst | 36 |
| Webseite | 149 |
| Topic | Count |
|---|---|
| Boden | 280 |
| Lebewesen und Lebensräume | 327 |
| Luft | 299 |
| Mensch und Umwelt | 409 |
| Wasser | 216 |
| Weitere | 438 |