Other language confidence: 0.8822306964984117
Eine wichtige Voraussetzung zur Erreichung des Gesamtzieles dieses RU sind hoch qualitative Beobachtungsdaten zu Wasser- und Schneebedeckung, sowie entsprechende Ungenauigkeitsinformationen, welche für eine Integration mittels des C/DA-Ansatz geeignet sind. In diesem Projekt werden derartige Daten - basierend auf zwei bestehenden Produkten, des DLR (Global WaterPack und Global SnowPack) - entwickelt und bereitgestellt. Durch die Weiterentwicklung des Global WaterPack-Algorithmus wird Qualität dieses Produktes weiter verbessert. Anschließend ermöglicht die Entwicklung von zuverlässigen Unsicherheitsinformationen für die Wasser- und Schneezeitreihen eine Integration dieser Produkte via C/DA in das hydrologische Modell WaterGAP. Auf diese Weise verbessern die Forschungsaktivitäten dieses Projektes sowohl die fernerkundungsbasierten Datensätze als auch die Modellergebnisse und tragen somit zu einem besseren Verständnis des globalen Süßwassersystems bei.
Gitterbasierte Zeitreihen der Anomalien in der Gesamtwasserspeicherung (AGWS) , simuliert mittels einer Reihe von WaterGAP Modellvarianten, welche auf unterschiedlichen Kalibrierungs- und Datenassimilationsverfahren (K/DA ) basieren, werden in P9 für die Simulierung von Oberflächenverschiebungen genutzt. Anschließend werden diese Verschiebungen mit den geodätischen Beobachtungen (GNSS dreidimensionale Oberflächenverschiebungen) in den Übungs- und kritischen sowie den Validierungsgebieten verglichen. Des Weiteren werden AGWS, simuliert mittels WaterGAP ohne K/DA, global validiert. In den regionalen Analysen, für welche genug GNSS Daten vorliegen, werden wir die Beobachtungen nutzen, um sie nach Inversion der Daten auf die Wasserspeicherung anzuwenden. Ein Ziel dieses Projekts besteht darin, die Fehler in den GNSS Beobachtungen und den Hintergrundmodellen, welche für die Vorwärtsmodellierung der Verschiebungen genutzt werden, genau zu quantifizieren.
In Zeiten des Klimawandels wird die Pflanzengesundheit durch kombinierten Stress durch abiotischen, klimawandelbedingten Faktoren und biotischem Faktoren durch Schädlinge und Krankheitserreger beeinträchtigt. Dieses Projekt zielt darauf ab, die Auswirkungen abiotischer, klimawandelbedingte Stressfaktoren, wie z. B. erhöhtem atmosphärischen CO2-Gehalt (eCO2) und Trockenstress, auf die Interaktion zwischen Weinreben, Blattrollviren (GLRaV), und virusübertragenden Schmierläusen zu untersuchen. GLRaV, insbesondere GLRaV-3, verändert die CO2-Assimilation, die Wassernutzungseffizienz sowie die primären und sekundären Stoffwechselprodukte der Pflanze, was letzendlich zu Ertragsminderungen, verzögerter Fruchtreife und schlechter Traubenqualität führt. Das Virus wird durch infiziertes Vermehrungsmaterial und phloemsaugende Insekten, wie z. B. Schmierläuse, verbreitet. Es ist bekannt, dass eCO2- und Wasserstress einen erheblichen Einfluss auf die Pflanzenphysiologie und die Schädlingsbekämpfung haben kann. Außerdem weiß man, dass Pflanzenviren biotischen Stress für die Pflanzen verursachen und das Verhalten der Virusvektoren verändern können. Gleichzeitig werden Viren von denselben klimawandelbedingten abiotischen Stressfaktoren beeinflusst, wie die anderen Mitglieder des Ökosystems. Es gibt nur sehr wenige Studien über die Auswirkungen des Klimawandels auf Virusinfektionen auf Weinreben und keine einzige über die Auswirkungen auf Schmierläuse als Virusvektoren. Schlussfolgerungen aus anderen Pathosystemen zu ziehen, gestaltet sich schwierig, da die Auswirkungen von abiotischem, klimawandelbedingtem Stress oft artspezifisch sind. Bisher hat sich die Forschung vor allem mit den Wechselwirkungen einzelner Klimawandelparameter mit Pflanzen, Insekten oder Krankheitserregern befasst. Um die Wechselwirkungen zwischen mehreren Stressoren und die komplexen Beziehungen zwischen Pflanzen, Krankheitserregern und Vektoren zu verstehen, sind breitere Forschungsansätze nötig. Nur so können wirksame Anpassungsstrategien entwickelt werden um Pflanzen in der Zukunft gesund und produktiv zu halten. Im Rahmen des Projekts werden eine Reihe von Experimenten durchgeführt, bei denen Weinreben zwei Klimawandelparametern (Wasserstress + CO2) in Kombination mit biotischem Stress durch eine GLRaV-3-Infektion ausgesetzt werden. Untersucht werden die Mechanismen (Genexpression) und die Auswirkungen auf die Pflanzen (Aminosäuren, Phenole, C/N, Zucker, Chlorophyll) und den Insektenvektor (Fressverhalten, Fitness), zusätzlich zu klassischen Übertragungsexperimenten mit GLRaV. Die Forderung nach multifaktoriellen Stress-Experimenten wird seit Jahrzehnten erhoben. Diese Experimente sind ehrgeizig und komplex, aber sie sind der notwendige nächste Schritt, um Erkenntnisse über die zukünftige Entwicklung der Blattrollkrankheit zu gewinnen.
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.
Innerhalb der Forschergruppe GlobalCDA wird das Projekt P5 die erforderlichen Wasserstände von Inlandsgewässern bereitstellen, die später in Wasservolumina und -abflüsse umgerechnet werden und als Beobachtungsdaten für die Kalibrierung und zur Assimilation in das WaterGAP Modell verwendet werden. Neben der Bereitstellung der Wasserhöhen innerhalb der Test- und Untersuchungsregionen wird sich das Projekt schwerpunktmäßig mit der Entwicklung der notwendigen Ansätze und Methoden beschäftigen, die für eine automatische, schnelle, zuverlässige und hochgenaue Ableitung von Inlandgewässerhöhen auf globaler Skala benötigt werden. Im Einzelnen werden im Projekt Forschungen zu folgenden Schwerpunkten durchgeführt: (1) Automatische Erkennung und Definition von permanenten und nicht-permanenten Wasserflächen, (2) Zuverlässige Klassifizierung von Radarechos von unterschiedlichen Oberflächenreflektoren und konsistent für verschiedene Missionen, (3) Verbesserter Retracking-Algorithmus für Inland-Altimetermessungen, der die konsistente Verwendung und Kombination verschiedener Altimetermessungen erlaubt, und (4) Zuverlässige Ableitung von Fehlerinformationen für jede gemessene Wasserhöhe. Alle erarbeiteten Methoden werden im Rahmen des Projektes sorgfältig validiert und mit existierenden Ansätzen und Daten verglichen.
Wir studieren Konvektions- und konvektive Wolkenmuster, um zu verstehen, wie Landoberflächenheterogenität auf solche Muster wirkt, und wie diese parametriert werden können. Das Large-Eddy Atmosphäre-Landoberflächen Modell (LES-ALM) wird weiterentwickelt und für die Simulation von Oberflächen unterschiedlicher Heterogenitätsskalen verwendet. Die Fähigkeit des Modells, konvektive Wolken als Reaktion auf Landoberflächenprozesse wiederzugeben, wird gegen Messungen getestet. Ein Schema für Wolkenmusterparametrisierung wird entwickelt und in einem Wetter-Vorhersagemodell für ausgewählte Regionen getestet.
In diesem Teilprojekt beabsichtigen wir, ein effizientes Schema für Datenassimilierung und Modellparameter-Kalibrierung auf der Basis von Ensemble-Methoden zu entwickeln. Der Fokus soll in der ersten Phase liegen (1) auf der simultanen Integration der in der Forschergruppe entwickelten fernerkundlichen und geodätischen Datensätze, die sehr unterschiedliche räumliche und zeitliche Abdeckung und Auflösung haben, wobei zum Teil die benötigten Operatoren (Relationen, die Modellparameter auf Observablen abbilden) noch entwickelt werden müssen. Darüber hinaus soll (2) die Kalibrierung von Parametern des hydrologischen Modells im Rahmen der Ensemble-Methoden weiterentwickelt und in einem gemeinsamen Rahmen mit der Pareto-optimalen Methode des Teilprojektes P3 verglichen werden. Wir werden mit der bereits entwickelten Methode zur Assimilierung von GRACE-Daten beginnen und sukzessive die Assimilation von terrestrischen Durchflußmessungen und von Satellitenbeobachtungen von Wasserstandshöhen und -volumen, Durchfluß sowie der Wasser-/Schneebedeckung hinzufügen. Neben einer neuen quantitativen Beschreibung von Wasserflüssen und -speicherung in großen Einzugsgebieten werden wir eine Charakterisierung der zugehörigen Unsicherheit generieren.
Die Simulation von Wasser- und Energieflüssen im gekoppelten Untergrund-Landoberfläche-Atmosphäre-System (SLAS) ist ein wichtiger Bestandteil von Klima-, Wetter- und Hochwasservorhersagen und trägt zur optimalen Bewirtschaftung von Wasser, Land und Gewässergüte bei. Aufgrund der immensen Skalenkomplexität terrestrischer Systeme ist allerdings alleine schon die Schätzung des aktuellen Zustands - eine Voraussetzung für jegliche Vorhersage - trotz stetig zunehmender Beobachtungen bislang unzureichend. Datenassimilation nutzt Beobachtungen, um den aktuellen Zustand eines Systems mithilfe eines Simulationsmodells zu schätzen; allerdings herrschen in den damit befassten geowissenschaftlichen Disziplinen unterschiedliche Ansätze bezüglich der Struktur von SLAS-Modellen und der darauf aufbauenden Datenassimilation vor. Das primäre Ziel der Forschergruppe ist die Entwicklung eines übergreifenden Datenassimilationskonzepts in Verbindung mit einem voll gekoppelten SLAS-Modell, das eine Verbesserung der Simulation und Vorhersage der Flüsse zwischen den Kompartimenten und damit des Gesamtzustands erreichen soll. Die Entwicklung und Evaluierung eines solchen Datenassimilationssystems erfolgt auf der Basis eines virtuellen Einzugsgebiets. Ein virtuelles Einzugsgebiet ist eine Modellrealisierung eines SLAS, die in der Lage ist, so realistisch wie möglich den Zustand und die Entwicklung eines SLAS-Zustands abzubilden. Diese virtuelle Realität ermöglicht es, Effekte der Modellunsicherheit sowohl beim SLAS-Modell als auch bei den Beobachtungen von den eigentlichen Datenassimilationsproblemen zu trennen, Fehler auf ihre Ursachen zurückzuführen und zu korrigieren. Die virtuelle Realität orientiert sich am Neckar-Einzugsgebiet, das bezüglich Topografie, Geologie, Landnutzung und Klima typisch für die mittleren Breiten ist. Die virtuelle Realität wie auch das SLAS-Modell für das Datenassimilationssystem werden auf dem gekoppelten Modell ParFlow-CLM-COSMO (TerrSysMP) basieren, das lateral bezüglich der Atmosphäre mit operationellen Analysen und Vorhersagen des Deutschen Wetterdienstes (DWD) angetrieben wird. Mit den Ergebnissen und Modellvorstellungen verbinden die Forscherinnen und Forscher die Hoffnung, auch die Möglichkeiten zur Wetter- und Klimaprognose oder zur Qualitätssicherung im Wassermanagement zu verbessern - und damit der interdisziplinären Umweltforschung in verschiedenen Bereichen Impulse zu geben.
Dieses Teilprojekt wird zu den übergeordneten Zielen der Forschergruppe beitragen durch (1) die Bereitstellung optimierter, alternativer GRACE-Datenprodukte inklusive passender Unsicherheitsinformationen und (2) durch die Validierung der in GlobalCDA erzielten Ergebnisse gegen unabhängige Datensätze. Bezüglich des ersten Ziels werden wir das Potential von nicht-standard GRACE-Produkten für C/DA untersuchen, wobei wir uns zunächst auf alternative räumliche Parametrisierungen (z.B. Mascons, Inversionslösungen) konzentrieren, im weiteren Verlauf des Projektes jedoch auch zeitlich höher aufgelöste (tägliche) GRACE-Lösungen betrachten werden. Ein weiterer Fokus wird die konsistente Behandlung räumlich konzentrierter Massenvariationen (Reservoire, Flüsse, etc.) sein, welche unterhalb der GRACE-Auflösung liegen, jedoch durch die Stärke ihres Signals einen großen Einfluss auf die C/DA-Ergebnisse haben. Im zweiten Teil von P4 werden die Ergebnisse unterschiedlicher Modellläufe (mit/ohne C/DA, vor/nach der Implementierung neuer Modellstrukturen) validiert gegen unabhängig bestimmte Wasserspeicheränderungen in verschiedenen Kompartimenten (z.B. Bodenfeuchte, Grundwasser) aus Beobachtungen und hochauflösenden regionalen Modellen.
| Organisation | Count |
|---|---|
| Bund | 189 |
| Europa | 5 |
| Kommune | 1 |
| Land | 7 |
| Weitere | 1 |
| Wissenschaft | 136 |
| Type | Count |
|---|---|
| Daten und Messstellen | 8 |
| Ereignis | 1 |
| Förderprogramm | 185 |
| Text | 3 |
| unbekannt | 3 |
| License | Count |
|---|---|
| Geschlossen | 4 |
| Offen | 194 |
| Unbekannt | 2 |
| Language | Count |
|---|---|
| Deutsch | 191 |
| Englisch | 92 |
| Resource type | Count |
|---|---|
| Archiv | 2 |
| Datei | 7 |
| Dokument | 3 |
| Keine | 105 |
| Webseite | 86 |
| Topic | Count |
|---|---|
| Boden | 139 |
| Lebewesen und Lebensräume | 200 |
| Luft | 135 |
| Mensch und Umwelt | 200 |
| Wasser | 136 |
| Weitere | 199 |