API src

Found 246 results.

Related terms

Fachinformationssystem Bodenschutz

Das Fachinformationssystem (FIS) Bodenschutz beinhaltet die Teilprojekte der 'Digitalen Bodenkarte Hamburg': - Fachplan Schutzwürdige Böden - Bodenversiegelung Hamburg - Bodendaten Profilinformationen - Bodenformengesellschaften Hamburg - Verdunstungspotential von Böden

Bodeneinheiten_Bodenuebersicht_500000

Bodenflächenkataster kleinmaßstäbig für Hessen (BÜK500, 1:500.000) - Die Bodendaten 1:500 000 (Bodenübersichtskarte, BÜK500) beschreiben flächenhaft die Böden, ihre Eigenschaften und Bodenfunktionen im überregionalen Maßstab.

Übertragbarkeit von Modellen des Maschinellen Lernens in der digitalen Bodenkartierung

Maschinelle Lernmodelle haben große Erfolge beim Lernen komplexer Muster wie zum Beispiel die räumliche Verbreitung von Bodeneigenschaften gezeigt, die es erlauben Vorhersagen über nicht erfasste Bereiche zu treffen. Die Fähigkeit, das Gelernte auf andere Gebiete anzuwenden ist dagegen wenig entwickelt und bislang können die Modelle nur sehr eingeschränkt auf Bereiche außerhalb der unmittelbaren Lernumgebung übertragen werden. Ähnlich empirischen Regressionen gelten die Regelwerke, z.B. bei Entscheidungsbaumverfahren wie Random Forest, nur für den von Trainingsdaten abgedeckten Wertebereich. Für jedes weitere Gebiet werden erneut möglichst hochwertige und umfangreiche Trainingsdaten benötigt. Fortschritte im Bereich des Deep Learning (DL), z.B. Convolutional Neural Networks, des Transfer Learnings und kombinierte Ansätze im Bereich Feature Selection (FS) bieten hier erweiterte Möglichkeiten, um die Dimensionalität gerade bei kleineren Datensätzen einzuschränken, die Überanpassung an die Trainingsdaten zu minimieren und die Übertragung auf angrenzende Gebiete zu verbessern. Im vorliegenden Antrag nehmen wir diese Entwicklungen auf und versuchen Bodeneigenschaften auch für Bereiche außerhalb der Lernumgebung vorherzusagen. Dazu erstellen wir zunächst mit Umweltfaktoren eine gebietsspezifische Parametrisierung maschineller Lernmodelle anhand von geomorphometrischen, geologischen, landschaftsökologischen und klimatischen Parametern. Welche Parameter dies im Einzelnen sind und wie sie untereinander im Verhältnis stehen, wird exemplarisch für verschiedene Testdatensätze in Deutschland (humides Klima) und im Iran (semi-arid bis arides Klima) durch die Kombination von Methoden des DL und der FS berechnet. Im Folgeschritt werden die mit den ausgewählten Parametern der Umweltfaktoren und den Bodenprofildaten trainierten Modelle auf nicht trainierte Gebiete übertragen und an unabhängigen Bodendaten validiert. Die nicht trainierten Gebiete werden anhand von Distanz- und Ähnlichkeitsmaßen hinsichtlich ihrer Vergleichbarkeit mit den ursprünglichen Trainingsgebieten charakterisiert, um die Transferleistung der maschinellen Lernmodelle zu beurteilen. Abschließend ist vorgesehen, für die unbekannten Gebiete schrittweise Trainingsdaten zuzufügen, um die Entwicklung der Vorhersagegenauigkeit zu quantifizieren und die Transfereigenschaften verschiedener ML-Verfahren zu beurteilen. Als Trainingsdaten dienen LUCAS-Daten für Deutschland und Bodenprofildaten aus der nationalen SPDB Datenbank für den Iran. Die Umweltparameter werden aus Satellitendaten, digitalen Höhenmodellen, Weltklimadaten sowie Landnutzungskarten und geologischen Kartenwerken abgeleitet. Bodeneigenschaften sind Bodenkohlenstoffgehalt, Bodentextur, Carbonatgehalt und Kationenaustauschkapazität. Es werden 12 maschinelle Lernverfahren vergleichend angewendet.

Skalenübergreifende Charakterisierung von polaren Permafrost-Landschaften mittels Flugzeug- und Satellitengestützen Daten und geophysikalischen in-situ Messungen

Im Lauf der letzten Dekaden wurde für große Teile der Arktis eine signifikante Erwärmung der Erdoberfläche und des oberflächennahen Untergrunds beobachtet. Deren Folgen zeigen sich bereits heute - beispielsweise in einer Ausbreitung der Buschvegetation und einer Vertiefung der saisonalen Auftauschicht. In Anbetracht der Bedeutung von Änderungen in Permafrostregionen für Umwelt, Infrastruktur und Klimasystem besteht ein dringender Bedarf, Parameter dieses Raumes großflächig zu bestimmen und kontinuierlich zu überwachen. Durch die Weite und spärlichen Besiedelung der Arktis sind diese Umweltdaten jedoch nur unzureichend verfügbar und ihre Erhebung ist kostenintensiv. In diesem Kontext können fernerkundliche Daten einen wichtigen Beitrag leisten; Flugzeug- und Satellitengestützte Systeme ermöglichen eine effiziente und flächendeckende Aufnahme von Oberflächeneigenschaften. Ziel des Projekts ist die Identifizierung und Quantifizierung von Zusammenhängen zwischen Eigenschaften der Erdoberfläche, welche durch Fernerkundung abgeleitet werden können, und Eigenschaften des Untergrunds, die den Zustand von Permafrostgebieten charakterisieren. Basierend auf diesen Ergebnissen ist ein weiteres Ziel die Erstellung von konzeptionellen Modellen, welche die Verschränkung und Verbindung von Umwelt-Parameter zeigen. Die Arbeiten werden in einem skalenübergreifenden Multi-Sensor-Ansatz durchgeführt. Der Fokus wird dabei auf die Identifizierung der Kopplungen zwischen Oberfläche und Untergrund, sowie auf den Einfluss des Betrachtungsmaßstabs gelegt. Als fernerkundliche Daten stehen zur Verfügung: (1) grob aufgelöste optische und thermische Satellitendaten, (2) mittel-aufgelöste Radar- und Multi-Spektraldaten und (3) hoch-aufgelöste Thermal-, Hyperspektral- und Laserscanner-Daten von regionalen Befliegungen. Die Charakterisierung des Untergrunds erfolgt mittels (1) geomorphologischer Kartierung, (2) Zeitreihen-Analyse der Temperatur und Bodenfeuchte aus abgeteuften Sensoren, (3) Ground Penetrating Radar (GPR) und (4) elektrischen Widerstandsmessungen. Fernerkundliche Daten der Erdoberfläche und geophysikalische Daten zum Untergrund werden mit multivariaten statistischen Methoden analysiert - mit dem Ziel Zusammenhängen zwischen Oberflächen- und Untergrund-Parametern des periglazialen Systems zu identifizieren und zu quantifizieren. Als Untersuchungsgebiete wurden die Mackenzie Delta Region und das Peel Plateau identifiziert. Beide Regionen liegen in Nord Kanada und zeigen innerhalb geringer Distanzen verschiedenartige, durch Permafrost geprägte Ökosysteme. Zudem stehen durch Vorstudien Daten zur Verfügung; zum einen Referenzdaten von Feld-Kampagnen und zum anderen Satellitenbilder verschiedener Sensoren. Darüber hinaus wird vom Alfred Wegener Institut eine Befliegung dieser Gebiete geplant und finanziert. Das Flugzeug wird mit einer vielfältigen Instrumentenauswahl bestückt; u. a. ein flugzeuggetragenes GPR, ein Laserscanner und eine hyperspektral Kamera.

Weiterentwicklung und Praxiserprobung digitaler Humus- und Nährstoff-Managementsysteme in Zukunftsbetrieben zum Klimaschutz, Teilprojekt B

Weiterentwicklung und Praxiserprobung digitaler Humus- und Nährstoff-Managementsysteme in Zukunftsbetrieben zum Klimaschutz, Teilprojekt A

Neue Methoden zur Verbesserung der Genauigkeiten von KI-basierten hochauflösenden Bodenfeuchteinformationen, Teilvorhaben: RLP AgroScience GmbH

Weiterentwicklung und Praxiserprobung digitaler Humus- und Nährstoff-Managementsysteme in Zukunftsbetrieben zum Klimaschutz, Teilprojekt C

prime-HYD - HYDrologische Variabilität in Hochasien

Niederschlag ist eines der wichtigsten Klimaelemente, welches komplexe atmosphärische Prozesse mit Wasserkreislauf, Schneebedeckung und Massenbilanz von Gletschern verknüpft. Niederschlag ist eine Schlüsselgröße im Umgang mit Wasserressourcen und in der Verhinderung von Hochwasser und Dürre. Dies gilt besonders für das Untersuchungsgebiet des Bündelprojektes PRIME, welches Hochasien, d.h. das Tibet-Plateau und seine umgrenzenden Gebirgsketten, umfasst. Die Forschung im Rahmen von PRIME zielt darauf ab, einen verbesserten, auf neuen Fernerkundungsverfahren und fortgeschrittenen Ansätzen regionaler numerischer Klimamodellierung (HAR*) aufbauenden, Rasterdatensatz für Niederschlag abzuleiten und zu validieren (i). Darauf aufbauend werden räumliche und zeitliche Muster, großräumige Antriebe und meso- bis lokalskalige Prozesse untersucht, die die Niederschlagsvariabilität bestimmen (ii). Die verbesserte Genauigkeit und das erweiterte Verständnis von Niederschlagstypus und -variabilität ermöglichen es, das Wissen über räumliche und zeitliche Variabilität der Gletschermassenbilanz, saisonale Schneedecken und Wasserspeicher in verschiedenen Teilregionen Hochasiens zu erweitern (iii). Das Teilprojekt PRIME-HYD befasst sich spezifisch mit dem Oberflächenwasserzyklus und wie dieser durch die Niederschlagsvariabilität und Temperatur beeinflusst wird. Für diesen Zweck wurden zwei Gebiete bestimmt: Das endorheische Einzugsgebiet des Pangong Sees (1) und jenes des Brahmaputra (2), zwei Systeme mit gemeinsamen Ursprung am Tibet-Plateau. Zur hydrologischen Modellierung wird ein verteiltes hydrologisches Modell erstellt, das durch ein Modul zur Darstellung der Gletscher und Schneedecke ergänzt wird. Das Modell wird von einem durch probabilisitsches downscaling verfeinertes Niederschlagsprodukt angetrieben, das durch die Bayessche Verbindung von Niederschlagsdaten aus der Fernerkundung und Atmosphärensimulationen HAR* an Bodenmessdaten konditioniert wird. Temperaturdaten aus der Fernerkundung und simulierte Temperaturdaten aus HAR*, die für die Simulation von Eis und Schnee erforderlich sind, können analog zu den Niederschlagsdaten verarbeitet werden. Nach der Eichung und Validierung des Modells anhand von Schnee und Abflussdaten, wird es zur Analyse von Einflüssen der Niederschlagsvariabilität auf die Abflüsse und die Seespiegelstände auf subdekadischen Zeitskalen angewandt. Die hydrologischen Zeitreihen die durch das Modell ausgegeben werden, werden anschliessend auf möglich periodische Variabilitätsmuster untersucht. Eines der wichtigen Produkte, welches durch das Projekt bereitgestellt wird, ist ein physikalisch-basiertes räumlich distribuiertes hydrologisches Modell in einem Gebiet am Tibet-Plateau, für das bisher keine wissenschaftlichen hydrologischen Modellinstrumente verfügbar sind. Die für das Vorhaben erforderlichen hydro-meteorologischen Daten werden durch das chinesische Ministerium für Wasserressourcen zugänglich gemacht.

Untersuchung der physikochemischen und mechanischen Eigenschaften von vulkanischen Ascheböden in Südchile und der Konsequenzen für die daraus resultierende Erodibilität

Die Hauptzielsetzung dieses interdisziplinären Verbundprojektes besteht in der Untersuchung der physikochemischen und mechanischen Eigenschaften und der daraus resultierenden Erosionsneigung von vulkanischen Ascheböden in Südchile in Abhängigkeit von Alter, Entwicklungszustand und Nutzungsform der Böden. Aschenböden stellen in vielerlei Hinsicht wie Porosität, Verdichtbarkeit, Erosionsverhalten, Kornform, Benetzbarkeit, Dynamik der Bodenentwicklung Extremstandorte dar. Gemessen an der Verbreitung und der wirtschaftlichen Bedeutung dieser Böden liegen zwar einige bodenphysikalische und chemische Daten vor, doch können diese Erkenntnisse bisher kaum in allgemeine Kategorien übertragen und auch nicht hinsichtlich der räumlichen Vernetzung und Relevanz bewertet werden. Daher werden mit dem vorliegenden methodischen Ansatz an 12 Catenen mit je 2 Profilen signifikante physikalische Parameter zur Kennzeichnung des physikochemischen, mechanischen und hydraulischen Verhaltens dieser Böden identifiziert und bewertet (siehe Abb.1 im Anhang). Auf diese Weise soll die besondere Bedeutung physikalischer Parameter für die Materialumlagerungen von Ascheböden erfasst werden. Der Erkenntnisgewinn liegt folglich einerseits im verbesserten Prozessverständnis über chilenische Aschenböden, andererseits sollen aber auch die entwickelten und geprüften Methoden auf Aschenböden allgemein übertragbar sein. Damit würde zusätzlich ein wichtiger Beitrag zur Standardisierung der Methoden für Aschenböden im weltweiten Maßstab geleistet werden. Die Interaktion zwischen physikalischen und mechanischen Eigenschaften und deren Ausprägung in Landschaften zu quantifizieren sind Ziel dieses Antrags.

1 2 3 4 5 … 23 24 25