Other language confidence: 0.6540349221218438
Neue Technologien und Betriebsführungssysteme gelten als entscheidend, um die Nachhaltigkeit und Ressourceneffizienz der Landwirtschaft zu steigern. Jedoch sind unsere Datenquellen, die Auskunft darüber geben, welche Technologien in den Betrieben tatsächlich eingesetzt werden sehr begrenzt. Das macht es schwierig zu beurteilen, ob die Technologien tatsächlich die versprochenen Umwelteffekte erzielen können und schränkt unsere Möglichkeiten ein Technologiediffusion zu untersuchen und zu verstehen. Wir argumentieren, dass Satellitendaten und neuartige Deep Learning-Ansätze derzeit ungenutzte Möglichkeiten bieten, um diese Limitationen zu überwinden. Die vorhandene Literatur hat bereits gezeigt, dass anhand von Satellitendaten Technologien auf Feldebene erkannt werden können. Bislang werden diese Datensätze jedoch nicht in vollem Umfang genutzt, um das Adoptionsverhalten oder Diffusionsprozesse zu untersuchen. Die vorhandenen Datenprodukte bieten zwar erhebliches Potential, sind aber in Bezug auf die von ihnen abgedeckten Regionen/Technologien begrenzt. Eine Ausweitung auf andere Regionen/Technologien ist nur begrenzt möglich, da für das Lernen neuer maschineller Lernmodelle oder die Erweiterung bestehender Modelle in der Regel große Mengen an gelabelten Referenzdaten (d. h. Beobachtungen mit bekannten Referenzinformationen) erforderlich sind, an denen es jedoch häufig mangelt. Die Ziele dieses Projekts sind daher zweifach. Erstens wollen wir vorhandene Datenprodukte aus Satellitendaten nutzen, um Diffusionsprozesse zu untersuchen, insbesondere die Dynamik der Adoption (“Disadoption”) und räumlich Peer-Effekte. Hier können wir einen bestehenden Datensatz für bodenschonender Bodenbearbeitung in den USA nutzen, der aus Satellitendaten abgeleitet wurde. Zweitens zielen wir darauf ab, die Anzahl der benötigten gelabelten Referenzdaten für Deep Learning-Ansätze deutlich zu reduzieren. Dazu wollen wir neuartige Lernverfahren entwickeln und insbesondere untersuchen, ob die Einbeziehung von agronomischen Domänenwissen dazu beitragen kann, die Anzahl der benötigten gelabelten Referenzdaten zu reduzieren. Wir vergleichen die entwickelten Ansätze mit den vorhandenen US-Daten und wenden sie an um neue Datenprodukte für andere Regionen (Deutschland) und Technologien (bodenschonender Bodenbearbeitung und Glyphosateinsatz) zu erstellen. Der Daten werden öffentlich zugänglich gemacht. Wir nutzen sie um die Diffusionsdynamiken von bodenschonender Bodenbearbeitung und Glyphosateinsatz in Deutschland abzuleiten, was einen wichtige Betrag für die aktuelle politische Debatte über diese Technologien liefern kann.
Die stetig wachsende Bevölkerung führt zu einem steigenden Bedarf an Frischwasser und die Entnahme von Grundwasser ist eine der wichtigsten Quellen diesen Bedarf zu decken. Engpässe in der Frischwasserversorgung haben die Suche Nachweis von frischem Grundwasser unter dem heutigen Meeresboden angetrieben. Die Rolle glazialer Strukturen, welche während der Vergletscherungen entstanden sind, ist jedoch im Hinblick auf das Vorkommen frischen Grundwassers noch wenig bekannt. Insbesondere sogenannte Tunneltäler (TT), welche sich unter den Eisschilden bildeten, könnten von besonderer Relevanz sein. Ihre Ausmaße (bis zu 5 km breit, 400 m tief, 100te km lang) spiegeln die gewaltigen Schmelzwassermengen wider, die den Untergrund unter den Eisschilden durchspülten. Ihre Entstehung und Füllung resultierte in stark durchlässigen Sanden und Kiesen im unteren Teil und feinkörnigen Ablagerungen im oberen Teil dieser Strukturen. Diese Konfiguration begünstigt eine Rolle als bevorzugte Fließwege für offshore Grundwasser. Zur Untersuchung des Potenzials von TT als bevorzugte Fließwege für offshore frisches Grundwasser (OFG), verfolgt dieses Projekt folgende Ziele: (O1) Durch die Kombination von elektromagnetischen und seismischen Daten wollen wir ein strukturgebundenes Widerstandsmodell für mehrere TT erstellen; (O2) Wir wollen die Salzgehaltswerte für verschiedene Architekturen und Tiefen von TT abschätzen; (O3) Aufbauend auf den ersten beiden Zielen wollen wir die Ergebnisse für das gesamte Arbeitsgebiet in ein detailliertes lithologisches 3D-Modell extrapolieren. Die sich daraus ergebende Salzgehaltsverteilung im Untergrund wird dazu beitragen, die Ober- und Untergrenzen des Volumens frischen Grundwassers abzugrenzen und die Grundlage für ein detailliertes Grundwassermodell schaffen. Folgende Schritte sind dazu nötig: (S1) Kartierung und Charakterisierung der räumlichen Heterogenität von TT anhand vorhandener seismischer Daten; (S2) Erstellung eines lithologischen Modells für den Untergrund zwischen Amrum und Helgoland von 0 bis 400 m Tiefe; (S3) Identifizierung vielversprechender Standorte und Durchführung von CSEM-Messungen (Controlled Source Electromagnetic) zur Untersuchung der Verteilung des elektrischen Widerstands im Untergrund (TT); (S4) Kombination von Widerstandsmessungen mit Mehrkanal-Seismikdaten (MCS) zur Ableitung des Salzgehalts der Porenflüssigkeit; (S5) Extrapolation der Ergebnisse für das gesamte lithologische Modell. Tunneltäler existieren in ehemals vergletscherten Regionen weltweit. Gelingt uns der Nachweis von OFG in Tunneltälern, hätte dies erhebliche Implikationen für bisher unbekannte Süßwasserverteilungen und hydrologische Systeme. Die uns zur Verfügung stehenden Daten bieten eine einzigartige Möglichkeit zur Integration von CSEM- und seismischen Messungen bei begrenztem Aufwand. Die Ergebnisse des Projekts werden einen neuen Blick auf offshore Gletscherlandschaften und ihre Rolle im pleistozänen Wasserkreislauf erlauben.
In diesem Projekt werden wir atmosphärische und hydrologische Massenbudgets aus Beobachtungsdatensätzen und Modellierungsergebnissen für größere Einzugsgebiete analysieren. Korrekturen an Massenflüssen werden in einer gemeinsamen Inversion parametrisiert, wobei wir Massenerhaltung und interne Konsistenz als Zwangsbedingungen einführen und weitere Daten, wie Speicheränderungen aus der GRACE/-FO Mission oder den Abfluss großer Flüsse, nutzen. Das Projekt wird auch den Beitrag der Modellierungsregion zum Meeresspiegelanstieg quantifizieren.
Um die Auswirkungen von Landnutzungs- und Landbedeckungsänderungen auf den Wasser- und Kohlenstoffkreislauf zu simulieren, muß die Modellierung von Bodenatmung und Photosynthese verbessert werden. Wir nehmen an, dass der kontinentalskalige Netto-Ökosystem-Austausch (NEE) aus einer Reanalyse mit verbesserten Ökosystem-Parametern und Darstellung der Bodenatmung (SR) besser mit der beobachteten Variabilität der Gesamtwasserspeicherung (TWS) korreliert. Um diese Hypothese zu testen, werden wir Ökosystemparameter aus langen Zeitreihen an hoch instrumentierten Standorten in Kombination mit Messungen der Temperatur- und Feuchtesensitivität der heterotrophen Bodenatmung schätzen. Modellergebnisse werden dann mit GRACE-Messungen verglichen.
Das Projekt "Quantifying the Influence of SnowmelT on RIVEr Hydrology in High Mountain Asia (STRIVE)" fokussiert sich auf alpine Flüsse und dem Zeitpunkt und Menge der Schneeschmelze im Himalaya . In vielen alpinen Einzugsgebieten stammt ein signifikanter Teil des jährlichen Wasserhaushalts aus der Schneeschmelze, insbesondere während der Monate vor dem Beginn des Monsuns. Da die Gletscher in vielen hochgelegenen Bergregionen weiter schmelzen werden, wird der saisonale Wasserpuffer durch die Schneeschmelze in Zukunft noch wichtiger werden. Auch die Gefahr von Überschwemmungen wird zunehmen, da die steigenden Temperaturen die Schneeschmelze im Frühjahr beschleunigen. Trotz der Bedeutung des Schneewasserhaushalts für viele besiedelte Gebiete sind Zeitpunkt und Volumen der Schneeschmelze nach wie vor nur unzureichend bekannt - insbesondere in Einzugsgebieten in großer Höhe. Um besser quantifizieren zu können, wann und wo das Wasser der Schneeschmelze die alpinen Flüsse erreicht, wird das STRIVE-Projekt einen kombinierten in-situ- und satellitenbasierten Ansatz verwenden, um (1) den Zeitpunkt und die räumliche Verteilung der Schneeschmelze zu überwachen, (2) den Einfluss der Schneeschmelze auf die Flusshöhen und (3) Flusstemperaturen zu bewerten. Die im Rahmen des STRIVE-Projekts gesammelten neuen Daten mit hoher zeitlicher Auflösung werden mit lokalen und regionalen hydrologischen Daten kombiniert, um (4) ein umfassenderes Verständnis der aktuellen Schneeschmelze und deren Wassermenge für alpine Flüsse zu entwickeln. Hier spielen insbesondere die sich verändernden Klimabedingungen eine große Rolle. Die Ergebnisse des STRIVE-Projekts werden für Forscher verschiedener Fachbereiche in der physischen Geographie, Hydrologie und Geomorphologie, zum Einschätzen von Naturgefahren und für Manager sowie Entwickler von Wasserkraftwerken im gesamten Himalaya und in ähnlichen, von der Schneeschmelze angetriebenen alpinen Ökosystemen, von großem Nutzen sein. Um die Forschungszusammenarbeit und den Austausch mit den nepalesischen Partnern zu erleichtern und nachhaltiger zu machen, wird das STRIVE-Projekt zwei Workshops für Nachwuchswissenschaftlerinnen durchführen, die sich mit der Sammlung und Verarbeitung von in-situ- und Fernerkundungsdaten beschäftigen. Diese Workshops werden dazu beitragen, die Ergebnisse und Erkenntnisse des STRIVE-Projekts zu verbreiten und sicherzustellen, dass die entwickelten Methoden und Daten auch nach dem Ende des Projekts in die Forschung und in wasserpolitische Entscheidungen im Himalaya einfließen.
Das bessere Verständnis der städtischen und ländlichen Entwicklung erfordert Kenntnisse über die bebaute Umwelt und ihre Interaktion mit menschlichen Aktivitäten auf der Landschaftsebene, die durch das Konzept der Rurbanität beschrieben werden. Das Projekt C01 zielt darauf ab, skalenübergreifend eine Reihe von Indikatoren zu entwickeln, mit denen das Phänomen der Rurbanität in Raum und Zeit quantitativ und qualitativ beschrieben werden kann, wobei Informationen über die bebaute Umwelt aus der Erdbeobachtung, Modellierungsergebnisse und weitere frei verfügbare Geodaten verwendet werden. C01 wird Zensus- und Erdbeobachtungsdaten mit Erkenntnissen aus anderen FOR5903-Projekten kombinieren, um Rurbanitätsindikatoren zu entwickeln und daraus durch Integration einen Rurbanitätsindex abzuleiten. Fallstudien werden durchgeführt um zu zeigen, dass das neue Konzept in der Lage ist, die Verflechtungen zwischen urbanen und ländlichen Räumen umfassender zu beschreiben als bisher verwendete Methoden, die auf Nachbarschaftsbeziehungen zwischen als urban oder rural klassifizierten Bildpunkten beruhen. Die Skalierbarkeit des Indexes von der regionalen zur globalen Ebene wird untersucht, wobei die entwickelten Rurbanitätsindikatoren angepasst werden um Unterschiede in der Datenverfügbarkeit zu berücksichtigen. Wir stellen die Hypothesen auf, dass (i) mit dem neu entwickelten Ansatz der „Grad“ der Rurbanität einer Landschaft generell bestimmt werden kann, unabhängig vom fallspezifischen Kontext, sowie dass (ii) die Rurbanität in den meisten Regionen als Folge von Globalisierung, Spezialisierung, erhöhter Mobilität und stark gestiegenem Informationsaustausch zugenommen hat. Konkret wird C01 Fernerkundungsmethoden, Modellierungsergebnisse und Zensusdaten nutzen, um empirische Belege und Indikatoren zur Spezifizierung raumzeitlicher Veränderungen der Rurbanität im regionalen Untersuchungsgebiet (zunächst Marokko) zu generieren. Eine Netzwerkanalyse wird den Rurbanitätsindex aller Gemeindeflächen innerhalb des Netzwerks modellieren. C01 wird die Ergebnisse aus den Clustern A und B in einer GIS-basierten Synthese zusammenführen. Marokkanische Partner mit Fachkenntnissen in der Fernerkundung und Zugang zu Regionaldaten werden an der Entwicklung der Methodik, ihrer Anwendung zur Erstellung detaillierter regionaler Rurbanitätsdatensätze sowie der Validierung des im Projekt entwickelten großskaligen Rurbanitätsdatensatzes beteiligt sein.
Das sogenannte Retracking von Einzelwellenformen in der Satellitenaltimetrie über Küstenzonen und Binnengewässern hat seine Grenzen erreicht und bietet im Durchschnitt eine Genauigkeit im Dezimeterbereich. Durch die Analyse von Variationen der Rückstreuleistung entlang der Bin-Koordinate suchen die vorhandenen Retracking-Methoden nach einem Retracker-Offset in der Wellenform. Dies führt zu einer starken Abhängigkeit des Retrackingverfahrens von Messrauschen. Mit dem Start der operativen Sentinel-3-Serie sind wesentlich robustere Algorithmen erforderlich, um hochpräzise Wasserstandsschätzungen über Binnen- und Küstengewässern zu erhalten. Daher ist das Hauptziel dieses Forschungsprojekts, einen solchen robusten Algorithmus zu entwickeln und damit die altimetrische Wasserstandsbestimmung über Binnengewässern und Küstenregionen zu verbessern. Um ein robustes Wellenform-Retracker zu erhalten, ist es unser Ziel, das einen Stapel von benachbarten Wellenform erzeugen (das sogenannte Radargram) und schließlich einen Stapel von Radargrammen in der Zeit zu verwenden, den sogenannten Radargrammstapel, für den wir der raum-zeitlichen Variation der zurückgestreuten Leistung profitieren. Der Radargrammstapel erleichtert die Erkennung von Mustern wie Retracking-Gate, Off-Nadir-Muster (z.B. Parabel), oder Küstenlinien. Anstelle eines Retracking-Gates, als Punkt in einer einzelnen Wellenform, kann in einem Radargrammstapel eine Oberfläche, die sogenannte Retracker-Fläche/Mannigfaltigkeit, bestimmt werden. In diesem Forschungsprojekt wird zunächst die raumzeitliche Entwicklung von Satellitenaltimeterbeobachtungen über Wasserobjekten analysiert und werden Muster in Radargrammstapeln charakterisiert. Um ein Retracker-Fläche und die zugehörige Unsicherheit zu definieren, wird anschließend ein Conditional Random Fields (CRF)-Modell entwickelt. Das CRF-Modell profitiert von bedingten Modellen in den Querschnitten Bin-Raum, Bin-Zeit und Raum-Zeit. Anschließend wird eine maximale a-posteriori-Lösung gefunden, die die Retracking- Fläche ergibt. Zu diesem Zweck wird das Problem als Minimierung einer Energiefunktion formuliert, für die die Leistung verschiedener Klassen von Optimierungstechniken untersucht wird. Schließlich werden Wasserstandszeitreihen mit In-situ-Daten validiert und mit der Leistung bestehender Retrackers verglichen. Im Rahmen dieser Studie werden die Altimetrie-Daten aus den drei Missionen Jason-2&3 und Sentinel 3 verwendet. Zur Validierung werden mehrere Fallstudien ausgewählt. Die Idee des Wellenform-Retracking durch Analyse des raumzeitlichen Verhaltens in einer 3D-Datenstruktur wird in diesem Vorschlag zum ersten Mal formuliert und wurde in der Altimetrieforschung bisher nicht berücksichtigt. Dies eröffnet neue Wege für eine wesentlich genauere Abschätzung des Wasserspiegels für operative Missionen und für künftige Missionen über Binnen- und Küstengewässern.
Die Verluste in der globalen Nahrungsmittelproduktion durch Pflanzenkrankheiten und Schadinsekten werden auf 17-30 % geschätzt (Savary et al., 2019). Viele der verheerendsten Pflanzenkrankheiten und Schadinsekten werden durch die Luft übertragen und können sich entlang von Windströmungen über extrem große Entfernungen verbreiten. Sie überqueren Regionen, Länder und sogar ganze Kontinente (Aylor, 2017). Diese seltenen Ereignisse mit großem Verlustpotenzial können schwerwiegende Konsequenzen für die landwirtschaftliche Produktion haben, denn Sie können verheerende Epidemien und Insektenplagen auslösen. Während jüngste Fortschritte in den Bereichen meteorologische Modellierung, Fernerkundung und Computer-Technologie erste quantitative Abschätzungen des Risikos für solch langreichweitige atmosphärische Übertragung von Krankheiten und Schädlingen erlauben, bleiben doch zahlreiche offene Fragen, Herausforderungen und Modell-Unsicherheiten, die adressiert werden müssen, um Risiko-Abschätzungen für die landwirtschaftliche Produktion zu verbessern (Meyer et al., 2017a,b; Meyer, 2018; Visser et al., 2018; Allen-Sader et al., 2019). Zentrale offene Fragen bleiben zum Beispiel bezüglich des Effektes von komplexen Wechselwirkungen zwischen meteorologischen Faktoren (z.B. Wind, Temperatur) und der Biologie von Pathogenen und Schadinsekten (z.B. Überlebenszeiten, Flugrichtung) auf charakteristische räumliche und zeitliche Ausbreitungsskalen, sowie auch bezüglich der Kopplung von realistischen Ausbreitungsmodellen mit epidemiologischen und Pflanzenbestandes-Modellen. Das hier vorgeschlagene Forschungsprojekt adressiert zwei Ziele: (i) Literatur-Review und Experten-Interviews als Grundlage für die Parameterisierung von existierenden atmosphärischen Transport-Modellen für besonders relevante windübertragene pflanzliche Krankheiten und Schadinsekten, sowie (ii) Fertigstellung eines kürzlich entwickelten Prototyps (bisher nicht publiziert) für ein neues GPU-basiertes Simulations-Tool, dass es erlauben wird realistische atmosphärische Verbreitungsmodelle mit epidemiologischen und Pflanzenbestandes-Modellen zu koppeln, um somit die komplexen Wechselwirkungen zwischen meteorologischen und biologischen Faktoren besser verstehen zu können. Die Ergebnisse des Forschungsprojektes, zusammen mit vorherigen Arbeiten des Autors, adressieren eine Lücke in der deutschen Forschungslandschaft. Die Integration des Walter-Benjamin Projektes in die Crop Sciences Group an der Universität Bonn als Gast-Institution mit enger Affiliation an das Leibniz-Zentrum für Agrarlandschaftsforschung (ZALF) bieten ein exzellentes Forschungsnetzwerk, sodass unter der Leitung des wissenschaftlichen Mentors für dieses Projekt wertvolle Beiträge zu laufender Forschung erwartet werden können. Das Walter-Benjamin Programm würde mir den Einstieg in die deutsche Agrarlandschaftsforschung ermöglichen und damit einen wertvollen Beitrag leisten zu der Etablierung eines selbständigen Forschungsprofils.
The project is a subproject of the proposed research group "Urban impacts on the Mongolian Plateau - Entanglements of Economy, City, and Environment". The project part presented here has the task to document the landscape to be investigated by the research group by means of a large-scale aerial survey with different sensors in order to create a highly accurate data basis for further investigations. The first goal of our project is the large-scale, high-resolution and high-precision documentation of the archaeological landscape in order to provide the participating archaeologists with 3D models, orthoimages and digital surface models. For this purpose, a so-called fixed-wing drone will be used, which, with its long range and flight duration, allows the recording of areas up to one square kilometer in size in a single mission. At the same time, the areas will be imaged with a multispectral camera, which covers the near-infrared range in addition to visible light. From the resulting images, vegetation indices can be calculated that clearly show the differences in the vitality of plants. In this way, it is possible to identify subterranean archaeological structures based on vegetation characteristics that would otherwise remain hidden to the human eye. Especially the open steppe landscape of Mongolia with its low and homogenous vegetation seems to be predestined for such an investigation. In a third step, the generated data will be compared with the results of the geophysical prospection to find out which features and structures can be best identified in which data sets and how they differ. For this purpose, an integrated GIS database system is implemented, which guarantees the integration of the data and the joint analysis. From this, a feature catalog will be developed that shows the specific archaeological structures appearing in the different datasets to serve as a basis for subsequent and comparable projects.
Wir werden das raum-zeitliche Wissen über wiedervernässte Niedermoortorfe und die entsprechenden Prozesse, die durch Fernerkundungstechniken beobachtet werden, vertiefen, indem wir die Mooratmung und die Abnahme der überschwemmten Fläche in wiedervernässten Niedermoortorfen über Raum und Zeit quantifizieren. Wir werden innovative Techniken wie die SBAS-Interferometrie mit der Moorentwicklung und der C-Sequestrierung verknüpfen. Die angewandten Techniken zur Beobachtung der räumlich-zeitlichen Muster von Torfoberflächenmerkmalen ermöglichen es uns, die Resilienz und Anfälligkeit von Mooren gegenüber Dürren und Überschwemmungen zu bewerten.
| Organisation | Count |
|---|---|
| Bund | 27 |
| Global | 1 |
| Wissenschaft | 22 |
| Type | Count |
|---|---|
| Förderprogramm | 27 |
| License | Count |
|---|---|
| Offen | 27 |
| Language | Count |
|---|---|
| Deutsch | 26 |
| Englisch | 25 |
| Resource type | Count |
|---|---|
| Webseite | 27 |
| Topic | Count |
|---|---|
| Boden | 27 |
| Lebewesen und Lebensräume | 25 |
| Luft | 19 |
| Mensch und Umwelt | 27 |
| Wasser | 18 |
| Weitere | 27 |