Das Projekt "Lass uns Bäume pflanzen" wird vom Umweltbundesamt gefördert und von SparklingBit UG (haftungsbeschränkt) durchgeführt. 'Lass uns Bäume pflanzen!' ist ein atmosphärisches Puzzlespiel das eine Biosphären Simulation, basierend auf der 'Merge'* Spielmechanik, mit Aufforstung in der echten Welt verbindet. Der Spielinhalt ist eine leichtgewichtige Simulation in der es um Aufforstung, CO2 Reduktion und Temperatur geht. Der Spieler verbindet immer wieder 3 identische Pflanzen und erschafft so höherwertige Pflanzen, die dann mehr CO2 verbraucht, die Temperatur senkt und Feuchtigkeit bindet. Die Mechanik wird als 'Merge'* bezeichnet, um diese herum entsteht gerade ein neues casual Spielgenre. Der real Welt Anteil unseres Spiels ist tatsächliches Aufforsten. Dabei gehen wir dreistufig vor. Für alle 1000qm freigespielte Fläche im Spiel pflanzen wir einen echten Baum, zusätzlich 20% der netto Erlöse gehen in die Aufforstung. Wir wollen für jeden 5 Euro netto Umsatz einen Baum pflanzen. Drittens können Nutzer individuelle Baumpatenschaften erwerben, die dann an einen expliziten Baum mit GPS Koordinaten gebunden sind. Die Anzahl aller, echter, gepflanzter Bäume wird im Spiel angezeigt und schaltet Belohnungen frei. 1000 Bäume = alle Spieler erhalten eine neue Pflanzenart. Mit der Förderung wollen wir einen exzellenten, qualitative hochwertigen, Prototypen entwickeln, 2 Arbeitsplätze schaffen und einen großen Publisher finden. Zudem werden wir während der Entwicklung um Kooperationen mit nationalen und internationalen Aufforstungsprogrammen werben. Wir streben ausschließlich Kooperationen ohne (Brenn)Holznutzung an. Von dem NGO PrimaKlima haben wir eine Zusage und werden mit PrimaKlima zusammen einen kleinen Wald pflanzen; mit anderen NGO sprechen wir noch und wollen auch noch weitere einbinden.
Das Projekt "GPS-Technik in der Landwirtschaft" wird vom Umweltbundesamt gefördert und von Arbeitsgemeinschaft Landtechnik und landwirtschaftliches Bauwesen in Bayern e.V. durchgeführt. Systematischer Aufbau eines Informations- und Dienstleistungsangebots zum praktischen Einsatz von GPS-Technik in der Landwirtschaft. Das Projekt beinhaltet ein Monitoring, eine Marktrecherche und die praktische Erprobung der Technik im Feldeinsatz.
Das Projekt "RainCars" wird vom Umweltbundesamt gefördert und von Leibniz Universität Hannover, Institut für Kartographie und Geoinformatik durchgeführt. The objective of the proposed research is the investigation of a completely new approach for rainfall estimation using motorcars as moving rain gauges with windscreen wipers as sensors to detect precipitation. This idea would easily be technically feasible if the cars are provided with GPS and a small memory chip for recording the coordinates, car speed and wiper frequency. This initial research will explore theoretically the benefits of such an approach. For that valid relationships between wiper speed and rainfall rate (W-R-relationship) are assumed and derived from laboratory and field experiments. Different traffic models are developed to generate motorcars on roads in a river basin. Radar data are used as reference truth rainfall fields. Rainfall from these fields is sampled from the conventional rain gauge and dynamic car networks. Areal rainfall is calculated from these networks for different scales using geostatistical interpolation methods and compared against truth radar data. The car sensors can be considered as a geosensor network. It allows to measure and process information locally in a decentralized way and thus has benefits with respect to scalability, which is crucial when large areas have to be covered with large amounts of measurement units.
Das Projekt "Teilprojekt 3" wird vom Umweltbundesamt gefördert und von KommTek Intelligente Lösungen GmbH durchgeführt. Massenvermehrung von Schnecken verursacht beträchtliche Schäden in der landwirtschaftlichen Pflanzenproduktion. Bestehende Interventionsmöglichkeiten liefern nur unbefriedigende Ergebnisse. Ziel des MSR-bot-Projektes ist es, einen Roboter zu entwickeln, der Schäden durch Massenvermehrung von Schnecken in der Landwirtschaft verhindert, indem er Schnecken durch den Einsatz von Manipulatoren unschädlich macht. Der Roboter navigiert per GPS autonom über eine Ackerfläche. Er erkennt Schnecken durch digitale Bildverarbeitung und er verfügt über eine Steuerung, die es ermöglicht, die Ausbreitung der Schnecken zu antizipieren. Um ein antizipierendes Verhalten des Roboters zu ermöglichen, ist es notwendig, die Schadwirkung und das Verhalten von Schnecken unter Einfluss von Witterungsbedingungen und verschiedenen getroffenen Präventionsmaßnahmen zu untersuchen. Durch die Entwicklung dieses Roboters wird die Möglichkeit geschaffen, die Bekämpfung von Schnecken effektiver, umweltfreundlicher und kostensparender durchzuführen. Das Projekt soll innerhalb von 36 Monaten durchgeführt werden. Im ersten Projektjahr werden ein Trägerfahrzeug, und ein Sensor zur Schneckenerkennung als Kamerasystem mit digitaler Bildverarbeitung entwickelt. Im zweiten Projektjahr wird der Sensor im Feldversuch eingesetzt, um Daten über das quantitative Schneckenverhalten zu sammeln und den Einfluss verschiedener Faktoren auf das Schneckenverhalten zu untersuchen. Des Weiteren wird der Roboter mit einer Navigationseinheit ausgestattet und eine Robotersteuerung mit einem Hotspotverfahren entwickelt. Die Steuerung wird später mit den Erkenntnissen zum Schneckenverhalten zu einem lernenden System erweitert. Zudem wird der Roboter mit Manipulatoren zur Schneckenbekämpfung ausgerüstet. Im dritten Jahr werden die einzelnen Module zusammengefügt und die Funktionalität des Systems nachgewiesen. Zudem wird überprüft ob das System zur Bekämpfung anderer Schädlinge (z.B. Mäuse) erweitert werden kann.
Das Projekt "Raum-Zeit-Verhalten und Lebensraumnutzung der Gams" wird vom Umweltbundesamt gefördert und von Bayerische Landesanstalt für Wald und Forstwirtschaft durchgeführt. Das zentrale Ziel des ergänzenden Forschungsprojekts ,Raum-Zeit-Verhalten und Lebensraumnutzung der Gams' ist die Erfassung und Analyse der räumlichen Verbreitung der Gams im Jahresverlauf unter den gegebenen abiotischen (z. B. Klima) und biotischen Faktoren (z. B. Äsung, Störfaktoren). Methodisch werden hochaufgelöste telemetrische Daten (GPS) zur Lokalisation von 15 bis19 besenderten Gämsen sowie das geographische Informationssystem (GIS) eine zentrale Rolle spielen. Diese, das Projekt ,Integrales Schalenwildmanagement im Bergwald' ergänzenden Informationen, können das aktuell praktizierte Management hinsichtlich seiner Auswirkungen auf das Verhalten und die Raumnutzung der Gams mit hoher räumlicher und zeitlicher Auflösung beleuchten. Basierend auf den Ergebnissen können Handlungsempfehlungen für das jagdliche Management, aber auch die Bewirtschaftung des Bergwaldes, sowie andere, mit dem Bergwald in Zusammenhang stehende, Fachplanungen (z. B. FFH, Schutzwald) weiter verbessert werden.
Das Projekt "Teilprojekt 2" wird vom Umweltbundesamt gefördert und von Julius Kühn-Institut, Bundesforschungsinstitut für Kulturpflanzen (JKI), Institut für Anwendungstechnik im Pflanzenschutz durchgeführt. Massenvermehrung von Schnecken verursacht beträchtliche Schäden in der landwirtschaftlichen Pflanzenproduktion. Bestehende Interventionsmöglichkeiten liefern nur unbefriedigende Ergebnisse. Ziel des MSR-bot-Projektes ist es, einen Roboter zu entwickeln, der Schäden durch Massenvermehrung von Schnecken in der Landwirtschaft verhindert, indem er Schnecken durch den Einsatz von Manipulatoren unschädlich macht. Der Roboter navigiert per GPS autonom über eine Ackerfläche. Er erkennt Schnecken durch digitale Bildverarbeitung und er verfügt über eine Steuerung, die es ermöglicht, die Ausbreitung der Schnecken zu antizipieren. Um ein antizipierendes Verhalten des Roboters zu ermöglichen, ist es notwendig, die Schadwirkung und das Verhalten von Schnecken unter Einfluss von Witterungsbedingungen und verschiedenen getroffenen Präventionsmaßnahmen zu untersuchen. Durch die Entwicklung dieses Roboters wird die Möglichkeit geschaffen, die Bekämpfung von Schnecken effektiver, umweltfreundlicher und kostensparender durchzuführen. Das Projekt soll innerhalb von 36 Monaten durchgeführt werden. Im ersten Projektjahr werden ein Trägerfahrzeug, und ein Sensor zur Schneckenerkennung als Kamerasystem mit digitaler Bildverarbeitung entwickelt. Im zweiten Projektjahr wird der Sensor im Feldversuch eingesetzt, um Daten über das quantitative Schneckenverhalten zu sammeln und den Einfluss verschiedener Faktoren auf das Schneckenverhalten zu untersuchen. Des Weiteren wird der Roboter mit einer Navigationseinheit ausgestattet und eine Robotersteuerung mit einem Hotspotverfahren entwickelt. Die Steuerung wird später mit den Erkenntnissen zum Schneckenverhalten zu einem lernenden System erweitert. Zudem wird der Roboter mit Manipulatoren zur Schneckenbekämpfung ausgerüstet. Im dritten Jahr werden die einzelnen Module zusammengefügt und die Funktionalität des Systems nachgewiesen. Zudem wird überprüft ob das System zur Bekämpfung anderer Schädlinge (z.B. Mäuse) erweitert werden kann.
Das Projekt "Teilprojekt 1" wird vom Umweltbundesamt gefördert und von Universität Kassel, Fachgruppe Boden- und Pflanzenbauwissenschaften, Fachgebiet Agrartechnik durchgeführt. Massenvermehrung von Schnecken verursacht beträchtliche Schäden in der landwirtschaftlichen Pflanzenproduktion. Bestehende Interventionsmöglichkeiten liefern nur unbefriedigende Ergebnisse. Ziel des MSR-bot-Projektes ist es, einen Roboter zu entwickeln, der Schäden durch Massenvermehrung von Schnecken in der Landwirtschaft verhindert, indem er Schnecken durch den Einsatz von Manipulatoren unschädlich macht. Der Roboter navigiert per GPS autonom über eine Ackerfläche. Er erkennt Schnecken durch digitale Bildverarbeitung und er verfügt über eine Steuerung, die es ermöglicht, die Ausbreitung der Schnecken zu antizipieren. Um ein antizipierendes Verhalten des Roboters zu ermöglichen, ist es notwendig, die Schadwirkung und das Verhalten von Schnecken unter Einfluss von Witterungsbedingungen und verschiedenen getroffenen Präventionsmaßnahmen zu untersuchen. Durch die Entwicklung dieses Roboters wird die Möglichkeit geschaffen, die Bekämpfung von Schnecken effektiver, umweltfreundlicher und kostensparender durchzuführen. Das Projekt soll innerhalb von 36 Monaten durchgeführt werden. Im ersten Projektjahr werden ein Trägerfahrzeug, und ein Sensor zur Schneckenerkennung als Kamerasystem mit digitaler Bildverarbeitung entwickelt. Im zweiten Projektjahr wird der Sensor im Feldversuch eingesetzt, um Daten über das quantitative Schneckenverhalten zu sammeln und den Einfluss verschiedener Faktoren auf das Schneckenverhalten zu untersuchen. Des Weiteren wird der Roboter mit einer Navigationseinheit ausgestattet und eine Robotersteuerung mit einem Hotspotverfahren entwickelt. Die Steuerung wird später mit den Erkenntnissen zum Schneckenverhalten zu einem lernenden System erweitert. Zudem wird der Roboter mit Manipulatoren zur Schneckenbekämpfung ausgerüstet. Im dritten Jahr werden die einzelnen Module zusammengefügt und die Funktionalität des Systems nachgewiesen. Zudem wird überprüft ob das System zur Bekämpfung anderer Schädlinge (z.B. Mäuse) erweitert werden kann.
Das Projekt "Teilprojekt 2" wird vom Umweltbundesamt gefördert und von Pahren Agrar Verwaltungs- und Vermarktungs GmbH & Co. Produktion KG durchgeführt. Die sparsame Anwendung von Pflanzenschutzmitteln ist nicht nur aus ökonomischen Gründen, sondern auch aus Gründen des Natur- und Umweltschutzes dringend notwendig. Unser Anliegen ist es, ein Verfahren zu entwickeln, mit dem Landwirte und Lohnunternehmen einfach und mit Hilfe von Software-Assistenten Pflanzenbestände bonitieren können, mit Hilfe dieser Daten eine teilflächenspezifische Applikationskarte für den Pflanzenschutz erstellen und dieses dann mit vorhandener Technik (Pflanzenschutzgerät mit GPS Teilbreitenschaltung) verwenden können.
Das Projekt "Teilprojekt 3" wird vom Umweltbundesamt gefördert und von DELPHI IMM - InformationsMusterManagement GmbH durchgeführt. Auf Grund des starken Stadtwachstums und der steigenden Motorisierung seit den 1990er Jahren leidet Hanoi unter zunehmenden Verkehrsproblemen. Das Forschungsprojekt REMON zielt auf die Reduktion der Luftschadstoffe und des Energieverbrauch im städtischen Verkehr. Die Grundidee des Projekts ist das Erfassen der Verkehrszustände in Echtzeit mittels des Floating Car Data (FCD)- und Floating Phone Data (FPD)-Ansatzes. Dabei werden GPS-Daten von GPS-Einheiten in Fahrzeugen (Autos, Busse, Taxen) sowie GPS-fähigen Mobilfunkgeräten von Motorradfahrern erfasst. Gerade das Motorrad als Hauptverkehrsmittel Hanois bedingt die Verwendung der FPD-Methode. Diese Rohdaten werden in Informationen für zahlreiche Anwendungen umgewandelt: von der Information der Verkehrsteilnehmer über die aktuelle Verkehrslage (Internet, Radio, Mobilfunk) bis hin zu Verkehrssteuerung sowie langfristige Planungsmaßnahmen zur Reduzierung der Verkehrsprobleme. Ein Ergebnis des Projekts ist die Digitalisierung und Visualisierung der Verkehrslage. Die lokale Stadtregierung, Verkehrsbehörden, Stadt- und Verkehrsplaner werden in die Lage versetzt, ein effizientes Monitoring für Hanois Verkehrsinfrastruktur durchzuführen. Die Analyse der Verteilungsmuster und der Geschwindigkeiten erlauben in Kombination mit der Kenntnis der spezifischen Verkehrsbedingungen vor Ort ein Verstehen der Prozessdynamiken des Verkehrs. Verkehrsmanagement, Stadt- und Verkehrsplanung können somit optimiert werden. Letztlich gleicht das im Projekt aufzubauende Echtzeit-Verkehrsinformationssystem einem dynamischen Sensor bzw. einem 'verteilen Netzwerk von Sensoren' für Geschwindigkeiten, Fahrzeugemissionen und Verkehrsfragen wie Erreichbarkeit und Verkehrsmuster. In dem interdisziplinären Forschungsprojekt REMON beteiligen sich insgesamt sieben deutsche Projektpartner: AS&P - Albert Speer & Partner GmbH, CPA Systems GmbH, DELPHI IMM GmbH, Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR), Freie Universität Berlin (FU), Internationale Akademie (INA) gGmbH an der Freien Universität Berlin und Technische Universität Darmstadt (TUD). Auf vietnamesischer Seite wirken das Transport Development and Strategy Institute (TDSI) und die University of Transport and Communication (UTC) in Hanoi sowie die Vietnamese-German University (VGU) mit ihrem Verkehrsforschungszentrum Vietnamese-German Transport Research Center mit. FU, CPA und DELPHI IMM bauen ein Geographisches Informationssystem auf und entwickeln ein Stadtwachstumsmodell. Sie erstellen auch eine digitale Straßenkarte, die die Grundlage für das FCD/FPD-System ist. DLR entwickelt das FCD/FPD-System bzw. Echtzeit-Verkehrsinformationssystem. TUD beschäftigt sich mit dem Verkehrsmanagement und der Strategieentwicklung. INA und AS&P konzentrieren sich auf die künftige Stadt- und Verkehrsentwicklung. Diese werden in Szenarien abgebildet, um daraus Planungsansätze zu entwickeln. AS&P wird exemplarisch ein oder mehrere Stadtteile neu planen. Das Projektmanagement obliegt INA.
Das Projekt "Teilprojekt 4" wird vom Umweltbundesamt gefördert und von Bonn-Aachen International Center for Information Technology B-IT durchgeführt. Ziel ist es Krankheitssymptome an Zuckerrübenblättern mit Hilfe von Kameras in mobilen Endgeräten (Smartphones, Handys, etc.) zu fotografieren, diese per Internet auf einen Server zu übertragen, dort durch Erkennungsroutinen analysieren zu lassen und das Ergebnis zurück zu senden. Dabei sollen durch Farb- und Mustererkennung der gesendeten Aufnahmen die möglichen Blattkrankheiten eingeschränkt werden. Aus einer Krankheitsbibliothek werden dem Nutzer Aufnahmen gesandt, so dass er ähnliche Ausprägungen der Krankheiten direkt vergleichen kann. Nach Bestimmung der Krankheit(en) kann der Nutzer durch GPS seinen Standort bekannt geben und unter Berücksichtigung weiterer Geo- und Schlagdaten im Beratungsportal der Länder ISIP (www.isip.de) eine Schaderregerprognose berechnen lassen bzw. Empfehlungen und Handlungsanweisungen abrufen. Im letzten Projektjahr ist vorgesehen, die Übertragbarkeit der Methode auf Blattkrankheiten in Getreide zu untersuchen. Das Ergebnis wird ein modularer Erkennungs-Algorithmus sein, der sich schnell und unkompliziert auf andere Blattkrankheiten anpassen lässt. Von den Partnern INRES und BI-T wird ein Algorithmus erstellt, der auf der Basis von Bildern aus Smartphones Blattkrankheiten an Pflanzen erkennt. Von ZEPP w
Origin | Count |
---|---|
Bund | 272 |
Type | Count |
---|---|
Förderprogramm | 272 |
License | Count |
---|---|
open | 272 |
Language | Count |
---|---|
Deutsch | 272 |
Englisch | 62 |
Resource type | Count |
---|---|
Keine | 150 |
Webseite | 122 |
Topic | Count |
---|---|
Boden | 209 |
Lebewesen & Lebensräume | 223 |
Luft | 186 |
Mensch & Umwelt | 272 |
Wasser | 146 |
Weitere | 272 |