API src

Found 2500 results.

Related terms

Hochleistungs-Flüssigchromatograph mit Tandem-Ionenfallen-Flugzeit-Massenspektrometer

Organische Spurenverunreinigungen und insbesondere deren Wirkungen rücken immer mehr in den Focus der Forschung. Rückstände von Pestiziden und Pharmaka werden inzwischen in allen Umweltkompartimenten bis hin zu Nahrungsmitteln, Trinkwasser und auch in menschlichen Geweben gefunden. Die Wirkungen solcher Stoffe sind jedoch bisher nur sehr wenig untersucht. Wirkungen werden auf Ökosystemebene, vor allem bei Wasserorganismen, aber auch bereits auf der Ebene von Vertebraten- und humanen Zellen gefunden. Besonders Besorgnis erregend ist die Feststellung synergistischer Effekte von Stoffen, die einzeln in Konzentrationen deutlich unterhalb der Wirkschwelle vorliegen. Die neu gegründete Fakultät 2 der BTU hat sich deshalb die Erforschung von Umweltverhalten und gesundheitlicher Auswirkungen solcher Verbindungen zum Ziel gesetzt. Ein besonderes Problem bei der Betrachtung von Wirkungen der Spurenstoffe stellen Metabolite und Abbauprodukte dieser Substanzen dar. Von zahlreichen Verbindungen ist das Verhalten in der Umwelt bisher kaum bekannt. Dies liegt häufig auch daran, dass bisher geeignete Analyseverfahren für die Verfolgung von Abbaumechanismen im Spurenbereich fehlen. Der LS 'Biotechnologie der Wasseraufbereitung' beschäftigt sich beispielsweise mit dem Umweltverhalten phosphororganischer Verbindungen. Der gegenwärtig bekannteste Vertreter dieser Stoffgruppe ist das Totalherbizid Glyphosat. Obwohl diese Verbindungen in großen Mengen nicht nur in der Landwirtschaft, sondern auch in der Industrie und vor allem im Haushalt verwendet werden, ist über das Umweltverhalten und vor allem über den Abbau der meisten Substanzen nur sehr wenig bekannt. Dies liegt u.a. an der äußert komplizierten Analytik, die bisher nur über LC/MS/MS oder LC/ICP-MS gelingt und nur von sehr wenigen Laboren in Deutschland beherrscht wird. Die Identifikation vieler Metaboliten scheitert bisher am Fehlen geeigneter Gerätetechnik und Methoden. Das beantragte LC/MS-IT-TOF-Gerät vereinigt erstmals die gute Empfindlichkeit des Ion-Trap mit der Massengenauigkeit der Time-Flow-Technik. Dieses Gerät besitzt somit die besten Voraussetzungen für die Identifikation von Substanzen im Spurenbereich und stellt eine wichtige Ergänzung von bereits vorhandenen Techniken wie GC/MS, LC/MS und NMR, sowie hoch effizienter Methoden und Verfahren zur Anreicherung von organischen Verbindungen dar. Es wird erwartet, dass mit Hilfe der neuen Technik völlig neue Einblicke in Umweltverhalten und Wirkungen von solchen Spurenstoffen gewonnen werden können, die bisher nicht oder nur unzureichend analysiert werden können. Mit der neuen Geräteausstattung werden dabei auch die Umwelt- und Gesundheitsforschung weiter verknüpft.

Grundwassermessstelle DEGM_DENW_060230125: BO/12 -KROMMERT-

Stammdaten und Analysedaten zu den Grundwassermessstellen im EUA-Messnetz: Messtelle DEGM_DENW_060230125 (BO/12 -KROMMERT-)

Grundwassermessstelle DEGM_DEMV_24320012: Karft OP

Stammdaten und Analysedaten zu den Grundwassermessstellen im EUA-Messnetz: Messtelle DEGM_DEMV_24320012 (Karft OP)

Grundwassermessstelle DEGM_DEMV_19390017: Dummerstorf

Stammdaten und Analysedaten zu den Grundwassermessstellen im EUA-Messnetz: Messtelle DEGM_DEMV_19390017 (Dummerstorf)

Grundwassermessstelle _Z: Heimfeld

Stammdaten und Analysedaten zu den Grundwassermessstellen im EUA-Messnetz: Messtelle _Z (Heimfeld)

Grundwassermessstelle DEGM_39390015: Hagendorf

Stammdaten und Analysedaten zu den Grundwassermessstellen im EUA-Messnetz: Messtelle DEGM_39390015 (Hagendorf)

Grundwassermessstelle DEGM_DERP_2549250700: 2519 Wörrstadt, Neuborn III

Stammdaten und Analysedaten zu den Grundwassermessstellen im EUA-Messnetz: Messtelle DEGM_DERP_2549250700 (2519 Wörrstadt, Neuborn III)

Grundwassermessstelle DEGM_DENI_40000359: Bakede I

Stammdaten und Analysedaten zu den Grundwassermessstellen im EUA-Messnetz: Messtelle DEGM_DENI_40000359 (Bakede I)

Erkennung landwirtschaftlicher Technologieadoption und -nutzung mithilfe von Satellitendaten und self-supervised Deep Learning

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.

Grundwassermessstelle DEGM_DENW_100135602: PH 34N JOESSEN

Stammdaten und Analysedaten zu den Grundwassermessstellen im EUA-Messnetz: Messtelle DEGM_DENW_100135602 (PH 34N JOESSEN)

1 2 3 4 5 … 248 249 250