Die Relevanz von Unsicherheitsanalysen in der Hydrogeology ist vergleichsweise groß aufgrund der Tatsache, dass Aquifereigenschaften oft sehr heterogen sind und meist nur wenige in-situ Daten zu deren Charakterisierung zu Verfügung stehen. Die Bayes'sche Statistik ist hervorragend geeignet, um solche Analysen durch zu führen. Verglichen mit klassicher, frequentistischer Statistik lassen sich Unsicherheiten deutlich einfacher modellieren, können Wahrscheinlichkeitsaussagen auch für Einzelfälle getroffen werden und Hintergrundwissen von ex-situ Messungen konsistent mittels der A-priori-Verteilung repräsentiert werden. In der Praxis werden allerdings sowohl Unsicherheitsanalyse wie auch Aquifercharakterisierung nur selten mit Bayes'schen Methoden durchgeführt. Der wahrscheinlich wichtigste Hinderungsgrund ist dabei die Schwierigkeit die A-priori-Verteilung zu bestimmen, welche die (Un)sicherheit bzgl. der Aquifereigenschaften ausdrückt bevor in-situ Daten berücksichtigt wurden. In diesem Projekt werde ich dieses Problem angehen, in dem ich (i) einen Arbeitsablauf zur Bestimmung der A-priori-Verteilung ausarbeite und (ii) den Einfluss solch einer Verteilung untersuche. Im ersten Teil werde ich Gebrauch machen von dem hierarchischem Bayes'schen Modell zur Bestimmung von A-priori-Verteilungen, welches in einer Zusammenarbeit zwischen der Arbeitsgruppe von Prof. Yoram Rubin und mir entwickelt wurde. Um dieses Modell mit einem umfangreichen und repräsentativen Datensatz zu versorgen, werde ich es mit einer etablierten Datenbank hydrogeologischer Messungen koppeln. Dadurch wird es möglich informative A-priori-Verteilungen zu bestimmen, welche das Hintergrundwissen von ex-situ Messungen repräsentieren. Im zweiten Teil werde ich den Einfluss dieser informativen A-priori-Verteilungen auf Fragen der Unsicherheitsreduktion und des resultierenden Datenwertes untersuchen. Dazu werde ich eine Reihe von klassischen Meß- und Interpretationsverfahren mit einem Bayes'schen Aquivalent vergleichen. Dabei wird vor allem die Frage des relativen Datenwertes im Mittelpunkt stehen. Relativ bezieht sich hierbei auf den Einfluss von in-situ Daten verglichen mit den ex-situ Daten, welche in der A-priori-Verteilung enthalten sind. Die Ergebnisse dieses Projektes werden demnach helfen einen konsistenten und reproduzierbaren Arbeitsablauf zur Ableitung hydrogeologischer A-priori-Verteilungen zu etablieren sowie deren Einfluss auf Fragen der Unsicherheitsreduktion und des relativen Datenwertes von in-situ Messungen zu bestimmen. Des Weiteren werden die Ergebnisse dazu dienen die Vorteile sowie mögliche Nachteile Bayes'scher Methoden für die hydrogeologische Unsicherheitsanalyse zu verstehen. Dadurch werden die Herausforderungen klar, die zu überwinden sind, um Bayes'sche Statistik zu einem allgemein genutztem Standard für hydrogeologische Unsicherheitsanalysen werden zu lassen.
Niedrige Wolken sind Schlüsselbestandteile vieler Klimazonen, aber in numerischen Modellen oft nicht gut dargestellt und schwer zu beobachten. Kürzlich wurde gezeigt, dass sich während der Haupttrockensaison im Juni und September im westlichen Zentralafrika eine ausgedehnte niedrige Wolkenbedeckung (engl. „low cloud cover“, LCC) entwickelt. Eine derart wolkige Haupttrockenzeit ist in den feuchten Tropen einzigartig und erklärt wahrscheinlich die dichtesten immergrünen Wälder in der Region. Da paläoklimatische Studien auf eine Instabilität hinweisen, kann jede Verringerung des LCC aufgrund des Klimawandels einen Kipppunkt für die Waldbedeckung darstellen. Daher besteht ein dringender Bedarf, das Auftreten, die Variabilität und die bioklimatischen Auswirkungen des LCC in westlichen Zentralafrika besser zu verstehen.Um diese Ziele zu erreichen, wurde ein Konsortium aus französischen, deutschen und gabunischen Partnern aufgebaut, zu dem Meteorologen, Klimatologen und Experten für Fernerkundung und Waldökologie gehören. Die meteorologischen Prozesse, welche die Bildung und Auflösung der LCC im Tagesgang steuern, werden anhand von zwei Ozean-Land-Transekten auf der Grundlage einer synergistischen Analyse von historischen In-situ Beobachtungen, von Daten einer Feldkampagne und anhand von atmosphärischen Modellsimulationen untersucht. Die Ergebnisse werden mit einem kürzlich entwickelten konzeptionellen Modell für LCC im südlichen Westafrika verglichen.Die intrasaisonale bis interannuale Variabilität des LCC wird durch die Analyse von In-Situ-Langzeitdaten und Satellitenschätzungen quantifiziert. Unterschiede im Jahresgang des LCC (d.h. jahreszeitlicher Beginn und Rückzug, wolkenarme Tage) und die Ausdehnung ins Inland werden dokumentiert. Ansätze, die auf Wettertypen und äquatorialen Wellen basieren, werden verwendet, um intrasaisonale Variationen des LCC zu verstehen. Die Auswirkungen lokaler und regionaler Meeresoberflächentemperaturen auf die LCC-Entwicklung und ihre Jahr-zu-Jahr Variabilität werden bewertet, wobei statistische Analysen und spezielle Sensitivitätsversuche mit einem regionalen Klimamodell verknüpft werden.Schließlich wird der Einfluss von LCC auf die Licht- und Wasserverfügbarkeit bzw. die Waldfunktion anhand von In-Situ-Messungen untersucht. Die Ergebnisse werden mit Messungen aus der nördlichen Republik Kongo, wo die Trockenzeit sonnig ist, sowie mit einem einfachen Wasserhaushaltsmodells, das an die Region angepasst ist, verglichen. Die Wasserhaushaltsanalysen sollen die Kompensations- oder Verstärkungseffekte von Regen im Vergleich zur potenziellen Evapotranspiration, beide moduliert durch die LCC, auf das Wasserdefizit aufzeigen.Die Ergebnisse von DYVALOCCA werden zum ersten konzeptionellen Modell für Wolkenbildung und -auflösung im westlichen Zentralafrika führen und eine Hilfestellung für die Bewertung von Klimawandel-Simulationen mit Blick auf potentielle Kipppunkte für die immergrünen Regenwälder in der Region geben.
Niederschlag ist eine wichtige, aber schlecht verstandene Komponente unseres Klimasystems. Die genauen Prozesse, durch die Eiskristalle, flüssiges Wasser, Wolkendynamik und Aerosolpartikel bei der Niederschlagsbildung zusammenwirken, sind nicht ausreichend verstanden. Da überall außer über den subtropischen Ozeanen der meiste Niederschlag in Wolken über die Eisphase gebildet wird, sind die Prozesse der Schneefallbildung nicht nur in den polaren, sondern auch in den mittleren Breiten von großer Bedeutung: Wachstum in übersättigter Luft führt zu unzähligen Kristallformen, die von Temperatur, Feuchtigkeit und deren turbulenten Schwankungen abhängen. Durch Aggregation verbinden sich einzelne Kristalle zu komplexen Schneeflocken. Bereifung beschreibt das Anfrieren kleiner Tröpfchen an den Eiskristallen, so dass diese schnell an Masse gewinnen. Dadurch ist die Form der Schneeteilchen - wenn sie beobachtet wird, bevor das Teilchen zu einem Regentropfen schmilzt - ein Fingerabdruck der vorherrschenden Prozesse während der Schneefallbildung. In EMPOS schlagen wir vor, diese Fingerabdrücke zu nutzen, um zu quantifizieren, wie die verschiedenen Prozesse der Schneefallbildung zu Masse oder Häufigkeit des Gesamtniederschlag beitragen. Zu diesem Zweck werden wir die Datenprodukte des innovativen Video In Situ Snowfall Sensors (VISSS) weiterentwickeln, um Riming und Aggregation während einer speziellen Messkampagne in Hyytiälä, Finnland, zu quantifizieren. Die Beobachtungen werden mit dem ICON-Modell verglichen, in welches das fortschrittliche P3 Mikrophysikschema (Predicted Particle Properties) mit einem neuartigen Ansatz zur Behandlung von bereiften Partikeln implementiert ist. Durch dieses kombinierte Beobachtungs- und Modellierungsprojekt wird es möglich zu quantifizieren, wie die einzelnen Wolkenprozesse an der Schneefallbildung beteiligt sind, und zwar in Bezug auf die Häufigkeit des Auftretens und die Gesamtschneemasse. Darüber hinaus werden wir diese Wolkenprozesse in Abhängigkeit von makrophysikalischen Wolkeneigenschaften wie Wolkentiefe und synoptischen Einflüssen analysieren. Auf der Grundlage von Vergleichen zwischen Modell und Beobachtungen, die sowohl mittels Fallstudien als auch für einen längeren Zeitraum durchgeführt werden, werden wir die Schneefallsimulation in ICON im Standard-Zweimomentenschema und im P3-Mikrophysikschema bewerten und verbessern.
Ziel des Vorhabens ist die Digitalisierung des Datenmanagements und der Datenbereitstellung zu Klimafolgen und der Anpassungsstrategie des Bundes, um das Datenangebot für verschiedene Informationsbedarfe nutzbar zu machen und für die konsequente Steuerung zeitnah Informationen und Daten über Klimawandelfolgen und Anpassung zu erfassen und bereit zu stellen. Dazu sollen künftig quantifizierte Informationen über Schäden und Kosten physischer Klimawirkungen, die Anpassung auf subnationaler Ebene in Bundesländern und Kommunen und in den Sektorpolitiken, sowie die Finanzierung von vorsorgenden Anpassungsmaßnahmen der öffentlichen Hand (Bund, Länder, Kommunen) systematisch und kontinuierlich erfasst werden. Bereits vorhanden ist das Monitoringsystem zur DAS, das derzeit alle vier Jahre über Klimawirkungen und Anpassung anhand eines ressortabgestimmten Indikatorensystems auf nationaler Ebene berichtet. Im Vor-haben wird das Datenmanagement des Monitoringsystems zur DAS weiterentwickelt und mit dem im Aufbau befindlichen Datennutzungskonzept des UBA abgestimmt. Eine vergleichende Betrachtung vorhandener Umsetzungsmöglichkeiten vor dem Hintergrund laufender UBA Entwicklungen (z. B. DataCube), bestehenden IT-Infrastrukturen (Hosting und Datenmanagement UBA intern) sowie externen Optionen (Cloud) soll vorgenommen werden. Soweit möglich und fachlich sinnvoll, sollen bestehende Infrastrukturen oder Produkte genutzt bzw. auf laufende Prozesse aufgesetzt werden. Die Erfassung und Digitalisierung von quantifizierten Informationen über Schäden und Kosten physischer Klimawirkungen (Klimaschadenskataster) und die Finanzierung von vorsorgender Anpassung der öffentlichen Hand (Bund, Länder, Kommunen) soll neu aufgebaut werden. Dazu kann auf bereits vorhandenen methodischen Konzepten aufgesetzt werden. Notwendig ist die (Weiter)Entwicklung eines methodischen Konzepts für die systematische Erfassung von Informationen über Anpassungsfortschritte auf subnationaler Ebene und in den Sektorpolitiken und die Vorbereitung der Umsetzung. Es sollen Konzepte sowie institutionelle Vorschläge erarbeitet werden, mit denen Akteure auf subnationaler Ebene in die Lage versetzt werden, an den Bund zu berichten. Die Ergebnisse des Vorhabens 'Adaptation Data Base' werden in die UBA Datenstrategie und die darin abgeleiteten Maßnahmenvorschläge zum Datenmanagement und zur Datenbereitstellung eingegliedert. Im Eigenforschungsvorhaben sollen aus Fernerkundungsdiensten Verfahren zur Überwachung von Klimafolgen entwickelt und erprobt werden. Beispielsweise wird erwartet, dass aus dem Katastrophen- und Krisendienst von Copernicus mittelfristig Eingangsdaten für ein Klimaschadenskataster abgeleitet werden könnten. Im Ergebnis würde eine mittelfristige Ergänzung von in-situ-Daten zu Klimafolgen und Anpassungsmaßnahmen möglich.
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.
Veranlassung „Algenblüten“ sind deutlich sichtbare Zeichen für die multiplen Belastungen, denen unsere Binnengewässer ausgesetzt sind, wie z. B. Nährstoffeinträge, Folgen des Klimawandels – insbesondere Dürren und Starkregen – oder physische und biologische Strukturveränderungen. Diese können mit erheblichen Nutzungseinschränkungen einhergehen. Das massenhafte Fischsterben in der Oder 2022 hat eindrücklich gezeigt, welche Auswirkungen auf Ökosysteme durch das Freisetzen von Algentoxinen entstehen können, und dass dafür verantwortlichen Prozesse möglicherweise so schnell und großräumig ablaufen, dass klassische Monitoring-Strategien diese nicht erfassen. Die Gewässerfernerkundung bietet die Möglichkeit, Algenblüten über die Chlorophyll-a-Konzentration großflächig mittels Satellitendaten zu erheben und Informationen in nahe-Echtzeit bereitzustellen. Eine bundesweite Überwachung von Algen in Fließ- und Standgewässern ist aufgrund des umfassenden Copernicus-Programms der EU technisch möglich und inhaltlich notwendig, um den Behörden zukünftig ein effizientes Gewässermonitoring und z. B. eine Früherkennung kurzzeitig auftretender Ereignisse mit Algenmassenentwicklungen zu ermöglichen. Zudem bieten die Daten wichtige Informationen für die Bewirtschaftung von Trinkwassertalsperren und Badegewässern. Ziele - Automatisierte, skalierbare Ableitung von Chlorophyll-a-Konzentrationen und ergänzenden Gewässergüteparametern aus räumlich- und zeitlich hochaufgelösten, großflächig verfügbaren Satellitendaten für Beispielgewässer (Fließ- und Standgewässer). - Kalibrierung, Validierung und Qualitätssicherung der erzeugten Daten mittels vorhandener In-situ-Daten - Entwicklung und automatisierte Erzeugung anwendungsbezogener, maßgeschneiderter Indikatoren, Produkte und Visualisierungen - Entwicklung einer digitalen Anwendung auf der Cloud-Plattform CODE-DE inkl. Bereitstellung der erzeugten Daten und Produkte - Planspiele für konkrete Anwendungsfelder – u. a. zur Einbindung von Fernerkundung in die Berichterstattung Der Algenmonitor wird auf diesen Grundlagen eine wissenschaftlich fundierte Anwendung demonstrieren, die für den behördlichen Einsatz frei verfügbare, zeitlich hochaufgelöste Gewässerfernerkundungsdaten von Beispielgewässern zur Verfügung stellt. Da die Anwendung auf Open-Source-Bausteinen beruht, schafft dies eine Basis für eine Skalierung auf das ganze Bundesgebiet. Die Bundesanstalt für Gewässerkunde, das Helmholtz-Zentrum für Umweltforschung und das Umweltbundesamt starteten im August 2024 das Verbundprojekt „Algenmonitor“, gefördert vom Deutschen Zentrum für Luft- und Raumfahrt (DLR) und Bundesministerium für Digitales und Verkehr (BMDV).Grundlegende Ziele des Verbundprojektes sind, auf Basis von Satellitendaten räumlich- und zeitlich hochaufgelöste Chlorophyll-a-Konzentrationen, für die Anwendungen maßgeschneiderte Produkte und weitere spezifische Indikatoren für (schädliche) Algenblüten bereitzustellen. Die Anwendung des Algenmonitors soll in diesem Projekt anhand von Beispielgewässern erprobt werden; angestrebt sind je nach Verfügbarkeit von In-situ-Daten mindestens drei große Fließgewässer und drei Standgewässer. Die erforderlichen Prozessierungsschritte werden auf der cloudbasierten Prozessierungsplattform CODE-DE implementiert. Anhand der Beispielgewässer können dieprozessierten Gewässerfernerkundungsdaten von Flüsse und Seen mit In-situ-Daten des Bundes, der Bundesländer und aus wissenschaftlichen Messnetzen (z. B. eLTER) validiert und ergänzt werden. Durch die Einbeziehung der Copernicus-Daten und -Dienste entsteht eine Grundlage, die es den Behörden von Bund und Ländern potentiell ermöglicht, wichtige Wassergüte-Parameter für die bundesweite Gewässerüberwachung großflächig zu erheben und in Wert zu setzen. Ziel des Vorhabens ist es, Gewässerfernerkundungsdaten für die weitere Verwendung zu erschließen und konkrete Anwendungsmöglichkeiten aufzuzeigen.
| Organisation | Count |
|---|---|
| Bund | 60 |
| Land | 5 |
| Schutzgebiete | 1 |
| Wirtschaft | 2 |
| Wissenschaft | 46 |
| Type | Count |
|---|---|
| Daten und Messstellen | 18 |
| Förderprogramm | 56 |
| Text | 2 |
| unbekannt | 1 |
| License | Count |
|---|---|
| Geschlossen | 3 |
| Offen | 74 |
| Language | Count |
|---|---|
| Deutsch | 58 |
| Englisch | 31 |
| Resource type | Count |
|---|---|
| Datei | 18 |
| Keine | 32 |
| Webseite | 27 |
| Topic | Count |
|---|---|
| Boden | 63 |
| Lebewesen und Lebensräume | 69 |
| Luft | 52 |
| Mensch und Umwelt | 77 |
| Wasser | 70 |
| Weitere | 77 |