Mikroplastik (MP, Plastikteile kleiner als 5 mm) werden als neu aufkommende Schadstoffe betrachtet und neuste Studien belegen die potentielle Gefahr von MP für die menschliche Gesundheit und die Umwelt. Die Forschung hat sich bisher mehrheitlich auf die Untersuchung von MP in der marinen Umgebung konzentriert. Allerdings konnte MP auch vermehrt Süßwasser und -sedimenten weltweit nachgewiesen werden. Als Primärpartikel oder Sekundärprodukte aus dem Abbau von Makroplastik kann MP entweder direkt toxisch wirken oder als Überträger von sorbierten Schadstoffen fungieren. Neuste Studien belegen außerdem, dass MP in die menschliche Nahrungskette eindringen kann. Weiterhin können die dem MP beigefügten endokrinen Disruptoren wie Bisphenol A (BPA) and Nonylphenol (NP) während der Transportprozesse an das Süßwasser abgegeben werden. Dabei können Flussbettsedimente potentielle Hotspots für die Akkumulation von MP und deren Additive darstellen.Das Hauptziel dieses Projektes ist, die Akkumulation und den Transport von MP in Süßwasser und -sedimenten näher zu untersuchen. Dabei soll den folgenden beiden grundsätzlichen Fragen nachgegangen werden:(i) Welche Prozesse kontrollieren Transport und Akkumulation von MP verschiedener Größe, Dichte und Zusammensetzung und wie bilden sich sogenannte Mikroplastik-Hotspots in der hyporheischen Zone?(ii) Wie können Transport und Akkumulation von MP sowie die Freisetzung von Additiven wie BPA und NP unter variablen Umweltbedingungen beschrieben und vorhergesagt werden? Zwei Arbeitspakete (WP) sollen helfen, diese Fragen zu beantworten:WP1 befasst sich mit den Auswirkungen der grundlegenden Eigenschaften von MP wie Größe, Form, Zusammensetzung, Dichte, Auftrieb auf deren Transport und untersucht systematisch, wie verschiedene Arten von MP in der hyporheischen Zone (hier Flussbettsedimente) unter diversen hydrodynamischen und morphologischen Bedingungen akkumulieren. Dafür sollen Versuche in künstlichen Abflusskanälen (artificial flumes) durchgeführt werden. In diesen Versuchen werden repräsentative hydrodynamische und morphologische Bedingungen geschaffen, um eine Spannbreite an primären und sekundären MP zu testen, ihr Transportverhalten zu beschrieben und die Freisetzung von Additiven näher zu untersuchen. MP wird mit verschiedensten Methoden charakterisiert, z.B. mit single particle ICP-MS zur Bestimmung der Größe oder FT-IR zur Bestimmung des vorherrschenden Polymers. Während der Flume-Experimente werden die Eigenschaften der Sedimente, des Porenwassers und der Biofilme, sowie die Konzentration an BPA und NP gemessen und später analysiert, um die Reaktivität der Akkumulationshotspots zu bestimmen.WP2 beinhaltet die Entwicklung und Anwendung eines Models, um MP-Transport sowie die Freisetzung von Additiven in der hyporheischen Zone vorherzusagen. Da Modelle, die momentan im Bereich Stofftransport verwendet werden nicht für MP ausgelegt sind, soll die Lattice-Boltzmann Methode als neuer Modellansatz verfolgt werden.
Das Konzept von Refill Deutschland ist simpel und einfach: Läden mit dem Refill Aufkleber am Fenster oder der Tür füllen kostenfrei Leitungswasser in jedes mitgebrachte Trinkgefäß.
Im März 2017 in Hamburg gestartet, ist Refill Deutschland inzwischen zu einer deutschlandweiten Bewegung geworden!
Durch das großartige Engagement von vielen Ehrenamtlichen helfen wir aktiv mit, dem Plastikwahnsinn ein Ende zu bereiten und auf die Ressourcenverschwendung und Verschmutzung durch Plastikmüll hinzuweisen.
Veranlassung
Methoden des maschinellen Lernens kommen in der gewässerkundlichen Praxis der BfG bisher nur vereinzelt zum Einsatz. Der Einsatz von ML entspricht in vielen Bereichen aber bereits dem Stand von Wissenschaft und Technik und hält zunehmend Einzug auch in gewässerkundliche Fragestellungen. ML besitzt das Potenzial, zum einen bestehende Aufgaben und Methoden qualitativ zu optimieren (z. B. in Form verbesserter Prognosemethoden). Zum anderen werden durch den Einsatz von ML arbeitsaufwändige, mit klassischen Ansätzen nicht leistbare Analysen erst möglich, wodurch auch gänzlich neue oder substanziell erweiterte Leistungen und Produkte entstehen. Der unmittelbare Anwendungs- und Aufgabenbezug von MALPROG lässt diesbezüglich konkrete Ergebnisse für relevante Fachaufgaben sowie zielführende Erkenntnisse für eine Übertragung auf weitere Arbeitsfelder der BfG erwarten.
Ziele
Die übergeordneten Ziele von MALPROG sind
- wissenschaftliche Erkenntnis und Datenharmonisierung: Untersuchung praktischer Anwendbarkeit von Methoden des maschinellen Lernens für ausgewählte BfG-Fachaufgaben (Messdatenplausibilisierung, Abfluss- und Wasserstandsvorhersage, Vegetationskartierung, Ölerkennung)
- Technologietransfer: Überführung zielführender Methoden des maschinellen Lernens in zentrale Dienste und Applikationen der BfG
- Konsolidierung des Wissens: Initiierung einer BfG-weiten Arbeitsgruppe "KI" zwecks Beratung, Unterstützung, Austausch und Koordination zukünftiger Anwendungen mit Bezug zu Methoden der künstlichen Intelligenz
Für die konkrete Anwendung der ML-Methoden für die Fach- und Beratungsaufgaben der BfG sollen
- eine weitere Steigerung der Vorhersagegüte erzielt, längerfristige Vorhersageskalen erschlossen und innovative Beratungsprodukte generiert werden,
- eine intelligente Vorbeurteilung von Öl-Verschmutzungen ermöglicht werden, die z. B. einen effizienteren Einsatz unbemannter Systeme ermöglicht und den teuren Datentransfer für weitfliegende Systeme wesentlich reduziert,
- durch die Anwendung auf digitale Orthofotos eine Identifizierung von Vegetation mit erhöhtem Automatisierungsgrad auf großer Fläche ermöglicht werden, z. B. für eine effiziente Erstellung von Biotoptypenkartierungen und für ein stringentes Vegetationsmonitoring bei Entwicklungsmaßnahmen,
- durch Kameraaufnahmen automatisch Makroplastik in fließenden Gewässern identifiziert und klassifiziert werden,
- Messfehler von Bodenfeuchtemessungen identifiziert und korrigiert werden.
Die vertiefte Befassung mit den Möglichkeiten und Grenzen von ML-Methoden soll die BfG unterstützen, um die rasant zunehmende Menge an (Umwelt-)Daten unter Nutzung steigender Rechenressourcen in eine verbesserte Leistungsfähigkeit ihres Beratungsangebots (z. B. für die WSV, das BMDV, das BMUV) zu überführen.
Die Entwicklung von Anwendungsfeldern im Bereich der künstlichen Intelligenz (KI) ist ein zentrales Ziel der Bundesregierung (KI-Strategie für Deutschland), welches das BMDV für den Verkehrssektor in seinem Aktionsplan "Digitalisierung und Künstliche Intelligenz in der Mobilität" aufgegriffen und weiter konkretisiert hat. Pilothafte Anwendungen belegen aber neben dem hohen Bedarf auch das große Potenzial von Methoden des maschinellen Lernens im Bereich der Gewässerkunde (Prognose, Klassifikation, Regression).
Im Rahmen von MALPROG wird die Nutzung KI- bzw. ML-basierter Methoden für konkrete Anwendungsfelder in der Gewässerkunde systematisch untersucht. Als zielführend identifizierte Ansätze werden in die praktische Facharbeit integriert, um letztlich deren Potenzial für konkrete Anwendungen in der Analyse- und Beratungspraxis der BfG und WSV ausschöpfen zu können.
Abfrage von Art und Ausstattung der Anlage zur Aufarbeitung und Verwertung von Kunststoffen, sowie Art, Menge und Herkunft (regional, Wirtschaftsbereich) der eingesetzten Altkunststoffe.
Chemischer Abbau von Thermoplasten und Duromeren durch Hydrolyse u.a. Verfahren. Aufarbeitung der Abbauprodkute. Recycling durch Einsatz als Rohstoffe bei der Herstellung der Kunststoffe.