Die systematische Untersuchung des Zusammenspiels von Transformationsprozessen in der Rhizosphäre mit Fokus auf Mucilage und Wurzelhaare und deren Kopplungen zur Bodenstruktur, Geochemie, Mikrobiologie und zu hochskalierten Bodenfunktionen wird zur zentralen Frage des PP beitragen, wie Resilienz aus selbstorganisierter raum-zeitlicher Musterbildung in der Rhizosphäre entsteht. Mechanistische, mathematische Modelle in Form von kombinierten zellulären Automaten und PDE/ODE-Systemen auf der Mikroskala bieten die Möglichkeit, Skalen durch Homogenisierungstechniken zu überbrücken.H1: Die Entwicklung der Selbstorganisation in der Rhizosphäre in Verbindung mit den raum-zeitlichen Mustern von Nährstoffen, Wasser und Biomasse kann mit der realisierten Erweiterung des Simulationswerkzeugs nun untersucht werden.H2: Der Zusammenhang zwischen Bodenstrukturbildung, Habitatbedingungen - auch beeinflusst durch die Produktion und den Abbau von Schleimstoffen - und den mikrobiellen Gemeinschaften.H3: Die Größe der Rhizosphäre wird durch die radiale Ausdehnung der Strukturbildung bestimmt, die durch die Wurzelaktivität/Morphologie gesteuert wird.Wir wollen insbesondere das Zusammenspiel von Bodenstruktur (Porosität), Wurzelexudaten und für die Pflanze relevanten Transporteigenschaften untersuchen. Damit adressieren wir die Schwerpunkte Aggregatbildung/Bodenstruktur mit Porenskalenmodellierung und Wasserfluss/Mucilage, und insbesondere die Forschungsfragen der Phase 2:III. Wie interagieren Kohlenstofffluss und Struktur (mit P19, P22)?V. Welche Relevanz hat Mucilage für das System Boden-Pflanze in Bezug auf Trockenheitsresilienz; trotz des mechanistischen Verständnisses auf der Mikroskala - Beweise für Relevanz auf der Systemskala, System Pflanze-Boden fehlen noch (mit P4,P5,P23,P24)VI. Was ist die mechanistische Funktion von Wurzelhaaren - Quantifizierung der Aufrechterhaltung der hydraulischen Kontinuität, der Auswirkung auf die Nährstoffaufnahme und der Ausdehnung von Verarmungszonen (mit P7,P4).In enger Zusammenarbeit mit den experimentellen Partnern evaluieren wir das Zusammenspiel der Mechanismen in konkreten SPP Settings und werden dabei auch auf die von P21 identifizierten raum-zeitlichen Muster aus hochauflösender korrelativer Bildgebung Bezug nehmen. Die notwendige Grundlage für 3D-Simulationen werden parallelisierte, effiziente Algorithmen und Machine Learning sein, um das Upscaling von Bodenfunktionen systematisch zu untersuchen. Das Simulationswerkzeug liefert seinen Wert durch die Fähigkeit, Einflussfaktoren und Mechanismen durch Abstraktion relevanter Prozesse zu veranschaulichen, zu vergleichen und aufzudecken. Es soll nicht die Datenkurven der Experimente "nachzeichnen", sondern neue Erkenntnisse durch die separate Analyse, aber auch die Untersuchung des Zusammenspiels mehrerer Prozesse in einer integrativen Simulation gewinnen. Damit soll es eine Wissenslücke schließen, die Experimente allein derzeit nicht füllen können.
Die rasche Verstädterung und das Bevölkerungswachstum haben in den heutigen Gesellschaften neue Probleme geschaffen. Zu diesen Problemen gehören die Verknappung der Trinkwasserressourcen, Schwierigkeiten bei der Abfallbewirtschaftung, Luftverschmutzung, Verkehrsstaus und eine sich verschlechternde und veraltete Infrastruktur. Neben der zunehmenden Dringlichkeit einer nachhaltigen Entwicklung haben Fortschritte in der Mathematik und im Data Science das Konzept der "Smart Cities" zur Lösung dieser Probleme hervorgebracht. Die Versorgung der Menschen mit einer sicheren, zuverlässigen und kostengünstigen Trinkwasserversorgung ist von größter Bedeutung für die Gesundheit in der Gesellschaft, die Wirtschaft und die Politik. Daher ist der Zugang zu sauberem Wasser und sanitären Einrichtungen als eines der 17 Ziele in der Agenda 2030 für nachhaltige Entwicklung der Vereinten Nationen enthalten (https://sdgs.un.org/goals). In diesem Zusammenhang sind die Wasserversorgungsnetze (WDN) das Herzstück jeder intelligenten Stadt und erfordern neue Überlegungen und Entwicklungen, um intelligenter verwaltet und betrieben zu werden. Eines der Hauptprobleme in WDNs sind Lecks im System. Leckagen führen zu einem spürbaren Verlust von sauberem Wasser, was zu umgekehrten Leckagen, Verunreinigungen durch Grundwasser und ernsthaften Betriebsschwierigkeiten führen kann. Eine frühzeitige Leckerkennung spart Wasser und verhindert, dass sich kleine Lecks zu Wassereinbrüchen ausweiten. Daher sind Einrichtungen zur frühzeitigen Leckerkennung für jedes intelligente WDN unerlässlich, um Verluste und die Gefahr von Leckagen zu verringern. SMARTWINE zielt darauf ab, das Potenzial einer Kombination aus maschinellem Lernen (ML), Graphentheorie und Optimierungstechniken zu erforschen und zu nutzen, um zuverlässige, schnelle und einfach zu bedienende Methoden zur Echtzeit-Leckerkennung und Alarmierung in WDNs zu entwickeln.
Gesellschaftliche Relevanz: Die Versorgung der Bevölkerung mit ausreichend Wasser in guter Qualität wird eine der großen Herausforderungen in der nahen Zukunft sein. Landnutzung und Klimawandel verschärfen dieses Problem. Wir haben nur begrenzte Möglichkeiten, neues Wasser bereitzustellen oder Wasser in Stauseen für Zeiten von Wasserknappheit aufzubewahren. Eine kluge Nutzung und Bewirtschaftung der Wasserressourcen scheinen die vielversprechendsten Instrumente zur Entschärfung der Situation. Daher wurden numerische Modelle für Seen eingesetzt, die sich jedoch immer noch an Ozeanannahmen orientieren. Infolgedessen sind simulierte Strömungen im tiefen Wasser von Seen nahe der Temperatur der maximalen Dichte (d. h. nahe 4 °C) fehlerhaft oder unrealistisch. Wir haben bessere Kenntnisse über die physikalischen Eigenschaften von Seewasser. Numerische Seemodelle könnten also wesentlich verbessert werden. Unsere Hypothese ist es, dass das Einbringen von Thermobarizität in numerische Modelle die bekannten Probleme behebt und so die entscheidenden Effekte weit besser dargestellt werden können. Wissenschaftliche Herausforderung: Thermobare Effekte kontrollieren die Tiefenzirkulation in tiefen Seen in der gemäßigten und subpolaren Klimazone. Obwohl das Thema in letzter Zeit in der Ozeanographie an Interesse gewonnen hat, wurden die Merkmale in tiefen Seen bislang nicht richtig behandelt. Per Definition geht die praktische physikalische Größe der potentiellen Dichte verloren, wenn thermobare Effekte dominieren. Dies erschwert die Darstellung von Stabilitätsbetrachtungen. Wir sind jedoch überzeugt, dass die Beschreibung thermobarer Effekte deutlich verbessert werden kann. Wir schlagen vor, ausgehend von den Grundlagen thermodynamischer Ansätze über Stabilitätsbetrachtungen bis hin zu vereinfachter Modellierung die Implementierung der thermobaren Effekte in numerischen Modellen vorzunehmen, um die Auswirkungen in einigen prominenten Fällen zu demonstrieren. Wir sind überzeugt, dass wir mit unseren vereinten Kompetenzen neue Ansätze finden, um thermobare Effekte zu verstehen und zu kommunizieren. Mit unserer Erfahrung werden wir effektive numerische Ansätze finden, um dieses Thema grundlegend zu bearbeiten und neue Lösungsansätze zu bieten. Schließlich werden wir DELFT3D (DELTARES) einsetzen, um thermobare Effekte in einigen tiefen Seen zu simulieren und zu demonstrieren. Wir erwarten, dass dieses Projekt die Perspektive einer zukünftigen fruchtbaren Zusammenarbeit eröffnet.
Neue Sorten werden in Feldversuchen in mehreren Umwelten (MET) extensiv getestet, um zuverlässige empirische Grundlage für Sortenempfehlungen für Landwirte zu erhalten. Falls die Zielpopulation von Umwelten groß genug und heterogen ist, ist eine Aufteilung in Subregionen oft vorteilhaft. Bei der Planung solcher Versuche erhebt sich die Frage der Zuordnung der Feldversuche den Subregionen. Zu Lösung dieses Problems werden meistens lineare gemischte Modelle angenommen. Optimale Versuchspläne (optimale Zuordnungen der Feldversuche) werden für beste lineare unverszerrte Vorhersagen (BLUPs) für Genotypeffekte und ihre paarweise lineare Kontraste bestimmt. In diesem Projekt werden lineare gemischte Modelle mit korrelierten Genotypeffekten untersucht, die zudem Jahres- und / oder Umweltfaktoren miteinbeziehen können. Außerdem ist geplant unvollständige Block-Designs (alpha-Designs, Zeilen-Spalten-Pläne) neben randomisierten vollständigen Block-Designs zu berücksichtigen. Für den Fall dass Markerdaten verfügbar sind, werden Versuchspläne für MET für Sparse Testing untersucht. Sparse Testing bedeutet die Prüfung jedes Genotyps ausschließlich in einem Teil der Feldversuche. Dadurch wird die Erfassung der Marker-Umwelt-Interaktion in einer erhöhten Zahl von Umwelten ermöglicht, wodurch eine höhere Präzision der Schätzung von Markereffekten erreicht wird. Die Aufgabe der Versuchsplanung ist nun die Zuordnung der Genotypen zu den Prüfumwelten. Die linearen gemischten Modelle sind hier so kompliziert, dass die Designfragestellungen nicht trivial sind. In den Fällen, wo die daraus resultierenden Designkriterien keine Spezialfälle von bekannten Kriterien sind, werden neue Berechnungsmethoden für optimale Versuchsplanung entwickelt. Eine zugehörige Fragestellung in dieser Forschung ist die Ermittlung von optimalen oder hocheffizienten Designs, die unabhängig von oder mindestens unsensitiv bzgl. der Kovarianzmatrix der zufälligen Effekte sind. Zu Lösung dieses Problems wird ein Bayesianischer Ansatz benutzt. Außerdem werden das Minimax-Kriterium und / oder das Maximin-Efficiency-Kriterium untersucht, die dem "worst case" bezüglich der zugrundeliegenden Kriterien entsprechen.
Die Fähigkeit, das Wetter bis über eine Woche hinaus vorhersagen zu können, erspart unserer Gesellschaft jährlich Kosten in Milliardenhöhe und trägt entscheidend zum Schutz von Leben und Eigentum bei. Die zunehmende Leistungsfähigkeit unserer Computersysteme und neuartige Beobachtungen haben über die Jahre hinweg zu einer kontinuierlichen Verbesserung der Wettervorhersagequalität geführt. Dennoch kommt es immer noch gelegentlich zu erheblichen Fehlvorhersagen. Dies ist nicht allein auf Defizite in den Vorhersagemethoden zurückzuführen - in einem chaotischen System wie der Atmosphäre gibt es Wettersituationen, die per se schwer vorherzusagen sind. Die gegenwärtige Herausforderung ist daher die Vorhersagbarkeit und insbesondere deren Grenzen, abhängig von der jeweiligen Wettersituation, zu identifizieren um eine bestmögliche Vorhersage bereitstellen zu können. Der TRR 165 wird sich dieser Herausforderung stellen und hat sich zum Ziel gesetzt, durch die Beantwortung der zugrunde liegenden wissenschaftlichen Fragestellungen einer neuen Generation von Wettervorhersagesystemen den Weg zu ebnen. Die wichtigsten Ursachen für verbleibende Unsicherheiten in der derzeitigen numerischen Wettervorhersage sind: A das schnelle Wachstum von Fehlern, die durch nicht oder unzureichend dargestellte physikalische Prozesse wie Konvektion oder Mischung in der Grenzschicht entstehen und letztlich zu Veränderungen der Wellen auf synoptischer Skala führen können, B unser begrenztes Verständnis der physikalischen Prozesse in Wolken und C der relative Einfluss lokaler Faktoren und synoptisch-skaliger Wellen auf das Wetter und dessen Vorhersagbarkeit. Im Rahmen von 'Wellen, Wolken, Wetter' werden diese drei Fragestellungen gemeinsam von Experten der Disziplinen Atmosphärendynamik, Wolkenphysik, Statistik, Inverse Methoden und Visualisierung bearbeitet. Dabei wird TRR 165 eine Vielzahl von Methoden anwenden und neu entwickeln, wie etwa numerische Modelle mit detaillierter Darstellung von Wolkenprozessen und Aerosolen, aber auch Ensemblevorhersagen mit hochentwickelten statistischen Nachbearbeitungsverfahren zur mathematischen Beschreibung der Unsicherheit nutzen. Die zusätzliche Entwicklung neuer, interaktiver Visualisierungsmethoden erlaubt eine rasche und intuitive Erfassung komplexer Informationen, die in Ensemblevorhersagen sowohl zu den Ursachen als auch zur Entwicklung der Unsicherheit meteorologischer Strukturen enthalten sind. Die Gesamtziele von 'Wellen, Wolken, Wetter' sind nur durch die Zusammenführung der Expertise von drei renommierten Forschungsstandorten zu erreichen: München mit der LMU, der TUM, dem DLR; Mainz mit der JGU; und Karlsruhe mit dem KIT. Zudem wird im Rahmen dieses Konsortiums ein innovatives Programm geschaffen, das die Entwicklung von Nachwuchswissenschaftlern im Rahmen eines etablierten Netzwerks erfahrener Wissenschaftler fördern und die Chancengleichheit auf allen Karriereniveaus in den beteiligten Disziplinen verbessern soll.
Das Ziel von Ensemble-Vorhersagen ist die Quantifizierung von Unsicherheiten in numerischen Wetterprognosen. Wir werden statistische Nachbearbeitungsverfahren entwickeln, welche Wetterregime berücksichtigen, und die Effekte von stochastischen Parametrisierungen in der Modellphysik untersuchen. Das übergeordnete Ziel besteht in der vergleichenden Quantifizierung des Wertes und der relativen Vorzüge beider Ansätze für Niederschlagsvorhersagen in Deutschland und der daran angrenzenden Gebiete.
Ziel dieses Projektes ist ein verbessertes Verständnis der Prozesse, welche die Vorhersagbarkeit von Niederschlag auf Zeitskalen von Tagen bis Wochen in der Westafrikanischen Monsunregion erhöhen oder reduzieren. Innovative Aspekte und besondere Herausforderungen im Projekt liegen in der Identifikation von geeigneten Metriken zur Definition von rein tropischen, rein extratropischen sowie gemischten Wetterregimen über Westafrika in der Vor-, Haupt- und Nachmonsunzeit sowie in der Anwendung von Nachbearbeitungsverfahren von Ensemblevorhersagen in tropischen anstatt mittleren Breiten.
Es sollen Techniken entwickelt werden um die Kopplung zwischen Atmosphäre und Ozean durch die Formation und das Brechen von Oberflächenwellen im Ozean zu quantifizieren. Diese Techniken beinhalten eine numerische Implementierung von diffusen Grenzflächenmethoden für eine thermodynamisch konsistente und voll gekoppelte Simulationen der Grenzfläche zwischen Luft und Wasser, sowie Feldexperimente zur gleichzeitigen Messung von Luftstrom, der Ozeanwellenkopplung, und der turbulenten Energiedissipation im oberen Ozean.
Neue Materialien ermöglichen neue Bauformen und Konstruktionsarten. Was so einfach klingt, ist in der Realität oft ein langer, mühsamer und nicht selten mit Irrtümern gepflasterter Weg. Im Bauwesen dauern Innovationsprozesse aufgrund hoher Anforderungen an Sicherheit und Dauerhaftigkeit und wegen aufwändiger Normungs- und Zulassungsverfahren besonders lange. Dies gilt auch und insbesondere für leistungsfähige Baustoffkombinationen wie Textil- und Carbonbeton, die einen Paradigmenwechsel oder gar eine Revolution im Bauen mit Beton, dem weltweit mengenmäßig wichtigsten Baustoff, mit sich bringen werden. Mit diesen Baustoffkombinationen können gleichzeitig der enorme Ressourcenverbrauch und der CO2-Ausstoß der Bauindustrie wesentlich verringert, aber auch zusätzliche Funktionen erschlossen werden. Erste Bauprojekte mit den neuen Materialien verdeutlichen aber zugleich, dass zunächst weiterhin nach traditionellen, dem Stahlbeton entlehnten Konstruktionsprinzipien gebaut wird, herkömmliche Materialien also lediglich substituiert werden. Erst in Verbindung mit intelligenten Konstruktionsstrategien wird das volle Potential des innovativen Werkstoffs Carbonbeton ausgenutzt. Baustoffgerechte Methoden für das Entwerfen, Modellieren und Konstruieren mit neuen Werkstoffen bedürfen einer tiefergehenden Grundlagenforschung. Um vorhandene traditionelle Entwurfsprinzipien zu hinterfragen, gegenseitige Abhängigkeiten von Materialien zu begreifen und darauf aufbauend eine neue Entwurfs- und Konstruktionsstrategie zu etablieren, ist ein umfassender und ganzheitlicher Ansatz nötig. Nur so können neue, dem innovativen Hochleistungswerkstoff Carbonbeton gerechte Leichtbauprinzipien erarbeitet werden. Zentrale Ideengeber für Bauelementgeometrien sind dabei sowohl die Biologie, hier vor allem Botanik, als auch weitere Fachbereiche wie etwa Mathematik und Kunst. Angestrebt werden Konstruktionsformen aus mineralischen Kompositen, die Kräfte überwiegend durch Normalspannungen abtragen und mit neuen, industriellen, maschinengestützten Fertigungsmethoden hergestellt werden. Die als zielführend erkannten Konstruktionsstrategien ermöglichen eine vollkommen andere Formensprache. Dabei ist die Entwicklung neuartiger Strukturen eng verknüpft mit Fragen der Herstellbarkeit unter Berücksichtigung einer begleitenden produktbezogenen Nachhaltigkeitsbewertung. Losgelöst von heutigen, etablierten Denkmustern sollen die Grundlagen für eine neue Form des Bauens mit Beton auf Basis tiefgreifender Erkenntnisse zum strukturmechanischen Verhalten neuartiger mineralisch basierter Strukturen geschaffen werden. Die neuen Konstruktionsstrategien und Werkstoffkombinationen reduzieren Ressourcen- und Energieverbrauch durch bisher unbekannte Leichtbauprinzipien bei gleichzeitig hoher Gebrauchstauglichkeit, Tragsicherheit und Dauerhaftigkeit und spiegeln sich auch in einer anspruchsvollen Ästhetik wider, die sich zu einer neuen ' Kunst des Bauens' entwickeln wird.
Die 3D-Mikrostruktur von Wurzeln spielt eine Schlüsselrolle für biologische, chemische und physikalische Prozesse, die die Bildung und Funktion von Rhizosphäre und Wurzelstruktur beeinflussen. Computertomographie (CT) ist eine leistungsfähige Technik zur Untersuchung räumlich und zeitlich aufgelöster Wurzelwachstumsmuster in 3D. Simulierte Wurzelarchitekturen liefern jedoch zusätzliche Erkenntnisse, z.B. durch schnellere Datenerfassung und höhere zeitliche Auflösung. In beiden Fällen werden große Mengen an komplexen Bilddaten generiert, die statistisch analysiert und mit möglichst wenigen Parametern modelliert werden müssen.In Kooperation mit der Gruppe von D. Vetterlein (UFZ) haben wir ein Wurzeldistanzmodell entwickelt, das in der Lage ist, Wachstumsmuster in den ersten Wochen des Wachstums von Vicia faba zu beschreiben. Mit der Gruppe von A. Schnepf (FZJ) wurden Zusammenhänge zwischen den Eingangsparametern des 3D-Wurzelarchitekturmodells CRootBox und verschiedenen Kenngrößen der simulierten Wurzelsysteme, wie Wurzellängendichte und Volumen der konvexen Hülle, untersucht.Ziel dieses Projekts ist es, die erfolgreiche Zusammenarbeit mit den beiden genannten Partnergruppen fortzusetzen und auszubauen. Dabei analysieren wir statistisch (experimentell beobachtete und simulierte) Wurzelwachstumsmuster aus der Bodenperspektive. Neben der Analyse ganzer Wurzelsysteme mittels Wurzeldistanzmodellen entwickeln wir lokale Wurzeldistanzmodelle bezüglich bestimmter Klassen von Wurzelsegmenten, z.B. ältere Segmente (in der Nähe des Keims) oder Segmente, die sich an oder in der Nähe der Wurzelspitzen befinden. Dies liefert detaillierte Einblicke in die Dynamik von Wurzelwachstum und -funktion. Darüber hinaus werden quantitative Zusammenhänge zwischen den Eingangsparametern von CRootBox und weiteren Wurzelkenngrößen bestimmt. Multivariate Ansätze wie Copulas liefern die mathematischen Werkzeuge, um parametrische Metamodelle für Vektoren von (korrelierten) Wurzelkenngrößen zu konstruieren. Aus den dabei ermittelten Ergebnissen wird ein universell anwendbarer Ansatz für die zielgerichtete Kalibrierung von Wurzelarchitekturmodellen entwickelt. Insbesondere zeigen wir, wie Methoden des maschinellen Lernens mit den erzielten Ergebnissen kombiniert werden können, um CRootBox mit Hilfe von tomographischen Wurzelbilddaten oder abgeleiteten Kenngrößen zu kalibrieren. Weiterhin beschreiben wir geometrische Wurzelmuster statistisch zur Unterscheidung zwischen rein zufälligen, gleichmäßigen und clusterbildenden Morphologien. Dabei werden Methoden der stochastischen Geometrie bei der Analyse des Wachstums von Wurzelsystemen verwendet, um z.B. die Korrelation von Schnittpunkten der Wurzel mit planaren (z.B. vertikalen oder horizontalen) Bodenabschnitten mit chemischen 2D-Maps zu untersuchen. Desweiteren werden wir eine vergleichende statistische Analyse von Wurzelkenngrößen in beschränkten und unbeschränkten Wurzelarchitekturen durchführen.
| Organisation | Count |
|---|---|
| Bund | 27 |
| Land | 1 |
| Wissenschaft | 20 |
| Type | Count |
|---|---|
| Förderprogramm | 27 |
| unbekannt | 1 |
| License | Count |
|---|---|
| Offen | 27 |
| Unbekannt | 1 |
| Language | Count |
|---|---|
| Deutsch | 27 |
| Englisch | 23 |
| Resource type | Count |
|---|---|
| Keine | 10 |
| Webseite | 18 |
| Topic | Count |
|---|---|
| Boden | 16 |
| Lebewesen und Lebensräume | 24 |
| Luft | 16 |
| Mensch und Umwelt | 28 |
| Wasser | 10 |
| Weitere | 28 |