Mathematisch gestützte Umweltsensorik (MES)

Menschliche Aktivitäten verändern die Atmosphäre erheblich und bedrohen die Klimastabilität. Im Jahr 2015 wurde im Pariser Abkommen das Ziel festgelegt, die globale Erwärmung durch die Reduzierung der Treibhausgasemissionen auf unter 2 °C zu begrenzen. Um die katastrophalen Auswirkungen des Klimawandels zu vermeiden, ist es von entscheidender Bedeutung, die Quellen der städtischen Treibhausgasemissionen zu identifizieren und zu lokalisieren, da Städte wichtige Zentren für menschliche Aktivitäten sind und mehrere sich überschneidende Emissionsquellen haben. Die TUM-Professur für Umweltsensorik und Modellierung unter der Leitung von PI Jia Chen arbeitet mit der Professur für Optimierung und Datenanalyse unter der Leitung von PI Felix Krahmer zusammen, um das Verständnis und die Methodik der Bewertung von Treibhausgasemissionen in städtischen Gebieten zu verbessern. Unter Verwendung der Messungen des Munich Urban Carbon Column-Netzwerks (MUCCnet) und einer Reihe von kostengünstigen In-situ-Sensoren in ganz München zielt dieses Projekt auf die Anwendung grundlegender mathematischer Methoden und die Anpassung komprimierter Sensortechniken ab, die auf die Herausforderungen von Umweltsensorikdaten zugeschnitten sind. Zu den wichtigsten Meilensteinen gehören die Überwindung von Einschränkungen, die sich aus der hohen Kohärenz der Messmatrizen ergeben, durch unregelmäßige Datendiskretisierung und die Quantifizierung räumlicher und statistischer Unsicherheiten im Lokalisierungsprozess. Durch die Integration mathematischer Theorien und Methoden zielt dieses interdisziplinäre Projekt darauf ab, die Genauigkeit und Zuverlässigkeit der Umweltüberwachung zu verbessern und damit letztlich zu wirksameren Strategien zur Eindämmung des Klimawandels beizutragen.