Pestizide sind ein bedeutender\u00a0Bestandteil der heutigen Landwirtschaft,\u00a0tragen aber auch zur\u00a0Beeintr\u00e4chtigung aquatischer \u00d6kosysteme bei. In Deutschland waren im Jahr 2019 etwa eintausend Pestizide zur Anwendung registriert. Risiken f\u00fcr Gew\u00e4sser erwachsen\u00a0aus ungewolltem Transport der auf Feldern ausgebrachten Pestizide,\u00a0z.B. durch Abdrift, Oberfl\u00e4chen-Runoff oder Drainage. F\u00fcr die Art und Dauer des Verbleibs von Pestiziden in der Umwelt sind eine Vielzahl von Faktoren ma\u00dfgeblich, z.B. ihre Anwendungsart und ihre physiko-chemischen Parameter sowie geographische und meteorologische Gegebenheiten. Im Rahmen des (Wieder-)Zulassungsprozesses von Pestiziden wird deren Exposition und Umweltverhalten mithilfe von Modellen und basierend auf unterschiedlichen Szenarien abgesch\u00e4tzt. Innerhalb der umfangreichen Gruppe der Pestizide finden sich insbesondere Fungizide l\u00e4ngerfristig in der Umwelt wieder. Einerseits weisen sie physiko-chemische Eigenschaften auf, die einen langen Verbleib (Persistenz) beg\u00fcnstigen,\u00a0andererseits bedingt die \u00d6kologie von Pilzen eine h\u00e4ufige und wiederholte\u00a0Anwendung, welche zu einer\u00a0Pseudo-Pesistenz f\u00fchren kann.<\/p>\n
Das hier vorgestellte Promotionsvorhaben hat zum Ziel, die Belastungssituation von Oberfl\u00e4chengew\u00e4ssern in Deutschland durch Fungizide abzusch\u00e4tzen, dabei insbesondere chronische Expositionssituationen zu identifizieren,\u00a0und eine entsprechende Risikoanalyse f\u00fcr Deutschland durchzuf\u00fchren. Es sollen hierf\u00fcr zwei verschiedenartige Modellierungsans\u00e4tze angewendet werden.\u00a0Mithilfe von Maschinellem Lernen soll\u00a0ein Modell zur Identifikation chronischer Expositionssituationen auf Basis einer Vielzahl von europaweit verf\u00fcgbaren Daten zu z.B. Pestizidkonzentrationen\u00a0in der Umwelt, substanz-, anwendungs-, und landschaftsspezifischen Daten trainiert werden. Dieses f\u00fcr Europa anhand von Pestiziden trainierte Modell soll dann f\u00fcr Deutschland,\u00a0und hier speziell f\u00fcr Fungizide,\u00a0angewendet werden, wof\u00fcr nur vergleichsweise wenige Umweltkonzentrationen zur Verf\u00fcgung stehen.\u00a0Durch Landschaftsmodellierung soll die Exposition dann detaillierter\u00a0und zeitlich-r\u00e4umlich explizit\u00a0beschrieben werden.\u00a0Die Ergebnisse der beiden Modellierungsans\u00e4tze dienen dann\u00a0einer\u00a0Risikoanalyse aquatischer\u00a0Fungizidbelastungen\u00a0unter Ber\u00fccksichtigung der\u00a0spezifischen\u00a0Wirkungen auf aquatische Pilze und der m\u00f6glicher synergistischer Pestizidinteraktionen,\u00a0auf deren Grundlage\u00a0dann die aktuelle Umweltrisikobewertung evaluiert\u00a0wird.<\/p>\n
Die Arbeit soll\u00a0einen Beitrag zur Verbesserung des jetzigen regulatorischen Vorgehens bez\u00fcglich der umweltrelevanten, aber bis dato m\u00f6glicherweise nur unzureichend adressierten, chronischen Pestizidbelastung am Beispiel von Fungiziden in Gew\u00e4ssern liefern.<\/p>\n
Zum Erreichen dieses Ziels wurde bisher ein umfangreicher EU-weiter Pestizid-Monitoringdatensatz f\u00fcr Oberfl\u00e4chengew\u00e4sser aus \u00f6ffentlich verf\u00fcgbaren Quellen recherchiert, vereinheitlicht und analysiert. Zeitliche Konzentrationsfolgen von Pestiziden in begrenzten r\u00e4umlichen Gew\u00e4sserabschnitten wurden analysiert \u2013 zum einen f\u00fcr eine Interpretation von Mustern und ein Erkennen von relevanten Substanzen, zum anderen als Basis f\u00fcr das Training von Machine-Learning basierten Modellen. Anhand der Konzentrationsfolgen konnte man bereits ableiten, dass langfristige Exposition durch Pestizide in Gew\u00e4ssern eine relevante Thematik darstellt und erste Einflussfaktoren konnten identifiziert werden. Dar\u00fcber hinaus wurde auf Basis dieser Konzentrationsfolgen ein probabilistisches Ma\u00df abgeleitet, welches die Wahrscheinlichkeit ausdr\u00fcckt, mit der ein Pestizid innerhalb eines Raum- und Zeitabschnittes wiedergefunden wird. Die Auswertung dieses Ma\u00dfes hat sowohl physiko-chemische Parameter, die das Umweltverhalten eines Pestizids bedingen, als auch Anwendungsstrategien als wesentliche Einflussfaktoren auf das Wiederfinden eines Pestizids ergeben.<\/p>\n
Weitere Schritte sehen nun vor, auf Basis dieses probabilistischen Ma\u00dfes mithilfe von Machine-Learning Algorithmen sowohl weitere Einflussfaktoren f\u00fcr das chronische Vorhandensein von Pestiziden in Oberfl\u00e4chengew\u00e4ssern zu identifizieren (z.B. hydrologische, geologische oder klimatische Gegebenheiten), als auch ein Modell zu entwickeln, mit welchem die Vorhersage chronischen Pestizidvorkommens auf Basis dieser Einflussfaktoren erm\u00f6glicht werden soll, um eine umfassendere Expositions- und infolgedessen auch Risikoanalyse zu erm\u00f6glichen.<\/p>\n","protected":false},"excerpt":{"rendered":"
Pestizide sind ein bedeutender\u00a0Bestandteil der heutigen Landwirtschaft,\u00a0tragen aber auch zur\u00a0Beeintr\u00e4chtigung aquatischer \u00d6kosysteme bei. In Deutschland waren im Jahr 2019 etwa eintausend Pestizide zur Anwendung registriert. Risiken f\u00fcr Gew\u00e4sser erwachsen\u00a0aus ungewolltem Transport der auf Feldern ausgebrachten Pestizide,\u00a0z.B. durch Abdrift, Oberfl\u00e4chen-Runoff oder Drainage. F\u00fcr die Art und Dauer des Verbleibs von Pestiziden in der Umwelt sind eine […]<\/p>\n","protected":false},"author":1,"featured_media":0,"template":"","meta":{"footnotes":""},"categories":[],"tags":[2477],"class_list":["post-52183","promotionsstipendium","type-promotionsstipendium","status-publish","hentry","tag-deutschland"],"meta_box":{"dbu_stipendiaten_az":"20021\/734","dbu_stipendiaten_anrede":"","dbu_stipendiaten_nachname":"Herrmann","dbu_stipendiaten_vorname":"Larissa Zoe","dbu_stipendiaten_titel":"","dbu_stipendiaten_fbeginn":"2022-03-01 00:00:00","dbu_stipendiaten_fende":"2025-02-28 00:00:00","dbu_stipendiaten_e_anschrif":"Rheinland-Pf\u00e4lzische Technische Universit\u00e4t Kaiserslautern-Landau (RPTU) Institut f\u00fcr Umweltwissenschaften","dbu_stipendiaten_betreuer":"Prof. Dr. Ralf Schulz","dbu_stipendiaten_email_dienst":"l.herrmann@rptu.de"},"_links":{"self":[{"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/promotionsstipendium\/52183","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/promotionsstipendium"}],"about":[{"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/types\/promotionsstipendium"}],"author":[{"embeddable":true,"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/users\/1"}],"version-history":[{"count":1,"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/promotionsstipendium\/52183\/revisions"}],"predecessor-version":[{"id":58195,"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/promotionsstipendium\/52183\/revisions\/58195"}],"wp:attachment":[{"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/media?parent=52183"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/categories?post=52183"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.dbu.de\/en\/wp-json\/wp\/v2\/tags?post=52183"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}