Filtern
Erscheinungsjahr
Dokumenttyp
- Vortrag (11)
- Posterpräsentation (8)
- Zeitschriftenartikel (4)
- Beitrag zu einem Tagungsband (4)
- Beitrag zu einem Sammelband (3)
- Sonstiges (2)
Schlagworte
- RFA (32) (entfernen)
Organisationseinheit der BAM
- 1 Analytische Chemie; Referenzmaterialien (8)
- 1.4 Prozessanalytik (8)
- 1.1 Anorganische Spurenanalytik (2)
- 1.8 Umweltanalytik (2)
- 4 Material und Umwelt (2)
- 1.7 Organische Spuren- und Lebensmittelanalytik (1)
- 4.1 Biologische Materialschädigung und Referenzorganismen (1)
- 4.2 Material-Mikrobiom Wechselwirkungen (1)
- 4.5 Kunst- und Kulturgutanalyse (1)
Eingeladener Vortrag
- nein (11)
In Deutschland werden jährlich rund 20 Millionen Tonnen künstliche Mineralwolle für die Dämmung von Dächern und Fassaden sowie für Brandschutzprodukte verwendet. Um künstliche Mineralwolle aus Rückbaumaßnahmen in den Produktionsprozess zurückführen zu können, ist eine Trennung in Glas- und Steinwolle erforderlich, um eine Vermischung der beiden Produkte, die unterschiedliche Schmelztemperaturen aufweisen, zu vermeiden. Anstatt die Mineralwolle in spezielle Labors zu schicken, was zeitaufwendig und teuer ist, wurde das Potenzial eines tragbaren Nahinfrarot-Spektrometers (NIR) für den Einsatz vor Ort getestet. 140 verschiedene Mineralwolleproben wurden untersucht, um eine NIR-basierte Methode für die Vor-Ort-Unterscheidung zwischen Glas- und Steinwolle zu etablieren. Die Validierung der Methode mit Testproben und die Anwendung auf Materialien, die aus BigBags für Deponien entnommen wurden, haben gezeigt, dass die Methode präzise und robust ist. Als Referenzmethode wurde die Röntgenfluoreszenzspektroskopie (RFA) mit einer Kalibrierung auf der Grundlage der VDI 3492 verwendet.
Rückgebaute Mineralwolledämmstoffe und Baustellenverschnitte werden in der Regel deponiert und damit als Rohstoffe dem Markt entzogen. Ziel dieses Projektes ist es darzulegen, dass das Recycling von Glas- und Steinwolle im großmaßstäblich volumenrelevanten Umfang für das Schmelzwannenverfahren technisch umsetzbar und ökonomisch und ökologisch vorteilhaft ist. Neben verfahrenstechnischen Herausforderungen, gilt es die wirtschaftliche in-situ-Identifikation unbekannter Mineralwolle zu ermöglichen. Dazu wird auf erste erfolgversprechende Tastversuche mit spektroskopischen Methoden weiter aufgebaut.
The Intelligence for Soil (I4S) project deals with the development of an integrated system for the site-specific soil fertility management. One goal of the project is to establish a mobile sensor platform for soil mapping. The task here is the installation and optimization of a XRF sensor for online measurement directly on the field. The fast soil mapping allows later on a site-specific fertilisation of essential plant nutrients like K, Ca and P. In order to optimize the application of the fertilizers it is necessary to relate the total contents analysed with XRF to the soil nutrients which are available to the plants. For this purpose the plant available phosphate supply was analysed with the Calcium-Acetate-Lactate extraction method (CAL) according to VDLUFA and compared with the total contents.
Unter den von Humboldt in Amerika erworbenen Schriftstücken der Kolonialzeit findet sich eine Tributliste aus dem Jahr 1569, die der Otomí Bevölkerung aus dem Ort Mizquahuala im Staat Hidalgo/ Mexiko zugeordnet wird. Sie ist in Form eines Kalenders ausgeführt, Wochentage und verschiedene Produkte lassen sich unterscheiden. Eduard Seler beschreibt dieses Manuskript zusammen mit einer weiteren Tributliste, die in Inhalt und Zeichnung anders gestaltet ist, jedoch ebenfalls aus dieser Region stammt.
Mit den für die Analyse von Manuskripten bewährten Untersuchungsmethoden werden Papier und Farbmittel identifiziert. Hierzu zählen Raman-, FTIR-, Röntgenfluoreszenz- und VIS- Spektroskopie. Charakteristisch für die Herstellung von schriftlichen Dokumenten in der Kolonialzeit von Amerika ist die Verwendung von indigenem Material wie Papier aus Baumrinde und Pflanzenfarben zusammen mit den aus Europa bekannten Materialien. Geklärt wird, welche Auswahl von Farbstoffen zur Herstellung der Dokumente genutzt wurde, die diese als Gruppe klassifizieren könnte.
Die den beiden Fragmenten zugeordneten Farbmaterialien sowie formale und inhaltliche Aspekte lassen vermuten, dass zwei weitere Schriftstücke der Berliner Sammlung `Manuscripta Americana´, deren Herkunft nicht bekannt ist, mit ihnen in Beziehung gebracht werden können. Stilistisch gleiche Fragmente befinden sich zudem in Mexiko, Paris und den USA.
Im Vergleich dieser Fragmente untereinander wird diskutiert, inwieweit die über die Materialanalyse identifizierten spezifischen Farbstoffe einen Hinweis auf eine gemeinsame lokale Herkunft zulassen.
Gegenstand der vorzustellenden Arbeiten ist die Prüfung der Umwelt-beständigkeit und -verträglichkeit von Materialien und Produkten hinsichtlich der Emission von potenziellen Schadstoffen in die Umwelt. Hierzu werden chemisch-physikalische Einflüsse (Bewitterung) und mikrobielle Beanspruchungen an Modellmaterialien evaluiert. So werden die Freisetzungsraten von Schadstoffen in Abhängigkeit der Beanspruchung beschrieben. Als Modellmaterialien kommen die Polymere Polystyrol (PS) und Polypropylen (PP) zum Einsatz. Synergistische Effekte der Bewitterungsparameter und der mikrobiologischen Beanspruchung sollen dabei ebenso betrachtet werden, wie die gezielte Alterung. Auch findet eine Beschreibung des Verhaltens der ausgetragenen Schadstoffe (polybromierte Flammschutzmittel) in den Umweltkompartimenten Boden oder Wasser statt. Hier sind mit Hilfe der zu entwickelnden Screening- und non-Target-Analyseverfahren die Transformation und der Metabolismus durch Mikroorganismen zu beschreiben. Aus den Ergebnissen sollen Korrelationen zwischen den künstlichen Alterungsverfahren und realen Szenarien abgeleitet werden.
Die vom BMBF unterstütze Forschungsinitiative BonaRes entwickelt Strategien um Boden als nachhaltige Ressource für die Bioökonomie zu nutzen. Das Projekt Intelligence for Soil (I4S) ist ein Teil dieser Initiative und beschäftigt sich mit der Entwicklung eines integrierten Systems zur ortsspezifischen Düngung. Ein Ziel dieses Projektes ist die Etablierung einer mobilen Sensorplattform zur Bodenkartierung. Aufgabe der BAM ist dabei das Installieren und die Optimierung eines RFA Sensors für die online Messung direkt auf dem Feld. Die RFA ist eine zerstörungsfreie Technik, die kaum Probenvorbereitung benötigt und einen schnelle Multielement Analyse ermöglicht. Das schnelle Kartieren des Bodens ermöglicht später eine ortsspezifische Düngung mit Nährstoffen wie z.B. K, Ca und P.
Im Rahmen der vom BMBF geförderten Forschungsinitiative BonaRes werden Strategien entwickelt, um Boden als nachhaltige Ressource in der Bioökonomie zu nutzen. Das interdisziplinäre Teilprojekt I4S - „Intelligenz für den Boden“ - ist verantwortlich für die Entwicklung eines integrierten Systems zur standortspezifischen Steuerung der Bodenfruchtbarkeit. Zu diesem Zweck wird eine Plattform gebaut, auf der verschiedene Sensoren installiert sind. Echtzeitdaten werden in Modellen zusammengefasst und Entscheidungsalgorithmen werden verwendet, um die Düngung zu steuern und die Bodenfunktionen entsprechend zu verbessern. Ziel der BAM im Rahmen von I4S ist die Charakterisierung eines energiedispersiven Röntgenfluoreszenzsensors (EDXRF) zur robusten online-Bestimmung von Makro- und Mikronährstoffen im Boden. Zunächst wurde eine Hauptkomponentenanalyse (PCA) durchgeführt, um Ausreißer zu identifizieren und die größte Varianz innerhalb der deutschen Bodenproben zu beobachten. Es konnte festgestellt werden, dass die Aufspaltung der Proben auf ihren Eisengehalt zurückzuführen ist. Da Tonproben hohe Mengen an Eisen und Sandproben geringe Mengen enthalten, war eine Klassifizierung der Proben nach ihrer Bodentextur nach VD LUFA möglich. In Anbetracht der komplexen Bodenzusammensetzung wurde eine matrixspezifische Kalibrierung durch univariate und multivariate Datenanalyse durchgeführt. Die analytischen Güteziffern zeigen, dass ein robusteres Kalibriermodell mit vernachlässigbaren Matrixeffekten durch einen multivariaten Ansatz unter Verwendung der partiellen Regression kleinster Quadrate (PLSR) erhalten werden kann. Verschiedene Faktoren können die erhaltenen Kalibriermodelle beeinflussen, wie z. B. Feuchtigkeit und Partikelgrößenverteilung, was aufgrund der späteren online-Analyse besonders wichtig ist. In ersten Studien wurde der Einfluss von Feuchtigkeit auf den Nährstoffnachweis untersucht. Mit zunehmendem Wassergehalt nehmen die charakteristischen Fluoreszenzpeaks ab und beginnen bei einem Wassergehalt von 15% wieder anzusteigen. Bei geringerem Feuchtigkeitsgehalt agglomeriert der Boden, was zu einer geringeren Packung der Probe führt, dementsprechend zu einer raueren Oberfläche, die die Signale negativ beeinflusst. Bei höherem Wassergehalt bilden sich keine Agglomerate. Dadurch kann die Probe enger gepackt werden, wodurch eine glattere Oberfläche und eine bessere Homogenität erhalten wird. Darüber hinaus führt die Partikelgrößenverteilung beim Vergleich von gemahlenen und nicht gemahlenen Proben zu signifikant höheren Unsicherheiten und niedrigeren Signalen. Beide Faktoren müssen in die chemometrische PLSR einbezogen werden, um zuverlässige Kalibrierungsmodelle für jeden Nährstoff zu erhalten.
Gegenstand der vorzustellenden Arbeiten ist die Prüfung der Umweltbeständigkeit und -verträglichkeit von Materialien und Produkten hinsichtlich der Emission von potenziellen Schadstoffen in die Umwelt. Hierzu werden chemisch-physikalische Einflüsse (Bewitterung) und mikrobielle Beanspruchungen an Modellmaterialien evaluiert. So werden die Freisetzungsraten von Schadstoffen in Abhängigkeit der Beanspruchung beschrieben. Als Modellmaterialien kommen die Polymere Polystyrol (PS) und Polypropylen (PP) zum Einsatz, die jeweils mit polybromierten Flammschutzmitteln (PBFSM) versehen sind. Synergistische Effekte der Bewitterungsparameter und der mikrobiologischen Beanspruchung sollen dabei ebenso betrachtet werden, wie die gezielte Alterung. Auch findet eine Beschreibung des Verhaltens der ausgetragenen Schadstoffe in den Umweltkompartimenten Boden oder Wasser statt. Hier sind mit Hilfe der zu entwickelnden Screening- und non-Target-Analyseverfahren die Transformation und der Metabolismus durch Mikroorganismen zu beschreiben. Auch soll mit Hilfe der RFA und der LA-ICP-MS die Abreicherung der PBFSM in den Modellmaterialien beschrieben werden. Aus den Ergebnissen sollen Korrelationen zwischen den künstlichen Alterungsverfahren und realen Szenarien abgeleitet werden.
Bei der vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Förderinitiative „BonaRes“ steht die nachhaltige Nutzung der knappen Ressource Boden im Fokus. Das durch BonaRes geförderte Verbundprojekt „Intelligence for Soil“ (I4S) hat sich die Entwicklung eines integrierten Systems zur ortsspezifischen Steuerung der Bodenfruchtbarkeit zur Aufgabe gemacht, welches Empfehlungen zur Anpassung der Düngung und anderer Maßnahmen gibt, um die Bodenfunktionen zu verbessern und Umweltbelastungen zu vermindern. Das System soll aus drei Hauptkomponenten bestehen:
- Mobile Sensorplattform zur hochauflösenden Kartierung der Bodeneigenschaften (BonaRes Mapper). Die Sensorplattform enthält Bodensensoren zur komplexen Erfassung bewirtschaftungsrelevanter Bodeneigenschaften in situ.
- Dynamische Bodenmodelle (Nährstoff-, Wasser-, C-Haushalt) zur Verarbeitung der Sensordaten und Erzeugung entscheidungsrelevanter Informationen,
- Entscheidungsunterstützungssystem (EUS), welches in die Bodenmodelle agronomische und sozioökonomische Randbedingungen integriert, Düngungsempfehlungen ausspricht und Bodenfunktionen bewertet. Der Output des EUS sind insbesondere Düngungskarten für die ortsspezifische Düngung im Rahmen von Precision Agriculture.
Der Erhalt und die Verbesserung der Fruchtbarkeit von Böden durch landwirtschaftliche Bewirtschaftungsmaßnahmen erfordert sorgfältig geplante Entscheidungen, die auf einer detaillierten Erfassung der Bodeneigenschaften und einem vertieften Verständnis der Bodenprozesse beruhen. Durch konventionelle, flächeneinheitliche Bewirtschaftungen (z.B. Düngung) können zum einen Ertragsverluste durch zu geringe Bewirtschaftungsintensität auf dem einen Teil der Fläche verursacht werden, während andere Teile des Feldes zu hohe Dosen erhalten und es dadurch zu Umweltbelastungen oder zu Verschwendung von Ressourcen kommt. Trotz der Verfügbarkeit von Technologien für ortsspezifische Düngung ist die Akzeptanz ortsspezifischer Bewirtschaftung (Precision Agriculture) in der Praxis noch gering. Ein wesentlicher Grund dafür ist das Fehlen von kostengünstigen Methoden zur Erfassung der bewirtschaftungsrelevanten Bodenmerkmale. Für die elementanalytische Untersuchung von Böden vor-Ort ist eine zuverlässige Analytik und Prozessüberwachung wie z.B. durch RFA oder LIBS erforderlich.
Mit wachsenden Bevölkerungszahlen steigt auch der Rohstoffkonsum, und der nachhaltigere und effizientere Umgang mit knappen Ressourcen wie Wasser und Boden rückt in den Fokus.
Im Rahmen der vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Forschungsinitiative BonaRes werden Strategien entwickelt, um Boden als nachhaltige Ressource in der Bioökonomie zu nutzen. Das interdisziplinäre Teilprojekt I4S – Intelligence for soil – ist dabei für die Entwicklung eines integrierten Systems zum ortsspezifischen Management der Bodenfruchtbarkeit zuständig. Hierfür wird eine Plattform gebaut, auf der verschiedene Sensoren installiert werden sollen, deren in Echtzeit erhaltene Messdaten in Modelle und Entscheidungsalgorithmen zur Steuerung der Düngung und dementsprechend Verbesserung der Bodenfunktionen einfließen sollen.
Einer dieser Sensoren, auf dessen Grundlage ein robustes Online-Verfahren zur Bestimmung der Makro- und Mikronährstoffe, wie Ca oder K in Böden entwickelt werden soll, ist die Röntgenfluoreszenzanalyse (RFA). Um Messungen auf einem Feld zu simulieren, wurde in einen Laboraufbau ein Probenteller installiert, der sich bei verschiedenen Winkelgeschwindigkeiten bewegen lässt und so dynamisches Messen der als Spur aufgetragenen Probe ermöglicht. So kann der Aufwand der Probenvorbereitung minimiert werden.
Gerade bei einer komplexen Matrix wie Boden, die eine breite Elementverteilung aufweist, ist die Datenauswertung ein wichtiger Faktor. Die bisher verwendete univariate Datenanalyse liefert gute Ergebnisse und zeigt, dass durch Kalibrierung der RFA mit 14 Referenzmaterialien große Ackerflächen ausgewertet werden können. Dies funktioniert aber nur, solange die Elementgehalte der Proben mit denen der Referenzmaterialien vergleichbar sind.
Die zusätzlich verwendete multivariate Datenanalyse bietet hingegen die Möglichkeit, Modellrechnungen der Böden durchzuführen und Böden mithilfe der Hauptkomponentenanalyse (PCA) besser zu klassifizieren. Des Weiteren können basierend auf der Partial Least Squares Regression (PLSR) Kalibriermodelle erstellt werden, welche Prognosen zu den Elementgehalten unbekannter Ackerböden ermöglichen. Zusätzlich bietet die multivariate Datenanalyse die Möglichkeit, Störgrößen wie unterschiedliche Korngrößenverteilung und Feuchtigkeitsgrad der Probe in das Modell miteinzubeziehen. Beide Auswertemethoden sollen anhand statisch gemessener Proben verglichen werden und durch Messung einer Vielzahl realer Bodenproben von unterschiedlichen Standorten erweitert werden. Im weiteren Verlauf müssen beide Modelle auf dynamisch bewegte Proben übertragen werden.