API src

Found 245 results.

Related terms

Hochwasser - Messstellen Pegel

Der Kartendienst (WMS-Gruppe) stellt die Daten der Hochwassergefahrenkarte und der Hochwasserrisikokarte der saarländischen Gewässer dar.:Messstelle Oberflächenwasser Pegel; Betrachtungsobjekt im GDZ, punkthafte Featureklasse (GDZ2010.wlowpgl);exportiert in Filegeodatabase Außer zahlreichen Datenbankinterenen Attributen sind folgende anwenderrelevante Attribute vorhanden: PGLG1 = Pegel Lage (Entfernung von der Mündung) PGLG2 = Pegel Lage (Entfernung und Seite oberhalb der Mündung) PGNP = Pegelnullpunkt MSTNR = Messstellennummer MSTBEM = Messstelle Bemerkung; Maßstabsbeschränkung: Min 1:50.000, Max 1:3000.

Wasser_Internet - Messstellen Pegel

Der Kartendienst (WMS Gruppe) stellt ausgewählte Wasserdaten des Saarlandes dar.:Messstelle Oberflächenwasser Pegel; Betrachtungsobjekt im GDZ, punkthafte Featureklasse (GDZ2010.wlowpgl);exportiert in Filegeodatabase Außer zahlreichen Datenbankinterenen Attributen sind folgende anwenderrelevante Attribute vorhanden: PGLG1 = Pegel Lage (Entfernung von der Mündung) PGLG2 = Pegel Lage (Entfernung und Seite oberhalb der Mündung) PGNP = Pegelnullpunkt MSTNR = Messstellennummer MSTBEM = Messstelle Bemerkung

Wasser_WFS - Messstellen_Pegel - OGC WFS Interface

Der Kartendienst (WFS-Gruppe) stellt ausgewählte Geodaten aus dem Bereich Wasser dar.:Messstelle Oberflächenwasser Pegel

Wasser_WFS - Messstellen_Pegel - OGC API Features

Der Kartendienst (WFS-Gruppe) stellt ausgewählte Geodaten aus dem Bereich Wasser dar.:Messstelle Oberflächenwasser Pegel

INSPIRE Download Service (predefined ATOM) für Datensatz Messtellen Pegel

Beschreibung des INSPIRE Download Service (predefined Atom): An den Pegeln wird kontinuierlich der Wasserstand und zum Teil auch der Abfluss an ausgewählten Abschnitten von Oberflächengewässern gemessen. Der Datensatz zeigt die Standorte der Messstellen im Saarland. Messstelle Oberflächenwasser Pegel; Betrachtungsobjekt im GDZ, punkthafte Featureklasse (GDZ2010.wlowpgl);exportiert in Filegeodatabase Außer zahlreichen Datenbank Internen Attributen sind folgende anwenderrelevante Attribute vorhanden: PGLG1 = Pegel Lage (Entfernung von der Mündung) PGLG2 = Pegel Lage (Entfernung und Seite oberhalb der Mündung) PGNP = Pegelnullpunkt MSTNR = Messstellennummer MSTBEM = Messstelle Bemerkung - Der/die Link(s) für das Herunterladen der Datensätze wird/werden dynamisch aus GetFeature Anfragen an einen WFS 1.1.0+ generiert

Flow Regimes from International Experimental and Network Data

Das Projekt "Flow Regimes from International Experimental and Network Data" wird/wurde gefördert durch: Deutsches Nationalkomitee für das International Hydrological Programme (IHP) der UNESCO und das Hydrology and Water Resources Programme (HWRP) der MO. Es wird/wurde ausgeführt durch: Bundesanstalt für Gewässerkunde.

Einfluss der Landnutzung auf den Wasser- und Stoffhaushalt von drei kleinen Einzugsgebieten in der IX. Region Chiles

Das Projekt "Einfluss der Landnutzung auf den Wasser- und Stoffhaushalt von drei kleinen Einzugsgebieten in der IX. Region Chiles" wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft. Es wird/wurde ausgeführt durch: Universität Bonn, Agrikulturchemisches Institut.Die Auswirkungen unterschiedlicher Landbewirtschaftung auf Gebietswasserhaushalt und Wasserqualität in der IX. Region Chiles sind bisher weitgehend unerforscht und bleiben deshalb bei der wasserwirtschaftlichen Planung unberücksichtigt. Im Rahmen eines DAAD Jahresstipendiums baut der Mitantragsteller deshalb in Zusammenarbeit mit Hochschullehrern der Universidad de la Frontera (Temuco, Chile) ein Monitoringprogramm in drei kleinen Wassereinzugsgebieten auf (land- und forstwirtschaftliche Nutzung, Naturwald), welches Erkenntnisse über das Abflussverhalten unter den gegebenen Klimabedingungen liefern soll. Hauptziel des Vorhabens ist die Klärung, ob die intensive forstliche Bewirtschaftung mit Eucalyptus globulus und Pinus radiata zu einer Verminderung des Trockenwetterabflusses führt. Weitere Aspekte der Untersuchung sind die kontinuierliche Erfassung von Gewässergüteparametern sowie das Abflussverhalten dreier Vorfluter bei Starkregenereignissen. Das Vorhaben knüpft an die Zusammenarbeit im Rahmen des abgeschlossenen EU-Projektes 'Influence of Land Use on Sustainability' an und soll Basisdaten für die wasserwirtschaftliche Planung (manejo de cuencas) liefern. Die Zusammmenarbeit mit lokalen Professoren und Studenten soll die langfristige sachgerechte Nutzung der Messstationen gewährleisten.

Vorhersage von Schüttungen alpiner Karstquellen im Hinblick auf den Klimawandel unter Verwendung neuer Deep Learning-Methoden

Das Projekt "Vorhersage von Schüttungen alpiner Karstquellen im Hinblick auf den Klimawandel unter Verwendung neuer Deep Learning-Methoden" wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft. Es wird/wurde ausgeführt durch: Deutsche Forschungsgemeinschaft.Karstgrundwasserleiter spielen im Alpenraum eine wichtige Rolle. Sie bedecken etwa 56% der Fläche, und ein erheblicher Teil der Bevölkerung ist ganz oder teilweise von Trinkwasser aus Karstquellen abhängig, die oft mit wertvollen Ökosystemen verbunden sind und zur Wasserkrafterzeugung beitragen. Die Alpen zählen nach Studien zu den am stärksten vom Klimawandel betroffenen Gebieten in Europa. Als Folge der steigenden Temperaturen werden sich die gespeicherten Mengen an Schnee und Eis stark verringern, was zu einer Verschiebung zwischen Wasserhaushaltskomponenten in Verbindung mit einer saisonalen Umverteilung der Niederschläge führt. Außerdem wird erwartet, dass Hoch- und Niedrigwasserereignisse häufiger auftreten werden. Der Stand der Technik bei der Modellierung der Schüttung von Karstquellen, meist mittels konventioneller numerischer Modelle, ist auf standortspezifische, oft aufwändige und nicht übertragbare wissenschaftliche Studien beschränkt, die manuelle Modellabstimmung und Kalibrierung erfordern. Bis heute gibt es keinen leicht übertragbaren Ansatz, der gleichzeitig auf viele Karstquelleinzugsgebiete anwendbar ist. In diesem Projekt werden wir einen modernen, Deep-Learning basierten Ansatz zur Modellierung der Schüttung von Karstquellen entwickeln, der sich besonders gut eignet, übertragbare Modelle, die Informationen von verschiedenen Standorten nutzen können, aufzubauen. Deep Learning ist ein Teilgebiet des maschinellen Lernens, basierend auf künstlichen neuronalen Netzen, das sich sowohl bei akademischen als auch bei industriellen Anwendungen als sehr erfolgreich erwiesen hat. Die vorgeschlagene Studienregion sind die Alpen, mit Karstgebieten in Österreich, der Schweiz, Deutschland, Frankreich, Italien und Slowenien, mit einem Schwerpunkt auf dem besonders vom Klimawandel betroffenen von der Alpenkonvention abgegrenzten Gebirgsgebiet. Als Grundlage der Studie dient das World Karst Spring Database (WoKaS). Es wird im Laufe des Projekts mit zusätzlichen Daten von Behörden und Wasserversorgern ergänzt, insbesondere in Regionen mit bislang schlechter Abdeckung. Die Arbeiten beinhalten die Erstellung eines umfassenden Datensatzes mit Einzugsgebietsattributen und meteorologischen Einflussgrößen für etwa 150 Quellen. Klassische Lumped-Parameter-Modelle werden als Benchmarks aufgesetzt und mit den neu entwickelten Deep-Learning basierten Modellergebnissen verglichen. Ziel ist es, die Eignung neuartiger Deep-Learning Modellansätze für die Abschätzung der Auswirkungen des Klimawandels für eine Vielzahl von kurz- und langfristigen Vorhersagen zu untersuchen. Eine vertiefende Fallstudie des Dachsteingebietes, dessen große Karstregion wesentlich zur Wasserversorgung und Wasserkrafterzeugung beiträgt, wird die vergleichende Untersuchung mit einem numerischen 3D-Modell erweitern. Schließlich werden die entwickelten Modelle dazu verwendet, um Auswirkungen des Klimawandels auf die alpinen Karstgrundwasserressourcen vorherzusagen.

Margaritifera Restoration Alliance, Teilvorhaben: Schutz- und Erhalt der Flussperlmuschel in der Eifel

Das Projekt "Margaritifera Restoration Alliance, Teilvorhaben: Schutz- und Erhalt der Flussperlmuschel in der Eifel" wird/wurde gefördert durch: Bundesministerium für Umwelt, Naturschutz und nukleare Sicherheit , Bundesamt für Naturschutz (BMU,BfN). Es wird/wurde ausgeführt durch: Biologische Station StädteRegion Aachen e.V..

Nutzung der Kuestenressourcen in Ecuador - Biotope in Agrarlandschaften

Das Projekt "Nutzung der Kuestenressourcen in Ecuador - Biotope in Agrarlandschaften" wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft / Stiftung Hessischer Naturschutz. Es wird/wurde ausgeführt durch: Justus-Liebig-Universität Gießen, Institut für Geographie.Nutzung der Kuestenressourcen in Ecuador: Die Mongrovenwaelder und ihre Beeintraechtigung durch die Garnelenzucht.' 'Arten- und Biotopschutzfunktion linienfoermiger Biotope in den Agrarlandschaft.' 'Graphische Ueberflutungssimulationen unter Einsatz eines digitalen Hoehenmodells.

1 2 3 4 5 … 23 24 25