The CSDL03 TTAAii Data Designators decode as: T1 (C): Climatic data T1T2 (CS): Monthly means (surface) A1A2 (DL): Germany (The bulletin collects reports from stations: 10609;Trier-Petrisberg;10616;Hahn;10641;Offenbach-Wetterpark;10655;Würzburg;10675;Bamberg;10688;Weiden;10708;Saarbrücken-Ensheim;10729;Mannheim;10731;Rheinstetten;10742;Öhringen;10776;Regensburg;10791;Großer Arber;10805;Lahr;10815;Freudenstadt;10836;Stötten;10870;München-Flughafen;10895;Fürstenzell;10908;Feldberg/Schwarzwald;10929;Konstanz;10948;Oberstdorf;10961;Zugspitze;10962;Hohenpeißenberg;)
The CSDL01 TTAAii Data Designators decode as: T1 (C): Climatic data T1T2 (CS): Monthly means (surface) A1A2 (DL): Germany (The bulletin collects reports from stations: 10015;Helgoland;10020;List auf Sylt;10035;Schleswig;10055;Fehmarn;10147;Hamburg-Fuhlsbüttel;10162;Schwerin;10184;Greifswald;10200;Emden;10224;Bremen;10270;Neuruppin;10338;Hannover;10361;Magdeburg;10393;Lindenberg;10400;Düsseldorf;10469;Leipzig/Halle;10488;Dresden-Klotzsche;10506;Nürburg-Barweiler;10548;Meiningen;10637;Frankfurt/Main;10685;Hof;10738;Stuttgart-Echterdingen;10763;Nürnberg;10788;Straubing;10852;Augsburg;10946;Kempten;)
The ISCD10 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISC): Climatic observations from land stations A2 (D): 90°E - 0° northern hemisphere(The bulletin collects reports from stations: 26346;ALUKSNE;26406;LIEPAJA;26544;DAUGAVPILS;) (Remarks from Volume-C: XXX)
The CSDL04 TTAAii Data Designators decode as: T1 (C): Climatic data T1T2 (CS): Monthly means (surface) A1A2 (DL): Germany (The bulletin collects reports from stations: 10022;Leck;10028;Sankt Peter-Ording;10042;Schönhagen (Ostseebad);10093;Putbus;10097;Greifswalder Oie;10129;Bremerhaven;10130;Elpersbüttel;10139;Bremervörde;10142;Itzehoe;10146;Quickborn;10150;Dörnick;10152;Pelzerhaken;10156;Lübeck-Blankensee;)
The CSDL05 TTAAii Data Designators decode as: T1 (C): Climatic data T1T2 (CS): Monthly means (surface) A1A2 (DL): Germany (The bulletin collects reports from stations: 10161;Boltenhagen;10168;Goldberg;10180;Barth;10193;Ueckermünde;10210;Friesoythe-Altenoythe;10235;Soltau;10249;Boizenburg;10253;Lüchow;10261;Seehausen;10267;Kyritz;10268;Waren;10282;Feldberg/Mecklenburg;10289;Grünow;10305;Lingen;10309;Ahaus;10312;Belm;)
The CSDL09 TTAAii Data Designators decode as: T1 (C): Climatic data T1T2 (CS): Monthly means (surface) A1A2 (DL): Germany (The bulletin collects reports from stations: 10756;Feuchtwangen-Heilbronn;10761;Weißenburg;10765;Roth;10777;Gelbelsee;10782;Waldmünchen;10796;Zwiesel;10803;Freiburg;10818;Klippeneck;10827;Meßstetten;10840;Ulm-Mähringen;10850;Harburg;10863;Weihenstephan-Dürnast;10865;München-Stadt;10872;Gottfrieding;10875;Mühldorf;10945;Leutkirch-Herlazhofen;10963;Garmisch-Partenkirchen;10982;Chieming;)
The ISCD03 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISC): Climatic observations from land stations A2 (D): 90°E - 0° northern hemisphere (The bulletin collects reports from stations: 10609;Trier-Petrisberg;10616;Hahn;10641;Offenbach-Wetterpark;10655;Würzburg;10675;Bamberg;10688;Weiden;10708;Saarbrücken-Ensheim;10729;Mannheim;10742;Öhringen;10776;Regensburg;10791;Großer Arber;10805;Lahr;10815;Freudenstadt;10836;Stötten;10870;München-Flughafen;10895;Fürstenzell;10908;Feldberg/Schwarzwald;10929;Konstanz;10948;Oberstdorf;10961;Zugspitze;10962;Hohenpeißenberg;)
Niederschlag ist eine wichtige, aber schlecht verstandene Komponente unseres Klimasystems. Die genauen Prozesse, durch die Eiskristalle, flüssiges Wasser, Wolkendynamik und Aerosolpartikel bei der Niederschlagsbildung zusammenwirken, sind nicht ausreichend verstanden. Da überall außer über den subtropischen Ozeanen der meiste Niederschlag in Wolken über die Eisphase gebildet wird, sind die Prozesse der Schneefallbildung nicht nur in den polaren, sondern auch in den mittleren Breiten von großer Bedeutung: Wachstum in übersättigter Luft führt zu unzähligen Kristallformen, die von Temperatur, Feuchtigkeit und deren turbulenten Schwankungen abhängen. Durch Aggregation verbinden sich einzelne Kristalle zu komplexen Schneeflocken. Bereifung beschreibt das Anfrieren kleiner Tröpfchen an den Eiskristallen, so dass diese schnell an Masse gewinnen. Dadurch ist die Form der Schneeteilchen - wenn sie beobachtet wird, bevor das Teilchen zu einem Regentropfen schmilzt - ein Fingerabdruck der vorherrschenden Prozesse während der Schneefallbildung. In EMPOS schlagen wir vor, diese Fingerabdrücke zu nutzen, um zu quantifizieren, wie die verschiedenen Prozesse der Schneefallbildung zu Masse oder Häufigkeit des Gesamtniederschlag beitragen. Zu diesem Zweck werden wir die Datenprodukte des innovativen Video In Situ Snowfall Sensors (VISSS) weiterentwickeln, um Riming und Aggregation während einer speziellen Messkampagne in Hyytiälä, Finnland, zu quantifizieren. Die Beobachtungen werden mit dem ICON-Modell verglichen, in welches das fortschrittliche P3 Mikrophysikschema (Predicted Particle Properties) mit einem neuartigen Ansatz zur Behandlung von bereiften Partikeln implementiert ist. Durch dieses kombinierte Beobachtungs- und Modellierungsprojekt wird es möglich zu quantifizieren, wie die einzelnen Wolkenprozesse an der Schneefallbildung beteiligt sind, und zwar in Bezug auf die Häufigkeit des Auftretens und die Gesamtschneemasse. Darüber hinaus werden wir diese Wolkenprozesse in Abhängigkeit von makrophysikalischen Wolkeneigenschaften wie Wolkentiefe und synoptischen Einflüssen analysieren. Auf der Grundlage von Vergleichen zwischen Modell und Beobachtungen, die sowohl mittels Fallstudien als auch für einen längeren Zeitraum durchgeführt werden, werden wir die Schneefallsimulation in ICON im Standard-Zweimomentenschema und im P3-Mikrophysikschema bewerten und verbessern.
Der Klimawandel stellt eines der größten Probleme unserer Gesellschaft der nächsten Jahrzehnte dar. Verlässliche Klimaprognosen sind in diesem Zusammenhang von enormer politischer und sozioökonomischer Relevanz. Genaue Vorhersagen sind jedoch derzeit durch ein noch begrenztes Verständnis wichtiger atmosphärischer Parameter, wie zum Beispiel der chemischen Zusammensetzung der Atmosphäre, der Aerosolbelastung, den Zirruswolken und Zirkulationsrückkopplungen in der oberen Troposphäre/unteren Stratosphäre (OTUS) nur sehr eingeschränkt möglich. Insbesondere unser Wissen über die wichtigsten klimarelevanten atmosphärischen Bestandteile wie z.B. der Wasserdampf, Eis- und Aerosolpartikel ist unvollständig.Kürzlich wurden in der OTUS starke Partikelneubildungsereignisse beobachtet, in einer Region, in der Eisbildung und tiefe Konvektion vorherrschen. Es scheint, dass die Region überhalb troposphärischen Wolken ein günstiger Ort für die Bildung neuer Teilchen ist. Der zugrunde liegende Bildungsmechanismus ist jedoch nur sehr qualitativ verstanden. Diese Partikelneubildungsereignisse sind möglicherweise mit der Bildung von kondensierbaren Dämpfen in großer Höhe verbunden und nicht nur mit dem Aufsteigen verschmutzter Luftmassen, die diese enthalten. Partikelneubildung erfordert somit eine Quelle von atmosphärischen Oxidationsmitteln, die die Flüchtigkeit von Vorläufergasen reduzieren, um Partikel im unteren Nanometerbereich durch Gas-zu-Partikel-Umwandlung zu bilden. Diese Oxidationsmittelquelle muss stark genug sein, um mit den durch die bereits vorhandenen Partikel induzierten Kondensationssenken zu konkurrieren.Wir vermuten, dass die Bildung von Eispartikeln durch das Gefrieren von unterkühltem flüssigem Wasser, gefolgt von Wasserkondensation, Quellen von H2O2 oder HOx-Radikalen in der OTUS sind, die zur Partikelneubildung führen Es ist bekannt, dass das Gefrieren wässriger Lösungen elektrische Felder erzeugt (sogenannter Workman-Reynolds-Effekt). In ähnlicher Weise wurde kürzlich gezeigt, dass die bevorzugte Orientierung der Wassermoleküle an der Grenzfläche zwischen Luft und Wasser ein elektrisches Grenzflächenpotential induziert. Solche lokalisierten elektrischen Felder können elektrochemische Prozesse in oder auf den Eispartikeln induzieren, die H2O2 oder HOx produzieren und erheblich zur Oxidationskapazität der Atmosphäre beitragen, wodurch die Bildung neuer Partikel und Wolken und schließlich der Strahlungshaushalt und das Klima der Erde beeinflusst werden. Diese Hypothese wird durch einige sehr aktuelle aktuelle Messungen gestützt.Dieses Projekt hat zum Ziel, diese Oxidationsprozesse zu charakterisieren und quantifizieren.
Zahlreiche Prozesse sind an der Entwicklung von Wolkensystemen unter leicht unterkühlten Bedingungen bis zu -10°C beteiligt. Das Zusammenspiel von Thermodynamik, Wasserdampf und Aerosolpartikeln steuert die Verteilung von Flüssigwasser und Eis, die Niederschlagsbildung und die Strahlungseigenschaften. Das Projekt PolarCAP zielt darauf ab, die komplexen Zusammenhänge aufzulösen, indem die Entwicklung der Eisphase unter leicht unterkühlten Bedingungen in einer thermodynamisch und aerosol-kontrollierten natürlichen Umgebung mittels Radarpolarimetrie und Spectral-Bin Modellierung untersucht wird. Zielobjekt der Studie sind flüssigwasserdominierte, unterkühlte stratiforme Wolken, die sich im Winter häufig im Temperaturbereich von -10 bis 0°C über dem Schweizer Plateau bilden. Im Rahmen des externen ERC-Forschungsprojekts CLOUDLAB werden Drohnen eingesetzt, um diese Wolken mit definierten Mengen verschiedener Arten von eisnukleierenden Partikeln, wie Silberjodid oder Snowmax, zu impfen. Die anschließend gebildete Eisphase und die Auflösung der Flüssigphase werden im Rahmen von CLOUDLAB mit Hilfe von In-situ-Messungen und einem Standardsatz von Fernerkundungsinstrumenten wie Lidar und LDR-Wolkenradar charakterisiert. Konkretes Ziel von CLOUDLAB ist, die 1- und 2-Momenten-Parametrisierungen der Eisphase des Wettervorhersagemodells ICON zu verbessern. PolarCAP wird mit dem CLOUDLAB-Projekt zusammenarbeiten, um diesen einzigartigen Datensatz durch die Anwendung modernster polarimetrischer Radar- und Lidar-basierter Fernerkundungstechniken zur Bestimmung der mikrophysikalischen Eigenschaften von Wolken sowie durch die Anwendung wolkenauflösender Spektral-Bin Modellierung zu verbessern und zu nutzen. Synergistische, mehrwellenlängen- und polarimetrische bodengebundene Fernerkundung mit scannendem Radar und Lidar wird eingesetzt, um den Übergang von unterkühlten flüssigen stratiformen Wolken in Mischphasenwolken zu beobachten. Begleitet von wolkenauflösenden Modellsimulationen und Radar-Forward-Operatoren wird PolarCAP die Entwicklung und die beteiligten mikrophysikalischen Prozesse zwischen -10 und 0°C erfassen. Die kombinierten Beobachtungen werden neue Erkenntnisse über das Zusammenspiel von Kontakt- und Immersionsgefrieren, sekundärer Eisbildung und Eisvervielfachung liefern, indem Wolken in verschiedenen Temperaturregimen untersucht werden, von denen angenommen wird, dass sie entweder von spezifischen Eisphasenprozessen beeinflusst bzw. unbeeinflusst sind. PolarCAP wird das derzeitige Verständnis wolkenmikrophysikalischer Prozesse und deren Darstellung in atmosphärischen Modellen herausfordern und die wolkenauflösende Modellierung und deren Kopplung an Radarvorwärtsoperatoren vorantreiben. Insgesamt wird PolarCAP Fortschritte in unseren Fähigkeiten erzielen, die Effizienz verschiedener eisbildender Substanzen besser einschätzen zu können und die Zeitskalen von mikrophysikalischen Prozessen und dem Lebenszyklus von Stratusbewölkung zu verknüpfen.
| Organisation | Count |
|---|---|
| Bund | 103 |
| Europa | 5 |
| Kommune | 2 |
| Land | 25 |
| Weitere | 2 |
| Wissenschaft | 44 |
| Zivilgesellschaft | 6 |
| Type | Count |
|---|---|
| Förderprogramm | 86 |
| Umweltprüfung | 3 |
| unbekannt | 20 |
| License | Count |
|---|---|
| Geschlossen | 6 |
| Offen | 85 |
| Unbekannt | 18 |
| Language | Count |
|---|---|
| Deutsch | 67 |
| Englisch | 59 |
| Resource type | Count |
|---|---|
| Dokument | 5 |
| Keine | 70 |
| Webseite | 34 |
| Topic | Count |
|---|---|
| Boden | 105 |
| Lebewesen und Lebensräume | 109 |
| Luft | 104 |
| Mensch und Umwelt | 109 |
| Wasser | 102 |
| Weitere | 109 |