API src

Found 4177 results.

Similar terms

s/climat/climate/gi

Klimaerlebnisbaum - Ludwigkai - Tilia

Im Rahmen des Forschungsprojekts "Klimaerlebnis Würzburg" am Zentrum Stadtnatur und Klimaanpassung (ZSK) wurden im Jahr 2018 acht Messstationen in Würzburg und Gerbrunn eingerichtet. Diese zeichnen seitdem an jedem Standort das Wetter und/oder die Leistungen der dortigen Bäume auf. Das Forschungsprojekt endete im Jahr 2022. Die Messstationen, durch orangefarbene Baumfässer erkennbar, werden seitdem aber weitergeführt.Das Projekt sollte aufzeigen,inwieweit sich das Klima und die Leistung der Bäume an verschiedenen Standorten in der Stadt unterscheiden undinwieweit sich Stadtbäume und Klima an einem Standort gegenseitig beeinflussen.Die bis heute weiter aufgezeichneten Messergebnisse sollen verdeutlichen, wie mit Hilfe von Bäumen und ihrer Ökosystemdienstleistungen die nachhaltige Stadt der Zukunft an die Folgen des Klimawandels angepasst werden kann. Zudem kann die Öffentlichkeit mit diesen Datenreihen für das Thema Stadtklima und Stadtgrün sensibilisiert werden. Um dies voranzutreiben, werden davon ausgewählte Datenspalten seit November 2024, unbereinigt und zu stündlichen Daten automatisiert zusammengefasst, hier auf dem Open Data Portal Würzburg veröffentlicht.An der Station am Ludwigkai sind mehrere Linden der Art Tilia mit Sensoren versehen. Die Daten eines dieser Bäume stehen in diesem Datensatz in der oben beschriebenen, verarbeiteten Form zur Verfügung.Allgemeines zu den Standorten wie der grobe Messaufbau, Hinweise zur Datennutzung und Verlinkungen zu weiterführenden Papern finden Sie im Folgenden.Messaufbau des Baumlabors und der WetterstationMithilfe des Saftflusssensors (1) kann der Wasserverbrauch des Baums bestimmt werden. Davon lässt sich die Kühlleistung durch Verdunstung ableiten und der Trockenstress abschätzen. Im Kronenraum wird die Temperatur für den Vergleich mit der Klimastation gemessen (2), um die Abkühlwirkung des Baumes zu bestimmen. Das Dendrometer (3) misst das Dickenwachstum des Stammes. Dadurch kann man berechnen, wieviel der gesamte Baum an Biomasse zunimmt und an CO2speichert. Der Bodenfeuchtesensor (4) misst den Wassergehalt im Wurzelraum. Damit kann auf die Wasserversorgung des Baumes geschlossen werden.Der Temperatur- und Feuchtesensor (6) misst die Lufttemperatur und die relative Luftfeuchtigkeit. Der Windsensor (7) erfasst Windrichtung und Windgeschwindigkeit. Mit diesen beiden Messgrößen kann der Frischlufteintrag, aber auch die Anströmungsrichtung festgestellt werden. Der Strahlungssensor (8) misst, wieviel Energie die Sonne am Erdboden freisetzt. Mit diesem Wert lässt sich feststellen, wie stark sich Flächen aufheizen. Ebenso lässt sich hiermit die photosynthetische Leistung des Baumes bestimmen. Aus Temperatur, Luftfeuchte, Windgeschwindigkeit und Solarstrahlung lässt sich die gefühlte Temperatur berechnen. Der Niederschlagssensor (9) erfasst Regen und Schnee.In den Datenloggern (10) werden die Messwerte gesammelt, gespeichert und alle 10 Minuten online versendet, um sie auf dem Smart City Hub Würzburg zu speichern und hier auf dem Open Data Portal stündlich aggregiert darzustellen. Bei einigen der Wetterstationen ist zudem ein Luftdruck-Barometer verbaut.Hinweis:Bei den zur Verfügung gestellten Daten handelt es sich um eine automatisiert abgeänderte Version der Rohdaten der einzelnen Stationen. Eine Qualitätskontrolle durch den Plattformbetreiber findet vorab nicht statt. Es ist daher punktuell mit Messfehlern und Messlücken zu rechnen. Für die Korrektheit der Daten wird keine Haftung übernommen. Quellenangabe:Quelle im Rohdatenformat: [Bis 13.11.2024 13 Uhr](https://opendata.smartandpublic.eu/datasets/a879dea4-b157-4cac-9144-ce3d3e65e862?locale=en), [ab 13.11.2024 14 Uhr](https://opendata.smartandpublic.eu/datasets/338fe900-beac-4406-bdb8-b32c0e058cdb?locale=en)Autor(en): Projekt Klimaerlebnis Würzburg (2018-2022), Stadt Würzburg (2023-jetzt)Hinweis: Es gelten keine zusätzlichen Bedingungen.Für weiterführende Informationen, lesen Sie die aus dem Projekt "Klimaerlebnis Würzburg" hervorgegangenen Paper:Hartmann, Christian, et al. "The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020; The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020." Meteorologische Zeitschrift 32.1 (2023): 49-65.Rahman, M.A., Franceschi, E., Pattnaik, N. et al. Spatial and temporal changes of outdoor thermal stress: influence of urban land cover types. Sci Rep 12, 671 (2022). [https://doi.org/10.1038/s41598-021-04669-8](https://doi.org/10.1038/s41598-021-04669-8)Rahman, Mohammad A., et al. "Tree cooling effects and human thermal comfort under contrasting species and sites." Agricultural and Forest Meteorology 287 (2020): 107947.Rötzer, T., et al. "Urban tree growth and ecosystem services under extreme drought." Agricultural and Forest Meteorology 308 (2021): 108532.Bildquelle und mehr Informationen zu den Messstationen: [Webarchiv: Klimaerlebnis Würzburg](https://webarchiv.it.ls.tum.de/klimaerlebnis.wzw.tum.de/das-projekt/index.html)

Von El Nino zu Super - El Nino: Wie wird das Wetter beeinflusst?

El Niño ist die warme Phase der El Niño/Southern Oscillation (ENSO), und beschreibt die dominante Variabilität der Tropen auf Zeitskalen von Monaten bis Jahren. Obwohl ENSO im tropischen Pazifik geschieht, werden starke regionale und globale Einflüsse auf das Klima, auf die Ökosysteme der Meere und auf dem Land, und damit auch auf die Wirtschaft einzelner Länder beobachtet. Klimamodelle sagen vorher, dass El Niño sich unter dem Einfluss der globalen Erwärmung verstärken könnte, und dass sich sogenannte Super El Niños entwickeln könnten, d.h. El Niño Ereignisse, welche stärker und langlebiger sind als die stärksten im 20. und 21. Jahrhundert beobachteten Ereignisse. Es ist allerdings noch unklar, ob sich zum Beispiel die sogenannten Teleconnections, also Fernwirkungen von El Niño, linear mit der Stärke des Ereignisses im tropischen Pazifik entwickeln werden. Es ist zudem noch unzureichend erforscht, ob sich die Teleconnections selbst verändern werden. Es gibt aber Hinweise, dass sich die Teleconnections von El Niño nichtlinear verhalten, und dass daher ein Super El Niño völlig andere globale Auswirkungen haben könnte als ein historischer El Niño. Durch die Vorhersage der Klimamodelle, dass sich solche Super El Niño - Ereignisse in Zukunft häufen könnten, ist ein besseres Verständnis möglicher Nichtlinearitäten von Teleconnections nötig. Dieses Forschungsvorhagen untersucht die Nichtlinearität in der Stärke und im Charakter von El Niño Teleconnections für eine Erde in einem wärmeren Klima. Im Speziellen wird die Fernwirkung von El Niño auf die Troposphäre und Stratospähre der mittleren Breiten in der Nord- und Südhalbkugel untersucht.

Kilimanjaro Glaciers (East Africa)

The Tropical Glaciology Group's research on Kilimanjaro started in 2002 and is in progress. Central aspects of our research plan are: 1) Development of the working hypothesis: From a synopsis of (i) proxy data indicating changes in East African climate since ca. 1850, (ii) 20th century instrumental data (temperature and precipitation), and (iii) the observations and interpretations made during two periods of fieldwork (June 2001 and July 2002) a scenario of modern glacier retreat on Kibo is reconstructed. This scenario offers the working hypothesis for our project. 2) Impact of local climate on the glaciers: This goal involves micrometeorological measurements on the glaciers, and the application of collected data to full glacier energy and mass balance models. These models quantify the impact of local climate on a glacier, based on pure physical system knowledge. Our models are validated by measured mass loss and surface temperature. 3) Latest Extent of the Kilimanjaro glaciers: Here, a satellite image was analyzed to derive the surface area and spatial distribution of glaciers on Kilimanjaro in February 2003. To validate this approach, an aerial flight was conducted in July 2005. 4) Linking local climate to large-scale circulation: As glacier behavior on Kilimanjaro, a totally free-standing mountain, is likely to reflect changes in larger-scale climate, this goal explores the large-scale climate mechanisms driving local Kilimanjaro climate. Well known large-scale forcings of east African climate are sea surface temperature variations in the Pacific and, more important, in the Indian Ocean. 5) Regional modification of large-scale circulation: The regional precipitation response in East Africa due to large-scale forcing is not adequately resolved in a global climate model as used in 4). Thus, mesoscale model experiments with the numerical atmospheric model RAMS will be conducted within this goal. They are thought to reveal the modification of atmospheric flow by the Kilimanjaro massif on a regional scale. 6) Practical aspects: Based on micro- and mesoscale results, (i) how much water is provided by glaciers, (ii) providing future projections of glacier behavior as basis for economic and societal studies (practical part), e.g., for studies on the impact of vanishing glaciers on Kibo's touristic appeal, and (iii) which impact does deforestation on the Kilimanjaro slopes have on summit climate? Referring to item 2), two new automatic weather stations have been installed in February 2005. They complete a station operated by Massachusetts University on the surface of the Northern Icefield since 2000.

Klimabewertungskarten 2022 (Umweltatlas)

Die Klimabewertungskarten bzw. auch Planungshinweise Stadtklima (PHK) bilden die Grundlage, um klimatische Belange in der Stadtplanung berücksichtigen zu können. Neben der Darstellung von belasteten Gebieten werden auch Entlastungsräume sowie Leitbahnen dargestellt. Die Planungshinweise bestehen insgesamt aus einer Gesamtbewertung sowie einer jeweils getrennten Bewertung der Tag- sowie Nachtsituation. Ergänzend werden in zwei weiteren Kartendarstellungen stadtklimatisch besonders belastete und vulnerable Gebiete sowie Maßnahmenempfehlungen, die u. a. zur Minderung der thermischen Belastung beitragen, angeboten. Die Maßnahmenempfehlungen sind jene des Stadtentwicklungsplans (StEP) Klima 2.0, die überschlägig auf Grundlage der Stadtstrukturtypen im Land Berlin bestimmt worden sind.

Langjährige Niederschlagsverteilung 1961-1990 (Umweltatlas)

Langjährige Niederschlagsverteilung (1961-1990) in Berlin und dem näheren Umland (Gesamtjahr, Sommer, Winter), Bearbeitungsstand Juli 1994.

Langjährige Niederschlagsverteilung 1981-2010 (Umweltatlas)

Langjährige Niederschlagsverteilung in Berlin und dem näheren Umland (Gesamtjahr, Winter- und Sommerhalbjahr). Es wurden die Niederschläge der Wasserwirtschaftsjahre 1981-2010 zugrunde gelegt. Diese umfassen den Zeitraum vom 01.11.1980 bis zum 31.10.2010.

Langjährige Niederschlagsverteilung 1991-2020 (Umweltatlas)

Langjährige Niederschlagsverteilung in Berlin und dem näheren Umland (Gesamtjahr, Winter- und Sommerhalbjahr). Es wurden die Niederschläge der Wasserwirtschaftsjahre 1991-2020 zugrunde gelegt. Diese umfassen den Zeitraum vom 01.11.1990 bis zum 31.10.2020.

Klimaanalysekarten 2022 (Umweltatlas)

Die Klimaanalysekarten sind Ergebnis einer durchgeführten gesamtstätischen Klimamodellierung im Land Berlin. Sie bilden den stadtklimatischen Ist-Zustand an einem durchschnittlichen autochthonen Sommertag ab. Die Klimaanalysekarten umfassen neben verschiedenen klimatischen Parametern, bestehend aus (1) dem bodennahen Windfeld und Kaltluftvolumenstromdichte, (2) die Luft- und (3) Oberflächentemperatur, (4) die nächtliche Abkühlung, sondern auch zwei thermische Bewertungsindizes, bestehend aus (5) dem PET und (6) dem UTCI. Die Zusammenfassung der Erkenntnisse aus der Klimaanalyse erfolgt in der (7) Klimaanalysekarte. Die Klimaanalysekarte ermöglicht es, die einzelnen Bereiche der Stadt nach ihren unterschiedlichen klimatischen Funktionen, d.h. ihrer Wirkung auf andere Räume, abzugrenzen. Die Karten der Klimaanalyse werden teilweise in einer Rasterdarstellung mit einer hohen räumlichen Auflösung von 10 m x 10 m sowie aggregiert auf etwa 25.000 Block- und Blockteilflächen angeboten.

4. BImSchV Windenergieanlage

Windenergieanlagen sind genehmigungspflichtige Anlagen nach dem Bundes-Immissionsschutzgesetz i.V.m. der 4. Bundes-Immissionsschutzverordnung Nr. 1.6 "Anlagen zur Nutzung von Windenergie mit einer Gesamthöhe von mehr als 50 Metern" und 1.6.1 "20 oder mehr Windkraftanlagen" und 1.6.2 "weniger als 20 Windkraftanlagen". Daten zu Windenergieanlagen werden in Baden-Württemberg im Zuge des immissi-onsschutzrechtlichen Genehmigungsverfahrens durch die unteren Verwaltungsbehörden (uVB) in den Stadt- und Landkreisen erfasst. Die Daten umfassen u. a. den Anlagenstatus und die wichtigsten Anlagenparameter wie Hersteller, Typ, Leistung und Standort. Ab dem Jahr 2025 werden die Daten der uVB außerdem mit dem Marktstammdatenregister der Bundesnetzagentur (MaStR - https://www.marktstammdatenregister.de) abgeglichen. Sofern Anlagen im MaStR mit dem Status in Betrieb geführt werden noch bevor seitens der uVB ein Datum einer immissionsschutzrechtlichen Inbetriebnahme erfasst wurde, wird der Status und das Inbetriebnahmedatum aus dem MaStR übernommen. Rechtsgrundlage für die Erfassung der MaStR-Daten bildet die Marktstammdatenregisterverordnung.

Klimaerlebnisbaum - Rottendorf - Robinia

Im Rahmen des Forschungsprojekts "Klimaerlebnis Würzburg" am Zentrum Stadtnatur und Klimaanpassung (ZSK) wurden im Jahr 2018 acht Messstationen in Würzburg und Gerbrunn eingerichtet. Diese zeichnen seitdem an jedem Standort das Wetter und/oder die Leistungen der dortigen Bäume auf. Das Forschungsprojekt endete im Jahr 2022. Die Messstationen, durch orangefarbene Baumfässer erkennbar, werden seitdem aber weitergeführt.Das Projekt sollte aufzeigen,inwieweit sich das Klima und die Leistung der Bäume an verschiedenen Standorten in der Stadt unterscheiden undinwieweit sich Stadtbäume und Klima an einem Standort gegenseitig beeinflussen.Die bis heute weiter aufgezeichneten Messergebnisse sollen verdeutlichen, wie mit Hilfe von Bäumen und ihrer Ökosystemdienstleistungen die nachhaltige Stadt der Zukunft an die Folgen des Klimawandels angepasst werden kann. Zudem kann die Öffentlichkeit mit diesen Datenreihen für das Thema Stadtklima und Stadtgrün sensibilisiert werden. Um dies voranzutreiben, werden davon ausgewählte Datenspalten seit November 2024, unbereinigt und zu stündlichen Daten automatisiert zusammengefasst, hier auf dem Open Data Portal Würzburg veröffentlicht.An der Station in Rottendorf sind mehrere Bäume der Art Robinia mit Sensoren versehen. Die Daten eines dieser Bäume stehen in diesem Datensatz in der oben beschriebenen, verarbeiteten Form zur Verfügung.Allgemeines zu den Standorten wie der grobe Messaufbau, Hinweise zur Datennutzung und Verlinkungen zu weiterführenden Papern finden Sie im Folgenden.Messaufbau des Baumlabors und der WetterstationMithilfe des Saftflusssensors (1) kann der Wasserverbrauch des Baums bestimmt werden. Davon lässt sich die Kühlleistung durch Verdunstung ableiten und der Trockenstress abschätzen. Im Kronenraum wird die Temperatur für den Vergleich mit der Klimastation gemessen (2), um die Abkühlwirkung des Baumes zu bestimmen. Das Dendrometer (3) misst das Dickenwachstum des Stammes. Dadurch kann man berechnen, wieviel der gesamte Baum an Biomasse zunimmt und an CO2speichert. Der Bodenfeuchtesensor (4) misst den Wassergehalt im Wurzelraum. Damit kann auf die Wasserversorgung des Baumes geschlossen werden.Der Temperatur- und Feuchtesensor (6) misst die Lufttemperatur und die relative Luftfeuchtigkeit. Der Windsensor (7) erfasst Windrichtung und Windgeschwindigkeit. Mit diesen beiden Messgrößen kann der Frischlufteintrag, aber auch die Anströmungsrichtung festgestellt werden. Der Strahlungssensor (8) misst, wieviel Energie die Sonne am Erdboden freisetzt. Mit diesem Wert lässt sich feststellen, wie stark sich Flächen aufheizen. Ebenso lässt sich hiermit die photosynthetische Leistung des Baumes bestimmen. Aus Temperatur, Luftfeuchte, Windgeschwindigkeit und Solarstrahlung lässt sich die gefühlte Temperatur berechnen. Der Niederschlagssensor (9) erfasst Regen und Schnee.In den Datenloggern (10) werden die Messwerte gesammelt, gespeichert und alle 10 Minuten online versendet, um sie auf dem Smart City Hub Würzburg zu speichern und hier auf dem Open Data Portal stündlich aggregiert darzustellen. Bei einigen der Wetterstationen ist zudem ein Luftdruck-Barometer verbaut.Hinweis:Bei den zur Verfügung gestellten Daten handelt es sich um eine automatisiert abgeänderte Version der Rohdaten der einzelnen Stationen. Eine Qualitätskontrolle durch den Plattformbetreiber findet vorab nicht statt. Es ist daher punktuell mit Messfehlern und Messlücken zu rechnen. Für die Korrektheit der Daten wird keine Haftung übernommen. Quellenangabe:Quelle im Rohdatenformat: [Bis 13.11.2024 13 Uhr](https://opendata.smartandpublic.eu/datasets/9b901002-a1fd-47b0-89d4-eb12f9117233?locale=en#iss=https%3A%2F%2Fidp.smartcityhub.smartandpublic.eu%2Frealms%2Fsmartcityhub), [ab 23.11.2024 14 Uhr](https://opendata.smartandpublic.eu/datasets/713101d0-8137-4da5-9010-8281fadd8bff?locale=en#iss=https%3A%2F%2Fidp.smartcityhub.smartandpublic.eu%2Frealms%2Fsmartcityhub)Autor(en): Projekt Klimaerlebnis Würzburg (2018-2022), Stadt Würzburg (2023-jetzt)Hinweis: Es gelten keine zusätzlichen Bedingungen.Für weiterführende Informationen, lesen Sie die aus dem Projekt "Klimaerlebnis Würzburg" hervorgegangenen Paper:Hartmann, Christian, et al. "The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020; The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020." Meteorologische Zeitschrift 32.1 (2023): 49-65.Rahman, M.A., Franceschi, E., Pattnaik, N. et al. Spatial and temporal changes of outdoor thermal stress: influence of urban land cover types. Sci Rep 12, 671 (2022). [https://doi.org/10.1038/s41598-021-04669-8](https://doi.org/10.1038/s41598-021-04669-8)Rahman, Mohammad A., et al. "Tree cooling effects and human thermal comfort under contrasting species and sites." Agricultural and Forest Meteorology 287 (2020): 107947.Rötzer, T., et al. "Urban tree growth and ecosystem services under extreme drought." Agricultural and Forest Meteorology 308 (2021): 108532.Bildquelle und mehr Informationen zu den Messstationen: [Webarchiv: Klimaerlebnis Würzburg](https://webarchiv.it.ls.tum.de/klimaerlebnis.wzw.tum.de/das-projekt/index.html)

1 2 3 4 5 … 416 417 418