API src

Found 2536 results.

Similar terms

s/ctp/CSP/gi

METOP GOME-2 - Cloud Top Pressure (CTP) - Global

The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing. OCRA (Optical Cloud Recognition Algorithm) and ROCINN (Retrieval of Cloud Information using Neural Networks) are used for retrieving the following geophysical cloud properties from GOME and GOME-2 data: cloud fraction (cloud cover), cloud-top pressure (cloud-top height), and cloud optical thickness (cloud-top albedo). OCRA is an optical sensor cloud detection algorithm that uses the PMD devices on GOME / GOME-2 to deliver cloud fractions for GOME / GOME-2 scenes. ROCINN takes the OCRA cloud fraction as input and uses a neural network training scheme to invert GOME / GOME-2 reflectivities in and around the O2-A band. VLIDORT [Spurr (2006)] templates of reflectances based on full polarization scattering of light are used to train the neural network. ROCINN retrieves cloud-top pressure and cloud-top albedo. The cloud-top pressure for GOME scenes is derived from the cloud-top height provided by ROCINN and an appropriate pressure profile. For more details please refer to relevant peer-review papers listed on the GOME and GOME-2 documentation pages: https://atmos.eoc.dlr.de/app/docs/

Versorgungsbereiche Gebäudewärme und überwiegende Heizungsarten 2005 (Umweltatlas)

Die Daten verdeutlichen die auch im Kraftwerksbereich in den letzten Jahren vorgenommenen Angleichungen beim Energieträgereinsatz in der Stadt. Das "Rückrat" des Energieträgereinsatzes in den Berliner Kraftwerken stellen Steinkohle und Erdgas.

WMS INSPIRE HH Flurstücke

Dieser WebMapService (WMS) stellt die Flurstücke, Flurstücksnummern und Gemarkungen aus dem vorhandenen Datenmodell ALKIS für die Freie und Hansestadt Hamburg im INSPIRE Zielmodell dar. Im Amtlichen Liegenschaftskatasterinformationssystem (ALKIS®) werden alle Daten des Liegenschaftskatasters zusammengeführt und integriert gepflegt. Die Daten werden vom Landesbetrieb Geoinformation und Vermessung zusätzlich im Hamburger Transparenzportal als Open Data-Datensatz bereitgestellt. Zur genaueren Beschreibung der Daten und Datenverantwortung nutzen Sie bitte den Verweis zur Datensatzbeschreibung.

Raw data of physical oceanography during RV HEINCKE cruise HE660

Raw physical oceanography data was acquired by a ship-based Seabird SBE911plus CTD-Rosette system onboard RV HEINCKE . The CTD was equipped with duplicate sensors for temperature (SBE3plus) and conductivity (SBE4) as well as one sensor for oxygen (SBE43). Additional sensors such as a WET Labs C-Star transmissometer, a WET Labs ECO-AFL fluorometer (FLRTD) and an altimeter (Teledyne Benthos PSA-916) were mounted to the CTD. The data was recorded using pre-cruise calibration coefficients. No correction, post-cruise calibration or quality control was applied. Processed profile data are available via the link below.

INSPIRE Download Service (predefined ATOM) für Datensatz Betriebe unter Bergaufsicht im Saarland, Standorte, Kraftwerke

Beschreibung des INSPIRE Download Service (predefined Atom): Betriebe unter Bergaufsicht im Saarland, Standorte, Kraftwerke, Bundesberggesetz (BBergG) - Der/die Link(s) für das Herunterladen der Datensätze wird/werden dynamisch aus GetFeature Anfragen an einen WFS 1.1.0+ generiert

INSPIRE HH Flurstücke/Grundstücke ALKIS

Dieser Datensatz enthält die Flurstücke, Flurstücksnummer und die Gemarkungen aus dem vorhandenen Datenmodell ALKIS. Sie wurden in das INSPIRE Zielmodell transformiert. Im Amtlichen Liegenschaftskatasterinformationssystem (ALKIS®) werden alle Daten des Liegenschaftskatasters zusammengeführt und integriert gepflegt. Damit sind Daten der ehemaligen Liegenschaftskarte, des ehemaligen Liegenschaftsbuches und des Grenznachweises in ALKIS enthalten. Basis für ALKIS® ist ein von der Arbeitsgemeinschaft der Vermessungsverwaltungen der Länder der Bundesrepublik Deutschland (AdV) entwickeltes Fachkonzept zur Führung aller Basisdaten des amtlichen Vermessungswesens (siehe Verweis). Alle Bundesländer haben sich verpflichtet einen ALKIS-Grunddatenbestand nach diesem Konzept zu führen. Daneben gibt es entsprechend dem Datenmodell länderspezifische zusätzliche Daten. Dieser Datensatz enthält ausgewählte Daten: Flurstücke, Flurstücksnummer, Gemarkungen Dieser Datensatz enthält die Flurstücke, Flurstücksnummer und die Gemarkungen aus dem vorhandenen Datenmodell ALKIS. Sie wurden in das INSPIRE Zielmodell transformiert. Im Amtlichen Liegenschaftskatasterinformationssystem (ALKIS®) werden alle Daten des Liegenschaftskatasters zusammengeführt und integriert gepflegt. Damit sind Daten der ehemaligen Liegenschaftskarte, des ehemaligen Liegenschaftsbuches und des Grenznachweises in ALKIS enthalten. Basis für ALKIS® ist ein von der Arbeitsgemeinschaft der Vermessungsverwaltungen der Länder der Bundesrepublik Deutschland (AdV) entwickeltes Fachkonzept zur Führung aller Basisdaten des amtlichen Vermessungswesens (siehe Verweis). Alle Bundesländer haben sich verpflichtet einen ALKIS-Grunddatenbestand nach diesem Konzept zu führen. Daneben gibt es entsprechend dem Datenmodell länderspezifische zusätzliche Daten. Dieser Datensatz enthält ausgewählte Daten: Flurstücke, Flurstücksnummer, Gemarkungen

Energieoptimiertes Reallabor Jena mittels in Echtzeit skalierbarer Energiespeicher, Teilvorhaben: Smart Living und spezifisches Nutzerverhalten im Virtuellen Kraftwerk

JenErgieReal versteht sich als 'Blaupause' für die zukünftig ganzheitliche Versorgung mit elektrischer und thermischer Energie sowie der Integration der Mobilität als Bindeglied. Dabei werden die Haupttreiber des Energieverbrauchs Verkehr, Industrie, Gewerbe und Wohnen sektorenübergreifend betrachtet. JenErgieReal wird als Reallabor der Energiewende die für die deutsche Energiepolitik wesentlichen systemischen Herausforderungen in einem klar umrissenen Großvorhaben exemplarisch angehen und die Rolle der Infrastrukturbetreiber im Energiewendeprozess verdeutlichen. JenErgieReal hat Pioniercharakter für die Transformation des Energiesystems und widmet sich Forschungsfragestellungen, die eine Schlüsselrolle bei der Umsetzung der Energiewende einnehmen. Die Demonstration der Ergebnisse erfolgt als Reallabor in der Stadt Jena. Das primäre Ziel des Teilprojektes 3 (TP 3) im Verbundprojekt JenErgieReal liegt in der Umsetzung der mit den Projektpartnern entwickelten wissenschaftlichen und technischen (Wohn-) Quartierspeicherlösungen, ausgehend von der kleinsten Zelle Wohnung zum smarten Quartier. Durch den Einsatz von Smart-Home-Komponenten werden die Wohnungen Teil des Virtuellen Kraftwerkes. Es sollen neue Prozesse und Formen des Zusammenlebens für eine Verbesserung der Lebensqualität und attraktiven Lebensraumgestaltung entwickelt und erprobt werden. Das Wohnen soll einfacher und angenehm erlebbar und ein langes (eigenständiges) Wohnen durch smarte Anwendungen ermöglicht werden. Somit soll nachhaltig die Wohn- und Lebensqualität der Bewohner verbessert, eine Senkung der Betriebskosten durch die Reduzierung der Stromverbräuche, z.B. Photovoltaik am Gebäude (Mieterstrom) und der Heizkosten sowie eine zukunftssichere Ausstattung der Wohnungen und nachhaltige Immobilienbewirtschaftung unter Berücksichtigung von sozialen, technischen, ökonomischen und ökologischen (CO2-Einsparung) Parametern erreicht werden.

Schwermetall-Emissionen

<p>Schwermetall-Emissionen</p><p>Hochwirksame Staubminderungsmaßnahmen und die Stilllegung veralteter Produktionsstätten in den neuen Bundesländern führten seit 1990 zu einer erheblichen Minderung der verbrennungsbedingten Schwermetall-Emissionen.</p><p>Entwicklung seit 1990</p><p>Die Emissionen der wichtigsten Schwermetalle (Cadmium, Blei und Quecksilber) sanken seit 1990 deutlich. Die Werte zeigen überwiegend Reduktionen von über 60 bis über 90 %. Der Großteil der hier betrachteten Reduktion erfolgte dabei in den frühen 1990-er Jahren, wobei wesentliche Reduktionen auch schon vor 1990 stattfanden. Vor allem die dabei angewandten hochwirksamen Staub- und Schwefeldioxid (SO2) -Minderungsmaßnahmen führten zu einer erheblichen Verringerung der Schwermetallemissionen zunächst in den alten und, nach der Wiedervereinigung, auch in den neuen Ländern, einhergehend mit Stilllegungen veralteter Produktionsstätten. In den letzten Jahren sieht man, bis auf wenige Ausnahmen, kaum weitere Verringerungen der Schwermetall-Emissionen (siehe Abb. und Tab. „Entwicklung der Schwermetall-Emissionen“).</p><p>Während die Blei-Emissionen bis zum endgültigen Verbot von verbleitem Benzin im Jahre 1997 rapide zurückgingen, folgten Zink, Kupfer und Selen im Wesentlichen der Entwicklung der Fahrleistungen im Verkehrssektor, die im langfristigen Trend seit 1990 anstieg.</p><p>Herkunft der Schwermetall-Emissionen</p><p>Schwermetalle finden sich – in unterschiedlichem Umfang – in den staub- und gasförmigen Emissionen fast aller Verbrennungs- und vieler Produktionsprozesse. Die in den Einsatzstoffen teils als Spurenelemente, teils als Hauptbestandteile enthaltenen Schwermetalle werden staubförmig oder gasförmig emittiert. Die Gesamtstaubemissionen aus diesen Quellen bestehen zwar in der Regel überwiegend aus relativ ungefährlichen Oxiden, Sulfaten und Karbonaten von Aluminium, Eisen, Kalzium, Silizium und Magnesium; durch toxische Inhaltsstoffe wie Cadmium, Blei oder Quecksilber können diese Emissionen jedoch ein hohes Gefährdungspotenzial erreichen.</p><p>Verursacher</p><p>Die wichtigste Quelle der meisten Schwermetalle ist der Brennstoffeinsatz im Energie-Bereich. Bei<em>Arsen, Quecksilber</em>und<em>Nickel</em>hat die Energiewirtschaft den größten Anteil, gefolgt von den prozessbedingten Emissionen der Industrie, vor allem aus der Herstellung von Metallen.<em>Cadmium</em>stammt sogar größtenteils aus der Metall-Herstellung.<em>Blei-, Chrom-, Kupfer- und Zink-</em>Emissionen werden überwiegend durch den Abrieb von Bremsen und Reifen im Verkehrsbereich beeinflusst: die Trends korrelieren hier direkt mit der jährlichen ⁠<a href="https://www.umweltbundesamt.de/service/glossar/f?tag=Fahrleistung#alphabar">Fahrleistung</a>⁠.<em>Selen</em>hingegen stammt hauptsächlich aus der Mineralischen Industrie, gefolgt von den stationären und mobilen Quellen der Kategorie Energie. Andere Quellen müssen noch untersucht werden, es wird jedoch erwartet, dass sie die Gesamtentwicklung kaum beeinflussen.</p><p>Verpflichtungen</p><p>Das 1998er<a href="http://www.unece.org/env/lrtap/hm_h1.html">Aarhus Protokoll über Schwermetalle</a>unter dem CLRTAP ist Ende 2003 in Kraft getreten. Es wurde im Dezember 2012 revidiert und an den Stand der Technik angepasst. Es zielt auf drei besonders schädliche Metalle ab: Cadmium, Blei und Quecksilber. Laut einer der grundlegenden Verpflichtungen muss Deutschland seine Emissionen für diese drei Metalle unter das Niveau von 1990 reduzieren. Das Protokoll betrachtet die Emissionen aus industriellen Quellen (zum Beispiel Eisen- und Stahlindustrie, NE-Metall-Industrie), Verbrennungsprozessen (Stromerzeugung, Straßenverkehr) und aus Müllverbrennungsanlagen. Es definiert Grenzwerte für Emissionen aus stationären Quellen (zum Beispiel Kraftwerken) und verlangt die besten verfügbaren Techniken (BVT) für diese Quellen zu nutzen, etwa spezielle Filter oder Wäscher für die stationäre Verbrennung oder Quecksilber-freie Herstellungsprozesse. Das Protokoll verpflichtet die Vertragsparteien weiterhin zur Abschaffung von verbleitem Benzin. Es führt auch Maßnahmen zur Senkung von Schwermetall-Emissionen aus Produkten auf (zum Beispiel Quecksilber in Batterien) und schlägt Management-Maßnahmen für andere quecksilberhaltige Produkte wie elektrische Komponenten (Thermostate, Schalter), Messgeräte (Thermometer, Manometer, Barometer), Leuchtstofflampen, Amalgam, ⁠<a href="https://www.umweltbundesamt.de/service/glossar/p?tag=Pestizide#alphabar">Pestizide</a>⁠ und Farben vor.</p><p>Viele dieser Maßnahmen wurden in Deutschland jedoch schon deutlich früher umgesetzt, so dass bereits in den frühen 90er Jahren deutliche Reduktionen der wichtigen Schwermetalle zu verzeichnen sind.</p>

Rueckkuehlung des Kuehlwassers von Kraftwerken unter Vermeidung grosser Kuehltuerme und Verringerung der Wasserdampfemission

Kraftwerkkuehltuerme beeinflussen zumindest das Landschaftsbild negativ; ihre Einfluesse auf das Kleinklima sind umstritten. Aus frueheren Arbeiten des Institutes ist bekannt, dass gleiche Kuehlleistungen mit rotierenden Waermeaustauschern moeglich sind, deren Abmessungen etwa um den Faktor 150 kleiner sind. Dabei hat sich gezeigt, dass auch die Wasserdampfemission in die Umgebung erheblich geringer ist, als bei offenen Kuehltuermen.

Resiliente Abfluss- und Stauregelung der Wasserstraßen bei extremen Niederschlagsereignissen

Abflussprognosen zur Bewältigung von Extremwetterlagen Um das Transportaufkommen in Deutschland auch unter schwierigen Bedingungen zu bewältigen und dies aufrecht zu erhalten bzw. zu steigern, sind verkehrsträgerübergreifende Lösungsansätze notwendig. Ziel dieses Projekt ist es, die Resilienz und die Verfügbarkeit des Verkehrsträgers Wasserstraße bei extremen Wetterereignissen zu erhöhen. Aufgabenstellung und Ziel Etwa 3.000 km der Bundeswasserstraßen sind mit Staustufen ausgebaut, die meist aus einem beweglichen Wehr, einer Schleuse und einem Laufwasserkraftwerk bestehen. Durch das Ändern des Abflusses über das Kraftwerk und über das Wehr hält ein lokaler Regler den gewünschten Oberwasserstand innerhalb der vorgegebenen Stauzieltoleranz. Die Abfluss- und Stauregelung soll dabei mehrere, mitunter gegensätzliche Ziele erfüllen: Einhaltung des Stauziels innerhalb der festgelegten Toleranz, Verminderung von Abflussschwankungen, optimale Nutzung der Wasserkraft und Minimierung des Verschleißes der Wehrverschlüsse. Im Zuge des Klimawandels ist mit einer Zunahme extremer Wetterereignisse zu rechnen. Die Abfluss- und Stauregelung steht gerade in Niedrigwasserperioden vor wachsenden Herausforderungen. Schwankungen des Abflusses sind in diesen Phasen schwierig auszugleichen und Über- bzw. Unterschreitungen der Stauzieltoleranz sind nicht auszuschließen. Dadurch entsteht eine Gefahr für die Schifffahrt. Ziel des vorgestellten Vorhabens ist es, anhand einer fundierten Datenanalyse und der Methode des maschinellen Lernens Zusammenhänge zwischen Niederschlagsereignissen und Abflussschwankungen vertieft zu untersuchen. Zusätzlich sollen Abflussprognosen erstellt werden, welche die Abfluss- und Stauregelung unterstützen. Bedeutung für die Wasserstraßen- und Schifffahrtsverwaltung des Bundes (WSV) Die Verwendung maschinellen Lernens für Abflussvorhersagen auf der Basis von Niederschlags- und Zuflussdaten stellt ein vielversprechendes Werkzeug für die WSV dar. Prognosen schaffen einen vorausschauenden Handlungsspielraum für die Abfluss- und Stauregelung, sodass starke Wasserstandsund Abflussschwankungen minimiert und damit die Sicherheit und Leichtigkeit der Schifffahrt erhöht werden. Die Resilienz der Wasserstraße wird dadurch auch unter den zunehmenden Auswirkungen des Klimawandels gesteigert. Untersuchungsmethoden Das Verfahren wird exemplarisch an einer Stauhaltung der Mosel getestet. Die Niederschlagsdaten des Einzugsgebiets der Stauhaltung werden vom Deutschen Wetterdienst im Rahmen der Zusammenarbeit im BMDV-Expertennetzwerk bereitgestellt. Die Pegeldaten der oberliegenden Stauhaltung sowie die der untersuchten Stauhaltung selbst werden von der WSV zur Verfügung gestellt. In einem ersten Schritt werden die Pegeldaten untersucht. Anhand einer Kreuzkorrelation können Abhängigkeiten zwischen dem oberliegenden Pegel und dem Pegel in der untersuchten Stauhaltung aufgezeigt werden. In einem weiteren Schritt werden ebenfalls die Niederschlags- und Wehrdaten betrachtet und deren Zusammenhang mit den Pegeldaten untersucht. Zusätzlich wird eine Methode erarbeitet, um Wasserstandsschwankungen so zu filtern, dass die Werte möglichst unbeeinflusst von Schleusungen und Schifffahrt sind. Im Anschluss an die Aufbereitung der Daten wird nach einer geeigneten Methode des Maschinellen Lernens (ML) gesucht. Dabei werden unterschiedliche ML-Modelle in Python implementiert und trainiert. Der vielversprechendste Modelltyp soll weiter genutzt und mit unterschiedlichen Parametrierungen getestet werden. Hierbei wird immer auf einen Prognosezeitraum von drei Stunden hingearbeitet. Für die Abfluss- und Stauregelung ist eine dreistündige Prognose wünschenswert, um Schwankungen des Abflusses effektiv zu bewältigen.

1 2 3 4 5 … 252 253 254