API src

Found 16085 results.

Related terms

Sensor.Community Sensor 85658

Die Messwerte wurden mittels des Sensor-Modells "Sensirion AG SPS30" erfasst.

Fünf Lektionen zu Citizen Science – Einblicke in den Methodenkatalog des Forschungsnetzwerks agroforst-monitoring

Citizen Science (CS; dt. Bürgerwissenschaft) ermöglicht die partizipative Forschung durch Laien, was zu einer breiteren Datenerhebung, einer Vielfalt von Methoden und einem besseren Verständnis ökologischer Prozesse führen kann. Das Autorenteam stellt wesentliche Ergebnisse zur Theorie der CS aus der einschlägigen Literatur vor. Auf Grundlage von Erfahrungen in der Projektleitung des CS-Forschungsnetzwerks agroforst-monitoring und der Kenntnis des wissenschaftlichen Diskurses über CS berichtet das Autorenteam über fünf Jahre angewandter Forschung und Netzwerkentwicklung sowie über den Austausch mit Befürworterinnen und Befürwortern sowie Kritikerinnen und Kritikern der CS. Vor dem Hintergrund eines vermeintlichen Trilemmas zwischen „Partizipation“, „Skalierbarkeit“ und „Datenqualität“ stellt der vorliegende Beitrag den Methodenkatalog von agroforst-monitoring vor, um aus der CS-Praxis zu berichten und Stellung zu den Vor- und Nachteilen der CS zu beziehen. Entlang der partizipativen Entwicklung des Methodenkatalogs konnten fünf Lektionen für die Arbeit in CS-Projekten abgeleitet werden, die sich auf verschiedene Schritte des Forschungsprozesses beziehen. Die Entwicklung von Forschungsfragen erfolgte in Zusammenarbeit mit interessierten Personen aus der Praxis und Agroforstplanung sowie mit Bürgerinnen und Bürgern. Zugleich erforderte die Methodenentwicklung kontinuierliche Anpassungen, um eine Standardisierung zu gewährleisten und Fehler zu reduzieren. Als wesentliche Voraussetzung für den Erfolg eines CS-Projekts wurde die Bedeutung intensiver Schulungen und fortwährenden Austausches zwischen Citizen Scientists und fachwissenschaftlicher Begleitung herausgearbeitet. Dieser Dialog kann sich auch methodisch widerspiegeln, um CS-Daten zu validieren oder deren Aussagekraft durch weitere Forschung zu erhöhen. Die Herausforderungen und Chancen neben den bekannten transformativen Potenzialen von CS werden anhand konkreter Beispiele aus dem Projekt diskutiert und zur Orientierung für weitere Forschung aufbereitet.

Felsenpinguine als Zeiger für Ökosystemwandel im subantarktischen Südpolarmeer

In marinen Lebensräumen können Seevögel als wertvolle Indikatoren für Nahrungsressourcen und die Produktivität des marinen Ökosystems dienen. Studien zeigen deutliche Veränderungen in marinen Ökosystemen, und eine Art, die auf solche Veränderungen empfindlich reagiert, ist der Südliche Felsenpinguin Eudyptes chrysocome (IUCN-Kategorie gefährdet). Analysen neuerer und historischer Daten deuten darauf hin, dass Felsenschreibepinguine in einem sich erwärmenden Ozean schlechter überleben und sich vermehren und dass der Klimawandel sie in mehreren Phasen der Brut- und Nicht-Brutsaison beeinflussen kann. Mehr als ein Drittel der Gesamtpopulation dieser Art brütet auf den Falklandinseln, wo die Populationen besonders stark zurückgehen, und unsere früheren Studien (2006-2011) hier haben auf reduzierte Überlebenswahrscheinlichkeiten unter zunehmend warmen Meerestemperaturen und leichtere Eier unter wärmeren Umweltbedingungen hingewiesen. Die zugrunde liegenden Ursachen für diese Veränderungen sind jedoch noch wenig bekannt. Das vorliegende Projekt knüpft an frühere Studien an, aber wir werden neu verfügbare Technologien anwenden, nämlich viel kleinere GPS-Beschleunigungs-Datenlogger, um die noch unbekannten Phasen der Brutzeit und die für die Futtersuche verwendete Energie zu untersuchen, und Analysemethoden aus dem Machine Learning („künstliche Intelligenz“) und der Energielandschaften-Modellierung. Komponentenspezifische stabile Isotopenanalysen und Metabarcodierung von Kotproben werden zudem eingesetzt, um die Ernährung während der verschiedenen Phasen des Brutzyklus zu untersuchen. Wir werden auch Zeitrafferkameras einsetzen und über "Penguin watch" - ein Toolkit zur Extraktion großflächiger Daten aus Kamerabildern und zur Einbeziehung der Öffentlichkeit - bürgernahe Wissenschaft betreiben. Insgesamt wollen wir verstehen, warum Südliche Felsenpinguine eine besonders empfindliche Art bei sich erwärmenden Meeresbedingungen sind.

Marine litter

This metadata refers to the presence of marine litter. It present information on marine litter items by beach and marine region, based on Marine Litter Watch (MLW). The European Environment Agency has developed Marine LitterWatch mobile app to collect information on marine litter and strengthen Europe’s knowledge base and thus provide support to European policy making. Marine LitterWatch is a citizen science based app that aims to help fill data gaps in beach litter monitoring.

Soundscapes across Cityscapes - CitySoundscapes-2, Soundscape Planung

openSenseMap: Sensor Box Feinstaub-Messung Bessemer

SD011 Feinstaubsensor mit BME280 Temp, Druck, Feuchtefühler am ESP8266

openSenseMap: Sensor Box Feinstaubmessung 2m über dem Boden an einer Durchgangsstraße

Feinstaubmessung 2m über dem Boden an einer Durchgangsstraße

openSenseMap: Sensor Box SenseBox_1

Kurzzeitiger Umzug der Örtlichkeit zwecks Update auf LoRa TTN Server V3

openSenseMap: Sensor Box Bad Abbach

Sensortechnik u. Akku in einem Verteilerkasten IP65 Stromversorgung über Solarpanel -Nova SDS011 Feinstaubsensor -BME280 für Temperatur, Luftfeuchtigkeit, Luftdruck -NodeMCU ESP8266 -Waveshare Solar Manager Mod.A -Li-Ion Akkupack 10.000mAH -12V 30W Solarmodul -Messdaten 4 min. Intervall

openSenseMap: Sensor Box HE Janusz-Korczak-Oberschule senseBox4

Das ist eine senseBox der Humboldt Explorers. Weitere Informationen unter: www.humboldt-explorers.de

1 2 3 4 5 … 1607 1608 1609