The ISND82 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISN): Synoptic observations from fixed land stations at non-standard time (i.e. 01, 02, 04, 05, ... UTC) A2 (D): 90°E - 0° northern hemisphere (Remarks from Volume-C: NATIONAL AUTOMATIC SYNOP)
The ISND31 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISN): Synoptic observations from fixed land stations at non-standard time (i.e. 01, 02, 04, 05, ... UTC) A2 (D): 90°E - 0° northern hemisphere (Remarks from Volume-C: NATIONAL AUTOMATIC SYNOP)
In diesem Teilprojekt beabsichtigen wir, ein effizientes Schema für Datenassimilierung und Modellparameter-Kalibrierung auf der Basis von Ensemble-Methoden zu entwickeln. Der Fokus soll in der ersten Phase liegen (1) auf der simultanen Integration der in der Forschergruppe entwickelten fernerkundlichen und geodätischen Datensätze, die sehr unterschiedliche räumliche und zeitliche Abdeckung und Auflösung haben, wobei zum Teil die benötigten Operatoren (Relationen, die Modellparameter auf Observablen abbilden) noch entwickelt werden müssen. Darüber hinaus soll (2) die Kalibrierung von Parametern des hydrologischen Modells im Rahmen der Ensemble-Methoden weiterentwickelt und in einem gemeinsamen Rahmen mit der Pareto-optimalen Methode des Teilprojektes P3 verglichen werden. Wir werden mit der bereits entwickelten Methode zur Assimilierung von GRACE-Daten beginnen und sukzessive die Assimilation von terrestrischen Durchflußmessungen und von Satellitenbeobachtungen von Wasserstandshöhen und -volumen, Durchfluß sowie der Wasser-/Schneebedeckung hinzufügen. Neben einer neuen quantitativen Beschreibung von Wasserflüssen und -speicherung in großen Einzugsgebieten werden wir eine Charakterisierung der zugehörigen Unsicherheit generieren.
Der Layer stellt die klassifizierten Verweilzeiten in Jahren des Grund- und Sickerwassers in der Grundwasserüberdeckung für Hamburg dar. Weiterführende Erläuterungen zum Datensatz siehe Link zur Dokumentation unter "Verweise".
The SIVX81 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SI): Intermediate synoptic hour (Remarks from Volume-C: SHIP)
Das Land Nordrhein-Westfalen betreibt seit 1992 das Informationssystem fuer gefaehrliche und umweltrelevante Stoffe (IGS) als landesweites Stoffinformationssystem. Das IGS enthaelt ca 8000 Stoffe, deren Merkmale jedoch unterschiedlich belegt sind. Als umweltrelevante Datenbank sind fuer das IGS die Merkmale Toxikologie und Oekotoxikologie besonders bedeutsam. Da Einzelstoff-Recherchen in der Regel sehr zeit- und kostenintensiv sind, sollte im Rahmen des Projektes in Erfahrung gebracht werden, welche Datenbestaende, die die Merkmale Toxikologie und Oekotoxikologie abdecken, verfuegbar sind und welches Stoffspektrum sie erfassen. Darueber hinaus war zu ermitteln, welchen Aufbau und welche Qualitaet die Merkmale haben und unter welchen Voraussetzungen die Daten verfuegbar sind. Anschliessend sollte eine Auswahl aus diesem Datenbestaenden zur Uebernahme in das IGS erfolgen.
Im letzten Jahrzehnt war der grönländische Eisschild mehreren Extremereignissen ausgesetzt, mit teils unerwartet starken Auswirkungen auf die Oberflächenmassebilanz und den Eisfluss, insbesondere in den Jahren 2010, 2012 und 2015. Einige dieser Schmelzereignisse prägten sich eher lokal aus (wie in 2015), während andere fast die gesamte Eisfläche bedeckten (wie in 2010).Mit fortschreitendem Klimawandel ist zu erwarten, dass extreme Schmelzereignisse häufiger auftreten und sich verstärken bzw. länger anhalten. Bisherige Projektionen des Eisverlustes von Grönland basieren jedoch typischerweise auf Szenarien, die nur allmähliche Veränderungen des Klimas berücksichtigen, z.B. in den Representative Concentration Pathways (RCPs), wie sie im letzten IPCC-Bericht genutzt wurden. In aktuellen Projektionen werden extreme Schmelzereignisse im Allgemeinen unterschätzt - und welche Konsequenzen dies für den zukünftigen Meeresspiegelanstieg hat, bleibt eine offene Forschungsfrage.Ziel des vorgeschlagenen Projektes ist es, die Auswirkungen extremer Schmelzereignisse auf die zukünftige Entwicklung des grönländischen Eisschildes zu untersuchen. Dabei werden die unmittelbaren und dauerhaften Auswirkungen auf die Oberflächenmassenbilanz und die Eisdynamik bestimmt und somit die Beiträge zum Meeresspiegelanstieg quantifiziert. In dem Forschungsprojekt planen wir zudem, kritische Schwellenwerte in der Häufigkeit, Intensität sowie Dauer von Extremereignissen zu identifizieren, die - sobald sie einmal überschritten sind - eine großräumige Änderung in der Eisdynamik auslösen könnten.Zu diesem Zweck werden wir die dynamische Reaktion des grönländischen Eisschilds in einer Reihe von Klimaszenarien untersuchen, in denen extreme Schmelzereignisse mit unterschiedlicher Wahrscheinlichkeit zu bestimmten Zeitpunkten auftreten, und die Dauer und Stärke prognostisch variiert werden. Um indirekte Effekte durch verstärktes submarines Schmelzen hierbei berücksichtigen zu können, werden wir das etablierte Parallel Ice Sheet Model (PISM) mit dem Linearen Plume-Modell (LPM) koppeln. Das LPM berechnet das turbulente submarine Schmelzen aufgrund von Veränderungen der Meerestemperatur und des subglazialen Ausflusses. Es ist numerisch sehr effizient, so dass das gekoppelte PISM-LPM Modell Ensemble-Läufe mit hoher Auflösung ermöglicht. Folglich kann eine breite Palette von Modellparametern und Klimaszenarien in Zukunftsprojektionen in Betracht gezogen werden.Mit dem interaktiv gekoppelten Modell PISM-LPM werden wir den Beitrag Grönlands zum Meeresspiegelanstieg im 21. Jahrhundert bestimmen, unter Berücksichtigung regionaler Veränderungen von Niederschlag, Oberflächen- und Meerestemperaturen, und insbesondere der Auswirkungen von Extremereignissen. Ein Hauptergebnis wird eine Risikokarte sein, die aufzeigt, in welchen kritischen Regionen Grönlands zukünftige extreme Schmelzereignisse den stärksten Eisverlust zur Folge hätten.
Eine Brennstoffzelle als Primärenergiequelle mit einem Doppelschichtkondensator (Supercap) als Zwischenspeicher zu kombinieren ist ein vielversprechender Ansatz für zukünftige Elektrofahrzeuge. In Kooperation mit einem Fahrzeughersteller wurden verschiedene Strategien für ein Energiemanagement für die Kombination einer Brennstoffzelle mit einem Doppelschichtkondensatormodul entworfen und verglichen. Basierend auf der aktuellen Geschwindigkeit und Beschleunigung werden verschiedene Fahrzeugzustände bezüglich kinetischer Energie und Leistungsbedarf unterschieden. In Abhängigkeit von der verfügbaren Leistung von Supercaps und Brennstoffzelle wird eine optimale Leistungsaufteilung zwischen den beiden Energiequellen ermittelt. In Bremsphasen wird durch Rekuperation Energie zurückgewonnen und in den Supercaps gespeichert. Wenn die Supercaps vollgeladen sind oder ihre maximale Ladeleistung erreicht haben, übernehmen mechanische Bremsen die übrige Ladeleistung. Da diese Situation zu einem Energieverlust führt, sollte sie möglichst vermieden werden. Um immer die notwendige Beschleunigungsleistung und gleichzeitig auch ein Maximum an Rekuperation zu garantieren, wird der Ladezustand der Supercaps kontinuierlich und dynamisch an die kinetische Energie des Fahrzeugs angepasst. Verschiedene Strategien wurden in Matlab/Simulink mit einem Stateflow-Chart zur Abbildung der Zustände implementiert. Die verfügbare Supercapleistung wird mit Hilfe eines impedanzbasierten Modells für Supercaps berechnet. Mit diesen Strategiemodellen können die Leistungsfähigkeit der verschiedenen Strategien verglichen und die Einflüsse von Parametern untersucht werden. Ziel eines Energiemanagements ist es, den Wasserstoffverbrauch zu minimieren und die notwendige Leistung zu jeder Zeit sicherzustellen. Bei der Bewertung der Strategien wird der Wasserstoffverbrauch, die verlorene Bremsenergie und eine mögliche Geschwindigkeitsreduzierung verglichen. Mit einer optimalen Strategie können bis zu 23 Prozent Wasserstoff während eines definierten Fahrprofils gespart werden.
Klimamodelle sagen voraus, dass sich in naher Zukunft im Antarktischen Ozean signifikant die Temperatur und der PH-Wert ändern werden, bedingt durch den Anstieg der Konzentrationen troposphärischer Treibhausgase und vor allem durch den erhöhten Kohlenstoffdioxidausstoß aus fossilen Brennstoffen. Solche Änderungen wirken sich auf die Zusammensetzung des Phytoplanktons aus und damit auch auf die Stoffkreisläufe wichtiger Elemente (Kohlenstoff, Stickstoff, usw.). Ziel dieses interdisziplinären Projektes ist die genauere Bestimmung der räumlichen und zeitlichen Variabilität der Biomasse von unterschiedlichen Phytoplanktontypen im Antarktischen Ozean. Einerseits wird hiermit das Verständnis der Rolle des antarktischen Phytoplanktons für das Ökosystem vertieft und andererseits deren Beitrag für den globalen Kohlenstoffzyklus genauer quantifiziert. Durch die einzigartige Kombination von Satellitendaten zweier unterschiedlicher Instrumententypen soll die Konzentration verschiedener Phytoplankton-Typen im Antarktischen Ozean zum ersten Mal mit umfassender zeitlicher und räumlicher Abdeckung bestimmt werden. Die Gesamtbiomasse wird durch eine an die Antarktis angepasste Prozessierung mit Hilfe multispektraler Satellitenmessdaten berechnet. Der Anteil wesentlicher Phytoplanktontypen an der Gesamtbiomasse wird anhand der Auswertung charakteristischer Absorptionsstrukturen von hyperspektralen Messdaten (PhytoDOAS-Methode) ermittelt. Somit soll ein synergetisches Produkt aus sich ergänzenden Informationen multi- und hyperspektraler Satelliteninstrumente entwickelt werden, das auf ähnliche Satelliteninstrumente, deren Messungen in naher Zukunft starten, übertragbar sein wird. Damit kann dann ein Datensatz über die Verteilung von Phytoplanktontypen über Dekaden erstellt werden. Mit dem im Projekt entstehenden Datensatz über die Verteilung der Phytoplanktontypen soll deren Variabilität und Korrelation mit sich ändernden Umweltfaktoren im Antarktischen Ozean in den vergangenen untersucht werden. Darüber hinaus soll unser Datensatz genutzt werden, zur Verbesserung und Evaluierung eines Ökosystem-Models, welches die Biogeographie verschiedener Phytoplanktontypen durch Parametrisierung physiologischer Eigenschaften an ein Ozeanzirkulatonsmodell errechnet. Mit Hilfe des Langzeitdatensatz und dem damit verbundenen Wissen über die Variabilität der Phytoplanktontypen, wird ein Fundament geschaffen, um den Einfluss der Klimaveränderungen im Antarktischen Ozean zu bemessen.
| Organisation | Count |
|---|---|
| Bund | 1233 |
| Europa | 154 |
| Global | 1 |
| Kommune | 12 |
| Land | 202 |
| Schutzgebiete | 1 |
| Wirtschaft | 9 |
| Wissenschaft | 527 |
| Zivilgesellschaft | 38 |
| Type | Count |
|---|---|
| Daten und Messstellen | 4 |
| Förderprogramm | 1095 |
| Hochwertiger Datensatz | 2 |
| Text | 1 |
| unbekannt | 158 |
| License | Count |
|---|---|
| Geschlossen | 5 |
| Offen | 1124 |
| Unbekannt | 131 |
| Language | Count |
|---|---|
| Deutsch | 748 |
| Englisch | 633 |
| Resource type | Count |
|---|---|
| Archiv | 5 |
| Datei | 14 |
| Dokument | 6 |
| Keine | 760 |
| Webseite | 486 |
| Topic | Count |
|---|---|
| Boden | 1260 |
| Lebewesen und Lebensräume | 1068 |
| Luft | 834 |
| Mensch und Umwelt | 1260 |
| Wasser | 718 |
| Weitere | 1248 |