API src

Found 608 results.

Related terms

Trockenstress-Monitoring von Getreide durch Fernerkundung

Extreme Temperaturen und Wassermangel verursachen Trockenstress an landwirtschaftlichen Kulturen. Weltweit werden die Auswirkungen von Trockenstress auf wichtige Feldfrüchten untersucht und Methoden zur Überwachung und zur Früherkennung von Trockenstress und anderen Stressfaktoren untersucht. Damit soll der gezielte. Einsatz agrotechnischer Maßnahmen wie Fruchtwechsel, Düngung, Bodenbearbeitung und Bewässerungsplanung unterstützt werden, um Ernteeinbußen zu verhindern. Ein weiterer Aspekt sind mögliche Auswirkungen der globalen Erwärmung auf die landwirtschaftliche Produktion, die sich zu einem der Hauptthemen der Forschung auf dem Gebiet das Klimawandels entwickeln. Erdbeobachtung von Satelliten aus ermöglicht die rationelle Überwachung des Zustands landwirtschaftlicher Kulturen über große Flächen. lü jüngster Zeit wurden neue Sensorsysteme entwickelt und in Erdumlauf gebracht, die neue Möglichkeiten auch für das Monitoring von Trockenstress landwirtschaftlicher Kulturen eröffnen. Die wesentlichen Merkreale dieser neuen optischen Sensoren sind hohe spektrale Auflösung (kleine Bandbreiten bis 10 nm herunter, eine große Anzahl von Spektralkanälen - bis zu einigen hundert, was im Prinzip Spektroskopie vom Satelliten aus ermöglicht), hohe räumliche Auflösung (Bildelementgrößen am Boden bis 60 cm herunter), und hohe zeitliche Auflösung -(bis zu täglicher Aufnahmemöglichkeit jedes Punktes der Erdoberfläche). Das Ziel dieses Projekts ist es, unter Ausnützung der neuen Möglichkeiten optischer Fernerkundung und der synergistischen Effekte der unterschiedlich Sensortypen Fernerkundungsmethoden zur Erkennung und zur Überwachung von Trockenstress an landwirtschaftlichen Kulturen zu entwickeln. Dazu werden physikalische Vegetationsmodelle angepasst und verbessert, die den Zusammenhang zwischen der Trockenstressintensität und Reflexionseigenschaften von Pflanzenbeständen quantitativ beschreiben. Methoden zur Analyse von Fernerkundungsbilddaten unter Verwendung dieser Vegetationsmodelle werden entwickelt. Dabei werden sowohl reflektierte als auch emittierte (thermale) Infrarotstrahlung berücksichtigt. Da es keine Sensoren gibt, die gleichzeitig alle drei der oben angeführten Arten der hohen Auflösung (spektral, räumlich und zeitlich) erfüllen, kommt der Kombination von Daten unterschiedlicher Sensoren besondere Bedeutung zu (image information fusion). Die Methodenwerden für ausgewählte Fruchtarten (Weizen und Mais) unter Anbaubedingungen in Österreich und Deutschland entwickelt und getestet.

Landmanagement Subsahara-Afrika: Gemeinsame Entwicklung von Innovationen für ein nachhaltiges Landmanagement in kleinbäuerlichen Betrieben in West-Afrika

Astronomisch angetriebene Klimaveränderungen auf dem Saturnmond Titan

Diese Studie soll die Rolle der Kohlenwasserstoffseen bei astronomisch angetriebenen Klimavariationen auf dem Saturnmond Titan näher beleuchten. Seen auf Titan sind stark auf die nördliche Polarregion konzentriert, während die Becken in der südlichen Polarregion größtenteils nicht mit Flüssigkeiten gefüllt sind. Diese Beobachtung führte zu kontroversen Diskussionen darüber, ob die polaren Seen Gegenstücke zu den irdischen Eisschilden darstellen, die mit dem Croll-Milankovitch-Zyklus wachsen und schrumpfen. Ein regionales und globales numerisches Modell der Methanhydrologie soll benutzt werden, um den Einfluss der Orbitalparametervariationen auf die Seen und deren Rückkopplung auf das Klima zu untersuchen. Die Hauptarbeitshypothese der Studie ist, dass sich der mittlere Seespiegel aufgrund der Variation des Niederschlags, der Verdunstung und des globalen Methantransportes in der Atmosphäre in Zeitskalen der Apsidendrehung von Saturn ändert. Auf regionaler Ebene wird ein dreidimensionales Ozeanzirkulationsmodell der Titan-Seen angewandt, um den orbitalen Einfluss auf die Zirkulation und Schichtung in den Seen zu untersuchen. Diese beinhalten die insbesondere die windgetriebene und dichtegetriebene Zirkulation, die für die Variationen der Seeoberflächentemperatur, -zusammensetzung und Verdunstung wichtig sind. Die langjährige Seespiegelveränderung wird durch Extrapolation der jährlichen Seespiegelveränderungen berechnet, die durch eine Serie von Simulationen unter den Orbitalparametern ausgewählter Epochen in der Vergangenheit prognostiziert werden. Auf globaler Ebene wird ein dreidimensionales atmosphärisches Zirkulationsmodell mit einem eingebauten atmosphärischen Hydrologie-Modul und vereinfachten Ozeanmodell angewandt, um die langjährige Veränderung der globalen Seeverteilung zu simulieren. Das globale Modell beschäftigt sich insbesondere mit der Frage, ob polare Seen in einer Hemisphäre auf Kosten der Seen in der anderen Hemisphäre innerhalb eines Orbitalzyklus anwachsen können oder ob es aus geographischen oder astronomischen Gründen eine Neigung zur Anhäufung der Seen in einer der beiden Hemisphären geben könnte. Ferner soll die Rückkopplung der variablen oder nicht variablen Seeverteilung auf den atmosphärischen Teil des Klimas untersucht werden indem die Simulationsergebnisse mit denen der Kontrollsimulation ohne Seen verglichen werden.

Einsatz der Erdbeobachtung zur Erfassung von klimabedingten Schädigungen des Waldes in Deutschland, Teilvorhaben 1: Koordination und deutschlandweite fernerkundliche Analysen des Waldes

Das Werkzeug der Erdbeobachtung wird auf verschiedenen Skaleneben genutzt, um Methodenentwicklungen voranzutreiben. Langjährige Erfahrungen des DLR-DFD in der skalenübergreifenden Nutzung und Auswertung von Satellitendaten und umfangreichen Satellitendaten-Zeitreihen verschiedenster Sensoren für globale, kontinentale, regionale und lokale Anwendung zur Beschreibung und Quantifizierung des Globalen Wandels werden zusammengeführt mit der langjährigen Erfahrung aus der forstlich fokussierten Fernerkundung, eingebracht durch die Kooperationspartner aus den forstlichen Forschungsanstalten der beteiligten Bundesländer Thüringen und Bayern, sowie Baden-Württemberg, Niedersachsen, Hessen, Sachsen-Anhalt und Schleswig-Holstein. Durch die Beteiligung der 4 Partner, die die forstliche Forschung in 7 Bundesländern vertreten, wird ca. 65% des deutschen Waldes abgedeckt. Die Kooperation ermöglicht eine zielgerechte, praxisnahe Herangehensweise kombiniert aus den Bedürfnissen der kooperierenden Länder, dem Wissen aller Beteiligten, um das Potential und der Grenzen der Fernerkundung und dem Wissen der forstlichen Institutionen der Länder, welche Interessen auf Bundes-, Landes- und Regionalebene bestehen. Gemeinsam wird mit robusten Methoden der Fernerkundung, wie anerkannten Technologien des maschinellen Lernens, an der Generierung und Weiterentwicklung praxis-relevanter Informationsprodukte für die raumzeitliche Erfassung von klimabedingten Schädigungen am Wald in Deutschland gearbeitet. Auf Landesebene wird auf Schädigungen an Laubhölzer in Bayern und in Thüringen auf die Ursachendifferenzierung von Schädigungen fokussiert. Auf der regionalen Ebene kann z.B. durch die Integration hoch genauer in-situ-Daten der beteiligten Projektpartner eine qualitative Prüfung ermöglicht und Herangehensweisen entwickelt und getestet werden, um relevante Informationen auf andere Skalenebenen zu übertragen.

Transregio (TRR) 410: neuartige Ökosysteme in wiedervernässten Niedermoorlandschaften, Teilprojekt C04: Verständnis der räumlichen und zeitlichen Dynamik der Vegetation in Wetscapes 2.0 durch Multisensor-Erdbeobachtungszeitreihen-Daten

Wir werden mit Hilfe von Erdbeobachtungsdaten räumlich kontinuierliche Karten erstellen, die (1) einen höheren Grad an thematischer Detailliertheit aufweisen als herkömmliche Karten, (2) die Vegetationsbedeckung jährlich (Artenbedeckung) und im Jahresverlauf quantifizieren und (3) zur Extrapolation von Biomasseschätzungen beitragen. Diese Daten werden verwendet, um die Auswirkungen der Wiedervernässung auf die Vegetationsbedeckung zu analysieren und die festgestellten Prozesse in Raum und/oder Zeit zu beschreiben oder aufzuschlüsseln.

Homogenisierung des globalen Radiosondendatensatzes

Reanalyseprojekte und Klimadatenassimilationssysteme sollten globale, zeitlich homogene, gegitterte dreidimensionale Datensätze von Temperatur, Feuchte und Wind erzeugen, die sich für Untersuchungen von Klimatrends und Klimavariabilität eignen. Solche Datensätze nennt man Reanalysen. Frühere Reanalysen haben diesen Anforderungen nur teilweise entsprochen, weil sich die atmosphärischen Beobachtungssysteme in den letzten 50 Jahren häufig geändert haben. Das globale Radiosondennetz ist praktisch das einzige Beobachtungssystem für höhere Atmosphärenschichten bis 1973 und beeinflusst auch in der Satelliten-Aera die Qualität der Reanalysen. Zeitserien und daraus abgeleitete Trends praktisch aller Radiosondenstationen sind durch Sprünge beeinträchtigt, die durch die Einführung verbesserte Instrumentierung verursacht sind. Die Korrektur dieser Brüche nennt man Homogenisierung.In diesem Projekt wird versucht, sie durch Vergleich mit Zeitserien aus 6-stündigen Vorhersagen, die im Rahmen des ERA-40 Projektes des Europäischen Zentrums für mittelfristige Wettervorhersagen (ECMWF) erstellt wurden, zu korrigieren. Diese Zeitserien sind zwar nicht perfekt, können aber als Referenz zur Korrektur der meisten Radiosondenzeitreihen verwendet werden. Während eines einjährigen Aufenthalts des Projektleiters am ECMWF wurde eine automatische Korrekturmethode entwickelt, die auf dem Vergleich dieser Zeitserien der Differenz zwischen ERA-40 Vorhersagen und Radiosondenbeobachungen (bg-obs) basiert. Die Methode liefert zwar vielversprechende Ergebnisse, muss aber verbessert werden, bevor die korrigierten Daten ausreichend abgesichert sind. In diesem Projekt sollen (i) die verwendeten statistischen Werkzeuge erweitert und verbessert werden, (ii) die statistisch bestimmten Korrekturen mit unabhängig bestimmten Korrekturen an speziellen Stationen verglichen werden. Es sollen nicht nur ERA-40 bg-obs Differenzen verwendet werden, sondern auch bg-obs Differenzen aus anderen Reanalysen. Ziel ist es, auf diese Weise einen 60-jährigen globalen homogenisierten Radiosondentemperaturdatensatz zu erstellen, der sich als Eingangsdatensatz für künftige Reanalysen eignet. Dieses Ziel wird in Kooperation mit dem ECMWF und dem englischen Wetterdienst verfolgt, und soll innerhalb von drei Jahren erreicht werden.

Pan-Arctic Visualization of Landscape Change (2005-2024), Arctic PASSION Permafrost Service

This raster dataset, in Cloud Optimized GeoTIFF format (COG), provides information on land surface changes at the pan-arctic scale. Multispectral Landsat-5 TM, Landsat-7 ETM+, Landsat-8 OLI, and Landsat-9 OLI-2 imagery (cloud-cover less than 70%, months July and August) was used for detecting disturbance trends (associated with abrupt permafrost degradation) between 2005 and 2024. For each satellite image, we calculated the Tasseled Cap multi-spectral index to translate the spectral reflectance signal to the semantic information Brightness, Greenness, and Wetness. In order to characterize change information, we calculated the linear trend of Brightness, Greenness, and Wetness over two decades at the individual pixel level, based on annually aggregated data. The final map product therefore contains information on the direction and magnitude of change for all three Tasseled Cap parameters at 30 m spatial resolution across the pan-arctic permafrost domain. Features detected include coastal erosion, lake drainage, infrastructure expansion, and fires. The general processing methodology was developed by Fraser et al. (2014) and adapted and expanded by Nitze et al. (2016, 2018). Here, we upscaled the processing to the circum-arctic permafrost region and applied it to the recent 20-year period from 2005 through 2024. The service covers the permafrost region up to 81° North: Alaska (USA), Canada, Greenland, Iceland, Norway, Sweden, Finland, Russia, Mongolia, and China. For Russia and China, regions not containing permafrost were excluded. The data have been processed in Google Earth Engine as part of the research projects ERC PETA-CARB, ESA CCI+ Permafrost, NSF Permafrost Discovery Gateway, and EU Arctic PASSION. The dataset is a contribution to the 'Pan-Arctic Requirements-Driven Permafrost Service' of the Arctic PASSION project (see References). Changes in the Tasseled Cap indices – Brightness, Greenness, and Wetness – are displayed in the image bands red, green, and blue, respectively. Here, coastal erosion (a trend of a land surface transitioning to a water surface) is depicted in dark blue tones, while coastal accretion (a trend of a water surface transitioning to a land surface) is depicted in bright orange colors. Drained lakes are shown in bright yellow or orange colors, depending on the soil conditions and vegetation regrowth. Fire scars are a further common feature, appearing in different colors depending on the time of the fire and the pre-fire land cover. The data can be explored via the Arctic Landscape EXplorer (ALEX; see References) and are available as a public web map service (WMS; see References), both hosted by Alfred Wegener Institute Helmholtz Centre for Polar and Marine Research.

Waldstörungen in der Russischen Taiga und ihr Einfluss auf die Kohlenstoffspeicherung

Borealen Wälder speichern fast ein Drittel des weltweiten terrestrischen Kohlenstoffs in Biomasse und Böden. Die Stabilität dieser Kohlenstoffvorräte ist in der jüngsten Zeit intensiv diskutiert worden, denn es wird erwartet, dass Waldstörungen wie etwa Insektenausbrüche, Stürme oder Brände im Klimawandel zunehmen werden. Während für die nordamerikanischen und europäischen borealen Wälder eine solide Wissensbasis über sich verändernde Waldstörungen existiert, gibt es für die russischen borealen Wälder nur wenige Fallstudien. Diese wenigen Fallstudien decken jedoch nur einen sehr kleinen Teil der riesigen Ausdehnung des russischen borealen Waldes ab, was wiederum das Kohlenstoffbudget des russischen borealen Waldes höchst unsicher macht. Im Rahmen des BOFOR-Projekts schlagen wir daher vor, diese Wissenslücke zu schließen, indem wir unser Verständnis der sich veränderte Waldstörungen und deren Einfluss auf den Kohlenstoffhaushalt des russischen borealen Waldes verbessern. Das Projekt verfolgt dabei die folgenden sechs Ziele: (1) Entwicklung eines neuen räumlich expliziten Datensatzes für Waldstörungen für den gesamten russischen borealen Wald unter Verwendung von Erdbeobachtungsdaten. (2) Die Zuordnung von Waldstörungen zu ihren kausalen Verursachern wie Feuer, Wind, Insektenbefall und Holzernte. (3) Quantifizierung der Sensitivität von Störungen in borealen Wäldern gegenüber zunehmenden Klimaextremen im Zuge des Klimawandels. (4) Quantifizierung der Erholungsfunktion nach Störung, mit besonderem Blick auf die Biomasse. (5) Quantifizierung der Sensitivität der Erholungsfunktion gegenüber biotischen, bodenkundlichen und klimatischen Faktoren. (6) Erstellung eines vollständigen Kohlenstoffbudgets für den borealen Wald, einschließlich Störungen und Erholung. Das von uns vorgeschlagene Projekt wird eine wichtige Wissenslücke im globalen Kohlenstoffkreislauf schließen und damit unser Verständnis des Klimaschutzpotenzials der Wälder weltweit erheblich verbessern.

Steigerung von Qualität und Effizienz bei der Ertragsabschätzung für Windparks, Teilvorhaben: Fernerkundung und Verlustmodellierung für bessere Ertragsabschätzungen

Zur Erreichung der von der neuen Bundesregierung gesteckten Ausbauziele in der Windenergie ist die Erschließung einer Vielzahl neuer Flächen für Windparks in kurzer Zeit erforderlich. Grundlage für die Windparkplanung an einem neuen Standort ist die Abschätzung der zu erwartenden Energieerträge sowie die Auswahl geeigneter Windenergieanlagen. Derzeit ist die Ertragsabschätzung mit hohen Unsicherheiten behaftet. Zudem ist sie insbesondere aufgrund der aktuell erforderlichen, einjährigen Windmessung zeit- und kostenintensiv. Ziel des Projektes ist es deshalb, durch Verbesserungen entlang der gesamten Prozesskette qualitativ bessere Ertragsabschätzungen in kürzerer Zeit und zu deutlich geringeren Kosten zu ermöglichen. Für die Zielerreichung werden Verfahren entwickelt, die eine bessere Datengrundlage (z.B.Reanalysen, Rauhigkeitsdaten) für die Windbranche liefern. Darüber hinaus werden an verschiedenen Stellen innovative Verfahren aus dem Bereich der Data Science wie maschinelles Lernen oder Modellensembles verwendet, um eine genaue Abschätzung der Energieerträge in kürzerer Zeit zu ermöglichen. Das Zusammenführen der verschiedenen Verfahren und Daten zu einem Gesamtprozess ermöglicht neben der Qualitätssteigerung einen hohen Grad an Automatisierung von Ertragsgutachten. Letztendlich schafft das Projekt damit die Grundlage für eine Senkung der Projektrisiken für Planer und Projektierer. Darüber hinaus können die entwickelten Verfahren auch für genauere regionale Potenzialabschätzungen verwendet werden und so einen Beitrag zur besseren Planung des Windenergieausbaus leisten. Das Fraunhofer IEE koordiniert das Verbundprojekt. Wissenschaftlich fokussiert sich das Fraunhofer IEE im Rahmen ihrer Forschungsarbeiten auf die Entwicklung von Verfahren zur Detektion von Rauhigkeitsänderungen auf Basis von Erdbeobachtungsdaten und entwickelt zeitreihenabhängige Verlustmodelle für verbesserte Ertragsabschätzungen.

Steigerung von Qualität und Effizienz bei der Ertragsabschätzung für Windparks

Zur Erreichung der von der neuen Bundesregierung gesteckten Ausbauziele in der Windenergie ist die Erschließung einer Vielzahl neuer Flächen für Windparks in kurzer Zeit erforderlich. Grundlage für die Windparkplanung an einem neuen Standort ist die Abschätzung der zu erwartenden Energieerträge sowie die Auswahl geeigneter Windenergieanlagen. Derzeit ist die Ertragsabschätzung mit hohen Unsicherheiten behaftet. Zudem ist sie insbesondere aufgrund der aktuell erforderlichen, einjährigen Windmessung zeit- und kostenintensiv. Ziel des Projektes ist es deshalb, durch Verbesserungen entlang der gesamten Prozesskette qualitativ bessere Ertragsabschätzungen in kürzerer Zeit und zu deutlich geringeren Kosten zu ermöglichen. Für die Zielerreichung werden Verfahren entwickelt, die eine bessere Datengrundlage (z.B.Reanalysen, Rauhigkeitsdaten) für die Windbranche liefern. Darüber hinaus werden an verschiedenen Stellen innovative Verfahren aus dem Bereich der Data Science wie maschinelles Lernen oder Modellensembles verwendet, um eine genaue Abschätzung der Energieerträge in kürzerer Zeit zu ermöglichen. Das Zusammenführen der verschiedenen Verfahren und Daten zu einem Gesamtprozess ermöglicht neben der Qualitätssteigerung einen hohen Grad an Automatisierung von Ertragsgutachten. Letztendlich schafft das Projekt damit die Grundlage für eine Senkung der Projektrisiken für Planer und Projektierer. Darüber hinaus können die entwickelten Verfahren auch für genauere regionale Potenzialabschätzungen verwendet werden und so einen Beitrag zur besseren Planung des Windenergieausbaus leisten. Das Fraunhofer IEE koordiniert das Verbundprojekt. Wissenschaftlich fokussiert sich das Fraunhofer IEE im Rahmen ihrer Forschungsarbeiten auf die Entwicklung von Verfahren zur Detektion von Rauhigkeitsänderungen auf Basis von Erdbeobachtungsdaten und entwickelt zeitreihenabhängige Verlustmodelle für verbesserte Ertragsabschätzungen.

1 2 3 4 5 … 59 60 61