Ziel diesen Antrags ist die Teilnahme der universitären Partner an den Messungen der Kampagne PGS (POLSTRACC/ GWLCYCLE/ SALSA), die im Winter 2015/2016 durchgeführt werden sollen. An der geplanten HALO Kampagne sind die Universitäten Frankfurt, Mainz, Heidelberg und Wuppertal beteiligt. Die Universität Mainz ist kein voller Partner dieses Antrages, da es kein Projekt der Universität Mainz (AG Prof. Peter Hoor) in der letzten Phase des Schwerpunktprogramms gab. Der finanzielle Teil der geplanten Aktivitäten der Universität Mainz soll daher über die Universität Frankfurt abgewickelt werden. Der wissenschaftliche Beitrag der Universität Mainz ist allerdings in einer ähnlichen Weise dargestellt wie für die anderen universitären Partner. Das Ziel von PGS ist es, Beobachtungen einer großen Zahl verschieden langlebiger Tracer zur Verfügung zu stellen, um chemische und dynamische Fragestellungen in der UTLS zu untersuchen (POLSTRACC und SALSA) und die Bildung und Propagation von Schwerwellen in der Atmosphäre zu untersuchen. (GWLCYCLE). Die Universitäten Frankfurt und Wuppertal schlagen vor hierfür GC Messungen von verschieden langlebigen Spurengasen und von CO2 (Wuppertal) durchzuführen. Die Universität Mainz schlägt den Betrieb eines Laser Spektrometers für schnelle Messungen von N2O, CH4 und CO vor und die Universität Heidelberg plant Messungen reaktiver Chlor und Bromverbindungen mit Hilfe der DOAS Technik. Die wissenschaftlichen Studien, die mit den gewonnen Daten durchgeführt werden sollen, werden im Antrag umrissen. Es sind Studien zu Herkunft und Transport von Luftmassen in der UTLS, zu Transportzeitskalen und zum chemischen Partitionierung. Es sei an dieser Stelle darauf hingewiesen, dass diese wissenschaftlichen Arbeiten zwar hier umrissen werden, die Studien selbst aber aufgrund der begrenzten Personalförderung und der kurzen Laufzeit nicht Teil dieses Antrags sind. Ziel dieses Antrags ist es, die Vorbereitung und Integration der Messgeräte zu ermöglichen, die Messungen durchzuführen und die Daten für die Datenbank auszuwerten. Wir beantragen daher hier den universitären Anteil an den Missionskosten (incl. Zertifizierung der Gesamtnutzlast und der Flugkosten), die Personalmittel, Reisekosten und Verbrauchskosten für die Durchführung der Messungen.
Die Natrium D-Linien stellen eine der wichtigsten Emissionen des terrestrischen Nightglow-Spektrums dar. Die Na-Emission wurde 1929 durch Vesto Slipher erstmals beschrieben. Sydney Chapman schlug im Jahre 1939 einen Anregungsmechanismus für die Na-D Emission vor, der durch die Reaktion von Na und Ozon initiiert wird. Obwohl die Na-D Nightglow-Emission seit über 80 Jahren Gegenstand wissenschaftlicher Untersuchungen ist, ist das Verständnis ihres Anregungsmechanismus noch immer unvollständig. Neuere Studien identifizierten zeitliche Variationen des D2/D1-Linienverhältnisses, das nicht mit dem ursprünglichen Chapman-Mechanismus vereinbar ist. Ein modifizierter Chapman-Mechanismus wurde 2005 durch Slanger et al. vorgeschlagen, der explizit zwischen den verschiedenen elektronischen Anregungszuständen des beteiligen NaO-Moleküls differenziert. Dieser Mechanismus wurde mit Boden-gestützten Messungen des D2/D1-Linienverhältnisses getestet, aber die vertikale Variation des Linienverhältnisses - ein kritischer Test des modifizierten Chapman-Mechanismus - wurde bisher nicht durchgeführt.Das Hauptziel der hier vorgeschlagenen Untersuchungen besteht darin, das wissenschaftliche Verständnis des Na-D Nightglow-Anregungsmechanismus mit Hilfe Satelliten-gestützter Messungen zu testen und eine Methode zur Ableitung von Na Profilen in der Mesopausenregion aus Messungen der Na-D Nightglow-Emission zu konsolidieren. Hierzu sollen Messungen der Instrumente OSIRIS auf dem Odin Satelliten, sowie SCIAMACHY auf Envisat verwendet werden. Die Synergie der beiden Datensätze ermöglicht auf einzigartige Weise die Untersuchung des Na-D Nightglow-Anregungsmechanismus. Konkret sollen die Satellitenmessungen für folgende Zwecke verwendet werden: 1) Die OSIRIS Messungen, die ein sehr hohes Signal-zu-Rausch-Verhältnis besitzen, sollen verwendet werden um das Verzweigungsverhältnis f für die Produktion von Na(2P) über die Reaktion von NaO und O - entsprechend dem ursprünglichen oder effektiven Chapman-Mechanismus - empirisch zu bestimmen. Hierzu werden unabhängige Na-Profilmessungen mit Boden-gestützten LIDARs und anderen verfügbaren Na Datensätzen eingesetzt. 2) Die SCIAMACHY Nightglow Limb-Messungen erlauben die spektrale Trennung der beiden Na D-Linien und sollen eingesetzt werden, um die vertikale Variation des D2/D1-Verhältnisses in der realen Atmosphäre abzuleiten. Die SCIAMACHY Messungen sind hierfür auf einzigartige Weise geeignet. Die hier vorgeschlagenen Ansätze ermöglichen wichtige und neue Beiträge, um das wissenschaftliche Verständnis des Na-D Nightglow-Anregungsmechanismus zu verbessern. Darüber hinaus tragen die erwarteten Ergebnisse dazu bei, die Methode zur Ableitung von Na-Profilen in der Mesopausenregion aus Messungen der Na-D Nightglow-Emission zu konsolidieren. Letzteres wird erreicht durch die Bereitstellung eines optimalen Verzweigungsverhältnisses f (sowie dessen Unsicherheit) des ursprünglichen Chapman-Anregungsmechanismus.
Die unzureichende Darstellung der Eis- und Flüssigphase in polaren Mischphasenwolken stellt eine der größten Unsicherheiten im Verständnis der beobachteten, starken klimatischen Veränderungen in hohen Breiten dar. Abweichungen in den modellierten und beobachteten Eispartikelkonzentrationen führen zu ungenauen Vorhersagen der makroskopischen Eigenschaften der Wolken und können falsche Berechnung der deponierten solaren Energie zur Folge haben. Um diese Situation zu verbessern und zu verlässlicheren Aussagen über die klimatische Entwicklung in hohen Breiten zu kommen, müssen verstärkt in-situ Messdaten insbesondere der Eisphase erhoben werden. Solche Messungen können aufgrund der geographischen Lage allerdings nur unter erheblichem Aufwand durchgeführt werden und scheitern meist daran, dass herkömmliche Messmethoden den Phasenzustand von kleinen (kleiner als 50 Mikrometer) Wolkenpartikeln nicht verlässlich bestimmen können.Die zuverlässige Bestimmung der Phasenzusammensetzung und insbesondere die Frage nach der Rolle kleiner Eispartikeln in polarer Mischphasenwolken, ist die Motivation des vorliegenden Projektantrags. Es sollen die Existenz und Konzentration kleiner Eispartikel in anstehenden Messkampagnen in der Arktis sowie im Südpolarmeer untersucht werden, wodurch gleichzeitig ein vertiefter Einblick in die mikrophysikalischen und optischen Eigenschaften kleiner Eispartikel gewonnen wird. Um dies zu erreichen, soll die neuartige Flugzeugmesssonde PHIPS (Particle Habit and Polar Scattering) zum Einsatz kommen, die stereomikroskopische Aufnahmen mit Streulichtmessungen an einzelnen Wolkenpartikeln kombiniert. Auf Basis dieser Messdaten soll ein neues Datenprodukt entwickelt werden, das zuverlässig Eispartikel von Flüssigtröpfchen unterscheidet.Die Hauptziele, die in diesem Projekt erreicht werden sollen, sind a) die selektive Detektion von Eispartikel mit Größen unterhalb 50 Mikrometer in polaren Mischphasenwolken, b) die mikrophysikalische Charakterisierung dieser Eispartikel hinsichtlich ihrer Form, Struktur und Oberflächenbeschaffenheit und c) die Quantifizierung der solaren Winkelstreufunktion von Eispartikeln in Mischphasenwolken. Die Analyse der Daten, welche in drei Feldmesskampagnen in der Arktis und im Südpolarmeer sowie in Wolkensimulations- experimenten gewonnen werden, wird einen wichtigen Beitrag zum Verständnis der klimatischen Veränderungen in den hohen Breiten und deren Modellierung liefern.
Light emerging from natural water bodies and measured by remote sensing radiometers contains information about the local type and concentrations of phytoplankton, non-algal particles and colored dissolved organic matter in the underlying waters. An increase in spectral resolution in forthcoming satellite and airborne remote sensing missions is expected to lead to new or improved capabilities to characterize aquatic ecosystems. Such upcoming missions include NASA's Plankton, Aerosol, Cloud, ocean Ecosystem (PACE) Mission; the NASA Surface Biology and Geology observable mission; and NASA Airborne Visible / Infrared Imaging Spectrometer (AVIRIS) - Next Generation airborne missions. In anticipation of these missions, we present an organized dataset of geographically diverse, quality-controlled, high spectral resolution inherent and apparent optical property (IOP/AOP) aquatic data. The data are intended to be of use to increase our understanding of aquatic optical properties, to develop aquatic remote sensing data product algorithms, and to perform calibration and validation activities for forthcoming aquatic-focused imaging spectrometry missions. The dataset is comprised of contributions from several investigators and investigating teams collected over a range of geographic areas and water types, including inland waters, estuaries and oceans. Specific in situ measurements include coefficients describing particulate absorption, particulate attenuation, non-algal particulate absorption, colored dissolved organic matter absorption, phytoplankton absorption, total absorption, total attenuation, particulate backscattering, and total backscattering, as well as remote sensing reflectance, and irradiance reflectance.
This product shows globally the daily snow cover extent (SCE). The snow cover extent is the result of the Global SnowPack processor's interpolation steps and all data gaps have been filled. Snow cover extent is updated daily and processed in near real time (3 days lag). In addition to the near real-time product (NRT_SCE), the entire annual data set is processed again after the end of a calendar year in order to close data gaps etc. and the result is made available as a quality-tested SCE product. There is also a quality layer for each day (SCE_Accuracy), which reflects the quality of the snow determination based on the time interval to the next "cloud-free" day, the time of year and the topographical/geographical location. The “Global SnowPack” is derived from daily, operational MODIS snow cover product for each day since February 2000. Data gaps due to polar night and cloud cover are filled in several processing steps, which provides a unique global data set characterized by its high accuracy, spatial resolution of 500 meters and continuous future expansion. It consists of the two main elements daily snow cover extent (SCE) and seasonal snow cover duration (SCD; full and for early and late season). Both parameters have been designated by the WMO as essential climate variables, the accurate determination of which is important in order to be able to record the effects of climate change. Changes in the largest part of the cryosphere in terms of area have drastic effects on people and the environment. For more information please also refer to: Dietz, A.J., Kuenzer, C., Conrad, C., 2013. Snow-cover variability in central Asia between 2000 and 2011 derived from improved MODIS daily snow-cover products. International Journal of Remote Sensing 34, 3879–3902. https://doi.org/10.1080/01431161.2013.767480 Dietz, A.J., Kuenzer, C., Dech, S., 2015. Global SnowPack: a new set of snow cover parameters for studying status and dynamics of the planetary snow cover extent. Remote Sensing Letters 6, 844–853. https://doi.org/10.1080/2150704X.2015.1084551 Dietz, A.J., Wohner, C., Kuenzer, C., 2012. European Snow Cover Characteristics between 2000 and 2011 Derived from Improved MODIS Daily Snow Cover Products. Remote Sensing 4. https://doi.org/10.3390/rs4082432 Dietz, J.A., Conrad, C., Kuenzer, C., Gesell, G., Dech, S., 2014. Identifying Changing Snow Cover Characteristics in Central Asia between 1986 and 2014 from Remote Sensing Data. Remote Sensing 6. https://doi.org/10.3390/rs61212752 Rößler, S., Witt, M.S., Ikonen, J., Brown, I.A., Dietz, A.J., 2021. Remote Sensing of Snow Cover Variability and Its Influence on the Runoff of Sápmi’s Rivers. Geosciences 11, 130. https://doi.org/10.3390/geosciences11030130
Bei dem Datensatz handelt es sich um Fernerkundungsdaten aus dem Copernicus-Programm der Europäischen Kommission und der Europäischen Weltraumorganisation, die für das Gebiet von Sachsen-Anhalt aufbereitet wurden. Die Sentinel-2 Satelliten des Copernicus-Programm liefern multispektrale Aufnahmen im Wellenlängenbereich des sichtbaren Licht (VIS) und nahen Infrarotbereich (NIR) aus denen nahezu wolkenfreie Mosaikbilder erstellt werden. Diese Daten finden insbesondere in der Forst-, Wasser-, und Agrarwirtschaft Anwendung um z.B. zeitliche Veränderungen zu beobachten.
Der rasche Ausbau der erneuerbaren Energiequellen stellt eine große Herausforderung dar, wenn es darum geht, die Energieentwicklung mit konkurrierenden Interessen in Einklang zu bringen. Dies unterstreicht die Notwendigkeit präziser raumbezogener Daten, um eine effektive Bilanzierung, Steuerung oder Bewertung der Einhaltung gesetzlicher Vorgaben zu ermöglichen. In Deutschland stellt das vom Bundesnetzagentur betriebene Marktstammdatenregister (MaStR) eine weit verbreitete Datenquelle für standort- und anlagenspezifische Informationen dar. Der vorliegende Datensatz baut auf dem Marktstammdatenregister auf und verbessert dessen räumliche Genauigkeit für Onshore-Windkraftanlagen durch die Nutzung hochauflösender Fernerkundungsdaten und Deep Learning gestützter Objekterkennung. Der Datensatz besteht aus Punktgeometrien von Windenergieanlagen an Land in Deutschland. Die Windkraftanlagen wurden mithilfe des Objekterkennungsalgorithmus YOLO auf hochauflösenden Satellitenbild-Zeitreihen von PlanetScope detektiert. Die Inferenz erfolgte auf monatlichen PlanetScope-Basiskarten (Global Monthly Basemaps) für die Monate April bis Oktober der Jahre 2018 bis 2024, mit insgesamt 45 deutschlandweiten Inferenzdurchläufen. Das Trainingsdatenset basiert auf den von Manske & Schmiedt (2023) am UFZ semi-manuell korrigierten Standortdaten des Marktstammdatenregisters für die Jahre 2021, 2022 und 2023. Dabei wurden Windkraftanlagen standortgleichmäßig ausgewählt, um eine geografisch ausgewogene Trainingsstichprobe zu gewährleisten. Zusätzlich wurden Negativbeispiele in das Trainingsset aufgenommen. Diese wurden sowohl zufällig aus ganz Deutschland ausgewählt (mit Ausschlusszonen um Windkraftstandorte) als auch gezielt aus Objektklassen, die häufig zu Fehlklassifizierungen führen (z. B. Strommasten, Mobilfunktürme), basierend auf Daten aus OpenStreetMap. Der Datensatz wurde in mehreren Iterationen verfeinert: Schlechte anfängliche Labels, die nicht zuverlässig über mehrere Zeitpunkte hinweg vom trainierten Modell erneut erkannt wurden, wurden gefiltert. Zusätzlich wurden Szenen ergänzt, bei denen das Modell Schwierigkeiten hatte. Die monatlichen Detektionen von Windkraftanlagen über Deutschland hinweg wurden zeitlich aggregiert. Hierzu wurden alle Detektionen zusammengeführt, die innerhalb eines bestimmten Puffers über die Zeit hinweg wiederholt erkannt wurden. Die Zeitreihe der Erkennungszeitpunkte wurde als Attribut an die aggregierten Punkte angefügt. Um Detektionsrauschen zu filtern, kann der Datensatz nach einer Mindestanzahl von Erkennungen pro Punkt gefiltert werden. In zukünftigen Arbeiten planen wir, den Datensatz um aktuelle Monate zu erweitern, die Nachbearbeitung zur Eliminierung von Fehlklassifikationen zu verbessern sowie für jede Erkennung eine Verlinkung zur jeweiligen ID im Marktstammdatenregister bereitzustellen.
This pre-study pilot project will be carried out in Kenya and Tanzania and is part of a more extensive remote sensing project (initiated by the European Space Agency, ESA) aiming to develop a monitoring system for the assessment of land cover change of farmlands, rangelands and forest standings (logging, fires, uncontrolled deforestation, new settlements, etc.) at a national regional level. An integrated approach of remote sensing techniques (both through the use of satellite and ground data), physical vegetation models and ground measurements will be adopted. Operatively, the execution will consist of a 6-month period (pre-study) consisting in a ground campaign along a north-south transect, which is almost unknown to the current vegetation cartography. Based on the field results of the pre-study and within an on-going 30 month period (extended study, see Annexed 3), new classification methods and algorithms will be developed for assessment of land use and cover change using ENVISAT-data. An outcoming of this research will be a system capable to monitor and plan the available agricultural food resources for those developing regions.
This dataset provides monthly maximum Land Surface Temperature (LST) values over Europe, derived from 1-km AVHRR observations. The data is generated by DLR and provided in the framework of the TIMELINE project. LST values are retrieved using physically-based split- and mono-window algorithms and corrected for atmospheric influences and surface emissivity. Only cloud-free observations with sensor view angles below 50 degrees are used. Due to reliance on infrared observations, data may be limited under persistent cloud cover. To ensure temporal consistency across sensors and overpass times, an orbit drift correction method was applied. This method harmonizes LST values to a fixed reference time of 13:00 local solar time, approximating the daily maximum temperature. The dataset is gridded in a 1-km LAEA ETRS89 projection. The product is provided in four tiles, covering the extent of the European Environmental Agency (EEA) reference grid, which includes the area from 900 000 m East and 900 000m North to 7 400 000m East and 5 500 000m North. The TIMELINE (TIMe Series Processing of Medium Resolution Earth Observation Data assessing Long-Term Dynamics In our Natural Environment) project, led by the German Remote Sensing Data Center (DFD) of the German Aerospace Center (DLR), focuses on generating a consistent, multi-decadal time series derived from NOAA and Metop AVHRR data. Spanning more than 40 years from the early 1980s to the present this dataset covers Europe and North Africa. TIMELINE establishes an operational environment for the systematic reprocessing of AVHRR raw data into Level 1b, Level 2, and Level 3 geoinformation products at 1.1 km spatial resolution. These products maintain uniform standards in format, projection, and spatial coverage. The dataset includes a comprehensive suite of land and atmospheric parameters such as atmospherically corrected surface reflectance, NDVI, snow cover, fire hotspots, burnt area, land and sea surface temperatures, and various cloud physical properties (e.g., cloud top temperature). By combining traditional and innovative remote sensing products with robust processing algorithms and state-of-the-art validation techniques, TIMELINE provides a unique, high-quality dataset for global change research.
Im Teilvorhaben 3 wird im Modul 5 (Flächendeckendes satellitengestütztes Monitoring der Wachstumsreaktion) ein satellitenbasiertes räumliches Monitoring der Wachstumsreaktion der Bäume für die Testgebiete entwickelt. Als Wachstumsreaktion wird die Veränderung des Saftflusses sowie des Dickenwachstums als Reaktion auf extreme Hitze- und Trockenperioden definiert. Beide Variablen werden mittels DHC-Stationen in situ gemessen und durch die Kombination mit Satellitendaten in die Fläche überführt. Als Prädiktoren werden neuartige Daten der spektral hochaufgelösten ECOSTRESS (IR hyperspektral), OCO-3 und DESIS (Hyperspektralsensor) herangezogen, die alle auf der ISS installiert und damit optimal für eine solche Datenkombination geeignet sind. Die Daten der punktuellen DHC-Stationen werden verwendet, um maschinelle Lernmodelle auf der Basis der spektral hochaufgelösten neuen Fernerkundungsdaten unter normalen und extremen Klimabedingungen zu trainieren. Die Modelle können auf das Prädiktorgitter angewendet werden, sodass die Zielvariablen räumlich modelliert werden können. Aufgrund der schlechten zeitlichen Auflösung werden diese Daten wiederum als Prädiktoren verwendet, um die Zielvariablen auf konventionelle, zeitlich höher aufgelöste (Sentinel, MODIS) und Kronen auflösende Systeme (Planet) zu transferieren. Damit ist ein räumliches Monitoring unter verschiedenen Klimabedingungen möglich. ECOSTRESS liefert gegitterte Prädiktorvariablen zur Verdunstung, zum Evaporative Stress Index sowie zur Water Use Efficiency in 30 bis 70 m Auflösung, die mit DHC-Messungen des Saftflusses kombiniert werden. OCO-3 liefert Informationen zur fotosynthetischen Aktivität (SIF: solar-induced chlorophyll fluorescence) in etwa 2 km Auflösung, die mit den DHC-Messungen zum Dickenwachstum kombiniert werden. DESIS liefert hyperspektrale Daten in 30 m Auflösung und wird v.a. für die Erhöhung der räumlichen Auflösung der OCO-3 Daten verwendet.
| Origin | Count |
|---|---|
| Bund | 1180 |
| Global | 3 |
| Kommune | 1 |
| Land | 56 |
| Wirtschaft | 1 |
| Wissenschaft | 150 |
| Type | Count |
|---|---|
| Daten und Messstellen | 11 |
| Ereignis | 1 |
| Förderprogramm | 1123 |
| Sammlung | 5 |
| Text | 46 |
| unbekannt | 165 |
| License | Count |
|---|---|
| geschlossen | 51 |
| offen | 1290 |
| unbekannt | 10 |
| Language | Count |
|---|---|
| Deutsch | 991 |
| Englisch | 528 |
| Resource type | Count |
|---|---|
| Archiv | 7 |
| Bild | 1 |
| Datei | 6 |
| Dokument | 27 |
| Keine | 808 |
| Unbekannt | 1 |
| Webdienst | 3 |
| Webseite | 514 |
| Topic | Count |
|---|---|
| Boden | 1121 |
| Lebewesen und Lebensräume | 1154 |
| Luft | 906 |
| Mensch und Umwelt | 1351 |
| Wasser | 925 |
| Weitere | 1330 |