API src

Found 1974 results.

Similar terms

s/grau/Gras/gi

Related terms

10-minütige Stationsmessungen der Windrichtung der maximalen Windspitze in ca. 10 m Höhe in Grad für Deutschland

Diese Daten stammen von den Stationen des DWD und qualitativ sowie rechtlich gleichgestellten Partnernetzen. Umfangreiche Stationsmetadaten (Stationsverlegungen, Instrumentenwechsel, Wechsel der Bezugszeit, Änderungen in den Algorithmen) werden beim Download über das CDC-Portal mitgeliefert. Die Messungen sind einem Zeitstempel in UTC zugeordnet, welcher das Ende des 10-min Intervalls markiert. Ausgegeben wird die Windrichtung der Windspitze innerhalb eines 10-min Intervalls.

10-minütige Stationsmessungen der mittleren Windrichtung in ca. 10 m Höhe in Grad für Deutschland

Diese Daten stammen von den Stationen des DWD und qualitativ sowie rechtlich gleichgestellten Partnernetzen. Umfangreiche Stationsmetadaten (Stationsverlegungen, Instrumentenwechsel, Wechsel der Bezugszeit, Änderungen in den Algorithmen) werden beim Download über das CDC-Portal mitgeliefert. Die Messungen sind einem Zeitstempel in UTC zugeordnet, welcher das Ende des 10-min Intervalls markiert. Die mittlere Windrichtung wird berechnet aus den 3-Sekunden Werten innerhalb eines 10-min Intervalls.

Stundenmittel aus Stationsmessungen der Windgeschwindigkeit und Windrichtung für Deutschland

Diese Daten stammen von den Stationen des DWD und rechtlich sowie qualitativ gleichgestellten Partnernetzen. Umfangreiche Stationsmetadaten (Stationsverlegungen, Instrumentenwechsel, Wechsel der Bezugszeit, Änderungen in den Algorithmen) werden beim Download mitgeliefert. Der Datensatz ist aufgeteilt in einen versionierten Teil mit abgeschlossener Qualitätsprüfung, im Verzeichnis ./historical/. Und einen sich kontinuierlich aktualisierenden Teil, für den die Qualitätsprüfung noch nicht abgeschlossen ist, im Verzeichnis ./recent/. In dem Ordner ./timeseries_overview/ stehen Angaben zu langen Zeitreihen zur Verfügung.

Dynamic World training dataset for global land use and land cover categorization of satellite imagery

The Dynamic World Training Data is a dataset of over 5 billion pixels of human-labeled ESA Sentinel-2 satellite image, distributed over 24000 tiles collected from all over the world. The dataset is designed to train and validate automated land use and land cover mapping algorithms. The 10m resolution 5.1km-by-5.1km tiles are densely labeled using a ten category classification schema indicating general land use land cover categories. The dataset was created between 2019-08-01 and 2020-02-28, using satellite imagery observations from 2019, with approximately 10% of observations extending back to 2017 in very cloudy regions of the world. This dataset is a component of the National Geographic Society - Google - World Resources Institute Dynamic World project. The dataset consists of two file types: GeoTIFF files of 510x510 pixel 10m resolution satellite image tiles markup provided by human labelers, and Excel (.xlsx) tables of metadata and class statistics for the above GeoTIFF files. The data is organized into three main folders. One folder contains training data labeled by a team of 25 expert human labelers recruited by National Geographic Society specifically for this project. A second folder contains training data labeled by a larger group of commissioned labelers provided by a commercial crowd-labeler service. The data in these folders is organized by hemisphere and biome number from the RESOLVE Ecoregions2017 biomes categories (https://ecoregions2017.appspot.com/). A third folder contains a validation dataset. This is a holdout set of training data for assessing model accuracy. None of this data is intended to be used in the formulation of the model. Each validation tile was independently labeled by three experts. The validation set contains two versions: the individual markup from each expert labeler, and the image composites of the individual markups. Each GeoTIFF file encodes information on the location of landscape feature classes as determined by a given labeler. Classes were labeled by visual examination of true color (RGB) composites of Sentinel-2 MultiSpectral Level-2A scenes. The Tier 1 class values used in this phase of the project are as follows: 0 No data (left unmarked), 1 Water, 2 Trees, 3 Grass, 4 Flooded Vegetation, 5 Crops, 6 Scrub, 7 Built Area, 8 Bare Ground, 9 Snow/Ice, 10 Cloud. This dataset does not include the original Sentinel-2 imagery tiles, but metadata on the exact image ID and date is provided The original Sentinel-2 imagery was obtained via Google Earth Engine. This data is available under a Creative Commons BY-4.0 license and requires the following attribution: This dataset is produced for the Dynamic World Project by National Geographic Society in partnership with Google and the World Resources Institute. Development of the Dynamic World training data was funded in part by the Gordon and Betty Moore Foundation.

Schwerpunktprogramm (SPP) 1374: Biodiversitäts-Exploratorien; Exploratories for Long-Term and Large-Scale Biodiversity Research (Biodiversity Exploratories), Teilprojekt: EXClAvE - Landnutzungseffekte auf Pflanzen- und Bakteriengemeinschaften in einem experimentellen 'common garden' Ansatz

In der nächsten Phase der Biodiversitäts Exploratorien sollen Experimente dabei helfen die Effekte verschiedener Landnutzungskomponenten auf Ökosysteme zu ermitteln. 'Common garden' Experimente werden genutzt, um die Umweltheterogenität zu minimieren, die ansonsten interessante Effekte verschleiert. Wir planen Grasnarben, die von n = 42 Plots der Biodiversitäts Exploratorien entnommen werden, in einem 'common garden' auszubringen wo die Intensität der Mahd und der Düngung manipuliert werden soll. In den nächsten drei bis 15 Jahren werden die Veränderungen in den Pflanzen- und Bakteriengemeinschaften auf den Grasnarben verfolgt. Hierfür wird die Zusammensetzung und Diversität der Pflanzen und Bakterien (next-generation 16S rRNA gene amplicon sequencing) ermittelt. Zusätzlich werden noch 3D-Modelle der Pflanzengemeinschaften, die durch multispektrale Information ergänzt werden, erstellt (PlantEye F500, Phenospex, Heerlen, The Netherlands). Diese Modelle erlauben die Errechnung von Parametern, die ganze Pflanzengemeinschaften charakterisieren. Änderungen in den Pflanzen- und Bakteriengemeinschaften werden mit der Landnutzung der Plots in den vergangenen Jahren ins Verhältnis gesetzt. Wir erwarten, dass Gemeinschaften, die aus verschiedenen Plots stammen, aber die gleiche Landnutzung erfahren in Ihrer Zusammensetzung und Diversität konvergieren; Gemeinschaften aus den gleichen Plots, die aber unterschiedliche Landnutzung erfahren, sollten divergieren. Das Projekt nutzt das Vorwissen zu den einzelnen Plots in Bezug auf Landnutzung und Artenzusammensetzung, liefert neuartige Daten für die Biodiversitäts Exploratorien, und stellt einen unabhängigen und neuartigen Beitrag zu der Frage, wie Landnutzug Ökosysteme beeinflusst, dar.

Tägliche Raster der mittleren Bodenfeuchte unter Gras für Deutschland

Die täglichen Raster der Bodenfeuchte werden für 10 cm Schichten bis zu einer Tiefe von 2 Meter und für vordefiniert Schichtdicken von 0-30, 0-60 und 0-90 cm für drei unterschiedliche landwirtschaftliche Kulturarten mit dem Modell AMBAV 2.0 V1.5 berechnet. Die für die Berechnung nötigen meteorologischen Eingabefelder müssen in stündlicher Auflösung vorliegen und werden von interpolierten Wetterstationsdaten abgeleitet. Des Weiteren wird das Modell mit Bodeninformationen aus den Bodenleitprofilen der nutzungsdifferenzierten Bodenübersichtskarte (BÜK 1000 N) der Bundesanstalt für Geowissenschaften und Rohstoffe (BGR) parametrisiert. Bei gleicher Bodenart unterscheiden sich die Böden je nach Nutzung. Es wird zwischen Wald-, Grünland- und Ackerbaunutzung unterschieden. Außerdem ist die Gründigkeit der Böden, sowie der Skelettanteil (Grobboden > 2 mm) in den verschiedenen Bodenschichten berücksichtigt. Die Daten haben eine räumliche Auflösung von 1 x 1 km und decken ganz Deutschland ab. Daten außerhalb von Deutschland oder in Siedlungsgebieten mit versiegelten Flächen haben eine Fehlkennung -9999. Alle Angaben zum Raster sind in den Metadaten des netcdf Files hinterlegt.

Stündliche Stationsmessungen der Windgeschwindigkeit und Windrichtung für Deutschland

Diese Daten stammen von den Stationen des DWD und rechtlich sowie qualitativ gleichgestellten Partnernetzen. Umfangreiche Stationsmetadaten (Stationsverlegungen, Instrumentenwechsel, Wechsel der Bezugszeit, Änderungen in den Algorithmen) werden beim Download mitgeliefert. Der Datensatz ist aufgeteilt in einen versionierten Teil mit abgeschlossener Qualitätsprüfung, im Verzeichnis ./historical/. Und einen sich kontinuierlich aktualisierenden Teil, für den die Qualitätsprüfung noch nicht abgeschlossen ist, im Verzeichnis ./recent/. In dem Ordner ./timeseries_overview/ stehen Angaben zu langen Zeitreihen zur Verfügung.

Führt eine gesteigerte Siliziumverfügbarkeit zu eine Erhöhung der Mineralisierung von organischem Material in Niedermooren?

Silizium (Si) spielt eine wichtige Rolle im globalen Kohlenstoffkreislauf. Die Si-Verfügbarkeit in Ökosystemen ist dabei sehr unterschiedlich, abhängig von Ökosystemtyp, Ausgangsgestein, Vegetation und weiteren Faktoren. Aktuelle Forschung hat gezeigt, dass die Si-Verfügbarkeit entscheidend für Nährstoffgehalt und Nährstoffstöchiometrie von pflanzlicher Streu ist; besonders deutlich ist dieser Zusammenhang in Gräser-dominierten Systemen. Bedeutend in dem Zusammenhang ist eine gesteigerte Abbaurate von organischem Material bei gesteigerter Si-Verfügbarkeit. Pflanzenstreu mit geringen Nährstoffgehalten wird bekanntermaßen langsamer abgebaut als nährstoffreiche Streu. Allerdings konnte kürzlich gezeigt werden, dass nährstoffarme Streu mit hohen Si-Gehalten schneller abgebaut wird als nährstoffreiche Streu mit wenig Si. Dabei wurde gleichzeitig durch die Erhöhung des Si-Gehaltes der Streu die Biomasse der abbauenden Pilze stark reduziert. Dies beweist die Bedeutung von Si für den Kohlenstoffkreislauf und die mikrobielle Abbaugemeinschaft in von Gräsern dominierten Ökosystemen. Niedermore, als wichtige Kohlenstoffspeicher und bedeutende Treibhausgas-emittenden, sind solche von Gräsern dominierten Ökosysteme mit einem potentiell hohen Einfluss von Si auf den Kohlenstoffkreislauf. Eine Vorabstudie, welche den Einfluss von Si auf den Kohlenstoffkreislauf in einem Niedermoor untersuchte, zeigte eine verstärkte Respiration mit einer Vordopplung der Methangehalte im Torfkörper auf Si gedüngten Flächen. Allerdings wurde gleichzeitig zu den erhöhten Respirationsraten auch ein Anstieg der Phosphorgehalte (P) in der Bodenlösung gemessen. Eine Erhöhung des verfügbaren P führt bekanntermaßen ebenfalls zu einer Erhöhung der Respiration. Das Ziel des beantragten Projektes ist die direkten Effekte von Si auf den Kohlenstoffkreislauf von den indirekten Effekten (durch die Si bedingte P-Mobilisierung) zu trennen und eine Quantifizierung beider Prozesse vorzunehmen. Unsere Hypothesen sind (i) eine höhere Si Verfügbarkeit führt zu einer Steigerung der Respiration organischer Substanz (Torf), durch (ii) direkte Si-Effekte und indirekte Si-Effekte durch eine Steigerung der P-Verfügbarkeit, (iii) die Steigerung der Respiration durch Si wird vorrangig durch Bakterien als durch Pilze erzielt und (iv) eine Steigerung der Si Verfügbarkeit führt zu einer Steigerung von P und N Verfügbarkeit, Umsatz und Aufnahme durch Pflanzen und damit zu labilerer Streu. Die Mechanismen zu verstehen auf welche Weise Si den Kohlenstoffkreislauf in Niedermooren beeinflusst ist ein wichtiger Teil eines verbesserten Verständnisses des terrestrischen Kohlenstoffkreislaufs.

Prozessoptimierung eines Bioraffinationsverfahrens zur Gärrestaufbereitung mit dem Ziel der Gewinnung von Torfersatzstoffen unter Praxisbedingungen an Biogasanlagen, Teilvorhaben 1: Projektleitung, LCA, Wissenstransfer und Prozesskettenoptimierung

Specific leaf area of vascular plants from the Northern Black Forest, SW-Germany, 2018

Specific leaf area (SLA) was determined for five vascular plant species of contrasting functional groups (evergreen tree, deciduous tree, herb, grass). Samples were collected in August 2018 in the Northern Black Forest, SW-Germany. Upon sampling, vascular plant leaves were put into plastic bags to avoid shrinkage. Leaves were kept cool and measured within 24 hours after return to the laboratory. Leaf petioles were cut off and excluded from surface area measurements (see protocol in Pérez-Harguindeguy et al. 2013). Leaf area was measured using a flatbed scanner. After area measurements were conducted, all individual samples were oven-dried at 70 °C for 48 hours and weighed. Species nomenclature followed Oberdorfer (2001).

1 2 3 4 5 … 196 197 198