The datasets includes 1) the noise exposure data, 2) the noise contours data, 3) razterized noise contours data and 4) potential quiet areas all under the terms of the Environmental Noise Directive (END). Data covers the EEA32 member countries and the United Kingdom (excluding Turkey for the third round of noise mapping in 2017).
Die Anzahl der verfügbaren Wolkenkondensationskerne (CCN) beeinflusst maßgeblich die mikrophysikalischen Wolkeneigenschaften, wie z.B. die Wolkentropfenanzahlkonzentration (CDNC) und deren Größenverteilung. CDNC und die Tropfengröße steuern sowohl die Strahlungseigenschaften als auch die Lebensdauer von Wolken. Dies wirkt sich komplex auf die Energiebilanz der Erde aus. Aktuelle Klimamodelle basieren häufig auf Annahmen über CCN Anzahlkonzentrationen und andere CCN bezogene Eigenschaften (z.B. Hygroskopizität), da für viele Regionen auf der Erde repräsentative Daten fehlen. Wenn vorhanden, handelt es sich bei diesen CCN Daten um bodengebundene Messungen, welche somit nicht - mit Ausnahme von Bergstationen - in der für Wolkenbildungsprozesse relevanten Höhe durchgeführt wurden. Für die Karibikregion wurde gezeigt, dass die bodengebundenen CCN Messungen für die gesamte marine Grenzschicht repräsentativ zu sein scheinen also auch für die Wolkenbildungsregionen. Im hier vorgeschlagenen Projekt wollen wir überprüfen, ob bodengebundene CCN Messungen auch in anderen Erdregionen repräsentativ sind für die CCN Anzahl in der Wolkenbildungsregion, und wenn ja, unter welchen Bedingungen. Dies würde die Anwendung von CCN Daten in Modellen stark vereinfachen. Dazu wird die Gültigkeit der Beobachtungen in der Karibik, in zwei gegensätzlichen Umgebungen getestet werden, einmal in einer marinen und einmal in einer kontinentalen Umgebung. Die Messkampagne zu marinen CCN soll auf den Azoren (Portugal) durchgeführt werden. Wir werden kontinuierlich verfügbare CCN Daten von der Azoren Eastern Nordatlantik (ENA) Station auf der Insel La Graciosa (auf Meereshöhe) mit Daten von der Bergstation Pico (Pico Island, 2225 m ü.d.M.) kombinieren. Ergänzend werden CCN und CDNC Messungen auf der Helikopter-Messplattform (ACTOS) durchgeführt, um die vertikale Lücke zwischen den Meeresspiegel- und Bergmessungen zu schließen. Die kontinentalen bodengebundenen CCN Messungen werden kontinuierlich an der ACTRIS Station Melpitz durchgeführt. Die vertikale CCN und CDNC Verteilung wird in Melpitz mit Hilfe eines Ballons in mehreren einwöchigen Kampagnen einmal pro Jahreszeit gemessen werden. Darüber hinaus werden wir mit Hilfe der Aerosol-Wolken-Wechselwirkungsmetrik (ACI) die in der Wolke in-situ gemessen CCN Eigenschaften (das heißt Anzahl und Hygroskopizität) mit den CDNC quantitativ verbinden. Es wird außerdem eine Sensitivitätsstudie mit einem Cloud-Parcel Model durchgeführt, welches durch die realen Messungen in der Atmosphäre angetrieben werden wird. Dies wird einen Einblick in das Übersättigungsregime von frisch gebildeten Wolken gewähren.Die CCN Daten selbst, die Erkenntnisse zu CCN Eigenschaften und ihrer vertikalen Verteilung sowie die quantitative Verbindung zwischen CCN und CDNC werden im Hinblick auf das Verständnis und die Modellierung der Wolkentropfenaktivierung sowie der mikrophysikalischen Wolkeneigenschaften von außerordentlichem Wert sein.
Der Indikator zeigt die innerstädtische Überwärmung oder Wärmeinseleffekt (UHI = urban heat island) in Augsburg. Der Stadtmarkt-Logger, der in die „Temperatur Stadtmitte“ eingeht, hatte 2024 sehr viele Messausfälle. Dementsprechend ist die „Temperatur Stadtmitte“ für 2024 vermutlich eher etwas unterschätzt (und dementsprechend auch die UHI-Intensität): Quelle: Stadtklimamessnetz Augsburg, betrieben von Helmholtz Zentrum München – Deutsches Forschungszentrum für Gesundheit und Umwelt und Lehrstuhl für Physische Geographie mit Schwerpunkt Klimaforschung - Universität Augsburg) und die Bearbeiter (Auswertung durch Lehrstuhl für Physische Geographie mit Schwerpunkt Klimaforschung - Universität Augsburg
In OPTOP werden Design und Betrieb des Receivers als zentraler Schnittstelle der Solar Island eines Solarturmkraftwerks verbessert. Dafür wird innovative Messtechnik in ein Monitoringsystem basierend auf Machine Learning und Digital Twin integriert. Das Projekt OPTOP hat drei Kernthemen: a) Sensorik für Receiver: In einem integralen Messkonzept für den Receiver wird die verbesserte Erfassung der Receiveroberflächentemperatur mittels Infrarotkameras, eine nicht-invasive Erfassung der Fluidtemperatur im Receiver, eine betriebsbegleitende Strahlungsdichtemessung und die kamerabasierte Reflexionsgradvermessung des Receivers implementiert. Die Sensordaten werden gemäß den Prinzipien von Industrie 4.0 und dem IoT aufbereitet und für die Betriebsoptimierung und das Receivermonitoring bereitgestellt. b) Receivermonitoring und intelligente Betriebsstrategien: Basierend auf dem umfassenden Sensorinput und einem parallellaufenden Digital-Twin-Modell des Receivers wird ein Monitoringsystem entwickelt, das mittels Machine-Learning-Methoden ein Überschreiten der Receiver-Betriebsgrenzen im Voraus erkennt und dem Betreiber einen sicheren Betrieb erleichtert. Darauf aufbauend wird mit dynamischen Zielpunkt- und Defokussierstrategien und O&M-Zyklen eine intelligente Betriebsstrategie entwickelt, die den Betrieb der Solar Island sowohl energetisch als auch ökonomisch optimiert. c) Transientes Receiverdesign: Eine Methodik für das Design des Receivers als zentraler Schnittstelle der Solar Island wird entwickelt, welche das integrale System für maximalen Ertrag im transienten Kraftwerksbetrieb optimiert. Dafür wird der Einsatz variabler Flussschemata untersucht, für welche - um die Grenzen des erlaubten Einsatzbereichs nicht zu überschreiten - die umfassende Kenntnis des Receiverzustands im Betrieb basierend auf Sensorik und Digital Twin notwendig ist. Die entwickelte Sensorik und Simulations-Methodik wird im Labor und im Turmsystem Cerro Dominador in Chile implementiert und getestet.
This dataset contains the location and administrative data for the largest industrial complexes in Europe, releases and transfers of regulated substances to all media, waste transfers reported under the European Pollutant Release and Transfer Register (E-PRTR) and as well as more detailed data on energy input and emissions for large combustion plants (reported under IED Art.72).
In OPTOP werden Design und Betrieb des Receivers als zentraler Schnittstelle der Solar Island eines Solarturmkraftwerks verbessert. Dafür wird innovative Messtechnik in ein Monitoringsystem basierend auf Machine Learning und Digital Twin integriert. Das Projekt OPTOP hat drei Kernthemen: a) Sensorik für Receiver: In einem integralen Messkonzept für den Receiver wird die verbesserte Erfassung der Receiveroberflächentemperatur mittels Infrarotkameras, eine nicht-invasive Erfassung der Fluidtemperatur im Receiver, eine betriebsbegleitende Strahlungsdichtemessung und die kamerabasierte Reflexionsgradvermessung des Receivers implementiert. Die Sensordaten werden gemäß den Prinzipien von Industrie 4.0 und dem IoT aufbereitet und für die Betriebsoptimierung und das Receivermonitoring bereitgestellt. b) Receivermonitoring und intelligente Betriebsstrategien: Basierend auf dem umfassenden Sensorinput und einem parallellaufenden Digital-Twin-Modell des Receivers wird ein Monitoringsystem entwickelt, das mittels Machine-Learning-Methoden ein Überschreiten der Receiver-Betriebsgrenzen im Voraus erkennt und dem Betreiber einen sicheren Betrieb erleichtert. Darauf aufbauend wird mit dynamischen Zielpunkt- und Defokussierstrategien und O&M-Zyklen eine intelligente Betriebsstrategie entwickelt, die den Betrieb der Solar Island sowohl energetisch als auch ökonomisch optimiert. c) Transientes Receiverdesign: Eine Methodik für das Design des Receivers als zentraler Schnittstelle der Solar Island wird entwickelt, welche das integrale System für maximalen Ertrag im transienten Kraftwerksbetrieb optimiert. Dafür wird der Einsatz variabler Flussschemata untersucht, für welche - um die Grenzen des erlaubten Einsatzbereichs nicht zu überschreiten - die umfassende Kenntnis des Receiverzustands im Betrieb basierend auf Sensorik und Digital Twin notwendig ist. Die entwickelte Sensorik und Simulations-Methodik wird im Labor und im Turmsystem Cerro Dominador in Chile implementiert und getestet.
In OPTOP werden Design und Betrieb des Receivers als zentraler Schnittstelle der Solar Island eines Solarturmkraftwerks verbessert. Dafür wird innovative Messtechnik in ein Monitoringsystem basierend auf Machine Learning und Digital Twin integriert. Das Projekt OPTOP hat drei Kernthemen: a) Sensorik für Receiver: In einem integralen Messkonzept für den Receiver wird die verbesserte Erfassung der Receiveroberflächentemperatur mittels Infrarotkameras, eine nicht-invasive Erfassung der Fluidtemperatur im Receiver, eine betriebsbegleitende Strahlungsdichtemessung und die kamerabasierte Reflexionsgradvermessung des Receivers implementiert. Die Sensordaten werden gemäß den Prinzipien von Industrie 4.0 und dem IoT aufbereitet und für die Betriebsoptimierung und das Receivermonitoring bereitgestellt. b) Receivermonitoring und intelligente Betriebsstrategien: Basierend auf dem umfassenden Sensorinput und einem parallellaufenden Digital-Twin-Modell des Receivers wird ein Monitoringsystem entwickelt, das mittels Machine-Learning-Methoden ein Überschreiten der Receiver-Betriebsgrenzen im Voraus erkennt und dem Betreiber einen sicheren Betrieb erleichtert. Darauf aufbauend wird mit dynamischen Zielpunkt- und Defokussierstrategien und O&M-Zyklen eine intelligente Betriebsstrategie entwickelt, die den Betrieb der Solar Island sowohl energetisch als auch ökonomisch optimiert. c) Transientes Receiverdesign: Eine Methodik für das Design des Receivers als zentraler Schnittstelle der Solar Island wird entwickelt, welche das integrale System für maximalen Ertrag im transienten Kraftwerksbetrieb optimiert. Dafür wird der Einsatz variabler Flussschemata untersucht, für welche - um die Grenzen des erlaubten Einsatzbereichs nicht zu überschreiten - die umfassende Kenntnis des Receiverzustands im Betrieb basierend auf Sensorik und Digital Twin notwendig ist. Die entwickelte Sensorik und Simulations-Methodik wird im Labor und im Turmsystem Cerro Dominador in Chile implementiert und getestet.
In OPTOP werden Design und Betrieb des Receivers als zentraler Schnittstelle der Solar Island eines Solarturmkraftwerks verbessert. Dafür wird innovative Messtechnik in ein Monitoringsystem basierend auf Machine Learning und Digital Twin integriert. Das Projekt OPTOP hat drei Kernthemen: a) Sensorik für Receiver: In einem integralen Messkonzept für den Receiver wird die verbesserte Erfassung der Receiveroberflächentemperatur mittels Infrarotkameras, eine nicht-invasive Erfassung der Fluidtemperatur im Receiver, eine betriebsbegleitende Strahlungsdichtemessung und die kamerabasierte Reflexionsgradvermessung des Receivers implementiert. Die Sensordaten werden gemäß den Prinzipien von Industrie 4.0 und dem IoT aufbereitet und für die Betriebsoptimierung und das Receivermonitoring bereitgestellt. b) Receivermonitoring und intelligente Betriebsstrategien: Basierend auf dem umfassenden Sensorinput und einem parallellaufenden Digital-Twin-Modell des Receivers wird ein Monitoringsystem entwickelt, das mittels Machine-Learning-Methoden ein Überschreiten der Receiver-Betriebsgrenzen im Voraus erkennt und dem Betreiber einen sicheren Betrieb erleichtert. Darauf aufbauend wird mit dynamischen Zielpunkt- und Defokussierstrategien und O&M-Zyklen eine intelligente Betriebsstrategie entwickelt, die den Betrieb der Solar Island sowohl energetisch als auch ökonomisch optimiert. c) Transientes Receiverdesign: Eine Methodik für das Design des Receivers als zentraler Schnittstelle der Solar Island wird entwickelt, welche das integrale System für maximalen Ertrag im transienten Kraftwerksbetrieb optimiert. Dafür wird der Einsatz variabler Flussschemata untersucht, für welche - um die Grenzen des erlaubten Einsatzbereichs nicht zu überschreiten - die umfassende Kenntnis des Receiverzustands im Betrieb basierend auf Sensorik und Digital Twin notwendig ist. Die entwickelte Sensorik und Simulations-Methodik wird im Labor und im Turmsystem Cerro Dominador in Chile implementiert und getestet (Text abgebrochen)
Progress to targets for greenhouse gas (GHG) emissions and removals is a dataset under the National Energy and Climate Progress Reports (NECPRs), which is reported every second year (starting in 2023) by EU Member States. The dataset provides information regarding Member State's GHG and removals targets and progress in achieving them. The EEA collects and quality checks this data. The dataset links to data from GHG inventories and projections (also collected by the EEA), as well as Annual Emission Allocations (AEAs). This reporting obligation comes from the Governance Regulation 2018/1999, Implementing Regulation (EU) 2022/2299 (Annex I).
Die Halacaridae (Meeresmilben) gehören, mit ihrer Körpergröße von 200-500 mym, zum Meiobenthos. Unter den Milben sind sie die einzigen, die vollständig an ein Leben im Meer angepasst sind; sie besiedeln den Bereich von der oberen Gezeitenlinie bis in die Tiefseegräben. Zur Zeit sind etwa 900 Arten bekannt. Im Vergleich zu den Küsten im Osten und Westen des Nordatlantiks zeichnen sich die Australiens durch eine äußerst artenreiche Halacaridenfauna aus: jede geographische Region entlang der Küste scheint in erster Linie eigene Arten zu beherbergen. Die geplanten Probennahmen bei Dampier an der tropischen Nordwestküste Australiens sollen Daten liefern für einen Vergleich mit den bereits bearbeiteten Faunen von Rottnest Island (Südwestaustralien) und dem Great Barrier Reef (Ostaustralien).
| Origin | Count |
|---|---|
| Bund | 556 |
| Europa | 264 |
| Global | 2 |
| Kommune | 5 |
| Land | 190 |
| Schutzgebiete | 60 |
| Wissenschaft | 32 |
| Zivilgesellschaft | 4 |
| Type | Count |
|---|---|
| Daten und Messstellen | 9 |
| Ereignis | 29 |
| Förderprogramm | 295 |
| Taxon | 15 |
| Text | 99 |
| Umweltprüfung | 1 |
| unbekannt | 450 |
| License | Count |
|---|---|
| geschlossen | 161 |
| offen | 467 |
| unbekannt | 270 |
| Language | Count |
|---|---|
| Deutsch | 501 |
| Englisch | 468 |
| Resource type | Count |
|---|---|
| Archiv | 78 |
| Bild | 58 |
| Datei | 87 |
| Dokument | 117 |
| Keine | 393 |
| Unbekannt | 3 |
| Webdienst | 76 |
| Webseite | 434 |
| Topic | Count |
|---|---|
| Boden | 529 |
| Lebewesen und Lebensräume | 898 |
| Luft | 366 |
| Mensch und Umwelt | 890 |
| Wasser | 630 |
| Weitere | 855 |