Auf Grund ihrer Bedeutung für die Anpassung der Wälder an Umweltänderungen und ihrer Widerstandsfähigkeit gegenüber Störungen ist die Naturverjüngung zu einem Schwerpunkt der ökologischen Waldforschung geworden. Trotz der jüngsten technologischen Entwicklungen bleibt dies eine große Herausforderung. Insbesondere sehr kleine Pflanzen mit einer Höhe von weniger als 1,30 m und entsprechend kleinen Durchmessern sind mit photogrammetrischen Methoden schwer zu identifizieren. Manuelle Inventurmethoden, wie z. B. die klassische Vollinventur sind aber arbeitsintensiv und zu teuer, um sie auf großen Flächen anzuwenden. Das Projekt möchte dazu beitragen, dieses Problem zu lösen, in dem es ein Simulationswerkzeug zur Rekonstruktion von Punktmustern vorstellt und seine Qualität systematisch untersucht. Es basiert auf einem Forschungsansatz der drei Arbeitsschritte umfasst (1) die Erfassung der räumlichen Daten aller Bäume einschließlich der Verjüngung auf einer kleinen Teilfläche (= Referenzfläche), (2) die Erfassung des Oberstandes im gesamten Bestand (=Untersuchungsfläche) und (3) die Rekonstruktion der Verjüngung im gesamten Untersuchungsgebiet, wobei davon ausgegangen wird, dass überall die gleichen Beziehungen zwischen den Bäumen des Oberstandes und der Verjüngung wie in der Referenzfläche bestehen. Dieser Ansatz erlaubt es, die heutigen logistischen Möglichkeiten zu kombinieren: (a) die manuelle Erfassung der Verjüngung auf kleiner Fläche ist machbar, und (b) die Inventur des Oberstandes mit modernen Fernerkundungs- oder photogrammetrischen Methoden ist relativ einfach und weniger arbeitsintensiv. Indem das Projekt einen vorhanden und in den Forstwissenschaften bekannten Datensatz nutzt (Trainingsgrundlage wird der Datensatz des saisonalen tropischen Regenwaldes der Insel Barro Colorado (BCI) in Panama sein), kann es sich auf Schritt (3) beschränken. Ziel ist es systematisch zu untersuchen, welchen Einfluss eine höhere Strukturvielfalt und das Größenverhältnis von Referenz- und Prädiktionsflächen (= die gesamte Untersuchungsfläche) auf die Ergebnisse der Punktmuster-Rekonstruktion von Verjüngungspflanzen (=Unterstand) hat und welche räumlichen Statistiken besonders geeignet sind, diesen Einfluss quantitativ oder qualitativ zu bewerten. Die numerischen Methoden werden in einem dokumentierten R-Skript (bzw. R-Package) als zuverlässiges und effizientes Werkzeug für die Waldökologie und die forstliche Praxis zur Verfügung gestellt.
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)
Die Mission CIRRUS-HL – Zirren in hohen Breiten nutzt das Forschungsflugzeug HALO gemeinsam mit Modellen und Satelliten, um die Nukleation, den Lebenszyklus und die Klimawirkung von Eiswolken in hohen Breiten, einer Region mit massiven anthropogenen Klimaänderungen, genauer zu bestimmen. InhaltSchnellste und massivste anthropogen verursachte Änderungen der Erdoberflächentemperatur finden in hohen Breiten statt. Hier führen Eiswolken im Winter zu einem großen positiven Strahlungsantrieb. Direkte Messungen der mikrophysikalischen Eigenschaften von Eiswolken und ihrer Variabilität sind jedoch unvollständig und Eisanzahlkonzentrationen werden in Klimamodellen nicht adäquat repräsentiert, dies schränkt die Aussagekraft von Klimamodellen in hohen Breiten deutlich ein. Die Messkampagne CIRRUS-HL, in den letzten 6 Jahren die einzige HALO Messkampagne mit in situ Wolken-Instrumentierung nutzt neuere Wolkensonden gemeinsam mit umfangreichen Spurengas-, Aerosol- und Strahlungs-Messungen um die Nukleation, den Lebenszyklus und die Klimawirkung von Eiswolken in hohen Breiten genauer zu bestimmen. Die Flugzeugmessungen werden begleitet von Messaktivitäten von Bodenstationen und Satelliten, und liefern Daten für Prozessmodelle und die Evaluierung von globalen Klimamodellen. Die CIRRUS-HL Mission ist eingebunden in einen internationalen Verbund an Messaktivitäten in der Arktis und besitzt als Alleinstellungsmerkmal einen Fokus auf Eiswolken. Von Oktober bis Dezember 2020 werden in Nordeuropa und Kanada 20 Flüge mit dem Forschungsflugzeug HALO, stationiert in Oberpfaffenhofen und Keflavik, Island, durchgeführt, um die Eigenschaften von Eiswolken genau zu vermessen, die sich in verschiedenen dynamischen Regimes wie zum Beispiel Frontensystemen oder orographisch induzierten Hebungen von Luftmassen gebildet haben. Eigenschaften von Zirren, die sich entweder unterhalb von 238 K in situ homogen oder heterogen gebildet haben, oder die ihren Ursprung in einer flüssigen oder Mischphasen-Wolke bei Temperaturen oberhalb von 238 K haben werden differenziert. Die CIRRUS-HL Mission liefert 1.) einen neuen Datensatz der mikrophysikalischen Eigenschaften von Eiswolken in hohen Breiten zur Verbesserung des Prozessverständnisses der Eisnukleation und zum Vergleich mit Satellitenbeobachtungen und Klimamodellen, 2.) neue Einblicke in den Transport von Aerosolen in hohe Breiten und ihre Prozessierung in Mischphasen- und Eiswolken und 3.) umfassende Beobachtungen von Strahlungseigenschaften von Eiswolken in hohen Breiten im Frühwinter. Der umfangreiche Datensatz zu Eiswolken dient dazu, das Verständnis der Rolle von arktischen Zirren im Klimasystem zu erhöhen.
DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]
The Floods Directive (FD) was adopted in 2007 (https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=celex:32007L0060). The purpose of the FD is to establish a framework for the assessment and management of flood risks, aiming at the reduction of the adverse consequences for human health, the environment, cultural heritage and economic activity associated with floods in the European Union. ‘Flood’ means the temporary covering by water of land not normally covered by water. This shall include floods from rivers, mountain torrents, Mediterranean ephemeral water courses, and floods from the sea in coastal areas, and may exclude floods from sewerage systems. This reference spatial dataset, reported under the Floods Directive, includes the areas of potential significant flood risk (APSFR), as they were lastly reported by the Member States to the European Commission, and the Units of Management (UoM).
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
This Discomap web map service provides an EU-27 (2020) basemap for internal EEA use as a background layer in viewers or any other web application. It is provided as REST and as OGC WMS services, dynamic and cached. The cached service has a custom cache at the following scales: 1/50.000.000 1/42.000.000 1/36.000.000 (Europe's size) 1/30.000.000 1/20.000.000 1/10.000.000 1/5.000.000 1/2.500.000 1/1.000.000.
The dataset contains information on the European river basin districts, the river basin district sub-units, the surface water bodies and the groundwater bodies delineated for the 2nd River Basin Management Plans (RBMP) under the Water Framework Directive (WFD) as well as the European monitoring sites used for the assessment of the status of the above mentioned surface water bodies and groundwater bodies. The information was reported to the European Commission under the Water Framework Directive (WFD) reporting obligations. The dataset compiles the available spatial data related to the 2nd RBMPs due in 2016 (hereafter WFD2016). See http://rod.eionet.europa.eu/obligations/715 for further information on the WFD2016 reporting. See also https://rod.eionet.europa.eu/obligations/766 for information on the Environmental Quality Standards Directive - Preliminary programmes of measures and supplementary monitoring. Where available, spatial data related to the 3rd RBMPs due in 2022 (hereafter WFD2022) was used to update the WFD2016 data. See https://rod.eionet.europa.eu/obligations/780 for further information on the WFD2022 reporting. Note: * This dataset has been reported by the member states. The subsequent QC revealed some problems caused by self-intersections elements. Data in GPKG-format should be processed using QGIS.
<p>Dieser Datensatz enthält die Informationen der städtischen Wärmeinsel für die Stadt Münster in Nordrhein-Westfalen. Die Daten werden im Rahmen der Open-Data-Initiative der Stadt Münster zur Verfügung gestellt.</p> <p>Die städtische Wärmeinsel (englisch "Urban Heat Island", kurz UHI) ist ein typisches Merkmal des Stadtklimas. Sie wird durch die Lufttemperaturdifferenz zwischen der meist wärmeren Stadt und ihrem kühleren Umland charakterisiert.</p> <p>Weitere Informationen erhalten Sie auf der <a href="https://www.stadt-muenster.de/klima/klimaanpassung/tipps/hitze">Homepage "Klimaanpassung in Münster"</a> der Stabsstelle Klima.</p>
| Origin | Count |
|---|---|
| Bund | 574 |
| Europa | 230 |
| Global | 2 |
| Kommune | 5 |
| Land | 191 |
| Schutzgebiete | 60 |
| Wissenschaft | 32 |
| Zivilgesellschaft | 4 |
| Type | Count |
|---|---|
| Daten und Messstellen | 9 |
| Ereignis | 29 |
| Förderprogramm | 294 |
| Taxon | 15 |
| Text | 118 |
| Umweltprüfung | 1 |
| unbekannt | 417 |
| License | Count |
|---|---|
| geschlossen | 181 |
| offen | 452 |
| unbekannt | 250 |
| Language | Count |
|---|---|
| Deutsch | 520 |
| Englisch | 437 |
| Resource type | Count |
|---|---|
| Archiv | 78 |
| Bild | 57 |
| Datei | 82 |
| Dokument | 130 |
| Keine | 384 |
| Unbekannt | 3 |
| Webdienst | 74 |
| Webseite | 413 |
| Topic | Count |
|---|---|
| Boden | 530 |
| Lebewesen und Lebensräume | 586 |
| Luft | 376 |
| Mensch und Umwelt | 877 |
| Wasser | 610 |
| Weitere | 883 |