API src

Found 4664 results.

Related terms

A spatially explicit Global Reef Island Database (GRID v1.1) that captures distribution, diversity and relative vulnerability of the world's low-lying reef islands

Low-lying coral reef islands harbour a distinct, yet highly threatened biological and cultural diversity that is increasingly exposed to climate change impacts. The combination of low elevation, small size, sensitivity to changes in boundary conditions (sea level, waves and currents, locally generated sediment supply) and at some locations high population densities, is why low-lying reef islands (LRIs) are considered among the most vulnerable environments on Earth to climate change. To date, their global distribution and influence of climatic, oceanographic, and geologic setting are only poorly documented or restricted to smaller scales. Here, I present the first detailed global analysis of LRIs utilising freely available global datasets to produce a global reef island database (GRID) and associated intrinsic and extrinsic characteristics that can be used within a coastal vulnerability index (CVI). All datasets used to create the GRID were released between 30 November 2015 and 3 August 2023, while the current version (version 1.1) of the GRID database was completed in August 2026. When developing the GRID, LRIs are defined as landmasses <30 km² located on or within 3 km of coral reef and with an elevation of <16 m. Development of the GRID required: 1) the creation of a global shoreline vector file containing the geographic distribution of LRIs and 2) the development of a comprehensive global database of LRIs including eight intrinsic and ten extrinsic variables extracted from global datasets. Intrinsic variables include: 1) human populations, 2) island area, 3) island perimeter, 4) mean elevation, 5) island circularity/shape, 6) underlying reef type, 7) geographic isolation and 8) distance to the nearest neighbouring reef island. Extrinsic variables include: 1) mean water depth, 2) standard deviation of mean water depth, 3) mean annual significant wave height, 4) mean annual wave period, 5) mean spring tidal range, 6) relative tidal range, 7) wave-tide regime, 8) relative wave exposure, 9) relative tropical storm exposure and 10) year-2100 projected median sea level rise rate. The GRID was initially derived from version 2.1 of the UNEP-WCMC Global Island Database, a global shoreline vector file based on geometry data from Open Street Map® (OSM) and released in November 2015. The initial vector file was projected using the Mollweide projection, an equal-area pseudo cylindrical map projection chosen for its accurate derivation of area, especially in regions close to the equator, where most LRIs are located. The final GRID contains 33,292 individual LRIs distributed throughout tropical regions of the world's oceans, amassing a total land area of nearly 11,000 km² with approximately 60,500 km of shoreline and housing around 2.6 million people. While intrinsic variables are typically spatially homogenous, LRIs are generally highly spatially clustered throughout the GRID with respect to extrinsic variables. The spatial distribution of LRIs within the GRID was validated using: 1) published data and 2) quantitative accuracy assessments using satellite imagery. Spatial distributions of LRIs captured in the GRID are extremely consistent with those published in the literature (r² = 0.96) and those derived from independent analysis of satellite imagery (r² = 0.94). Finally, the GRID was used to develop an island vulnerability index (IVI) for each LRI on a scale of 0-1 with 0 representing no vulnerability and 1 representing maximum vulnerability. The GRID database is provided as a tab-delimited text file as well as ESRI shapefiles (points and polygons in WGS84 and Mollweide projection) and a comma-separated value file.

A spatially explicit Global Reef Island Database (GRID) that captures distribution, diversity and relative vulnerability of the world's low-lying reef islands

Low-lying coral reef islands harbour a distinct, yet highly threatened biological and cultural diversity that is increasingly exposed to climate change impacts. The combination of low elevation, small size, sensitivity to changes in boundary conditions (sea level, waves and currents, locally generated sediment supply) and at some locations high population densities, is why low-lying reef islands (LRIs) are considered among the most vulnerable environments on Earth to climate change. To date, their global distribution and influence of climatic, oceanographic, and geologic setting are only poorly documented or restricted to smaller scales. Here, I present the first detailed global analysis of LRIs utilising freely available global datasets to produce a global reef island database (GRID) and associated intrinsic and extrinsic characteristics that can be used within a coastal vulnerability index (CVI). All datasets used to create the GRID were released between 30 November 2015 and 3 August 2023, while the current version of the GRID database was completed in November 2024. When developing the GRID, LRIs are defined as landmasses <30 km² located on or within 1 km of coral reef and with an elevation of <16 m. Development of the GRID required: 1) the creation of a global shoreline vector file containing the geographic distribution of LRIs and 2) the development of a comprehensive global database of LRIs including eight intrinsic and ten extrinsic variables extracted from global datasets. Intrinsic variables include: 1) human populations, 2) island area, 3) island perimeter, 4) mean elevation, 5) island circularity/shape, 6) underlying reef type, 7) geographic isolation and 8) distance to the nearest neighbouring reef island. Extrinsic variables include: 1) mean water depth, 2) standard deviation of mean water depth, 3) mean annual significant wave height, 4) mean annual wave period, 5) mean spring tidal range, 6) relative tidal range, 7) wave-tide regime, 8) relative wave exposure, 9) relative tropical storm exposure and 10) year-2100 projected median sea level rise rate. The GRID was initially derived from version 2.1 of the UNEP-WCMC Global Island Database, a global shoreline vector file based on geometry data from Open Street Map® (OSM) and released in November 2015. The initial vector file was projected using the Mollweide projection, an equal-area pseudo cylindrical map projection chosen for its accurate derivation of area, especially in regions close to the equator, where most LRIs are located. The final GRID contains 34,404 individual LRIs distributed throughout tropical regions of the world's oceans, amassing a total land area of nearly 11,000 km² with approximately 60,740 km of shoreline and housing around 2.6 million people. While intrinsic variables are typically spatially homogenous, LRIs are generally highly spatially clustered throughout the GRID with respect to extrinsic variables. The spatial distribution of LRIs within the GRID was validated using: 1) published data and 2) quantitative accuracy assessments using satellite imagery. Spatial distributions of LRIs captured in the GRID are extremely consistent with those published in the literature (r² = 0.96) and those derived from independent analysis of satellite imagery (r² = 0.94). Finally, the GRID was used to develop an island vulnerability index (IVI) for each LRI on a scale of 0-1 with 0 representing no vulnerability and 1 representing maximum vulnerability. The GRID database is provided as a tab-delimited text file as well as ESRI shapefiles (points and polygons in WGS84 and Mollweide projection) and a comma-separated value file.

Klimaerlebnisbaum - Zu Rheinstraße - Robinia

Im Rahmen des Forschungsprojekts "Klimaerlebnis Würzburg" am Zentrum Stadtnatur und Klimaanpassung (ZSK) wurden im Jahr 2018 acht Messstationen in Würzburg und Gerbrunn eingerichtet. Diese zeichnen seitdem an jedem Standort das Wetter und/oder die Leistungen der dortigen Bäume auf. Das Forschungsprojekt endete im Jahr 2022. Die Messstationen, durch orangefarbene Baumfässer erkennbar, werden seitdem aber weitergeführt.Das Projekt sollte aufzeigen,inwieweit sich das Klima und die Leistung der Bäume an verschiedenen Standorten in der Stadt unterscheiden undinwieweit sich Stadtbäume und Klima an einem Standort gegenseitig beeinflussen.Die bis heute weiter aufgezeichneten Messergebnisse sollen verdeutlichen, wie mit Hilfe von Bäumen und ihrer Ökosystemdienstleistungen die nachhaltige Stadt der Zukunft an die Folgen des Klimawandels angepasst werden kann. Zudem kann die Öffentlichkeit mit diesen Datenreihen für das Thema Stadtklima und Stadtgrün sensibilisiert werden. Um dies voranzutreiben, werden davon ausgewählte Datenspalten seit November 2024, unbereinigt und zu stündlichen Daten automatisiert zusammengefasst, hier auf dem Open Data Portal Würzburg veröffentlicht.An der Station in der Zu Rheinstraße sind mehrere Bäume der Art Robinia und Linde Tilia mit Sensoren versehen. Die Daten einer der Robinien stehen in diesem Datensatz in der oben beschriebenen, verarbeiteten Form zur Verfügung.Allgemeines zu den Standorten wie der grobe Messaufbau, Hinweise zur Datennutzung und Verlinkungen zu weiterführenden Papern finden Sie im Folgenden.Messaufbau des Baumlabors und der WetterstationMithilfe des Saftflusssensors (1) kann der Wasserverbrauch des Baums bestimmt werden. Davon lässt sich die Kühlleistung durch Verdunstung ableiten und der Trockenstress abschätzen. Im Kronenraum wird die Temperatur für den Vergleich mit der Klimastation gemessen (2), um die Abkühlwirkung des Baumes zu bestimmen. Das Dendrometer (3) misst das Dickenwachstum des Stammes. Dadurch kann man berechnen, wieviel der gesamte Baum an Biomasse zunimmt und an CO2speichert. Der Bodenfeuchtesensor (4) misst den Wassergehalt im Wurzelraum. Damit kann auf die Wasserversorgung des Baumes geschlossen werden.Der Temperatur- und Feuchtesensor (6) misst die Lufttemperatur und die relative Luftfeuchtigkeit. Der Windsensor (7) erfasst Windrichtung und Windgeschwindigkeit. Mit diesen beiden Messgrößen kann der Frischlufteintrag, aber auch die Anströmungsrichtung festgestellt werden. Der Strahlungssensor (8) misst, wieviel Energie die Sonne am Erdboden freisetzt. Mit diesem Wert lässt sich feststellen, wie stark sich Flächen aufheizen. Ebenso lässt sich hiermit die photosynthetische Leistung des Baumes bestimmen. Aus Temperatur, Luftfeuchte, Windgeschwindigkeit und Solarstrahlung lässt sich die gefühlte Temperatur berechnen. Der Niederschlagssensor (9) erfasst Regen und Schnee.In den Datenloggern (10) werden die Messwerte gesammelt, gespeichert und alle 10 Minuten online versendet, um sie auf dem Smart City Hub Würzburg zu speichern und hier auf dem Open Data Portal stündlich aggregiert darzustellen. Bei einigen der Wetterstationen ist zudem ein Luftdruck-Barometer verbaut.Hinweis:Bei den zur Verfügung gestellten Daten handelt es sich um eine automatisiert abgeänderte Version der Rohdaten der einzelnen Stationen. Eine Qualitätskontrolle durch den Plattformbetreiber findet vorab nicht statt. Es ist daher punktuell mit Messfehlern und Messlücken zu rechnen. Für die Korrektheit der Daten wird keine Haftung übernommen. Quellenangabe:Quelle im Rohdatenformat: [Bis 13.11.2024 21 Uhr](https://opendata.smartandpublic.eu/datasets/d1f68fc3-c76d-4147-b01e-dfe490ab6331?locale=en#iss=https%3A%2F%2Fidp.smartcityhub.smartandpublic.eu%2Frealms%2Fsmartcityhub), [ab 13.11.2024 22 Uhr](https://opendata.smartandpublic.eu/datasets/5dc3648a-66fd-4310-accf-7256db111d5c?locale=en#iss=https%3A%2F%2Fidp.smartcityhub.smartandpublic.eu%2Frealms%2Fsmartcityhub)Autor(en): Projekt Klimaerlebnis Würzburg (2018-2022), Stadt Würzburg (2023-jetzt)Hinweis: Es gelten keine zusätzlichen Bedingungen.Für weiterführende Informationen, lesen Sie die aus dem Projekt "Klimaerlebnis Würzburg" hervorgegangenen Paper:Hartmann, Christian, et al. "The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020; The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020." Meteorologische Zeitschrift 32.1 (2023): 49-65.Rahman, M.A., Franceschi, E., Pattnaik, N. et al. Spatial and temporal changes of outdoor thermal stress: influence of urban land cover types. Sci Rep 12, 671 (2022). [https://doi.org/10.1038/s41598-021-04669-8](https://doi.org/10.1038/s41598-021-04669-8)Rahman, Mohammad A., et al. "Tree cooling effects and human thermal comfort under contrasting species and sites." Agricultural and Forest Meteorology 287 (2020): 107947.Rötzer, T., et al. "Urban tree growth and ecosystem services under extreme drought." Agricultural and Forest Meteorology 308 (2021): 108532.Bildquelle und mehr Informationen zu den Messstationen: [Webarchiv: Klimaerlebnis Würzburg](https://webarchiv.it.ls.tum.de/klimaerlebnis.wzw.tum.de/das-projekt/index.html)

Berlin investiert in die Zukunft des Stadtgrüns – Senatorin gibt Startschuss für die Modernisierung der Klimakammern des Pflanzenschutzamtes

Senatorin Ute Bonde besuchte heute gemeinsam mit Tatjana Adams, Mitglied der Geschäftsleitung der Berliner Immobilienmanagement GmbH (BIM), das Pflanzenschutzamt Berlin, um sich über die technische Ertüchtigung der Klimakammern zu informieren und gab den Startschuss für die Modernisierung der Anlagen. Die Senatsverwaltung für Mobilität, Verkehr, Klimaschutz und Umwelt (SenMVKU) modernisiert zusammen mit der BIM die Klimakammern des Pflanzenschutzamtes grundlegend. Die neuen Anlagen schaffen künftig optimale Voraussetzungen für Versuche und Untersuchungen zur klimaangepassten Entwicklung des Berliner Stadtgrüns. Ute Bonde, Senatorin für Mobilität, Verkehr, Klimaschutz und Umwelt : „Klimaanpassung beginnt dort, wo Wissen entsteht – und genau das schaffen wir hier im Pflanzenschutzamt neu. Mit den modernisierten Klimakammern können wir künftig testen, welche Baumarten Hitze und Trockenheit standhalten und wie wir unser Stadtgrün gezielt darauf vorbereiten. Diese Erkenntnisse fließen direkt in die Umsetzung des Klimaanpassungsgesetzes ein. Berlin zeigt damit: Wir schaffen die wissenschaftliche Grundlage für ein Stadtgrün, das dem Klima von morgen gewachsen ist.” Die Klimakammern ermöglichen unter anderem die Simulation möglicher zukünftiger Klimabedingungen. Hierdurch können zum Beispiel die Auswirkungen steigender Temperaturen, längerer Trockenperioden und weiterer Klimafolgen auf Stadtbäume, Gehölze sowie auf Schädlinge und Pflanzenkrankheiten wissenschaftlich untersucht werden. Tatjana Adams, Geschäftsleitung der BIM GmbH : „Die Erneuerung spezialisierter Klimakammern gehört für uns keineswegs zum Tagesgeschäft. Gerade deshalb ist diese Maßnahme mit einem Gesamtbudget von rund 1,7 Millionen Euro etwas Besonderes. Sie zeigt, dass auch sehr spezifische Nutzeranforderungen erfolgreich umgesetzt werden können, wenn alle Beteiligten eng zusammenarbeiten. Mit der Maßnahme schaffen wir eine moderne technische Grundlage für Untersuchungen und Versuche, die angesichts des Klimawandels, neuer Schadorganismen und der Anforderungen an ein zukunftsfähiges Stadtgrün zunehmend an Bedeutung gewinnen.“ Der gemeinsame Besuch unterstreicht die enge Zusammenarbeit zwischen SenMVKU, BIM und Pflanzenschutzamt bei der Schaffung einer leistungsfähigen Infrastruktur für die Herausforderungen des Klimawandels. Im Rahmen des Termins erhielten die Gäste einen Einblick in den Baufortschritt der Klimakammern sowie in die zukünftigen Einsatzmöglichkeiten der Anlagen. Mit der Investition setzt das Land Berlin ein deutliches Zeichen für den Schutz und die langfristige Sicherung des urbanen Grüns sowie für eine wissenschaftlich fundierte Umsetzung des Berliner Klimaanpassungsgesetzes.

Multivariate Analyse von Land-Atmosphäre Wechselwirkungen in einem veränderlichen Klima

Die Hydrologie der Landoberfläche wirkt an der Schnittstelle zwischen Boden, Vegetation und Atmosphäre. Sie hat dadurch Auswirkungen auf Nahrungsmittelproduktion, Wasserverfügbarkeit und Extremereignisse, wie Dürren und Überschwemmungen. Die Wechselwirkungen zwischen Land (Hydrologie) und Atmosphäre (Wetter) sind bisher nur ungenügend verstanden. Es ist insbesondere unklar, ob sich die Einflüsse der Landoberfläche auf Vegetation und Wetter durch die globale Erwärmung verstärken werden. Darüber hinaus ist nur wenig bekannt bezüglich des Übergangs von einem energielimitierten Regime, wo die Atmosphäre (Temperatur und Einstrahlung) das Land (Vegetationsproduktivität, Bodenfeuchte) beeinflusst, hin zu einem wasserlimitierten Regime, wo das Land (auch) die Atmosphäre beeinflusst. Um das Verständnis der Land-Atmosphäre-Wechselwirkungen zu verbessern, wird ein multivariater Ansatz mit der Analyse von Daten über Bodenfeuchte, Matrixpotential, Bruttoprimärproduktion, Verdunstung, Temperatur und Landoberflächencharakteristiken vorgeschlagen. Mit dieser umfassenden Methodik werden Land-Atmosphäre-Wechselwirkungen in Bezug auf ihre kurz- und langfristige Variabilität, sowie auf ihre Veränderungen im Kontext des Klimawandels untersucht. Ausserdem werden potentiell stark betroffene Regionen bestimmt. Desweiteren wird ein kritischer Bereich der Bodenfeuchte und/oder des Matrixpotentials identifiziert und charakterisiert, ab dem eine Wasserlimitierung von Vegetation oder Evapotranspiration auftritt. Ein Ergebnis dieser Analyse wird die Identifizierung eines dritten charakteristischen Matrixpotentials neben dem permanenten Welkepunkt und der Feldkapazität sein. Als Grundlage für diese Untersuchungen wird mittels eines Landoberflächenmodells von geeigneter Komplexität ein langfristiger, qualitativ hochwertiger hydrologischer Datensatz berechnet, welcher anhand von multivariaten Beobachtungen kalibriert wird. Dabei werden auch die Unsicherheiten des Datensatzes, sowie der multivariaten Beobachtungen, thematisiert. Die Resultate dieser Arbeit können helfen das Management von Wasserressourcen zu verbessern. Beispielsweise können Prognosen des Matrixpotentials in Verbindung mit dem identifizierten kritischen Bereich für eine intelligente Bewässerung von Pflanzen und Feldern verwendet werden. Eine Analyse von langfristigen Trends in Matrixpotential-, Bodenfeuchte- und Abflussdaten kann als Grundlage für langfristige Anpassungsmaßnahmen dienen. In einer weiteren Analyse werden Größenordnungen und Auftrittshäufigkeiten von Extremereignissen, wie Dürren und Überschwemmungen untersucht und in Verbindung mit entstandenen Sach- und Personenschäden gebracht. Diese Arbeit trägt zu den Millenniums-Entwicklungszielen der Vereinten Nationen bezüglich der Bekämpfung von Hunger und einer nachhaltigeren Wassernutzung, den 'Europa 2020' Zielen der EU Kommission bezüglich nachhaltiger Energienutzung, und zum 'grand challenge' Wasserverfügbarkeit des Weltklimaforschungsprogramms bei.

Trends der Niederschlagshöhe

<p> <p>Seit 1881 hat die mittlere jährliche Niederschlagsmenge in Deutschland laut linearem Trend um rund 8 Prozent zugenommen. Dabei verteilt sich dieser Anstieg nicht gleichmäßig auf die Jahreszeiten. Vielmehr sind insbesondere die Winter deutlich nasser geworden, während die Niederschläge im Sommer geringfügig zurückgegangen sind.</p> </p><p>Seit 1881 hat die mittlere jährliche Niederschlagsmenge in Deutschland laut linearem Trend um rund 8 Prozent zugenommen. Dabei verteilt sich dieser Anstieg nicht gleichmäßig auf die Jahreszeiten. Vielmehr sind insbesondere die Winter deutlich nasser geworden, während die Niederschläge im Sommer geringfügig zurückgegangen sind.</p><p> Teilweise sehr regenreiche Jahre seit 1965 <p>Die Zeitreihe der jährlichen Niederschläge in Deutschland (Gebietsmittel) zeigt laut linearem Trend einen leichten Anstieg, der mit einer Irrtumswahrscheinlichkeit von 5 % statistisch signifikant ist. Dieser Anstieg ist im Wesentlichen darauf zurückzuführen, dass bis etwa 1920 nur selten überdurchschnittlich niederschlagsreiche Jahre aufgetreten sind. Im Anschluss an eine Übergangsphase mit mehreren leicht überdurchschnittlich feuchten Jahren traten ab Mitte der 1960er Jahre dann auch einige sehr regenreiche Jahre auf (siehe Abb. „Jährliche mittlere Niederschlagshöhe in Deutschland 1881 bis 2025).&nbsp;Dies entspricht genau der Zeit, seit der die Auswirkungen des Klimawandels global deutlich zu beobachten sind. Im globalen Durchschnitt steigt mit den Temperaturen auch die <a href="https://www.umweltbundesamt.de/service/glossar/verdunstung">Verdunstung</a> von Wasser an, was in der globalen Summe zu größeren Niederschlagsmengen führt, jedoch mit regional und saisonal sehr großen Unterschieden - von Dürren bis Überschwemmungen.</p> <p>Seit 2011 wurden in Deutschland einige ausgesprochen trockene Jahre beobachtet. In den Jahren 2023 und 2024 wurde jedoch überdurchschnittlich viel Niederschlag registriert. 2025 beendet diese kurze Reihe nasser Jahre in Deutschland und mit einem Defizit von 147 l/m2 sind 250 l/m2 weniger gefallen als im Vorjahr.&nbsp;Auch von großräumigen Überschwemmungen und extremen Starkniederschlägen ist Deutschland in 2025, ganz anders als noch 2024, weitgehend verschont geblieben. Stattdessen spielte dieses Jahr Trockenheit wieder eine größere Rolle. Vor allem das Frühjahr fiel sehr trocken aus (-44 %), im März fielen im Deutschlandmittel nur 17 mm. Die Periode von Anfang Februar bis Ende Juni zählt sogar zur trockensten Periode jemals in Deutschland.</p> <a href="https://www.umweltbundesamt.de/system/files/image/2_Abb_Mittlere-jaehrl-NSH-D_2026-03-30.png"> </a> <strong> Jährliche mittlere Niederschlagshöhe in Deutschland 1881 bis 2025 </strong> Quelle: Deutscher Wetterdienst Downloads: <ul> <li><a href="https://www.umweltbundesamt.de/system/files/medien/384/bilder/dateien/2_Abb_Mittlere-jaehrl-NSH-D_2026-03-30.pdf">Diagramm als PDF (42,84 kB)</a></li> <li><a href="https://www.umweltbundesamt.de/system/files/medien/384/bilder/dateien/2-bis-7_Abb-Tab_NSH_2026-03-30.xlsx">Diagramm als Excel mit Daten (498,64 kB)</a></li> </ul> </p><p> <p>Saisonale Unterschiede in den langfristigen Trends sind für den Niederschlag noch größer als schon in der Lufttemperatur. Dies beruht im Wesentlichen darauf, dass die mittleren Winterniederschläge zugenommen haben. Die aktuelle Klimanormalperiode 1991-2020 zeigte mit 189,5 mm etwa 40 mm mehr Niederschlag als die Periode 1881-1910 (148,2 mm). Der Winter 2024/2025 lag mit 157 mm Niederschlag deutlich unter diesem langfristigen linearen Trend. Frühling und Herbst zeigen ebenfalls eine leichte, aber im Gegensatz zum Winter nicht signifikante Zunahme, während die Niederschläge im Sommer geringfügig zurückgegangen sind (siehe nachfolgende Tabellen und Abbildungen).</p> <a href="https://www.umweltbundesamt.de/system/files/image/3_Tab_Lineare-Trends-NSH_2026-03-30.png"> </a> <strong> Tab: Lineare Trends der Niederschlagshöhe zwischen 1881 und 2025 </strong> Quelle: Deutscher Wetterdienst <a href="https://www.umweltbundesamt.de/system/files/image/3_Tab_Lineare-Trends-NSH_2026-03-30.png">Bild herunterladen</a> (61,02 kB) <a href="https://www.umweltbundesamt.de/system/files/medien/384/bilder/dateien/3_Tab_Lineare-Trends-NSH_2026-03-30.pdf">Tabelle als PDF</a> (40,76 kB) <a href="https://www.umweltbundesamt.de/system/files/medien/384/bilder/dateien/2-bis-7_Abb-Tab_NSH_2026-03-30_0.xlsx">Tabelle als Excel</a> (498,64 kB) <a href="https://www.umweltbundesamt.de/system/files/image/4_Abb_Mittlere-jaehrl-NSH-Fruehling_2026-03-30.png"> </a> <strong> Mittlere Niederschlagshöhe im Frühling in Deutschland 1881 bis 2025 </strong> Quelle: Deutscher Wetterdienst <a href="https://www.umweltbundesamt.de/system/files/image/4_Abb_Mittlere-jaehrl-NSH-Fruehling_2026-03-30.png">Bild herunterladen</a> (241,55 kB) <a href="https://www.umweltbundesamt.de/system/files/medien/384/bilder/dateien/4_Abb_Mittlere-jaehrl-NSH-Fruehling_2026-03-30.pdf">Diagramm als PDF</a> (43,03 kB) <a href="https://www.umweltbundesamt.de/system/files/medien/384/bilder/dateien/2-bis-7_Abb-Tab_NSH_2026-03-30_1.xlsx">Diagramm als Excel mit Daten</a> (498,64 kB) <a href="https://www.umweltbundesamt.de/system/files/image/5_Abb_Mittlere-jaehrl-NSH-Sommer_2026-03-30.png"> </a> <strong> Mittlere Niederschlagshöhe im Sommer in Deutschland 1881 bis 2025 </strong> Quelle: Deutscher Wetterdienst <a href="https://www.umweltbundesamt.de/system/files/image/5_Abb_Mittlere-jaehrl-NSH-Sommer_2026-03-30.png">Bild herunterladen</a> (320,55 kB) <a href="https://www.umweltbundesamt.de/system/files/medien/384/bilder/dateien/5_Abb_Mittlere-jaehrl-NSH-Sommer_2026-03-30.pdf">Diagramm als PDF</a> (42,78 kB) <a href="https://www.umweltbundesamt.de/system/files/medien/384/bilder/dateien/2-bis-7_Abb-Tab_NSH_2026-03-30_2.xlsx">Diagramm als Excel mit Daten</a> (498,64 kB) <a href="https://www.umweltbundesamt.de/system/files/image/6_Abb_Mittlere-jaehrl-NSH-Herbst_2026-03-30.png"> </a> <strong> Mittlere Niederschlagshöhe im Herbst in Deutschland 1881 bis 2025 </strong> Quelle: Deutscher Wetterdienst <a href="https://www.umweltbundesamt.de/system/files/image/6_Abb_Mittlere-jaehrl-NSH-Herbst_2026-03-30.png">Bild herunterladen</a> (255,53 kB) <a href="https://www.umweltbundesamt.de/system/files/medien/384/bilder/dateien/6_Abb_Mittlere-jaehrl-NSH-Herbst_2026-03-30.pdf">Diagramm als PDF</a> (41,27 kB) <a href="https://www.umweltbundesamt.de/system/files/medien/384/bilder/dateien/2-bis-7_Abb-Tab_NSH_2026-03-30_3.xlsx">Diagramm als Excel mit Daten</a> (498,64 kB) <a href="https://www.umweltbundesamt.de/system/files/image/7_Abb_Mittlere-jaehrl-NSH-Winter_2026-03-30.png"> </a> <strong> Mittlere Niederschlagshöhe im Winter in Deutschland 1881/1882 bis 2025/2026 </strong> Quelle: Deutscher Wetterdienst <a href="https://www.umweltbundesamt.de/system/files/image/7_Abb_Mittlere-jaehrl-NSH-Winter_2026-03-30.png">Bild herunterladen</a> (267,32 kB) <a href="https://www.umweltbundesamt.de/system/files/medien/384/bilder/dateien/7_Abb_Mittlere-jaehrl-NSH-Winter_2026-03-30.pdf">Diagramm als PDF</a> (41,61 kB) <a href="https://www.umweltbundesamt.de/system/files/medien/384/bilder/dateien/2-bis-7_Abb-Tab_NSH_2026-03-30_4.xlsx">Diagramm als Excel mit Daten</a> (498,64 kB) Weiter <i> </i> Vorherige <i> </i> </p><p> <p>Mit 642 mm belegt 2025 auf der Rangliste der trockensten Jahre seit 1881 den 15. Platz (siehe Karte „Jährliche Niederschläge in Deutschland im Jahr 2024“).</p> <a href="https://www.umweltbundesamt.de/system/files/image/8_Karte_J%C3%A4hrl-Niederschl%C3%A4ge-D_2026-03-30.png"> </a> <strong> Karte: Jährliche Niederschläge in Deutschland im Jahr 2025 (in mm) </strong> Quelle: Deutscher Wetterdienst 2025: Deutscher Klimaatlas (Aufruf: Juli 2025) URL: https://www.dwd.de/DE/klimaumwelt/klimaatlas/klimaatlas_node.html </p><p> <p>Bei der Betrachtung der Einzelmonate sind erhebliche Unterschiede erkennbar:&nbsp;Acht Monate verzeichneten im Vergleich zu den vieljährigen Mitteln ein Defizit, relativ fiel dieses im März und Dezember mit -70 % am größten aus. Absolut sind im März mit 17 mm am wenigsten gefallen, im Juli mit 113 mm am meisten. Der Juli brachte dann auch neben der angesprochenen <a href="https://www.umweltbundesamt.de/service/glossar/hitzewelle">Hitzewelle</a> größere Regenmengen, die die Waldbrandgefahr etwas mildern konnte (siehe Karte „Veränderung der jährlichen Niederschläge in Deutschland).&nbsp;</p> <p><em>Wir danken dem </em><a href="https://www.dwd.de/DE/Home/home_node.html"><em>Deutschen Wetterdienst</em></a><em> für die Bereitstellung der Daten und der Analysen.</em></p> <a href="https://www.umweltbundesamt.de/system/files/image/9_Karte_Ver%C3%A4nd-j%C3%A4hrl-Niederschl%C3%A4ge-D_2026-03-30.png"> </a> <strong> Karte: Veränderung der jährlichen Niederschläge in Deutschland im Jahr 2025 (in Prozent) </strong> Quelle: Deutscher Wetterdienst 2025: Deutscher Klimaatlas (Aufruf: Juni 2025) URL: https://www.dwd.de/DE/klimaumwelt/klimaatlas/klimaatlas_node.html </p><p> </p><p>Informationen für...</p>

Entwicklung einer forstbasierten Bioökonomie in Deutschland und Uruguay, Teilvorhaben 2: Holznutzungspfade

Aktionsprogramm Natürlicher Klimaschutz (ANK), Szenarienbasierte Analyse der THG-Reduktions- und Senkenpotenziale für den Natürlichen Klimaschutz im LULUCF unter Berücksichtigung von Synergien mit den Biodiversitäts- und anderen Umweltzielen

In dem Vorhaben geht es um klimapolitische Maßnahmen und Instrumente für die erfolgreiche Umsetzung der LULUCF-Ziele entsprechend des Bundes-Klimaschutzgesetzes unter Berücksichtigung von Synergien mit den Biodiversitäts- und anderen Umweltzielen. Klimawandelauswirkungen wie Dürreperioden und Wetterextreme gefährden Ökosysteme wie Wälder, Böden und Moore zunehmend. So ging die Senkenleistung des Waldes im letzten Jahrzehnt 2011-2020 gegenüber 1991-2000 um knapp ein Drittel zurück. Um diese Auswirkungen zu begrenzen und die nachhaltige Bewirtschaftung von Ökosystemen und deren Senkenleistung im Sinne der vereinbarten Klimaschutzziele im LULUCF-Sektor zu ermöglichen, braucht es resiliente, struktur- und artenreiche Ökosysteme. An dieser Stelle setzten die Maßnahmen des natürlichen Klimaschutzes an. Ziel des Vorhabens ist es den Lösungsraum für die Umsetzung der Klimaschutzziele im LULUCF-Sektor insbesondere in den Themenfeldern Wald-, Moor-, und Bodenklimaschutz unter Berücksichtigung von Synergien mit den Biodiversitäts- und anderen Umweltzielen zu untersuchen. Zu diesem Zweck werden Szenarien, die Potenziale für den natürlichem Klimaschutz im LULUCF-Sektor unter Berücksichtigung des Landwirtschaftssektors in Deutschland aufzeigen, modelliert. Berücksichtigt in der Entwicklung dieser Szenarien werden darüber hinaus unterschiedliche politische Ambitionsniveaus sowie Auswirkungen des Klimawandels. Im Ergebnis sollen Handlungsoptionen für die nachhaltige Umsetzung der LULUCF-Ziele abgeleitet und Erkenntnisse für Umsetzung des natürlichen Klimaschutzes generiert werden. Dazu zählen Beiträge für die Erarbeitung des nationalen Wiederherstellungsplans im Rahmen des EU-Verordnung über die Wiederherstellung der Natur und die mögliche Fortführung des Aktionsprogramms Natürlicher Klimaschutz.

Der Teufel steckt im Detail: Kontrolle phageninduzierter Stoffkreisläufe in Böden durch das Mikrohabitat

Einer der global größten Kohlenstoffspeicher ist die organische Bodensubstanz (OBS), welche eine zentrale Quelle für die Pflanzennährstoffe Stickstoff (N) und Phosphor (P) darstellt. Bodenmikroorganismen sind die Hauptakteure beim Umsatz der OBS und damit ein zentrales Bindeglied zwischen Kohlenstoff- (C) und Nährstoffkreisläufen. Sie sind jedoch stark durch Phagen (also Viren, die Bakterien befallen) beeinflusst. In Ozeanen sterben täglich 20% der bakteriellen Zellen durch Phagen, was zu einem Umsatzpfad („viral shunt“) führt, der große Mengen organischer Substanz und damit assoziierter Nährstoffe aus bakterieller Biomasse freisetzt. Das erhöht die Produktivität der Ozeane und speichert C in bakteriellen Rückständen. Trotz ihrer hohen Abundanz in Böden wurden Phagen in der Bodenbiogeochemie kaum berücksichtigt. Meine Nachwuchsgruppe wird erstmals untersuchen wie die Biophysik des Mikrohabitats die Infektion durch Phagen und damit bakterielle Sterberaten steuert. Wir werden herausfinden, ob hierdurch ein vergleichbarer „viral shunt“ in Böden vorliegt und quantifizieren dessen Auswirkung auf Nährstoff- und CO2-Feisetzung sowie auch der Speicherung von C. Wir möchten gezielt über phänomenologische Beschreibungen hinausgehen und zugrundeliegende Mechanismen aufklären. Bodenmikrohabitate werden mit modernsten bildgebenden Verfahren zur Aufklärung mikroskaliger Strukturen charakterisiert: 3D Wasserverteilung im Habitat durch synchrotronbasierte Mikrotomographie, Verteilung der OBS mit Rasterelektronenmikroskopie und Mineralogie der Porenoberflächen mittels Raman-Mikrospektroskopie. Phagen aus Böden werden isoliert und ihre Phage-Habitat-Interaktionen erfasst, um so die Relevanz des Mikrohabitats für die Phagenausbreitung zu eruieren. Der Einfluss des Mikrohabitats auf die Infektionsrate und damit auf Stoffkreisläufe wird mittels der Kopplung molekularer Methoden mit Isotopenanwendungen untersucht werden, und zwar i) 18O-DNA Markierung (SIP) zur Erfassung der Phagenbildung sowie des bakteriellen Zellsterbens, ii) der Bestimmung der Abundanz relevanter funktioneller Gene und iii) der Quantifizierung der Mineralisationsraten durch Isotopenverdünnung. Der Einsatz isotopisch markierter Phagen (13C, 15N, 33P) wird die phageninduzierte Änderungen der Elementflüsse aufzeigen. Damit wird erstmal ein mechanistisches Verständnis erlangt, wie Bodenphagen in Interaktion mit ihrem Habitat biogeochemische Kreisläufe von globaler Bedeutung beeinflussen. Des Weiteren wird der Einfluss dynamischer Änderungen des Mikrohabitats auf Phagen untersucht sowie evolutionäre Anpassungen der Phagen an ihre Habitate. Detailliertes Prozessverständnis ist hier von höchster Relevanz um die Auswirkung anthropogener Aktivität oder des Klimawandels auf Bodenphagen vorherzusagen. Daher werden diese Erkenntnisse final in ein dynamisches Modell integriert, um erstmals die Vorhersage phageninduzierter Prozesse in Böden zu ermöglichen - für deren Einsatz in Landnutzung und Landwirtschaft.

Untersuchung der Stabilität der topografischen Auswirkungen auf die Kohlenstoffverteilung in den borealen Wäldern des Tundra-Taiga-Ökotons in der Klimakrise

Ein erheblicher Teil des Kohlenstoffs im Tundra-Taiga-Ökoton (engl. ‚Tundra Taiga Ecotone‘, TTE) wird als oberirdische Biomasse (engl. ‚Above-Ground Biomass‘, AGB) in Bäumen und Sträuchern durch Photosynthese gespeichert, wobei Kohlenstoffdioxid aus der Atmosphäre während der kurzen Wachstumsperiode in hohen Breiten entzogen wird. Dies führt zu geringer Kohlenstoffspeicherung im TTE. Der Klimawandel könnte die Produktivität beeinflussen und Vegetationsmuster verändern. Die Rolle abiotischer Faktoren in der Kohlenstoffspeicherung borealer Wälder ist ungenügend verstanden. Eine Neubewertung der Vegetationsorganisation muss hinsichtlich statischer Modulatoren erfolgen. Topografie, ein wichtiger Faktor für Wasser- und Nährstoffverfügbarkeit, ist ein statischer abiotischer Faktor, der die lokalen Wachstumsbedingungen beeinflusst. Mit steigenden Temperaturen wird erwartet, dass Niederschlag intensiver und häufiger wird, was zu Wasserstau oder Nährstoffauswaschung an bestimmten topografischen Positionen führen kann und den Rückgang bestimmter Baumarten zur Folge haben könnte. Daher könnte der Klimawandel lokale Reaktionen auf die topografische Position verändern und Wechselwirkungen mit Wetterbedingungen beeinflussen. Die Topografie könnte die Auswirkungen des Klimawandels mildern und anpassungsfähigen Arten zugutekommen, während andere unter veränderten Bedingungen leiden. Das Verständnis der Beziehung zwischen Topografie und Biomasseakkumulation ist entscheidend für die Bewertung der zukünftigen Rolle borealer Wälder im globalen Kohlenstoffhaushalt. Das BToBE-Projekt zielt darauf ab, Wissenslücken hinsichtlich des Einflusses der Topografie auf die Biomasseakkumulation im TTE zu schließen und deren Auswirkungen durch Vorwärtssimulation mit einem prozessbasierten Vegetationsmodell zu bewerten. Die zentrale Hypothese ist, dass sich die Reaktionen der Vegetation auf topografische Bedingungen im TTE aufgrund starker globaler Erwärmung verändert haben. Kürzlich wurden drohnenbasiert 3D-Punktwolken gesammelt, die verarbeitet werden, um Waldbiomasse zu ermitteln. Diese hochauflösenden Referenzdaten erfassen den bioklimatischen Gradienten des TTE, wobei die nördliche Baumgrenze in Niederungen mit Permafrost und im gebirgigen Terrain verläuft. Die drohnenbasierten AGB-Daten werden verwendet, um ein AGB-Modell für das großflächige Ableiten (engl. ‚upscaling‘) mit Landsat- und Sentinel-2-Multispektralsensoren zu entwickeln. Das Ziel ist dreistufig: Erstens sollen die Beziehungen zwischen AGB und Topografie mithilfe von verallgemeinerten additiven Modellen aufgeklärt werden; zweitens soll die Stabilität dieser Abhängigkeiten durch Rekonstruktion langfristiger AGB-Daten aus den vergangenen Jahrzehnten untersucht werden. Dies wird für die Verbesserung und Implementierung des Individuen-basierten und räumlich expliziten borealen Waldvegetationsmodells LAVESI genutzt, zur Ableitung von AGB-Trajektorien im TTE in den kommenden Jahrzehnten.

1 2 3 4 5 … 465 466 467