API src

Found 433 results.

Related terms

Other language confidence: 0.6915188387100464

MKonthly assessment of TPW for Europe

Assessment texts on monthly mean tropospheric precipitable water, provided by ECSM - European Climate System Monitoring, WMO Regional Climate Centre (RCC) on Climate Monitoring

Schwerpunktprogramm (SPP) 1889: Regional Sea Level Change and Society (SeaLevel), ASIA-FLOODS Extreme Änderungen des Meeresspiegels an der Süd-Ost-Asiatischen Küste: Vergangenheit, Gegenwart und Zukunft

Extreme kurzfristige Meeresspiegeländerungen können schwerwiegendere Auswirkungen auf die Gesellschaft und Ökosysteme haben, als ein langsam ansteigender mittlerer Meeresspiegel. Wenn sich die Anzahl von Extremereignissen unter dem Einfluss anthropogener Klimaänderungen verändert, kann das grundlegende Konsequenzen auf die Abschätzung klimawandelbedingter Auswirkungen haben, und in der Folge auf geplante Anpassungsmaßnahmen. Südostasien ist eine der bevölkerungsreichsten Regionen der Welt, welche den Auswirkungen von Taifunen und extratropischen Zyklonen unterliegt. Gegenwärtig ist noch unklar, inwiefern externe Klimaantriebe die Häufigkeit und Intensität von extremen Ereignissen wie Sturmfluten und starken und/oder langanhaltenden Niederschlagsereignissen beeinflussen, und welche Rolle dabei die interne Variabilität der Klimaantriebe spielt. Im Projekt Asia-Floods werden atmosphärische Wettermuster identifiziert werden, welche zu küstennahen Überflutungen durch Sturmfluten und/oder durch extreme kontinentale Niederschläge in der Region Südostasien führen können. Dazu wird eine Reihe von vorhandenen globalen und regionalen Klimasimulationen unterschiedlicher räumlicher Auflösung untersucht werden, welche sowohl die letzten Dekaden als auch Simulationen über das letzte Jahrtausend und Zukunftsszenarien abdecken. Auf Basis dieser Simulationen wird ein statistischer Downscaling Ansatz angewendet werden, in welchem die großskaligen atmosphärischen Klimafaktoren in einen statistischen Zusammenhang zu (beobachteten) lokalen Klimafaktoren gebracht werden. Dazu werden Beobachtungsdatensätze von extremen Wasserständen und Niederschlagsereignissen verwendet werden. Nach der Kalibrierung dieser statistischen Modelle anhand gegitterter Beobachtungsdaten und meteorologischer Reanalysen, können diese auf vergangene und zukünftige globale und regionale Klimasimulationen angewendet werden, um Änderungen in der Anzahl von Extremereignissen abschätzen zu können. Die erzielten Ergebnisse auf Basis der Klimasimulationen der vergangenen Jahrhunderte werden u.a. mit anderen Projekten innerhalb dieses SPPs abgeglichen, um die Häufigkeit von Überflutungen in Proxydaten zu untersuchen. Im Falle der Szenario-Simulationen werden die Ergebnisse u.a. verwendet, um den Anstieg der durch küstennahe Überflutungen verursachten ökonomischen Kosten abzuschätzen.

Anomalies of monthly mean of sunshine duration: grid data

Grids of anomalies of monthly mean sunshine duration derived from CLIMAT bulletins on a 0.1x0.1 degree grid (reference period 1961-1990), provided by WMO RA VI Regional Climate Centre (RCC) on Climate Monitoring

Bioklima

2022 (aktuell) | 2014 | 2005 Kopfschmerzen am Tag, Schlaflosigkeit in der Nacht – viele Menschen sind im Sommer wetterfühlig. Dahinter steckt das sogenannte Bioklima . Es beschreibt alle Einflussfaktoren, die auf Lebewesen einwirken. Die wichtigsten Parameter, die den Wärmehaushalt des Menschen direkt beeinflussen, sind die Lufttemperatur, Luftfeuchte, Windgeschwindigkeit und die thermophysiologisch wirksame Strahlung. Durch Messungen im Rahmen des Klimamodells FITNAH verfügt Berlin über einen umfassenden Überblick über die Auswirkungen des Klimas im Stadtgebiet und im näheren Umland. Besondere Aufmerksamkeit bekommt die Wärmebelastung, denn die zeitweise Überhitzung in großen Städten kann sich sehr negativ auf unser Herz-Kreislauf-System auswirken – vor allem, wenn diese Wärme wegen geringer Abkühlung in der Nacht anhält. Viele Menschen leiden dann unter Schlafproblemen und dem Nachlassen der Leistungsfähigkeit. Es ist also wichtig, die Wärmebelastung in Berlin im Blick zu behalten. Für ihre Erfassung stehen verschiedene Bewertungsgrößen zur Verfügung; hier wurde der sogenannte Predicted Mean Vote (PMV) , das steht für „vorhergesagter durchschnittlicher Wert“, genutzt. Wenn Sie mehr über das Klima und die Temperaturen in Berlins Nächten erfahren wollen, finden Sie hier Karten, Daten und umfassende weitere Informationen zum Thema. 04.10.5 Bewertungsindex Physiologisch Äquivalente Temperatur (PET) 04.10.07 Klimaanalysekarte Klimamodell Berlin – Bewertungskarten 09.01.4 Bioklima/thermische Belastung

Monthly mean snow depth: grid data

Grids of monthly mean snow depth derived from SYNOP observations on a 0.1x0.1 degree grid, provided by WMO RA VI Regional Climate Centre (RCC) on Climate Monitoring WMO-RA6-RCC-CM

Normals of DWD drought index

Maps of monthly normals 1961-1990 of DWD drought index derived from GPCC data on a 1x1 degree grid, provided by WMO RA VI Regional Climate Centre (RCC) on Climate Monitoring

Monthly DWD drought index: grid data

Grids of monthly DWD drought index derived from GPCC data on a 1x1 degree grid, provided by WMO RA VI Regional Climate Centre (RCC) on Climate Monitoring

Monthly mean of sunshine duration: grid data

Grids of monthly mean sunshine duration derived from CLIMAT bulletins on a 0.1x0.1 degree grid, provided by WMO RA VI Regional Climate Centre (RCC) on Climate Monitoring

Monthly anomalies of cloud fractional cover

Maps of anomalies of mean monthly mean values of cloud fractional cover derived from satellite and in-situ observations ('satellite weather') on a 0.25x0.25 degree grid from reference period 1971-2000(near realtime product), provided by WMO Regional Climate Centre (RCC) on Climate Monitoring

Monthly mean surface air pressure

Global maps of monthly mean surface air pressure derived from GME model data , WMO RA VI Regional Climate Centre (RCC) on Climate Monitoring

1 2 3 4 5 … 42 43 44