Das übergeordnete Ziel der Arbeit sind Untersuchungen zur Vorhersagbarkeit extremer Hochwässer in Abhängigkeit von Eigenschaften der Einzugsgebiete und des Klimas unter Berücksichtigung unterschiedlicher räumlicher und zeitlicher Maßstäbe. Vorhersage von Hochwasser ist hier definiert als Schätzung von Hochwasserwahrscheinlichkeitsverteilungen für unbeobachtete Orte und/ oder zukünftige Zeitperioden. Die Vorhersagbarkeit bezieht sich auf die Quantifizierung und Attributierung der Unsicherheit der Vorhersage. Mit 'Extrem' werden Hochwasser bezeichnet, die besonders groß (hinsichtlich des Scheitels) und anderer Charakteristiken (Volumen, Form, räumliche Ausdehnung, etc.) sind. Zuerst erfolgt eine Daten-basierte Analyse, die die Hochwasser zu ihren treibenden Kräften wie Wetter, Klima und Einzugsgebietseigenschaften in Beziehung setzt. Methodisch werden hier lokale und regionale Hochwasserstatistik angewandt und verglichen. Ziel dieses ersten Teils ist die Quantifizierung der Vorhersagbarkeit allein auf Basis der Daten. Im zweiten Schritt wird ein multivariater Wettergenerator entwickelt, der an großskaligen meteorologischen Variablen bedingt werden kann. Damit steht ein Werkzeug zur Verfügung, mit dem Niederschlag und andere meteorologische Oberflächenvariablen für unbeobachtete Gebiete und Zeitperioden generiert werden können. Im dritten Schritt werden mit dem Wettergenerator zunächst eine Vielzahl hochwasserrelevanter Niederschlags- und Klimaszenarien erzeugt. Diese werden dann im Rahmen von Monte-Carlo-Simulationen zusammen mit einem hydrologischen Modell für lokale und regionale abgeleitete Hochwasserstatistik eingesetzt. Ziel ist die Quantifizierung der Vorhersagbarkeit der Hochwasser durch hydrologische Modellierung. Dabei wird eine Fehlerzuweisung in Abhängigkeit von Niederschlag, Klima und Einzugsgebietseigenschaften durchgeführt.
Supported by UNEP, UNECA and the African Development Bank (AfDB), the Economic Growth and Climate Change in Africa research evaluates how GDP forecasts would be affected under future climate change scenarios, using statistically established climate analogues. The research analyses how climate impacts are transmitted from the microeconomic to the macroeconomic levels. In addition, the research also focuses on the relation between future climate change and poverty risks in Africa. To better inform the policy debate on adaptation to limit the adverse impacts of climate change on development, the research also estimates future adaptation costs in 10 different regions in Africa in two different warming scenarios. Finally, it assesses the development and economic opportunities arising from implementing adaptation and mitigation options in African countries.
Ziel ist es, die räumliche Verteilung und zeitliche Variabilität der Niederschlagsaktivität, der Niederschlagsmenge und der Verdunstung, des atmosphärischen Stoffeintrags, bedingt durch biogene und anthropogene Emissionen, der bestimmenden meteorologischen Parameter wie Wolkenbedeckungsgrad und -typ, Temperatur, Wind und turbulente Flüssein der planetaren Grenzschicht für zukünftige Zeiträume abzuschätzen, die durch den globalen Wandel und durch regionale Veränderungen bedingt sind. Die Ergebnisse dienen als Randbedingungen für hydrologische Modelluntersuchungen zum Wasserkreislauf und zur ökonomischen und ökologischen Bewertung der absehbaren oder angestrebten regionalen Entwicklung der Wasserbevorratung und -bewirtschaftung im mittleren Elbebereich. Die zu erwartenden Klimaänderungen sollen exemplarisch innerhalb der Zeiträume 2000 bis 2025 (Prognoseziel I) und 2026 bis 2050 (Prognoseziel II) beschrieben werden. Dabei soll in entsprechenden Szenarien der Strukturwandel im Elbe-, Havel-, Spree- und Unstrutraum berücksichtigt werden, der in dem gegebenen Zeitrahmen politisch, ökonomisch und ökologisch zu erwarten ist. Die absehbaren Veränderungen werden in kategorisierter Bodennutzung und in Schadstoffemissionskatastern festgehalten. Teilvorhaben: Bestimmung von Großwetterlagen und dynamischen Kenngrößen zur Klimacharakterisierung; Episodenrechnungen mit dem Lokalmodell des Deutschen Wetterdienstes; Synthese und Analyse von Wolkenarten, Niederschlag und Verdunstung aus Zeitreihen von Satellitenmessungen und konventionellen Beobachtungen; Nutzungszugang zu langjährigen Fernerkundungsdaten durch alle GLOWA-Projekte; Diagnose und Prognose der Deposition mit einem chemischen Transportmodell.
Berechnung der Sickerwasserraten auf Jahresebene und auf Monatsebene sowie prognostizierte Veränderungen durch den Klimawandel Die mit dem Modell ABIMO berechneten Daten des Wasserhaushaltes geben 30jährige langjährige Mittel wieder. In der Realität unterliegen die Werte jedoch abhängig von den Niederschlägen z.T. erheblichen jährlichen Schwankungen und unterliegen auch einem innerjährlichen Gang. In einem Forschungsvorhaben wurden die Sickerwasserraten mit einer wesentlich höheren zeitlichen Auflösung berechnet. Projekt Die im Folgenden dargestellten Ergebnisse wurden im Rahmen des vom BMBF geförderten Forschungsprojekt INKA BB (Förderkennzeichen 01LR0803C) Teilprojekt 23 erarbeitet. Dabei steht INKA BB für Innovationsnetzwerk für Klima Anpassung in Berlin Brandenburg. Bei dem in 24 Teilprojekte gegliederten interdisziplinären Forschungsprojekt, beschäftigte sich das Teilprojekt 23 mit Technologien für klimaangepasste Wasserbewirtschaftung in Stadtgebieten im Klimawandel. Dafür wurden die vom Projektpartner PIK (Potsdam- Institut für Klimafolgenforschung) entwickelten Klimaszenarien in die verschiedenen Modelle eingebunden, um Aussagen zu wasserwirtschaftlich relevanten Fragen zu treffen. Datengrundlage Als Eingangsdaten wurden die Landnutzungskategorien (vgl. Karte 06.01 und Karte 06.02 , Ausgabe 2008), der klassifizierte Versiegelungsgrad (vgl. Karte 01.02 , Ausgabe 2007), der klassifizierte Flurabstand (vgl. Karte 02.07 , Ausgabe 2010) und Bodenparameter, wie z. B. nutzbare Feldkapazität und kf-Werte, aus dem Datenbestand des Umweltatlas (vgl. Karte 01.06 , Ausgabe 2009) für ca. 25.000 Polygone übernommen. Weitere Bodenparameter, wie zum Beispiel die Porosität, wurden gemäß der Bodengesellschaften des Umweltatlas (vgl. Karte 01.01 , Ausgabe 2009) mit Werten aus der Bodenkundlichen Kartieranleitung (BGR, 2005) belegt. Bei unvollständigen Datensätzen wurden plausible Annahmen getroffen oder Daten aus bereits durchgeführten Projekten der DHI-WASY übernommen. Es ergaben sich 78 unterschiedliche Bodentypen, 156 Bodenarten, 12 Flurabstandsklassen und 775 Landnutzungsklassen. Als Klimadaten wurden tägliche Daten für Niederschlag und potenzielle Verdunstung von 11 Niederschlagsstationen in Berlin und Umgebung verwendet. Die Klimadaten wurden vom DWD erhoben und vom PIK im Rahmen des Forschungsprojektes INKA BB zur Verfügung gestellt. Um die räumlich differenzierte Niederschlagsverteilung (vgl. Karte 04.08 , Ausgabe 1994) in Berlin und Umgebung korrekt abbilden zu können, wurden die Klimadaten mittels eines IDW-Verfahrens (Inverse Distance Weighting, Verfahren der Geostatistik) auf 19 Niederschlagszonen extrapoliert. Die räumliche Verteilung der Niederschlagszonen ist in Abbildung 5 dargestellt. Modellbeschreibung Die im Weiteren dargestellten Ergebnisse basieren auf einem ArcSIWA Modell welches für die gesamte Landesfläche Berlin, einschließlich der Einzugsgebietsgrenzen des Wasserwerkes Tegel, aufgebaut wurde. Das Modell ArcSIWA (Monninkhoff, 2001) ist ein reduziertes Niederschlag-Abfluss-Modell zur eindimensionalen Beschreibung der Abflussbildung und des Bodenwasserhaushalts für quasi-homogene Teilflächen bei einer zeitlichen Auflösung von einem Tag. ArcSIWA berücksichtigt die Interzeption, die Mulden-Speicherung, die Infiltration und den vertikalen Feuchtestrom bis zum Grundwasser einschließlich der Grundwasserneubildung und dem kapillaren Aufstieg. Die mit ArcSIWA berechnete Sicherwasserrate entspricht der Menge an Wasser, welche die ca. zwei Meter mächtige Bodenzone in der Senkrechten verlässt. Eine detaillierte Darstellung des aufgebauten ArcSIWA-Modells wird im Laufe von 2013 in Sklorz und Monninkhoff (2013) präsentiert. Ergebnisse In der Abbildung 6 sind die mit ArcSIWA berechneten jährlichen Sickerwasserraten zwischen 1961-1990 dargestellt. Darin ist zu erkennen, dass die Jahreswerte zwischen 49 und 235 mm/Jahr zum Teil stark variieren. Der Mittelwert der 30 Jahre liegt bei 142 mm/Jahr während der Median bei 156 mm/Jahr liegt. Ein signifikanter Trend, z. B. klimatisch bedingt, ist innerhalb der Zeitreihen nicht zu erkennen. Die Ergebnisse sind prinzipiell gut mit den langjährigen Mittelwerten der Sickerwasserrate (160 mm/Jahr unter Berücksichtigung der Wasserflächen) aus dem Modell ABIMO (SenStadt 2009c) vergleichbar. Die genannten Werte wurden im Gegensatz zu den Werten in Tabelle 4 ermittelt, indem die Flächen der Gewässer mit einer Sickerwasserrate von 0 mm/Jahr in die Mittelwertbildung einbezogen wurden. Räumliche Unterschiede in den Modellergebnissen gibt es insbesondere im Stadtzentrum, wo ArcSIWA signifikant niedrigere Sickerwasserraten berechnet. Dieser Unterschied ist im Wesentlichen mit den unterschiedlichen Modellansätzen der beiden Modelle für versiegelte Flächen zu begründen. In der Abbildung 7 sind die langjährigen monatlichen Sickerwasserraten der Periode 1961-1990 dargestellt. Darin ist zu erkennen, dass die Sickerwasserrate innerhalb eines Jahres zwischen 1,2 und 24,5 mm/Monat variiert. Die Wintermonate weisen die höchsten Sickerwasserraten auf, während im Sommer die geringsten Sickerwasserraten auftreten. Für das Forschungsprojekt INKA BB, Teilprojekt 23 wurde die Periode 1961-1990 zur Modellkalibrierung genutzt. Anschließend wurden mit dem Modell Änderungen der Sickerwasser- bzw. Grundwasserneubildung basierend auf vom PIK generierten Klimaszenarien berechnet. Dabei wurde das T0-Szenario (Referenzszenario ohne Klimaänderung) mit dem T2-Szenario (Temperaturänderung von 2°C) verglichen. Die Berechnungen zeigen für die Zukunft eine deutliche Reduzierung der Grundwasserneubildung, welche auf den Klimawandel zurückzuführen ist (DHI, 2012).
Dimethylsulfid (DMS) ist ein klimarelevantes Spurengas marinen Ursprungs, das in der Atmosphäre als Vorstufe von Kondensationskernen bei der Wolkenbildung dient. Das Südpolarmeer wurde als Region mit erheblicher DMS Freisetzung aus dem Ozean in die Atmosphäre erkannt. Schwerpunkte der DMS Produktion wurden in der Nähe des Antarktischen Kontinentes und in der Zone der saisonalen Eisschmelze ermittelt. Modellsimulationen haben gezeigt, dass Störungen der DMS Flüsse vom Ozean in die Atmsophäre die Wolkenbedeckung beeinflussen und so zu Veränderungen im Strahlungshaushalt der Atmosphäre führen können. Das Prozessverständnis für marine DMS Emissionen und ihre Vorhersage sind somit entscheidend für Szenarien zukünftiger Klimabedingungen. DMS wird im Oberflächenozean durch den bakteriellen Abbau von Dimethylsulfoniumpropionat (DMSP) freigesetzt, das wiederum durch Phytoplankton produziert wird. Der bakterielle DMSP-Abbau folgt zwei konkurrierenden enzymatischen Stoffwechselwegen: dem Demethylierungsweg und dem Spaltungsweg. Da nur der Spaltungsweg zur Produktion von DMS führt, ist ein verbessertes Verständnis von Umweltfaktoren und genetischen Voraussetzungen, die die Balance zwischen den beiden Stoffwechselwegen kontrollieren, von großer Bedeutung um die Regulation der biologischen DMS Flüsse vom Ozean in die Atmosphäre abzuschätzen. Während die globalen Auswirkungen des DMSP Umsatzes im Ozean schon vor mehr als 30 Jahren erkannte wurden, ist es durch neue Methoden der Molekularbiologie und der „Omics“ Techniken erst kürzlich möglich geworden relevante Gene des bakteriellen DMSP Stoffwechsels zu identifizieren und Einsicht in ihre phylogenetische Verteilung zu gewinnen. Bisherige Erkenntnise zum bakteriellen Umsatz von DMSP in marine Systemen basieren weitgehend auf Studien aus mittleren und niederen Breiten, während die polaren Ozeane kaum untersucht wurden. Die Analyse der Bakteriengemeinschaften im Weddellmeer mittels Amplicon Sequenzierung des 16S rRNA Gens hat hohe Abundanzen potentiell DMS produzierender Bakteriengruppen wie der Roseobacter Gruppe und SAR11 gezeigt.Im vorgeschlagenen Projekt möchten wir modernen Methode der Moleklularbiologie in Kombination mit bioinformatischen Werkzeugen anwenden um im Weddellmeer(1) die Umweltkontrolle des bakteriellen DMSP Abbaus zu analysieren(2) die Diversität und Taxonomie DMSP abbauender Bakterien zu untersuchen(3) das genetische Inventar für DMSP Transformationen zu analysieren und(4) Stoffwechsel und ökologische Strategien von Schlüsselarten zu charakterisieren.Hierzu werden Seewasserproben analysiert, die am Östlichen Weddellmeer Eisschelf, am Filchner-Ronne Eisschelf und im Weddellwirbel genommen wurden. Die zu erwartenden Ergebnisse werden das mechanistische Verständnis des bakteriellen DMSP Abbaus im Weddellmeer verbessern und zu verlässlichen Prognosen von marinen DMS Emissionen im Südpolarmeer unter zukünftigen Klimaszenarien beitragen.
In den bisherigen Projektphasen von KliBiW wurde u.a. die Entwicklung der Hochwasserverhältnisse in der Vergangenheit bis heute sowie deren mögliche Veränderung in der Zukunft analysiert. Die Untersuchung der gegenwärtigen Situation erfolgte anhand von Aufzeichnungen an Fließgewässerpegeln in ganz Niedersachsen, mit Ausnahme der tidebeeinflussten Gebiete an der Küste sowie der großen Ströme von Ems, Weser und Elbe. Es wurden unter anderem die Entwicklungen (Trends) von Abflusskenngrößen, welche die Hochwasserverhältnisse charakterisieren, über einen bestimmten Zeitraum untersucht. Hierzu zählten unter anderem der Abflussscheitel bei Hochwasser, das Wellenvolumen von Hochwasserereignissen sowie deren Häufigkeit. Dabei wurde sowohl die Stärke des Trends, also der Grad der Veränderung über die Zeit, ermittelt, als auch die statistische Signifikanz, also ob die berechnete Veränderung mit der Zeit nicht zufällig ist und wahrscheinlich eine systematische Ursache besitzt. Die Simulation der Abflüsse in der Zukunft erfolgte unter anderem anhand des hydrologischen Modells PANTA RHEI, das auch im operationellen Betrieb für die Hochwasservorhersage beim NLWKN genutzt wird. Die Simulationen erfolgten für die sieben ausgewählten Einzugsgebiete der Risikogewässer in Niedersachsen auf Basis von zwei Klimaszenarien : einem Szenario ohne Klimaschutz (RCP8.5) und einem Szenario mit Klimaschutz (RCP2.6) für den Zeitraum 1971 bis 2100 (vgl. Hajati et al., 2022 ). Als Antrieb diente je ein Ensemble von regionalen Klimamodellen , welches die Bandbreite der möglichen zukünftigen Entwicklungen repräsentiert. Die Ermittlung der zukünftigen Veränderungen erfolgte auf Basis 30jähriger Mittelwerte für die Mitte des Jahrhunderts (2031-2060) und das Ende des Jahrhunderts (2071-2100), jeweils im Verhältnis zu dem Referenzzeitraum (1971-2000) an insgesamt 61 ausgewählten Pegeln. Im Fall des Szenarios RCP8.5 weisen die Ergebnisse auf eine im Mittel deutliche Verschärfung der Hochwasserverhältnisse in der Zukunft hin. So käme es bereits zur Mitte des Jahrhunderts (2031-2060) regional zu einer Zunahme der Hochwasserscheitelabflüsse, vor allem im Sommerhalbjahr. Am Ende des Jahrhunderts (2071-2100) wären diese Tendenzen nochmals deutlicher und fast landesweit ausgeprägt. Einzig der Harz scheint hiervon ausgenommen zu sein. Allerdings sind die Ergebnisse hier aufgrund der kleinräumigen Topographie sowie der geringen Größe der maßgeblichen Einzugsgebiete mit Vorsicht zu interpretieren, da die verwendeten klimatischen Modelldaten keine hierfür geeignete räumliche und zeitliche Auflösung aufweisen. Hochwasserabflüsse anderer Jährlichkeiten (z.B. HQ5, HQ100) zeigen ähnliche räumliche und zeitliche Muster der Veränderung. Auch die anderen Charakteristika der Hochwasserverhältnisse (Häufigkeit, Dauer, Wellenvolumen) deuten auf eine Verschärfung der Situation in der Zukunft, regional bereits zur Mitte des Jahrhunderts. Im Fall des Szenarios RCP2.6 würden sich die Hochwasserverhältnisse im Mittel hingegen nur wenig verändern. Sowohl zur Mitte als auch zum Ende des Jahrhunderts würden die Hochwasserabflüsse im Winterhalbjahr geringfügig abnehmen, vor allem im südlichen Niedersachsen. Im Sommerhalbjahr käme es zu einer fast landesweiten leichten Zunahme. Hiervon ausgenommen wäre wieder die Region um den Harz, wo keine nennenswerten Veränderungen zu erkennen sind.
Der zip-Ordner enthält 30-jährige Rastermittel für Beobachtungs- (1961-1990 bis 1991-2020) und die Ergebnisbandbreite mit Mittelwert der Absolutwerte und Änderungssignale zu 1971-2000 für Projektionszeiträume der Klimaszenarien RCP8.5 und RCP2.6 (2031-2060 und 2071-2100) im Koordinatensystem epsg:4647 (UTM32) für die Zeiteinheiten: - yr: Kalenderjahr (Jan. - Dez.) - sp: Frühling (Mär. - Mai) - su: Sommer (Jun. - Aug.) - au: Herbst (Sep. - Nov.) - wi: Winter (Dez. - Feb.) - hyr: Hydrologisches Jahr (Nov. - Okt.) - hsu: Hydrologisches Sommerhalbjahr (Mai - Okt.) - hwi: Hydrologisches Winterhalbjahr (Nov. - Apr.) - gs: Vegetationsperiode (Apr. - Sep.) - vd: Vegetationsruhe (Okt. - Mär.) - m01.. Monate Januar bis Dezember Neben den Rasterdaten ist eine Information zu den Dateinamen und für eine Darstellung im GIS eine Klassifizierung der Rasterdaten mit Klassenname und hexcolor-code gegeben.
Der zip-Ordner enthält 30-jährige Rastermittel für Beobachtungs- (1961-1990 bis 1991-2020) und die Ergebnisbandbreite mit Mittelwert der Absolutwerte und Änderungssignale zu 1971-2000 für Projektionszeiträume der Klimaszenarien RCP8.5 und RCP2.6 (2031-2060 und 2071-2100) im Koordinatensystem epsg:4647 (UTM32) für die Zeiteinheiten: - yr: Kalenderjahr (Jan. - Dez.) - sp: Frühling (Mär. - Mai) - su: Sommer (Jun. - Aug.) - au: Herbst (Sep. - Nov.) - wi: Winter (Dez. - Feb.) - hyr: Hydrologisches Jahr (Nov. - Okt.) - hsu: Hydrologisches Sommerhalbjahr (Mai - Okt.) - hwi: Hydrologisches Winterhalbjahr (Nov. - Apr.) - gs: Vegetationsperiode (Apr. - Sep.) - vd: Vegetationsruhe (Okt. - Mär.) - m01.. Monate Januar bis Dezember Neben den Rasterdaten ist eine Information zu den Dateinamen und für eine Darstellung im GIS eine Klassifizierung der Rasterdaten mit Klassenname und hexcolor-code gegeben.
Der zip-Ordner enthält 30-jährige Rastermittel für Beobachtungs- (1881-1910 bis 1991-2020) und die Ergebnisbandbreite mit Mittelwert der Absolutwerte und Änderungssignale zu 1971-2000 für Projektionszeiträume der Klimaszenarien RCP8.5 und RCP2.6 (2031-2060 und 2071-2100) im Koordinatensystem epsg:4647 (UTM32) für die Zeiteinheiten: - yr: Kalenderjahr (Jan. - Dez.) - sp: Frühling (Mär. - Mai) - su: Sommer (Jun. - Aug.) - au: Herbst (Sep. - Nov.) - wi: Winter (Dez. - Feb.) - hyr: Hydrologisches Jahr (Nov. - Okt.) - hsu: Hydrologisches Sommerhalbjahr (Mai - Okt.) - hwi: Hydrologisches Winterhalbjahr (Nov. - Apr.) - gs: Vegetationsperiode (Apr. - Sep.) - vd: Vegetationsruhe (Okt. - Mär.) - m01.. Monate Januar bis Dezember Neben den Rasterdaten ist eine Information zu den Dateinamen und für eine Darstellung im GIS eine Klassifizierung der Rasterdaten mit Klassenname und hexcolor-code gegeben.
Der zip-Ordner enthält 30-jährige Rastermittel für Beobachtungs- (1961-1990 bis 1991-2020) und die Ergebnisbandbreite mit Mittelwert der Absolutwerte und Änderungssignale zu 1971-2000 für Projektionszeiträume der Klimaszenarien RCP8.5 und RCP2.6 (2031-2060 und 2071-2100) im Koordinatensystem epsg:4647 (UTM32) für die Zeiteinheiten: - yr: Kalenderjahr (Jan. - Dez.) - sp: Frühling (Mär. - Mai) - su: Sommer (Jun. - Aug.) - au: Herbst (Sep. - Nov.) - wi: Winter (Dez. - Feb.) - hyr: Hydrologisches Jahr (Nov. - Okt.) - hsu: Hydrologisches Sommerhalbjahr (Mai - Okt.) - hwi: Hydrologisches Winterhalbjahr (Nov. - Apr.) - gs: Vegetationsperiode (Apr. - Sep.) - vd: Vegetationsruhe (Okt. - Mär.) - m01.. Monate Januar bis Dezember Neben den Rasterdaten ist eine Information zu den Dateinamen und für eine Darstellung im GIS eine Klassifizierung der Rasterdaten mit Klassenname und hexcolor-code gegeben.
| Organisation | Count |
|---|---|
| Bund | 695 |
| Europa | 59 |
| Kommune | 7 |
| Land | 160 |
| Weitere | 2 |
| Wirtschaft | 4 |
| Wissenschaft | 261 |
| Zivilgesellschaft | 1 |
| Type | Count |
|---|---|
| Daten und Messstellen | 4 |
| Ereignis | 2 |
| Förderprogramm | 593 |
| Text | 46 |
| unbekannt | 92 |
| License | Count |
|---|---|
| Geschlossen | 57 |
| Offen | 676 |
| Unbekannt | 4 |
| Language | Count |
|---|---|
| Deutsch | 601 |
| Englisch | 270 |
| Resource type | Count |
|---|---|
| Archiv | 61 |
| Bild | 12 |
| Datei | 4 |
| Dokument | 54 |
| Keine | 410 |
| Unbekannt | 2 |
| Webdienst | 4 |
| Webseite | 277 |
| Topic | Count |
|---|---|
| Boden | 574 |
| Lebewesen und Lebensräume | 706 |
| Luft | 737 |
| Mensch und Umwelt | 737 |
| Wasser | 530 |
| Weitere | 728 |