API src

Found 330 results.

Similar terms

s/meereisdicke/Meereisdecke/gi

Arktisches Meereis auf dem Rückzug

Am 14. September 2016 wurde in einer gemeinsamen Pressemitteilung der Universität Hamburg, CEN – Centrum für Erdsystemforschung und Nachhaltigkeit, und dem Alfred-Wegener-Institut Helmholtz-Zentrum für Polar- und Meeresforschung Bilanz der Sommerschmelzperiode 2016 gezogen. Im September 2016 ist die Fläche des Arktischen Meereises auf eine Größe von knapp 4,1 Millionen Quadratkilometern abgeschmolzen. Dies ist die zweitkleinste Fläche seit Beginn der Satellitenmessungen. Weniger Meereis gab es nur im Negativ-Rekord-Jahr 2012 mit 3,4 Mio km2. Seit Ende August 2016 sind die Nordost- und die Nordwestpassage in der Arktis wieder offen. Die südliche Route der Nordwestpassage wurde in diesen Wochen von Yachten und einem Kreuzfahrtschiff durchfahren.

Tiefsee der Antarktis wird kälter

Das Forschungsschiff Polarstern des Alfred-Wegener-Instituts für Polar- und Meeresforschung hat die erste Antarktissaison im Internationalen Polarjahr erfolgreich abgeschlossen. 58 Wissenschaftlerinnen und Wissenschaftler aus zehn Ländern waren vom 6. Februar bis 16. April 2008 an Bord des Forschungsschiffs im Südlichen Ozean unterwegs. Das erste Ergebnis dieser Expedition: Die Tiefsee der Antarktis wird nach jahrelanger Erwärmung wieder kälter. Dadurch könnten die Umwälzbewegungen der ozeanischen Wassermassen in Schwung gebracht werden. Gleichzeitig haben Satellitenaufnahmen die höchste Ausdehnung von Meereis im antarktischen Sommer seit Beginn der Aufzeichnungen gezeigt. Ob der kalte antarktische Sommer einen neuen Trend einleitet oder nur ein Ausrutscher war, wird mittels autonomer Messbojen in den nächsten Jahren weiter untersucht.

Durchschnittliche Seeeisausdehnung in der Arktis im Februar 2013

Im Februar 2013 betrug die arktische Eisausdehnung 14,66 Millionen Quadratkilometer. Das sind 980.000 Quadratkilometer weniger als im monatlichen Durchschnitt der Jahre 1979 bis 2000.

Erster eisbrechender LNG-Tanker läuft nordsibirischen Halbinsel Jamal an

Am 30. März 2017 lief erstmals ein eisbrechender Flüssiggastanker den neuen russischen Hafen Sabetta auf der Halbinsel Jamal an. Die unter zyprischer Flagge fahrende "Christophe de Margerie" ist dafür ausgelegt, 80.000 Tonnen verflüssigtes Erdgas (LNG) zu transportieren. Ziel der Reise war es zu testen, ob ein Schiff dieser Größenordnung die Nordostpassage befahren kann. Russland will auf der Halbinsel Jamal in der Arktis Erdgas fördern. Um das Gas abtransportieren zu können, wurde ein hochmodernes Flüssiggasterminal errichtet. Jährlich sollen hier 16,5 Millionen Tonnen Erdgas gefördert werden. Die Tanker sollen die Nordostpassage nutzen, die seit 2009 in den Sommermonaten immer stärker befahren wird.

Antarktische Meereisausdehnung erreicht ein Rekordmaximum

Die Meereisausdehnung in der Antarktis erreichte am 19. August mit 18,7 Millionen Quadratkilometern einen Rekordwert, nur der 19. August 2010 war ähnlich hoch). Bedingt wurde dieser Rekordwert durch ungewöhnlich viel Eis in der Bellingshausen-, und Amundsensee sowie dem Rossmeer und im westlichen Sektor des Indischen Ozeans.

ECOSMO II hindcast simulations for the North Sea and Baltic Sea (1948-2008)

[ Derived from parent entry - see the respective metadata entry ] Regional simulation with the fully coupled physical-biogeochemical model ECOSMO II. Model details and setup specifications are described in Daewel and Schrum (2013). The basis for ECOSMO II is a baroclinic hydrodynamic coupled sea-ice model (Schrum and Backhaus, 1999), which is coupled to a lower trophic level ecosystem NPZD-model. The experiment contains hindcast simulations for the coupled North Sea and Baltic Sea ecosystem for the period 1948-2008 forced by the NCEP/NCAR reanalysis (Kalnay et al., 1996). The spatial resolution is 6’ x 10’ in the horizontal and 20 layers in the vertical. The data-set contains daily averaged data. Data for biological, physical and ice variables are stored in separate files. The 3d model grid is defined in ECOSMOII_NCEP.1948-2008.dm.griddef.000000.nc (https://cera-www.dkrz.de/WDCC/ui/cerasearch/entry?acronym=ECOSMOII_NCEP_griddef ), which contains information on vertical layer thickness in each model grid-box. The output format is netCDF.

ECOSMO II hindcast simulations for the North Sea and Baltic Sea (1948-2008)

[ Derived from parent entry - see the respective metadata entry ] Regional simulation with the fully coupled physical-biogeochemical model ECOSMO II. Model details and setup specifications are described in Daewel and Schrum (2013). The basis for ECOSMO II is a baroclinic hydrodynamic coupled sea-ice model (Schrum and Backhaus, 1999), which is coupled to a lower trophic level ecosystem NPZD-model. The experiment contains hindcast simulations for the coupled North Sea and Baltic Sea ecosystem for the period 1948-2008 forced by the NCEP/NCAR reanalysis (Kalnay et al., 1996). The spatial resolution is 6’ x 10’ in the horizontal and 20 layers in the vertical. The data-set contains daily averaged data. Data for biological, physical and ice variables are stored in separate files. The 3d model grid is defined in ECOSMOII_NCEP.1948-2008.dm.griddef.000000.nc (https://cera-www.dkrz.de/WDCC/ui/cerasearch/entry?acronym=ECOSMOII_NCEP_griddef ), which contains information on vertical layer thickness in each model grid-box. The output format is netCDF.

GTS Bulletin: STDL20 EDZW - Surface data (details are described in the abstract)

The STDL20 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (ST): Sea Ice A1A2 (DL): Germany (Remarks from Volume-C: ICE REPORTS)

Space-based earth observation in support of the UNFCCC Paris Agreement

Space-based Earth observation (EO), in the form of long-term climate data records, has been crucial in the monitoring and quantification of slow changes in the climate system - from accumulating greenhouse gases (GHGs) in the atmosphere, increasing surface temperatures, and melting sea-ice, glaciers and ice sheets, to rising sea-level. In addition to documenting a changing climate, EO is needed for effective policy making, implementation and monitoring, and ultimately to measure progress and achievements towards the overarching goals of the United Nations Framework Convention on Climate Change (UNFCCC) Paris Agreement to combat climate change. The best approach for translating EO into actionable information for policymakers and other stakeholders is, however, far from clear. For example, climate change is now self-evident through increasingly intense and frequent extreme events - heatwaves, droughts, wildfires, and flooding - costing human lives and significant economic damage, even though single events do not constitute "climate". EO can capture and visualize the impacts of such events in single images, and thus help quantify and ultimately manage them within the framework of the UNFCCC Paris Agreement, both at the national level (via the Enhanced Transparency Framework) and global level (via the Global Stocktake). We present a transdisciplinary perspective, across policy and science, and also theory and practice, that sheds light on the potential of EO to inform mitigation, including sinks and reservoirs of greenhouse gases, and adaptation, including loss and damage. Yet to be successful with this new mandate, EO science must undergo a radical overhaul: it must become more user-oriented, collaborative, and transdisciplinary; span the range from fiducial to contextual data; and embrace new technologies for data analysis (e.g., artificial intelligence). Only this will allow the creation of the knowledge base and actionable climate information needed to guide the UNFCCC Paris Agreement to a just and equitable success.

Demonstration einer vorläufigen Kombination von Meereisklassifikationen aus optischen und SAR Daten

Meereisinformationen (Klassifikation) aus Sentinel-3 SLSTR-Daten und Sentinel-1 SAR-Daten (Aythetisches Apertur Radar). Ein Ergebnis von EisKlass31 war die Demonstration, dass eine Kombination aus beiden Sensoren eine deutlich detaiiertere Anprache der Eistypen erlaubt als die Klassifikation aus nur einer Datenquelle. Ein Datensatz besteht aus - Inhaltsbeschreibung - SLSTR-Klassifikation, kontinuierliche Farbgebung, RGB, 8-bit pro Farbauszug, TIFF - SAR-Klassifikation, 8-bit pro Farbauszug, TIFF - SLSTR-Klassifikation, reduziert auf Hauptfarben, RGB, 8-bit pro Farbauszug, TIFF - Demonstration einer Kombination, RGB, 8-bit pro Farbauszug, TIFF - Legende zur SLSTR-Klassifikation - Legende zur SAR-Klassifikation - Legende zur Kombination der Klassifikationen

1 2 3 4 5 … 31 32 33