API src

Found 3330 results.

WFS Positivnetz Lang-LKW Hamburg

Dieser Web Feature Service (WFS), Positivnetz Lang-LKW, stellt den Teil des Hamburger Straßennetzes zum Download bereit, der für die Befahrung mit Lang-Lkw freigegeben ist (Positivnetz). In Hamburg beschränkt sich dieses Straßennetz auf die Bundesautobahnen für den Transit zwischen den Bundesländern, auf einige Strecken im Hafenbereich sowie auf ausgewählten Stadtstraßen zu Gewerbe- und Industriegebieten. Das Befahren außerhalb der angegebenen Stadtstraßen ist nicht gestattet. Zur genaueren Beschreibung der Daten und Datenverantwortung nutzen Sie bitte den Verweis zur Datensatzbeschreibung.

WMS Positivnetz Lang-LKW Hamburg

Dieser Web Map Service (WMS), Positivnetz Lang-LKW, stellt den Teil des Hamburger Straßennetzes dar, der für die Befahrung mit Lang-Lkw freigegeben ist (Positivnetz). In Hamburg beschränkt sich dieses Straßennetz auf die Bundesautobahnen für den Transit zwischen den Bundesländern, auf einige Strecken im Hafenbereich sowie auf ausgewählten Stadtstraßen zu Gewerbe- und Industriegebieten. Das Befahren außerhalb der angegebenen Stadtstraßen ist nicht gestattet. Zur genaueren Beschreibung der Daten und Datenverantwortung nutzen Sie bitte den Verweis zur Datensatzbeschreibung.

Positivnetz Lang-LKW Hamburg

Der Datensatz beinhaltet den Teil des Hamburger Straßennetzes, der für die Befahrung mit Lang-Lkw freigegeben ist (Positivnetz). In Hamburg beschränkt sich dieses Straßennetz auf die Bundesautobahnen für den Transit zwischen den Bundesländern, auf einige Strecken im Hafenbereich sowie auf ausgewählten Stadtstraßen zu Gewerbe- und Industriegebieten. Das Befahren außerhalb der angegebenen Stadtstraßen ist nicht gestattet. Zusätzliche Informationen zu dem dazugehörigen Feldversuch des Bundesministeriums für Verkehr und digitale Infrastruktur (BMVI) sowie zu der zugrundeliegenden Verordnung und Ausnahmen für spezielle Lang-Lkw-Typen können unter folgendem Link eingesehen werden: http://www.hamburg.de/lang-lkw/

INSPIRE NW Verkehrsnetze ATKIS Basis-DLM

Der Datenbestand enthält für die Fläche von Nordrhein-Westfalen die Verkehrsnetze in der INSPIRE-Datenstruktur (abgeleitet aus ATKIS Basis-DLM). Der Aktualisierungszyklus beträgt einen Monat. Stand der verwendeten Daten: 31.08.2025.

Klassifizierte Gewässer Kreis Viersen

Hier wird das klassifizierte Gewässernetz nach dem Landeswassergesetz NRW abgebildet. Hierunter fallen nach §3(3) LWG NRW oberirdische Gewässer mit ständigem oder zeitweiligem Abfluss, die der Vorflut für Grundstücke mehrerer Eigentümer dienen. Die Gewässer werden von Unterhaltungspflichtigen (in der Regel Verbände) unterhalten. Die Daten werden bei Änderungen anlassbezogen und zeitnah fortgeführt.

Kreisstraßennetz (Landkreis Leer)

Trassen aller Kreisstraßen mit Bezeichnung im Landkreis Leer

Freiland- und Laboruntersuchungen des Planktons in extrem sauren Bergbaurestseen

Durch den Braunkohletagebau entstanden bzw. entstehen geogen extrem versauerte Restseen (pH 2-4), die auch hinsichtlich weiterer abiotischer Parameter ein Extremhabitat darstellen. Wir untersuchen die Konsequenzen, die dies fuer die Struktur und Funktionsweise der planktischen Nahrungsnetze hat.

Vorhersage urbaner atmosphärischer Anzahlkonzentrationen ultrafeiner Partikel mit Hilfe von Machine Learning- und Deep Learning-Algorithmen (ULTRAMADE)

Ultrafeine Partikel (UFP) mit einem aerodynamischen Durchmesser kleiner als 100 nm stehen unter dem Verdacht die menschliche Gesundheit zu schädigen, allerdings fehlt bisher die abschließende wissenschaftliche Evidenz aus epidemiologischen Studien. Zur Herleitung von Expositionskonzentrationen gegenüber UFP wurden zum Teil statistische Modellierungsverfahren genutzt um UFP-Anzahlkonzentrationen vorherzusagen. Ein häufig genutztes Verfahren ist eine auf Flächennutzung basierte lineare Regression („land-use regression“, LUR). Allerdings wurden in luftqualitativen Studien auch andere, ausgefeiltere Modellansätze benutzt, z.B. „machine learning“ (ML) oder „deep learning“ (DL), die eine bessere Vorhersagegenauigkeit versprechen. Das Ziel des Projekts ist die Modellierung von UFP-Anzahlkonzentration in urbanen Räumen basierend auf ML- und DL-Algorithmen. Diese Algorithmen versprechen eine bessere Vorhersagegenauigkeit gegenüber linearen Modellansätzen. Mit unserem Modellansatz wollen wir sowohl räumliche als auch zeitliche Variabilität der UFP-Anzahlkonzentrationen abbilden. In einem ersten Schritt werden die Messergebnisse aus mobilen Messkampagnen genutzt um ein ML-basiertes LUR Modell zu kalibrieren. Zusätzlich werden urbane Emissionen aus lokalen Quellen, abseits vom Straßenverkehr, identifiziert und explizit in das Modell einbezogen. In einem zweiten Schritt wird ein DL-Modellansatz basierend auf Langzeit-UFP-Messungen mit dem ML-Modell gekoppelt um die Repräsentierung der zeitlichen Variabilität zu verbessern. Unser vorgeschlagenes Arbeitsprogramm besteht aus fünf Arbeitspaketen (WP): WP 1 beinhaltet mobile Messungen mittels eines mobilen Labors und eines Messfahrads. WP 2 besteht aus stationären Messungen, die an Stationen des German Ultrafine Aerosol Network durchgeführt werden. In WP 3 werden wichtige UFP-Emissionsquellen, insbesondere Nicht-Verkehrsemissionen, mit Hilfe von zusätzlichen kurzzeitigen stationären Messungen identifiziert und quantifiziert. In WP 4 werden ML-Algorithmen genutzt um ein statistisches Modell aufzubauen. Als Kalibrierungsdatensatz werden die Messungen aus WP 1 benutzt. Das Modell wird UFP-Anzahlkonzentrationen mit Hilfe eines Datensatzes aus erklärenden Variablen, u.a. meteorologische Größen, Flächennutzung, urbaner Morphologie, Verkehrsmengen und zusätzlichen Informationen zu UFP-Quellen nach WP 3, vorhersagen. In WP 5 werden die UFP-Anzahlkonzentrationen aus WP 2 für einen DL-Modellansatz genutzt, der die zeitliche Variabilität repräsentieren wird. Dieser wird dann mit dem ML-Modell aus WP 4 gekoppelt. Der Nutzen der Modellkopplung wird mit dem Datensatz aus WP 3 validiert. Aus unserem Projekt wird ein Modell hervorgehen, das in der Lage ist die räumliche und zeitliche Variabilität urbaner UFP-Anzahlkonzentrationen in einer hohen Genauigkeit zu repräsentieren. Damit wird unsere Studie einen Beitrag zur Quantifizierung von Expositionskonzentrationen gegenüber UFP z.B. in epidemiologischen Studien leisten.

Steuerung benthischer Algenbiomasse durch Weidegänger: Die Rolle der Nahrungsqualität auf unterschiedlichen räumlichen Skalen

In Nahrungsnetzen kontrollieren sowohl bottom-up (Ressourcen) als auch top-down Faktoren (Fraß durch höhere trophische Ebenen) die Biomasse intermediärer Stufen wie z. B. benthischer Algen (Periphyton). Die Wichtigkeit beider Mechanismen konnte gezeigt werden; allerdings scheint die Stärke der top-down Kontrolle in verschiedenen natürlichen Systemen stark zu variieren und die Faktoren, welche die Stärke der top-down Kontrolle bestimmen, sind bisher nur unzureichend verstanden. Die zentrale Hypothese dieses Projekts ist, dass die Stärke der top-down Kontrolle durch die Nahrungsqualität der Algen bestimmt wird, die ihrerseits durch die Allokation essentieller Ressourcen (wie Licht und Nährstoffe) beeinflusst wird. Insbesondere in räumlich gegliederten Gemeinschaften wie Periphyton zeigt die Nahrungsqualität eine große räumliche Heterogenität. Zusammen mit davon abhängigen dynamischen Verhaltensanpassungen der Herbivoren ist dies vermutlich besonders wichtig für die Kontrolle der Biomasseentwicklung des Periphytons, wenngleich diese Faktoren bisher nicht ausreichend untersucht wurden. In diesem Projekt untersuchen wir diese Hypothese auf verschiedenen Skalen und Komplexitätsstufen, sowohl in hochkontrollierten Laborexperimenten, als auch in freilandnahen Mesokosmosexperimenten. Dies umfasst die lokale, homogene Patchgröße, die komplexere Multi-Patch-Ebene mit räumlicher Heterogenität und der Möglichkeit zur Futterwahl für die Herbivoren bis hin zu hochkomplexen Szenarien unter Berücksichtigung von Wachstum und Migrationsverhalten der Herbivoren in Mesokosmosexperimenten. Auf diesen Komplexitätsstufen wird die Ressourcenverfügbarkeit (des limitierenden Nährstoffs P und Lichtenergie) experimentell manipuliert und die Kontrolle der Periphytonbiomasse durch Herbivorie auf zwei Wegen quantifiziert: a) als Biomasseflux zwischen Algen und Herbivoren und b) als Reduktion der Periphytonbiomasse durch Weidegänger im Vergleich zu konsumentenfreien Kontrollansätzen. Insgesamt wird dieses Projekt zeigen, welche Mechanismen die Stärke der top-down Kontrolle auf das Periphyton regulieren und wird dazu beitragen, die Kontrolle der Eutrophierung natürlicher Oberflächengewässer besser zu verstehen.

Mesoskaliges Netzwerk zur Überwachung von Treibhausgas- und Schadstoffemissionen

Aktuelle wissenschaftliche Studien legen nahe, dass die aktuelle Erderwärmung durch Treibhausgasemissionen hervorgerufen wird, die vom Menschen verursacht sind. Um gegen diese Entwicklung geeignete Maßnahmen ergreifen zu können bzw. um zu überprüfen, ob solche Maßnahmen von Erfolg gekrönt sind, ist es notwendig, die Schadstoffkonzentrationen inklusive der zugehörigen Emissionsquellen genau zu kennen. Diese Informationen sind bisher jedoch sehr lückenhaft und beruhen auf sogenannten 'bottom-up' Berechnungen. Da diese Kalkulationen nicht auf direkten Messungen beruhen, weisen sie große Ungenauigkeiten auf und sind außerdem nicht in der Lage, bisher unbekannte Emissionsquellen zu identifizieren. In dem hier vorgestellten Projekt soll ein mesoskaliges Netzwerk für die Überwachung von Luftschadstoffen wie CO2, CH4, CO, NO2 und O3 aufgebaut werden, das auf dem neuartigen Konzept der differentiellen Säulenmessung beruht. Bei diesem Ansatz wird die Differenz zwischen den Luftsäulen luv- und leewärts einer Stadt gebildet. Diese Differenz ist proportional zu den emittierten Schadstoffen und somit eine Maßzahl für die Emissionen, welche in der Stadt generiert werden.Mithilfe dieser Methode wird es in Zukunft möglich sein, städtische Emissionen über lange Zeiträume hinweg zu überwachen. Damit können neue Informationen über die Generierung und Umverteilung von Luftschadstoffen gewonnen werden. Wir werden u.a. folgende zentrale Fragen beantworten: Wie verhält sich der tatsächliche Trend der CO2, CH4 und NO2 Emissionen in München über mehrere Jahre? Wo sind die Emissions-Hotspots? Wie akkurat sind die bisherigen 'bottom-up' Abschätzungen? Wie effektiv sind die Maßnahmen zur Emissionsreduzierung tatsächlich? Sind vor allem für Methan weitere Maßnahmen zur Reduzierung der Emissionen notwendig? Zu diesem Zweck werden wir ein vollautomatisiertes Messnetzwerk aufbauen und passende Methoden zur Modellierung entwickeln, welche u.a. auf STILT (Stochastic Time-Inverted Lagrangian Transport) und CFD (Computational Fluid Dynamics) basieren. Mithilfe der Modellierungsresultate werden wir eine Strategie entwerfen, wie städtische Netzwerke zur Überwachung von Luftschadstoffen aufgebaut werden müssen, um repräsentative Ergebnisse zu erhalten. Außerdem können mit den so gewonnenen städtischen Emissionszahlen z.B. dem Stadtreferat, den Stadtwerken München oder der Bayerischen Staatsregierung Möglichkeiten zur Beurteilung der Effektivität der angewandten Klimaschutzmaßnahmen an die Hand gegeben werden. Das hier vorgestellte Messnetzwerk dient somit als Prototyp, um die grundlegenden Fragen zum Aufbau eines solchen Sensornetzwerks zu klären, damit objektive Aussagen zu städtischen Emissionen möglich werden. Dieses Projekt ist weltweit einmalig und wird zukunftsweisende Ergebnisse liefern.

1 2 3 4 5 … 331 332 333