API src

Found 8665 results.

Related terms

High-resolution measurements of essential climate variables in the North Sea from the autonomous surface vehicle HALOBATES during RV Heincke cruise HE626

The autonomous surface vehicle HALOBATES collected key climate variables, including sea surface temperature (SST) and salinity (SSS), during the RV Heincke cruise HE626 in the German Bight. HALOBATES recorded SST and SSS at seven different depths with a high vertical resolution of approximately 10 cm, ranging from the near-surface layer (NSL) (between 30 and 100 cm) to the sea-surface microlayer (SML) (uppermost millimeter). Temperature and conductivity (used for salinity calculation) were measured using conductivity, temperature, and depth (CTD) sensors connected to a flow-through system on HALOBATES. Additional temperature sensors were placed beneath the catamaran to capture in-situ temperature at six depths within the NSL. Salinity measurements were adjusted using discrete water samples to correct for any sensor biases. During the operation, two data loggers equipped with meteorological stations on the catamaran monitored essential weather conditions. HALOBATES was in operation from July 21, 2023, to August 8, 2023.

High-resolution measurements of essential climate variables in the North Sea from the autonomous surface vehicle HALOBATES during RV Heincke cruise HE614

The autonomous surface vehicle HALOBATES measured Essential Climate Variables (ECV), such as sea surface temperature (SST) and salinity (SSS), during the RV Heincke cruise HE614 in the German Bight. HALOBATES captured the SST and SSS at seven depths with a high vertical resolution of about 10 cm, from the near-surface layer (NSL) (between 30 and 100 cm) and the sea surface microlayer (SML) (upper millimeter). Conductivity, temperature, and depth (CTD) sensors measured temperature and conductivity (for salinity calculation) via a flow-through system on HALOBATES. Additional temperature sensors were mounted underneath the catamaran to measure in-situ temperature in situ at six depths in the NSL. Salinity was corrected with discrete water samples to remove biases between the sensors. Two data loggers with several meteorological stations on the catamaran captured important weather variables during operation time. The surfactant concentration was measured from discrete samples of SML and 100 cm depth. HALOBATES was operated between 01 March 2023 and 22 March 2023.

Model Output Statistics for Mergentheim, Bad-Neunkirchen (Q076)

DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]

Klimawandel und Wärmebelastung der Zukunft 2008

Im Rahmen des Umweltatlas werden seit mehr als 25 Jahren Erhebungen zur Stadtklimatologie durchgeführt und Daten gewonnen (vgl. SenStadtUm 1985). Aktuell liegt mit den Ergebnissen der Anwendung des Klimamodells FITNAH eine umfassende Bestandsaufnahme der heutigen klimatischen Situation im Stadtgebiet und im näheren Umland vor (vgl. Karte 04.10 Klimamodell Berlin – Analysekarten (Ausgabe 2009) und Karte 04.11 Klimamodell Berlin – Bewertungskarten (Ausgabe 2009)). Die Kenntnis über das in der Stadt vorherrschende Lokalklima, insbesondere die Lage und Ausdehnung der städtischen “Wärmeinseln” und die klimatischen Funktionszusammenhänge zwischen Siedlungs- und grünbestimmten Räumen sind bedeutende Aspekte der Umweltvorsorge und Stadtentwicklung. Seit einigen Jahren hat sich nun das Spektrum der Herausforderungen drastisch erweitert: die Abschätzung der Auswirkungen der durch den globalen Klimawandel zu erwartenden Veränderungen auf die thermischen, hygrischen und lufthygienischen Verhältnisse insbesondere in den städtischen Ballungsräumen erfordert zusätzliche Antworten, um die unter den Begriffen “Mitigation” (Minderung) und “Adaptation” (Anpassung) zusammengefassten Anforderungen zu unterstützen. Während der Klimaschutz seit Jahren ein fester Bestandteil der Berliner Umweltpolitik ist und im Zusammenhang mit zahlreichen Programmen zur Steigerung der Energieeffizienz, die Nutzung erneuerbarer Energien und zur Energieeinsparung eine lange Tradition besitzt (vgl. Ziele und Grundlagen der Klimaschutzpolitik in Berlin ) war die Anpassung an den Klimawandel bisher nur ein Randthema. Allerdings kann die Notwendigkeit der Klimawandelanpassung heute nicht mehr aus dem kommunalen Alltag ausgeblendet werden. Mit der Annahme des 4. Sachstandsberichts des Zwischenstaatlichen Ausschusses für Klimaänderungen (IPCC) von 2007 sind der Klimawandel und seine mit hoher Wahrscheinlichkeit anthropogenen Ursachen international anerkannt. Seit dem vergangenen Jahrhundert erwärmt sich das Klima, wie Beobachtungsdaten belegen. So stieg das globale Mittel der bodennahen Lufttemperatur im Zeitraum 1906 bis 2005 um etwa 0,74°C. Gebirgsgletscher und Schneebedeckung haben im Mittel weltweit abgenommen. Extremereignisse wie Starkniederschläge und Hitzewellen – etwa während des “Jahrhundertsommers” 2003 – wurden häufiger, und seit den 1970er Jahren traten in den Tropen und Subtropen intensivere und länger andauernde Dürren über größeren Gebieten auf. Mit steigender Temperatur nehmen die erwarteten Risiken zu (vgl. Umweltbundesamt ). Seit dem Beginn der Industrialisierung steigt die globale Mitteltemperatur der Luft in Bodennähe. Die durch das vom Menschen verursachte ( anthropogene ) Verbrennen fossiler Brennstoffe in der Atmosphäre angereicherten Treibhausgase führen in der Tendenz zu einer Erwärmung der unteren Luftschichten (vgl. Abbildung 1) Nach den Prognosen des IPCC muss auch in Deutschland bis zum Jahr 2050 mit folgenden Änderungen gerechnet werden: im Sommer werden die Temperaturen um 1,5 °C bis 2,5 °C höher liegen als 1990 im Winter wird es zwischen 1,5 °C und 3 °C wärmer werden im Sommer können die Niederschläge um bis zu 40 % geringer ausfallen im Winter kann es um bis zu 30 % mehr Niederschlag geben (ausführliche Zusatzinformationen hier: Klimaatlas Deutschland ). Um die regionalen Auswirkungen dieser künftigen Klimaänderungen in Deutschland besser einschätzen zu können, werden sogenannte Regionale Klimamodelle eingesetzt und z.B. im Auftrag des Umweltbundesamtes zur Erstellung von Projektionsdaten der möglichen zukünftigen Entwicklung genutzt. Grundlage für die Klimamodelle bilden Annahmen über die Entwicklung der Emissionen in den nächsten Jahrzehnten, die wiederum abhängig sind von den möglichen (weltweiten) demographischen, gesellschaftlichen, wirtschaftlichen und technischen Entwicklungen. Maßgebend sind für die meisten Klimaprojektionen die SRES-Emissionsszenarien des IPCC . Für die meisten Projektionsrechnungen wird das Szenario A1B genutzt, das von folgenden Annahmen ausgeht: stetiges Wirtschaftswachstum ab Mitte des Jahrhunderts rückläufige Weltbevölkerung Einführung neuer und effizienter Technologien Verringerung der regionalen Unterschiede im Pro-Kopf-Einkomen “ausgewogene Nutzung” aller Energiequellen. Alle SRES-Szenarien beinhalten keine zusätzlichen Klimainitiativen, d.h. es sind keine Szenarien berücksichtigt, die ausdrücklich eine Umsetzung internationalen Übereinkommen vorsehen. Die Auflösungsebene der regionalen Modelle liegt bei 10 km x 10 km pro einzelner Rasterfläche. Einerseits bedeutet dies einen beträchtlichen Qualitätssprung gegenüber den globalen Modellen mit Rastergrößen von 200 km x 200 km, andererseits reicht die Auflösung für stadtplanerische Zwecke bei weitem nicht aus. Zwei der bekanntesten Modelle in Deutschland sind das dynamische Regionalmodell REMO sowie das statistische Verfahren WETTReg. Auf Bundesebene wurde am 17. Dezember 2008 im Kabinett die Deutsche Anpassungsstrategie an den Klimawandel (DAS) beschlossen. Sie stellt den Beitrag des Bundes dar und schafft einen Rahmen zur Anpassung an die Folgen des Klimawandels in Deutschland, der durch die Städte und Ballungszentren je nach lokaler Betroffenheit spezifiziert werden muss. Diese mögliche lokale Betroffenheit besser einschätzen zu können, war Ausgangspunkt der Anfang 2008 abgeschlossenen Kooperationsvereinbarung zwischen dem Deutschen Wetterdienst (DWD), Abteilung Klima- und Umweltberatung und der Senatsverwaltung für Stadtentwicklung, Abteilung Geoinformation, Referat Informationssystem Stadt und Umwelt , die Anfang 2010 erfolgreich abgeschlossen werden konnte. Der dazu vorgelegte Projektbericht lieferte auch wesentliche Beiträge für die hier vorgelegten Textteile (DWD 2010). Ansatz der hier präsentierten Karten und Daten war somit die Fragestellung, wie sich auf der Basis heute vorliegender Erkenntnisse und Modelldaten die thermischen Verhältnisse in Berlin entwickeln könnten. Dies ist auch deshalb von besonderem Interesse, da davon auszugehen ist, dass heute noch als nicht wärmebelastet bewertete Stadtgebiete durch die fortdauernde Klimaerwärmung in den nächsten Jahrzehnten einer deutlichen höheren sommerlichen Hitze ausgesetzt sein dürften. Dies gilt sowohl von der zu erwarteten absoluten Höhe der erreichten Temperaturwerte als auch von der Andauer der Hitzeperioden. Es ging also im Wesentlichen um eine Bestandsaufnahme der zu erwartenden Klimafolgen insbesondere in den bebauten Bereichen, wo die Verwundbarkeit der Stadtbewohner – und hier vor allem der älteren Bevölkerung – am größten ist. Das methodische Vorgehen zur kleinräumigen lokalen Ausprägung möglicher durch den globalen Klimawandel verursachter Folgen ist noch “Forschungsneuland”, in keiner Weise standardisiert und somit in der Interpretation der Ergebnisdaten immer mit gewissen Unsicherheitsfaktoren versehen (vgl. Methode).

Model Output Statistics for Emmendingen-Mundingen (Q702)

DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]

Model Output Statistics for REICHENAU/RAX (11380)

DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]

Model Output Statistics for IOANNINA (16642)

DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]

Model Output Statistics for Offenbach-Wetterpark (10641)

DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]

GTS Bulletin: CSDL03 EDZW - Climatic data (details are described in the abstract)

The CSDL03 TTAAii Data Designators decode as: T1 (C): Climatic data T1T2 (CS): Monthly means (surface) A1A2 (DL): Germany (The bulletin collects reports from stations: 10609;Trier-Petrisberg;10616;Hahn;10641;Offenbach-Wetterpark;10655;Würzburg;10675;Bamberg;10688;Weiden;10708;Saarbrücken-Ensheim;10729;Mannheim;10731;Rheinstetten;10742;Öhringen;10776;Regensburg;10791;Großer Arber;10805;Lahr;10815;Freudenstadt;10836;Stötten;10870;München-Flughafen;10895;Fürstenzell;10908;Feldberg/Schwarzwald;10929;Konstanz;10948;Oberstdorf;10961;Zugspitze;10962;Hohenpeißenberg;)

Forschergruppe (FOR) 2416: Space-Time Dynamics of Extreme Floods (SPATE), Teilprojekt: Vorhersagbarkeit extremer Hochwasser

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.

1 2 3 4 5 … 865 866 867