API src

Found 1742 results.

Related terms

Other language confidence: 0.504612457660178

Schwerpunktprogramm (SPP) 1158: Antarctic Research with Comparable Investigations in Arctic Sea Ice Areas; Bereich Infrastruktur - Antarktisforschung mit vergleichenden Untersuchungen in arktischen Eisgebieten, Einflüsse von Schnee auf antarktisches Meereis (SCASI)

Die Ausdehnung des antarktischen Meereises nahm im Laufe der letzten Jahre zu und steht damit im Gegensatz zur Abnahme in der Arktis. Die Gründe hierfür sind Gegenstand aktueller Forschungsprojekte. Wechselwirkungen mit der Atmosphäre und dem Ozean spielen sicherlich eine wesentliche Rolle, aber auch die dicke und heterogene Schneeauflage des Meereises hat einen große Einfluss auf das Meereis und seine Rolle im globalen Klima und Wettergeschehen. Zugleich erschwert die Schneeauflage flugzeug- und satellitenbasierte Messungen über Meereis, da sie die Oberflächeneigenschaften bestimmt und zu großen Unsicherheiten beiträgt. Entsprechend ist eine bessere Kenntnis der Schneeverteilung auf Meereis dringend erforderlich, um Veränderungen besser verstehen und simulieren zu können. Ziel des Projektes ist es die Menge und Verteilung von Schnee auf antarktischem Meereis sowie dessen physikalische Eigenschaften und deren zeitliche Variabilität zu quantifizieren. Die Entwicklung eines neuen und konsistenten Datenprodukts für Schnee auf antarktischem Meereis steht im Vordergrund des Projektes. Dieses soll die hohe Variabilität über unterschiedliche Größenskalen und Jahreszeiten abbilden. Mithilfe dieses Produktes sind wir dann in der Lage Fernerkundungsalgorithmen und Modellsimulationen zu verbessern und zu validieren. Schließlich wird unser Projekt das Gesamtverständnis der Massenbilanz und Dynamik antarktischen Meereises verbessern, und leistet so einen wichtigen Beitrag für die biologische und geochemische Erforschung des eisbedeckten Südozeans. Um diese Ziele zu erreichen, werden hochaufgelöste Modelle betrieben, die durch Feld- und Fernerkundungsdaten von antarktischem Schnee auf Meereis gestützt und geleitet werden. Im Rahmen einer neuen deutsch-schweizer Zusammenarbeit (D-A-CH Programm) werden die Meereisexpertisen aus Feldmessungen und Fernerkundung der deutschen Partner mit der Schneeexpertise aus Feldmessungen und Modellierung der Schweizer Partner kombiniert. Die Projektpartner verfügen über detaillierte Schneemessungen mehrerer erfolgreicher Feldkampagnen auf antarktischem Meereis, die durch autonome Messungen ergänzt werden. Daten der Satelliten AMSR-2, SMOS und CryoSat-2 sind verfügbar und werden genutzt, um neue Algorithmen für die Bestimmung von Schneeeigenschaften auf Meereis zu entwickeln. Diese Algorithmen und daraus resultierende Datensätze werden durch Beobachtungen validiert und verbessert. Durch die Kopplung der numerischen Schneemodelle SNOWPACK und MEMLS werden Schneedicke, -temperatur, -dichte und Mikrowellenemissivität simuliert. Das Projekt ist darauf ausgelegt drei junge Wissenschaftler für Ihre Arbeit in der Meereisforschung zu finanzieren. Zwei erfahrene Post-Doktoranden sind vorgesehen. Beide haben bereits ähnliche Methoden und Datensätze im Rahmen ihren Doktorarbeiten bearbeitet. Ein Doktorand wird dieses Projekt zur Promotion nutzen.

Sonderforschungsbereich Transregio 172 (SFB TRR): Arktische Verstärkung: Klimarelevante Atmosphären- und Oberflächenprozesse und Rückkopplungsmechanismen (AC)3

Innerhalb der letzten 25 Jahre wurde ein bemerkenswerter Anstieg der bodennahen Lufttemperatur in der Arktis beobachtet, welcher den Globalerwärmungsfaktor von zwei sogar übersteigt. Dieses Phänomen wird als Arktische Verstärkung bezeichnet. Diese Erwärmung führt zu recht dramatischen Veränderungen einer Vielzahl von Klimaparametern. Beispielsweise wurde von Satelliten aus beobachtet, dass sich das arktische Meereis signifikant zurückgezogen hat. Allerdings können Klimamodelle diesen Rückgang immer noch nicht korrekt reproduzieren. Daher ist es zwingend erforderlich den Ursprung dieser Unstimmigkeiten zu identifizieren. Um unser Wissen über die Ursprünge der beobachteten arktischen Klimaveränderungen zu erweitern, ist es notwendig die Genauigkeit dieser Vorhersagen zu verbessern. Um dieses Ziel zu erreichen beantragen wir im Rahmen des Transregio TR 172 die vorhandenen wissenschaftlichen Fachkenntnisse und Kompetenzen dreier deutscher Universitäten und zweier nicht-universitären Forschungsinstitute zu fokussieren und kombinieren. Beobachtungen von Messinstrumenten auf Satelliten, Flugzeugen, luftgetragenen Ballonplattformen, Forschungsschiffen und ausgewählte bodengebundene Messstationen werden in bestimmte Forschungskampagnen integriert und mit Langzeit Messungen kombiniert. Die Modellaktivitäten verwenden eine Hierarchie von Prozess-, mesoskaligen, regionalen und globalen Modellen um eine Brücke zwischen räumlichen und zeitlichen Skalen zu individuellen lokalen Prozessen der entsprechenden Klimasignale herzustellen. Die Modelle dienen als Orientierungshilfe für Kampagnen, zur Analyse von Messungen und Sensitivitäten, zur möglichen Zuordnung der Quellen der beobachteten arktischen Klimaveränderungen und um die Fähigkeiten der Modelle zu testen Beobachtungen zu reproduzieren. Die allumfassende wissenschaftliche Zielsetzung des TR 172 ist es die Schlüsselprozesse, die zur arktischen Verstärkung beitragen, zu identifizieren, untersuchen und zu bewerten um unser Verständnis über die wesentlichen Rückkopplungsmechanismen zu verbessern und gleichzeitig deren relative Bedeutung für die arktische Verstärkung zu quantifizieren. In der ersten Phase wird der Fokus auf atmosphärischen und Bodenprozessen liegen, da die schnell vorrangehenden Veränderungen im arktischen Klima vermuten lassen, dass wichtige atmosphärische Einflüsse an diesen Mechanismen beteiligt sind. In der zweiten und dritten Phase werden dann vor allem die Wechselwirkungen zwischen ozeanischen und atmosphärischen Komponenten der arktischen Verstärkung sowie die damit verbundenen globalen Aspekte genauer untersucht. Die Verbindung von Beobachtungs- und Modellstudien dient dazu die künftigen arktischen Klimaentwicklungsvorhersagen zu verbessern.

Indikatoren des Klimawandels mittels Radio-Okkultation

Die internationale wissenschaftliche Gemeinschaft unternimmt große Anstrengungen in der Erforschung des globalen Klimawandels. Dennoch bestehen immer noch Unsicherheiten und Widersprüche im Hinblick auf Detektion, Ursachenzuweisung und Vorhersage von Klimatrends. Ein Hauptgrund ist der Mangel an genauen und langfristig stabilen Klimabeobachtungen. Dieser Umstand war Anlass für das Intergovernmental Panel on Climate Change (IPCC) Aktionen höchster Priorität für die zukünftige Klimabeobachtung zu definieren. Eine viel versprechendes Werkzeug zur Bewältigung dieses Problems ist die Radio-Okkultationsmethode (RO), welche Signale von Navigationssatelliten (GNSS - Global Navigation Satellite System) verwendet. Die besondere Eignung für Klimabeobachtungen resultiert aus der einzigartigen Kombination von Genauigkeit, Langzeit-Stabilität, globaler Bedeckung und Allwetter-Tauglichkeit. Die größte Genauigkeit von Klimavariablen (wie Temperatur und Geopotentielle Höhe von Druckschichten) wird in der oberen Troposphäre und unteren Stratosphäre (UTLS) erzielt. Die Veränderung der thermischen Struktur in dieser Höhenregion ist ein sensitiver Indikator für den Klimawandel. Hauptziel des Projektes ist in diesem Kontext die Exploration und das Auffinden von Indikatoren des atmosphärischen Klimawandels für die UTLS Region unter Verwendung von RO-basierten Klimatologien, sowie von 'proxy' Re-analyse- und Klimamodelldaten zur Untersuchung des Langzeitverhaltens. Da die vorhandenen RO Klimatologien nur über einen beschränkten Zeitraum (kontinuierliche Beobachtungen gibt es erst seit 2002) zur Verfügung stehen, erweitern wir unseren Beobachtungsdatensatz mit Re-Analysedaten bis ins Jahr 1979 zurück. Simulationsdaten von globalen Klimamodellen, kürzlich für den vierten IPCC Assessment Report (AR4) fertig gestellt, werden als'proxy' Daten bis zum Jahr 2050 verwendet. Die systematische Datenexploration, um die robustesten und sensitivsten RO basierten Trendindikatoren zu finden, erfolgt einerseits mittels vordefinierter Indikatoren über einen Multi-Model/Multi-Ensemble Ansatz, andererseits durch eine neue visualisierungs-basierte Exploration von 4D Feldern. Auf Basis der 'besten' Indikatoren erfolgt eine Untersuchung der RO Klimatologien bezüglich Trenddetektierung mit Hilfe von 'optimal detection (fingerprinting)' Methoden. Zudem wird eine Validierung der Klimamodelle mit Hilfe der Beobachtungsdaten durchgeführt. Ziel von INDICATE ist es, mit der Bereitstellung von optimalen RO basierten UTLS Klimatrend-Indikatoren sowie mit der Validierung von Klimamodellen einen wesentlichen Beitrag zu Monitoring und Erforschung des Klimawandels zu leisten.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Fall, Germany from 1984 – 2023

The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Stendal, Germany from 1985 – 2023

The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.

GTS Bulletin: IUTG14 EDZW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The IUTG14 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IU): Upper air T1T2A1 (IUT): (used for satellite-derived sondes – see Note 3) A2 (G): 180° - 90°E tropical belt (Remarks from Volume-C: (CBS)SATELLITE RADIO OCCULTATION DATA)

A spatially explicit Global Reef Island Database (GRID) that captures distribution, diversity and relative vulnerability of the world's low-lying reef islands

Low-lying coral reef islands harbour a distinct, yet highly threatened biological and cultural diversity that is increasingly exposed to climate change impacts. The combination of low elevation, small size, sensitivity to changes in boundary conditions (sea level, waves and currents, locally generated sediment supply) and at some locations high population densities, is why low-lying reef islands (LRIs) are considered among the most vulnerable environments on Earth to climate change. To date, their global distribution and influence of climatic, oceanographic, and geologic setting are only poorly documented or restricted to smaller scales. Here, I present the first detailed global analysis of LRIs utilising freely available global datasets to produce a global reef island database (GRID) and associated intrinsic and extrinsic characteristics that can be used within a coastal vulnerability index (CVI). All datasets used to create the GRID were released between 30 November 2015 and 3 August 2023, while the current version of the GRID database was completed in November 2024. When developing the GRID, LRIs are defined as landmasses <30 km² located on or within 1 km of coral reef and with an elevation of <16 m. Development of the GRID required: 1) the creation of a global shoreline vector file containing the geographic distribution of LRIs and 2) the development of a comprehensive global database of LRIs including eight intrinsic and ten extrinsic variables extracted from global datasets. Intrinsic variables include: 1) human populations, 2) island area, 3) island perimeter, 4) mean elevation, 5) island circularity/shape, 6) underlying reef type, 7) geographic isolation and 8) distance to the nearest neighbouring reef island. Extrinsic variables include: 1) mean water depth, 2) standard deviation of mean water depth, 3) mean annual significant wave height, 4) mean annual wave period, 5) mean spring tidal range, 6) relative tidal range, 7) wave-tide regime, 8) relative wave exposure, 9) relative tropical storm exposure and 10) year-2100 projected median sea level rise rate. The GRID was initially derived from version 2.1 of the UNEP-WCMC Global Island Database, a global shoreline vector file based on geometry data from Open Street Map® (OSM) and released in November 2015. The initial vector file was projected using the Mollweide projection, an equal-area pseudo cylindrical map projection chosen for its accurate derivation of area, especially in regions close to the equator, where most LRIs are located. The final GRID contains 34,404 individual LRIs distributed throughout tropical regions of the world's oceans, amassing a total land area of nearly 11,000 km² with approximately 60,740 km of shoreline and housing around 2.6 million people. While intrinsic variables are typically spatially homogenous, LRIs are generally highly spatially clustered throughout the GRID with respect to extrinsic variables. The spatial distribution of LRIs within the GRID was validated using: 1) published data and 2) quantitative accuracy assessments using satellite imagery. Spatial distributions of LRIs captured in the GRID are extremely consistent with those published in the literature (r² = 0.96) and those derived from independent analysis of satellite imagery (r² = 0.94). Finally, the GRID was used to develop an island vulnerability index (IVI) for each LRI on a scale of 0-1 with 0 representing no vulnerability and 1 representing maximum vulnerability. The GRID database is provided as a tab-delimited text file as well as ESRI shapefiles (points and polygons in WGS84 and Mollweide projection) and a comma-separated value file.

Research group (FOR) 2694: Large-Scale and High-Resolution Mapping of Soil Moisture on Field and Catchment Scales - Boosted by Cosmic-Ray Neutrons, Verknüpfung von Cosmic Ray Neutron Sensing (CRNS) mit aktiven und passiven Fernerkundungsdaten

Direkte lokale Beobachtungen des Bodenfeuchtegehalts (BFG) mit in-situ Messgeräten sind derzeit aufgrund der hohen räuml. und zeitl. Variabilität nur eingeschränkt nutzbar. Fernerkundungsdaten können mit verschiedenen Methoden verwendet werden, um tägliche Daten mit einer groben räumlichen Auflösung zu liefern. Für viele regionale Anwendungen werden jedoch Produkte mit einer räumlichen Auflösung von ca. 10 bis 30 m benötigt. Der Kontrast zwischen dem punktuellen Charakter aktueller terrestrischer Bodenfeuchtemessungen und der Bodenauflösung von Satelliten, die zur Bestimmung der Bodenfeuchte eingesetzt werden, stellt eine große Herausforderung für die Kalibrierung und Validierung von Produkten aus Satellitenmissionen dar. CRNS eröffnet Chancen, dieses Defizit zu überwinden. Das Upscaling von CRNS-Daten ist jedoch schwierig, da die CRNS-Messung ein integriertes Signal über eine Grundfläche mit ca. 200m Radius ist. Zudem ist die Messung sehr anfällig für zusätzliche Wasserquellen speziell der ober- und unterirdischen Biomasse. Das Bodenfeuchtesignal muss daher von den Wasserquellen separiert werden. Unser wissenschaftliches Ziel ist es, die prozessbasierten Zusammenhänge zwischen dem aus CRNS abgeleiteten BFG und der oberflächenbasierten aber räumlich detaillierteren Berechnung des BFG mit verschiedenen Fernerkundungssensoren (thermisch, hyper-, multispektral, SAR und LiDAR) zu verstehen. Zu diesem Zweck werden Vegetationsparameter (texturelle, strukturelle, emissive und reflektierende) von verschiedenen aktiven und passiven Sensoren abgeleitet und auf ihre Eignung für die Ableitung des BFG in singulären und synergistischen Beobachtungen getestet. Dies wird entsprechend den räumlichen und zeitlichen Skalen der CRNS-Messungen, insbesondere in den Teilprojekten (TP) Großfl. CRNS-Netzwerk und Mobiles CRNS, umgesetzt. Die Abschätzung des BFG der Landbedeckung durch hochauflösende Fernerkundungsparameter wird zu einer besseren Korrekturfunktion des CRNS-Signals bei der Berechnung des BFG beitragen. Mit dem Modul wollen wir einen Schritt in Richtung einer großflächigen Übertragung von dem aus CRNS abgeleiteten BFG gehen. Dieses TP wird die Lücke zwischen verschiedenen räumlichen und zeitlichen Skalen bei der Ableitung des BFG schließen. Für die Berechnung von Wasserquellen werden Vegetations- und oberflächennahe BFG-Daten für die TPs Großfl. CRNS-Netzwerk, Mobiles CRNS, Hydrogeodäsie und Vegetation zur Verfügung gestellt. CRNS-Messungen aus gemeinsamen Feldkampagnen werden zur Validierung von den aus Fernerkundungsdaten abgeleiteten Bodenfeuchteprodukten verwendet. Die TPs Hydrogeodäsie, Großfl. CRNS-Netzwerk und Mobiles CRNS werden die aus der Fernerkundung abgeleiteten räumlich hochaufgelösten Bodenfeuchtemuster nutzen, um die intergierten CRNS und GNSS-R Beobachtungen besser zu verstehen. Die TPs Hydrol. Modellierung und Grundwasserneubildung planen die Implementierung der abgeleiteten BFG-Karten in ihre Modelle.

Schadstoffmesssystem Elbe

Ziel des Vorhabens ist die Entwicklung eines schnellen, mobilen Ueberwachungssystems fuer chemische und physikalisch-chemische Wassergueteparameter (Messboot), das die Aufnahme eines quasi-synoptischen Bildes des aktuellen Gewaesserstandes ermoeglicht. Zur Ergaenzung der weitgehend an Bord durchgefuehrten Datenerfassung werden Fernerkundungsmethoden (Flugzeug- und Satellitenaufnahmen) integriert.

Schwerpunktprogramm (SPP) 1158: Antarctic Research with Comparable Investigations in Arctic Sea Ice Areas; Bereich Infrastruktur - Antarktisforschung mit vergleichenden Untersuchungen in arktischen Eisgebieten, Zirkum-Antarktische Auftrittsfrequenz von Meereis-Rinnen und regionale Verteilung aus Satellitendaten

Ziel dieses Projektvorhabens ist es, einen Einblick in die räumliche und zeitliche Variabilität des Auftretens von Meereisrinnen im Antarktischen Meereis während der Wintermonate zu erhalten. Meereis-Rinnen zeichnen sich dadurch aus, dass es in ihrem Einflussbereich zu einem starken Austausch von Wärme, Feuchte und Impuls zwischen dem relativ warmen Ozean und der kalten Atmosphäre kommt. In Meereis-Rinnen bildet sich demnach neues, dünnes Eis und trägt damit zur Meereis-Massenbilanz bei. Wir beabsichtigen auf einer Methode aufzubauen, die entwickelt wurde, um Eisrinnen in der Arktis automatisch aus Thermal-Infrarot Satellitendaten zu identifizieren. Diese Methode muss für eine Anwendung auf Satellitendaten der Antarktis neu implementiert und erweitert werden. In diesem Rahmen gilt es auch, hemisphärische Besonderheiten in den Meereiseigenschaften und atmosphärischen Einflüssen zu berücksichtigen. Darum werden Anpassungen im ursprünglichen Algorithmus mit Hilfe detaillierter Fallstudien vorzunehmen sein. Als Ergebnis erwarten wir umfangreiche Erkenntnisse darüber, wann und wo Meereis-Rinnen gehäuft in der Antarktis auftreten, und wie diese Auftrittsmuster durch atmosphärische und ozeanische Antriebe gesteuert werden.

1 2 3 4 5 … 173 174 175