API src

Found 1750 results.

Related terms

Other language confidence: 0.5046124576601786

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.

Sentinel-5P TROPOMI - Aerosol Optical Depth (AOD), Level 3 - Global

Aerosol optical depth (AOD) as derived from TROPOMI observations. AOD describes the attenuation of the transmitted radiant power by the absence of aerosols. Attenuation can be caused by absorption and/or scattering. AOD is the primary parameter to evaluate the impact of aerosols on weather and climate. Daily AOD observations are binned onto a regular latitude-longitude grid. The TROPOMI instrument onboard the Copernicus SENTINEL-5 Precursor satellite is a nadir-viewing, imaging spectrometer that provides global measurements of atmospheric properties and constituents on a daily basis. It is contributing to monitoring air quality and climate, providing critical information to services and decision makers. The instrument uses passive remote sensing techniques by measuring the top of atmosphere solar radiation reflected by and radiated from the earth and its atmosphere. The four spectrometers of TROPOMI cover the ultraviolet (UV), visible (VIS), Near Infra-Red (NIR) and Short Wavelength Infra-Red (SWIR) domains of the electromagnetic spectrum. The operational trace gas products generated at DLR on behave ESA are: Ozone (O3), Nitrogen Dioxide (NO2), Sulfur Dioxide (SO2), Formaldehyde (HCHO), Carbon Monoxide (CO) and Methane (CH4), together with clouds and aerosol properties. This product is created in the scope of the project INPULS. It develops (a) innovative retrieval algorithms and processors for the generation of value-added products from the atmospheric Copernicus missions Sentinel-5 Precursor, Sentinel-4, and Sentinel-5, (b) cloud-based (re)processing systems, (c) improved data discovery and access technologies as well as server-side analytics for the users, and (d) data visualization services.

Sentinel-5P TROPOMI – Aerosol Index (AI), Level 3 – Global

Aerosol Index (AI) as derived from TROPOMI observations. AI is an indicator for episodic aerosol plumes from dust outbreaks, volcanic ash, and biomass burning. The TROPOMI instrument onboard the Copernicus SENTINEL-5 Precursor satellite is a nadir-viewing, imaging spectrometer that provides global measurements of atmospheric properties and constituents on a daily basis. It is contributing to monitoring air quality and climate, providing critical information to services and decision makers. The instrument uses passive remote sensing techniques by measuring the top of atmosphere solar radiation reflected by and radiated from the earth and its atmosphere. The four spectrometers of TROPOMI cover the ultraviolet (UV), visible (VIS), Near Infra-Red (NIR) and Short Wavelength Infra-Red (SWIR) domains of the electromagnetic spectrum. The operational trace gas products generated at DLR on behave ESA are: Ozone (O3), Nitrogen Dioxide (NO2), Sulfur Dioxide (SO2), Formaldehyde (HCHO), Carbon Monoxide (CO) and Methane (CH4), together with clouds and aerosol properties. This product is created in the scope of the project INPULS. It develops (a) innovative retrieval algorithms and processors for the generation of value-added products from the atmospheric Copernicus missions Sentinel-5 Precursor, Sentinel-4, and Sentinel-5, (b) cloud-based (re)processing systems, (c) improved data discovery and access technologies as well as server-side analytics for the users, and (d) data visualization services.

Sentinel-5P TROPOMI – Aerosol Layer Height (ALH), Level 3 – Global

Aerosols are an indicator for episodic aerosol plumes from dust outbreaks, volcanic ash, and biomass burning. Daily observations are binned onto a regular latitude-longitude grid. The Aerosol layer height is provided in kilometres. The TROPOMI instrument onboard the Copernicus SENTINEL-5 Precursor satellite is a nadir-viewing, imaging spectrometer that provides global measurements of atmospheric properties and constituents on a daily basis. It is contributing to monitoring air quality and climate, providing critical information to services and decision makers. The instrument uses passive remote sensing techniques by measuring the top of atmosphere solar radiation reflected by and radiated from the earth and its atmosphere. The four spectrometers of TROPOMI cover the ultraviolet (UV), visible (VIS), Near Infra-Red (NIR) and Short Wavelength Infra-Red (SWIR) domains of the electromagnetic spectrum. The operational trace gas products generated at DLR on behave ESA are: Ozone (O3), Nitrogen Dioxide (NO2), Sulfur Dioxide (SO2), Formaldehyde (HCHO), Carbon Monoxide (CO) and Methane (CH4), together with clouds and aerosol properties. This product is created in the scope of the project INPULS. It develops (a) innovative retrieval algorithms and processors for the generation of value-added products from the atmospheric Copernicus missions Sentinel-5 Precursor, Sentinel-4, and Sentinel-5, (b) cloud-based (re)processing systems, (c) improved data discovery and access technologies as well as server-side analytics for the users, and (d) data visualization services.

Einfluss der solaren Flareaktivität auf die Qualität des GPS-Empfangs

Es ist durch neuere Untersuchungen bekannt, das Sekundäreffekte sehr starker solarer Eruptionen (Flares), so genannte 'radio bursts', die Empfangsqualität des 'Global Positioning System' (GPS) negativ beeinflussen. Das vorliegende Langzeitprojekt vergleicht die Flare-Aktivität, repräsentiert durch die permanent zur Verfügung stehenden Röntgenmessungen der NOAA-Satelliten GEOS-11 und -12 (siehe http://www.ut-wetter.fh-wiesbaden.de:8080/space.htm), mit der in Rüsselsheim und Locarno ebenfalls permanent gemessenen Empfangsqualität zweier handelsüblicher GPS-Empfänger. Die Untersuchungsdauer soll den gesamten gerade beginnenden 11-Jahres-Aktivitäts-Zyklus der Sonne umfassen.

Optimierung einer zuverlässigen Methodik zur Bewertung der genetischen Bestimmtheit und Differenzierung der Anfälligkeit gegenüber Kolbenfusariose im Sortiment von Mais in Österreich

Im Rahmen des GEOTEC-Projektes der BGR sollen mit Hilfe von komplexen Fernerkundungsmethoden bruch- und senkungsgefährdete Bereiche im Raum Staßfurt, Schacht VI, Schacht VII erkannt werden. Die positiven FuE-Ergebnisse bedingen zielgerichtet eine Fortführung der bisherigen methodischen Ansätze mit der Maßgabe der Entwicklung eines fernerkundungsgestützen operationellen Systems zur Früherkennung von aus dem Bergbau/Altbergbau resultierenden Gefahrenmomenten. Mit Hilfe von hochauflösenden Satelliten- und Flugzeugdaten soll im Rahmen des Vorhabens ein anwendungsfähiges und industrienahes Fernerkundungsmonitoringsystem zur Untersuchung von Subrosionserscheinungen und Destabilisierungsvorgängen, die die Tagesoberfläche beeinflussen und ggf. das Gemeinwohl gefährden, im Bereich des Altbergbaus geschaffen werden. Die Erarbeitung, Erprobung und Bereitstellung eines operationellen Systems der Satelliten- und Flugzeugfernerkundung erfolgt beispielhaft für ausgewählte Kali- und Salzbergbaufelder des Staßfurter Sattels mit der Zielstellung der Früherkennung und Überwachung von Bruch- und Senkungsrisiken.

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.

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.

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.

1 2 3 4 5 … 173 174 175