API src

Found 1706 results.

Related terms

Other language confidence: 0.504612457660178

Dynamik, Variabilität und bioklimatische Effekte von niedrigen Wolken im westlichen Zentralafrika

Niedrige Wolken sind Schlüsselbestandteile vieler Klimazonen, aber in numerischen Modellen oft nicht gut dargestellt und schwer zu beobachten. Kürzlich wurde gezeigt, dass sich während der Haupttrockensaison im Juni und September im westlichen Zentralafrika eine ausgedehnte niedrige Wolkenbedeckung (engl. „low cloud cover“, LCC) entwickelt. Eine derart wolkige Haupttrockenzeit ist in den feuchten Tropen einzigartig und erklärt wahrscheinlich die dichtesten immergrünen Wälder in der Region. Da paläoklimatische Studien auf eine Instabilität hinweisen, kann jede Verringerung des LCC aufgrund des Klimawandels einen Kipppunkt für die Waldbedeckung darstellen. Daher besteht ein dringender Bedarf, das Auftreten, die Variabilität und die bioklimatischen Auswirkungen des LCC in westlichen Zentralafrika besser zu verstehen.Um diese Ziele zu erreichen, wurde ein Konsortium aus französischen, deutschen und gabunischen Partnern aufgebaut, zu dem Meteorologen, Klimatologen und Experten für Fernerkundung und Waldökologie gehören. Die meteorologischen Prozesse, welche die Bildung und Auflösung der LCC im Tagesgang steuern, werden anhand von zwei Ozean-Land-Transekten auf der Grundlage einer synergistischen Analyse von historischen In-situ Beobachtungen, von Daten einer Feldkampagne und anhand von atmosphärischen Modellsimulationen untersucht. Die Ergebnisse werden mit einem kürzlich entwickelten konzeptionellen Modell für LCC im südlichen Westafrika verglichen.Die intrasaisonale bis interannuale Variabilität des LCC wird durch die Analyse von In-Situ-Langzeitdaten und Satellitenschätzungen quantifiziert. Unterschiede im Jahresgang des LCC (d.h. jahreszeitlicher Beginn und Rückzug, wolkenarme Tage) und die Ausdehnung ins Inland werden dokumentiert. Ansätze, die auf Wettertypen und äquatorialen Wellen basieren, werden verwendet, um intrasaisonale Variationen des LCC zu verstehen. Die Auswirkungen lokaler und regionaler Meeresoberflächentemperaturen auf die LCC-Entwicklung und ihre Jahr-zu-Jahr Variabilität werden bewertet, wobei statistische Analysen und spezielle Sensitivitätsversuche mit einem regionalen Klimamodell verknüpft werden.Schließlich wird der Einfluss von LCC auf die Licht- und Wasserverfügbarkeit bzw. die Waldfunktion anhand von In-Situ-Messungen untersucht. Die Ergebnisse werden mit Messungen aus der nördlichen Republik Kongo, wo die Trockenzeit sonnig ist, sowie mit einem einfachen Wasserhaushaltsmodells, das an die Region angepasst ist, verglichen. Die Wasserhaushaltsanalysen sollen die Kompensations- oder Verstärkungseffekte von Regen im Vergleich zur potenziellen Evapotranspiration, beide moduliert durch die LCC, auf das Wasserdefizit aufzeigen.Die Ergebnisse von DYVALOCCA werden zum ersten konzeptionellen Modell für Wolkenbildung und -auflösung im westlichen Zentralafrika führen und eine Hilfestellung für die Bewertung von Klimawandel-Simulationen mit Blick auf potentielle Kipppunkte für die immergrünen Regenwälder in der Region geben.

Integrating GIS and Remote Sensing for Multi-Scale Analysis of Degradation in the African Sahel

Multi-level monitoring of destabilized Sahelian regions connects field work in situ with detailed to semi-detailed analysis of vegetation structure (aerial photography), vegetation functional types and units of rational landcover (satellite images). Human impact on Sahelian vegetation in its regional variations is a main reason for continous destruction of former grazing lands. Regional dynamics of impact patterns are analysed by means of multi-stage remote sensing techniques and multi-spectral image classification. Integration of remotely sensed as well as of socio-economic data with geo-information systems is an important tool for modelling regional dynamics of degradation and desertification due to multi-thematic and multi-temporal input parameters. Intersection of geo-informations creates change detection databasas of Sahelian regions. Planning sustainable development will urgently need the appropriate use of the presented facilities of IGIS technology.

METOP GOME-2 - Sulfur Dioxide (SO2) - Global

Gridded Level 3 SO2 total column densities derived from the Metop/GOME-2-instruments. Volcanoes are the largest soures of SO2 in the atmosphere, depending on the erruption the Sulfurous compounds can be injected into stratosphere but in most cases it stays within the troposphere. Another important source is the coal combustion. Desulfurisation facilities within the power stations have reduced the sulfur emissions around the globe. In the stratosphere sulfur is a key component for building up aerosols, which reflect parts of the solar irradiation. The total SO2 column is retrieved from GOME solar back-scattered measurements in the ultraviolet wavelength region [using the DOAS method]. Depending on the plume SO2 can be a very strong absorber, because of that the ODAS retrieval might have some smaller issues, they can be reduced by choosing different wavelenght ranges depending on the signal. We apply three different fitting windows between 310 and 360nm. For the AMF, we assume a plumeheight of 6 km altitude. The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Three instruments operate on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B, and -C, launched in 2006, 2012, and 2018, respectively. GOME-2 measures a range of atmospheric trace constituents, with the emphasis on global ozone distribution. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Composition Monitoring (AC-SAF).

METOP GOME-2 - Water Vapour (H2O) - Global

Gidded Level 3 H2O total columns. The Earth's capacity to sustain life is attributed to two mechanisms: the greenhouse effect and the hydrological cycle. Water vapour in the atmosphere is a critical component of both processes and the main naturally occurring greenhouse gas in the Earth's climate system. Water in gaseous form varies more than other greenhouse gases. Monitoring atmospheric water vapour globally is essential to understand its climate impacts. Measurements of water vapor columns are derived from satellite observations of solar radiation in the ultraviolet and visible (430 – 450 nm) spectral ranges. A water vapour absorption band is detectable across some European Sentinel platforms (Sentinel-4, Sentinel-5P and 5), former (GOME and SCIAMACHY) and future instruments (CO2M). This absorption signature by water vapor is used to derive the shown concentrations with the Differential Optical Absorption Spectroscopy (DOAS) technique. The retrieval methodology, as applied to the fleet of available platforms, demonstrates several advantages, including optimal sensitivity and coverage characteristics across both oceans and continents, enhanced temporal sampling frequency for weather applications, and continuous extension of long-term datasets for climate study purposes. This is accomplished by DLR in the framework of the EUMETSAT's Satellite Application Facility on Atmospheric Composition (AC-SAF) monitoring where DLR generates operational GOME-2 / MetOp products.

METOP GOME-2 - Cloud Optical Thickness (COT) - Global

Gridded Level 3 cloud optical thickness derived from Metop/GOME observations. Cloud physical properties (cloud fraction, cloud top height, cloud optical thickness) are derived from GOME/GOME-2 observations using the OCRA (Optical Cloud Recognition Algorithm) and ROCINN (Retrieval of Cloud Information using Neural Networks). For more details please refer to relevant peer-review papers listed on the GOME and GOME-2 documentation pages: https://atmos.eoc.dlr.de/app/docs/ The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Three instruments operate on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B, and -C, launched in 2006, 2012, and 2018, respectively. GOME-2 measures a range of atmospheric trace constituents, with the emphasis on global ozone distribution. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Composition Monitoring (AC-SAF).

Dynamisches Mosaik aus Sentinel-2 Daten NW

Das Dynamische Mosaik setzt sich aus aktuellen wolkenfreien Aufnahmen von Sentinel-2 Orthobildern zusammen. Die beiden baugleichen Sentinel-2 Satelliten des europäischen Erdbeobachtungsprogramms Copernicus liefern seit 2015 bzw. 2017 kontinuierlich Aufnahmen der Erdoberfläche. Der multispektrale optische Sensor verfügt über 13 Spektralkanäle im sichtbaren und infraroten Bereich. Dabei variiert die räumliche Auflösung von 10 m (Kanäle B02, B03, B04, B08) über 20 m (Kanäle B05, B06, B07, B08A, B11, B12) bis hin zu 60 m (Kanäle B01, B09, B10). Die Sentinel-2 Daten werden originär in den Prozessierungsleveln Level-1C (Top-Of-Atmosphere) und Level-2A (Bottom-Of-Atmosphere) angeboten und in Kachelgrößen von 100 x 100 km2 in UTM/WGS84 Projektion bereitgestellt. Für NRW liegen durch die hohe Wiederkehrrate der Satelliten alle 2-3 Tage flächendeckend aktuelle Aufnahmen vor. Da es sich bei dem Multispektralinstrument um ein passives System handelt, ist die Verwendbarkeit der Aufnahmen allerdings wetterabhängig. Die verfügbaren Orthobilder weisen unterschiedliche Wolkenbedeckungsgrade auf. Zur Ableitung des Dynamischen Mosaiks werden die aktuellen Sentinel-2 Bilder auf Wolkenbedeckung überprüft, so dass die wolkenfreien Bereiche selektiert werden können. Bereiche älterer Aufnahmen werden kontinuierlich durch aktuelle wolkenfreie Bilder ersetzt. Dabei werden die 4 Spektralbänder mit einer räumlichen Auflösung von 10 m (Rot, Grün, Blau, Nahes Infrarot) der Level-2A Daten berücksichtigt. Der Datensatz wird bei Vorliegen eines wolkenfreien Bereichs ab einer Größe von 100 zusammenhängenden 10 m x 10 m Pixeln fortgeschrieben, so dass stets die aktuellen wolkenfreien Aufnahmen im Mosaik enthalten sind. Das Dynamische Mosaik wird als Darstellungsdienst in den Ausprägungen RGB (Komposit aus den Spektralbändern B04-B03-B02) und CIR (Komposit aus den Spektralbändern B08-B04-B03) bereitgestellt. Darüber hinaus wird das Aufnahmedatum der jeweiligen Sentinel-2 Szene für jeden wolkenfreien Bereich zur Verfügung gestellt. Das Aufnahmedatum wird über die Sachdatenabfrage des Metadatenlayers angezeigt.

Beobachtung von Waldschaeden im Gesamtharz mit Fernerkundungsdaten

Aufgrund von Ergebnissen einer vorausgehenden Untersuchung, nach der eine differenzierte und mit Bodenbefunden vergleichbare Waldschadenskartierung in aelteren Fichtenreinbestaenden mit Hilfe von LANDSAT-TM-Daten moeglich ist, wird an folgenden Problemen gearbeitet: - Verfahrensverbesserungen durch GIS-Einsatz (Auswahl von Trainingsgebieten; Verifizierung von Befunden; Adjustierung von Daten und Ergebnissen). - Analyse von Zusammenhaengen zwischen Waldschaeden und oekologisch relevanten Einflussfaktoren mittels GIS. - Veraenderungsnachweise. - Einbeziehung anderer Baumarten und Bestandesaufbauformen. - Untersuchung der Einfluesse unterschiedlicher Waldbau-Konzepte in Niedersachsen und Sachsen-Anhalt.

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.

AVHRR - Land Surface Temperature (LST) - Europe, Nighttime

The "Land Surface Temperature derived from NOAA-AVHRR data (LST_AVHRR)" is a fixed grid map (in stereographic projection) with a spatial resolution of 1.1 km. The total size covering Europe is 4100 samples by 4300 lines. Within 24 hours of acquiring data from the satellite, day-time and night-time LSTs are calculated. In general, the products utilise data from all six of the passes that the satellite makes over Europe in each 24 hour period. For the daily day-time LST maps, the compositing criterion for the three day-time passes is maximum NDVI value and for daily night-time LST maps, the criterion is the maximum night-time LST value of the three night-time passes. Weekly and monthly day-time or night-time LST composite products are also produced by averaging daily day-time or daily night-time LST values, respectively. The range of LST values is scaled between –39.5°C and +87°C with a radiometric resolution of 0.5°C. A value of –40°C is used for water. Clouds are masked out as bad values. For additional information, please see: https://wdc.dlr.de/sensors/avhrr/

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.

1 2 3 4 5 … 169 170 171