Neben Maßnahmen, die die Produktivität von Agrarflächen erhöhen, werden neue objektive Methoden zur kontinuierlichen Überwachung globaler landwirtschaftlicher Ressourcen dringend benötigt. Eine besondere Rolle nimmt dabei die Photosyntheseleistung (gemessen als Bruttoprimärproduktion) der Kulturpflanzen ein, da sie die maximal mögliche Menge an Nahrung und Treibstoff darstellt, die durch landwirtschaftliche Systeme bereit gestellt werden kann. Desweiteren ist sie ein guter Indikator für Ernteerträge und Stress. In den vergangenen Jahrzehnten wurden auf Reflektivitätsdaten beruhende optische Fernerkundungsmethoden benutzt um landwirtschaftliche Ressourcen abzuschätzen. Spektral aufgelöste Reflektivitätsdaten lassen auf biochemische und strukturelle Eigenschaften der Vegetation schließen, die wiederum auf die potentielle Photosyntheseleistung hindeuten, und sie sind die Grundlage zur Bewertung des Zustands der Pflanzen und ihrer phenologischen Entwicklungsstufe in hoher räumlicher Auflösung. Basierend auf diesem Messprinzip sollen die Sentinel-2 Satelliten (2015 gestartet) die Zugpferde der operationellen Agrarüberwachung in den kommenden Jahrzehnten werden. Es ist jedoch bekannt, dass Vegetationsparameter aus der Fernerkundung, die auf spektralen Reflektanzen beruhen, nicht die komplexen und hoch variablen physiologischen Abläufe der Photosynthese erfassen können. Ergänzend zu Reflektivitätsmessungen sind seit Kurzem globale weltraumgestützte Messungen von sonneninduzierter Chlorophyllfluoreszenz (Englisch sun-induced chlorophyll fluorescence, SIF) möglich. Wie gezeigt werden konnte, besitzt SIF eine höhere Sensitivität gegenüber der Photosyntheseaktivität auf Agrarflächen als andere Parameter oder Modelle. Das Instrument TROPOMI (Tropospheric Monitoring Instrument), das ab Mitte 2017 auf dem EU Copernicus Sentinel 5-Vorläufersatelliten fliegen wird, wird die Messung von SIF in einer sehr viel höheren räumlichen und zeitlichen Auflösung als alle bisherigen Instrumente/Missionen ermöglichen. Somit stellt TROPOMI einen Meilenstein für die Einschätzung von Photosynthese im Allgemeinen, und der Produktivität von Nutzpflanzen im Besonderen, dar. Die Kombination von TROPOMI und Sentinel-2 Daten wird eine auf Beobachtungen basierende, globale Beobachtung der Photosyntheseaktivität auf Agrar-, Gras- und Weideflächen mit einer bisher nie dagewesenen räumlichen und zeitlichen Auflösung und Genauigkeit erlauben. Das Projekt CropSIF wird Nutzen aus den besonderen Möglichkeiten ziehen, die diese Konstellation von Instrumenten in naher Zukunft bieten wird, um die Produktivität von Agrarpflanzen und klimatischer Einflüsse darauf abzuschätzen. Wir werden zeitlich aufgelöste Karten der Bruttoprimärproduktion der Nutzpflanzen erstellen, die dann der Analyse von Effekten extremer Klimaereignisse auf die Produktivität in verschiedenen Agrargebieten der Erde dienen werden.
Grassland mowing dynamics (i.e. the timing and frequency of mowing events) have a strong impact on grassland functions and yields. As grasslands in Germany are managed on small-scale units and grass grows back quickly, satellite information with high spatial and temporal resolution is necessary to capture grassland mowing dynamics. Based on Sentinel-2 data time series, mowing events are detected throughout Germany and annual maps of the grassland mowing frequency generated. The grassland mowing detection approach operates per pixel, including preprocessing of the Enhanced Vegetation Index (EVI) time series and a calibrated rule-based grassland mowing detection which is specified in more detail in Reinermann et al. 2022, 2023.
Massenbedingte Veränderungen des Meeresspiegels (MVM) sind eine wichtige Komponente des Meeresspiegelbudgets. Ist die MVM bekannt, ist es möglich aus der Kombination mit Daten der Satellitenaltimetrie Informationen zum Wärmehaushalt des Ozeans und damit zum globalen Energiehaushalt zu gewinnen. Neuere MVM Schätzungen basieren maßgeblich auf der Schwerefeld-Satellitenmission GRACE. Diese findet zunehmend auch Anwendung für regionale Studien. Allerdings bestehen zwischen publizierten MVM-Schätzungen aus praktisch identischen GRACE-Daten Diskrepanzen selbst auf der globalen Skale. Jüngere Studien veröffentlichen MVM-Trends zwischen 1,2 und 2,0 mm/a mit unrealistischen Fehlern und beanspruchen die Schließung des Meeresspiegelbudgets im Bereich 0,1-0,2 mm/a. Diese ungeklärten Diskrepanzen beeinträchtigen die Ermittlung gegenwärtiger Änderungen des Ozeanwärmegehalts aus Altimetrie, und in der Folge z. B. die Lokalisierung von Wärmesenken und Wärmetransport. Das Problem ist ebenfalls für das Verständnis und die Prädiktion regionaler Meeresspiegeländerungen in Südost-Asien besonders kritisch. Die zentrale Hypothese dieses Projekts, wie auch bei der ersten Phase des SPP, besteht darin, dass diese Diskrepanzen vor allem aus zwei Ursachen entstehen: (1) methodische Probleme in der Analyse der GRACE-Daten und (2) das ungelöste Problem, glazial-isostatische Ausgleichsbewegungen (GIA) aus den GRACE-Daten zu korrigieren. In der ersten Phase (OMCG-1) wurden zentrale methodische Unterschiede zwischen direkten und inversen MVM Schätzern untersucht. Darüber hinaus hat OMCG-1 das Verständnis über die wichtigsten Schritte zur Trennung des regionalen GIA-Effekts aus der Kombination satellitengeodätischer Verfahren verbessert. OMCG-1 wird den globalen Inversionsansatz weiterentwickeln und beginnen, die Ergebnisse der regionalen GIA-Separation in den globalen Rahmen einzubinden. Die zweite Phase (OMCG-2) soll a) verbesserte Methoden zur Definition von räumlichen Mustern aus Modellensembles untersuchen, b) die unabhängige Schätzung flacher sowie tiefer sterischer Komponenten untersuchen, c) den möglichen Zugewinn durch Einbindung von In-situ-Argo-Daten untersuchen, d) einen zeitreihenbasierten Parameterschätzungsansatz für die regionale Trennung von GIA und Eismassenänderungen implementieren, f) mögliche Biase in regionalen GIA-Schätzungen erklären sowie beheben unter Verwendung zusätzlicher GNSS-Beobachtungen und g) schließlich die Altimetrie über Eisschilden in die globale Inversion einbinden, um die Bestimmung von GIA zu verbessern. OMCG-2 wird physikalische Prozesse direkt quantifizieren, die zur Meeresspiegeländerung auf globaler und regionaler Skale beitragen. Außerdem werden Datensätze für die Modellierung für Projekte innerhalb und außerhalb des SPP bereitgestellt. Insbesondere unsere regionalisierten Daten für Nordeuropa und Südost-Asien werden helfen, Vorhersagen zu verbessern.
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. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B, and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. 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 level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing. The operational NO2 total column products are generated using the algorithm GDP (GOME Data Processor) version 4.x integrated into the UPAS (Universal Processor for UV / VIS Atmospheric Spectrometers) processor for generating level 2 trace gas and cloud products. The operational NO2 tropospheric column products are generated using the algorithm GDP (GOME Data Processor) version 4.x for NO2 [Valks et al. (2011)] integrated into the UPAS (Universal Processor for UV / VIS Atmospheric Spectrometers) processor for generating level 2 trace gas and cloud products. The total NO2 column is retrieved from GOME solar back-scattered measurements in the visible wavelength region using the DOAS method. An additional algorithm is applied to derive the tropospheric NO2 column: after subtracting the estimated stratospheric component from the total column, the tropospheric NO2 column is determined using an air mass factor based on monthly climatological NO2 profiles from the MOZART-2 model. 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. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B, and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. 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 level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing. The operational HCHO total column products are generated using the algorithm GDP (GOME Data Processor) version 4.x integrated into the UPAS (Universal Processor for UV / VIS Atmospheric Spectrometers) processor for generating level 2 trace gas and cloud products. 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. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. 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 level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing. The operational BrO (Bromine monoxide) total column products are generated using the algorithm GDP (GOME Data Processor) version 4.x integrated into the UPAS (Universal Processor for UV / VIS Atmospheric Spectrometers) processor for generating level 2 trace gas and cloud products. For more details please refer to https://atmos.eoc.dlr.de/app/missions/gome2
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. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B, and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. 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 level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing. The operational ozone total column products are generated using the algorithm GDP (GOME Data Processor) version 4.x integrated into the UPAS (Universal Processor for UV / VIS Atmospheric Spectrometers) processor for generating level 2 trace gas and cloud products. The new improved DOAS-style (Differential Optical Absorption Spectroscopy) algorithm called GDOAS, was selected as the basis for GDP version 4.0 in the framework of an ESA ITT. GDP 4.x performs a DOAS fit for ozone slant column and effective temperature followed by an iterative AMF / VCD computation using a single wavelength. 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/
In Inner Mongolia the heterogeneity of rainfall patterns, differences in grazing intensity and topography lead to strong temporal and spatial variability of soil moisture which has great effects on vegetation growth and influences CO2 and water fluxes. The spatial and temporal distribution and variability of near surface soil moisture will be modelled with a new approach using the atmospheric boundary layer model HIRVAC and thermal imagery obtained during the 2009 field campaign within the MAGIM research group. Thermal imagery was collected using a microlite aircraft which emerged as an adequate platform particularly for remote areas. The resulting soil moisture grids will allow for the analysis of spatial soil moisture variability at field and local scale. The high geometrical resolution (1 m) closes the gap between point surface and satellite measurements.
Die Trockengebiete der Erde waren und sind besonders anfällig für klimatische Änderungen. Gleichzeitig sind sie der Lebensraum für mehr als 2 Milliarden Menschen. Aufgrund der Größe der Räume, der in weiten Teilen schlechten infrastrukturellen Ausstattung und den häufig widrigen Umweltbedingungen weist der Forschungsstand zu den Raten der Landschaftsveränderungen noch große Lücken auf. Schon seit mehreren Jahrzehnten werden Fernerkundungsdaten intensiv zum Monitoring von Trockenräumen eingesetzt. Aber gerade in Bezug auf geomorphologischen Prozesse und Prozessraten stoßen optische Fernerkundungsmethoden häufig an ihre Grenzen. Im Rahmen dieses Projektes wird daher die Eignung von Radardaten zur Charakterisierung von Oberflächen untersucht. Mit den beiden Satelliten der Sentinel-1 Reihe der ESA (European Space Agency) steht ein modernes SAR (Synthetic Aperture Radar) mit einer räumlichen Auflösung von unter 15 m pro Bildpunkt kostenfrei zu Verfügung. Trockenräume sind aufgrund der geringen Vegetationsbedeckung für den Einsatz von Radarfernerkundung besonders geeignet, da Vegetation zu Volumenstreuung des Signals führt und dieses somit verfälscht. Im Rahmen der Untersuchungen sollen sowohl die SAR-Intensitäten als auch interferometrischen Kohärenzen zur raumzeitlichen Charakterisierung von Landoberflächen getestet werden. Als Testgebiet wurde das Orog-Nuur-Becken im Süden der Mongolei ausgewählt. Die Region zeichnet sich durch eine Vielzahl von unterschiedlichen Landoberflächen und geomorphologischen Prozessen aus. Hierzu gehören u.a. ehemalige Seesedimente, welche durch aktuelle periglaziale Prozesse modifiziert werden, Dünen, große Strandwälle aus Kiesen und insbesondere eine Vielzahl unterschiedlicher Schwemmfächeroberflächen. Die verschiedenen Oberflächen werden vor Ort detailliert geomorphologisch erfasst und beschrieben. Ein Schwerpunkt der Arbeiten ist die Erstellung von hochgenauen Orthophotos und digitalen Geländemodellen aus Drohnenaufnahmen. Da die Oberflächenrauigkeit das Rückstreusignal des SAR Systems stark beeinflusst, können mit Hilfe der Geländemodelle detaillierte Rauigkeitsanalysen für unterschiedliche räumliche Skalen durchgeführt werden. Abschließend werden die Geländebefunde und die morphometrischen Analysen mit den Radardaten verglichen um eine genaue Charakterisierung der unterschiedlichen Oberflächen aus Fernerkundungsdaten zu erreichen. Stellt sich die Eignung der Radardaten für eine detaillierte Charakterisierung der Oberflächen in Trockenräumen heraus, bietet sich hier eine neue Methode für ein detailliertes Monitoring dieser sensiblen Landschaftsräume. Gerade in Gebieten mit einer hohen Variabilität, ist eine detaillierte und zeitlich dichte Beobachtungsreihe, wie sie das Sentinel-System bietet, von großer Bedeutung.
Solarzellen aus III- V Halbleitern erreichen heute weltweit mit über 46 % die höchsten Umwandlungseffizienzen und finden industrielle Anwendung in Satelliten und in Konzentrator- PV Systemen. Als Ausgangsverbindungen werden Trimethylindium und Trimethylgallium als sogenannte 'Metallorganische Quellen' eingesetzt. Diese machen die Hälfte der Epitaxiekosten des Herstellprozesses aus. Zur Reduktion der Epitaxiekosten bietet sich das sogenannte 'Liquid- Indium' als hochreine Indium-Quelle an. Dazu soll ein produktionstauglicher Prozess für die Darstellung von Trimethylindium mittels eines Hochdruckverfahren und die folgende Umsetzung zum Liquid-Indium etabliert werden, was die Aufreinigung auf eine hochreine, epitaxietaugliche Qualität inklusive der analytischen Verfahren beinhaltet. Die Grundlage bieten dabei die Ergebnisse aus dem vorhergegangen KoReMo Projekt. Das Ziel des Teilprojektes für Dockweiler Chemicals stellt die Etablierung dieses großskaligen Produktionsprozesses dar, um bei den Projektpartnern das hochreine Material in der metallorganischen Gasphasenepitaxie einzusetzen.
| Origin | Count |
|---|---|
| Bund | 1283 |
| Global | 3 |
| Kommune | 2 |
| Land | 114 |
| Wirtschaft | 4 |
| Wissenschaft | 439 |
| Zivilgesellschaft | 4 |
| Type | Count |
|---|---|
| Daten und Messstellen | 263 |
| Ereignis | 27 |
| Förderprogramm | 1150 |
| Repositorium | 3 |
| Text | 50 |
| Umweltprüfung | 6 |
| unbekannt | 231 |
| License | Count |
|---|---|
| geschlossen | 53 |
| offen | 1612 |
| unbekannt | 65 |
| Language | Count |
|---|---|
| Deutsch | 950 |
| Englisch | 876 |
| Resource type | Count |
|---|---|
| Archiv | 21 |
| Bild | 3 |
| Datei | 281 |
| Dokument | 30 |
| Keine | 1013 |
| Webdienst | 27 |
| Webseite | 426 |
| Topic | Count |
|---|---|
| Boden | 1008 |
| Lebewesen und Lebensräume | 1165 |
| Luft | 1730 |
| Mensch und Umwelt | 1730 |
| Wasser | 826 |
| Weitere | 1689 |