API src

Found 1749 results.

Related terms

Other language confidence: 0.5046124576601786

Sentinel-5P TROPOMI – Ultraviolet Index (UVI), Level 3 – Global

UV Index (UVI) as derived from TROPOMI observations. The UVI describes the intensity of the solar ultraviolet radiation. Values around zero indicate low, values greater than 10 indicate very high UV exposure on the ground. 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.

Methoden der Radarfernerkundung zur Analyse anthropozoogener Muster der Landnutzung in periodisch überfluteten Gebieten des westafrikanischen Sahel

Radarfernerkundung auf Basis der SAR-Satellitendaten der ERS-Plattformen ermöglicht die Aufzeichnung von Boden- und Vegetationsparametern, die vor allem mit den Faktoren Rauhigkeit, Wassergehalt und Salinität korreliert sind. Landnutzung in semi-ariden Regionen Westafrikas wird durch Übernutzung der Böden, Versalzung von bewässertem Land und Dezimierung von Baum- und Strauchschichten der Vegetation geprägt. Geeignete Methoden der Analyse von multitemporalen SAR-Daten der satellitengestützten Radarfernerkundung sollen helfen, vor allem regressive Veränderungen der Landnutzung zu erkennen und zu untersuchen. Informationen zu Bodenbedeckung, horizontaler Struktur der Vegetation und Bodenqualität sollen nachhaltige Entwicklungskonzepte unterstützen.

Forschergruppe (FOR) 1898: Mehrskalendynamik von Schwerewellen, Räumlich-zeitliche Variabilität von Schwerewellen-Quellen (SV)

Das Projekt Quellvariabilität (Source Variability; SV) hat das Ziel zu verstehen wie Schwerewellenquellen zur globalen Verteilung von Schwerewellen beitragen. Hierfür kombinieren wir Beobachtungen und Modellierung: Beobachtungen bilden den Bezug zur Wirklichkeit. Um Verständnis zu erzielen, benötigen wir Theorie, und für quantitatives Verständnis, ein Prozessmodell das gegen die Daten getestet wird. Daher werden globale Verteilungen aus drei Datenquellen verglichen: 1.) Eine Kombination von dedizierten Modellen für Schwerewellenquellen mit Modellen für die Ausbreitung von Schwerewellen, 2.) Schwerewellen, die in UA-ICON explizit aufgelöst werden und 3.) Fernerkundungsdaten verschiedener Satelliten. Modellergebnisse von Quellen und Ausbreitung werden Messungen gegenübergestellt und so freie Parameter der Modelle bestimmt. Umgekehrt lässt sich anhand der Modelldaten bestimmen, in welchen Regionen und Höhenbereichen, bzw. zu welchen Jahreszeiten Schwerewellen aus welchen Quellen für den Impulsfluss und für die Beschleunigung des Hintergrundwindes überwiegen. Je feiner das Modellgitter wird, desto größer wird der Teil des Wellenspektrums, der von ICON aufgelöst wird. Ob die aufgelösten Schwerewellen tatsächlich realistisch sind, wird durch Vergleich mit Satellitendaten überprüft. Quellen in ICON lassen sich identifizieren, indem die Wellen anhand von Strahlverfolgung zu potentiellen Quellprozessen zurückverfolgt werden oder indem man mit Modellierung von Wellenquellen vergleicht. Mögliche Abweichungen der in ICON aufgelösten Schwerewellen von den Beobachtungen lassen sich so diagnostizieren und Ansätze für eine verbesserte Repräsentation entwickeln. Ein besonderer Schwerpunkt soll auf die Interaktion von Orographie und spontaner Imbalanz gelegt werden: Während der GW-LCycle Kampagne wurden einzigartige 3D Messungen mit dem GLORIA Instrument aufgenommen. In mehreren Forschungsflügen haben wir Anzeichen für das Zusammenwirken beider Quellen. Alle Vergleiche zwischen Modellierung und Messung im Projekt SV berücksichtigen den Beobachtungsfilter: insbesondere globale Messungen liefern eine Unterschätzung des Impulsflusses. Verglichen werden sowohl Mittelwerte des Impulsflusses und deren zeitliche Variation (z.B. Jahresgang), aber auch die Intermittenz, d.h. die Verteilung der Schwerewellen bzgl. Häufigkeit und Größe des Impulsflusses der einzelnen Wellen. Unser Ziel ist, für jede Auflösung von ICON die Effekte von Schwerewellen möglichst korrekt zu beschreiben, entweder durch die direkt vom Modell aufgelösten Wellen oder durch eine Parametrisierung von hier entwickelten und angepassten Wellenquellen in Kombination mit dem Ausbreitungsmodell MS-GWAM. MS-GWaM wird im Projekt 3DMSD entwickelt und in ICON integriert. Eine Besonderheit von MS-GWaM ist, dass direkte transiente Wechselwirkung mit dem Hintergrund berücksichtigt wird.

Schwerpunktprogramm (SPP) 1158: Antarctic Research with Comparable Investigations in Arctic Sea Ice Areas; Bereich Infrastruktur - Antarktisforschung mit vergleichenden Untersuchungen in arktischen Eisgebieten, Untersuchung von Polynjen in der Antarktis mit Mikrowellenradiometerdaten in Bezug auf ihre Gesamtfläche, die Fläche und Dichte des innen vorhandenen dünnen Eises, sowie der mit den Polynjen verknüpften Eis- und Salzproduktion

Die Polynya Signature Simulation Method (PSSM) und das Ice Edge Detection (IED)-Verfahren erlauben es, aus Daten des satellitengetragenen Mikrowellenradiometers Special Sensor Microwave/ Imager (SSM/I) Polynjenfläche und Eiskante mit einer Genauigkeit von 100km2 bzw. 10km zu bestimmen. Mit dem PSSM-Verfahren soll die gesamte Polynjenfläche der Antarktis für jeden Tag des Zeitraums 1992-2006 aus SSM/I-Daten mehrerer Satelliten berechnet werden. Dabei ist ab 1995 die Ableitung eines Tageszyklus möglich. Meteorologische Daten sollen in Kombination mit Satellitenmessungen im sichtbaren und infraroten Spektralbereich dazu dienen, für diese Polynjenfläche Eis- und Salzproduktion sowie typische Dicke und Ausdehnung des an die Polynjenfläche angrenzenden dünnen Meereises abzuschätzen. PSSM und IED sollen auf Daten des neuen und feiner auflösenden passiven Mikrowellensensors Advanced Microwave Scanning Radiometer (AMSR/AMSR-E) auf AQUA und ADEOS-2 übertragen werden, um einerseits die minimale Größe detektierbarer Polynjen und Leads herabzusetzen und andererseits die Eiskante mit einer höheren Genauigkeit zu detektieren (4km statt 10km). Die niederfrequenten AMSR(-E)-Kanäle (6.9 und 10.7GHz) sollen hinsichtlich ihrer Nutzung für die Abschätzung der Dicke von dünnem Meereis untersucht werden.

Lawinen im Satellitenbild

Der Einsatz der Fernerkundung und Digitalen Gelaendemodelle zur Herstellung von potentiellen Lawinengefahrkarten wird systematisch studiert. Das entwickelte Konzept wird in den Alpen erprobt, um dann auf die Verhaeltnisse im Himalaya uebertragen und eingesetzt werden zu koennen. Erste Ergebnisse von den Testgebieten Beckenried und Davos liegen vor; im Himalaya (Testgebiet Manali) wurden Vegetationsklassifikationen durchgefuehrt.

METOP GOME-2 - Bromine Monoxide (BrO) - Global

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

METOP GOME-2 - Ozone (O3) - Global

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/

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.

GTS Bulletin: IUTA14 EDZW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The IUTA14 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 (A): 0° - 90°W northern hemisphere (Remarks from Volume-C: (CBS)SATELLITE RADIO OCCULTATION DATA)

GTS Bulletin: IUTL14 EDZW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The IUTL14 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 (L): 90°E - 0° southern hemisphere (Remarks from Volume-C: (CBS)SATELLITE RADIO OCCULTATION DATA)

1 2 3 4 5 … 173 174 175