API src

Found 1761 results.

Related terms

Other language confidence: 0.5046124576601786

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.

Erosionsprozesse in degradierten Arganbeständen in Südmarokko

Boden und Vegetation endemischer Arganbestände in Marokko werden durch Expansion und Intensivierung der Agrarwirtschaft sowie Überweidung zunehmend degradiert. Überschirmte Flächen nehmen ab, unbedeckte Flächenanteile zwischen den Arganien nehmen zu. Infolge verminderter Infiltration steigen Oberflächenabfluss- und Bodenabtragsraten stark an. Auf den degradierten Böden kann sich nur lückenhafter Unterwuchs (Krautige und Gras) und kein Jungwuchs mehr ausbilden. Durch Untersuchungen verschieden stark degradierter Arganbestände werden in diesem Vorhaben Grenzwerte herausgearbeitet, ab denen bodenerodierende Prozesse initiiert werden, sowie solche, ab denen von einer Dynamisierung der Prozesse, insbesondere Rinnen- und Gully-Erosion, auszugehen ist. Dazu werden in drei Testgebieten im Hohen und Anti-Atlas eingezäunte Aufforstungsflächen mit ungeschützten Flächen auf verschiedenen Hangneigungen verglichen. Die Entwicklung der Bestandsdichten wird mit hochauflösenden CORONA-Satellitenbildern aus dem Jahr 1968 und großmaßstäbigen Luftbildern von 2017/18 quantifiziert, welche mit unbemannten Fluggeräten (UAVs) aufgenommen werden. Die Wuchsform der Bäume wird mit Structure from Motion (SfM)-Verfahren (3D-Modelle aus Multikopter-Aufnahmen) dokumentiert und klassifiziert. Untersuchungen zur Korngrößenverteilung, Aggregatstabilität, organischen Bodensubstanz und Bodennährstoffen sollen hypothesengeleitet den - mit steigendem Abstand der Bäume - sinkenden Einfluss der baumüberschirmten Fläche auf die erweiterten Zwischenbaumflächen aufzeigen. Mit Beregnungsversuchen und Infiltrationsmessungen werden Erodibilität und Infiltrationsvermögen der Zwischenbaumflächen in verschiedenen Degradationsstadien untersucht. Der Sedimentaustrag aus linearen Erosionsformen wird durch ein SfM-Monitoring mittels 3D-Modellen quantifiziert. Steinbedeckung und Viehwege lassen sich aus den selbst erstellten Luftbildern ermitteln. Viehzählungen und Interviews mit Schlüsselinformanten ergänzen die Kenntnisse über den Beweidungsdruck durch Schafe und Ziegen auf die Arganbestände. Anhand der Untersuchungen zur Degradation von Bestandsdichten, Zwischenbaum- und baumüberschirmten Flächen können die Arganbestände in mit Werten unterfütterte Stabilitätsklassen unterteilt werden. Die durch das Multi-Methoden-Konzept erarbeiteten Grenzwerte zeigen die Dynamisierung der Bodenerosionsprozesse unter Arganbeständen und belegen, dass bestimmte Erosionsprozesse verschiedenen Degradationszuständen der Fläche sowie unterschiedlichen Bestandsdichten zugeordnet werden können. Dies ist eine notwendige Voraussetzung für die nachhaltige Bewirtschaftung der Arganbestandsflächen.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Paderborn, 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.

Sentinel-2 Sachsen-Anhalt

Bei dem Datensatz handelt es sich um Fernerkundungsdaten aus dem Copernicus-Programm der Europäischen Kommission und der Europäischen Weltraumorganisation, die für das Gebiet von Sachsen-Anhalt aufbereitet wurden. Die Sentinel-2 Satelliten des Copernicus-Programm liefern multispektrale Aufnahmen im Wellenlängenbereich des sichtbaren Licht (VIS) und nahen Infrarotbereich (NIR) aus denen nahezu wolkenfreie Mosaikbilder erstellt werden. Diese Daten finden insbesondere in der Forst-, Wasser-, und Agrarwirtschaft Anwendung um z.B. zeitliche Veränderungen zu beobachten.

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.

Global assessment of vegetation photosynthesis and carbon assimilation through space measurements of chlorophyll fluorescence

The gross carbon uptake of terrestrial vegetation through photosynthesis is a crucial parameter in climate change research. A global, observation-based characterization of ecosystem gross primary production can only be performed with satellite measurements. However, the traditional description of vegetation from space is based on the so-called spectral vegetation indices, which are not able to provide a reliable indication of photosynthetic efficiency driving carbon assimilation by vegetation. This results in an inherent limitation of existing satellite products to provide an accurate description of ecosystem functioning. By contrast, ongoing developments in instrument design and modelling approaches have very recently made possible the retrieval of vegetation chlorophyll fluorescence from space measurements. A vast number of laboratory and field experiments have demonstrated that fluorescence is a direct proxy to vegetation light use efficiency which can therefore enable a much more accurate description of gross primary production. This project proposes the implementation of a research group with focus on the global monitoring and interpretation of chlorophyll fluorescence from existing and upcoming Earth Observation missions. This task will imply the development of a variety of atmospheric-surface radiative transfer modelling approaches, data processing, retrieval techniques and ecosystem modelling tools, with the ultimate objective of developing a new approach to the observation of carbon assimilation by vegetation from space.

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.

Schwerpunktprogramm (SPP) 1889: Regional Sea Level Change and Society (SeaLevel), Teilprojekt: Ableitung von Ozeanmassenverteilung und glazial-isostatischem Ausgleich aus Satellitengravimetrie und Satellitenaltimetrie (OMCG-2)

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.

Nachtaufnahme Hamburg

Bei dieser Nachtaufnahme handelt es sich um ein Mosaik, welches aus zwei unterschiedlichen Datensätzen besteht. Datensatz 1 [Zentrum und Randgebiete] - Satellitenaufnahmen: Jilin-1 - Spektrale Auflösung: RGB - Aufnahmezeitraum: 12/21 – 01/22 - Quelle: Chang Guang Satellite Technology CO., LTD (CGSTL)/Veritas Imagery Services Ltd Datensatz 2 [vereinzelte Randgebiete] - Astronautenphotographie: NASA - Spektrale Auflösung: RGB - Aufnahmezeitraum: 03/22 - Quelle: Earth Science and Remote Sensing Unit, NASA Johnson Space Center; https://eol.jsc.nasa.gov/ Hinweise: Die Datensätze unterscheiden sich hinsichtlich ihrer geometrischen Auflösung. Die Datensätze sind spektral nicht zueinander kalibriert. Verwendung nur zu Visualisierungszwecken.

Sentinel-5P TROPOMI Surface Nitrogendioxide (NO2), Level 4 – Regional (Germany and neighboring countries)

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 displays the Nitrogen Dioxide (NO2) near surface concentration for Germany and neighboring countries as derived from the POLYPHEMUS/DLR air quality model. Surface NO2 is mainly generated by anthropogenic sources, e.g. transport and industry. POLYPHEMUS/DLR is a state-of-the-art air quality model taking into consideration - meteorological conditions, - photochemistry, - anthropogenic and natural (biogenic) emissions, - TROPOMI NO2 observations for data assimilation. This Level 4 air quality product (surface NO2 at 15:00 UTC) is based on innovative algorithms, processors, data assimilation schemes and operational processing and dissemination chain developed in the framework of the INPULS project. The DLR project INPULS 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.

1 2 3 4 5 … 175 176 177