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.
Stratosphärisches Sulphataerosol ist von großer Bedeutung für das Klimasystem, weil es solare Strahlung streut und damit die planetare Albedo der Erde erhöht. Es ist außerdem wichtig für die Chemie der Stratosphäre, weil die Aerosolpartikel an der Chloraktivierung - sogar außerhalb der Polarwirbel - sowie bekanntermaßen an der Bildung polarer stratosphärischer Wolken beteiligt sind. Darüber hinaus ist stratosphärisches Aerosol laut dem 5. Sachstandsbericht des Intergovernmental Panel on Climate Change mitverantwortlich für die gegenwärtige Erwärmungspause. Boden-gestützte Lidar-Beobachtungen stellen eine der genauesten Methoden zur Fernerkundung stratosphärischer Aerosole dar. Im Rahmen des hier vorgeschlagenen Forschungsprojekts sollen Lidar-Messungen an 3 unterschiedlichen Orten - die bisher noch nicht zur Untersuchung stratosphärischer Aerosole verwendet wurden - genutzt werden. Die Lidar Systeme werden vom Leibniz-Institut für Atmosphärenphysik (IAP) e.V. an der Universität Rostock in Kühlungsborn betrieben und befinden sich im ALOMAR Observatorium in Andenes (Norwegen), auf der Davis Forschungsstation (Antarktis), sowie in Kühlungsborn. Zwei der Lidar-Messreihen decken gegenwärtig einen Zeitraum von 20 Jahren ab und die Lidar-Messungen in Alomar werden bei mehreren Wellenlängen durchgeführt, was die Ableitung von Teilchengrößen der stratosphärischen Aerosolpartikel erlaubt. Ein Alleinstellungsmerkmal der Lidar-systeme ist ihre Tageslichtfähigkeit, d.h., die Messungen können nicht nur nachts durchgeführt werden, was erstmals die Messung stratosphärischer Aerosole im polaren Sommer erlaubt. Die Lidar-Rohdaten werden in der ersten Phase des Projekts in vertikale Profile des Rückstreukoeffizienten und/oder der Aerosolextinktion konvertiert. Darüber hinaus werden aus den Mehrfarbenmessungen in ALOMAR Aerosolteilchengrößen bestimmt. In der zweiten Projektphase werden die abgeleiteten Aerosolzeitreihen verwendet, um deren zeitliche Variabilität sowie Langzeittrends über einen Zeitraum von mehr als 20 Jahren zu untersuchen und zu quantifizieren. Hierbei spielen saisonale Variationen, Einflüsse der QBO (Quasi-Biennial-Oscillation) und von Vulkanausbrüchen eine entscheidende Rolle. Die abgeleiteten Aerosolteilchengrößen liefern außerdem dringend benötigte Randbedingungen für die Ableitung der stratosphärischen Aerosolextinktion aus Satellitenmessungen des Horizont-gestreuten Sonnenlichts. Diese Messmethode wurde in der Vergangenheit zur Auswertung verschiedener Satellitendatensätze (z.B. OSIRIS/Odin, SCIAMACHY/Envisat, OMPS-LP/Suomi) verwendet und basiert auf a priori Wissen der Größenverteilung stratosphärischer Aerosole. Die zu erwartenden Ergebnisse liefern wichtige neue Kenntnisse über die Variabilität und Langzeittrends stratosphärischer Aerosolparameter (Extinktion, optische Dichte und Teilchengröße) sowie des Strahlungsantriebs des stratosphärischen Aerosols in mittleren und hohen nördlichen Breiten und über dekadische Zeitskalen.
Core 3 liefert Umweltdaten über alle EPs. Es unterhält das Netzwerk von Klima- und Umweltstationen, deckt die Fernerkundung zur Erfassung von Plot- und Exploratorien-weiten Daten ab (von UAVs, Flugzeugen, Satelliten) und prozessiert die Daten bis zu Level 3 Information. Core 3 stellt spezifisch abgeleitete, räumlich explizite Daten zur Verfügung und unterstützt damit die Forschung zu Biodiversität und Ökosystemfunktionen und -dienstleistungen. Core 3 wird seine Dienstleistungen im Zusammenhang mit (i) der Wartung der 300 Klimastationen, (ii) der Bereitstellung von Fernerkundungsdaten (UAV, Luft, Satellit) und (iii) der Vor- und Nachprozessierung dieser Daten fortsetzen. Zudem erzeugt Core 3 (iv) räumlich explizite, Fernerkundungs-basierte Datensätze zur Landnutzung. Weiterhin (v) wird das Stationsnetz auf die neuen Waldplots erweitert und ergänzt durch die Aufnahme akustischer und fotografischer Daten. Dies erfordert die Erstellung (vi) einer neue Datenbank, für die Core 3 das Fachwissen der botanischen und zoologischen Projekten nutzt. (vii) Die vernetzten Sensoren und Fernerkundungsdaten dienen der Modellierung der abiotischen Plotheterogenität auf den Waldparzellen unter dem Kronendach und der Sukzessionsprozesse in den neuen Waldexperimenten. Core 3 wird (viii) Koordination und individuelle Beratung zu Umwelt- und Fernerkundungsdaten fortsetzen. Core 3 ist stark serviceorientiert und bietet eine grundlegende Infrastruktur für die Exploratorien. Ein hohes Maß an integrativer technischer und wissenschaftlicher Expertise ist erforderlich, um diese umfassenden Umwelt- und Fernerkundungsdaten für die Core und Contributing Projekte bereitzustellen.
Ziel ist es, die räumliche Verteilung und zeitliche Variabilität der Niederschlagsaktivität, der Niederschlagsmenge und der Verdunstung, des atmosphärischen Stoffeintrags, bedingt durch biogene und anthropogene Emissionen, der bestimmenden meteorologischen Parameter wie Wolkenbedeckungsgrad und -typ, Temperatur, Wind und turbulente Flüssein der planetaren Grenzschicht für zukünftige Zeiträume abzuschätzen, die durch den globalen Wandel und durch regionale Veränderungen bedingt sind. Die Ergebnisse dienen als Randbedingungen für hydrologische Modelluntersuchungen zum Wasserkreislauf und zur ökonomischen und ökologischen Bewertung der absehbaren oder angestrebten regionalen Entwicklung der Wasserbevorratung und -bewirtschaftung im mittleren Elbebereich. Die zu erwartenden Klimaänderungen sollen exemplarisch innerhalb der Zeiträume 2000 bis 2025 (Prognoseziel I) und 2026 bis 2050 (Prognoseziel II) beschrieben werden. Dabei soll in entsprechenden Szenarien der Strukturwandel im Elbe-, Havel-, Spree- und Unstrutraum berücksichtigt werden, der in dem gegebenen Zeitrahmen politisch, ökonomisch und ökologisch zu erwarten ist. Die absehbaren Veränderungen werden in kategorisierter Bodennutzung und in Schadstoffemissionskatastern festgehalten. Teilvorhaben: Bestimmung von Großwetterlagen und dynamischen Kenngrößen zur Klimacharakterisierung; Episodenrechnungen mit dem Lokalmodell des Deutschen Wetterdienstes; Synthese und Analyse von Wolkenarten, Niederschlag und Verdunstung aus Zeitreihen von Satellitenmessungen und konventionellen Beobachtungen; Nutzungszugang zu langjährigen Fernerkundungsdaten durch alle GLOWA-Projekte; Diagnose und Prognose der Deposition mit einem chemischen Transportmodell.
The CoASTS-BiOMaP data set comprises in situ near-surface inherent (e.g., absorption, scattering and backscattering coefficient s) and apparent (e.g., normalized-water leaving radiance and the corresponding remote sensing reflectance) optical properties of relevance for satellite ocean colour applications. The data were produced through the Coastal Atmosphere & Sea Time Series (CoASTS) and the Bio-Optical mapping of Marine optical Properties (BiOMaP) measurement programs implemented by the Marine Optical Laboratory of the Joint Research Center (JRC) in collaboration with a number of European institutions. Common to both CoASTS and BiOMaP is the standardization of instruments, measurement methods, quality control schemes and processing codes to enforce temporal and spatial consistency to data products. CoASTS measurements comprise 125 field campaigns and 637 stations performed from December 1998 up to March 2016 benefitting of the Acqua Alta Oceanographic Tower (AAOT) in the northern Adriatic Sea to generate time series data at a fixed coastal site. CoASTS data exhibit occurrence of waters with optical properties largely determined by phytoplankton, as well as diverse concentrations of suspended particulate matter (SPM) and of coloured organic matter (CDOM). BiOMaP measurements comprise 36 bio-optical oceanographic campaigns and 1915 stations performed between July 2000 and May 2022 using a variety of oceanographic vessels to produce spatially distributed data across various European Seas. BiOMaP measurement regions include: the Baltic Sea exhibiting waters dominated by a high concentration of CDOM; the Adriatic Sea, Black Sea, North Sea (comprising the English Channel), Ligurian Sea, Iberian Shelf and the Greenland Sea, characterized by a variety of optically complex waters determined by diverse concentrations of CDOM and SPM; the Eastern and Western Mediterranean oligotrophic and mesotrophic Seas.
In den vergangenen Jahrzehnten wurden die meisten Grünlandökosysteme in Mitteleuropa durch höhere Düngergaben und durch häufigeres Mähen oder Beweiden verändert. Diese Landnutzungs-Intensivierung hat zwar die Bereitstellung der Ökosystemleistung 'Futterproduktion' verbessert, jedoch die Biodiversität und die Bereitstellung anderer Ökosystemleistungen negativ beeinflusst. Vor allem aufgrund räumlicher Diskrepanzen zwischen ökologischen Prozessen und Managementeinheiten in gekoppelten sozial-ökologischen Systemen fehlt bisher ein mechanistisches Verständnis zu Effekten der Landnutzungs-Intensivierung auf die Beziehung der Biodiversität zu Ökosystemfunktionen und -leistungen. In unserem Projekt SEBAS wollen wir dieses mechanistische Verständnis verbessern, indem wir plotbasierte ökologische Forschung zur Landnutzungsintensität und zu sechs grundlegenden Biodiversitätsvariablen (engl. EBVs) mit einer satellitenbasierten Fernerkundung dieser Proxies verbinden. Wir werden Beziehungen zwischen funktionaler und struktureller Diversität und der Ökosystemleistung 'Futterproduktion' (oberirdische Biomasse bzw. Primärnettoproduktion) für managementrelevante Flächen analysieren. Dies sind Wiesen- bzw. Weideflächen, landwirtschaftliche Betriebe und Landschaften. Wir stellen die Hypothesen auf, dass (i) die sechs EBVs auf mehreren räumlichen Skalen unter Verwendung multimodaler Satellitenbild-Zeitreihendaten abgeleitet werden können, die mit vorhandenen und neu erhobenen Daten zur Landnutzungsintensität und zu EBVs kalibriert und validiert wurden; und dass (ii) Auswirkungen der Landnutzung auf die Beziehung der Biodiversität zu Ökosystemfunktionen und -leistungen über räumliche Skalen hinweg variieren. Hierbei dürfte die funktionale und strukturelle Diversität eine Schlüsselrolle für die Höhe und zeitliche Stabilität der Futterproduktion spielen. Das Projekt wird räumlich explizite EBV-Produkte auf Satelliten- und UAV-Basis liefern sowie neue Methoden entwickeln, die auf multiskalierten und multimodalen Fernerkundungs-Datensätzen (PlanetScope, RapidEye, Sentinel 1 & 2, Landsat, MODIS) sowie auf maschinellen Lern- und Hybridmodellen basieren. Durch Raum-für-Zeit-Substitutionen für Klimawandel und Landnutzungswandel werden wir zudem interaktive Auswirkungen dieser beiden wichtigsten Treiber des Globalen Wandels auf die Beziehung der Biodiversität zu Ökosystemfunktionen und -leistungen analysieren. Hierfür werden wir direkte und indirekte (biodiversitätsvermittelte) Auswirkungen der beiden Treiber auf die Futterproduktion mittels eines sozial-ökologischen Systemansatzes formalisieren und über Strukturgleichungsmodellen quantifizieren. Auf diese Weise werden wir ein tieferes Verständnis der Ökosystemfunktionen und -leistungen in mitteleuropäischen Grünländern erlangen.
This raster dataset shows the main type of crop grown on each field in Germany each year. Crop types and crop rotation are of great economic importance and have a strong influence on the functions of arable land and ecology. Information on the crops grown is therefore important for many environmental and agricultural policy issues. With the help of satellite remote sensing, the crops grown can be recorded uniformly for whole Germany. Based on Sentinel-1 and Sentinel-2 time series as well as LPIS data from some Federal States of Germany, 21 different crops or crop groups were mapped per pixel with 10 m resolution for Germany on an annual basis since 2017. These data sets enable a comparison of arable land use between years and the derivation of crop rotations on individual fields. More details and the underlying methodology can be found in Gessner et al. 2025 and Asam et al. 2022.
This pre-study pilot project will be carried out in Kenya and Tanzania and is part of a more extensive remote sensing project (initiated by the European Space Agency, ESA) aiming to develop a monitoring system for the assessment of land cover change of farmlands, rangelands and forest standings (logging, fires, uncontrolled deforestation, new settlements, etc.) at a national regional level. An integrated approach of remote sensing techniques (both through the use of satellite and ground data), physical vegetation models and ground measurements will be adopted. Operatively, the execution will consist of a 6-month period (pre-study) consisting in a ground campaign along a north-south transect, which is almost unknown to the current vegetation cartography. Based on the field results of the pre-study and within an on-going 30 month period (extended study, see Annexed 3), new classification methods and algorithms will be developed for assessment of land use and cover change using ENVISAT-data. An outcoming of this research will be a system capable to monitor and plan the available agricultural food resources for those developing regions.
Im Teilvorhaben 3 wird im Modul 5 (Flächendeckendes satellitengestütztes Monitoring der Wachstumsreaktion) ein satellitenbasiertes räumliches Monitoring der Wachstumsreaktion der Bäume für die Testgebiete entwickelt. Als Wachstumsreaktion wird die Veränderung des Saftflusses sowie des Dickenwachstums als Reaktion auf extreme Hitze- und Trockenperioden definiert. Beide Variablen werden mittels DHC-Stationen in situ gemessen und durch die Kombination mit Satellitendaten in die Fläche überführt. Als Prädiktoren werden neuartige Daten der spektral hochaufgelösten ECOSTRESS (IR hyperspektral), OCO-3 und DESIS (Hyperspektralsensor) herangezogen, die alle auf der ISS installiert und damit optimal für eine solche Datenkombination geeignet sind. Die Daten der punktuellen DHC-Stationen werden verwendet, um maschinelle Lernmodelle auf der Basis der spektral hochaufgelösten neuen Fernerkundungsdaten unter normalen und extremen Klimabedingungen zu trainieren. Die Modelle können auf das Prädiktorgitter angewendet werden, sodass die Zielvariablen räumlich modelliert werden können. Aufgrund der schlechten zeitlichen Auflösung werden diese Daten wiederum als Prädiktoren verwendet, um die Zielvariablen auf konventionelle, zeitlich höher aufgelöste (Sentinel, MODIS) und Kronen auflösende Systeme (Planet) zu transferieren. Damit ist ein räumliches Monitoring unter verschiedenen Klimabedingungen möglich. ECOSTRESS liefert gegitterte Prädiktorvariablen zur Verdunstung, zum Evaporative Stress Index sowie zur Water Use Efficiency in 30 bis 70 m Auflösung, die mit DHC-Messungen des Saftflusses kombiniert werden. OCO-3 liefert Informationen zur fotosynthetischen Aktivität (SIF: solar-induced chlorophyll fluorescence) in etwa 2 km Auflösung, die mit den DHC-Messungen zum Dickenwachstum kombiniert werden. DESIS liefert hyperspektrale Daten in 30 m Auflösung und wird v.a. für die Erhöhung der räumlichen Auflösung der OCO-3 Daten verwendet.
Leuchtende Nachtwolken (NLCs, von engl. Noctilucent clouds) sind optisch dünne Wassereiswolken, die nahe der polaren Sommermesopause bei geographischen Breiten polwärts von etwa 50 Grad auftreten. NLCs wurden in den vergangenen Jahrzehnten intensiv untersucht, insbesondere aufgrund ihrer Rolle als Indikatoren der globalen Veränderung. Langzeitsatellitenmessungen der NLCs mit Hilfe der SBUV/2 Instrumente auf Nimbus-7 und der NOAA-Satellitenreihe zeigen eine signifikante Zunahme der NLC Albedo (DeLand et al., 2007) sowie der NLC Häufigkeit (Shettle et al., 2009). Dieser langfristige Trend wurde durch eine Studie von Stevens et al. (2007) in Frage gestellt, in der die Langzeittrends in SBUV/2 NLC Albedo und der NLC Eismasse bei einer konstanten Lokalzeit untersucht wurden. Erstaunlicherweise führte die ausschließliche Berücksichtigung von Messungen bei konstanter Lokalzeit dazu, dass der Langzeittrend in der NLC Albedo praktisch vollständig verschwand. Diese Ergebnisse suggerieren, dass die veränderlichen Lokalzeiten, die mit der langsamen Veränderung der Orbitparameter der NOAA Satelliten verbunden sind, den scheinbaren Langzeittrend in NLC Albedo und NLC Häufigkeiten in früheren Studien verursachen. Dieser Sachverhalt ist noch immer nicht verstanden, obwohl die Frage nach den tatsächlichen Langzeitvariationen in NLCs von entscheidender Bedeutung für das wissenschaftliche Verständnis des Klimawandels in der mittleren Atmosphäre ist. Das wissenschaftliche Hauptziel des hier vorgeschlagenen Projekts ist es die Ursachen für die oben skizzierten Diskrepanzen zwischen den verschiedenen Analysen der SBUV/2 Daten zu untersuchen, und festzustellen, ob NLC-Parameter einer Langzeitvariation unterliegen oder nicht. Zu diesem Zweck sollen Messungen der europäischen Nadir-Beobachtungsinstrumente GOME und SCIAMACHY zur Bestimmung von NLCs verwendet werden. Nadir-Messungen dieser Satelliteninstrumente sind hervorragend geeignet, um diese wissenschaftliche Fragestellung zu untersuchen, weil die Satelliten sich in Sonnen-synchronen Erdumlaufbahnen befinden, und somit Messungen bei einer bestimmten geographischen Breite stets zur selben Lokalzeit durchführt werden. Da die GOME und SCIAMACHY Nadir-Messungen bisher nicht zur Untersuchung von NLCs verwendet wurden, soll im Rahmen dieses Projekts ein NLC Auswertealgorithmus implementiert und auf den gesamten GOME und SCIAMACHY Datensatz angewandt werden. Die zu bestimmenden NLC Parameter umfassen NLC Albedo, NLC Häufigkeit sowie NLC Eismasse. Die abgeleiteten NLC Datenprodukte werden verwendet, und Sonnenzyklusvariationen und Langzeittrends in NLCs zu quantifizieren, sowie zur Untersuchung der Frage, ob die Langzeittrends in SBUV/2 NLC Messungen durch die veränderlichen Lokalzeiten dieser Satellitenmessungen beeinflusst oder gar maßgeblich verursacht werden.
| Organisation | Count |
|---|---|
| Bund | 835 |
| Europa | 48 |
| Global | 1 |
| Kommune | 4 |
| Land | 56 |
| Schutzgebiete | 2 |
| Weitere | 3 |
| Wirtschaft | 10 |
| Wissenschaft | 490 |
| Type | Count |
|---|---|
| Daten und Messstellen | 20 |
| Ereignis | 25 |
| Förderprogramm | 781 |
| Text | 37 |
| unbekannt | 21 |
| License | Count |
|---|---|
| Geschlossen | 46 |
| Offen | 837 |
| Unbekannt | 1 |
| Language | Count |
|---|---|
| Deutsch | 710 |
| Englisch | 275 |
| Resource type | Count |
|---|---|
| Archiv | 3 |
| Bild | 2 |
| Datei | 47 |
| Dokument | 23 |
| Keine | 393 |
| Webdienst | 3 |
| Webseite | 458 |
| Topic | Count |
|---|---|
| Boden | 665 |
| Lebewesen und Lebensräume | 743 |
| Luft | 657 |
| Mensch und Umwelt | 884 |
| Wasser | 527 |
| Weitere | 870 |