API src

Found 1286 results.

Related terms

GTS Bulletin: SNLV40 UMRR - Surface data (details are described in the abstract)

The SNLV40 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SN): Non-standard synoptic hour A1A2 (LV): Latvia (Remarks from Volume-C: NilReason)

GTS Bulletin: ISND31 AMDS - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISND31 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISN): Synoptic observations from fixed land stations at non-standard time (i.e. 01, 02, 04, 05, ... UTC) A2 (D): 90°E - 0° northern hemisphere (Remarks from Volume-C: NATIONAL AUTOMATIC SYNOP)

Klimaerlebnisbaum - Rottendorf - Tilia

Im Rahmen des Forschungsprojekts "Klimaerlebnis Würzburg" am Zentrum Stadtnatur und Klimaanpassung (ZSK) wurden im Jahr 2018 acht Messstationen in Würzburg und Gerbrunn eingerichtet. Diese zeichnen seitdem an jedem Standort das Wetter und/oder die Leistungen der dortigen Bäume auf. Das Forschungsprojekt endete im Jahr 2022. Die Messstationen, durch orangefarbene Baumfässer erkennbar, werden seitdem aber weitergeführt.Das Projekt sollte aufzeigen,inwieweit sich das Klima und die Leistung der Bäume an verschiedenen Standorten in der Stadt unterscheiden undinwieweit sich Stadtbäume und Klima an einem Standort gegenseitig beeinflussen.Die bis heute weiter aufgezeichneten Messergebnisse sollen verdeutlichen, wie mit Hilfe von Bäumen und ihrer Ökosystemdienstleistungen die nachhaltige Stadt der Zukunft an die Folgen des Klimawandels angepasst werden kann. Zudem kann die Öffentlichkeit mit diesen Datenreihen für das Thema Stadtklima und Stadtgrün sensibilisiert werden. Um dies voranzutreiben, werden davon ausgewählte Datenspalten seit November 2024, unbereinigt und zu stündlichen Daten automatisiert zusammengefasst, hier auf dem Open Data Portal Würzburg veröffentlicht.An der Station in Rottendorf sind mehrere Bäume der Art Robinia und Linde Tilia mit Sensoren versehen. Die Daten einer der Linden stehen in diesem Datensatz in der oben beschriebenen, verarbeiteten Form zur Verfügung.Allgemeines zu den Standorten wie der grobe Messaufbau, Hinweise zur Datennutzung und Verlinkungen zu weiterführenden Papern finden Sie im Folgenden.Messaufbau des Baumlabors und der WetterstationMithilfe des Saftflusssensors (1) kann der Wasserverbrauch des Baums bestimmt werden. Davon lässt sich die Kühlleistung durch Verdunstung ableiten und der Trockenstress abschätzen. Im Kronenraum wird die Temperatur für den Vergleich mit der Klimastation gemessen (2), um die Abkühlwirkung des Baumes zu bestimmen. Das Dendrometer (3) misst das Dickenwachstum des Stammes. Dadurch kann man berechnen, wieviel der gesamte Baum an Biomasse zunimmt und an CO2speichert. Der Bodenfeuchtesensor (4) misst den Wassergehalt im Wurzelraum. Damit kann auf die Wasserversorgung des Baumes geschlossen werden.Der Temperatur- und Feuchtesensor (6) misst die Lufttemperatur und die relative Luftfeuchtigkeit. Der Windsensor (7) erfasst Windrichtung und Windgeschwindigkeit. Mit diesen beiden Messgrößen kann der Frischlufteintrag, aber auch die Anströmungsrichtung festgestellt werden. Der Strahlungssensor (8) misst, wieviel Energie die Sonne am Erdboden freisetzt. Mit diesem Wert lässt sich feststellen, wie stark sich Flächen aufheizen. Ebenso lässt sich hiermit die photosynthetische Leistung des Baumes bestimmen. Aus Temperatur, Luftfeuchte, Windgeschwindigkeit und Solarstrahlung lässt sich die gefühlte Temperatur berechnen. Der Niederschlagssensor (9) erfasst Regen und Schnee.In den Datenloggern (10) werden die Messwerte gesammelt, gespeichert und alle 10 Minuten online versendet, um sie auf dem Smart City Hub Würzburg zu speichern und hier auf dem Open Data Portal stündlich aggregiert darzustellen. Bei einigen der Wetterstationen ist zudem ein Luftdruck-Barometer verbaut.Hinweis:Bei den zur Verfügung gestellten Daten handelt es sich um eine automatisiert abgeänderte Version der Rohdaten der einzelnen Stationen. Eine Qualitätskontrolle durch den Plattformbetreiber findet vorab nicht statt. Es ist daher punktuell mit Messfehlern und Messlücken zu rechnen. Für die Korrektheit der Daten wird keine Haftung übernommen. Quellenangabe:Quelle im Rohdatenformat: [Bis 01.12.2024 12 Uhr](https://opendata.smartandpublic.eu/datasets/a00d7121-fc5b-4b4d-ad19-5b0e3689b5dd?locale=en#state=011dcbe3-d7f2-4512-ac48-b8d08b563e01&session_state=45ffef6b-701d-4846-ac6d-9af6d7c6ff80&iss=https%3A%2F%2Fidp.smartcityhub.smartandpublic.eu%2Frealms%2Fsmartcityhub&code=a85c0ca8-b9b3-4785-bd45-11b0d3201e34.45ffef6b-701d-4846-ac6d-9af6d7c6ff80.cc28098c-2fc1-472b-a4ca-77a8ebde7f28)Autor(en): Projekt Klimaerlebnis Würzburg (2018-2022), Stadt Würzburg (2023-jetzt)Hinweis: Es gelten keine zusätzlichen Bedingungen.Für weiterführende Informationen, lesen Sie die aus dem Projekt "Klimaerlebnis Würzburg" hervorgegangenen Paper:Hartmann, Christian, et al. "The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020; The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020." Meteorologische Zeitschrift 32.1 (2023): 49-65.Rahman, M.A., Franceschi, E., Pattnaik, N. et al. Spatial and temporal changes of outdoor thermal stress: influence of urban land cover types. Sci Rep 12, 671 (2022). [https://doi.org/10.1038/s41598-021-04669-8](https://doi.org/10.1038/s41598-021-04669-8)Rahman, Mohammad A., et al. "Tree cooling effects and human thermal comfort under contrasting species and sites." Agricultural and Forest Meteorology 287 (2020): 107947.Rötzer, T., et al. "Urban tree growth and ecosystem services under extreme drought." Agricultural and Forest Meteorology 308 (2021): 108532.Bildquelle und mehr Informationen zu den Messstationen: [Webarchiv: Klimaerlebnis Würzburg](https://webarchiv.it.ls.tum.de/klimaerlebnis.wzw.tum.de/das-projekt/index.html)

Bebauungsplan 392

Vollständiger Titel: Bebauungsplan - für das Gebiet Ortumgehung, Obstmarschenweg und altem Elbdeich sowie Schwingelauf und dem Ortsteil Schnee, einschließlich 1. Änderung vom 09.07.1992

Untersuchung mikrophysikalischer Prozesse bei der Schneefallformation in mittleren Breiten

Niederschlag ist eine wichtige, aber schlecht verstandene Komponente unseres Klimasystems. Die genauen Prozesse, durch die Eiskristalle, flüssiges Wasser, Wolkendynamik und Aerosolpartikel bei der Niederschlagsbildung zusammenwirken, sind nicht ausreichend verstanden. Da überall außer über den subtropischen Ozeanen der meiste Niederschlag in Wolken über die Eisphase gebildet wird, sind die Prozesse der Schneefallbildung nicht nur in den polaren, sondern auch in den mittleren Breiten von großer Bedeutung: Wachstum in übersättigter Luft führt zu unzähligen Kristallformen, die von Temperatur, Feuchtigkeit und deren turbulenten Schwankungen abhängen. Durch Aggregation verbinden sich einzelne Kristalle zu komplexen Schneeflocken. Bereifung beschreibt das Anfrieren kleiner Tröpfchen an den Eiskristallen, so dass diese schnell an Masse gewinnen. Dadurch ist die Form der Schneeteilchen - wenn sie beobachtet wird, bevor das Teilchen zu einem Regentropfen schmilzt - ein Fingerabdruck der vorherrschenden Prozesse während der Schneefallbildung. In EMPOS schlagen wir vor, diese Fingerabdrücke zu nutzen, um zu quantifizieren, wie die verschiedenen Prozesse der Schneefallbildung zu Masse oder Häufigkeit des Gesamtniederschlag beitragen. Zu diesem Zweck werden wir die Datenprodukte des innovativen Video In Situ Snowfall Sensors (VISSS) weiterentwickeln, um Riming und Aggregation während einer speziellen Messkampagne in Hyytiälä, Finnland, zu quantifizieren. Die Beobachtungen werden mit dem ICON-Modell verglichen, in welches das fortschrittliche P3 Mikrophysikschema (Predicted Particle Properties) mit einem neuartigen Ansatz zur Behandlung von bereiften Partikeln implementiert ist. Durch dieses kombinierte Beobachtungs- und Modellierungsprojekt wird es möglich zu quantifizieren, wie die einzelnen Wolkenprozesse an der Schneefallbildung beteiligt sind, und zwar in Bezug auf die Häufigkeit des Auftretens und die Gesamtschneemasse. Darüber hinaus werden wir diese Wolkenprozesse in Abhängigkeit von makrophysikalischen Wolkeneigenschaften wie Wolkentiefe und synoptischen Einflüssen analysieren. Auf der Grundlage von Vergleichen zwischen Modell und Beobachtungen, die sowohl mittels Fallstudien als auch für einen längeren Zeitraum durchgeführt werden, werden wir die Schneefallsimulation in ICON im Standard-Zweimomentenschema und im P3-Mikrophysikschema bewerten und verbessern.

Zur jungpleistozänen Vergletscherung im Hochgebirge von Taiwan

Taiwan besteht im östlichen Teil aus einem Gebirge mit mehr als 20 über 3000 m hohen Gebirgsstöcken, gipfelnd am Wendekreis im Yu Shan (3952 m). TANAKO und KANO (1934) und PANZER (1935) beschrieben glazigene Formen: u.a. Kare am Nanhuta Shan, Kritzungen, Rundhöcker und einen glazialen Talschluß am Hsueh Shan, eine Seitenmoräne am Yu Shan. Interpretationen von Luftbildern, luftbildgestützten Karten und topographischen Karten dienten der Auswahl dreier Untersuchungsgebiete, in denen die aktuelle hydrologische Situation den Erhalt glazialer Formen und Sedimente ermöglicht. Glazigene Ablagerungen und deren maximale Ausdehnung sind bisher nicht durch Feldarbeiten untersucht. Die geplanten Geländearbeiten dienen Erkundung und Kartierung von glazialen und glaziafluvialen Sedimenten, fossilen Böden sowie von gletschergeformten Gesteinsoberflächen. Die Feldbefunde und dabei gewonnene Proben sollen Aufschluß über die Ergiebigkeit der Untersuchungsgebiete im Hinblick auf Datierungsmöglichkeiten geben. Das Projekt ist ein Pilotprojekt für mögliche weitere, gezielte Arbeiten, die der Rekonstruktion der jungpleistozänen Schneegrenze und der Zeitstellung der Talgletscherbildung dienen. Der Beitrag bildet einen Mosaikstein in der Forschung über die Klimaentwicklung im monsunalen System Ostasiens.

Research group (FOR) 2694: Large-Scale and High-Resolution Mapping of Soil Moisture on Field and Catchment Scales - Boosted by Cosmic-Ray Neutrons

The exchange of water between atmosphere, biosphere, and hydrosphere is a result of complex interactions and feedback mechanisms, where soil moisture acts as the key state variable. Novel approaches are required to handle the related scale dependency of water fluxes. Corresponding state-of-the-art methods for observing soil moisture range from continuous point-scale measurements, via field-scale temporal snapshots to remote sensing products on the basin scale and beyond. Cosmic-ray neutron sensing (CRNS) constitutes a considerable advancement in this context by inferring soil moisture from changes in ambient neutron density above the ground, allowing for the integration across hundreds of meters. In this proposal we report on the activities and achievements of the Cosmic Sense research unit (RU) in its first phase, and give an outline of the objectives and the work program for the second phase. The overarching goal remains the development of a quantitative, adaptable, and transferable approach for observing root-zone soil moisture on the field scale while accounting for other dynamic water pools, such as biomass. New to phase II is the addition of snow water pools and the focus on the regional scale by soil moisture mapping with sensor clusters, mobile detectors, remote sensing, and modeling. Cosmic Sense continues to constitute a driving force in the field of soil moisture measurements via CRNS and will strengthen an engaged and innovative community. Our team will advance the understanding of field-scale and regional water storage and fluxes in the soil-vegetation-atmosphere continuum by bundling the expertise of distinguished partners in complementary research modules and joint activities. Working together towards joint research objectives requires intensive interaction in the team as well as overarching coordination and support. The coordination project “Z” acts as a central nexus for the objectives, resources, and outreach activities that are related to the RU as a whole. The key personal resources required are a position for the coordination of meetings, workshops, and general RU matters, and a field technician to support the joint field- and cross-cutting activities. Furthermore, Z strives to support young researchers – particularly those with children – in their work and career, and to enhance gender equality. Z will also promote the outcomes of the RU in a closing workshop, inviting external keynote speakers and supporting attendance via discounts and scholarships. The current and designated Mercator Fellow, Prof. Marek Zreda, will interact with all research modules, he will actively participate in the cross-cutting activities and promote the achievements of Cosmic Sense to the scientific community worldwide. Accordingly, all of the tasks planned in Z will support and interact with the involved research modules of the RU, thus helping to promote the collaboration within the RU and of the dissemination of its outcomes beyond it.

Regionalisierung landschaftsökologischer Parameter im alpinen Hochgebirgsraum (Walliser Alpen, Gornergrat). Bestimmung der hydrologischen Komplexgrößen Schnee und Bodenwasser sowie Klärung ihrer Bedeutung für das ökologische Prozeßgefüge

Ziel des Vorhabens ist, neben der Aufnahme des systembestimmenden Wirkungsgefüges für die alpine Gebirgsstufe, vor allem ein möglichst wirklichkeitsnahes Landschaftsmodell aufzubauen, um prognostische Aussagen zu potentiellen Umweltveränderungen für die alpine Stufe der Alpen treffen zu können. Das geplante Vorhaben versucht daher, für den alpinen Raum möglichst präzise flächenrelevante Aussagen zu den Systemparametern Vegetation, Biomasse, Relief, Schneedecke, Bodenfeuchte und Bodenwärme zu treffen, um im landschaftsökologischen Sinne das signifikante Beziehungsgefüge dieser Größen herauszustellen. Im Vordergrund der Arbeiten steht vor allem der Einsatz eines neuen feldtauglichen Messprinzips zur Bestimmung des Bodenwassergehalts auf der Basis von Wärmekapazitätsmessungen. Infolge einer engen Bindung des Bodenfeuchteregimes an das Mikrorelief sowie an die hydrologisch bedeutsame Schneedecke, sollen auch diese beiden ökologisch wichtigen Kenngrößen mit Hilfe einer fortschrittlichen Erfassungsmethodik aufgenommen werden (lasergestützter Digitalkompaß, 3D-Software). Es ist insbesondere dieser neue methodische Ansatz, der das geplante Vorhaben klar von bereits durchgeführten landschaftsökologischen Arbeiten in vergleichbaren Räumen löst und daher vielversprechende ökologische Grundlagenergebnisse erwarten läßt. Die vergleichsweise exakten Punkt- und Flächenparameteraufnahmen können aber auch als Beschreibung des ökosystemaren Ist-Zustandes verstanden werden, so daß Aufnahmewiederholungen bereits stattgefundene Systemveränderungen dokumentierten können (Ökosystemmonitoring).

Monthly mean snow depth: grid data

Grids of monthly mean snow depth derived from SYNOP observations on a 0.1x0.1 degree grid, provided by WMO RA VI Regional Climate Centre (RCC) on Climate Monitoring WMO-RA6-RCC-CM

Schwerpunktprogramm (SPP) 1158: Antarctic Research with Comparable Investigations in Arctic Sea Ice Areas; Bereich Infrastruktur - Antarktisforschung mit vergleichenden Untersuchungen in arktischen Eisgebieten, Meereis-Typen in der Antarktis abgeleitet aus Beobachtungen von satellitengestützten Mikrowellensensoren (SITAnt)

Meereis ist eine der Komponenten des Erdsystems, die die schnellsten Veränderungen während der letzten Dekaden zeigten. Zum Beispiel kontrolliert Meereis die Energie- und Gasflüsse zwischen Ozean und Atmosphäre in den Polargebieten. Aufgrund seines hohen Rückstrahlvermögens reflektiert es kurzwellige Strahlung effizient zurück in den Weltraum und beeinflusst das Ökosystem. Während die Meereisfläche in der Arktis mit etwa -4%/Dekade stark abnimmt, nimmt die Meereisfläche in der Antarktis leicht zu (etwa 1.5%/Dekade). Besonders ausgeprägt ist mit -13/Dekade die Abnahme von dickem, mehrjährigem Meereis in der Arktis. Die Fläche von mehrjährigem Eis in der Arktis kann mit Hilfe von satellitengestützten Mikrowellensensoren beobachtet werden. In der Antarktis ist die Fläche mehrjährigen Eises kleiner als in der Arktis aber mit 3 Millionen Quadratkilometern immer noch bedeutend. Zurzeit existiert keine Methode, um die Verteilung und zeitliche Entwicklung von mehrjährigem Eis in der Antarktis auf jahreszeitlichen oder dekadischen Zeitskalen zu beobachten. In diesem Projekt schlagen wir vor, eine Methode zur Bestimmung antarktischer Meereistypen, vor allem mehrjähriges Eis, zu entwickeln.Nach der Sommerschmelze nimmt der Salzgehalt von mehrjährigem Eis ab und damit ändern sich seine dielektrischen Eigenschaften und Porosität. Dadurch wird es möglich, es mit passiven und aktiven Mikrowellensensoren von anderen Eistypen zu unterscheiden. Die Bedingungen in der Antarktis, wie große Schneedicken, die Eis-Flutungen verursachen können, Schnee Schmelz-Gefrier-Zyklen und Meereisdynamik in der Eisrandzone (was zu verstärkter Rückenbildung, kleineren Schollen und Pfannkucheneis führt), erschweren die Unterscheidung von Meereistypen wie mehrjährigem von erstjährigem Eis. Für die Arktis wurden unlängst Methoden entwickelt, um solche Einflüsse, die zu falscher Eistyp-Klassifikation führen, zu verringern. Wir schlagen vor einen Algorithmus zur Bestimmung von Meereistypen inklusive zweier Korrekturmethoden, die schon an der Universität Bremen auf arktisches Meereis angewendet wurden, an die Bedingungen von antarktischem Meereis anzupassen und zu erweitern. Die vorgeschlagenen Methoden beruhen auf kombinierten Mikrowellen-Radiometer und -Scatterometer Beobachtungen für die Eistyp-Unterscheidung und auf Meereisdrift und atmosphärischen Reanalysedaten für die Korrekturmethoden. Das Ergebnis wir die erste zirkumpolare, langfristige Zeitserie von antarktischen Eistypen sein (mehrjähriges und erstjähriges Eis und potentiell auch junges Eis).

1 2 3 4 5 … 127 128 129