In this dataset we provide data for 6 experimental models of caldera collapse and subsequent resurgence monitored through geophysical sensors (a force or “impact sensor”, Piezotronics PCB 104 200B02 and a Triaxial piezoelectric accelerometer, Model 356B18). The analogue modelling experiments were carried out at the TOOLab (Tectonic Modelling Laboratory), which is a joint laboratory between the Istituto di Geoscienze e Georisorse of the Consiglio Nazionale delle Ricerche, Italy and the Department of Earth Sciences of the University of Florence. The laboratory work that produced these data was partly supported by the European Plate Observing System (EPOS), by the Joint Research Unit (JRU) EPOS Italia and by the “Monitoring Earth's Evolution and Tectonics” (MEET) project (NextGenerationEU). Specifically, this work was performed in the frame of the DynamiCal project, funded by the 2° TNA-NOA call of the ILGE-MEET project.
Raw data acquired by position sensors on board RV Heincke during expedition HE662 were processed to receive a validated master track which can be used as reference of further expedition data. During HE662 the inertial navigation system IXSEA PHINS III and the GPS receivers Trimble Marine SPS461 and SAAB R5 SUPREME NAV were used as navigation sensors. Data were downloaded from DAVIS SHIP data base (https://dship.awi.de) with a resolution of 1 sec. Processed data are provided as a master track with 1 sec resolution derived from the position sensors' data selected by priority and a generalized track with a reduced set of the most significant positions of the master track.
This report documents 42 stations of an urban street-level automatic weather station network in Freiburg, Germany installed and operated by the University of Freiburg and with support of the City of Freiburg and selected surrounding municipalities. The purpose of the network is to collect local and context-specific weather and climate data on temperature, humidity, precipitation and at selected stations also wind, solar radiation and black-globe temperature. This report documents all 42 stations with their position, address, land cover, orography as well as nearby objects that are relevant for the data interpretation. Maps are provided for each weather station detailing the location within the network, the local-scale siting, and the microscale surrounding. The report also documents mounting structures, sensors operated, operation periods and changes. Station photographs, panoramic images and sky-view images provide details on the siting and surroundings.
Letzte Messungen des Klimamessnetzes Stadt Dortmund. Die Messungen erfolgen alle 5 Minuten. Bei Datenübertragungsfehlern kann es dazu führen, dass die betroffenen Sensoren nicht aufgeführt werden. In diesen Fällen bitte etwas später dieses Datenset erneut aufrufen. Die Stadt Dortmund hat ein umfassendes Klimamessnetz aufgebaut, um die klimatische Situation im Stadtgebiet flächendeckend und in Echtzeit zu erfassen. Zentrale Akteure sind die Smart City Dortmund und das Umweltamt, die gemeinsam den Aufbau einer resilienten und datenbasierten Stadtentwicklung vorantreiben. Das Messnetz besteht aus 105 Sensoren an 76 strategisch ausgewählten Standorten und liefert kontinuierlich Rohdaten zu Temperatur, Luftfeuchtigkeit, Wind, Strahlung, Niederschlag und weiteren Klimaparametern. Es wurde im Rahmen des wissenschaftlich begleiteten Projekts Data2Resilience entwickelt, in Zusammenarbeit mit der Ruhr-Universität Bochum und der Leibniz Universität Hannover. Veröffentlicht werden hier die Daten der Sensoren. Für weiterführende Analysen und Kennzahlen verweisen wir auf das Dashboard des Data2Resilience-Projekts:erweisen wir auf das Dashboard des Data2Resilience-Projekts: [https://dashboard.data2resilience.de/](https://dashboard.data2resilience.de/)
Die Erfassung der Eingangslasten einer Windenergieanlage (WEA) ist im Feld nicht möglich und an WEA-Systemprüfständen aktuell nur unzureichend genau. Daher hat das Projekt ErWind als Ziel einen rotierenden Sensor für Systemprüfstände bis 6 MW zu entwickeln, der die Eingangs-lasten in allen sechs Freiheitsgraden erfassen kann. Da es sich bei dem Sensor um einen monolithischen Messkörper handelt, werden signifikante Übersprecheffekte erwartet, welche sich durch die Geometrie und Beklebung nicht ausreichend reduzieren lassen. Des Weiteren ist mit Störungen im Messsignal durch parasitäre Nebeneffekte zu rechnen. Um diese Übersprecheffekte und Störungen hinreichend zu reduzieren, entwickelt RENK eine rechnerische Echtzeitkompensation basierend auf Kennlinien und Kennlinienfeldern, welche automatisiert aufgenommen werden.
Stäube sind feste Teilchen der Außenluft, die nicht sofort zu Boden sinken, sondern eine gewisse Zeit in der Atmosphäre verweilen. Nach ihrer Größe werden Staubpartikel in verschiedene Klassen eingeteilt. Als Feinstaub (PM10) bezeichnet man Partikel mit einem aerodynamischen Durchmesser von weniger als 10 Mikrometer (µm). Dargestellt wird der Durchschnitt aller Messwerte eines Sensors der letzten 5 Minuten Die dargestellten Messwerte wurden auf hohe und niedrige Ausreißer gefiltert. - Hohe Ausreißer sind alles jenseits des 3. Quartils + 1,5 * des Inter-Quartils-Bereichs (IQB) - Niedrige Ausreißer sind alles unterhalb des 1. Quartils - 1,5 * IQB
Stäube sind feste Teilchen der Außenluft, die nicht sofort zu Boden sinken, sondern eine gewisse Zeit in der Atmosphäre verweilen. Nach ihrer Größe werden Staubpartikel in verschiedene Klassen eingeteilt. Als Feinstaub (PM10) bezeichnet man Partikel mit einem aerodynamischen Durchmesser von weniger als 10 Mikrometer (µm). Dargestellt wird der letzte Messwert eines Sensors. Die dargestellten Messwerte wurden auf hohe und niedrige Ausreißer gefiltert. - Hohe Ausreißer sind alles jenseits des 3. Quartils + 1,5 * des Inter-Quartils-Bereichs (IQB) - Niedrige Ausreißer sind alles unterhalb des 1. Quartils - 1,5 * IQB
Raw data acquired by position sensors on board RV Heincke during expedition HE663 were processed to receive a validated master track which can be used as reference of further expedition data. During HE663 the inertial navigation system IXSEA PHINS III and the GPS receivers Trimble Marine SPS461 and SAAB R5 SUPREME NAV were used as navigation sensors. Data were downloaded from DAVIS SHIP data base (https://dship.awi.de) with a resolution of 1 sec. Processed data are provided as a master track with 1 sec resolution derived from the position sensors' data selected by priority and a generalized track with a reduced set of the most significant positions of the master track.
Ausrichtung: West, ca. 4 Meter über Grund
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. OCRA (Optical Cloud Recognition Algorithm) and ROCINN (Retrieval of Cloud Information using Neural Networks) are used for retrieving the following geophysical cloud properties from GOME and GOME-2 data: cloud fraction (cloud cover), cloud-top pressure (cloud-top height), and cloud optical thickness (cloud-top albedo). OCRA is an optical sensor cloud detection algorithm that uses the PMD devices on GOME / GOME-2 to deliver cloud fractions for GOME / GOME-2 scenes. ROCINN takes the OCRA cloud fraction as input and uses a neural network training scheme to invert GOME / GOME-2 reflectivities in and around the O2-A band. VLIDORT [Spurr (2006)] templates of reflectances based on full polarization scattering of light are used to train the neural network. ROCINN retrieves cloud-top pressure and cloud-top albedo. The cloud-top pressure for GOME scenes is derived from the cloud-top height provided by ROCINN and an appropriate pressure profile. 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/
| Origin | Count |
|---|---|
| Bund | 5204 |
| Global | 92 |
| Kommune | 31 |
| Land | 182 |
| Wirtschaft | 4 |
| Wissenschaft | 1544 |
| Zivilgesellschaft | 9662 |
| Type | Count |
|---|---|
| Daten und Messstellen | 10959 |
| Ereignis | 2 |
| Förderprogramm | 4870 |
| Gesetzestext | 1 |
| Sammlung | 5 |
| Text | 193 |
| unbekannt | 462 |
| License | Count |
|---|---|
| geschlossen | 239 |
| offen | 16129 |
| unbekannt | 124 |
| Language | Count |
|---|---|
| Deutsch | 14397 |
| Englisch | 2497 |
| andere | 1 |
| Resource type | Count |
|---|---|
| Archiv | 324 |
| Bild | 16 |
| Datei | 8229 |
| Dokument | 99 |
| Keine | 3337 |
| Unbekannt | 3 |
| Webdienst | 26 |
| Webseite | 11833 |
| Topic | Count |
|---|---|
| Boden | 14008 |
| Lebewesen und Lebensräume | 9444 |
| Luft | 13459 |
| Mensch und Umwelt | 16436 |
| Wasser | 8560 |
| Weitere | 16492 |