During the research cruises BE03/2016 (08.03.2016), BE10/2016 (19.10.2016), BE10/2018 (23.10.2018), BE03/2019 (15.03.2019), L23-13 (13.09.2023 - 15.09.2023), Sagitta24-1 (16.09.2024), Sagitta24-2 (23.09.2024), Hai24VE2 (24.09.2024), L25-2b (09.02.2025 - 17.02.2025) and EMB374 (04.09.2025 - 13.09.2025), CTDs were deployed and sediment corers were retrieved at 99 stations in Kiel Bight in the southwestern Baltic Sea. Water column oxygen concentrations were determined using oxygen sensors attached to the CTD framework. At selected water depths, water samples were collected with Niskin bottles for the analysis of nitrate concentrations using an autoanalyzer. Short sediment cores (<50cm) were recovered using a Multicorer (MUC), Minicorer (MIC) or Rumohrlot (RL). Bottom waters were sampled from the supernatant water in the sediment cores. Solid phase sediment samples were analyzed for total organic carbon using an element analyzer. Porewater was extracted from the sediment cores using rhizones and analyzed for total alkalinity (titration), ammonium (photometer), sulfate (ion chromatography), hydrogen sulfide (photometer), dissolved iron (ICP-OES) and dissolved manganese (ICP-OES). The collected data will be used to (i) determine the spatial and temporal variability of hydrogen sulfide in bottom waters of the Kiel Bight, (ii) identify the controlling factors governing the accumulation of hydrogen sulfide at the seafloor, and (iii) establish an early warning system of sulfidic seafloor conditions for regional stakeholders in the Baltic Sea.
Raw data acquired by position sensors on board RV Elisabeth Mann Borgese during expedition EMB380 were processed to receive a validated master track which can be used as reference of further expedition data. During EMB380 data from the motion reference unit exail Phins Gen.3, the Trimble SPS356 GPS receiver, the Furuno GP-170 and the Furuno GP-150 GPS receiver were used to calculate the mastertrack. Data were downloaded from DAVIS SHIP data base (https://dship.bsh.de) with a resolution of 1 sec. Processing and evaluation of the data is outlined in the data processing report. 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.
Die Messwerte wurden mittels des Sensor-Modells "Plantower PMS6003" erfasst.
Die Messwerte wurden mittels des Sensor-Modells "Sensirion AG SEN5x" erfasst.
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 mit Sensoren versehen. Die Daten eines dieser Bäume 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 13.11.2024 13 Uhr](https://opendata.smartandpublic.eu/datasets/9b901002-a1fd-47b0-89d4-eb12f9117233?locale=en#iss=https%3A%2F%2Fidp.smartcityhub.smartandpublic.eu%2Frealms%2Fsmartcityhub), [ab 23.11.2024 14 Uhr](https://opendata.smartandpublic.eu/datasets/713101d0-8137-4da5-9010-8281fadd8bff?locale=en#iss=https%3A%2F%2Fidp.smartcityhub.smartandpublic.eu%2Frealms%2Fsmartcityhub)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)
Ziel des Vorhabens ist die Entwicklung und Erprobung eines neuartigen, modularen Bird- und BatRecorders (BBR 2.0) als Antikollisionssystem für den vogel- und fledermausfreundlichen Betrieb von Windkraftanlagen, anpassbar auf beliebige Windparklayouts für Offenland- und Waldstandorte. Basis der Entwicklung des BBR 2.0 Systems ist die Prototypentwicklung des kamerabasierten BirdRecorder-Systems, das im Rahmen eines vom Bundesamt für Naturschutz geförderten Vorhabens entwickelt wurde. Mit einer neuartigen Kombination von scannenden Lidarsensoren und Laserentfernungsmesstechnik mit fest installierten und nachgeführten Kameras im sichtbaren und nahen Infrarot Spektralbereich ist die Detektion und Verfolgung der Flugbahn von tag- und nachtaktiven Vögeln und Fledermäusen im Umkreis von Windenergieanlagen möglich. Mit Methoden der künstlichen Intelligenz erfolgt die Arterkennung von Vögeln und Fledermäusen, um Kollisionen mit Windenergieanlagen weitgehend vermeiden zu können. Mittels Modularisierung des BBR 2.0 Systems wird ein Systembaukasten von Sensoren, Komponenten und Modulen entwickelt, der je nach geforderter Beobachtungssituation am Standort, für den vogel- und fledermausfreundlichen Betrieb von einzelnen WEAs bis zu großen Windparks zusammengestellt, konfiguriert und kontinuierlich betrieben werden kann. Damit können die bisherigen, meist pauschalen Abschaltzeiten von WEAs bedarfsgerecht minimiert werden, um den Ertrag von bestehenden und neuen Windparks zu steigern. Das entwickelte BBR 2.0 wird zusammen mit Partnern in mehreren Windparks in unterschiedlichen Naturräumen erprobt. Das Vorhaben wird von einer projektbegleitenden Arbeitsgruppe begleitet und beraten, in der Vertreter:innen aller relevanten Stakeholder aus dem Bereich Windenergie, Naturschutz und Branchenverbände vertreten sein werden.
Raw data acquired by position sensors on board RV Elisabeth Mann Borgese during expedition EMB380 were processed to receive a validated master track which can be used as reference of further expedition data. During EMB380 data from the motion reference unit exail Phins Gen.3, the Trimble SPS356 GPS receiver, the Furuno GP-170 and the Furuno GP-150 GPS receiver were used to calculate the mastertrack. Data were downloaded from DAVIS SHIP data base (https://dship.bsh.de) with a resolution of 1 sec. Processing and evaluation of the data is outlined in the data processing report. 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.
Raw data acquired by position sensors on board RV Alkor during expedition AL640 were processed to receive a validated master track which can be used as reference of further expedition data. During AL640 data from the Seapath 330 system, the Furuno GP-170 and the Furuno GP-150 GPS receivers were used to calculate the mastertrack. Data were downloaded from DAVIS SHIP data base (https://dship.bsh.de) with a resolution of 1 sec. Processing and evaluation of the data is outlined in the data processing report. 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.
Um die Diskrepanz zwischen der in den letzten Jahren deutlich gestiegenen Lebensdauer von PV-Modulen im Vergleich zu PV-Stromrichtern (SR) zu verringern und diese unabhängig von ihrem Einsatzgebiet robuster auszulegen, ist es das Ziel von PV4Life, ein allgemeingültiges Modell zu entwickeln, das die Alterung von Stromrichtersystemen bis auf Komponentenebene aus der Gesamtsystemsicht betrachtet. Das Vorhaben entwickelt neue Testverfahren zur beschleunigten Alterung von SR, erweitert die SR-Sensorik, verbessert SR-Komponenten und entwickelt einen digitalen Zwilling mit entsprechenden Alterungserscheinungen eines PV-SR mit integriertem KI-basierten Lebensdaueranalysator. In diesem Teilvorhaben wird an einer effektiven Nutzung von stromrichter-basierten Anlagen und ihrer kritischen Komponenten geforscht. Ziel ist es, mittels neuartiger disruptiver Sensoren, Verfahren der KI und digitaler Zwillingsmodelle, die Steigerung der Resilienz von Stromrichtersystemen, sowie deren Kosten einzusparen. Anhand von zyklischen Dauertests der passiven Komponenten von SUMIDA werden Datensätze generiert, die mittels KI-unterstützter Regelungen und digitaler Zwillinge zur Lebensdauer- und Ausnutzungsoptimierung individueller Stromrichter-Systeme beitragen werden. In dem beantragten Teilvorhaben werden auf Basis der generierten Messdaten die induktiven Bauelemente mit Sensoren ausgestattet und später im optimierten Betriebsmodus der Stromrichter eingesetzt.
| Origin | Count |
|---|---|
| Bund | 5253 |
| Global | 96 |
| Kommune | 35 |
| Land | 188 |
| Wirtschaft | 4 |
| Wissenschaft | 1660 |
| Zivilgesellschaft | 9707 |
| Type | Count |
|---|---|
| Daten und Messstellen | 11122 |
| Ereignis | 2 |
| Förderprogramm | 4914 |
| Gesetzestext | 1 |
| Repositorium | 5 |
| Text | 198 |
| unbekannt | 465 |
| License | Count |
|---|---|
| geschlossen | 244 |
| offen | 16310 |
| unbekannt | 153 |
| Language | Count |
|---|---|
| Deutsch | 14491 |
| Englisch | 2633 |
| andere | 2 |
| Resource type | Count |
|---|---|
| Archiv | 377 |
| Bild | 16 |
| Datei | 8308 |
| Dokument | 101 |
| Keine | 3361 |
| Unbekannt | 3 |
| Webdienst | 26 |
| Webseite | 11909 |
| Topic | Count |
|---|---|
| Boden | 14108 |
| Lebewesen und Lebensräume | 9479 |
| Luft | 13559 |
| Mensch und Umwelt | 16648 |
| Wasser | 8608 |
| Weitere | 16707 |