API src

Found 447 results.

Related terms

NECPR: Progress to targets for greenhouse gas emissions and removals (Annex I) dataset

Progress to targets for greenhouse gas (GHG) emissions and removals is a dataset under the National Energy and Climate Progress Reports (NECPRs), which is reported every second year (starting in 2023) by EU Member States. The dataset provides information regarding Member State's GHG and removals targets and progress in achieving them. The EEA collects and quality checks this data. The dataset links to data from GHG inventories and projections (also collected by the EEA), as well as Annual Emission Allocations (AEAs). This reporting obligation comes from the Governance Regulation 2018/1999, Implementing Regulation (EU) 2022/2299 (Annex I).

EU27_2020 basemap for EEA internal use

This Discomap web map service provides an EU-27 (2020) basemap for internal EEA use as a background layer in viewers or any other web application. It is provided as REST and as OGC WMS services, dynamic and cached. The cached service has a custom cache at the following scales: 1/50.000.000 1/42.000.000 1/36.000.000 (Europe's size) 1/30.000.000 1/20.000.000 1/10.000.000 1/5.000.000 1/2.500.000 1/1.000.000.

Floods Reference Spatial Datasets reported under Floods Directive - version 2.0, Jul. 2024

The Floods Directive (FD) was adopted in 2007 (https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=celex:32007L0060). The purpose of the FD is to establish a framework for the assessment and management of flood risks, aiming at the reduction of the adverse consequences for human health, the environment, cultural heritage and economic activity associated with floods in the European Union. ‘Flood’ means the temporary covering by water of land not normally covered by water. This shall include floods from rivers, mountain torrents, Mediterranean ephemeral water courses, and floods from the sea in coastal areas, and may exclude floods from sewerage systems. This reference spatial dataset, reported under the Floods Directive, includes the areas of potential significant flood risk (APSFR), as they were lastly reported by the Member States to the European Commission, and the Units of Management (UoM).

EEA Reference grid

The grid is based on the recommendation at the 1st European Workshop on Reference Grids in 2003 and later INSPIRE geographical grid systems. For each country three vector polygon grid shape files, 1, 10 and 100 km, are available. The grids cover at least country borders - plus 15km buffer - and, where applicable, marine Exclusive Economic Zones v7.0 - plus 15km buffer - (www.vliz.be/vmdcdata/marbound). Note that the extent of the grid into the marine area does not reflect the extent of the territorial waters.

Population trend of bird species: datasets from Article 12, Birds Directive 2009/147/EC reporting (2013-2018) - INTERNAL VERSION - Oct. 2020

All EU Member States are requested to monitor birds listed in the Birds Directive (2009/147/EC) and send a report about the progress made with the implementation of the Directive every 6 years following an agreed format. The assessment of breeding population short-term trend at the level of country is here presented. The spatial dataset contains gridded birds distribution data (10 km grid cells) as reported by EU Member States for the 2013-2018 period. The dataset is aggregated by species code and country in the attribute CO_MS. By use of the aggregated attribute [CO_MS], the tabular data can be joined to the spatial data to obtain e.g. the EU population status and trend. This metadata refers to the INTERNAL dataset as it includes species flagged as sensitive by Member States. Therefore, its access is restricted to only internal use by EEA.

NECPR: Progress to targets for greenhouse gas emissions and removals (Annex I) dataset, 2023

Progress to targets for greenhouse gas (GHG) emissions and removals is a dataset under the National Energy and Climate Progress Reports (NECPRs), which is reported every second year (starting in 2023) by EU Member States. The dataset provides information regarding Member State's GHG and removals targets and progress in achieving them. The EEA collects and quality checks this data. The dataset links to data from GHG inventories and projections (also collected by the EEA), as well as Annual Emission Allocations (AEAs). This reporting obligation comes from the Governance Regulation 2018/1999, Implementing Regulation (EU) 2022/2299 (Annex I).

Vorhersage von Schüttungen alpiner Karstquellen im Hinblick auf den Klimawandel unter Verwendung neuer Deep Learning-Methoden

Das Projekt "Vorhersage von Schüttungen alpiner Karstquellen im Hinblick auf den Klimawandel unter Verwendung neuer Deep Learning-Methoden" wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft. Es wird/wurde ausgeführt durch: Deutsche Forschungsgemeinschaft.Karstgrundwasserleiter spielen im Alpenraum eine wichtige Rolle. Sie bedecken etwa 56% der Fläche, und ein erheblicher Teil der Bevölkerung ist ganz oder teilweise von Trinkwasser aus Karstquellen abhängig, die oft mit wertvollen Ökosystemen verbunden sind und zur Wasserkrafterzeugung beitragen. Die Alpen zählen nach Studien zu den am stärksten vom Klimawandel betroffenen Gebieten in Europa. Als Folge der steigenden Temperaturen werden sich die gespeicherten Mengen an Schnee und Eis stark verringern, was zu einer Verschiebung zwischen Wasserhaushaltskomponenten in Verbindung mit einer saisonalen Umverteilung der Niederschläge führt. Außerdem wird erwartet, dass Hoch- und Niedrigwasserereignisse häufiger auftreten werden. Der Stand der Technik bei der Modellierung der Schüttung von Karstquellen, meist mittels konventioneller numerischer Modelle, ist auf standortspezifische, oft aufwändige und nicht übertragbare wissenschaftliche Studien beschränkt, die manuelle Modellabstimmung und Kalibrierung erfordern. Bis heute gibt es keinen leicht übertragbaren Ansatz, der gleichzeitig auf viele Karstquelleinzugsgebiete anwendbar ist. In diesem Projekt werden wir einen modernen, Deep-Learning basierten Ansatz zur Modellierung der Schüttung von Karstquellen entwickeln, der sich besonders gut eignet, übertragbare Modelle, die Informationen von verschiedenen Standorten nutzen können, aufzubauen. Deep Learning ist ein Teilgebiet des maschinellen Lernens, basierend auf künstlichen neuronalen Netzen, das sich sowohl bei akademischen als auch bei industriellen Anwendungen als sehr erfolgreich erwiesen hat. Die vorgeschlagene Studienregion sind die Alpen, mit Karstgebieten in Österreich, der Schweiz, Deutschland, Frankreich, Italien und Slowenien, mit einem Schwerpunkt auf dem besonders vom Klimawandel betroffenen von der Alpenkonvention abgegrenzten Gebirgsgebiet. Als Grundlage der Studie dient das World Karst Spring Database (WoKaS). Es wird im Laufe des Projekts mit zusätzlichen Daten von Behörden und Wasserversorgern ergänzt, insbesondere in Regionen mit bislang schlechter Abdeckung. Die Arbeiten beinhalten die Erstellung eines umfassenden Datensatzes mit Einzugsgebietsattributen und meteorologischen Einflussgrößen für etwa 150 Quellen. Klassische Lumped-Parameter-Modelle werden als Benchmarks aufgesetzt und mit den neu entwickelten Deep-Learning basierten Modellergebnissen verglichen. Ziel ist es, die Eignung neuartiger Deep-Learning Modellansätze für die Abschätzung der Auswirkungen des Klimawandels für eine Vielzahl von kurz- und langfristigen Vorhersagen zu untersuchen. Eine vertiefende Fallstudie des Dachsteingebietes, dessen große Karstregion wesentlich zur Wasserversorgung und Wasserkrafterzeugung beiträgt, wird die vergleichende Untersuchung mit einem numerischen 3D-Modell erweitern. Schließlich werden die entwickelten Modelle dazu verwendet, um Auswirkungen des Klimawandels auf die alpinen Karstgrundwasserressourcen vorherzusagen.

Entwicklung von porösen Kohlenstoffen als Kathodenmaterial für Li-S Batterien

Das Projekt "Entwicklung von porösen Kohlenstoffen als Kathodenmaterial für Li-S Batterien" wird/wurde ausgeführt durch: INM - Leibniz-Institut für neue Materialien gGmbH.

Entwicklung von porösen Kohlenstoffen als Kathodenmaterial für Li-S Batterien, ALISA - Entwicklung von porösen Kohlenstoffen als Kathodenmaterial für Li-S Batterien

Das Projekt "Entwicklung von porösen Kohlenstoffen als Kathodenmaterial für Li-S Batterien, ALISA - Entwicklung von porösen Kohlenstoffen als Kathodenmaterial für Li-S Batterien" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: Heraeus Battery Technology GmbH.

Entwicklung von porösen Kohlenstoffen als Kathodenmaterial für Li-S Batterien, ALISA - Entwicklung von porösen Kohlenstoffen als Kathodenmaterial für Li-S Batterien

Das Projekt "Entwicklung von porösen Kohlenstoffen als Kathodenmaterial für Li-S Batterien, ALISA - Entwicklung von porösen Kohlenstoffen als Kathodenmaterial für Li-S Batterien" wird/wurde gefördert durch: Bundesministerium für Bildung und Forschung. Es wird/wurde ausgeführt durch: INM - Leibniz-Institut für neue Materialien gGmbH.

1 2 3 4 5 … 43 44 45