API src

Found 277 results.

Durchschnittliche jährliche Luftschadstoffbelastung: Modelldaten 2025

Senatsverwaltung für Mobilität, Verkehr, Klimaschutz und Umwelt (Hrsg.): Berliner Luftgütemessnetz (Blume), Berlin Internet: https://luftdaten.berlin.de/lqi Deutscher Wetterdienst (Hrsg.): Wetterprognosen des Deutschen Wetterdienstes (DWD) Internet: https://www.dwd.de/DE/Home/home_node.html (Zugriff: 11.06.2025) Copernicus Atmosphere Monitoring Service (CAMS) (Hrsg.): European air quality forecast plots Internet: https://atmosphere.copernicus.eu/european-air-quality-forecast-plots (Zugriff: 11.06.2025) SenStadt (Senatsverwaltung für Stadtentwicklung, Bauen und Wohnen Berlin (Hrsg.): Umweltatlas Berlin, Karte 06.07 und 06.08 Stadtstruktur / Stadtstruktur – Flächentypen differenziert ab 2021, Berlin. Internet: https://www.berlin.de/umweltatlas/nutzung/stadtstruktur/ab-2021/zusammenfassung/ (Zugriff: 11.06.2025) Weltgesundheitsorganisation (WHO) (2021): Globale Luftgüteleitlinien der WHO: Feinstaubpartikel (PM₂,₅ und PM₁₀), Ozon, Stickstoffdioxid, Schwefeldioxid und Kohlenmonoxid. Zusammenfassung: Bonn. Internet: https://www.who.int/europe/de/publications/i/item/9789240034433 (Zugriff: 11.06.2025) Senatsverwaltung für Mobilität, Verkehr, Klimaschutz und Umwelt (Hrsg.): Umweltzone, Berlin Internet: https://www.berlin.de/sen/uvk/umwelt/luft/luftreinhaltung/umweltzone/ (Zugriff: 11.06.2025) Senatsverwaltung für Mobilität, Verkehr, Klimaschutz und Umwelt (Hrsg.): Pilotstrecken Tempo 30, Berlin Internet: https://www.berlin.de/sen/uvk/umwelt/luft/luftreinhaltung/projekte-zum-luftreinhalteplan/pilotstrecken-tempo-30/ (Zugriff: 11.06.2025) Senatsverwaltung für Mobilität, Verkehr, Klimaschutz und Umwelt (Hrsg.): Öffentlicher Personennahverkehr, Berlin Internet: https://www.berlin.de/sen/uvk/mobilitaet-und-verkehr/verkehrsplanung/oeffentlicher-personennahverkehr/ (Zugriff: 11.06.2025) Umweltbundesamt (Hrsg.): Heizungstausch, Dessau-Roßlau Internet: https://www.umweltbundesamt.de/umwelttipps-fuer-den-alltag/heizen-bauen/heizungstausch#—3 (Zugriff: 11.06.2025) Umweltbundesamt (Hrsg.): Für Pellet-, Kamin- und Kachelöfen: Staubabscheider reduzieren Staubemissionen, Dessau-Roßlau Internet: https://www.umweltbundesamt.de/umwelttipps-fuer-den-alltag/heizen-bauen/staubabscheider-fuer-einzelraumfeuerungsanlagen (Zugriff: 11.06.2025) Senatsverwaltung für Mobilität, Verkehr, Klimaschutz und Umwelt (Hrsg.): Richtig Heizen mit Holz, Berlin Internet: https://www.berlin.de/sen/uvk/umwelt/luft/luftreinhaltung/projekte-zum-luftreinhalteplan/holzverbrennung/richtig-heizen/ (Zugriff: 11.06.2025) Senatsverwaltung für Mobilität, Verkehr, Klimaschutz und Umwelt (Hrsg.): Die digitale Berliner Luftkarte, Berlin Internet: https://www.berlin.de/sen/uvk/umwelt/luft/luftqualitaet/digitale-berliner-luftkarte/ (Zugriff: 11.06.2025) INWT Statistics GmbH: FAirQ, Berlin Statistisches Modell FAirQ auf github: https://github.com/FAirQBerlin/fairq-api/tree/public/fairqapi (Zugriff: 01.09.2025) Senatsverwaltung für Mobilität, Verkehr, Klimaschutz und Umwelt (Hrsg. und AG) Auftragnehmerin: INWT Statistics GmbH Luftschadstoffprognose in Berlin mit Machine-Learning-Methoden, Berlin Internet: https://www.berlin.de/weniger-dicke-luft/_assets/projekte-und-massnahmen/luftschadstoffprognose/luftschadstoffprognose-in-berlin.pdf (Zugriff: 01.09.2025)

Schwerpunktprogramm (SPP) 1803: EarthShape: Earth Surface Shaping by Biota, Interaktive Einflüsse von Pflanzeneigenschaften und Klima auf den organischen Bodenkohlenstoff entlang der chilenischen Küstenkordillere

Der Eintrag organischen Kohlenstoffs in den Boden ist eine der Hauptsteuergrößen für Prozesse der Verwitterung und Erosion und wird im Wesentlichen durch das Zusammenspiel von Klima und Vegetation gesteuert. Ein wichtiges Ziel des DFG-Schwerpunktprogrammes EarthShape (SPP 1803) ist es, zu verstehen, wie gerade diese Interaktionen den Bodenkohlenstoff, der zum einen eine mikrobielle Energiequelle darstellt und zum anderen als stabilisierender Faktor der Erosion entgegenwirkt, beeinflussen. Das beantragte Projekt hat daher zum Ziel, die organische Kohlenstoffdynamik ausgehend von der Pflanze über die Streu in den Boden zu untersuchen und die Einflüsse des Klimas und der Vegetation zu entkoppeln. Die Bedeutung von Klima- und Pflanzeneigenschaften ist skalenabhängig, daher wird ein skalenübergreifender Forschungsansatz verfolgt, der unterschiedliche räumliche und klimatische Skalen abdeckt. Diese umfassen drei Biome entlang der chilenischen Küstenkordillere (arid, mediterran, nass-gemäßigt) und jeweils 2 unterschiedliche Untersuchungsflächen innerhalb dieser Biome. Die Erfassung verschiedener Pflanzengesellschaften und des entsprechenden Bodenkohlenstoffs auf diesen unterschiedlichen Skalen ermöglicht eine Entkopplung klimatischer und vegetationsgebundener Effekte. Die reziproke Translokation von Bodenmonolithen und Streuauflagen sowohl zwischen den Biomen als auch zwischen den Untersuchungsflächen ermöglicht eine detaillierte Entschlüsselung klimatischer und pflanzlicher Effekte. Letztere wird dabei funktional betrachtet und der Einfluss chemischer, physikalischer und phänologischer Pflanzeneigenschaften dargestellt. Zudem wird an den Untersuchungsflächen Unterbodenmaterial an die Erdoberfläche verlagert, um zu überprüfen, ob der darin gespeicherte organische Kohlenstoff auch bei veränderten Bedingungen (z.B. Temperatur) weiterhin aufgrund seiner molekularen Struktur stabil bleibt oder diese Stabilität lediglich durch Effekte im Unterboden determiniert wurde. Die Anwendung innovativer Labormethoden (HPLC, ICM-PS, EA-IRMS, AQUALOG) erlauben eine detaillierte Beschreibung des Kohlenstoffs und beeinflussender Faktoren (C, N, P, 13C, Lignin, Tannin, Spurenelemente) in Blättern, Streu und im Bodenprofil. Die simultane Messung von Absorption und Fluoreszenz inklusive der Anwendung von EEM und PARAFAC erlaubt eine detaillierte Untersuchung des gelösten organischen Bodenkohlenstoffs. Kooperative Datenanalysen sind ein wesentlicher Aspekt des Projektes, um die vielfältigen Ergebnisse, entsprechend des skalenübergreifenden Forschungsansatzes, in Beziehung zu setzen. Unsere Ergebnisse werden ein statistisches Modell beinhalten, das eine Vorhersage des organischen Bodenkohlenstoffgehalts auf Basis von Klima- und Vegetationsmerkmalen in der Wirkungskette Pflanze-Streu-Boden ermöglicht. Dieses Prozesswissen trägt zum Verständnis und der Modellierung des Kohlenstoffkreislaufs als Grundlage reliefbezogener Bodenprozesse bei.

Analysis of dairy production systems differentiated by location

Dairy farming across Germany displays diverse production systems. Factor endowment, management, technology adoption as well as competitive dynamics in the local or regional land, agribusiness and dairy processing sectors contribute to this differentiation on farm level. These differences impact on the ability of dairy farms and regional dairy production systems to successfully respond to pressures arising from future market and policy changes. The overall objective of the research activities of which this project is a part of, is to develop a thorough understanding of the processes that govern the spatial dynamics of dairy farm development in different regions in Germany. The central hypothesis of this research project is that management system and technological choices differ systematically across local production and market conditions. The empirical approach will focus on the estimation of farm specific nonparametric cost functions for dairy farms located in across Germany differentiated by time and location. A spatially differentiated data base with information on input use, resource availability, as well as local market conditions for land and output markets will be compiled. The nonparametric approach is specifically suited to disclose a more accurate representation of dairy production system heterogeneity across locations and time compared to parametric concepts as it provides the necessary flexibility to accommodate non-linearities relevant for a wide domain of explanatory variables. The methodology employed goes beyond the state of the art of the literature as it combines kernel density estimation with a Bayesian sampling approach to provide theory consistent parameters for each farm in the data sample.The specific methodological hypothesis is that the nonparametric approach is superior to current parametric techniques and this hypothesis is tested using statistical model evaluation. Regarding the farm management and technological choices, we hypothesize that land suitability for feed production determines the farm intensity of dairy production and thus management and technological choices. With respect to the ability of farms to successfully respond to market pressures we hypothesize that farms at the upper and lower tail of the intensity distribution both can generate positive returns from dairy production. These last two hypotheses will be tested using the estimated spatially differentiated farm specific costs and marginal costs.The expected outcomes are of relevance for the agricultural sector and the food supply chain economy as a whole as fundamental market structure changes in the dairy sector are ongoing due to the abolition of the quota regulation in the years 2014/2015. Thus, exact knowledge about differences and development of dairy cost heterogeneity of farms within and between regions are an important factor for the actors involved in the market as well as the political support of this process.

Schwerpunktprogramm (SPP) 1889: Regional Sea Level Change and Society (SeaLevel), Teilprojekt: Integration morphologischer und ökologischer Prozesse zum Verständnis und zur Vorhersage der Entwicklung von Salzmarschen bei Meeresspiegelanstieg und verringertem Sedimenteintrag

Salzmarschen spielen eine wichtige Rolle im Küstenschutz: Sie können sich im Allgemeinen dem Meeresspiegelanstieg anpassen, da häufigere Überflutungen zu erhöhten Sedimentdepositions- und Aufwuchsraten führen. Im Laufe der nächsten Jahrzehnte könnte es jedoch auf Grund des Klimawandels zu komplexen morphologischen Reaktionen der Salzmarschen kommen. Sedimentdepositionsraten und Muster in Salzmarschen werden von externen Umweltfaktoren wie etwa dem Tidenhub und der Sedimentzufuhr beeinflusst, die wiederum vom Klimawandel beeinflusst werden. Lokal werden Sedimentdepositionsraten und Muster wiederum von internen Faktoren wie z.B. der Geländehöhe beeinflusst. Zusätzlich hat die Vegetation einen positiven Einfluss auf die Sedimentdeposition, da sie die Strömungsgeschwindigkeit des Wassers reduziert. Eine erhöhte Sedimentdeposition und die daraus resultierende Höhenveränderung wiederum führen zur Änderung der Vegetation und Erhöhung der Biomasse. Dies wiederum führt zu erhöhtem Sedimenteintrag und somit zu eine positiven Rückkopplungsschleife von Sediment- und Vegetationsdynamik. Es gibt derzeit verschiedene morphodynamische Modelle, die diese Faktoren einbeziehen und damit Höhenänderungen von Tidemarschen vorausberechnen. Es existieren dabei sowohl Modelle, die auf empirischen Messungen und statistischer Auswertung beruhen als auch physikalische Modelle, die auf hydrodynamischen Gleichungen fußen. Bei einigen Modellen wurde zudem der Einfluss der Vegetation auf die Sedimentdeposition berücksichtigt. Viele biophysikalische Wechselwirkungen zwischen Vegetation und Hydromorphologie sowie der Einfluss von heterogener Vegetation auf Sedimentbewegungen sind bisher jedoch nur unzureichend dargestellt. So geht man in Modellen etwa häufig von homogenen unteren Marschen aus, obwohl sich die Vegetationsstruktur stark je nach Marschzone unterscheidet und innerhalb der Zonen heterogene Muster bildet. Noch gravierender ist außerdem die bisherige Annahme der Modelle, dass die Vegetation statisch sei, wobei der Aufwuchs der Marsch tatsächlich ein wesentlicher Antrieb der Vegetationssukzession ist: Diese führt zu einer Veränderung der Vegetationsstruktur und sollte so wiederum auch die Sedimentdynamik wie oben dargestellt beeinflussen. Wir möchten nun die morphodynamischen Marschmodelle verbessern, indem wir die Rückkopplungen von Sedimentdynamik und Vegetationsentwicklung für die Salzmarschen im Wattenmeerraum integrieren. Solche integrierten Modelle sollen bessere Vorhersagen der Marschentwicklung unter verschiedenen Klimamodellen (WP A/B) ermöglichen. Weiterhin lassen sie sich einsetzen, um Entscheidungen im Zusammenhang mit Küstenschutzmaßnahmen zu treffen (WP C).

Niederschlagslebenszyklus in Passatwindkumuli

Passatwindkumuli spielen eine essentielle Rolle im Strahlungshaushalt der Erde und sind verantwortlich für bis zu 20 % des tropischen Niederschlags. Noch ist nicht bekannt, wie Passatwindkumuli auf die globale Erwärmung reagieren werden. Durch Niederschlag verändern sich Wolkeneigenschaften, aber auch die Grenzschichtstruktur und -dynamik. Aufgrund der Vielzahl der beteiligten Prozesse ist die Niederschlagsentwicklung in Modellen ist unsicher. Die Konfiguration der Simulationen und Wahl der Parameterisierung, wie das Autokonversionsschema, beeinflussen Niederschlagsfluss, Wolkenstruktur und â€Ìorganisation. Bisher konnten Vergleiche mit Beobachtungen noch nicht zur Reduktion der Unsicherheit des Autokonversionsschemas beitragen. Radarreflektivität, die mit Standardmethoden aus bodengebundenen Messungen abgeleitet wird, erkennt Niederschlag erst in einem fortgeschrittenen Stadium, was es schwierig macht, die verschiedenen, den Regen verursachenden Faktoren zu entflechten. Durch die Verdunstung des Niederschlags unterhalb der Wolkenunterkante (WUK) bestimmt dieser die Stärke der Coldpools und ist so bedeutend für die Organisation von Konvektion und somit die Klimasensitivität: Daher ist es essentiell Verdunstungsraten zu bestimmen und deren räumlich-zeitliche Variabilität zu verstehen. Zwar gibt es Parameterisierungen der Verdunstung unterhalb der WUK, allerdings sind diese von der Größe der Regentropfen abhängig, welche jedoch schlecht direkt zu beobachten ist.Ziel dieses Antrages ist die Bestimmung von Faktoren, welche die Niederschlagsformation in Passatwindkumuli beeinflussen. Dazu werden neuartige Radarbeobachtungen dieser Prozesse zur genaueren Beschreibung der Niederschlagsentwicklung in Grobstruktursimulationen (LES) herangezogen. Die räumlich-zeitliche Verdunstungsverteilung wird unterhalb der WUK in den Passatwindkumuli untersucht und treibende Faktoren identifiziert. Das Forschungsvorhaben ergänzt die bevorstehende EUREC4A (A Field Campaign to Elucidate the Couplings Between Clouds, Convection and Circulation) Kampagne und nutzt die langjährige Datenreihe des Barbados Cloud Observatory (BCO).Die synergetischen bodengebundenen Beobachtungen und der neue Ansatz, Niederschlag in Wolken mit Hilfe höherer Momente des Wolkenradardopplerspektrums zu bestimmen, werden erstmalig zur Beobachtungen von Passatwindkumuli und der Charakterisierung des Niederschlagslebenszyklus zu angewendet. Damit wird es möglich die Niederschlagsentwicklung in den hochauflösenden ICON-LEM und DHARMA-LES Modellen zu evaluieren. Für einen statistischen Vergleich der Simulationen und der Beobachtungen wird der Vorwärtsoperator PAMTRA verwendet, so dass im Beobachtungsraum untersucht werden kann, inwiefern die Modelle die beobachteten, mittleren Werte und Abhängigkeiten reproduzieren können und systematischen Fehler identifiziert werden. Damit trägt das Vorhaben zum Grand Challenge on Cloud Circulation and Climate Sensitivity des Weltklimaforschungsprogramm WRCP bei.

Ursachenanalyse der Bestandsveränderungen von Waldvögeln als Grundlage für Artenhilfsprogramme

Optimierung der Wassernutzungseffizienz von Hopfen (Humulus lupulus L.) für eine nachhaltige Hopfenproduktion, Teilprojekt E

Die digitale Berliner Luftkarte

Die digitale Berliner Luftkarte – so war Luftqualität an Ihrem Ort 2025 Wo ist die Luftbelastung am höchsten? Warum saubere Luft so wichtig ist Wie funktioniert die Luftkarte? Was bedeutet ein „Bedarf für Luftverbesserungen“ konkret? Wie werden die Werte berechnet? Dank der Unterstützung der Open Data Informationsstelle Berlin (ODIS) wurde die digitale Berliner Luftkarte entwickelt. Sie ermöglicht es den Bewohnerinnen und Bewohnern Berlins, schnell zu überprüfen, wie es um die Luftqualität in verschiedenen Teilen der Stadt bestellt ist. Durch die Eingabe einer Adresse oder einen Klick auf die Karte lässt sich der jeweilige Standort bestimmen. Jeder markierte Bereich umfasst eine Fläche von 50 × 50 Metern. Die Luftkarte basiert auf der Analyse der drei bedeutendsten Luftschadstoffe: Stickstoffdioxid (NO 2 ), grober Feinstaub (PM 10 ) und feiner Feinstaub (PM 2.5 ). Anhand dieser Daten wird bewertet, wie dringend Maßnahmen zur Verbesserung der Luftqualität erforderlich sind. Die Einstufung einer Fläche erfolgt nach dem Schadstoff mit dem höchsten Belastungswert, wobei sie in eine von fünf Kategorien eingeordnet wird: sehr niedriger, niedriger, mäßiger, erhöhter oder hoher Bedarf für Luftverbesserungen. Derzeit existiert in Berlin kein Bereich mit einem sehr niedrigen Bedarf für Luftverbesserungen. Ein solcher würde sich durch eine Schadstoffkonzentration auszeichnen, die nach Einschätzung der Weltgesundheitsorganisation (WHO) kaum Gesundheitsrisiken birgt. Die Berliner Senatsverwaltung setzt sich dafür ein, dass die WHO-Grenzwerte in Zukunft eingehalten werden können. Wichtige Hinweise: Die Karte zeigt die durchschnittlichen Werte für das gesamte Jahr 2025 (Jahresmittelwerte). Die Daten beziehen sich ausschließlich auf die Außenluft. Die angezeigten Werte sind unabhängig von kurzfristigen Verkehrsschwankungen, Windverhältnissen oder der Etage, in der man wohnt. Während Wetter-Apps oft aktuelle Momentaufnahmen basierend auf Messwerten und Modellierungen darstellen, bietet die Berliner Luftkarte eine durchschnittliche Bewertung der Luftqualität über ein ganzes Jahr. Ein Blick auf die Verteilung der Kategorien innerhalb Berlins zeigt, dass 28 % der Stadtfläche nur einen geringen Bedarf an Luftverbesserungen haben. Leider liegen diese Gebiete oft nicht dort, wo die Menschen wohnen – nur 1 % der Berliner Bevölkerung lebt in solchen Zonen. Besonders gute Luft findet sich vor allem in Regionen mit wenig Bebauung, wie am Müggelsee oder im Grunewald. Im Gegensatz dazu leben 79 % der Berlinerinnen und Berliner in Gebieten mit mäßigem Handlungsbedarf, obwohl diese nur 64 % der Stadtfläche ausmachen. Meist handelt es sich dabei um Wohngebiete in Straßennähe oder Regionen, in denen häufig mit Holz geheizt wird. 8 % der Stadtfläche weisen eine erhöhte Luftbelastung auf, was sich auf 20 % der Bevölkerung auswirkt. Diese Orte befinden sich oft an stark befahrenen Hauptstraßen oder Autobahnen. Die höchste Belastungskategorie („hoher Bedarf für Luftverbesserungen“) betrifft weniger als 0,3 % der Stadtfläche und Bevölkerung und wird daher in den Diagrammen nicht gesondert ausgewiesen. Ebenso gibt es keine Bereiche, in denen die WHO-Grenzwerte vollständig eingehalten werden. Luftverschmutzung hat nachweislich erhebliche Auswirkungen auf die Gesundheit von Mensch und Natur. Über die Atemwege gelangen Schadstoffe wie Feinstaub in den Körper und verteilen sich über den Blutkreislauf bis in die Organe. Dies kann zu vielfältigen gesundheitlichen Schäden führen: Rußpartikel erhöhen das Krebsrisiko. Schwermetalle können sich im Gehirn ablagern und neurologische Erkrankungen begünstigen. Atemwegsreizungen können chronischen Husten, Asthma oder verstärkte allergische Reaktionen hervorrufen. Ungeborene Kinder sind ebenfalls betroffen: Eine hohe Schadstoffbelastung erhöht das Risiko für geringes Geburtsgewicht und Frühgeburten. Es gibt keinen unbedenklichen Feinstaub Besonders kritisch ist Feinstaub: Je kleiner die Partikel, desto gefährlicher. Winzige Partikel können die natürlichen Schutzbarrieren des Körpers überwinden, tief in Organe eindringen und sich dort ablagern. Einige gelangen sogar über den Riechnerv direkt ins Gehirn. Wissenschaftliche Erkenntnisse belegen, dass selbst geringe Mengen Feinstaub gesundheitsschädlich sind – es gibt also keine unbedenkliche Feinstaubbelastung. Jede markierte Fläche (50 × 50 Meter) enthält folgende Basisinformationen: Zeitraum : Jahresdurchschnitt 2025 Luftschadstoffe : NO 2 , PM 10 und PM 2.5 in Mikrogramm pro Kubikmeter (µg/m³) Die Kategorisierung erfolgt auf Grundlage der WHO-Empfehlungen, die Grenzwerte für eine möglichst geringe Gesundheitsgefährdung definieren. Da diese Werte nur selten eingehalten werden, hat die WHO Zwischenstufen zur schrittweisen Annäherung an das Ziel festgelegt. Diese Zwischenwerte dienen als Basis für die Kategorisierung der Berliner Luftqualität. Die höchste Schadstoffkonzentration innerhalb einer Zelle bestimmt dabei deren Einordnung. Um die WHO-Grenzwerte für saubere Luft zu erreichen, sind Maßnahmen auf verschiedenen Ebenen notwendig – sowohl durch Behörden als auch durch individuelles Handeln. Beispiele für Handlungsbedarf: Verkehrsreiche Straßen : Maßnahmen wie Umweltzonen, Tempolimits oder der Ausbau umweltfreundlicher Verkehrsmittel können die Belastung durch Stickstoffdioxid (NO 2 ) und durch Feinstaub (PM 10 und PM 2.5 ) verringern. Dabei gilt: jeder vermiedene Autokilometer verbessert die Luftqualität. Auch E-Autos produzieren Feinstaub durch Abriebe. Heizungen : Der Einsatz moderner Filteranlagen oder emissionsarmer Heizsysteme reduziert Schadstoffe wie Feinstaub (PM). Auch Holzöfen können sauber betrieben werden, wie der Ofenführerschein zeigt. Industriegebiete & Überregionale Schadstoffquellen : Schadstoffe können in der Atmosphäre über weite Distanzen transportiert werden. Die Behörden haben die Aufgabe, europaweit für saubere Industrieanlagen zu sorgen. Zur Berechnung der Luftqualität kommt das statistische Modell „FAirQ“ der INWT Statistics GmbH zum Einsatz. Dieses System nutzt Methoden aus den Bereichen „Big Data“ und „Künstliche Intelligenz“, um auf Basis der folgenden Faktoren Prognosen zu erstellen: Messwerte der Berliner Luftgütemessstationen (BLUME) Verkehrsdaten von über 200 Messpunkten in der Stadt Wetterprognosen des Deutschen Wetterdienstes (DWD) Großräumige Schadstoffvorhersagen aus dem COPERNICUS-Programm (CAMS) Das Modell analysiert, wie sich diese Variablen auf die Luftqualität auswirken und nutzt sie zur Berechnung der stündlichen Belastungswerte. Diese werden über das Jahr gemittelt und auf das 50 × 50 Meter Raster übertragen. Da Modellwerte immer eine Annäherung an die Realität darstellen, gibt es kleinere Abweichungen. Besonders an Autobahnen kann die berechnete Schadstoffkonzentration höher ausfallen als in angrenzenden Wohngebieten, da sich Schadstoffe in der Atmosphäre verdünnen. Beispielsweise sinkt die Stickstoffdioxid-Belastung (NO 2 ) bereits innerhalb von 100 Metern von einer Verkehrsquelle erheblich ab. Eine detaillierte Beschreibung des Systems ist hier zu finden: Abschlussbericht zur Luftschadstoffprognose

Durchschnittliche jährliche Luftschadstoffbelastung: Modelldaten 2024

Senatsverwaltung für Mobilität, Verkehr, Klimaschutz und Umwelt (Hrsg.): Berliner Luftgütemessnetz (Blume), Berlin Internet: https://luftdaten.berlin.de/lqi Deutscher Wetterdienst (Hrsg.): Wetterprognosen des Deutschen Wetterdienstes (DWD) Internet: https://www.dwd.de/DE/Home/home_node.html (Zugriff: 11.06.2025) Copernicus Atmosphere Monitoring Service (CAMS) (Hrsg.): European air quality forecast plots Internet: https://atmosphere.copernicus.eu/european-air-quality-forecast-plots (Zugriff: 11.06.2025) SenStadt (Senatsverwaltung für Stadtentwicklung, Bauen und Wohnen Berlin (Hrsg.): Umweltatlas Berlin, Karte 06.07 und 06.08 Stadtstruktur / Stadtstruktur – Flächentypen differenziert ab 2021, Berlin. Internet: https://www.berlin.de/umweltatlas/nutzung/stadtstruktur/ab-2021/zusammenfassung/ (Zugriff: 11.06.2025) Weltgesundheitsorganisation (WHO) (2021): Globale Luftgüteleitlinien der WHO: Feinstaubpartikel (PM₂,₅ und PM₁₀), Ozon, Stickstoffdioxid, Schwefeldioxid und Kohlenmonoxid. Zusammenfassung: Bonn. Internet: https://www.who.int/europe/de/publications/i/item/9789240034433 (Zugriff: 11.06.2025) Senatsverwaltung für Mobilität, Verkehr, Klimaschutz und Umwelt (Hrsg.): Umweltzone, Berlin Internet: https://www.berlin.de/sen/uvk/umwelt/luft/luftreinhaltung/umweltzone/ (Zugriff: 11.06.2025) Senatsverwaltung für Mobilität, Verkehr, Klimaschutz und Umwelt (Hrsg.): Pilotstrecken Tempo 30, Berlin Internet: https://www.berlin.de/sen/uvk/umwelt/luft/luftreinhaltung/projekte-zum-luftreinhalteplan/pilotstrecken-tempo-30/ (Zugriff: 11.06.2025) Senatsverwaltung für Mobilität, Verkehr, Klimaschutz und Umwelt (Hrsg.): Öffentlicher Personennahverkehr, Berlin Internet: https://www.berlin.de/sen/uvk/mobilitaet-und-verkehr/verkehrsplanung/oeffentlicher-personennahverkehr/ (Zugriff: 11.06.2025) Umweltbundesamt (Hrsg.): Heizungstausch, Dessau-Roßlau Internet: https://www.umweltbundesamt.de/umwelttipps-fuer-den-alltag/heizen-bauen/heizungstausch#—3 (Zugriff: 11.06.2025) Umweltbundesamt (Hrsg.): Für Pellet-, Kamin- und Kachelöfen: Staubabscheider reduzieren Staubemissionen, Dessau-Roßlau Internet: https://www.umweltbundesamt.de/umwelttipps-fuer-den-alltag/heizen-bauen/staubabscheider-fuer-einzelraumfeuerungsanlagen (Zugriff: 11.06.2025) Senatsverwaltung für Mobilität, Verkehr, Klimaschutz und Umwelt (Hrsg.): Richtig Heizen mit Holz, Berlin Internet: https://www.berlin.de/sen/uvk/umwelt/luft/luftreinhaltung/projekte-zum-luftreinhalteplan/holzverbrennung/richtig-heizen/ (Zugriff: 11.06.2025) Senatsverwaltung für Mobilität, Verkehr, Klimaschutz und Umwelt (Hrsg.): Die digitale Berliner Luftkarte, Berlin Internet: https://www.berlin.de/sen/uvk/umwelt/luft/luftqualitaet/digitale-berliner-luftkarte/ (Zugriff: 11.06.2025) INWT Statistics GmbH: FAirQ, Berlin Statistisches Modell FAirQ auf github: https://github.com/FAirQBerlin/fairq-api/tree/public/fairqapi (Zugriff: 01.09.2025) Senatsverwaltung für Mobilität, Verkehr, Klimaschutz und Umwelt (Hrsg. und AG) Auftragnehmerin: INWT Statistics GmbH Luftschadstoffprognose in Berlin mit Machine-Learning-Methoden, Berlin Internet: https://www.berlin.de/weniger-dicke-luft/_assets/projekte-und-massnahmen/luftschadstoffprognose/luftschadstoffprognose-in-berlin.pdf (Zugriff: 01.09.2025)

Schwerpunktprogramm (SPP) 1889: Regional Sea Level Change and Society (SeaLevel), Teilprojekt: Holozäne Meeresspiegelschwankungen in Südostasien

Relative Meeresspiegelschwankungen resultieren aus dem Zusammenspiel von Eustasie, Isostasie, Tektonik und Subsidenz. Die Rekonstruktion des holozänen Meeresspiegels erlaubt es sowohl vertikale Landbewegungen als auch geophysikalische Modelle zu Glazialen Isostatischen Ausgleichsbewegungen (GIA) zu definieren, welche im Gegenzug benutzt werden um instrumentelle Meeresspiegelmessungen an Gezeitenpegeln zu korrigieren. Dementsprechend repräsentieren regionale Daten zu relativen Meeresspiegelschwankungen während des Holozäns, welche auf der Grundlage von standardisierten Protokollen erhoben wurden, den Ausgangspunkt für weitere Untersuchungen zu Meeresspiegelschwankungen des vergangenen Jahrhunderts und die Grundlage für eine Bewertung von lokalen und regionalen Meeresspiegelschwankungen während des 21ten Jahrhunderts. Obwohl es für einige Gebiete genaue Daten zu holozänen Meeresspiegelschwankungen gibt sind Rekonstruktionen für Südostasien, einer vom zukünftigen Meeresspiegelanstieg hoch gefährdeten Region, noch immer begrenzt und im Bezug auf die korrekte Interpretation von Meeresspiegelanzeigern, deren Höhenbezug zu Normalnull und die Qualität der Altersbestimmungen, fragwürdig. Das übergeordnete Ziel dieses Antrags ergibt sich daher aus der Frage: Wie können wir unser Verständnis über relative Meeresspiegelschwankungen während des Holozäns in Südostasien und die damit in Zusammenhang stehenden Prozesse verbessern? Um diese Frage zu beantworten werden wir veröffentlichte Meeresspiegeldaten neu Auswerten und einem standardisierten Ansatz entsprechend in einer Datenbank zusammentragen. Diesen Datensatz werden wir anschließend mit den Forschungsergebnissen von einigen Inseln im Spermonde Archipel, einer vom zukünftigen Meeresspiegelanstieg hoch gefährdeten Region, ergänzen. Im Anschluss an die Geländearbeit werden wir einen umfassenden Datensatz an geophysikalischen Modellen erstellen welche sowohl auf den Ergebnissen der Datenbank, als auch auf den neu erhobenen Geländedaten beruhen und welche statistische Unsicherheiten im Bezug auf das gewählte Eismodell und die Mantelviskosität beinhalten. Dies wird es uns ermöglichen die volle Bandbreite von GIA Signalen zu erfassen und den Bereich zu definieren welcher am besten zu den geologischen Geländedaten passt. Die Geländedaten werden außerdem auf der Grundlage eines Bayes'schen Ansatzes statistisch ausgewertet um potentielle Muster innerhalb der holozänen Meeresspiegelschwankungen zu entdecken. Die Resultate der statistischen Auswertung werden mit den Ergebnissen einer Satellitenbildauswertung bezüglich der Bevölkerungsdichte und Landnutzungsmustern auf den Inseln im Spermonde Archipel gegengeprüft. Nicht zuletzt durch die enge Zusammenarbeit mit weltweit führenden Experten auf internationaler Ebene wird innerhalb dieses Projekts ein Doktorand in allen Bereichen der Meeresspiegelforschung ausgebildet, von Labor und Geländetechniken bis hin zur geophysikalischen Modellierung und Datenauswertung.

1 2 3 4 5 … 26 27 28