API src

Found 29110 results.

Related terms

Model Output Statistics for Saldenburg-Entschenreuth (P586)

DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]

Model Output Statistics for BAD RADKERSBURG (11248)

DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]

Klimaerlebnisbaum - Ludwigkai - 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 am Ludwigkai sind mehrere Linden der Art Tilia 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/a879dea4-b157-4cac-9144-ce3d3e65e862?locale=en), [ab 13.11.2024 14 Uhr](https://opendata.smartandpublic.eu/datasets/338fe900-beac-4406-bdb8-b32c0e058cdb?locale=en)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)

Project OTC-Genomics: Environmental and microbial time series data from the Warnow estuary and the Baltic Sea coast

Estuaries and coasts are characterized by ecological dynamics that bridge the boundary between habitats, such as fresh and marine water bodies or the open sea and the land. Because of this, these ecosystems harbor ecosystem functions that shaped human history. At the same time, they display distinct dynamics on large and small temporal and spatial scales, impeding their study. Within the framework of the OTC-Genomics project, we compiled a data set describing the community composition as well as abiotic state of an estuary and the coastal region close to it with unprecedented spatio-temporal resolution. We sampled fifteen locations in a weekly to twice weekly rhythm for a year across the Warnow river estuary and the Baltic Sea coast. From those samples, we measured temperature, salinity, and the concentrations of Chlorophyll a, phosphate, nitrate, and nitrite (physico-chemical data); we sequenced the 16S and 18S rRNA gene to explore taxonomic community composition (sequencing data and bioinformatic processing workflow); we quantified cell abundances via flow cytometry (flow cytometry data); and we measured organic trace substances in the water (organic pollutants data). Processed data products are further available on figshare.

Model Output Statistics for SAMARKAND (38696)

DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]

Model Output Statistics for AADORF / TAENIKON (06679)

DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]

GTS Bulletin: IUKD40 EDZW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The IUKD40 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IU): Upper air T1T2A1 (IUK): Radio soundings from marine stations (up to 100 hPa) A2 (D): 90°E - 0° northern hemisphere (Remarks from Volume-C: NilReason)

METOP GOME-2 - Ozone (O3) - Global

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. The operational ozone total column products are generated using the algorithm GDP (GOME Data Processor) version 4.x integrated into the UPAS (Universal Processor for UV / VIS Atmospheric Spectrometers) processor for generating level 2 trace gas and cloud products. The new improved DOAS-style (Differential Optical Absorption Spectroscopy) algorithm called GDOAS, was selected as the basis for GDP version 4.0 in the framework of an ESA ITT. GDP 4.x performs a DOAS fit for ozone slant column and effective temperature followed by an iterative AMF / VCD computation using a single wavelength. 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/

Kilimanjaro Glaciers (East Africa)

The Tropical Glaciology Group's research on Kilimanjaro started in 2002 and is in progress. Central aspects of our research plan are: 1) Development of the working hypothesis: From a synopsis of (i) proxy data indicating changes in East African climate since ca. 1850, (ii) 20th century instrumental data (temperature and precipitation), and (iii) the observations and interpretations made during two periods of fieldwork (June 2001 and July 2002) a scenario of modern glacier retreat on Kibo is reconstructed. This scenario offers the working hypothesis for our project. 2) Impact of local climate on the glaciers: This goal involves micrometeorological measurements on the glaciers, and the application of collected data to full glacier energy and mass balance models. These models quantify the impact of local climate on a glacier, based on pure physical system knowledge. Our models are validated by measured mass loss and surface temperature. 3) Latest Extent of the Kilimanjaro glaciers: Here, a satellite image was analyzed to derive the surface area and spatial distribution of glaciers on Kilimanjaro in February 2003. To validate this approach, an aerial flight was conducted in July 2005. 4) Linking local climate to large-scale circulation: As glacier behavior on Kilimanjaro, a totally free-standing mountain, is likely to reflect changes in larger-scale climate, this goal explores the large-scale climate mechanisms driving local Kilimanjaro climate. Well known large-scale forcings of east African climate are sea surface temperature variations in the Pacific and, more important, in the Indian Ocean. 5) Regional modification of large-scale circulation: The regional precipitation response in East Africa due to large-scale forcing is not adequately resolved in a global climate model as used in 4). Thus, mesoscale model experiments with the numerical atmospheric model RAMS will be conducted within this goal. They are thought to reveal the modification of atmospheric flow by the Kilimanjaro massif on a regional scale. 6) Practical aspects: Based on micro- and mesoscale results, (i) how much water is provided by glaciers, (ii) providing future projections of glacier behavior as basis for economic and societal studies (practical part), e.g., for studies on the impact of vanishing glaciers on Kibo's touristic appeal, and (iii) which impact does deforestation on the Kilimanjaro slopes have on summit climate? Referring to item 2), two new automatic weather stations have been installed in February 2005. They complete a station operated by Massachusetts University on the surface of the Northern Icefield since 2000.

Wassergütemessnetz und Biologisches Frühwarnsystem (WGMN)

Die Daten des Wassergütemessnetzes zur Qualität der Hamburger Gewässer werden auf verschiedenen Wegen bereitgestellt. 1. Hamburg Service: Hier können alle Datensätze abgerufen werden, die dann graphisch angezeigt oder in Tabellenform ausgegeben werden. Der Online-Dienst kann mit einer kostenlosen Registrierung beim Hamburg Service genutzt werden. Anschließend ist das neue Angebot sofort verfügbar. Der Dienst kann auch ohne Registrierung genutzt werden, dann fehlen aber einige Funktionen des Hamburg Service, wie z.B. die Benachrichtigung über fertiggestellte Anfragen. 2. Aktuelle Daten und ausführliche Informationen zum WGMN finden sich im Internet unter www.wgmn.hamburg.de 3. App "Gewässerdaten Hamburg" informiert über Temperatur, Algenentwicklungen, Sauerstoffkonzentration, pH-Wert, Leitfähigkeit und Trübung der Alster, Elbe und Bille. Die App liefert die Daten der zehn automatischen Messstationen an Alster, Elbe und Bille als Grafiken und die aktuellen Werte als Listen. Die Daten können auch als Textdatei heruntergeladen werden. 4. Karten zu den Hafenmessfahrten: Die der Ergebnisse der Hafenmessfahrten sind als Karten bei geo-online verfügbar.

1 2 3 4 5 … 2909 2910 2911