API src

Found 1113 results.

Similar terms

s/turm/Sturm/gi

A spatially explicit Global Reef Island Database (GRID v1.1) that captures distribution, diversity and relative vulnerability of the world's low-lying reef islands

Low-lying coral reef islands harbour a distinct, yet highly threatened biological and cultural diversity that is increasingly exposed to climate change impacts. The combination of low elevation, small size, sensitivity to changes in boundary conditions (sea level, waves and currents, locally generated sediment supply) and at some locations high population densities, is why low-lying reef islands (LRIs) are considered among the most vulnerable environments on Earth to climate change. To date, their global distribution and influence of climatic, oceanographic, and geologic setting are only poorly documented or restricted to smaller scales. Here, I present the first detailed global analysis of LRIs utilising freely available global datasets to produce a global reef island database (GRID) and associated intrinsic and extrinsic characteristics that can be used within a coastal vulnerability index (CVI). All datasets used to create the GRID were released between 30 November 2015 and 3 August 2023, while the current version (version 1.1) of the GRID database was completed in August 2026. When developing the GRID, LRIs are defined as landmasses <30 km² located on or within 3 km of coral reef and with an elevation of <16 m. Development of the GRID required: 1) the creation of a global shoreline vector file containing the geographic distribution of LRIs and 2) the development of a comprehensive global database of LRIs including eight intrinsic and ten extrinsic variables extracted from global datasets. Intrinsic variables include: 1) human populations, 2) island area, 3) island perimeter, 4) mean elevation, 5) island circularity/shape, 6) underlying reef type, 7) geographic isolation and 8) distance to the nearest neighbouring reef island. Extrinsic variables include: 1) mean water depth, 2) standard deviation of mean water depth, 3) mean annual significant wave height, 4) mean annual wave period, 5) mean spring tidal range, 6) relative tidal range, 7) wave-tide regime, 8) relative wave exposure, 9) relative tropical storm exposure and 10) year-2100 projected median sea level rise rate. The GRID was initially derived from version 2.1 of the UNEP-WCMC Global Island Database, a global shoreline vector file based on geometry data from Open Street Map® (OSM) and released in November 2015. The initial vector file was projected using the Mollweide projection, an equal-area pseudo cylindrical map projection chosen for its accurate derivation of area, especially in regions close to the equator, where most LRIs are located. The final GRID contains 33,292 individual LRIs distributed throughout tropical regions of the world's oceans, amassing a total land area of nearly 11,000 km² with approximately 60,500 km of shoreline and housing around 2.6 million people. While intrinsic variables are typically spatially homogenous, LRIs are generally highly spatially clustered throughout the GRID with respect to extrinsic variables. The spatial distribution of LRIs within the GRID was validated using: 1) published data and 2) quantitative accuracy assessments using satellite imagery. Spatial distributions of LRIs captured in the GRID are extremely consistent with those published in the literature (r² = 0.96) and those derived from independent analysis of satellite imagery (r² = 0.94). Finally, the GRID was used to develop an island vulnerability index (IVI) for each LRI on a scale of 0-1 with 0 representing no vulnerability and 1 representing maximum vulnerability. The GRID database is provided as a tab-delimited text file as well as ESRI shapefiles (points and polygons in WGS84 and Mollweide projection) and a comma-separated value file.

A spatially explicit Global Reef Island Database (GRID) that captures distribution, diversity and relative vulnerability of the world's low-lying reef islands

Low-lying coral reef islands harbour a distinct, yet highly threatened biological and cultural diversity that is increasingly exposed to climate change impacts. The combination of low elevation, small size, sensitivity to changes in boundary conditions (sea level, waves and currents, locally generated sediment supply) and at some locations high population densities, is why low-lying reef islands (LRIs) are considered among the most vulnerable environments on Earth to climate change. To date, their global distribution and influence of climatic, oceanographic, and geologic setting are only poorly documented or restricted to smaller scales. Here, I present the first detailed global analysis of LRIs utilising freely available global datasets to produce a global reef island database (GRID) and associated intrinsic and extrinsic characteristics that can be used within a coastal vulnerability index (CVI). All datasets used to create the GRID were released between 30 November 2015 and 3 August 2023, while the current version of the GRID database was completed in November 2024. When developing the GRID, LRIs are defined as landmasses <30 km² located on or within 1 km of coral reef and with an elevation of <16 m. Development of the GRID required: 1) the creation of a global shoreline vector file containing the geographic distribution of LRIs and 2) the development of a comprehensive global database of LRIs including eight intrinsic and ten extrinsic variables extracted from global datasets. Intrinsic variables include: 1) human populations, 2) island area, 3) island perimeter, 4) mean elevation, 5) island circularity/shape, 6) underlying reef type, 7) geographic isolation and 8) distance to the nearest neighbouring reef island. Extrinsic variables include: 1) mean water depth, 2) standard deviation of mean water depth, 3) mean annual significant wave height, 4) mean annual wave period, 5) mean spring tidal range, 6) relative tidal range, 7) wave-tide regime, 8) relative wave exposure, 9) relative tropical storm exposure and 10) year-2100 projected median sea level rise rate. The GRID was initially derived from version 2.1 of the UNEP-WCMC Global Island Database, a global shoreline vector file based on geometry data from Open Street Map® (OSM) and released in November 2015. The initial vector file was projected using the Mollweide projection, an equal-area pseudo cylindrical map projection chosen for its accurate derivation of area, especially in regions close to the equator, where most LRIs are located. The final GRID contains 34,404 individual LRIs distributed throughout tropical regions of the world's oceans, amassing a total land area of nearly 11,000 km² with approximately 60,740 km of shoreline and housing around 2.6 million people. While intrinsic variables are typically spatially homogenous, LRIs are generally highly spatially clustered throughout the GRID with respect to extrinsic variables. The spatial distribution of LRIs within the GRID was validated using: 1) published data and 2) quantitative accuracy assessments using satellite imagery. Spatial distributions of LRIs captured in the GRID are extremely consistent with those published in the literature (r² = 0.96) and those derived from independent analysis of satellite imagery (r² = 0.94). Finally, the GRID was used to develop an island vulnerability index (IVI) for each LRI on a scale of 0-1 with 0 representing no vulnerability and 1 representing maximum vulnerability. The GRID database is provided as a tab-delimited text file as well as ESRI shapefiles (points and polygons in WGS84 and Mollweide projection) and a comma-separated value file.

Emissionen der Landnutzung, -änderung und Forstwirtschaft

<p> <p>Wälder, Böden und ihre Vegetation speichern Kohlenstoff. Bei intensiver Nutzung wird Kohlendioxid freigesetzt. Maßnahmen, die die Freisetzung verhindern sollen, richten sich vor allem auf eine nachhaltige Bewirtschaftung der Wälder, den Erhalt von Dauergrünland, bodenschonende Bearbeitungsmethoden im Ackerbau, eine Reduzierung der Entwässerung und Wiedervernässung von Moorböden.</p> </p><p>Wälder, Böden und ihre Vegetation speichern Kohlenstoff. Bei intensiver Nutzung wird Kohlendioxid freigesetzt. Maßnahmen, die die Freisetzung verhindern sollen, richten sich vor allem auf eine nachhaltige Bewirtschaftung der Wälder, den Erhalt von Dauergrünland, bodenschonende Bearbeitungsmethoden im Ackerbau, eine Reduzierung der Entwässerung und Wiedervernässung von Moorböden.</p><p> Bedeutung von Landnutzung und Forstwirtschaft <p>Der Kohlenstoffzyklus stellt im <a href="https://www.umweltbundesamt.de/node/3202">komplexen Klimasystem</a> unserer Erde ein regulierendes Element dar. Durch die Vegetation wird Kohlendioxid (CO2) aus der Luft mittels <a href="https://www.umweltbundesamt.de/service/glossar/photosynthese">Photosynthese</a> gebunden und durch natürlichen mikrobiellen Abbau freigesetzt. Zu den größten globalen Kohlenstoffspeichern gehören Meere, Böden und Waldökosysteme. Wälder bedecken weltweit ca. 31 % der Landoberfläche (siehe <a href="https://www.fao.org/documents/card/en/c/ca8642en">FAO Report 2020</a>). Bedingt durch einen höheren Biomassezuwachs wirken insbesondere <a href="https://www.umweltbundesamt.de/service/glossar/boreale">boreale</a> Wälder in der nördlichen Hemisphäre als Kohlendioxid-Senken. Nach § 1.8 des <a href="https://www.umweltbundesamt.de/node/12827">Klimarahmenabkommens der Vereinten Nationen</a> werden Senken als Prozesse, Aktivitäten oder Mechanismen definiert, die Treibhausgase (THG), <a href="https://www.umweltbundesamt.de/service/glossar/aerosole">Aerosole</a> oder Vorläufersubstanzen von Treibhausgasen aus der <a href="https://www.umweltbundesamt.de/service/glossar/atmosphaere">Atmosphäre</a> entfernen. Im Boden wird Kohlenstoff langfristig durch sog. Humifizierungsprozesse eingebaut. Global ist etwa fünfmal mehr Kohlenstoff im Boden gespeichert als in der Vegetation (siehe <a href="https://www.ipcc.ch/report/land-use-land-use-change-and-forestry/">IPCC Special Report on Land Use, Land Use Change and Forestry</a>). Boden kann daher als wichtigster Kohlenstoffspeicher betrachtet werden. Natürliche Mineralisierungsprozesse führen im Boden zum Abbau der organischen Bodensubstanz und zur Freisetzung der Treibhausgase CO2, Methan und Lachgas. Der Aufbau und Abbau organischer Substanz stehen in einem dynamischen Gleichgewicht.</p> <p>Die voran genannten Prozesse werden in der Treibhausgasberichterstattung unter der Kategorie/Sektor „<a href="https://www.umweltbundesamt.de/service/glossar/landnutzung">Landnutzung</a>, <a href="https://www.umweltbundesamt.de/service/glossar/landnutzungsaenderung">Landnutzungsänderung</a> und Forstwirtschaft“ (kurz <a href="https://www.umweltbundesamt.de/service/glossar/lulucf">LULUCF</a>) bilanziert.</p> <a href="https://www.umweltbundesamt.de/system/files/medien/378/bilder/foto_jaana_pruess.jpg"> </a> <strong> Abgeholztes Waldstück </strong> Quelle: Jaana Prüss </p><p> Modellierung von Treibhausgas-Emissionen aus Landnutzungsänderung <p>Jährliche Veränderungen des nationalen Kohlenstoffhaushalts, die durch Änderungen der <a href="https://www.umweltbundesamt.de/service/glossar/landnutzung">Landnutzung</a> entstehen, werden über ein Gleichgewichtsmodell berechnet, welches für Deutschland auf einem Stichprobensystem mit rund 36 Millionen Stichprobenpunkten basiert. Für die Kartenerstellung der Landnutzung und -bedeckung werden zunehmend satellitengestützte Daten eingesetzt, um so die realen Gegebenheiten genauer abbilden zu können. Die nationalen Flächen werden in die Kategorien Wald, Acker- sowie Grünland, Feuchtgebiete, Siedlungen und Flächen anderer Nutzung unterteilt (siehe auch <a href="https://www.umweltbundesamt.de/node/11170">Flächennutzung in Deutschland</a>). Die Bilanzierung (Netto) erfolgt über die Summe der jeweiligen Zu- bzw. Abnahmen der Kohlenstoffpools (ober- und unterirdische ⁠<a href="https://www.umweltbundesamt.de/service/glossar/biomasse">Biomasse</a>⁠, ⁠<a href="https://www.umweltbundesamt.de/service/glossar/totholz">Totholz</a>⁠, Streu, organische und mineralische Böden und Holzprodukte) in den verschiedenen Landnutzungskategorien.</p> </p><p> Allgemeine Emissionsentwicklung <p>Der Verlauf der Nettoemissionen von 1990 bis 2025 zeigt, dass der <a href="https://www.umweltbundesamt.de/service/glossar/lulucf">LULUCF</a>-Sektor in den meisten Jahren als Nettoquelle für Treibhausgase fungierte. Hauptquellen sind die Emissionen aus den landwirtschaftlich genutzten Flächen der Landnutzungskategorien Acker- und Grünland. Diese beiden Kategorien weisen über die Jahre anhaltend hohe Emissionen aus entwässerten organischen Böden auf, sowie netto, zu einem geringeren Teil, aus den Mineralböden. Die Landnutzungskategorie Feuchtgebiete trägt hauptsächlich durch den industriellen Torfabbau und die Methanemissionen aus künstlichen Gewässern nicht unerheblich zur Gesamtsumme der THG-Emissionen bei. Die C-Pools des Waldes spielen eine ambivalente Rolle im Zeitverlauf. Mit ihren meist deutlich negativen Emissionen wirken die Pools tote organische Substanz (<a href="https://www.umweltbundesamt.de/service/glossar/totholz">Totholz</a> und Streu), genau wie die Holzprodukte, durch Zunahme dieser Kohlenstoffspeicher der Quellfunktion des Pools <a href="https://www.umweltbundesamt.de/service/glossar/biomasse">Biomasse</a> entgegen. Nichtsdestotrotz wird der qualitative Verlauf der LULUCF-Emissionskurve im Wesentlichen durch den Pool Biomasse, insbesondere der Landnutzungskategorie Wald, geprägt. Der Verlauf der Netto-Emissionen aus dem LULUCF-Sektor ist über die Jahre hinweg insgesamt von einer hohen Variabilität geprägt. Gegenüber dem Basisjahr haben die Netto-Emissionen aus dem LULUCF-Sektor bis 2024, insbesondere infolge natürlicher Störereignisse seit 2018, gegenüber dem Basisjahr um 59 % zugenommen (Netto THG-Emissionen in 1990: rund +36 Mio. t CO2&nbsp;Äquivalente und in 2024: + 58 Mio. t CO2 Äquivalente). Im Jahr 2023 lag das Niveau der Emissionen von CO2 -Äquivalenten im Vergleich zum Jahr 1990 noch doppelt so hoch. Dem gegenüber führten im Jahr 2024 maßgeblich günstige meteorologische Bedingungen zu einem Absinken des Emissionsniveaus gegenüber dem Vorjahr.&nbsp;</p> <p>Im Rahmen des novellierten&nbsp;<a href="https://www.bmu.de/mehrklimaschutz/">Klimaschutzgesetzes (KSG)</a> wird eine&nbsp;Schätzung für das Vorjahr 2025 vorgelegt. Diese liefert für LULUCF nur Gesamtemissionen, deren Werte als unsicher einzustufen sind. Die Werte liegen bei 26,9 Mio. t CO2&nbsp;Äquivalenten. Aus diesem Grunde werden in den folgenden Abschnitten nur die Daten der Berichterstattung 2026 für das Jahr 2024 betrachtet.</p> </p><p> Veränderung des Waldbestands <p>Die Emissionen sowie die Speicherung von Kohlenstoff bzw. CO2 für die Kategorie Wald werden auf Grundlage von <a href="https://www.bundeswaldinventur.de/">Bundeswaldinventuren</a> berechnet. Bei der Einbindung von Kohlenstoff spielt insbesondere der Wald eine entscheidende Rolle als potentielle Netto-Kohlenstoffsenke. In gesunden, sich im Aufwuchs befindlichen Waldbeständen können jährlich große Mengen an CO2 aus der <a href="https://www.umweltbundesamt.de/service/glossar/atmosphaere">Atmosphäre</a> eingebunden werden. Im Zeitraum 1991 bis 2017 waren es im Durchschnitt rund 54 Mio. t Netto-CO2-Einbindung jährlich. In den Jahren 1990 und 2007 trafen auf Deutschland Orkane (2007 war es der Sturm Kyrill), die zu erheblichem Holzbruch mit einem daraus resultierenden hohen Sturmholzaufkommen in den Folgejahren führten. Die dramatische Abnahme der Forstbiomasse im Jahr 2018 und den Folgejahren ist auf die Waldschäden infolge der großen Trockenheit in diesem und den folgenden Berichtsjahren zurückzuführen. Diese erheblichen Änderungen in der Waldbiomasse wurden während der jüngsten <a href="https://www.bundeswaldinventur.de/fileadmin/Projekte/2024/bundeswaldinventur/Downloads/BWI-2022_Broschuere_bf-neu_01.pdf">Bundeswaldinventur (2022)</a> erfasst und durch die quantifizierte Auswertung der Erhebung verifiziert (siehe dazu <a href="https://www.umweltbundesamt.de/node/112193">NID</a>). Bis in das Jahr 2017 waren in der Waldkategorie die Pools <a href="https://www.umweltbundesamt.de/service/glossar/biomasse">Biomasse</a>, mineralische Böden und <a href="https://www.umweltbundesamt.de/service/glossar/totholz">Totholz</a> ausschlaggebende Kohlenstoffsenken. Zu den Emissionsquellen im Wald zählten Streu, Drainage organischer Böden, Mineralisierung und Waldbrände. Ab 2018 wurde auch der Pool Biomasse durch die absterbenden Bäume zur deutlichen CO2-Quelle.</p> <p>In 1990 wurden rund 26,4 Mio. t CO2-Äquivalente im Wald an CO2-Emissionen gespeichert. Im Jahr 2024 wurden dagegen 2,1 Mio. t CO2-Äquivalente freigesetzt (siehe Tab. „Emissionen und Senken im Bereich <a href="https://www.umweltbundesamt.de/service/glossar/landnutzung">Landnutzung</a>, <a href="https://www.umweltbundesamt.de/service/glossar/landnutzungsaenderung">Landnutzungsänderung</a> und Forstwirtschaft“).&nbsp;</p> <a href="https://www.umweltbundesamt.de/system/files/image/2_Tab_Emi-Senken-LULUCF_2026-07-02.png"> </a> <strong> Tab: Emissionen und Senken im Bereich Landnutzung, Landnutzungsänderung und Forstwirtschaft </strong> Quelle: Umweltbundesamt Downloads: <ul> <li><a href="https://www.umweltbundesamt.de/system/files/medien/384/bilder/dateien/2_Tab_Emi-Senken-LULUCF_2026-07-02.pdf">Tabelle als PDF (105,23 kB)</a></li> </ul> </p><p> Treibhausgas-Emissionen aus Waldbränden <p>Bei Waldbränden werden neben CO2 auch sonstige Treibhausgase bzw. Vorläufersubstanzen (CO, CH4, N2O, NOx und <a href="https://www.umweltbundesamt.de/service/glossar/nmvoc">NMVOC</a>) freigesetzt. Aufgrund der klimatischen Lage Deutschlands und der Maßnahmen zur Vorbeugung von Waldbränden sind Waldbrände ein eher seltenes Ereignis, was durch die in der&nbsp;<a href="https://www.ble.de/DE/BZL/Daten-Berichte/Wald/wald.html">Waldbrandstatistik</a> erfassten Waldbrandflächen bestätigt wird. War das Jahr 2023 mit 1240 Hektar verbrannter Waldfläche ein deutlich überdurchschnittliches Jahr, verringerte sich die verbrannte Fläche im Jahr 2024 auf weniger als ein Drittel gegenüber dem Vorjahr. Mit 334 Hektar verbrannter Waldfläche liegt das Jahr 2024 unter dem langjährigen Durchschnitt von 844 Hektar (siehe mehr zu&nbsp;<a href="https://www.umweltbundesamt.de/node/20375">Waldbränden</a>). Durch die Brände wurden ca. 3,3 kt CO2-Äquivalente an Treibhausgasen freigesetzt.</p> </p><p> Veränderungen bei Ackerland und Grünland <p>Mit den Kategorien Ackerland und Grünland werden die Emissionen sowie die Einbindung von CO2 aus mineralischen und organischen Böden, der ober- und unterirdischen <a href="https://www.umweltbundesamt.de/service/glossar/biomasse">Biomasse</a> sowie direkte und indirekte Lachgasemissionen durch Humusverluste aus Mineralböden nach <a href="https://www.umweltbundesamt.de/service/glossar/landnutzungsaenderung">Landnutzungsänderung</a> sowie Methanemissionen aus organischen Böden und Entwässerungsgräben berücksichtigt. Direkte Lachgas-Emissionen aus organischen Böden werden im Bereich <a href="https://www.umweltbundesamt.de/daten/land-forstwirtschaft/beitrag-der-landwirtschaft-zu-den-treibhausgas#klimagase-aus-landwirtschaftlich-genutzten-boden">Landwirtschaft unter landwirtschaftliche Böden</a> berichtet.</p> <strong>Ackerland</strong> <p>Für die Landnutzungskategorie Ackerland betrugen im Jahr 2024 die THG-Gesamtemissionen 17,5&nbsp;Mio. t CO2 Äquivalente und fielen damit um 9,2 Mio. t CO2 Äquivalente&nbsp;≙ 35 % geringer im Vergleich zum Basisjahr 1990 aus (siehe Tab. „Emissionen und Senken im Bereich <a href="https://www.umweltbundesamt.de/service/glossar/landnutzung">Landnutzung</a>, Landnutzungsänderung und Forstwirtschaft“). Hauptquellen sind die ackerbaulich genutzten organischen Böden (62 %) und die Mineralböden (33 %), insbesondere durch Emissionen infolge von Bewirtschaftung des langjährigen Ackerlands. Die <a href="https://www.umweltbundesamt.de/service/glossar/anthropogen">anthropogen</a> bedingte Netto-Freisetzung von CO2 aus der Biomasse (6 %) ist im Ackerlandsektor gering. Dominierendes <a href="https://www.umweltbundesamt.de/service/glossar/treibhausgas">Treibhausgas</a> in der Kategorie Ackerland ist CO2 (2024: 16,8 Mio. t CO2 Äquivalente, rund 96 %).&nbsp;</p> <strong>Grünland</strong> <p>Die Landnutzungskategorie Grünland wird in Grünland im engeren Sinne, in Gehölze und weiter in Hecken unterteilt. Die Unterkategorien unterscheiden sich bezüglich ihrer Emissionen sowohl qualitativ als auch quantitativ deutlich voneinander. Die Unterkategorie Grünland im engeren Sinne (dazu gehören z.B. Wiesen, Weiden, Mähweiden etc.) ist eine CO2-Quelle, welche durch die Emissionen aus organischen Böden dominiert wird. Für die Landnutzungskategorie Grünland wurden 2024 Netto-THG-Emissionen insgesamt in Höhe von 24,2 Mio. t CO2 Äquivalenten errechnet. Diese fallen um rund 1 Mio. t CO2 Äquivalente&nbsp;≙ 4 % niedriger als im Basisjahr 1990 aus. Dieser abnehmende Trend wird durch die Pools Biomasse und Mineralböden beeinflusst. Mineralböden stellen eine anhaltende Kohlenstoffsenke dar. Die Senkenleistung der Mineralböden der Unterkategorie Grünland im engeren Sinne beträgt in 2024 -4,2 Mio. t CO2.&nbsp;</p> </p><p> Moore (organische Böden) <p>Drainierte Moorböden (d.h. entwässerte organische Böden) gehören zu den Hotspots für Treibhausgase und kommen in den meisten Landnutzungskategorien vor. Im Torf von Moorböden ist besonders viel Kohlenstoff gespeichert, welches als Kohlenstoffdioxid freigesetzt wird, wenn diese Torfschichten austrocken. Bei höheren Wasserständen werden mehr Methan-Emissionen freigesetzt. Zusätzlich entstehen Lachgas-Emissionen. Im Jahr 2024 wurden aus Moorböden um die 52,2 Mio. t CO2&nbsp;Äquivalente an THG-Emissionen freigesetzt. Das entspricht in etwa 8&nbsp;% der gesamten Treibhausgasemissionen in Deutschland im Jahr 2024 (siehe Abb. „<a href="https://www.umweltbundesamt.de/service/glossar/treibhausgas">Treibhausgas</a>-Emissionen aus Mooren“). Die Menge an freigesetzten CO2-Emissionen aus Mooren ist somit höher als die prozessbedingten CO2-Emissionen des <a href="https://www.umweltbundesamt.de/daten/klima/treibhausgas-emissionen-in-deutschland#treibhausgas-emissionen-nach-kategorien">Industriesektors</a> (47,9 Mio. t CO2).</p> <a href="https://www.umweltbundesamt.de/system/files/image/3_Abb_THG-Emissionen-Moore_2026-07-02.png"> </a> <strong> Treibhausgas-Emissionen aus Mooren </strong> Quelle: Umweltbundesamt Downloads: <ul> <li><a href="https://www.umweltbundesamt.de/system/files/medien/384/bilder/dateien/3_Abb_THG-Emissionen-Moore_2026-07-02.pdf">Diagramm als PDF (48,64 kB)</a></li> </ul> </p><p> Landwirtschaftlich genutzte Moorböden <p>Drainierte Moorböden werden überwiegend landwirtschaftlich genutzt. Die dabei entstehenden Emissionen aus organischen Böden werden deshalb in den Landnutzungskategorien Ackerland und Grünland im engeren Sinne (d.h. Wiesen, Weiden, Mähweiden) erfasst. Hinzu kommen die Lachgasemissionen aus den organischen Böden (Histosole) des Sektors Landwirtschaft. Insgesamt wurde für diese Bereiche eine Emissionsmenge von rund 43,0 Mio. t CO2-Äquivalente in 2024 freigesetzt, was insgesamt einem Anteil von 82,4 % an den THG-Emissionen aus Mooren entspricht.&nbsp;</p> </p><p> Feuchtgebiete <p>Unter der Landnutzungskategorie „Feuchtgebiete“ werden in Deutschland verschiedene Flächen zusammengefasst: Zum einen werden Moorgebiete erfasst, die vom Menschen kaum genutzt werden. Dazu gehören die wenigen, naturnahen Moorstandorte in Deutschland, aber auch mehr oder weniger stark entwässerte Moorböden (sogenannte terrestrische Feuchtgebiete). Zum anderen werden unter Feuchtgebiete auch Emissionen aus Torfabbau (on-site: <a href="https://www.umweltbundesamt.de/service/glossar/emission">Emission</a> aus Torfabbauflächen; off-site: Emissionen aus produziertem und zu Gartenbauzwecken ausgebrachtem Torf) erfasst. Allein die daraus entstehenden CO2-Emissionen liegen bei rund 1,8 Mio. t CO2-Äquivalenten. Im Inventar in Submission 2024 neu aufgenommen sind die Emissionen aus natürlichen und künstlichen Gewässern. Zu letzteren gehören Fischzuchtteiche und Stauseen ebenso wie Kanäle der Wasserwirtschaft. Durch diese Neuerung fließen nun Methanemissionen in das Treibhausgasinventar ein, die bislang nicht berücksichtigt wurden. Dadurch liegen nun die Netto-Gesamtemissionen der Feuchtgebiete bei 9,0 Mio. t CO2-Äquivalenten im Jahr 2024 und sind gegenüber dem Basisjahr 1990 unverändert. Die Tabelle zeigt für die Jahre 1990 bis 2024, welche THG-Emissionen in den Landnutzungskategorien aufgenommen und abgegeben wurden.</p> </p><p> Nachhaltige Landnutzung und Forstwirtschaft sowie weitere Maßnahmen <p>Im novellierten <a href="https://www.bmuv.de/gesetz/bundes-klimaschutzgesetz">Bundes-Klimaschutzgesetz</a> sind in § 3a Klimaziele für den <a href="https://www.umweltbundesamt.de/service/glossar/lulucf">LULUCF</a>-Sektor 2021 festgeschrieben worden. Im Jahr 2030 soll der Sektor eine Emissionsbilanz von minus 25 Mio. t <a href="https://www.umweltbundesamt.de/service/glossar/co2">CO2</a>-Äquivalenten erreichen. Dieses Ziel könnte unter Berücksichtigung der aktuellen Zahlen deutlich verfehlt werden. Um dieses Ziel zu erreichen, sind ambitionierte Maßnahmen zur Emissionsminderung, dem Erhalt bestehender Kohlenstoffpools und der Ausbau von Kohlenstoffsenken notwendig. Im Koalitionsvertrag adressieren die Regierungsparteien diese Herausforderungen. Das <a href="https://www.umweltbundesamt.de/service/glossar/bmuv">BMUV</a> hat bereits den Entwurf eines „Aktionsprogramm natürlicher Klimaschutz“ vorgelegt, das nach einer Öffentlichkeitsbeteiligung im letzten Jahr innerhalb der Regierung abgestimmt wird. Auf die Notwendigkeit für ambitionierte Klimaschutzmaßnahmen und die Bedeutung von <a href="https://www.umweltbundesamt.de/node/92372">naturbasierten Lösungen für den Klimaschutz</a> hat das Umweltbundesamt in verschiedenen Studien (siehe hierzu <a href="https://www.umweltbundesamt.de/node/90310">Treibhausgasminderung um 70 Prozent bis 2030: So kann es gehen!</a>) hingewiesen</p> <p>Seit dem Jahr 2015 wird die Grünlanderhaltung im Rahmen der EU-Agrarpolitik über das sogenannte Greening geregelt <a href="http://eur-lex.europa.eu/legal-content/DE/TXT/PDF/?uri=CELEX:32013R1307&amp;qid=1464776213857&amp;from=DE">(Verordnung 1307/2013/EU)</a>. Das bedeutet, dass zum ein über Pflug- und Umwandlungsverbot Grünland erhalten und zum anderen aber auch durch staatliche Förderung die Grünlandextensivierung vorangetrieben werden soll. Die Förderung findet auf Bundesländerebene statt. In der Forstwirtschaft sollen Waldflächen erhalten oder sogar mit Pflanzungen heimischer Baumarten ausgeweitet und die verstärkte Holznutzung aus nachhaltiger Holzwirtschaft (siehe <a href="https://www.charta-fuer-holz.de/">Charta für Holz 2.0</a>) gefördert werden. Weitere Erstaufforstungen sind bereits bewährte Maßnahmen, um die Senkenwirkung des Waldes zu erhöhen. Des Weiteren werden durch das Bundesministerium für Ernährung und Landwirtschaft (<a href="https://www.umweltbundesamt.de/service/glossar/bmel">BMEL</a>) internationale Projekte zur nachhaltigen Waldwirtschaft, die auch dem deutschen Wald zu Gute kommen, zunehmend gefördert. Eine detailliertere Betrachtung dazu findet sich unter <a href="https://www.umweltbundesamt.de/node/88649">Klimaschutz in der Landwirtschaft</a>.</p> <p>Die <a href="https://www.umweltbundesamt.de/service/glossar/treibhausgas">Treibhausgas</a>-Emissionen aus drainierten Moorflächen lassen sich verringern, indem man den Wasserstand gezielt geregelt erhöht, was zu geringeren CO2-Emissionen führt. Weitere Möglichkeiten liegen vor allem bei Grünland und Ackerland in der landwirtschaftlichen Nutzung nasser Moorböden, der sogenannten Paludikultur (Landwirtschaft auf nassen Böden, die den Torfkörper erhält oder zu dessen Aufbau beiträgt). Eine weitere Klimagasrelevante Maßnahme ist die Reduzierung des Torfabbaus und der Torfanwendung (siehe <a href="https://www.dehst.de/DE/Themen/Klimaschutzprojekte/Natuerlicher-Klimaschutz/Moore/moore_artikel.html?nn=284150#doc284160bodyText3">Moorklimaschutz</a>).</p> </p><p> </p><p>Informationen für...</p>

GTS Bulletin: ISID03 EDZW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISID03 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISI): Intermediate synoptic observations from fixed land stations A2 (D): 90°E - 0° northern hemisphere (The bulletin collects reports from stations: 10609;Trier-Petrisberg;10616;Hahn;10641;Offenbach-Wetterpark;10655;Würzburg;10675;Bamberg;10688;Weiden;10708;Saarbrücken-Ensheim;10729;Mannheim;10731;Rheinstetten;10742;Öhringen;10776;Regensburg;10791;Großer Arber;10805;Lahr;10815;Freudenstadt;10836;Stötten;10870;München-Flughafen;10895;Fürstenzell;10908;Feldberg/Schwarzwald;10929;Konstanz;10948;Oberstdorf;10961;Zugspitze;10962;Hohenpeißenberg;) (Remarks from Volume-C: SYNOP)

GTS Bulletin: SISN01 ESOE - Surface data (details are described in the abstract)

The SISN01 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SI): Intermediate synoptic hour A1A2 (SN): Sweden (Remarks from Volume-C: NilReason)

Oceanographic data of Time Series Station Spiekeroog for 2022

The Time Series Station Spiekeroog (TSS) was setup in 2002, in the tidal inlet between the East Frisian Islands of Langeoog and Spiekeroog in the Southern German Bight, at position 53°45′01.0″ N, 007°40′16.3″ E. The aim was to ensure the continuous measurement of physical, biological, chemical and meteorological parameters, even under extreme weather conditions such as storms, ice, and storm surges. The TSS was financed as part of the Deutsche Forschungsgemeinschaft (DFG) research unit BioGeoChemistry of Tidal Flats and the Ministry for Science and Culture of the Land of Lower Saxony (MWK). Here, sea level, water temperature and conductivity were measured in the year 2022. All raw data were revised and corrected for steps as range, outliers and stationarity checks. Water temperature and conductivity were measured in five different depths (4 m, 5.5 m, 7.5 m, 9.5 m, 11.5 m below MSL). Due to marine biofouling at the sensors and accompanying drift of instruments, the measured water temperature and conductivity data were corrected via linear regression by using reference data. As the water column in this region is well mixed and the water depth of the measurements varies with the tide, data from all five depths were averaged and referenced to a water depth of 4 m. Absolute salinity was derived from conductivity, temperature and pressure data according to TEOS 10. Data were smoothed and a quality flag was assigned for water temperature and salinity. The quality flags refer to the standard for data quality control of SeaDataNet https://www.seadatanet.org/ (0 = raw data, 1 = good data, 2 = probably good data, 3 = questionable data).

GTS Bulletin: SMSN30 ESNJ - Surface data (details are described in the abstract)

The SMSN30 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SM): Main synoptic hour A1A2 (SN): Sweden (Remarks from Volume-C: NilReason)

GTS Bulletin: SNSN30 ESXD - Surface data (details are described in the abstract)

The SNSN30 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SN): Non-standard synoptic hour A1A2 (SN): Sweden (Remarks from Volume-C: NilReason)

GTS Bulletin: SISN01 ESGG - Surface data (details are described in the abstract)

The SISN01 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SI): Intermediate synoptic hour A1A2 (SN): Sweden (Remarks from Volume-C: NilReason)

Einfluss benachbarter Küstensysteme auf die Erosion von Dünen Systemen (MoDECS)

Küstendünen haben hohe ökonomische Werte und ökologische Funktionen und bieten einen natürlichen Küstenschutz gegen die See, besonders bei Stürmen. Im Unterschied zu Strand-Dünen Systemen an ausgedehnten gleichmäßigen Küsten führen benachbarte Elemente der Küstenmorphologie (Ebbdeltas, Tiderinnen) zu einer komplexen morphologischen Reaktion der Dünen auf veränderte Randbedingungen. Im Rahmen des Projekts sollen die Auswirkungen von Stürmen auf drei unterschiedliche Dünensysteme untersucht werden: 1) Isolierte Dünensysteme (IDS), 2) Barriere Insel Dünensystem (BDS) und 3) Ästuarine Dünensysteme (EDS). Ein neuartiger Ansatz verwendet eine schematisierte Darstellung der exemplarischen Dünensysteme von Hütelmoor (IDS), Norderney (BDS) in Deutschland und der Sefton-Küste (EDS) in Großbritannien, die durch unterschiedliche Exposition und Energieeintrag auszeichnen (Gezeitenbereich, Wellenhöhe). Numerische Modellexperimente mit XBeach-, Delft3D- und SWAN-Modellen werden mit unterschiedlichen Schematisierungen mit zunehmender Komplexität der Dünensysteme durchgeführt. Im ersten Jahr des Projekts wird zunächst eine morphodynamisch relevante Sturmdefinition für die numerischen Experimente erstellt und zur Festlegung der zuvor eingetretenen Sturmereignisse an den drei Dünensystemen eingesetzt. Dann werden Strandprofile modelliert und analysiert, um die Erosionsempfindlichkeit auf die topographischen Parameter wie Dünenneigung und Dünenbreite zu untersuchen. Im zweiten Jahr werden flächenhafte Simulationen durchgeführt, um die Auswirkung von Stürmen und den Einfluss der erwähnten morphologischen Elemente zu untersuchen. Im dritten Jahr wird ein Modell eines BDS für langperiodische (dekadische) Simulationen entwickelt. Dieses wird dann für die Auswirkungen von zwei Klimawandel-Szenarien (Meeresspiegelanstieg und Sturmhäufigkeit) auf die Erosion an den Dünen zu untersuchen. Die Forschungsergebnisse werden über Zeitschriftenartikel (Climatic Change) und Tagungsberichte veröffentlicht.Die Dauer des Projekts beträgt 3 Jahre und es soll am Zentrum für Marine Umweltwissenschaften (MARUM) der Universität Bremen durchgeführt werden. Die Forschung wird in enger Zusammenarbeit mit internen und externen Kollegen durchgeführt (MARUM: Bremen, NOC: Liverpool, UNESCO-IHE: Delft, IOW: Warnemünde und CRS: Norderney). Zusätzlich sollen jährliche Treffen mit Experten einberufen werden, um Erkenntnisse zu diskutieren und Feedback zu erhalten.

1 2 3 4 5 … 110 111 112