The field capacity of a soil specifies the amount of water that remains in the soil after gravity has drained all excess water following, for instance, a major rain event. It is defined as the water content of a soil at pF 1.8. Water content at field capacity as shown in this dataset is added up for all soil horizons down to 1 m below the surface and later classified into groups ranging from very low to very high. For mineral soils, field capacity values are computed by pedotransfer functions using soil texture type, humus content and effective packing density information. Share of coarse fragments and hard rock are considered as non-water holding volume. The input parameter are themselves estimates made by soil surveyors in the field from soil material collected using soil augers.
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)
Der Niedersächsische Bodenfeuchteinformationsdienst (NIBOFID) des LBEG zeigt den tagesaktuellen Wassergehalt für alle Böden in Niedersachsen. Darüber hinaus lässt sich der Verlauf des Bodenwassergehalts für die letzten 10 Tage abrufen. Die Bodenfeuchte wird in % der nutzbaren Feldkapazität (%nFK) angegeben. Die nFK beschreibt die Wassermenge, die ein Boden maximal pflanzenverfügbar speichern kann. Die Werte des Bodenfeuchtemonitors sind berechnet und nicht gemessen. Die Berechnung erfolgt mit dem Bodenwasserhaushaltsmodell BOWAB und wird täglich mit Klimakennwerten (Niederschlag, Temperatur, Wind, Globalstrahlung und relative Luftfeuchte) des Vortages durchgeführt. Es werden für die jeweilige Landnutzung (Acker, Grünland, Laubwald, Nadelwald, Sonstiges) und den Boden spezifisch Parametern abgeleitet. BOWAB nutzt die hochaufgelösten Bodendaten der Bodenkarte 1:50.000 (BK50) von Niedersachsen und leitetet bodenwasserhaushaltliche Kennwerte, wie nFK, FK etc. ab. Die Berechnung erfolgt für die Flächen der BK50. Der Einfluss des Grundwassers wird in Form von kapillarem Aufstieg und durch den Grundwasserstand aus der BK50 berücksichtigt. Eine Bodenfeuchte von 100 %nFK zeigt an, dass der Bodenwasserspeicher gefüllt ist. Bei Werten oberhalb von 100 % entsteht Sickerwasser oder es steht Grundwasser innerhalb der betrachteten Bodenschicht. Werte kleiner als 100 %nFK zeigen an, dass die Pflanzen Bodenwasser entnommen haben und der Boden allmählich austrocknet. Ab Bodenfeuchtewerten unterhalb von 40 - 50 %nFK reagieren Pflanzen auf die Trockenheit und verringern ihre Verdunstung. Bei Werten von < 30 % nFK kann von Trockenstress ausgegangen werden. Im Kartenbild ist die Bodenfeuchte für den Boden von 0 – 60 cm Tiefe dargestellt, der dem Hauptwurzelraum bei den meisten Böden und Nutzungsformen entspricht. Standortbezogene Informationen liefert ein Maptip. Durch das Klicken auf einen Standort wird der aktuelle Bodenwassergehalt für den Hauptwurzelraum in %nFK angezeigt. Zusätzlich können auf der Detailseite weiterführende Informationen abgerufen werden. Als Grafik wird der Verlauf der mittleren Bodenfeuchte für die vergangenen 10 Tage für die Tiefenbereiche 0 - 30 cm (Oberboden), 0 - 60 cm (Hauptwurzelraum) und, sofern der Boden mächtiger ist, 0 - 90 cm (gesamte Betrachtungstiefe) dargestellt. Zudem wird die Sickerwassermenge unterhalb von 90 cm Tiefe für den betrachteten Standort angegeben. Falls Sie noch genauere Informationen zum Wassergehalt für Ihren Boden mit einer bestimmten Anbaukultur (Weizen, Mais, Grünland) benötigen, nutzen Sie gerne die Fachanwendung „Bodenwasserhaushalt“ im NIBIS® Kartenserver. Sie bietet die Möglichkeit den Verlauf der Bodenfeuchte für einzelne oder mehrere Flächen über einen längeren Zeitraum mit verschiedenen Fruchtfolgen (z.B. 1 Jahr oder länger) zu ermitteln.
Feststellung von Zeitmarken (z.B. Verlegung der Muendung des Alpenrheins in den Bodensee 1900) mit Hilfe chemischer Sedimentanalysen, Berechnung der Kompaktionsverhaeltnisse (Wassergehalt, Trockensubstanz, spez. Gewicht), Bestimmung der Sedimentationsraten im zentralen Teil des Bodensees und in Flussdeltas, Anlayse bestimmter allochthoner und autochthoner Sedimentkomponenten (Calcit, Dolomit, Silikat) zur Schaetzung des autochthonen Sedimentanteils.
Erfassung der Verteilungsmuster der Tritiumkonzentration in der Umwelt. Gewinnung von Messdaten ueber den Tritiumgehalt in den verschiedenen Medien des Wasserkreislaufes (Niederschläge, Luftfeuchte, Oberflächen-, Grund- und Trinkwasser, Pflanzenwasser). Studium der Zusammenhänge zwischen dem Tritiumangebot durch Freisetzung aus kerntechnischen Anlagen und dem Tritiumgehalt in den Umweltmedien.
In soils and sediments there is a strong coupling between local biogeochemical processes and the distribution of water, electron acceptors, acids, nutrients and pollutants. Both sides are closely related and affect each other from small scale to larger scale. Soil structures such as aggregates, roots, layers, macropores and wettability differences occurring in natural soils enhance the patchiness of these distributions. At the same time the spatial distribution and temporal dynamics of these important parameters is difficult to access. By applying non-destructive measurements it is possible to overcome these limitations. Our non-invasive fluorescence imaging technique can directly quantity distribution and changes of oxygen and pH. Similarly, the water content distribution can be visualized in situ also by optical imaging, but more precisely by neutron radiography. By applying a combined approach we will clarify the formation and architecture of interfaces induces by oxygen consumption, pH changes and water distribution. We will map and model the effects of microbial and plant root respiration for restricted oxygen supply due to locally high water saturation, in natural as well as artificial soils. Further aspects will be biologically induced pH changes, influence on fate of chemicals, and oxygen delivery from trapped gas phase.
It is well established that reduced supply of fresh organic matter, interactions of organic matter with mineral phases and spatial inaccessibility affect C stocks in subsoils. However, quantitative information required for a better understanding of the contribution of each of the different processes to C sequestration in subsoils and for improvements of subsoil C models is scarce. The same is true for the main controlling factors of the decomposition rates of soil organic matter in subsoils. Moreover, information on spatial variabilities of different properties in the subsoil is rare. The few studies available which couple near and middle infrared spectroscopy (NIRS/MIRS) with geostatistical approaches indicate a potential for the creation of spatial maps which may show hot spots with increased biological activities in the soil profile and their effects on the distribution of C contents. Objectives are (i) to determine the mean residence time of subsoil C in different fractions by applying fractionation procedures in combination with 14C measurements; (ii) to study the effects of water content, input of 13C-labelled roots and dissolved organic matter and spatial inaccessibility on C turnover in an automatic microcosm system; (iii) to determine general soil properties and soil biological and chemical characteristics using NIRS and MIRS, and (iv) to extrapolate the measured and estimated soil properties to the vertical profiles by using different spatial interpolation techniques. For the NIRS/MIRS applications, sample pretreatment (air-dried vs. freeze-dried samples) and calibration procedures (a modified partial least square (MPLS) approach vs. a genetic algorithm coupled with MPLS or PLS) will be optimized. We hypothesize that the combined application of chemical fractionation in combination with 14C measurements and the results of the incubation experiments will give the pool sizes of passive, intermediate, labile and very labile C and N and the mean residence times of labile and very labile C and N. These results will make it possible to initialize the new quantitative model to be developed by subproject PC. Additionally, we hypothesize that the sample pretreatment 'freeze-drying' will be more useful for the estimation of soil biological characteristics than air-drying. The GA-MPLS and GA-PLS approaches are expected to give better estimates of the soil characteristics than the MPLS and PLS approaches. The spatial maps for the different subsoil characteristics in combination with the spatial maps of temperature and water contents will presumably enable us to explain the spatial heterogeneity of C contents.
2D- und 3D-Modelle der Konvektion und Schmelzprozesse in Mars, Venus und ähnlichen Einplattenplaneten werden mit Modellen der Mineralogie und thermoelastischen Eigenschaften des Mantels kombiniert, um die Entwicklung dieser Planeten seit der Erstarrung des Mantels vor 4.4-4.5 Mrd. Jahren zu simulieren und gewisse geologische Strukturen auf ihrer Oberfläche zu erklären. Von besonderem Interesse sind die Stabilität ihrer Lithosphären, die verschiedenen vulkanischen Strukturen auf der Venus und die Bildung zweier anscheinend langlebiger vulkanischer Zentren auf dem Mars. Zentrale Aspekte sind der Einfluss von Phasenübergängen von Mantelmineralen auf globale Konvektionsmuster und die Dynamik von Mantelplumes sowie der Einfluss von Spurenkomponenten (Radionuklide und flüchtige Bestandteile) und ihre Umverteilung durch Konvektion, Schmelzen und Vulkanismus. Angesichts der begrenzten Kenntnis der Zusammensetzung und des Mantel-Kern-Verhältnisses werden gewisse Modellparameter wie die Dicke des Mantels, das Verhältnis von Magnesium und Eisen und der Radionuklid- und Wassergehalt variiert. Desweiteren werden die Bedeutung der Oberflächentemperatur und, im Fall von Mars, der Effekt lateraler Temperatur- und Dickevariationen in der Lithosphäre wie sie z.B. von der Krustendichotomie verursacht werden sowie die Rolle alter chemischer Heterogenitäten erkundet. Dabei sollen auch Parameterkombinationen einbezogen werden, die nicht für Mars oder Venus relevant, aber von allgemeinem Interesse z.B. im Hinblick auf Exoplaneten sind. Die Modelle werden geophysikalische und geochemische Observablen ergeben, die mit realen Beobachtungen verglichen werden können.
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)
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 der Zu Rheinstraße sind mehrere Bäume der Art Robinia und Linde Tilia mit Sensoren versehen. Die Daten einer der Linden 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/74e7c788-0882-4ffe-b0dc-74cb0e0fb782), [ab 13.11.2024 14 Uhr](https://opendata.smartandpublic.eu/datasets/b976e56e-9fbf-42dd-86db-1677c2a5dc91?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)
| Origin | Count |
|---|---|
| Bund | 1009 |
| Kommune | 16 |
| Land | 107 |
| Wissenschaft | 105 |
| Zivilgesellschaft | 3 |
| Type | Count |
|---|---|
| Daten und Messstellen | 211 |
| Ereignis | 1 |
| Förderprogramm | 774 |
| Text | 91 |
| Umweltprüfung | 1 |
| unbekannt | 104 |
| License | Count |
|---|---|
| geschlossen | 229 |
| offen | 915 |
| unbekannt | 38 |
| Language | Count |
|---|---|
| Deutsch | 980 |
| Englisch | 431 |
| Resource type | Count |
|---|---|
| Archiv | 37 |
| Bild | 4 |
| Datei | 230 |
| Dokument | 63 |
| Keine | 606 |
| Webdienst | 15 |
| Webseite | 456 |
| Topic | Count |
|---|---|
| Boden | 937 |
| Lebewesen und Lebensräume | 874 |
| Luft | 679 |
| Mensch und Umwelt | 1173 |
| Wasser | 809 |
| Weitere | 1182 |