s/watercontent/water content/gi
Die Bestaendigkeit poroeser Baustoffe, die der Witterung und Atmosphaere sowie anderen korrosiven Einfluessen, wie z.B. bei Stahlbetonbruecken dem Einfluss von Streusalzen, ausgesetzt sind, wird massgebend von der Struktur des Stoffes und der Feuchtigkeitsaufnahme bzw. -abgabe bestimmt. Das Eindringen aggressiver Stoffe haengt nicht nur vom momentanen Feuchtigkeitsgehalt in den Poren des Baustoffs ab, sondern offenbar auch von instationaerem Wassertransport, der durch Aenderungen, vor allem der Feuchtigkeit in der Umgebung der Bauteiloberflaechen hervorgerufen wird. Bei Baustoffen, die hinsichtlich Diffusionswiderstand und thermodynamischem Verhalten aus unterschiedlichen Stoffen aufgebaut sind (Beispiel: Beton, Stahl- und Spannbeton, mit Kunststoffen beschichtete poroese Stoffe), ist eine theoretische Betrachtung dieser Vorgaenge im Mikrogefuege kaum moeglich. Mit der Mikrowellenmesstechnik sollen die Wassergehaltsaenderungen und damit der Wassertransport bei Einwirkung verschiedener Umgebungsbedingungen untersucht werden, um die Ablaeufe bei Korrosionsvorgaengen genauer verstehen bzw. Massnahmen fuer besseren Korrosionsschutz ableiten zu koennen.
Biogeochemical interfaces shape microbial community function in soil. On the other hand microbial communities influence the properties of biogeochemical interfaces. Despite the importance of this interplay, basic understanding of the role of biogeochemical interfaces for microbial performance is still missing. We postulate that biogeochemical interfaces in soil are important for the formation of functional consortia of microorganisms, which are able to shape their own microenvironment and therefore influence the properties of interfaces in soil. Furthermore biogeochemical interfaces act as genetic memory of soils, as they can store DNA from dead microbes and protect it from degradation. We propose that for the formation of functional biogeochemical interfaces microbial dispersal (e.g. along fungal networks) in response to quality and quantity of bioavailable carbon and/or water availability plays a major role, as the development of functional guilds of microbes requires energy and depends on the redox state of the habitat.To address these questions, hexadecane degradation will be studied in differently developed artificial and natural soils. To answer the question on the role of carbon quantity and quality, experiments will be performed with and without litter material at different water contents of the soil. Experiments will be performed with intact soil columns as well as soil samples where the developed interface structure has been artificially destroyed. Molecular analysis of hexadecane degrading microbial communties will be done in vitro as well as in situ. The corresponding toolbox has been successfully developed in the first phase of the priority program including methods for genome, transcriptome and proteome analysis.
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.
P ist für alle Lebewesen ein lebensnotwendiges Nährelement. In terrestrischen Ökosystemen ist P häufig ein limitierender Nährstoff. Der P-Gehalt im Oberboden beeinflusst die Pflanzenartenvielfalt im Dauergrünland. P ist für die Eutrophierung von Oberflächengewässern hauptverantwortlich. Außerdem gehört P zu den knappen Rohstoffen. Die Preise für mineralische P-Dünger werden deshalb in Zukunft vermutlich weiter steigen. Ein effizienter Einsatz mineralischer P-Dünger ist daher sowohl aus Gründen des Natur- und Umweltschutzes als auch aus Kostengründen notwendig. Von einer ressourcenschonenden und umweltverträglichen Grünlandbewirtschaftung wird erwartet, dass die Düngung den P-Bedarf der Pflanzen deckt, gleichzeitig aber die P-Verluste durch Erosion, Abschwemmung und Auswaschung so gering wie möglich gehalten werden. Daher ist es notwendig, die Düngung an den zeitlichen und mengenmäßigen Nährstoffbedarf der Vegetation anzupassen. Um dieses Ziel zu erreichen, muss einerseits der saisonabhängige P-Bedarf der Pflanzen bekannt sein und andererseits die P-Dynamik im Boden berücksichtigt werden. Die P-Dynamik im Boden ist von vielen Bodeneigenschaften abhängig. Entscheidend sind vor allem pH-Wert, Bodenwasserhaushalt (Redoxpotential), Bodentemperatur und mikrobielle Aktivität (Phosphataseaktivität) im Boden. Für die Optimierung von P-Düngemaßnahmen sind daher Kenntnisse über die P-Dynamik im Boden und die verschiedenen P-Pools im Boden notwendig. Davon hängt die Ausnutzbarkeit und Ertragswirksamkeit der P-Dünger und somit die bedarfsgerechte Menge und der optimale Zeitpunkt der P-Düngung ab. Über die P-Dynamik im Boden in Abhängigkeit vom Bodenwasserhaushalt und die verschiedenen P-Pools in österreichischen Grünlandböden ist bisher noch wenig bekannt. Die Thematik ist aber von großer praktischer Relevanz, weil P ein knapper Rohstoff mit großer Umweltwirkung ist. Sowohl aus landwirtschaftlicher als auch aus wasserwirtschaftlicher Sicht stellen sich folgende Fragen: - Werden die verschiedenen P-Pools im Boden durch langjährige Düngung unterschiedlich angereichert? - Welchen Einfluss hat die Höhe der jährlich ausgebrachten P-Düngermenge? - Bestehen Unterschiede zwischen mineralischer und organischer Düngung? - Welche P-Pools im Boden werden bei fehlender Düngung bevorzugt abgereichert? - Bestehen hinsichtlich P-Pools Unterschiede zwischen verschiedenen Tiefenstufen im Boden? - Welchen Einfluss haben Grundwasserspiegelschwankungen und Veränderungen des Bodenwassergehaltes auf die P-Dynamik und P-Mobilität im Boden? - Haben feuchte und nasse Grünlandstandorte einen geringeren P-Düngerbedarf als wechselfeuchte oder frische Standorte? Für die Beantwortung dieser Fragen bieten sich Langzeitfeldversuche an. Langzeitfeldversuche wurden in Gumpenstein 1960 und in Admont 1946 angelegt. Die Düngungs- und Nutzungsgeschichte auf den einzelnen Versuchsparzellen ist bestens dokumentiert. (Text gekürzt)
Das Hauptziel des Projekts ist die Untersuchung und die Entwicklung von Methoden nicht nur zur punktuellen, sondern auch zur flächenhaften Bestimmung der Bodenfeuchte. Zur Anwendung sollen Geländetechniken wie Time-Domain Reflectrometry (TDR), Georadar (GPR), Elektrische Widerstand (ER), Elektromagnetische Induktion (EMI) sowie GNSS Scatterometry kommen. Eine der methodischen Hauptfragen ist die Nutzung der GNSS Scatterometry zur Ermittlung der Bodenfeuchte im Feldmaßstab. Eine weitere grundlegende Forschungsfrage wird die weitere Entwicklung der elektrischen und elektromagnetischen geophysikalischen Techniken für bodenkundliche Anwendungen sein.
Anzahl der Proben: 37 Gemessener Parameter: Parameter zur Umrechnung zwischen Trocken- und Frischgewicht Probenart: Eiinhalt Vogeleier eignen sich als Akkumulations- und Wirkungsindikator. Sie spiegeln die Kontamination der brütenden Weibchen wider. Durch die Schale sind die Eiinhalte vor einer Kontamination der Probe geschützt. Probenahmegebiet: Mellum Mellum – eine niedersächsische Vogelinsel
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)
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 Robinien 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 21 Uhr](https://opendata.smartandpublic.eu/datasets/d1f68fc3-c76d-4147-b01e-dfe490ab6331?locale=en#iss=https%3A%2F%2Fidp.smartcityhub.smartandpublic.eu%2Frealms%2Fsmartcityhub), [ab 13.11.2024 22 Uhr](https://opendata.smartandpublic.eu/datasets/5dc3648a-66fd-4310-accf-7256db111d5c?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 | 1007 |
| Kommune | 16 |
| Land | 104 |
| Wissenschaft | 105 |
| Zivilgesellschaft | 4 |
| Type | Count |
|---|---|
| Daten und Messstellen | 209 |
| Ereignis | 1 |
| Förderprogramm | 774 |
| Text | 91 |
| Umweltprüfung | 1 |
| unbekannt | 103 |
| License | Count |
|---|---|
| geschlossen | 228 |
| offen | 913 |
| unbekannt | 38 |
| Language | Count |
|---|---|
| Deutsch | 978 |
| Englisch | 430 |
| Resource type | Count |
|---|---|
| Archiv | 35 |
| Bild | 4 |
| Datei | 230 |
| Dokument | 63 |
| Keine | 606 |
| Unbekannt | 1 |
| Webdienst | 14 |
| Webseite | 453 |
| Topic | Count |
|---|---|
| Boden | 934 |
| Lebewesen und Lebensräume | 872 |
| Luft | 676 |
| Mensch und Umwelt | 1170 |
| Wasser | 806 |
| Weitere | 1179 |