API src

Found 1792 results.

Related terms

Entwicklung der Anzahl ausgewählter klimatologischer Kenntage 2022 (Umweltatlas)

Anzahl und Verteilung klimatologischer Kenntage für den Referenzzeitraum (1971-2000) sowie zwei Zeitabschnitte in der Zukunft (2031-2060, 2071-2100) sowie die Zunahme der Anzahl der Tage gegenüber dem Referenzzeitraum (1971-2000), berechnet als Mittelwerte pro Block(teil)fläche (ISU5, Raumbezug Umweltatlas 2020) und als Mittelwert pro Rasterzelle (10 m x 10 m).

Flood risk in a changing climate (CEDIM)

Aims: Floods in small and medium-sized river catchments have often been a focus of attention in the past. In contrast to large rivers like the Rhine, the Elbe or the Danube, discharge can increase very rapidly in such catchments; we are thus confronted with a high damage potential combined with almost no time for advance warning. Since the heavy precipitation events causing such floods are often spatially very limited, they are difficult to forecast; long-term provision is therefore an important task, which makes it necessary to identify vulnerable regions and to develop prevention measures. For that purpose, one needs to know how the frequency and the intensity of floods will develop in the future, especially in the near future, i.e. the next few decades. Besides providing such prognoses, an important goal of this project was also to quantify their uncertainty. Method: These questions were studied by a team of meteorologists and hydrologists from KIT and GFZ. They simulated the natural chain 'large-scale weather - regional precipitation - catchment discharge' by a model chain 'global climate model (GCM) - regional climate model (RCM) - hydrological model (HM)'. As a novel feature, we performed so-called ensemble simulations in order to estimate the range of possible results, i.e. the uncertainty: we used two GCMs with different realizations, two RCMs and three HMs. The ensemble method, which is quite standard in physics, engineering and recently also in weather forecasting has hitherto rarely been used in regional climate modeling due to the very high computational demands. In our study, the demand was even higher due to the high spatial resolution (7 km by 7 km) we used; presently, regional studies use considerably larger grid boxes of about 100 km2. However, our study shows that a high resolution is necessary for a realistic simulation of the small-scale rainfall patterns and intensities. This combination of high resolution and an ensemble using results from global, regional and hydrological models is unique. Results: By way of example, we considered the low-mountain range rivers Mulde and Ruhr and the more alpine Ammer river in this study, all of which had severe flood events in the past. Our study confirms that heavy precipitation events will occur more frequently in the future. Does this also entail an increased flood risk? Our results indicate that in any case, the risk will not decrease. However, each catchment reacts differently, and different models may produce different precipitation and runoff regimes, emphasizing the need of ensemble studies. A statistically significant increase of floods is expected for the river Ruhr in winter and in summer. For the river Mulde, we observe a slight increase of floods during summer and autumn, and for the river Ammer a slight decrease in summer and a slight increase in winter.

GTS Bulletin: WWDL39 EDWE - Warnings (details are described in the abstract)

The WWDL39 TTAAii Data Designators decode as: T1 (W): Warnings T1T2 (WW): Warnings and weather summary A1A2 (DL): Germany (Remarks from Volume-C: NilReason)

Zum Verständnis der Entstehung und Trajektorien von großem Hagel (LIFT)

Derzeitige radar-basierte Nowcastingverfahren basieren auf der Annahme, dass die zeitliche Entwicklung von Hagelereignissen in erster Linie durch Advektionsvorgänge gesteuert ist; die relevanten physikalischen Prozesse, die für die Entstehung und das Größenwachstum von Hagel entscheidend sind, bleiben dabei unberücksichtigt. In Verbindung mit der komplexen internen Struktur und Dynamik von Hagelstürmen ergeben sich daraus große Unsicherheiten bei der Vorhersage der Hagelgrößenverteilung und der von Hagel betroffenen Fläche am Boden. Das Ziel des Projekts LIFT (Large Hail Formation and Trajectories) ist es, die Hagelentstehung und Hageltrajektorien besser zu verstehen, um daraus als wichtige Komponenten eines physikalisch-basierten Nowcastings erstmals ein radar-basiertes Verfahren für das Hagelwachstums zu entwickeln. Zu diesem Zweck wird im Rahmen von LIFT eine Messkampagne Süddeutschland durchgeführt, wo die größte Hagelwahrscheinlichkeit in Deutschland auf vielfältige Beobachtungssysteme trifft, die im Rahmen der Messkampagne Swabian MOSES mit einem dichten Netzwerk betrieben werden. Zum ersten Mal werden im Rahmen von LIFT moderne Radargeräte, In-situ Messgeräte, Fotogrammetrie und numerische Modellierung synergistisch kombiniert und ein umfassender Datensatz zur Rekonstruktion der zeitlichen Entwicklung des Hagelwachstums erstellt. Betroffene Bürger werden aktiv in die Messaktivitäten mit einbezogen und aufgerufen, Hagelkörnern einschließlich ihrer Haupteigenschaften in die WarnWetter App des DWD zu melden. Die Messkampagne mit ihrem mobilen und flexiblen Konzept beinhaltet die Anwendung neuer, innovativer Messtechniken, darunter Lagrangesche Trajektorien mittels kleiner Messsysteme, die in die Wolken eingebracht werden, und dronengesteuerte Luftbildaufnahmen zur Bestimmung der Hagelspektren. Aus Fernerkundungsdaten gewonnene Signaturen von Hagelereignissen liefern Informationen über die Charakteristika der Hagelereignisse und werden mittels numerischer Simulationen sorgfältig auf Messungenauigkeiten und Sensitivitäten bzgl. atmosphärischer Umgebungsvariablen evaluiert. Indikatoren für die Hagelentstehung und das Hagelwachstum werden aus Beobachtungsdaten und Simulationen identifiziert, und liefern die Grundlage für ein beobachtungs-basiertes Hagelwachstumsmodell. Schließlich wird dieses Multi-Parameter Hagelwachstumsmodell mit den bestimmten Hageltrajektorien und Schmelzprozessen kombiniert, um zu bestimmen, welche Prozesse am wichtigsten sind für das Nowcasting von Hagel. Das Projekt LIFT liefert damit einen wichtigen Betrag für zukünftige radar-basierte Hagelwarnsysteme mit einer verbesserten Vorhersagezeit und Vorhersagequalität.

ClimXtreme II, Modul C 'Impacts', Compound Events und ihre Auswirkungen auf die Nutzpflanzen Europas (CROP4Europe)

GTS Bulletin: ISND86 AMDN - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISND86 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISN): Synoptic observations from fixed land stations at non-standard time (i.e. 01, 02, 04, 05, ... UTC) A2 (D): 90°E - 0° northern hemisphere (Remarks from Volume-C: NATIONAL AUTOMATIC SYNOP)

GTS Bulletin: ISND82 AMDN - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISND82 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISN): Synoptic observations from fixed land stations at non-standard time (i.e. 01, 02, 04, 05, ... UTC) A2 (D): 90°E - 0° northern hemisphere (Remarks from Volume-C: NATIONAL AUTOMATIC SYNOP)

GTS Bulletin: ISND33 AMDS - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISND33 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISN): Synoptic observations from fixed land stations at non-standard time (i.e. 01, 02, 04, 05, ... UTC) A2 (D): 90°E - 0° northern hemisphere (Remarks from Volume-C: NATIONAL AUTOMATIC SYNOP)

Schwerpunktprogramm (SPP) 1294: Bereich Infrastruktur - Atmospheric and Earth system research with the 'High Altitude and Long Range Research Aircraft' (HALO), Einfluss von Jet-Front Systemen in der oberen Troposphäre auf die mesoskalige Struktur der Tropopauseninversionsschicht und Stratosphären-Troposphären Austausch (MESO-TIL)

Der vorliegende Antrag ist der HALO Mission WISE zuzuordnen. Ein besonderes Augenmerk liegt dabei auf der Bildung der Tropopauseninversionsschicht (TIL) und deren Einfluss auf Stratosphären-Troposphären Austausch (STE) auf der Mesoskala. Diesem Projekt dienen idealisierte Studien der TIL in baroklinen Lebenszyklen als Grundlage. Die Hauptziele sind dabei die Überprüfung der Ergebnisse der idealisierten Studien zur TIL Bildung genauso wie ein erweitertes Verständnis der Prozesse, die zum STE auf der Mesoskala beitragen. Dabei soll auf drei wissenschaftliche Fragestellungen genauer eingegangen werden: (1) Wie stark schwankt die TIL in ihrem Auftreten über dem Nordatlantik, vor allem im Bereich barokliner Lebenszyklen und im Bereich von STE? (2) Welche Prozesse liefern den größten Beitrag zur TIL auf der Mesoskala und welchen Einfluss hat dies auf STE? (3) Wie groß ist der Beitrag von klein-skaligen Wellen in der unteren Stratosphäre auf die TIL Bildung und die Ausdehnung der extratropischen Mischungsschicht? Eine Kombination von Methoden wird verwendet werden um diese Fragen zu beantworten. Analysedaten des EZMW werden zusammen mit Lagrangeschen Methoden benutzt, um die TIL und STE über dem Nordatlantik zu untersuchen. Der Nordatlantik ist das Gebiet, das auch während WISE untersucht werden soll. Darüber hinaus sollen für WISE hoch aufgelöste Modellsimulationen mit dem neuen numerischen Wettervorhersagemodell ICON durchgeführt werden. Dabei sollen zum einen die Beiträge diverser Prozesse auf die Bildung der TIL am Beispiel von realen Zyklonen und Antizyklonen untersucht werden. Des Weiteren sollen die Modelldaten zusammen mit Beobachtungsdaten verwendet werden um den Einfluss der TIL und von klein-skaligen Wellen auf die vertikale Ausdehnung der extratropischen Mischungsschicht zu bestimmen.

Daily HUME: Daily Homogenization, Uncertainty Measures and Extremes (Homogenisierung täglicher Daten, Fehlermaße und Extreme)

Global change not only affects the long-term mean temperature, but may also lead to further changes in the frequency distribution and especially in their tails. The study of the whole frequency distribution is important as, e.g., heat and cold waves are responsible for a considerable part of morbidity and mortality due to meteorological events. Daily datasets are essential for studying such extremes of weather and climate and therefore the basis for political decisions with enormous socio-economic consequences. Reliably assessing such changes requires homogeneous observational data of high quality. Unfortunately, however, the measurement record contains many non-climatic changes, e.g. homogeneities due to relocations, new weather screens or instruments. Such changes affect not only the means, but the whole frequency distribution. To increase the quality and reliability of global daily temperature records, we propose to develop an automatic homogenisation method for daily temperature data that corrects the frequency distribution. We propose to describe homogenisation as an optimisation problem and solve it using a genetic algorithm. In this way, entire temperature networks can be homogenised simultaneously leading to an increase in sensitivity, while avoiding setting false (spurious) breaks. By not homogenising the daily data directly, but by homogenising monthly indices (probably the monthly moments), the full power and understanding of monthly homogenization methods can be carried over to the homogenisation of daily data. Furthermore, in an optimisation framework, the optimal temporal correction scale can be determined objectively and straightforwardly, that is whether the corrections are best applied annually (all twelve months get the same correction), semi-annually, seasonally or monthly. All three aspects are new: the simultaneous homogenisation of an entire network, the objective selection of the degrees of freedom of the adjustments and of the temporal averaging scale of the correction model. This new method will be applied to homogenise the temperature datasets of the International Surface Temperature Initiative. This large dataset necessitates an automatic homogenisation method. To validate the method, we will generate an artificial climate dataset with known inhomogeneities. To be able to generate such a validation dataset with realistic inhomogeneities, we need to understand the nature of inhomogeneities in daily data much better. Therefore, we intend to collect and study parallel measurements (two set-ups at one location), which allow us to study the changes in the frequency distribution if one set-up is replaced by the other. Finally, we will study and quantify the uncertainties due to persistent errors remaining in the dataset after homogenisation and utilise this to improve the accuracy of the homogenisation algorithm. The knowledge of uncertainties is also indispensable for climatologists using the homogenised data.

1 2 3 4 5 … 178 179 180