API src

Found 1412 results.

Similar terms

s/winterung/Witterung/gi

Zur stochastischen Modellierung von Turbulenz in stabilen atmosphärischen Grenzschichten

Stabil geschichtete atmosphärische Strömungen sind typischerweise durch schwache, intermittierende und anisotrope Turbulenzen, Gravitationswellen, Low-Level-Jets und Kelvin-Helmholtz-Instabilitäten gekennzeichnet. Diese Phänomene erschweren maßgeblich sowohl zuverlässige numerische Simulationen als auch Messungen stabiler Grenzschichten (SBL). Auch wird die Physik der Intermittenz von Turbulenz nicht ausreichend verstanden. Das führt unter anderem zu speziellen Problemen in der Darstellung der stabilen atmosphärischen Grenzschicht in Wetter- oder Klimamodellen. Es ist das Ziel des Projekts, das physikalische Verständnis der Intermittenz von Turbulenz unter sehr stabilen Bedingungen zu verbessern. Dazu sollen neue statistische Methoden zur Analyse von existierenden Datensätzen mit stabil geschichtetem Hintergrund nebst neuen stochastischen Parametrisierungen für die SBL entwickelt und in Wetter- oder Klimamodellen genutzt werden. Die Identifikation spezifischer physikalischer Mechanismen intermittierender Turbulenz wird durch eine Vielzahl nichtturbulenter Bewegungen in stabil geschichteten atmosphärischen Strömungen erschwert. Letztere können beispielsweise Sägezahn-Konvektionsmuster, Wellen oder Mikrofronten aufweisen. Es gibt Hinweise darauf, dass solche Bewegungen Auslöser für Intermittenz von Turbulenz sein können, jedoch fehlen Kenntnisse über die Art der Bewegungen und in welchem Ausmaß sie turbulentes Mischen beeinflussen. Einige Fallstudien deuten darauf hin, dass es ein Wechselspiel zwischen großskaligen atmosphärischen Strömungsmerkmalen (auf sogenannten Submesoskalen) und dem Einsetzen von Turbulenz gibt. Um unterschiedliche physikalische Mechanismen turbulenten Mischens zu untersuchen, werden wir mit statistischen Methoden geeignete stochastische Parametrisierungen entwickeln. Ansätze wie Hidden-Markov-Modelle und nichtstationäre, multivariate, autoregressive Faktormodelle (VARX) sollen die Interaktion zwischen niederfrequenten und turbulenten Bewegungen bestimmen. Statistische Methoden erlauben eine Datentrennung in Hinblick auf metastabile Zustände, wie etwa ruhige und turbulente Perioden in einer geschichteten Atmosphäre. Unsere spezifischen Zielsetzungen sind:1. Neuartige Anwendung meteorologischer Zeitreihenanalysetechniken auf existierende Datensätze mit dem Ziel, die Nichtstationarität der Interaktion zwischen nichtturbulenten Bewegungen und Turbulenz in der sehr stabilen Grenzschicht zu untersuchen.2. Identifikation von Interaktions-Regimen zwischen verschiedenen Bewegungsskalen nebst Charakterisierung turbulenter Transporteigenschaften in verschiedenen Regimes.3. Entwicklung stochastischer Modelle für sehr stabile intermittierende Turbulenz. Hier sollen bisherige Erkenntnisse über physikalische Abhängigkeiten der Intermittenz verwendet werden.4. Verwendung der stochastischen Modelle zur Erzeugung realistischer Einströmungen als Eingabe von Large-Eddy-Simulationen mit dem Ziel intermittierende Turbulenz zu generieren.

Langzeit-Variabilitaet des Zoobenthos in der Deutschen Bucht

Grundlagenforschung zum Verstaendnis der Variabilitaet der wichtigsten sublitoralen Tiergemeinschaften in der Deutschen Bucht unter besonderer Beruecksichtigung extremer Witterungsereignisse und von Klimatrends. Basisdaten fuer die Beurteilung anthropogener Einfluesse (Veraenderungen durch Eutrophierung sind nachgewiesen). NEBROC 3.1 (Trendanalysen im Rahmen eines Niederlaendisch-Bremischen Kooperationsprojektes).

METOP GOME-2 - Nitrogen Dioxide (NO2) - Global

The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B, and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing. The operational NO2 total column products are generated using the algorithm GDP (GOME Data Processor) version 4.x integrated into the UPAS (Universal Processor for UV / VIS Atmospheric Spectrometers) processor for generating level 2 trace gas and cloud products. The total NO2 column is retrieved from GOME solar back-scattered measurements in the visible wavelength region (425-450 nm), using the Differential Optical Absorption Spectroscopy (DOAS) method. For more details please refer to relevant peer-review papers listed on the GOME and GOME-2 documentation pages: https://atmos.eoc.dlr.de/app/docs/

METOP GOME-2 - Formaldehyde (HCHO) - Global

The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B, and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing. The operational HCHO total column products are generated using the algorithm GDP (GOME Data Processor) version 4.x integrated into the UPAS (Universal Processor for UV / VIS Atmospheric Spectrometers) processor for generating level 2 trace gas and cloud products. For more details please refer to relevant peer-review papers listed on the GOME and GOME-2 documentation pages: https://atmos.eoc.dlr.de/app/docs/

METOP GOME-2 - Bromine Monoxide (BrO) - Global

The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing. The operational BrO (Bromine monoxide) total column products are generated using the algorithm GDP (GOME Data Processor) version 4.x integrated into the UPAS (Universal Processor for UV / VIS Atmospheric Spectrometers) processor for generating level 2 trace gas and cloud products. For more details please refer to https://atmos.eoc.dlr.de/app/missions/gome2

METOP GOME-2 - Cloud Top Pressure (CTP) - Global

The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing. OCRA (Optical Cloud Recognition Algorithm) and ROCINN (Retrieval of Cloud Information using Neural Networks) are used for retrieving the following geophysical cloud properties from GOME and GOME-2 data: cloud fraction (cloud cover), cloud-top pressure (cloud-top height), and cloud optical thickness (cloud-top albedo). OCRA is an optical sensor cloud detection algorithm that uses the PMD devices on GOME / GOME-2 to deliver cloud fractions for GOME / GOME-2 scenes. ROCINN takes the OCRA cloud fraction as input and uses a neural network training scheme to invert GOME / GOME-2 reflectivities in and around the O2-A band. VLIDORT [Spurr (2006)] templates of reflectances based on full polarization scattering of light are used to train the neural network. ROCINN retrieves cloud-top pressure and cloud-top albedo. The cloud-top pressure for GOME scenes is derived from the cloud-top height provided by ROCINN and an appropriate pressure profile. For more details please refer to relevant peer-review papers listed on the GOME and GOME-2 documentation pages: https://atmos.eoc.dlr.de/app/docs/

WOLV30 bulletin available from UMRR (RIGA/SKULTE+FIR)

---- The bulletin collects TEXT reports. ---- The WOLV30 TTAAii Data Designators decode (2) as: T1 (W): Warnings. T2 (O): Other. A1A2 (LV): Latvia. (2: Refer to WMO No.386 - Manual on the GTS - Attachment II.5) ---- WMO No.9 - Volume C1 'Remarks' field: IRREGULAR

Entwicklung eines automatisierten Systems zur Bewertung der N-Versorgung von Wintergetreide für die landwirtschaftliche Praxis über skalierbare Applikationsfenster, Teilprojekt B

Anpassung der N-Düngung an die Variation in Ertragspotential und Nachlieferung in der Teilfläche, Teilprojekt A

GTS Bulletin: IUXD33 EDZW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The IUXD33 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IU): Upper air T1T2A1 (IUX): Other upper air reports A2 (D): 90°E - 0° northern hemisphere(The bulletin collects reports from stations: 10184;Greifswald;) (Remarks from Volume-C: High resolution 2 sec., BUFR309057, Level 300) IUXD33 BUFR bulletin available 10184 Greifswald from EDZW (Deutscher Wetterdienst) up to 300 hPa at 00 UTC, 12 UTC, ON DEMAND 06 UTC, 18 UTC

1 2 3 4 5 … 140 141 142