API src

Found 1032 results.

Related terms

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/

Transportwege von Feuchte und Wasserdampfisotopologe

Das Zusammenspiel von atmosphärischem Wasser und Zirkulation über Beeinflussung des Strahlungshaushalts, den Transport latenter Wärme und Rückkopplungsmechanismen von Wolken ist eines der bedeutendsten Hindernisse für das Verständnis des Klimasystems. Ein Vergleich zwischen Modellen verschiedener Auflösungen und Parameterisierungen kann wertvolle Einblicke in die Problematik geben. Jedoch werden für aussagekräftige Modelltests Messdaten benötigt. In diesem Zusammenhang können Isotopologen des troposphärischen Wasserdampfs eine wichtige Rolle spielen. Das Isotopologenverhältnis reflektiert die Bedingungen am Ort des Feuchteeintrags sowie verschiedene Umwandlungsprozesse (z.B. in Wolken). Während der letzten Jahre gab es großen Fortschritt beim Modellieren und Messen der Isotopologenverhältnisse, so dass kombinierte Untersuchungen nun global zeitlich und räumlich hochaufgelöst durchführbar sind. Das Ziel dieses Projektes ist es, Wasserdampfisotopologe als neue Methode zu etablieren, um modellierte atmosphärische Feuchteprozesse zu testen und damit einige der größten Herausforderungen der aktuellen Klimaforschung anzugehen. Um statistisch robuste Untersuchungen zu ermöglichen, werden wir eine große Anzahl von (H2O, deltaD)-Paaren messen (deltaD ist das standardisierte Verhältnis zwischen den Isotopologen HD16O und H216O). Zum ersten Mal wird dann ein validierter Beobachtungsdatensatz zur Verfügung stehen, der große Gebiete, lange Zeiträume und verschiedene Tageszeiten abdeckt. Gleichzeitig wird ein hochauflösendes meteorologisches Modell, welches die Isotopologe simuliert, benutzt, um zu untersuchen inwiefern sich Eintrag und Transport von Feuchte in den Isotopologen wiederspiegeln. Diese Kombination von Messung und Modell ist einzigartig zum Testen der Modellierung von Feuchteprozessen. Das Potential der Isotopologen wird anhand von drei klimatisch interessanten Regionen aufgezeigt. Für Europa wird unser Ansatz einen wertvollen Einblick in den Zusammenhang zwischen Feuchteeintrag und den Isotopologen im Falle hochvariablen Wettergeschehens geben. Über dem subtropischen Nordatlantik werden wir Mischprozessen zwischen der marinen Grenzschicht und der freien Troposphäre untersuchen. Die verschiedenartige Einbindung dieser Prozesse in Modelle ist sehr wahrscheinlich ein Grund für die große Unsicherheit bei Rückkopplungsmechanismen von Wolken. Über Westafrika wird die Modellierung des Monsuns getestet (horizontaler Feuchtetransport, Feuchterückfluss von Land in die Troposphäre, und Tagesgänge in Zusammenhang mit vertikalen Mischprozessen). Die Frage, wie organisierte Konvektion die Monsunzirkulation und die Feuchtetransportwege beeinflusst, wird dabei von besonderem Interesse sein. In Kombination werden die Ergebnisse helfen, Defizite in aktuellen Wetter- und Klimamodellen aufzuspüren und besser zu verstehen, und dadurch einen wichtigen Beitrag für zukünftige Modellverbesserungen liefern.

Nahrungserwerb der Waldameisen (Gattung Formica) und ihr Einfluss auf die Waldbiozoenose

Nahrungserwerb der Waldameisen in einem Eichenwald im Tages- und Jahresverlauf, Jahresbilanz (Menge, Zusammensetzung, Energiegehalt der Nahrung). Beeinflussung des Nahrungserwerbs durch Umweltfaktoren (Witterung, Nahrungsangebot). Regulation des Nahrungserwerbs durch die Waldameisen selbst. Einfluss der Waldameisen auf den Massenwechsel eines Schadinsekts (Eichenwickler Tortrix viridana L.).

Effects of canopy structure on salinity stress in cucumber (Cucumis sativus L.)

Salinity reduces the productivity of cucumber (Cucumis sativus L.) through osmotic and ionic effects. For given atmospheric conditions we hypothesize the existence of an optimal canopy structure at which water use efficiency is maximal and salt accumulation per unit of dry matter production is minimal. This canopy structure optimum can be predicted by integrating physiological processes over the canopy using a functional-structural plant model (FSPM). This model needs to represent the influence of osmotic stress on plant morphology and stomatal conductance, the accumulation of toxic ions and their dynamics in the different compartments of the system, and their toxic effects in the leaf. Experiments will be conducted to parameterize an extended cucumber FSPM. In in-silico experiments with the FSPM we attempt to identify which canopy structure could lead to maximum long-term water use efficiency with minimum ionic stress. The results from in-silico experiments will be evaluated by comparing different canopy structures in greenhouses. Finally, the FSPM will be used to investigate to which extent the improvement of individual mechanisms of salt tolerance like reduced sensitivity of stomatal conductance or leaf expansion can contribute to whole-plant salt tolerance.

Ernaehrungsphysiologisch wichtige Inhaltsstoffe von Obst und Gemuese und deren Veraenderungen durch Kulturmassnahmen und oekologische Faktoren

An wichtigen Inhaltsstoffen werden gegenwaertig Geschmacks- incl. Aromastoffe in Verbindung mit der Witterung qualitativ und ihre Beteiligung bei der Fruchtreife am Baum und bei der Lagerung quantitativ bestimmt. Weiterhin werden Versuche unternommen, um zu klaeren, ob sich ein optimaler Reifezeitpunkt durch bestimmte Veraenderungen der Aromastoffe charakterisieren laesst. Fruehere Versuche haben gezeigt, dass eine Minimumwaermegrenze von 170 cal/ Quadratzentimeter in den beiden Monaten Sept. und Okt. nur wenig unterschritten werden darf. Die teils noch in Arbeit befindlichen Untersuchungen erstrecken sich auf Fragen der Qualitaet incl. Aromabildung waehrend der Lagerzeit. Ein weiterer Arbeitsschwerpunkt ist die Sortenvergleichspruefung fuer neue Apfel-, Birnen- und Erdbeersorten, wobei die Aromazusammensetzung und -bildung geklaert werden soll. Der Einfluss von Unterlagen auf die Geschmacks- und Qualitaetsbildung der Fruechte. Ob die Unterlage einen Einfluss auf die Ausbildung biologischer Qualitaetamerkmale ausuebt.

METOP GOME-2 - Ozone (O3) - 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 ozone 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 new improved DOAS-style (Differential Optical Absorption Spectroscopy) algorithm called GDOAS, was selected as the basis for GDP version 4.0 in the framework of an ESA ITT. GDP 4.x performs a DOAS fit for ozone slant column and effective temperature followed by an iterative AMF / VCD computation using a single wavelength. 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 - Cloud Fraction (CF) - 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. 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

FPLV30 bulletin available from UMRR (RIGA/SKULTE+FIR)

---- The bulletin collects TEXT reports. ---- The FPLV30 TTAAii Data Designators decode (2) as: T1 (F): Forecast. T2 (P): Public. A1A2 (LV): Latvia. (2: Refer to WMO No.386 - Manual on the GTS - Attachment II.5) ---- WMO No.9 - Volume C1 'Remarks' field: WEATHER FORECAST

1 2 3 4 5 … 102 103 104