API src

Found 1357 results.

Related terms

Forschergruppe (FOR) 1525: INUIT - Ice Nuclei research UnIT, Kompositionsanalyse von Eisresiduen mittels der Kombination von Aerosol-Massenspektrometrie mit einem virtuellem Gegenstromimpaktor

Dieser Fortsetzungsantrag eines bestehenden Forschungsprojekts innerhalb der Forschergruppe INUIT (Ice Nuclei Research UnIT) hat zum Ziel, die physikalischen und chemischen Eigenschaften von atmosphärischen Eiskeimen (ice nucleating particles, INP) und Eispartikelresiduen (ice particle residuals, IPR) zu untersuchen. Es werden hauptsächlich zwei Messtechniken eingesetzt: virtueller Gegenstromimpaktor und Laserablationsmassenspektrometrie. Eiskeime (INP) aus atmosphärischem Aerosol werden erst in einem Eiskeimzähler aktiviert, so dass sich Eiskristalle bilden, die dann mit einem bepumpten Gegenstromimpaktor aufgrund ihrer Größe extrahiert und verdunstet werden können. Die freigesetzten INP können wiederum mit dem Massenspektrometer oder anderen Messtechniken untersucht werden. Dieses Experiment wird während einer Feldmesskampagne in der Nähe der Quellen von potentiell guten Eiskeimen (Mineralstaub, Biopartikel, anthropogene Partikel) durchgeführt. Ein geeigneter Kampagnenort hierfür ist die Mittelmeerregion, z.B. Südspanien. Die Eispartikelresiduen werden direkt aus unterkühlten Mischphasenwolken gesammelt. Hierzu wird ein spezieller Eis-Gegenstromimpaktor eingesetzt, der nur Eiskristalle sammelt und von den unterkühlten Wolkentröpfchen trennt. Nach der Sammlung wird das Eis der Eiskristalle verdunstet, so dass die Eisresidualpartikel freigesetzt werden und mittels des Laser- Ablationsmassenspektrometers analysiert werden können. Dieses Experiment wird auf einer Bergstation (Jungfraujoch) durchgeführt. Die Kombination aus Eiskeimzähler, bepumptem Gegenstromimpaktor und Massenspektrometer wird auch unter Laborbedingen zur Bestimmung der Eiskeimfähigkeit von internen und externen Partikelmischungen (z.B. biologisch/mineralisch) betrieben. Das Laserablationsmassenspektrometer in seiner Eigenschaft als Einzelpartikel-Analysegerät wird ebenfalls dazu eingesetzt, um den Mischungszustand der erzeugten Mischpartikel zu charakterisieren.

GTS Bulletin: SMSN01 ESTA - Surface data (details are described in the abstract)

The SMSN01 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SM): Main synoptic hour A1A2 (SN): Sweden (Remarks from Volume-C: NilReason)

GTS Bulletin: ISND04 EDZW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISND04 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. 0100, 0200, 0400, 0500, ... UTC) A2 (D): 90°E - 0° northern hemisphere(The bulletin collects reports from stations: 10022;Leck;10028;Sankt Peter-Ording;10042;Schönhagen (Ostseebad);10093;Putbus;10097;Greifswalder Oie;10129;Bremerhaven;10130;Elpersbüttel;10139;Bremervörde;10142;Itzehoe;10146;Quickborn;10150;Dörnick;10152;Pelzerhaken;10156;Lübeck-Blankensee;) (Remarks from Volume-C: SYNOP)

GTS Bulletin: ISMD10 EDZW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISMD10 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISM): Main synoptic observations from fixed land stations A2 (D): 90°E - 0° northern hemisphere(The bulletin collects reports from stations: 10033;Glücksburg-Meierwik;10037;Schleswig-Jagel;10038;Hohn;10067;Marienleuchte;10126;Wittmundhafen;10136;Nordholz (Flugplatz);10172;Laage (Flugplatz);10238;Bergen;10246;Faßberg;10304;Meppen;10334;Wunstorf;10335;Bückeburg;10439;Fritzlar (Flugplatz);10476;Holzdorf (Flugplatz);10500;Geilenkirchen (Flugplatz);10502;Nörvenich (Flugplatz);10516;Koblenz (Falkensteinkaserne);10613;Büchel (Flugplatz);10618;Idar-Oberstein;10743;Niederstetten;10771;Kümmersbruck;10837;Laupheim;10853;Neuburg/Donau (Flugplatz);10856;Lechfeld;10857;Landsberg (Flugplatz);10860;Ingolstadt (Flugplatz);10954;Altenstadt;) (Remarks from Volume-C: SYNOP)

Stündliche Stationsmessungen der Wolkenbedeckung für Deutschland

Diese Daten stammen von den Stationen des DWD und rechtlich sowie qualitativ gleichgestellten Partnernetzen. Umfangreiche Stationsmetadaten (Stationsverlegungen, Instrumentenwechsel, Wechsel der Bezugszeit, Änderungen in den Algorithmen) werden beim Download mitgeliefert. Der Datensatz ist aufgeteilt in einen versionierten Teil mit abgeschlossener Qualitätsprüfung, im Verzeichnis ./historical/. Und einen sich kontinuierlich aktualisierenden Teil, für den die Qualitätsprüfung noch nicht abgeschlossen ist, im Verzeichnis ./recent/. In dem Ordner ./timeseries_overview/ stehen Angaben zu langen Zeitreihen zur Verfügung.

Stündliche Stationsmessungen der Wolkenbedeckung, der Wolkenart und der Wolkenhöhe in bis zu 4 Schichten für Deutschland

Diese Daten stammen von den Stationen des DWD und rechtlich sowie qualitativ gleichgestellten Partnernetzen. Umfangreiche Stationsmetadaten (Stationsverlegungen, Instrumentenwechsel, Wechsel der Bezugszeit, Änderungen in den Algorithmen) werden beim Download mitgeliefert. Der Datensatz ist aufgeteilt in einen versionierten Teil mit abgeschlossener Qualitätsprüfung, im Verzeichnis ./historical/. Und einen sich kontinuierlich aktualisierenden Teil, für den die Qualitätsprüfung noch nicht abgeschlossen ist, im Verzeichnis ./recent/. In dem Ordner ./timeseries_overview/ stehen Angaben zu langen Zeitreihen zur Verfügung.

OPTIMice-close: Optimierte Kombination von polarimetrischen und Dreifrequenzradarmethoden zum verbesserten Verständnis der mikrophysikalischen Prozesse in kalten Wolken und dazugehörigen Regenfällen

Wolken und Niederschlag gehören zu den größten Herausforderungen für derzeitige Wetter- und Klimamodelle. Der letzte IPCC Bericht stellt heraus, dass insbesondere die mikrophysikalischen Prozesse in Mischphasenwolken bestehend aus Eis und flüssigen Wasser bislang nur unzureichend verstanden sind was wiederum eine bessere Modellierung dieser Wolken erschwert. Mischphasenwolken kommen besonders häufig in den höheren Breiten vor, aber auch die meisten Wolken und Niederschlagprozesse in mittleren Breiten sind eng mit den Eis- und Schneepartikeln im Oberteil der Wolke verknüpft.Um unser Verständnis von diesen zentralen Prozessen zu verbessern, wie etwa die Frage wie Eisteilchen entstehen oder wie sie zu Schnee- oder Graupelpartikel anwachsen, benötigen wir umfangreiche Beobachtungsdatensätze als Basis um Modellparametrisierungen weiter zu verbessern.Daher möchten wir in diesem Projekt neueste Fernerkundungsverfahren, wie etwa Radarpolarimetrie, Dreifrequenzradar und die Radardopplerspektren, optimal mit passiven Beobachtungen und neuartigen in-situ Sensoren kombinieren. Nur durch die Kombination verschiedener Beobachtungstechniken, hat man die Möglichkeit die verschiedenen Einflussgrößen der zugrunde liegenden Prozesse zu unterscheiden. Dazu werden wir die Beobachtungsmöglichkeiten bestehender Infrastruktur mit neuen Messgeräten grundlegend erweitern, um die beschriebenen Prozesse in bislang unerreichter Genauigkeit zu beobachten.Da Fernerkundungsmessungen (z.B. Radarreflektivität) immer eine indirekte Messung der eigentlichen Modellgröße (etwa Eiswassergehalt) sind, werden wir einen Forwärtsoperator entwickeln, mit dem man aus den Modellsimulationen synthetische Beobachtungen erzeugen kann. Damit lassen sich reale und synthetische Messgrößen direkt vergleichen. Ein zentraler neuer Bestandteil des Forwärtsoperators wird dabei eine Datenbank der Streueigenschaften von Schnee- und Eispartikel sein. Um einen frei-zugänglichen Streudatensatz zu erzeugen, werden wir bereits zur Verfügung stehende Datensätze mit eigenen Streurechnungen kombinieren.Schließlich werden die Kombination aus neuen Beobachtungsverfahren und Forwärtsoperator nutzen, um die Parametrisierungen im Wettervorhersagemodell des Deutschen Wetterdienstes zu untersuchen. Des Weiteren werden wir für spezielle Fallstudien, bei denen sich ein bestimmter Prozess über längere Zeit erkennen lässt, Simulationen mit einem 1D Modell durchführen. Das 1D Modell erlaubt eine Vielzahl an detaillierten Parametrisierungen zu testen und Lücken im generellen Prozessverständnis zu identifizieren. Diese Erkenntnisse können dann wiederum zu Verbesserungen vereinfachter Parametrisierungen in Wetter- und Klimamodellen genutzt werden. Am Ende des Projektes wollen wir nicht nur einen neuartigen Daten und Methoden zur Verfügung stellen, sondern auch neue Wege aufzeigen, wie die Informationen der Beobachtungen für die Verbesserung von Modellparametrisierungen am besten nutzbar gemacht werden können.

GTS Bulletin: SMVX01 EDZW - Surface data (details are described in the abstract)

The SMVX01 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SM): Main synoptic hour (Remarks from Volume-C: SHIP)

GTS Bulletin: SNLV41 UMRR - Surface data (details are described in the abstract)

The SNLV41 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SN): Non-standard synoptic hour A1A2 (LV): Latvia (Remarks from Volume-C: NilReason)

GTS Bulletin: SNLV40 UMRR - Surface data (details are described in the abstract)

The SNLV40 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SN): Non-standard synoptic hour A1A2 (LV): Latvia (Remarks from Volume-C: NilReason)

1 2 3 4 5 … 134 135 136