API src

Found 1357 results.

Related terms

GTS Bulletin: SILV41 UMRR - Surface data (details are described in the abstract)

The SILV41 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SI): Intermediate synoptic hour A1A2 (LV): Latvia (Remarks from Volume-C: NilReason)

GTS Bulletin: FTKN64 HKMO - Forecast (details are described in the abstract)

The FTKN64 TTAAii Data Designators decode as: T1 (F): Forecast T1T2 (FT): Aerodrome (VT >= 12 hours) A1A2 (KN): Kenya (Remarks from Volume-C: NilReason)

GTS Bulletin: ISND01 EDZW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISND01 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 (The bulletin collects reports from stations: 10004;UFS TW Ems;10015;Helgoland;10020;List auf Sylt;10035;Schleswig;10055;Fehmarn;10147;Hamburg-Fuhlsbüttel;10162;Schwerin;10184;Greifswald;10200;Emden;10224;Bremen;10270;Neuruppin;10338;Hannover;10361;Magdeburg;10393;Lindenberg;10400;Düsseldorf;10469;Leipzig/Halle;10488;Dresden-Klotzsche;10506;Nürburg-Barweiler;10548;Meiningen;10637;Frankfurt/Main;10685;Hof;10738;Stuttgart-Echterdingen;10763;Nürnberg;10788;Straubing;10852;Augsburg;10946;Kempten;) (Remarks from Volume-C: SYNOP)

GTS Bulletin: ISMD01 EDZW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISMD01 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: 10004;UFS TW Ems;10015;Helgoland;10020;List auf Sylt;10035;Schleswig;10055;Fehmarn;10147;Hamburg-Fuhlsbüttel;10162;Schwerin;10184;Greifswald;10200;Emden;10224;Bremen;10270;Neuruppin;10338;Hannover;10361;Magdeburg;10393;Lindenberg;10400;Düsseldorf;10469;Leipzig/Halle;10488;Dresden-Klotzsche;10506;Nürburg-Barweiler;10548;Meiningen;10637;Frankfurt/Main;10685;Hof;10738;Stuttgart-Echterdingen;10763;Nürnberg;10788;Straubing;10852;Augsburg;10946;Kempten;) (Remarks from Volume-C: SYNOP)

GTS Bulletin: ISID06 EDZW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISID06 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISI): Intermediate synoptic observations from fixed land stations A2 (D): 90°E - 0° northern hemisphere(The bulletin collects reports from stations: 10321;Diepholz;10325;Salzuflen, Bad;10348;Braunschweig;10356;Ummendorf;10359;Gardelegen;10365;Genthin;10368;Wiesenburg;10376;Baruth;10385;Berlin-Brandenburg;10396;Manschnow;10418;Lüdenscheid;10424;Werl;10433;Lügde-Paenbruch;10435;Warburg;10441;10442;Alfeld;10444;Göttingen;10449;Leinefelde;10452;Braunlage;) (Remarks from Volume-C: SYNOP)

GTS Bulletin: ISID08 EDZW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISID08 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISI): Intermediate synoptic observations from fixed land stations A2 (D): 90°E - 0° northern hemisphere(The bulletin collects reports from stations: 10564;Schleiz;10565;Osterfeld;10569;Plauen;10574;Carlsfeld;10577;Chemnitz;10579;Marienberg;10582;Zinnwald-Georgenfeld;10591;Lichtenhain-Mittelndorf;10615;Deuselbach;10628;Geisenheim;10635;Kleiner Feldberg/Taunus;10646;Neuhütten/Spessart;10648;Michelstadt-Vielbrunn;10658;Kissingen, Bad;10671;Lautertal-Oberlauter;10686;Wunsiedel-Schönbrunn;10704;Berus;10706;Tholey;10724;Weinbiet;10733;Waibstadt;10736;Mühlacker;10739;Stuttgart (Schnarrenberg);10747;Kaisersbach-Cronhütte;) (Remarks from Volume-C: SYNOP)

GTS Bulletin: FCDL40 EDZW - Forecast (details are described in the abstract)

The FCDL40 TTAAii Data Designators decode as: T1 (F): Forecast T1T2 (FC): Aerodrome (VT < 12 hours) A1A2 (DL): Germany (The bulletin collects reports from stations: EDVK;KASSEL-CALDEN ;EDMO;OBERPFAFFENHOFEN ;EDLN;MOENCHENGLADBACH ;EDXW;WESTERLAND SYLT ;EDTL;LAHR ;EDTD;DONAUESCHINGEN-VILLINGEN ;EDHI;HAMBURG-FINKENWERDER ;EDHL;LUEBECK BLANKENSEE ;EDFM;MANNHEIM-CITY ;EDHK;KIEL-HOLTENAU ;EDBC;COCHSTEDT ;EDMA;AUGSBURG ;EDVE;BRAUNSCHWEIG WOLFSBURG ;EDQM;HOF-PLAUEN ;EDAC;ALTENBURG-NOBITZ ;EDJA;MEMMINGEN ALLGAU ;EDTY;SCHWAEBISCH HALL ;EDAH;HERINGSDORF ;EDGS;SIEGERLAND ;)

Vertikale Verteilung von Wolkenkondensationskernen in marinen und kontinentalen Luftmassen in Europa und ihre Verbindung zur Wolkentropfenanzahlkonzentration in warmen Wolken

Die Anzahl der verfügbaren Wolkenkondensationskerne (CCN) beeinflusst maßgeblich die mikrophysikalischen Wolkeneigenschaften, wie z.B. die Wolkentropfenanzahlkonzentration (CDNC) und deren Größenverteilung. CDNC und die Tropfengröße steuern sowohl die Strahlungseigenschaften als auch die Lebensdauer von Wolken. Dies wirkt sich komplex auf die Energiebilanz der Erde aus. Aktuelle Klimamodelle basieren häufig auf Annahmen über CCN Anzahlkonzentrationen und andere CCN bezogene Eigenschaften (z.B. Hygroskopizität), da für viele Regionen auf der Erde repräsentative Daten fehlen. Wenn vorhanden, handelt es sich bei diesen CCN Daten um bodengebundene Messungen, welche somit nicht - mit Ausnahme von Bergstationen - in der für Wolkenbildungsprozesse relevanten Höhe durchgeführt wurden. Für die Karibikregion wurde gezeigt, dass die bodengebundenen CCN Messungen für die gesamte marine Grenzschicht repräsentativ zu sein scheinen also auch für die Wolkenbildungsregionen. Im hier vorgeschlagenen Projekt wollen wir überprüfen, ob bodengebundene CCN Messungen auch in anderen Erdregionen repräsentativ sind für die CCN Anzahl in der Wolkenbildungsregion, und wenn ja, unter welchen Bedingungen. Dies würde die Anwendung von CCN Daten in Modellen stark vereinfachen. Dazu wird die Gültigkeit der Beobachtungen in der Karibik, in zwei gegensätzlichen Umgebungen getestet werden, einmal in einer marinen und einmal in einer kontinentalen Umgebung. Die Messkampagne zu marinen CCN soll auf den Azoren (Portugal) durchgeführt werden. Wir werden kontinuierlich verfügbare CCN Daten von der Azoren Eastern Nordatlantik (ENA) Station auf der Insel La Graciosa (auf Meereshöhe) mit Daten von der Bergstation Pico (Pico Island, 2225 m ü.d.M.) kombinieren. Ergänzend werden CCN und CDNC Messungen auf der Helikopter-Messplattform (ACTOS) durchgeführt, um die vertikale Lücke zwischen den Meeresspiegel- und Bergmessungen zu schließen. Die kontinentalen bodengebundenen CCN Messungen werden kontinuierlich an der ACTRIS Station Melpitz durchgeführt. Die vertikale CCN und CDNC Verteilung wird in Melpitz mit Hilfe eines Ballons in mehreren einwöchigen Kampagnen einmal pro Jahreszeit gemessen werden. Darüber hinaus werden wir mit Hilfe der Aerosol-Wolken-Wechselwirkungsmetrik (ACI) die in der Wolke in-situ gemessen CCN Eigenschaften (das heißt Anzahl und Hygroskopizität) mit den CDNC quantitativ verbinden. Es wird außerdem eine Sensitivitätsstudie mit einem Cloud-Parcel Model durchgeführt, welches durch die realen Messungen in der Atmosphäre angetrieben werden wird. Dies wird einen Einblick in das Übersättigungsregime von frisch gebildeten Wolken gewähren.Die CCN Daten selbst, die Erkenntnisse zu CCN Eigenschaften und ihrer vertikalen Verteilung sowie die quantitative Verbindung zwischen CCN und CDNC werden im Hinblick auf das Verständnis und die Modellierung der Wolkentropfenaktivierung sowie der mikrophysikalischen Wolkeneigenschaften von außerordentlichem Wert sein.

Nachverfolgung des Lebenszyklus von Eiskeimen zur Verbesserung von Klimaprojektionen

Wolken und Aerosole beeinflussen den Energiehaushalt und den Wasserkreislauf der Erde. Die Wolkenphase – ob eine Wolke aus Wassertröpfchen oder Eispartikeln besteht – beeinflusst den Strahlungseffekt der Wolken, da Wolkentröpfchen zahlreicher und kleiner sind als Eispartikel und daher mehr Sonnenstrahlung reflektieren.Durch die Erwärmung der Erde und der Atmosphäre durch den Klimawandel werden in Mischphasewolken (die aus Wassertröpfchen und Eispartikel bestehen können) Eispartikel teilweise durch Wassertröpfchen ersetzt und die Wolkenalbedo nimmt zu. Das führt zu einer negativen Rückkopplung, der sogenannten Wolkenphasenrückkopplung. Die Stärke dieser Rückkopplung hängt in Klimamodellen von der Repräsentation der Eisnukleation ab. Es wird immer deutlicher, dass die Schwankungsbreite von Klimaprojektionen (+1,8 bis +6,5 K) in der neuen Generation von Klimamodellen stark von der simulierten Wolkenphasenrückkopplung abhängt. Der gesellschaftliche Nutzen einer Verbesserung der Genauigkeit von Klimaprojektionen wird auf über 10 Millionen Millionen US-Dollar geschätzt. Eine bessere Darstellung der Eisbildung im Mischphasenregime in Klimamodellen ist deshalb dringend erforderlich.Aerosole können als Eiskeime, die das Gefrieren von Tröpfchen bewirken, die Häufigkeit von Eiswolken erhöhen und die Wolkenbedeckung und den Wassergehalt verringern. Insbesondere Mineralstaub kontrolliert häufig die Eisbildung in Wolken.In früheren Studien habe ich wichtige Diskrepanzen bezüglich der staubgetriebenen Wolkenvereisung im ECHAM-HAM Klimamodell und Satellitenbeobachtungen identifiziert, die sehr wahrscheinlich auch in anderen Klimamodellen vorhanden sind. Um diese zu beheben, werde ich in ECHAM-HAM Eisprozesse implementieren, die für das staubgetriebene Gefrieren von Wolkentröpfchen relevant sind, aber derzeit noch fehlen: Erstens werde ich eine Nachverfolgung von Eiskeimen implementieren, insbesonders deren Entfernung durch Niederschlagsbildung nach dem Gefrieren von Wolkentröpfchen. Dies sollte die Überschätzung der staubgetriebenen Wolkenvereisung über dem Südpolarmeer im Modell verringern. Zweitens werde ich eine Kategorie für Staub-Eiskeime hinzufügen, die bei Temperaturen unter -35 °C voraktiviert werden. Dies soll zu einem verstärkten Gefrieren von Wolkentröpfchen in Mischphasenwolken führen, was die im Modell gefundene generelle Unterschätzung des staubgetriebenen Gefrierens von Tröpfchen erklären und reduzieren soll. Drittens werde ich das Recycling von Staub-Eiskeimen nach der Sublimation von Eiskristallen implementieren. Dies soll ebenfalls zu einer Verbesserung des Gefrierens von Tröpfchen führen und den im Modell beobachteten Bias zusammen mit den anderen neuen Prozessen beseitigen. Diese neuen Prozesse werden anhand weltraumgestützter Beobachtungen evaluiert und ihre Auswirkungen auf die Wolkenphasenrückkopplung und die Klimasensitivität werden untersucht werden.

Forschergruppe (FOR) 861: Cross-scale Monitoring: Biodiversity and Ecosystem Functions, Quantification of functional hydro-biogeochemical indicators in Ecuadorian ecosystems and their reaction on global change

Water is an intrinsic component of ecosystems acting as a key agent of lateral transport for particulate and dissolved nutrients, forcing energy transfers, triggering erosion, and driving biodiversity patterns. Given the drastic impact of land use and climate change on any of these components and the vulnerability of Ecuadorian ecosystems with regard to this global change, indicators are required that not merely describe the structural condition of ecosystems, but rather capture the functional relations and processes. This project aims at investigating a set of such functional indicators from the fields of hydrology and biogeochemistry. In particular we will investigate (1) flow regime and timing, (2) nutrient cycling and flux rates, and (3) sediment fluxes as likely indicators. For assessing flow regime and timing we will concentrate on studying stable water isotopes to estimate mean transit time distributions that are likely to be impacted by changes in rainfall patterns and land use. Hysteresis loops of nitrate concentrations and calculated flux rates will be used as functional indicators for nutrient fluxes, most likely to be altered by changes in temperature as well as by land use and management. Finally, sediment fluxes will be measured to indicate surface runoff contribution to total discharge, mainly influenced by intensity of rainfall as well as land use. Monitoring of (1) will be based on intensive sampling campaigns of stable water isotopes in stream water and precipitation, while for (2) and (3) we plan to install automatic, high temporal-resolution field analytical instruments. Based on the data obtained by this intensive, bust cost effective monitoring, we will develop the functional indicators. This also provides a solid database for process-based model development. Models that are able to simulate these indicators are needed to enable projections into the future and to investigate the resilience of Ecuadorian landscape to global change. For the intended model set up we will couple the Catchment Modeling Framework, the biogeochemical LandscapeDNDC model and semi-empirical models for aquatic diversity. Global change scenarios will then be analyzed to capture the likely reaction of functional indicators. Finally, we will contribute to the written guidelines for developing a comprehensive monitoring program for biodiversity and ecosystem functions. Right from the beginning we will cooperate with four SENESCYT companion projects and three local non-university partners to ensure that the developed monitoring program will be appreciated by locals and stakeholders. Monitoring and modelling will focus on all three research areas in the Páramo (Cajas National Park), the dry forest (Reserva Laipuna) and the tropical montane cloud forest (Reserva Biologica San Francisco).

1 2 3 4 5 … 134 135 136