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.
The SNSN30 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SN): Non-standard synoptic hour A1A2 (SN): Sweden (Remarks from Volume-C: NilReason)
The SISN01 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SI): Intermediate synoptic hour A1A2 (SN): Sweden (Remarks from Volume-C: NilReason)
Die Auswirkungen von Zirrus-Wolken auf die chemische Zusammensetzung der oberen Troposphäre und unteren Stratosphäre sind ein nur mit großen Unsicherheiten bekannter Faktor im globalen Klimawandel. Die Nukleation und das Wachstum von Eispartikeln in Zirren können die vertikale Umverteilung des wichtigsten Treibhausgases Wasserdampf (H2O) bewirken. Weiterhin sind Eispartikel in Zirren in der Lage, Salpetersäure (HNO3) und weitere Verbindungen aufzunehmen und vertikal umzuverteilen. Genaue Simulationen von Zirren und deren Auswirkungen auf die chemische Zusammensetzung der oberen Troposphäre und unteren Stratosphäre stellen eine Herausforderung für numerische Wettervorhersagemodelle und Chemie-Klima-Modelle dar. In dem vorgestellten Projekt sollen mittels Messungen des GLORIA-Spektrometers während der HALO-Mission (High Altitude and LOng range research aircraft) POLSTRACC/GW-LCYCLE/SALSA und Modell-Simulationen die Auswirkungen von Zirren auf die chemische Zusammensetzung der oberen Troposphäre und unteren Stratosphäre in hohen Breiten untersucht werden.
Passatwindkumuli spielen eine essentielle Rolle im Strahlungshaushalt der Erde und sind verantwortlich für bis zu 20 % des tropischen Niederschlags. Noch ist nicht bekannt, wie Passatwindkumuli auf die globale Erwärmung reagieren werden. Durch Niederschlag verändern sich Wolkeneigenschaften, aber auch die Grenzschichtstruktur und -dynamik. Aufgrund der Vielzahl der beteiligten Prozesse ist die Niederschlagsentwicklung in Modellen ist unsicher. Die Konfiguration der Simulationen und Wahl der Parameterisierung, wie das Autokonversionsschema, beeinflussen Niederschlagsfluss, Wolkenstruktur und â€Ìorganisation. Bisher konnten Vergleiche mit Beobachtungen noch nicht zur Reduktion der Unsicherheit des Autokonversionsschemas beitragen. Radarreflektivität, die mit Standardmethoden aus bodengebundenen Messungen abgeleitet wird, erkennt Niederschlag erst in einem fortgeschrittenen Stadium, was es schwierig macht, die verschiedenen, den Regen verursachenden Faktoren zu entflechten. Durch die Verdunstung des Niederschlags unterhalb der Wolkenunterkante (WUK) bestimmt dieser die Stärke der Coldpools und ist so bedeutend für die Organisation von Konvektion und somit die Klimasensitivität: Daher ist es essentiell Verdunstungsraten zu bestimmen und deren räumlich-zeitliche Variabilität zu verstehen. Zwar gibt es Parameterisierungen der Verdunstung unterhalb der WUK, allerdings sind diese von der Größe der Regentropfen abhängig, welche jedoch schlecht direkt zu beobachten ist.Ziel dieses Antrages ist die Bestimmung von Faktoren, welche die Niederschlagsformation in Passatwindkumuli beeinflussen. Dazu werden neuartige Radarbeobachtungen dieser Prozesse zur genaueren Beschreibung der Niederschlagsentwicklung in Grobstruktursimulationen (LES) herangezogen. Die räumlich-zeitliche Verdunstungsverteilung wird unterhalb der WUK in den Passatwindkumuli untersucht und treibende Faktoren identifiziert. Das Forschungsvorhaben ergänzt die bevorstehende EUREC4A (A Field Campaign to Elucidate the Couplings Between Clouds, Convection and Circulation) Kampagne und nutzt die langjährige Datenreihe des Barbados Cloud Observatory (BCO).Die synergetischen bodengebundenen Beobachtungen und der neue Ansatz, Niederschlag in Wolken mit Hilfe höherer Momente des Wolkenradardopplerspektrums zu bestimmen, werden erstmalig zur Beobachtungen von Passatwindkumuli und der Charakterisierung des Niederschlagslebenszyklus zu angewendet. Damit wird es möglich die Niederschlagsentwicklung in den hochauflösenden ICON-LEM und DHARMA-LES Modellen zu evaluieren. Für einen statistischen Vergleich der Simulationen und der Beobachtungen wird der Vorwärtsoperator PAMTRA verwendet, so dass im Beobachtungsraum untersucht werden kann, inwiefern die Modelle die beobachteten, mittleren Werte und Abhängigkeiten reproduzieren können und systematischen Fehler identifiziert werden. Damit trägt das Vorhaben zum Grand Challenge on Cloud Circulation and Climate Sensitivity des Weltklimaforschungsprogramm WRCP bei.
The ISMD06 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: 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)
The SNVX22 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SN): Non-standard synoptic hour (Remarks from Volume-C: SHIP)
The SMSN30 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SM): Main synoptic hour A1A2 (SN): Sweden (Remarks from Volume-C: NilReason)
The SISN30 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SI): Intermediate synoptic hour A1A2 (SN): Sweden (Remarks from Volume-C: NilReason)
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.
| Organisation | Count |
|---|---|
| Bund | 1343 |
| Europa | 145 |
| Global | 1 |
| Land | 268 |
| Weitere | 2 |
| Wirtschaft | 5 |
| Wissenschaft | 480 |
| Zivilgesellschaft | 4 |
| Type | Count |
|---|---|
| Daten und Messstellen | 6 |
| Ereignis | 1 |
| Förderprogramm | 965 |
| Hochwertiger Datensatz | 2 |
| Repositorium | 4 |
| Text | 3 |
| unbekannt | 374 |
| License | Count |
|---|---|
| Geschlossen | 3 |
| Offen | 977 |
| Unbekannt | 375 |
| Language | Count |
|---|---|
| Deutsch | 771 |
| Englisch | 770 |
| Resource type | Count |
|---|---|
| Archiv | 3 |
| Datei | 3 |
| Dokument | 4 |
| Keine | 759 |
| Webseite | 589 |
| Topic | Count |
|---|---|
| Boden | 765 |
| Lebewesen und Lebensräume | 1100 |
| Luft | 1316 |
| Mensch und Umwelt | 1355 |
| Wasser | 730 |
| Weitere | 1352 |