The FTSN31 TTAAii Data Designators decode as: T1 (F): Forecast T1T2 (FT): Aerodrome (VT >= 12 hours) A1A2 (SN): Sweden (Remarks from Volume-C: NilReason)
Im Rahmen des Projektes soll der spektrale Extinktionskoeffizient des unbeeinflussten atmosphärischen Aerosols bei 3 Wellenlängen (405, 532, 850 nm) mit einem neu entwickelten portablen SAEMS (Spectral Aerosol Extinction Monitoring System) in Kombination mit einem Ramanlidar untersucht werden. Dieses Fernmessverfahren soll weltweit in ausgewählten Quellregionen mit charakteristischen, unterschiedlichen Aerosoltypen (marines Aerosol, Mineralstaubaerosol, Biomasseverbrennungsaerosol) und natürlichen Aerosolmischungen eingesetzt werden. Das Messsystem wird mit Feuchte- und Temperatursensoren ausgestattet sein damit speziell auch die Änderung der optischen Eigenschaften der atmosphärischen Partikel bei realistischen Umgebungsfeuchtebedingungen erfasst wird. Die Wegstreckenauswahl dieses Aufbaus wird für die jeweiligen Aerosolbedingungen optimiert (horizontale Messstreckenlänge 1-3 km, 10-20 m über dem Boden). Die hygroskopischen Eigenschaften des Aerosols im Umgebungsfeuchtebereich sollen spezifisch für den jeweiligen Einsatzort bestimmt werden und eine aerosoltypabhängige Parametrisierung erarbeitet werden. Ziel ist langfristig die Charakterisierung der Aerosolsäule durch Kombination von bodengebundenen in-situ Methoden und Fernmessverfahren und sowie eine systematische Untersuchung des Feuchteeinflusses auf die aerosoloptischen Eigenschaften. Dazu soll die automatisierte Ermittlung des Extinktionskoeffizienten im bodennahen Bereich in den kontinuierlichen Messbetrieb der mobilen Landstation LACROS (Leipzig Aerosol and Cloud Remote Observations System) des TROPOS integriert werden. Derartige Untersuchungen sind von großer Wichtigkeit für die Klimamodellierung (Parametrisierung der Strahlungswechselwirkung von Aerosolen) sowie der Synthese der aktiven Fernerkundung (Bestimmung der optischen Eigenschaften der Aerosolsäule) und der mikrophysikalischen Eigenschaften durch in-situ Bodenmessungen.
The FTKN64 TTAAii Data Designators decode as: T1 (F): Forecast T1T2 (FT): Aerodrome (VT >= 12 hours) A1A2 (KN): Kenya (Remarks from Volume-C: NilReason)
The ISND72 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 (Remarks from Volume-C: NATIONAL AUTOMATIC SYNOP)
The SADL40 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SA): Aviation routine reports A1A2 (DL): Germany (The bulletin collects reports from stations: EDOP;SCHWERIN PARCHIM ;EDVK;KASSEL-CALDEN ;EDMO;OBERPFAFFENHOFEN ;EDXW;WESTERLAND SYLT ;EDTL;LAHR ;EDDV;HANNOVER ;EDDW;BREMEN ;EDFH;FRANKFURT-HAHN ;EDDR;SAARBRUECKEN ;EDDS;STUTTGART ;EDDT;BERLIN-TEGEL INT ;EDDM;MUNICH INT ;EDTD;DONAUESCHINGEN-VILLINGEN ;EDDN;NUERNBERG;EDHI;HAMBURG-FINKENWERDER ;EDHL;LUEBECK BLANKENSEE ;EDDP;LEIPZIG HALLE ;EDFM;MANNHEIM-CITY ;EDHK;KIEL-HOLTENAU ;EDBC;COCHSTEDT ;EDVE;BRAUNSCHWEIG WOLFSBURG ;EDDK;COLOGNE BONN ;EDJA;MEMMINGEN ALLGAU ;EDDL;DUESSELDORF INT ;EDDE;ERFURT ;EDDF;FRANKFURT AM MAIN INT ;EDDG;MUENSTER OSNABRUECK ;EDDH;HAMBURG ;EDLW;DORTMUND ;EDDC;DRESDEN ;EDDB;BERLIN-Brandenburg INT ;EDLV;NIEDERRHEIN ;EDLP;PADERBORN LIPPSTADT ;EDLN;MOENCHENGLADBACH ;EDNY;FRIEDRICHSHAFEN ;EDSB;KARLSRUHE BADEN-BADEN ;EDMA;AUGSBURG ;EDQM;HOF-PLAUEN ;EDRZ;ZWEIBRUECKEN ;EDAC;ALTENBURG-NOBITZ ;EDTY;SCHWAEBISCH HALL ;EDAH;HERINGSDORF ;EDGS;SIEGERLAND ;) (Remarks from Volume-C: COMPILATION FOR REGIONAL EXCHANGE)
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.
Die Wechselwirkung von Wolken und Aerosol und ihre Rolle im Strahlungshaushalt der Erde ist ein Feld offener Fragen. Der IPCC (2014) nennt große Unsicherheiten und den Bedarf an zusätzlichen wissenschaftlichen Bemühungen, um die Vielzahl der Prozesse und deren Rolle für ein sich wandelndes Klima besser zu verstehen. Dieser Antrag hat die Entwicklung neuartiger Fernerkundungskonzepte zur Beobachtung einiger dieser Prozesse zum Ziel. Aerosol hat direkten Einfluss auf den Strahlungshaushalt und löst eine Serie von indirekten Effekten aus, indem es die Wolken-Mikrophysik, die Wolken-Dynamik, -Lebensdauer, den Wasserkreislauf und sogar die großskalige Zirkulation beeinflusst. Eigenschaften und räumliche Verteilung des Aerosols selbst ändern sich durch die Prozesse während der Wolkenpartikelbildung und ihrer Auflösung. Die Konzentration aktivierter Wolkenkondensationskeime (CCNC) spielt dabei eine entscheidende Rolle. CCNC kann in-situ nur mit sehr begrenzter räumlicher Abdeckung vermessen werden. Gleichzeitig kann sie nicht quantitativ mit herkömmlichen Fernerkundungsmethoden bestimmt werden, da die typische CCN Größe mehr als eine Größenordnung unterhalb der Wellenlänge sichtbarer Strahlung liegt. Daher wurde ein alternativer Ansatz vorgeschlagen: Messungen der von Wolkenseiten reflektierten Solarstrahlung ermöglichen die Ableitung von Vertikalprofilen der Partikelphase sowie ihrer Größe. Es wurde hypothetisiert, dass der Einfluss des Aerosols auf die Entwicklung der Mikrophysik so beobachtbar wird ebenso wie die Ableitung der CCNC. Alternativ kann CCNC auch aus Messungen optischer Eigenschaften der Aerosole abgeleitet werden. Der Zusammenhang zwischen optischer Dicke des Aerosols und CCNC wurde identifiziert, allerdings verbunden mit Unsicherheiten. Der Vorschlag, diese beiden Ansätze zu verbinden und die damit verbundenen Hypothesen zu testen, ist Kern dieses Antrags. Hyper-spektrale Beobachtungen mittels eines schnellen Scanners sind entscheidend, da Wolken sich sehr schnell verändern. Dazu soll ein abbildendes Spektrometer mit Polarisationsfiltern erweitert werden. Mit demselben Messgerät können dann die Mikrophysik der Wolken und die Eigenschaften des Aerosols im umgebenden wolkenlosen Bereich abgeleitet werden. Das Projekt ist im Wesentlichen in zwei Doktorarbeiten aufgeteilt. Highlights: 1) Test zweier Hypothesen, die Kern kommender Flugzeug-Kampagnen und geplanter Satellitenmissionen sind: CCNC kann aus Fernerkundung der Aerosoleigenschaften und aus Profilen der Wolkenmikrophysik abgeleitet werden. 2) Schnelle hyper-spektrale Scanner-Messungen ermöglichen Mikrophysik-Messungen veränderlicher Wolken. Erlauben diese Daten Ableitungen der Veränderung der Mikrophysik abhängig von der Entfernung zur Wolkenseite? 3) Ableitung von Aerosol-Eigenschaften aus polarisierten spektralen Messungen auch in bewölkten Situationen.
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 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.
Abweichend von konventionellen Standardverfahren zur Regelung von Wärmeerzeuger sollen in dem Projekt eine Vielzahl von internen und externen Eingangsgrößen zur Regelung verwendet werden. Hierbei handelt es sich unter anderem um Wetterdaten, Strompreise, Stromerzeugung und Korrelationsgrößen für die Belegung. In die Entscheidungsfindung zur Regelung fließen nicht nur aktuelle Zustandsgrößen ein, sondern auch zukünftige Werte. Es erfolgt somit eine prädiktive und vorausschauende Regelung anstelle einer reaktiven Standardregelung. Für solch eine Optimierungsaufgabe mit einer Vielzahl an Eingangsgrößen und einem längeren Betrachtungshorizont eigenen sich Methoden des maschinellen Lernens wie z.B. dem Reinforcement Learning. Der Vorteil dieser Methode ist eine bedarfsgenaue und wirtschaftliche Wärmebereitstellung. Mit Hilfe von Simulationsmodellen kann eine Vielzahl von Szenarien nachgebildet und als Trainingsdaten verwendet werden. Ziel des Forschungsprojektes ist es, die Optimierung von sektorübergreifenden Energiesystemen zu automatisieren und mit Hilfe von maschinellem Lernen und Metadaten die Anlagenparameter kontinuierlich anzupassen. Durch Transfer Learning können Messdaten anderer Gebäude als Trainingsdaten verwendet werden. Der Heizenergiebedarf wird mit Hilfe von neuronalen Netzen prognostiziert. Die entwickelten Prognose- und Regelungsmodelle werden in Kombination mit der Kommunikationsschnittstelle bei mehreren Gebäuden angewendet. Hierdurch sollen Generalisierungsmöglichkeiten gefunden werden, durch die das Trainieren bei neuen Gebäuden schneller erfolgen kann. Das Alleinstellungsmerkmal der Projektidee ist die Symbiose der Algorithmenentwicklung und ihre unmittelbare Validierung im Praxiskontext. Der Arbeitsschwerpunkt für Green Fusion liegt hierbei in der Entwicklung einer modularen Simulationsbibliothek des Energiesystems im Gebäude sowie der Anbindung der Objekte an die Kommunikationsschnittstelle durch die Cloud.
| Organisation | Count |
|---|---|
| Bund | 1348 |
| Europa | 37 |
| Global | 1 |
| Kommune | 6 |
| Land | 387 |
| Weitere | 2 |
| Wirtschaft | 8 |
| Wissenschaft | 605 |
| Zivilgesellschaft | 4 |
| Type | Count |
|---|---|
| Daten und Messstellen | 6 |
| Ereignis | 1 |
| Förderprogramm | 969 |
| Hochwertiger Datensatz | 2 |
| Repositorium | 4 |
| Text | 4 |
| unbekannt | 374 |
| License | Count |
|---|---|
| Geschlossen | 3 |
| Offen | 982 |
| Unbekannt | 375 |
| Language | Count |
|---|---|
| Deutsch | 776 |
| Englisch | 770 |
| Resource type | Count |
|---|---|
| Archiv | 3 |
| Datei | 3 |
| Dokument | 4 |
| Keine | 764 |
| Webseite | 589 |
| Topic | Count |
|---|---|
| Boden | 772 |
| Lebewesen und Lebensräume | 1108 |
| Luft | 1360 |
| Mensch und Umwelt | 1360 |
| Wasser | 735 |
| Weitere | 1337 |