API src

Found 1880 results.

Similar terms

s/lacs/Lack/gi

INSPIRE-WFS Land Use / InVeKoS Landwirtschaftliche Parzellen BB

Der interoperable INSPIRE-WFS ist ein Downloaddienst, der Daten im Annex-Schema Existierende Bodennutzung (abgeleitet aus dem originären Datensatz: Daten aus dem Agrarförderantrag) bereitstellt. Gemäß der INSPIRE-Datenspezifikation Land Use (D2.8.III.4_v3.0.0) liegen die Inhalte INSPIRE-konform vor. Der WFS beinhaltet die folgenden FeatureTypes: • Datensatz zur existierenden Bodennutzung (elu:ExistingLandUseDataSet): Ein Datensatz zur existierenden Bodennutzung ist eine Sammlung von Flächen, für die Informationen zur existierenden (gegenwärtigen oder früheren) Bodennutzung angegeben sind. • Objekt zur existierenden Bodennutzung (elu:ExistingLandUseObject): Ein Objekt zur existierenden Bodennutzung beschreibt die Bodennutzung in einem Gebiet mit einheitlicher Bodennutzungskategorie oder homogener Kombination verschiedener Bodennutzungen. --- The compliant INSPIRE-WFS is a download service that delivers data in the Annex-Schema Existing Land Use (derived from the original data set: Data from the agricultural aid application). The content is compliant to the INSPIRE data specification for the annex theme Land Use (D2.8.III.4_v3.0.0). The WFS includes the following feature types: • Existing land use data set (elu:ExistingLandUseDataSet): An existing land use data set is a collection of areas for which information on existing (present or past) land uses is provided. • Existing land use object (elu:ExistingLandUseObject): An existing land use object describes the land use of an area having a homogeneous combination of land use types. Maßstab: 1:2400; Bodenauflösung: 2.4m; Scanauflösung (DPI): null

Ermittlung der großräumigen Sensitivität von Grundwasserressourcen gegenüber dem Klimawandel

Die Klimakrise verändert zunehmend die räumliche und zeitliche Verfügbarkeit von Grundwasser, der wichtigsten globalen Süßwasserressource. Das quantitative Verständnis der Interaktion von Grundwasser und Klima, vor allem auf nationaler und kontinentaler Skala, ist wichtig für ein optimal angepasstes Grundwassermanagement. Bisher ist das Wissen über die großskalige Sensitivität der Grundwasserressourcen auf den Klimawandel jedoch sehr limitiert. Das Ziel des hier vorgestellten Projektes ist die Erforschung der Auswirkungen des Klimawandels und der damit einhergehenden Umweltveränderungen auf den quantitativen Zustand von Grundwasserressourcen auf national-kontinentaler Skala. Etablierte prozessbasierte Modelle (PBMs) zur hydro(geo)logischen Modellierung auf großer Skala (meist „Global Hydrological Models“ - GHMs) sind starke Vereinfachungen der Realität und unterliegen daher deutlichen Limitationen und Unsicherheiten. Im Gegensatz zu anderen PBMs, weisen GHMs daher begrenzte physikalische Konsistenz und Interpretierbarkeit auf und ihre Anwendung kann zu irreführenden Schlussfolgerungen über die Verfügbarkeit von Grundwasser vor dem Hintergrund des Klimawandels führen. Vor allem die Übertragbarkeit auf datenarme Regionen ist nur eingeschränkt möglich. In den letzten Jahren haben sich Deep Learning (DL) Modelle als präziser und leicht übertragbarer alternativer Ansatz in der Modellierung von Wasserressourcen etabliert. Für die Modellierung von Oberflächengewässern wurde zudem gezeigt, dass DL auch spezialisierte PBMs übertreffen kann. Das vorgeschlagene Projekt möchte sich die gewonnenen Erkenntnisse zunutze machen und ein DL-Modell zur Untersuchung der Sensitivität von Grundwasser auf den Klimawandel auf kontinentaler Skala aufbauen. Hierfür wird ein „big data“ Ansatz gewählt, der Daten von >2200 Einzugsgebieten in Nordamerika nutzt (Erweiterung denkbar). Ein solches Modell kann lernen, Wissen über verschiedene Regionen zu transferieren, gewinnt somit stark an Generalisierungsfähigkeit (z.B. auf datenarme Regionen) und schlussendlich an Vertrauenswürdigkeit. Weiterhin soll das Problem von fehlenden, interpretierbaren und physikalisch konsistenten Modellen im nationalen Maßstab angegangen werden, indem physikalisches Wissen und Prozesse in die DL-Modelle eingebaut werden. Durch diese Ansätze soll ein plausibles, interpretierbares und vor allem vertrauenswürdiges Modell entstehen, welches sich zur Untersuchung von Klimawandelszenarien eignet. Die genannten Aspekte sind hierbei besonders kritisch, da für Zeiträume in der Zukunft keine Validierung möglich ist. Das entwickelte Modell dient anschließend der Beantwortung der übergeordneten Fragestellung, und die Auswirkungen des Klimawandels auf die Grundwasserressourcen werden anhand der Daten von Klimamodellen auf Basis von RCP bzw. SSP Szenarien untersucht. Weiterhin werden spezialisierte Untersuchungen (Szenarien) zum Einfluss einzelner Einflussfaktoren (z.B. Landnutzung) durchgeführt.

Alternative Konservierungskonzepte für Hydro-Lacke und wässrige Beizen durch den Einsatz von natürlichen Substanzen, Teilvorhaben 2: Grundlagenuntersuchungen

Wasserbasierte Formulierungen zeigen eine Anfälligkeit für mikrobielle Verkeimung, die aktuell nur über den Einsatz geeigneter Biozide unterbunden werden kann. Bedingt durch die gesetzliche Limitierung der Methylisothiazolinon-Einsatzmenge (MIT) auf maximal 15 ppm für die Begrenzung des bakteriellen Wachstums, steht kein weiteres biozides Mittel mit einem solchen Wirkspektrum zur Verfügung. Alternative Ansätze wie ein hoher pH-Wert, z.B.bei Silikatfarben, können bei Hydro-Lacken und wässrigen Beizen nicht verfolgt werden. Dieses Defizit soll zur Vervollständigung einer ökologischeren, wasserbasierten Strategie für Lacke und Beizen durch den Einsatz geeigneter natürlicher Substanzen wie ätherischen Ölen und anderen Pflanzenextrakten ausgeglichen werden. Diese aus biogenen Rohstoffen isolierten biobasierten Feinchemikalien besitzen oft ein nachgewiesenermaßen breites Wirkspektrum. Besondere Herausforderungen beim Einsatz ätherischer Öle ergeben sich jedoch aus ihrem oftmals intensiven Geruch, der schlechten Wasserlöslichkeit und ihrer hohen Flüchtigkeit. Kompensiert werden sollen diese Nachteile durch die Mikroverkapselung dieser Biorohstoffe mit Hilfe der ebenfalls biobasierten Cyclodextrine. Damit wird gleichzeitig die Abhängigkeit von erdölbasierten Bioziden als Beitrag zur Ressourcenschonung reduziert.

Klimawandel und ZIKA-Infektionen in Fidschi, TP KIT: Konzeption, Bau des Demonstrators und Durchführung von Test- und Praxisphase

Dynamische Analyse und Vorhersagemodelle der Vulnerabilität von Karstquellen: Integration und Anwendung unspezifischer sowie quellenbezogener Indikatoren in ein hybrides Abflussmodell

Grundwasser dient als lebenswichtige Trinkwasserquelle, doch die steigende Nachfrage übt einen zunehmenden Druck auf lokale Grundwasserleiter aus. Besondere Beachtung gilt Karstgrundwassereinzugsgebiete, die durch eine schnelle Grundwasserneubildung und einen raschen Schadstofftransport gekennzeichnet sind. Die Bewertung der Vulnerabilität von Karstgrundwasserleitern und -quellen stützt sich bisher überwiegend auf statische Methoden, die nur selten integrative betrachtet werden. Es gibt es eine Vielzahl vielversprechender Indikatoren, sowohl nicht quellenspezifischer Art (z. B. elektrische Leitfähigkeit, Trübung, gelöster organischer Kohlenstoff), um schnelle Abflüsse zu erkennen, als auch quellenspezifischer Art (z. B. Metazachlor, Cyclamat, Koffein, Acesulfam), um die Herkunft von Schadstoffen in Karstgrundwasserleitern zu bestimmen. Diesen Indikatoren mangelt es jedoch an eine Prognosefähigkeit, da sie sich auf die Identifizierung von Verunreinigungen in Echtzeit oder die Verfolgung des Ursprungs der Verunreinigungen beschränken. Dieses Projekt zielt darauf ab, neue Methoden für die Echtzeitbewertung der Gefährdung und die Vorhersagemodellierung in Karstgrundwasserleitern zu verbessern und zu entwickeln, indem ein modernes hybrides Abflussmodell (mit räumlich aufgelöster Anreicherung und verklumptem Grundwasser) mit einem indikatorbasierten Ansatz integriert wird, der sowohl nicht quellenspezifische als auch quellenspezifische Indikatoren verwendet. Zu diesem Zweck, wird das hybride Abflussmodell bezüglich der schnellen Abflusskomponente auf der Grundlage nicht quellenspezifischer Indikatoren kalibrieren. Darüber hinaus werden Eintragsherde, wie punktuelle Einträge aus Abwasserüberschlägen und diffuse Einträge aus der Landwirtschaft, in das Modell einbezogen, gekoppelt mit einem reaktiven Stofftransportmodell. Dieser umfassende Ansatz wird es ermöglichen, Zeiträume mit erhöhter schneller Abflusskomponente, die häufig mit Verunreinigungen durch Bakterien, Viren, organische Verbindungen assoziiert ist, und Einträge aus spezifischen Quellen zu identifizieren. Ein besonders bemerkenswertes Merkmal dieses Ansatzes die Fähigkeit, potenzielle Auswirkungen auf die Wasserqualität vorherzusagen, indem Wettervorhersagen bis zu 24 Stunden im Voraus genutzt werden. Die Ergebnisse dieses Projekts sind von großer Bedeutung für ein zeitgemäßes, modellgestütztes Grundwassermanagement in Karstgrundwasserleitern, das der dringenden Notwendigkeit einer nachhaltigen Ressourcennutzung und des Umweltschutzes Rechnung trägt.

Kombination der Niederschlagsschätzung von opportunistischen Sensoren und geostationären Satelliten

Der Umsetzungsplan der COP27 enthält eine sehr klare Aussage. "Ein Drittel der Welt, darunter 60% von Afrika, hat keinen Zugang zu Frühwarn- und Klimainformationsdiensten". Dies gilt vor allem für niederschlagsbezogene Warnungen. Der Grund dafür ist das fast vollständige Fehlen von Wetterradaren auf in Afrika und die mangelnde Dichte von Niederschlagsmessstationen. Im Gegensatz dazu sind geostationäre Satelliten (GEOsat) und potentiell auch kommerzielle Richtfunkstrecken (CML) und Satelliten-Mikrowellenverbindungen (SML) nahezu in Echtzeit verfügbar und können zur Niederschlagsschätzung verwendet werden. Die quantitative Niederschlagsschätzung (QPE) aus GEOsat-Daten ist jedoch aufgrund der indirekten Beziehung zwischen der Niederschlagsmenge und den tatsächlichen Messungen, die im sichtbaren und infraroten Spektrum durchgeführt werden, eine Herausforderung. Für die QPE aus SML- und CML-Daten, insbesondere auf der Grundlage groß angelegter CML-Studien in Europa, wurde gezeigt, dass sie mit der QPE aus Radar- und Regenmessern gleichwertig sein kann. In Ermangelung von Referenzdaten, wie es in Entwicklungsländern häufig der Fall ist, sind die bestehenden maßgeschneiderten semi-empirischen Prozessierungsmethoden jedoch oft nicht direkt anwendbar. GEOsat-Daten haben das Potenzial, die CML/SML-Prozessierung in diesen Regionen zu unterstützen, und umgekehrt könnte die CML/SML-QPE zur Anpassung der GEOsat-QPE verwendet werden. Das übergeordnete Ziel des Projekts MERGOSAT ist daher die Entwicklung neuartiger Methoden zur Erstellung verbesserter Echtzeit-Niederschlagskarten für datenarme Regionen durch eine Kombination von GEOsat-Daten und CML/SML-QPE. Um dieses Ziel zu erreichen, werden wir uns auf drei Aspekte konzentrieren: 1) Schaffung einer Grundlage für allgemeinere CML/SML-QPE-Modelle durch Verbesserung des Verständnisses der Prozesse die die EM-Ausbreitung von CML und SML beeinflussen. 2) Entwicklung geeigneter CML/SML-QPE-Modelle, die in datenarmen Regionen anwendbar sind, aufbauend auf den neuen Erkenntnissen über WAA und DSD und unter innovativer Nutzung von GEOsat-Daten. 3) Verbesserung der GEOsat-QPE mit DeepLearning-Methoden und Entwicklung eines neuen Verfahrens, das die Zusammenführung mit CML/SML-Daten mit sub-stündlicher Auflösung ermöglicht. Wir werden unsere Forschung auf unser umfangreiches Archiv von CML-Daten, auch aus Afrika, und die zunehmende Verfügbarkeit von SML-Daten stützen. Zusätzliche Daten aus Feldexperimenten werden mit modernsten Simulationen der EM-Ausbreitung kombiniert. Darüber hinaus werden wir neueste Techniken des DeepLearnings und unsere Hochleistungs-Recheninfrastruktur nutzen. In Kombination mit den erweiterten Fähigkeiten des kürzlich gestarteten MTG GEOsat wird uns dies ermöglichen, unsere Ziele erfolgreich anzugehen und die methodische Grundlage zu schaffen, die erforderlich ist, um datenarme Regionen mit verbesserten und zuverlässigen Niederschlagsinformationen nahezu in Echtzeit zu versorgen.

Entwicklung einer europaweit einheitlichen Monitoring-Strategie für hügel-bauende Formica Ameisen und den hügel-bewohnenden Symbiontengemeinschaften

Hügelbauende Formica Ameisen (mound-building Formica - MBF) sind eine Gruppe von Schlüsselarten mit großräumiger Verbreitung in temperaten und borealen Wäldern und natürlichen Grasländern. Sie stellen wichtige Ökosystemfunktionen bereit, besonders in Waldhabitaten wo viele andere Arten Habitatspezialisten in ihren großen und langlebigen Nestern sind, sog. myrmecophile Arten. Während es deutliche Hinweise auf lokale Rückgänge oder Extinktionen durch Fragmentierung der Waldhabitate sowie Klimawandel und veränderte Managementmaßnahmen und intensivere Landnutzung, so ist insgesamt die Populationsentwicklung und der Bedrohungsstatus dieser Ameisen über die Länder Europas unbekannt. Dies liegt vornehmlich am Fehlen einer einheitlichen Monitoring-Strategie aber auch unterschiedlicher Bewertung ihres Schutzstatus in verschiedenen Ländern der EU. Komplett unbekannt ist wie sich durch die potentiell unter Druck geratenen Formica-Populationen Veränderungen für die auf die speziellen Mikrohabitate der Ameisenhügel angewiesenen myrmecophilen Arten auswirken. Es bedarf deshalb eines internationalen und koordinierten Rahmens, um eine abgestimmte gemeinsame kosten-günstige und effektive Monitoring-Strategie für MBF und die assoziierten Invertebratengemeinschaften zu entwickeln, die einen Vergleich der Populationsentwicklung über ganz Europa erlaubt. Es gibt bereits viele Daten zum Vorkommen dieser Ameisen in den meisten europäischen Ländern, die oft durch lokale Citizen Science Projekte erhoben wurden, aber auch durch Programme anderer stakeholder. Die Aufnahmen erfolgen allerdings nicht in einer EU-weiten konsistenen Art, womit die Daten nicht vergleichbar sind. Innerhalb von MonitAnt werden wir existierende Monitoring Strategien von Citizen Science Projekten und anderen Monitoring Programmen vergleichen (Theme 1). Durch die Zusammenführung der vorhandenen Daten können wir unterschiedliche stakeholder (z.B. nationale Naturschutz- oder Forstbehörden; NGOs; EuropaBON) über den momentanen Zustand der MBFs auf transnationaler Ebene informieren (Theme 3). Wir werden die innerhalb von MonitAnt neu entwickelte Monitoring Strategie auf transnationaler Ebene in verschiedenen Wald- und angrenzenden Graslandhabitaten validieren (hinsichtlich Management und entlang großer latitudinaler und altitudinaler Gradienten) und dann potentiell noch einmal anpassen. Diese Validierungsphase dient auch dazu Basisdaten und Proben der MBF sowie der assozierten Arten dieser Schirmarten zu sammeln sowie Mindestgrößen von Arealen für das Vorkommen reproduktionfähiger Populationen zu sammeln und so Wissenslücken zu schließen (Theme 2). MonitAnt zielt darauf ab eine harmonisierte, effiziente und Kosten-günstige Monitoring Strategie zu entwickeln, die für verschiedene Stakeholder (policymakers, Citizen Science Projekte) frei verfügabr ist, um ein Langzeit-Monitoring der Populationsentwicklungen von hügel-bauenden Formica-Ameisen und den assoziierten Myrmecophilen zu ermöglichen.

INSPIRE Land Use / InVeKoS Landwirtschaftliche Flächen BB

Der interoperable INSPIRE-Datensatz beinhaltet Daten der EU-Zahlstelle BB über die landwirtschaftlichen Flächen in Brandenburg, transformiert in das INSPIRE-Zielschema Bodennutzung. Der Datensatz wird über je einen interoperablen Darstellungs- und Downloaddienst bereitgestellt. --- The compliant INSPIRE data set contains data about the agricultural areas in the State of Brandenburg from the paying agency, transformed into the INSPIRE annex schema Land Use. The data set is provided via compliant view and download services. Der interoperable INSPIRE-Datensatz beinhaltet Daten der EU-Zahlstelle BB über die landwirtschaftlichen Flächen in Brandenburg, transformiert in das INSPIRE-Zielschema Bodennutzung. Der Datensatz wird über je einen interoperablen Darstellungs- und Downloaddienst bereitgestellt. --- The compliant INSPIRE data set contains data about the agricultural areas in the State of Brandenburg from the paying agency, transformed into the INSPIRE annex schema Land Use. The data set is provided via compliant view and download services. Der interoperable INSPIRE-Datensatz beinhaltet Daten der EU-Zahlstelle BB über die landwirtschaftlichen Flächen in Brandenburg, transformiert in das INSPIRE-Zielschema Bodennutzung. Der Datensatz wird über je einen interoperablen Darstellungs- und Downloaddienst bereitgestellt. --- The compliant INSPIRE data set contains data about the agricultural areas in the State of Brandenburg from the paying agency, transformed into the INSPIRE annex schema Land Use. The data set is provided via compliant view and download services.

INSPIRE Land Cover / InVeKoS Landschaftselemente BB

Der interoperable INSPIRE-Datensatz beinhaltet Daten der EU-Zahlstelle BB über die Landschaftselemente in Brandenburg, transformiert in das INSPIRE-Zielschema Bodenbedeckung. Der Datensatz wird über je einen interoperablen Darstellungs- und Downloaddienst bereitgestellt. --- The compliant INSPIRE data set contains data about the landscape features in the State of Brandenburg from the paying agency, transformed into the INSPIRE annex schema Land Cover. The data set is provided via compliant view and download services. Der interoperable INSPIRE-Datensatz beinhaltet Daten der EU-Zahlstelle BB über die Landschaftselemente in Brandenburg, transformiert in das INSPIRE-Zielschema Bodenbedeckung. Der Datensatz wird über je einen interoperablen Darstellungs- und Downloaddienst bereitgestellt. --- The compliant INSPIRE data set contains data about the landscape features in the State of Brandenburg from the paying agency, transformed into the INSPIRE annex schema Land Cover. The data set is provided via compliant view and download services. Der interoperable INSPIRE-Datensatz beinhaltet Daten der EU-Zahlstelle BB über die Landschaftselemente in Brandenburg, transformiert in das INSPIRE-Zielschema Bodenbedeckung. Der Datensatz wird über je einen interoperablen Darstellungs- und Downloaddienst bereitgestellt. --- The compliant INSPIRE data set contains data about the landscape features in the State of Brandenburg from the paying agency, transformed into the INSPIRE annex schema Land Cover. The data set is provided via compliant view and download services.

INSPIRE-WMS Land Use / InVeKoS Landwirtschaftliche Flächen BB

Der interoperable INSPIRE-WMS ist ein Darstellungsdienst, der Daten im Annex-Schema Existierende Bodennutzung (abgeleitet aus dem originären Datensatz: Digitales Feldblock Kataster Brandenburg) bereitstellt. Gemäß der INSPIRE-Datenspezifikation Land Use (D2.8.III.4_v3.1.1) liegen die Inhalte INSPIRE-konform vor. Der WMS beinhaltet den folgenden Layer: • LU.ExistingLandUse: Ein Objekt zur existierenden Bodennutzung beschreibt die Bodennutzung in einem Gebiet miteinheitlicher Bodennutzungskategorie oder homogener Kombination verschiedener Bodennutzungen. --- The compliant INSPIRE-WFS is a view service that delivers data in the Annex-Schema Existing Land Use (derived from the original data set: Land Parcel Information System LPIS). The content is compliant to the INSPIRE data specification for the annex theme Land Use (D2.8.III.4_v3.1.1). The WMS includes the following layer: • LU.ExistingLandUse: An existing land use object describes the land use of an area having a homogeneous combination of land use types. Maßstab: 1:2400; Bodenauflösung: nullm; Scanauflösung (DPI): null

1 2 3 4 5 … 186 187 188