API src

Found 8213 results.

Model Output Statistics for SAMARKAND (38696)

DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]

GTS Bulletin: ISND86 AMDN - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISND86 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)

Die Auswirkung extremer Schmelzereignisse auf die zukünftige Massenbilanz des grönländischen Eisschildes

Im letzten Jahrzehnt war der grönländische Eisschild mehreren Extremereignissen ausgesetzt, mit teils unerwartet starken Auswirkungen auf die Oberflächenmassebilanz und den Eisfluss, insbesondere in den Jahren 2010, 2012 und 2015. Einige dieser Schmelzereignisse prägten sich eher lokal aus (wie in 2015), während andere fast die gesamte Eisfläche bedeckten (wie in 2010).Mit fortschreitendem Klimawandel ist zu erwarten, dass extreme Schmelzereignisse häufiger auftreten und sich verstärken bzw. länger anhalten. Bisherige Projektionen des Eisverlustes von Grönland basieren jedoch typischerweise auf Szenarien, die nur allmähliche Veränderungen des Klimas berücksichtigen, z.B. in den Representative Concentration Pathways (RCPs), wie sie im letzten IPCC-Bericht genutzt wurden. In aktuellen Projektionen werden extreme Schmelzereignisse im Allgemeinen unterschätzt - und welche Konsequenzen dies für den zukünftigen Meeresspiegelanstieg hat, bleibt eine offene Forschungsfrage.Ziel des vorgeschlagenen Projektes ist es, die Auswirkungen extremer Schmelzereignisse auf die zukünftige Entwicklung des grönländischen Eisschildes zu untersuchen. Dabei werden die unmittelbaren und dauerhaften Auswirkungen auf die Oberflächenmassenbilanz und die Eisdynamik bestimmt und somit die Beiträge zum Meeresspiegelanstieg quantifiziert. In dem Forschungsprojekt planen wir zudem, kritische Schwellenwerte in der Häufigkeit, Intensität sowie Dauer von Extremereignissen zu identifizieren, die - sobald sie einmal überschritten sind - eine großräumige Änderung in der Eisdynamik auslösen könnten.Zu diesem Zweck werden wir die dynamische Reaktion des grönländischen Eisschilds in einer Reihe von Klimaszenarien untersuchen, in denen extreme Schmelzereignisse mit unterschiedlicher Wahrscheinlichkeit zu bestimmten Zeitpunkten auftreten, und die Dauer und Stärke prognostisch variiert werden. Um indirekte Effekte durch verstärktes submarines Schmelzen hierbei berücksichtigen zu können, werden wir das etablierte Parallel Ice Sheet Model (PISM) mit dem Linearen Plume-Modell (LPM) koppeln. Das LPM berechnet das turbulente submarine Schmelzen aufgrund von Veränderungen der Meerestemperatur und des subglazialen Ausflusses. Es ist numerisch sehr effizient, so dass das gekoppelte PISM-LPM Modell Ensemble-Läufe mit hoher Auflösung ermöglicht. Folglich kann eine breite Palette von Modellparametern und Klimaszenarien in Zukunftsprojektionen in Betracht gezogen werden.Mit dem interaktiv gekoppelten Modell PISM-LPM werden wir den Beitrag Grönlands zum Meeresspiegelanstieg im 21. Jahrhundert bestimmen, unter Berücksichtigung regionaler Veränderungen von Niederschlag, Oberflächen- und Meerestemperaturen, und insbesondere der Auswirkungen von Extremereignissen. Ein Hauptergebnis wird eine Risikokarte sein, die aufzeigt, in welchen kritischen Regionen Grönlands zukünftige extreme Schmelzereignisse den stärksten Eisverlust zur Folge hätten.

GTS Bulletin: SNLV11 UMRR - Surface data (details are described in the abstract)

The SNLV11 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SN): Non-standard synoptic hour A1A2 (LV): Latvia (Remarks from Volume-C: NilReason)

Forschergruppe (FOR) 2416: Space-Time Dynamics of Extreme Floods (SPATE), Teilprojekt: Wechselbeziehungen von extremen Hochwasserereignissen

Das beantragte Forschungsvorhaben hat die Untersuchung von großskaligen Hochwasserereignissen zum Ziel. Ein Grundproblem hierbei ist, dass herkömmliche Risikoabschätzungen mittels eindimensionalen Extremwertstatistiken (d.h. gemessene Abflüsse an einem Pegel), die integrale Antwort eines Einzugsgebietes sind, wobei multidimensionale Hochwasserursachen in den Oberstrom gelegenen Teileinzugsgebieten nicht berücksichtigt werden. Durch verschiedene raum-zeitliche Niederschlagsereignisse und die daraus resultierenden Abflüsse in diesen Teileinzugsgebieten ergibt sich somit eine Vielzahl an Kombinationsmöglichkeiten, die Unterstrom zu einem extremen Hochwasser führen können. Ein Hauptanliegen des beantragten Forschungsvorhabens ist es, ein besseres Systemverständnis über solche verschiedenen hochwasserauslösenden Mechanismen zu gewinnen, eine Methodik zu entwickeln, um diese zu simulieren und deren Häufigkeit abzuschätzen. Ein besseres raum-zeit Verständnis über solche hochwasserauslösenden Mechanismen liefert bessere Informationen zu Extremereignissen und deren Wiederkehrzeiten. Des Weiteren können so auch Auswirkungen des Klimawandels untersucht werden. Das Wissen über synchrones und asynchrones Auftreten von Hochwassern im Oberstrom gelegenen Teileinzugsgebieten kann auch zu einem besseren Hochwasserrisikomanagement beitragen.

Model Output Statistics for DAVOS (06784)

DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]

Model Output Statistics for Saldenburg-Entschenreuth (P586)

DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]

Mittlerer potenzieller Bodenwasservorrat in der Vegetationsperiode für den 10-jährigen Zeitraum 1961-1970

Die Karte zeigt den mittleren potentiellen Bodenwasservorrat (in %nFK) in der Vegetationsperiode (April – September) für die Dekade 1961-1970 berechnet mit dem Bodenwasserhaushaltsmodell BOWAB (für 0 – 60 cm). Für die Pflanzen ist die Wasserverfügbarkeit im Boden ein zentrales Element für das Wachstum. Diese Verfügbarkeit von Bodenwasser hängt von der Bodenart und der Menge des im Boden gespeicherten Wassers ab. Wobei letztere maßgeblich vom Niederschlag und der Temperatur (bzw. Verdunstung) beeinflusst wird. Das für Pflanzen nutzbare Bodenwasser wird als Prozent der nutzbaren Feldkapazität (%nFK) angegeben. Ein Wert von 100% nFK oder mehr bedeutet die Speicherfähigkeit des Bodens für pflanzenverfügbares Wasser erreicht ist. Ab etwa 40 % nFK wird eine Beregnung von Ackerkulturen empfohlen, um einen optimalen Ertrag erzielen zu können.

Trends der Niederschlagshöhe

<p>Seit 1881 hat die mittlere jährliche Niederschlagsmenge in Deutschland um rund 9 Prozent zugenommen. Dabei verteilt sich dieser Anstieg nicht gleichmäßig auf die Jahreszeiten. Vielmehr sind insbesondere die Winter deutlich nasser geworden, während die Niederschläge im Sommer geringfügig zurückgegangen sind.</p><p>Teilweise sehr regenreiche Jahre seit 1965</p><p>Die Zeitreihe der jährlichen Niederschläge in Deutschland (Gebietsmittel) zeigt einen leichten Anstieg, der mit einer Irrtumswahrscheinlichkeit von 5 % statistisch signifikant ist. Dieser Anstieg ist im Wesentlichen darauf zurückzuführen, dass bis etwa 1920 nur selten überdurchschnittlich niederschlagsreiche Jahre aufgetreten sind. Im Anschluss an eine Übergangsphase mit mehreren leicht überdurchschnittlich feuchten Jahren traten ab Mitte der 1960er Jahre dann auch einige sehr regenreiche Jahre auf (siehe Abb. „Mittlere jährliche Niederschlagshöhe in Deutschland 1881 bis 2024). Dies entspricht genau der Zeit, seit der die Auswirkungen des Klimawandels global deutlich zu beobachten sind. Im globalen Durchschnitt steigt mit den Temperaturen auch die ⁠<a href="https://www.umweltbundesamt.de/service/glossar/v?tag=Verdunstung#alphabar">Verdunstung</a>⁠ von Wasser an, was in der globalen Summe zu größeren Niederschlagsmengen führt, jedoch mit regional und saisonal sehr großen Unterschieden - von Dürren bis Überschwemmungen.</p><p>Seit 2011 wurden in Deutschland einige ausgesprochen trockene Jahre beobachtet. In den Jahren 2023 und 2024 wurde jedoch überdurchschnittlich viel Niederschlag registriert. Der Niederschlagsüberschuss im Jahr 2024 resultierte vor allem aus den Monaten Februar, Mai und September. Im Mai kam es in Rheinland-Pfalz und im Saarland in Folge von Schauern und Gewittern zu Überschwemmungen. Ende Mai und Anfang Juni führten viele Flüsse in Baden-Württemberg und Bayern nach langanhaltenden Niederschlägen Hochwasser.</p><p>Noch stärker als bei den mittleren Temperaturen ist dieser Trend also nicht gleichmäßig in allen Jahreszeiten ausgeprägt. Er beruht im Wesentlichen darauf, dass die mittleren Winterniederschläge zugenommen haben. Im Winter 2023/2024 lag mit 279,7 mm Niederschlag die Abweichung zum historischen Referenzzeitraum 1881-1910 bei +131,5 mm. Frühling und Herbst zeigen ebenfalls eine leichte, aber im Gegensatz zum Winter nicht signifikante Zunahme, während die Niederschläge im Sommer geringfügig zurückgegangen sind (siehe nachfolgende Tabellen und Abbildungen).</p><p>Bemerkenswert ist aus klimatologischer Sicht, dass mit den Jahren 2023 und 2024 die Serie von sehr trockenen Jahren unterbrochen wurde. Mit dem Juni bzw. September wurden jeweils die niederschlagsreichsten 12-Monatsperioden beobachtet. Am Ende des Jahres lagen die Niederschlagsmengen wieder unter dem Durchschnitt</p><p>Mit 902 mm belegt 2024 auf der Rangliste der nassesten Jahre seit 1881 den 12. Platz (siehe Karte „Jährliche Niederschläge in Deutschland im Jahr 2024").</p><p>Bei der Betrachtung der Einzelmonate sind erhebliche Unterschiede erkennbar: Im Jahresverlauf wiesen 8 Monate überdurchschnittliche Niederschlagsmengen auf (Januar, Februar, April, Mai, Juni, Juli, September, Oktober) und 4 Monate unterdurchschnittliche Niederschläge (März, August, November, Dezember). Über das Jahr ergibt sich ein Niederschlagsüberschuss von 14 %.</p><p>Und auch regional unterscheidet sich die Niederschlagsverteilung im Jahr 2024 sehr stark: Besonders die Bundesländer im Nordwesten (Schleswig-Holstein, Niedersachsen, Rheinland-Pfalz) erreichten Platzierungen unter den zehn nassesten Jahren, während Sachsen nur auf Platz 88 von 144 Jahren landete (siehe Karte „Veränderung der jährlichen Niederschläge in Deutschland im Jahr 2024).</p><p><em>Wir danken dem </em><a href="https://www.dwd.de/DE/Home/home_node.html"><em>Deutschen Wetterdienst</em></a><em> für die Bereitstellung der Daten.</em></p>

Langjährige Niederschlagsverteilung 1981-2010 (Umweltatlas)

Langjährige Niederschlagsverteilung in Berlin und dem näheren Umland (Gesamtjahr, Winter- und Sommerhalbjahr). Es wurden die Niederschläge der Wasserwirtschaftsjahre 1981-2010 zugrunde gelegt. Diese umfassen den Zeitraum vom 01.11.1980 bis zum 31.10.2010.

1 2 3 4 5 … 820 821 822