API src

Found 8320 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 ]

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.

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)

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)

GTS Bulletin: SNVX81 EDZW - Surface data (details are described in the abstract)

The SNVX81 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SN): Non-standard synoptic hour (Remarks from Volume-C: SHIP)

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>

GTS Bulletin: ISND77 AMDW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISND77 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)

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 SAFIABAD DEZFUL (40794)

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 ]

Struktur und Funktionen eines tropischen Regenwaldoekosystems bei San Carlos de Rio Negro

Bestimmung der floristischen und morphologischen Struktur, der Produktivitaet, des Wasser- Energie- und Naehrstoffhaushaltes, der Populationsdynamik im natuerlichen, ungestoerten Regenwald und in experimentell modifizierten land- und forstwirtschaftlichen Systemen zur Quantifizierung der Auswirkungen des Eingreifens des Menschen in diese Systeme, dynamische Simulation des biologischen Modells zur Prognose kuenftiger Zustaende und Reaktionen.

1 2 3 4 5 … 830 831 832