Im Rahmen des Forschungsprojekts "Klimaerlebnis Würzburg" am Zentrum Stadtnatur und Klimaanpassung (ZSK) wurden im Jahr 2018 acht Messstationen in Würzburg und Gerbrunn eingerichtet. Diese zeichnen seitdem an jedem Standort das Wetter und/oder die Leistungen der dortigen Bäume auf. Das Forschungsprojekt endete im Jahr 2022. Die Messstationen, durch orangefarbene Baumfässer erkennbar, werden seitdem aber weitergeführt.Das Projekt sollte aufzeigen,inwieweit sich das Klima und die Leistung der Bäume an verschiedenen Standorten in der Stadt unterscheiden undinwieweit sich Stadtbäume und Klima an einem Standort gegenseitig beeinflussen.Die bis heute weiter aufgezeichneten Messergebnisse sollen verdeutlichen, wie mit Hilfe von Bäumen und ihrer Ökosystemdienstleistungen die nachhaltige Stadt der Zukunft an die Folgen des Klimawandels angepasst werden kann. Zudem kann die Öffentlichkeit mit diesen Datenreihen für das Thema Stadtklima und Stadtgrün sensibilisiert werden. Um dies voranzutreiben, werden davon ausgewählte Datenspalten seit November 2024, unbereinigt und zu stündlichen Daten automatisiert zusammengefasst, hier auf dem Open Data Portal Würzburg veröffentlicht.An der Station am Ludwigkai sind mehrere Linden der Art Tilia mit Sensoren versehen. Die Daten eines dieser Bäume stehen in diesem Datensatz in der oben beschriebenen, verarbeiteten Form zur Verfügung.Allgemeines zu den Standorten wie der grobe Messaufbau, Hinweise zur Datennutzung und Verlinkungen zu weiterführenden Papern finden Sie im Folgenden.Messaufbau des Baumlabors und der WetterstationMithilfe des Saftflusssensors (1) kann der Wasserverbrauch des Baums bestimmt werden. Davon lässt sich die Kühlleistung durch Verdunstung ableiten und der Trockenstress abschätzen. Im Kronenraum wird die Temperatur für den Vergleich mit der Klimastation gemessen (2), um die Abkühlwirkung des Baumes zu bestimmen. Das Dendrometer (3) misst das Dickenwachstum des Stammes. Dadurch kann man berechnen, wieviel der gesamte Baum an Biomasse zunimmt und an CO2speichert. Der Bodenfeuchtesensor (4) misst den Wassergehalt im Wurzelraum. Damit kann auf die Wasserversorgung des Baumes geschlossen werden.Der Temperatur- und Feuchtesensor (6) misst die Lufttemperatur und die relative Luftfeuchtigkeit. Der Windsensor (7) erfasst Windrichtung und Windgeschwindigkeit. Mit diesen beiden Messgrößen kann der Frischlufteintrag, aber auch die Anströmungsrichtung festgestellt werden. Der Strahlungssensor (8) misst, wieviel Energie die Sonne am Erdboden freisetzt. Mit diesem Wert lässt sich feststellen, wie stark sich Flächen aufheizen. Ebenso lässt sich hiermit die photosynthetische Leistung des Baumes bestimmen. Aus Temperatur, Luftfeuchte, Windgeschwindigkeit und Solarstrahlung lässt sich die gefühlte Temperatur berechnen. Der Niederschlagssensor (9) erfasst Regen und Schnee.In den Datenloggern (10) werden die Messwerte gesammelt, gespeichert und alle 10 Minuten online versendet, um sie auf dem Smart City Hub Würzburg zu speichern und hier auf dem Open Data Portal stündlich aggregiert darzustellen. Bei einigen der Wetterstationen ist zudem ein Luftdruck-Barometer verbaut.Hinweis:Bei den zur Verfügung gestellten Daten handelt es sich um eine automatisiert abgeänderte Version der Rohdaten der einzelnen Stationen. Eine Qualitätskontrolle durch den Plattformbetreiber findet vorab nicht statt. Es ist daher punktuell mit Messfehlern und Messlücken zu rechnen. Für die Korrektheit der Daten wird keine Haftung übernommen. Quellenangabe:Quelle im Rohdatenformat: [Bis 13.11.2024 13 Uhr](https://opendata.smartandpublic.eu/datasets/a879dea4-b157-4cac-9144-ce3d3e65e862?locale=en), [ab 13.11.2024 14 Uhr](https://opendata.smartandpublic.eu/datasets/338fe900-beac-4406-bdb8-b32c0e058cdb?locale=en)Autor(en): Projekt Klimaerlebnis Würzburg (2018-2022), Stadt Würzburg (2023-jetzt)Hinweis: Es gelten keine zusätzlichen Bedingungen.Für weiterführende Informationen, lesen Sie die aus dem Projekt "Klimaerlebnis Würzburg" hervorgegangenen Paper:Hartmann, Christian, et al. "The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020; The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020." Meteorologische Zeitschrift 32.1 (2023): 49-65.Rahman, M.A., Franceschi, E., Pattnaik, N. et al. Spatial and temporal changes of outdoor thermal stress: influence of urban land cover types. Sci Rep 12, 671 (2022). [https://doi.org/10.1038/s41598-021-04669-8](https://doi.org/10.1038/s41598-021-04669-8)Rahman, Mohammad A., et al. "Tree cooling effects and human thermal comfort under contrasting species and sites." Agricultural and Forest Meteorology 287 (2020): 107947.Rötzer, T., et al. "Urban tree growth and ecosystem services under extreme drought." Agricultural and Forest Meteorology 308 (2021): 108532.Bildquelle und mehr Informationen zu den Messstationen: [Webarchiv: Klimaerlebnis Würzburg](https://webarchiv.it.ls.tum.de/klimaerlebnis.wzw.tum.de/das-projekt/index.html)
Der sogenannte S-Wert ist ein Kennwert zur Bewertung des Bodens als Bestandteil des Nährstoffhaltes und wird über die Nährstoffverfügbarkeit bewertet. Der S-Wert ist die Menge an Nährstoffen (Kationen, nicht z. B. Nitrat), die ein Boden austauschbar an Ton-, Humusteilchen, Oxiden und Hydroxiden binden bzw. sorbieren kann (Kationenaustauschkapazität). Der S-Wert ist somit gut geeignet, die Nährstoffverfügbarkeit zu beschreiben. Ähnlich wie bei der Feldkapazität im effektiven Wurzelraum (FKwe) bedingen hohe Gehalte an Ton, Humus, sowie ein großer effektiver Wurzelraum einen hohen S-Wert und umgekehrt. Auch der pH-Wert hat einen großen Einfluss auf den S-Wert. Der pH-Wert kann in Abhängigkeit von der Nutzung in einem weiten Bereich schwanken. Je höher der S-Wert, desto mehr Nährstoffe kann der Boden an Austauschern binden. Nährstoffeinträge über Luft oder Düngung werden so vor einem Austrag mit dem Sickerwasser geschützt. Gleichzeitig wird dadurch eine gleichmäßigere Nährstoffversorgung der Pflanzen sichergestellt. Mit dem S-Wert wird eine natürliche Bodenfunktionen nach § 2 Abs. 2 BBodSchG bewertet und zwar nach Punkt 1.b) als Bestandteil des Naturhaushalts, insbesondere mit seinen Wasser- und Nährstoffkreisläufen. Das hierfür gewählte Kriterium ist die Nährstoffverfügbarkeit mit dem Kennwert S-Wert. Die Karten liegen für die folgenden Maßstabsebenen vor: - 1 : 1.000 - 10.000 für hochaufgelöste oder parzellenscharfe Planung, - 1 : 10.001 - 35.000 für Planungen auf Gemeindeebene, - 1 : 35.001 - 100.000 für Planungen in größeren Regionen, - 1 : 100.001 - 350.000 für landesweit differenzierte Planung, - 1 : 350.001 - 1000.000 für landesweite bis bundesweite Planung. In dieser Darstellung wird der S-Wert landesweit einheitlich klassifiziert. Unter dem Titel "Bodenbewertung - Nährstoffverfügbarkeit im effektiven Wurzelraum (SWE), regionalspezifisch bewertet" gibt es noch eine naturraumbezogene Klassifikation des S-Wertes, die den S-Wert regional differenzierter darstellt.
Die Sickerwasserrate ist ein Kennwert zur Bewertung des Bodens als Bestandteil des Wasserhaushaltes und beschreibt diejenige Wassermenge, die der Boden aufgrund seines beschränkten Wasserhaltevermögens nicht mehr halten kann und welche daher den Wurzelraum verlässt bzw. versickert (Grundwasserneubildung). Laterale Abflüsse (Drainage, Grabenentwässerung) werden an dieser Stelle nicht betrachtet. Sandige Böden können weniger Wasser halten als lehmige oder tonige Böden, so dass (unter sonst gleichen Bedingungen) die Sickerwasserrate unter sandigen Böden größer ist als unter lehmigen/tonigen Böden. In niederschlagsreichen Gebieten versickert mehr Wasser als in niederschlagsärmeren Gebieten. Mit der Sickerwasserrate wird eine natürliche Bodenfunktionen nach § 2 Abs. 2 BBodSchG bewertet und zwar nach Punkt 1.b) als Bestandteil des Naturhaushalts, insbesondere mit seinen Wasser- und Nährstoffkreisläufen. Das hierfür gewählte Kriterium sind die allgemeinen Wasserhaushaltsverhältnisse mit dem Kennwert Sickerwasserrate. Die Karten liegen für die folgenden Maßstabsebenen vor: - 1 : 1.000 - 10.000 für hochaufgelöste oder parzellenscharfe Planung, - 1 : 10.001 - 35.000 für Planungen auf Gemeindeebene, - 1 : 35.001 - 100.000 für Planungen in größeren Regionen, - 1 : 100.001 - 350.000 für landesweit differenzierte Planung, - 1 : 350.001 - 1000.000 für landesweite bis bundesweite Planung. In dieser Darstellung wird die Sickerwasserrate landesweit einheitlich klassifiziert. Unter dem Titel "Bodenbewertung - Feldkapazität im Sickerwasserrate (SWR), regionalspezifisch bewertet" gibt es noch eine naturraumbezogene Klassifikation der Sickerwasserrate, die die Sickerwasserrate regional differenzierter darstellt.
Im Rahmen des Forschungsprojekts "Klimaerlebnis Würzburg" am Zentrum Stadtnatur und Klimaanpassung (ZSK) wurden im Jahr 2018 acht Messstationen in Würzburg und Gerbrunn eingerichtet. Diese zeichnen seitdem an jedem Standort das Wetter und/oder die Leistungen der dortigen Bäume auf. Das Forschungsprojekt endete im Jahr 2022. Die Messstationen, durch orangefarbene Baumfässer erkennbar, werden seitdem aber weitergeführt.Das Projekt sollte aufzeigen,inwieweit sich das Klima und die Leistung der Bäume an verschiedenen Standorten in der Stadt unterscheiden undinwieweit sich Stadtbäume und Klima an einem Standort gegenseitig beeinflussen.Die bis heute weiter aufgezeichneten Messergebnisse sollen verdeutlichen, wie mit Hilfe von Bäumen und ihrer Ökosystemdienstleistungen die nachhaltige Stadt der Zukunft an die Folgen des Klimawandels angepasst werden kann. Zudem kann die Öffentlichkeit mit diesen Datenreihen für das Thema Stadtklima und Stadtgrün sensibilisiert werden. Um dies voranzutreiben, werden davon ausgewählte Datenspalten seit November 2024, unbereinigt und zu stündlichen Daten automatisiert zusammengefasst, hier auf dem Open Data Portal Würzburg veröffentlicht.An der Station in Rottendorf sind mehrere Bäume der Art Robinia mit Sensoren versehen. Die Daten eines dieser Bäume stehen in diesem Datensatz in der oben beschriebenen, verarbeiteten Form zur Verfügung.Allgemeines zu den Standorten wie der grobe Messaufbau, Hinweise zur Datennutzung und Verlinkungen zu weiterführenden Papern finden Sie im Folgenden.Messaufbau des Baumlabors und der WetterstationMithilfe des Saftflusssensors (1) kann der Wasserverbrauch des Baums bestimmt werden. Davon lässt sich die Kühlleistung durch Verdunstung ableiten und der Trockenstress abschätzen. Im Kronenraum wird die Temperatur für den Vergleich mit der Klimastation gemessen (2), um die Abkühlwirkung des Baumes zu bestimmen. Das Dendrometer (3) misst das Dickenwachstum des Stammes. Dadurch kann man berechnen, wieviel der gesamte Baum an Biomasse zunimmt und an CO2speichert. Der Bodenfeuchtesensor (4) misst den Wassergehalt im Wurzelraum. Damit kann auf die Wasserversorgung des Baumes geschlossen werden.Der Temperatur- und Feuchtesensor (6) misst die Lufttemperatur und die relative Luftfeuchtigkeit. Der Windsensor (7) erfasst Windrichtung und Windgeschwindigkeit. Mit diesen beiden Messgrößen kann der Frischlufteintrag, aber auch die Anströmungsrichtung festgestellt werden. Der Strahlungssensor (8) misst, wieviel Energie die Sonne am Erdboden freisetzt. Mit diesem Wert lässt sich feststellen, wie stark sich Flächen aufheizen. Ebenso lässt sich hiermit die photosynthetische Leistung des Baumes bestimmen. Aus Temperatur, Luftfeuchte, Windgeschwindigkeit und Solarstrahlung lässt sich die gefühlte Temperatur berechnen. Der Niederschlagssensor (9) erfasst Regen und Schnee.In den Datenloggern (10) werden die Messwerte gesammelt, gespeichert und alle 10 Minuten online versendet, um sie auf dem Smart City Hub Würzburg zu speichern und hier auf dem Open Data Portal stündlich aggregiert darzustellen. Bei einigen der Wetterstationen ist zudem ein Luftdruck-Barometer verbaut.Hinweis:Bei den zur Verfügung gestellten Daten handelt es sich um eine automatisiert abgeänderte Version der Rohdaten der einzelnen Stationen. Eine Qualitätskontrolle durch den Plattformbetreiber findet vorab nicht statt. Es ist daher punktuell mit Messfehlern und Messlücken zu rechnen. Für die Korrektheit der Daten wird keine Haftung übernommen. Quellenangabe:Quelle im Rohdatenformat: [Bis 13.11.2024 13 Uhr](https://opendata.smartandpublic.eu/datasets/9b901002-a1fd-47b0-89d4-eb12f9117233?locale=en#iss=https%3A%2F%2Fidp.smartcityhub.smartandpublic.eu%2Frealms%2Fsmartcityhub), [ab 23.11.2024 14 Uhr](https://opendata.smartandpublic.eu/datasets/713101d0-8137-4da5-9010-8281fadd8bff?locale=en#iss=https%3A%2F%2Fidp.smartcityhub.smartandpublic.eu%2Frealms%2Fsmartcityhub)Autor(en): Projekt Klimaerlebnis Würzburg (2018-2022), Stadt Würzburg (2023-jetzt)Hinweis: Es gelten keine zusätzlichen Bedingungen.Für weiterführende Informationen, lesen Sie die aus dem Projekt "Klimaerlebnis Würzburg" hervorgegangenen Paper:Hartmann, Christian, et al. "The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020; The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020." Meteorologische Zeitschrift 32.1 (2023): 49-65.Rahman, M.A., Franceschi, E., Pattnaik, N. et al. Spatial and temporal changes of outdoor thermal stress: influence of urban land cover types. Sci Rep 12, 671 (2022). [https://doi.org/10.1038/s41598-021-04669-8](https://doi.org/10.1038/s41598-021-04669-8)Rahman, Mohammad A., et al. "Tree cooling effects and human thermal comfort under contrasting species and sites." Agricultural and Forest Meteorology 287 (2020): 107947.Rötzer, T., et al. "Urban tree growth and ecosystem services under extreme drought." Agricultural and Forest Meteorology 308 (2021): 108532.Bildquelle und mehr Informationen zu den Messstationen: [Webarchiv: Klimaerlebnis Würzburg](https://webarchiv.it.ls.tum.de/klimaerlebnis.wzw.tum.de/das-projekt/index.html)
Der Datensatz beinhaltet Daten vom LBGR über die Sorptionsvermögen im effektiven Wurzelraum Brandenburg und wird über je einen Darstellungs- und Downloaddienst bereitgestellt. Diese Karte basiert auf den Legendeneinheiten der Bodenübersichtskarte mit entsprechender Zuordnung von parametrisierten Flächenbodenformen. Diese stellen je Legendeneinheit eine Bodenformengesellschaft dar. Die einzelnen (Flächen-)Bodenformen wurden mit Parametern belegt, einschließlich der entsprechenden KAK-Werte, die durch Gelände- und Laboruntersuchungen bestimmt wurden. Gleiche Horizont-Substrat-Kombinationen wurde zusammengefasst und die entsprechenden Parameter (wie KAK-Werte) statistisch abgeleitet (i.d.R. der Medianwert). Die Abfolge von Horizont-Substrat-Kombinationen in den Flächenbodenformen mit ihren KAK-Werten bildeten die Grundlage für die Berechnung des Sorptionskapazität im effektiven Wurzelraum (s. Hennings 2000, Verknüpfungsregel 2.3).
Der interoperable INSPIRE-Datensatz beinhaltet Daten vom LBGR über die mittlere Nitrataustragsgefährdung (Berechnung nach Landesmethode) Brandenburg, zugeordnet in das INSPIRE-Zielschema Boden. Damit wird das mittlere Risiko einer Nitratauswaschung aus dem Wurzelraum der Vegetation durch versickerndes Bodenwasser bewertet. Weiterführende Informationen finden Sie hier: https://geo.brandenburg.de/karten/htdocs/21042020_Sickerwasserrate.pdf. Der Datensatz wird über je einen interoperablen Darstellungs- und Downloaddienst bereitgestellt. --- The compliant INSPIRE data set contains data about the mean risk of nitrate leaching (calculation according to state method) in the State of Brandenburg from the LBGR, assigned to the INSPIRE target schema Soil. This evaluates the mean risk of nitrate leaching from the root zone of the vegetation due to seeping ground water. Further information can be found here: https://geo.brandenburg.de/karten/htdocs/21042020_Sickerwasserrate.pdf. The data set is provided via compliant view and download services.
Fuer das Verhalten organischer Schadstoffe im System Boden-Pflanze-Luft wurde ein auf einem Massenbilanzmodell basierendes Transfermodell entwickelt und fuer verschiedene Chemikalien (PCDD/F, Pestizide u.a.) verifiziert. Das Modell hat Eingang in die europaeische Risikorichtlinie, die multimediale Modellierung und die Expositionsanalyse von Altlasten gefunden. Insbesondere konnten die Beitraege von Wurzelaufnahme und atmosphaerischer Deposition zur Kontamination von Pflanzen als Funktion der Stoffeigenschaften geklaert werden. QSAR-Beziehungen zwischen der chemischen Struktur und der oekotoxischer Wirkung von chemischen Substanzen unterschiedlicher Strukturklassen auf Gefaesspflanzen konnten durch multivariate Methoden, u.a. Fuzzy-Clustering, ermittelt werden.
Im Rahmen des vergleichenden Kompensationsversuches werden die oekosystemaren Auswirkungen von Bodenschutzkalkung und Bodenrestauration mittel- bis langfristig untersucht.Durch den experimentellen Versuchsansatz sollen fruehzeitig moegliche Entwicklungen und die Voraussetzungen fuer weitere Massnahmen abgeschaetzt werden. Es ist das Ziel dieser Untersuchungen, Empfehlungen fuer die Praxis hinsichtlich der derzeit im Handel befindlichen basischen Substanzen und ihrer Ausbringungsmodalitaeten zu erarbeiten. Zwischenergebnisse belegen, dass - saure Luftschadstoffdepositionen an der Waldbodenoberflaeche neutralisiert werden. Die Versauerung des tieferen Mineralbodens geht dagegen in den ersten 5 - 6 Jahren nicht zurueck. - Magnesiumkationen nach Reaktionen des kohlensauren Dolomits mit Saeuren in der Humusauflage geloest im Sickerwasser in den Wurzelraum fliessen. Bei gleichzeitiger Anreicherung des pflanzenverfuegbaren Magnesiumvorrats im Mineralboden wird auch die Magnesiumernaehrung der Baeume verbessert. - metallorganische Komplexe stabilisiert werden, womit das weitere Vordringen von Schwermetallen in tiefere Bodenbereiche wirksam unterbunden wird. Die biologische Aktivitaet im Auflagehumus und in organisch beeinflussten Bodenhorizonten gesteigert wird. dadurch werden einerseits die Naehrstoffkreislaeufe in den Mineralboden hinein erweitert (Uebergang des sog. kleinen Naehrstoffkreislaufes zum grossen Naehrstoffkreislauf'), andererseits besteht aber auch die Gefahr, dass bei hohen Stickstoffvorraeten und bei Waldoekosystemen, deren Stickstoffspeicherfaehigkeit ueberschritten ist. Nitrat im Sickerwasserstrom die Hydrosphaere belastet. Die Applikation leicht loeslicher Salzduenger ist mit erheblichen Risiken fuer das Oekosyste m und die Hydrosphaere verbunden. Aus Vorsorge zum Schulz des Bodens, aber auch des Grund- und Quellwassers darf die Ausbringung sulfatischer Duenger nur dann in Betracht komen, wenn von den standoertlichen Gegebenheiten und der lufthygienischen Vorbelastung her eine Fixierung des geduengten Sulfates noch wahrscheinlich ist. Ansonsten sind Duengemitteln, die nicht an leicht mobilisierbare Anionen starker Saeuren gebunden sind - dies sind Karbonate oder Silikate - , der Vorzug zu geben.
Soil microorganisms can mobilize and immobilize phosphorus (P), and therefore strongly affect the availability of P to plants. In this project we hypothesize that the ratio of labile P to microbial P increases during the transition from acquiring to recycling ecosystems. Microbial and plant P uptake will be studied with 33P that will be quantified in microbial and plant biomass as well as in lipids. To what extent microorganisms immobilize and mobilize P during decomposition of soil organic matter will be explored with a 14C/33P labeled monoester. Seasonal dynamics of actual and potential P mineralization (33P dilution and phosphatase activity), and microbial P immobilization will be studied with soils of the transition from acquiring to recycling ecosystems. The contribution of litter-derived P will be explored in a litter exclusion experiment in the field. Spatial patterns of microbial and plant P mineralization in the rhizosphere will be explored by analyses of areas of high acid and alkaline (=microbial-derived) phosphatase activity by soil zymography, and their relations with areas of high rhizodeposition (14C imaging). In conclusion, we will analyse mechanisms of actual and potential microbial P mineralization and immobilization, localization, and consequences for P uptake by plants.
| Origin | Count |
|---|---|
| Federal | 894 |
| Municipality | 20 |
| Science | 12 |
| State | 243 |
| Type | Count |
|---|---|
| Data and measurements | 12 |
| Environmental assessment | 5 |
| Event | 1 |
| High-value dataset | 27 |
| Map service | 3 |
| Support program | 776 |
| Text | 67 |
| Unknown | 154 |
| License | Count |
|---|---|
| Closed | 59 |
| Open | 979 |
| Unknown | 6 |
| Language | Count |
|---|---|
| English | 269 |
| German | 936 |
| Resource type | Count |
|---|---|
| Archive | 24 |
| Document | 50 |
| File | 26 |
| Image | 4 |
| Multimedia | 1 |
| None | 621 |
| Web service | 121 |
| Website | 375 |
| Topic | Count |
|---|---|
| Air | 294 |
| Creatures and habitats | 1009 |
| Other | 1044 |
| People and the environment | 1044 |
| Soil | 1044 |
| Water | 441 |