Das Projekt "Baseline study on intersex in Littorina littorea with recommendations for biological TBT assessment criteria" wird/wurde gefördert durch: Rijkswaterstaat, National Institute for Coastal and Marine Management. Es wird/wurde ausgeführt durch: Universität Frankfurt am Main, Institut für Ökologie, Evolution und Diversität, Abteilung Aquatische Ökotoxikologie.
Das Projekt "Der Einfluss von Tauniederschlag auf den Wasser- und Nährstoffhaushalt der Vegetation von Stipa tenacissima dominierten Hängen unterschiedlicher Exposition im semi-ariden Südosten Spaniens" wird/wurde ausgeführt durch: Albert-Ludwigs-Universität Freiburg, Institut für Biologie II, Lehrstuhl für Geobotanik.In vielen Lebensräumen ist Wasser der bedeutendste limitierende Faktor für das Wachstum und die Verbreitung der Pflanzen. Neuere Arbeiten zeigen, dass auch Arten, die nicht über spezielle Blattorgane zur Aufnahme von Wasser verfügen, auf Tau mit einer Erhöhung des Wasserpotentials und der Photosynthese sowie mit gesteigertem Wurzelwachstum reagieren. Das Ziel des Projekts ist die Evaluierung des Einflusses und die Untersuchung der Wirkungsweise von Tau auf die Vegetation von Stipa tenacissima dominierten Hängen entlang eines Niederschlags-Tauniederschlags-Transekts in SO-Spanien. An S. tenacissima und an ausgewählten annuellen Arten wird der Einfluss von Tau auf den Wasserhaushalt, die Photosynthese und die Fähigkeit der Wurzeln zur Wasseraufnahme im Freiland und im Gewächshaus bestimmt. Seine Wirkungsweise, eventuelle Aufnahmewege, Verlagerungen im Boden sowie sein Einfluss auf die Nährstoffverfügbarkeit werden untersucht. Die Bestimmung der Taumenge und -häufigkeit, verbunden mit Mikroklimamessungen, ermöglicht eine Abschätzung des Beitrags von Tau zur Wasserbilanz der untersuchten Hänge. Das Projekt wird Fragen des Wasser- und Nährstoffhaushalts der Vegetation in ariden und semi-ariden Gebieten beantworten. Dies trägt zu einem besseren Verständnis der Ökologie und der Verbreitung der Pflanzen dieser Gebiete bei, welches für die zukünftige Bewirtschaftung und Rehabilitation von degradierten Flächen in diesen Ökosystemen wichtig ist.
Das Projekt "Ecotoxicology of Organotin compounds" wird/wurde ausgeführt durch: Universität Frankfurt am Main, Institut für Ökologie, Evolution und Diversität, Abteilung Aquatische Ökotoxikologie.Organotin and especially butyltin compounds are used for a variety of applications, e.g. as biocides, stabilizers, catalysts and intermediates in chemical syntheses. Tributyltin (TBT) compounds exhibit the greatest toxicity of all organotins and have even been characterized as one of the most toxic groups of xenobiotics ever produced and deliberately introduced into the environment. TBT is not only used as an active biocidal compound in antifouling paints, which are designed to prevent marine and freshwater biota from settlement on ship hulls, harbour and offshore installations, but also as a biocide in wood preservatives, textiles, dispersion paints and agricultural pesticides. Additionally, it occurs as a by-product of mono- (MBT) and dibutyltin (DBT) compounds, which are used as UV stabilizer in many plastics and for other applications. Triphenyltin (TPT) compounds are also used as the active biocide in antifouling paints outside Europe and furthermore as an agricultural fungicide since the early 1960s to combat a range of fungal diseases in various crops, particularly potato blight, leaf spot and powdery mildew on sugar beet, peanuts and celery, other fungi on hop, brown rust on beans, grey moulds on onions, rice blast and coffee leaf rust. Although the use of TBT and TPT was regulated in many countries world-wide from restrictions for certain applications to a total ban, these compounds are still present in the environment. In the early 1970s the impact of TBT on nontarget organisms became apparent. Among the broad variety of malformations caused by TBT in aquatic animals, molluscs have been found to be an extremely sensitive group of invertebrates and no other pathological condition produced by TBT at relative low concentrations rivals that of the imposex phenomenon in prosobranch gastropods speaking in terms of sensitivity. TBT induces imposex in marine prosobranchs at concentrations as low as 0,5 ng TBT-Sn/L. Since 1993, for the littorinid snail Littorina littorea a second virilisation phenomenon, termed intersex, is known. In female specimens affected by intersex the pallial oviduct is transformed of towards a male morphology with a final supplanting of female organs by the corresponding male formations. Imposex and intersex are morphological alterations caused by a chronic exposure to ultra-trace concentrations of TBT. A biological effect monitoring offers the possibility to determine the degree of contamination with organotin compounds in the aquatic environment and especially in coastal waters without using any expensive analytical methods. Furthermore, the biological effect monitoring allows an assessment of the existing TBT pollution on the basis of biological effects. Such results are normally more relevant for the ecosystem than pure analytical data. usw.
Das Projekt "Wirkung von Umweltsubstanzen auf den Sexualsteroidhormonstoffwechsel des Menschen" wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft. Es wird/wurde ausgeführt durch: Universität Bonn, Institut für Klinische Chemie und Pharmakologie.Umweltsubstanzen können bei Mensch und Tier das Hormonsystem beeinflussen, indem sie auf den Metabolismus der Hormone einwirken. So wurde kürzlich gezeigt, dass zinnorganische Verbindungen wie Tributylzinn bei Schnecken und Fischen offenbar durch eine Hemmung der Aromatase den Metabolismus der Sexualsteroidhormone stören und so schwere Schäden hervorrufen. Ziel des geplanten Vorhabens ist es, beim Menschen mit den von uns entwickelten Testverfahren (DFG Kl 524/4-1) zunächst den Einfluss der ubiquitär vorkommenden zinnorganischen Verbindungen auf Schlüsselenzyme des Sexualhormonstoffwechsels, wie die Aromatase, die 5a-Reduktase und die 17b-Hydroxysteroid-Dehydrogenase zu untersuchen. Auf molekularer Ebene soll in Gewebe-Homogenaten und -Schnitten der Einfluss auf die Enzymaktivität und in Zellkulturen auf die Genexpression (Quantifizierung der mRNA) gemessen werden. Ferner soll in menschlichem Gewebe der Gehalt an zinnorganischen Verbindungen bestimmt werden. Diese Untersuchungen werden zeigen, inwieweit auch beim Menschen Umweltsubstanzen in den Steroidhormonstoffwechsel eingreifen. Dies sind grundlegende Fragestellungen, zu denen beim Menschen bisher keine Befunde vorliegen.
Grundlage der Vegetationskarte waren die vergleichbar durchgeführten Kartierungen des Ist-Zustandes aus den Jahren 2007, 2011 und 2017 (nature-consult 2008, 2012 und 2018). Das digitale lagegenaue Kartenwerk aus 2017 ist zusammen mit den hochauflösenden digitalen Luftbilddaten aus 2023 und den LIDAR-Daten aus 2022 bearbeitet worden. Dabei erfolgten eine flächendeckende, vegetationskundliche digitale Anpassung der Vegetationsflächen für 2023 (visuelle Klassifikation) und zur Unterstützung wurde bei Bedarf partiell eine Klassifizierung als Entscheidungshilfe durchgeführt. Die Anpassung und partielle Klassifizierung wurden 2024 im Feld nahezu flächendeckende Verifizierung/Kartierung. Eine Übersetzung zu TMAP und Pflanzengesellschaften nach BfN 2000 und Drachenfels ist beigefügt. Die Daten wurden vom Fachbüro nature-consult erstellt. Die Zip-Datei enthält folgende Dateien: Elbe_2024_Vegetation.shp, Elbe_2024_Vegetation_Ebene_1.lyr, Elbe_2024_Vegetation_Ebene_2.lyr, Elbe_2024_Vegetation_Label.lyr, Endbericht_Elbe_2024_nature-consult_low_12-12-2024.pdf, Metadaten_Vegetationskarte.pdf, Link_zu_MetadatenGeoportalBfG.txt
Overview: ERA5-Land is a reanalysis dataset providing a consistent view of the evolution of land variables over several decades at an enhanced resolution compared to ERA5. ERA5-Land has been produced by replaying the land component of the ECMWF ERA5 climate reanalysis. Reanalysis combines model data with observations from across the world into a globally complete and consistent dataset using the laws of physics. Reanalysis produces data that goes several decades back in time, providing an accurate description of the climate of the past. Processing steps: The original hourly ERA5-Land air temperature 2 m above ground and dewpoint temperature 2 m data has been spatially enhanced from 0.1 degree to 30 arc seconds (approx. 1000 m) spatial resolution by image fusion with CHELSA data (V1.2) (https://chelsa-climate.org/). For each day we used the corresponding monthly long-term average of CHELSA. The aim was to use the fine spatial detail of CHELSA and at the same time preserve the general regional pattern and fine temporal detail of ERA5-Land. The steps included aggregation and enhancement, specifically: 1. spatially aggregate CHELSA to the resolution of ERA5-Land 2. calculate difference of ERA5-Land - aggregated CHELSA 3. interpolate differences with a Gaussian filter to 30 arc seconds. 4. add the interpolated differences to CHELSA Subsequently, the temperature time series have been aggregated on a daily basis. From these, daily relative humidity has been calculated for the time period 01/2000 - 12/2023. Relative humidity (rh2m) has been calculated from air temperature 2 m above ground (Ta) and dewpoint temperature 2 m above ground (Td) using the formula for saturated water pressure from Wright (1997): maximum water pressure = 611.21 * exp(17.502 * Ta / (240.97 + Ta)) actual water pressure = 611.21 * exp(17.502 * Td / (240.97 + Td)) relative humidity = actual water pressure / maximum water pressure The resulting relative humidity has been aggregated to monthly averages. Resultant values have been converted to represent percent * 10, thus covering a theoretical range of [0, 1000]. The data have been reprojected to EU LAEA. File naming scheme (YYYY = year; MM = month): ERA5_land_rh2m_avg_monthly_YYYY_MM.tif Projection + EPSG code: EU LAEA (EPSG: 3035) Spatial extent: north: 6874000 south: -485000 west: 869000 east: 8712000 Spatial resolution: 1000 m Temporal resolution: Monthly Pixel values: Percent * 10 (scaled to Integer; example: value 738 = 73.8 %) Software used: GDAL 3.2.2 and GRASS GIS 8.0.0/8.3.2 Original ERA5-Land dataset license: https://apps.ecmwf.int/datasets/licences/copernicus/ CHELSA climatologies (V1.2): Data used: Karger D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E, Linder, H.P., Kessler, M. (2018): Data from: Climatologies at high resolution for the earth's land surface areas. Dryad digital repository. http://dx.doi.org/doi:10.5061/dryad.kd1d4 Original peer-reviewed publication: Karger, D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E., Linder, P., Kessler, M. (2017): Climatologies at high resolution for the Earth land surface areas. Scientific Data. 4 170122. https://doi.org/10.1038/sdata.2017.122 Processed by: mundialis GmbH & Co. KG, Germany (https://www.mundialis.de/) Reference: Wright, J.M. (1997): Federal meteorological handbook no. 3 (FCM-H3-1997). Office of Federal Coordinator for Meteorological Services and Supporting Research. Washington, DC Data is also available in Latitude-Longitude/WGS84 (EPSG: 4326) projection: https://data.mundialis.de/geonetwork/srv/eng/catalog.search#/metadata/b9ce7dba-4130-428d-96f0-9089d8b9f4a5 Acknowledgements: This study was partially funded by EU grant 874850 MOOD. The contents of this publication are the sole responsibility of the authors and don't necessarily reflect the views of the European Commission.
Overview: ERA5-Land is a reanalysis dataset providing a consistent view of the evolution of land variables over several decades at an enhanced resolution compared to ERA5. ERA5-Land has been produced by replaying the land component of the ECMWF ERA5 climate reanalysis. Reanalysis combines model data with observations from across the world into a globally complete and consistent dataset using the laws of physics. Reanalysis produces data that goes several decades back in time, providing an accurate description of the climate of the past. Processing steps: The original hourly ERA5-Land air temperature 2 m above ground and dewpoint temperature 2 m data has been spatially enhanced from 0.1 degree to 30 arc seconds (approx. 1000 m) spatial resolution by image fusion with CHELSA data (V1.2) (https://chelsa-climate.org/). For each day we used the corresponding monthly long-term average of CHELSA. The aim was to use the fine spatial detail of CHELSA and at the same time preserve the general regional pattern and fine temporal detail of ERA5-Land. The steps included aggregation and enhancement, specifically: 1. spatially aggregate CHELSA to the resolution of ERA5-Land 2. calculate difference of ERA5-Land - aggregated CHELSA 3. interpolate differences with a Gaussian filter to 30 arc seconds. 4. add the interpolated differences to CHELSA Subsequently, the temperature time series have been aggregated on a daily basis. From these, daily relative humidity has been calculated for the time period 01/2000 - 12/2023. Relative humidity (rh2m) has been calculated from air temperature 2 m above ground (Ta) and dewpoint temperature 2 m above ground (Td) using the formula for saturated water pressure from Wright (1997): maximum water pressure = 611.21 * exp(17.502 * Ta / (240.97 + Ta)) actual water pressure = 611.21 * exp(17.502 * Td / (240.97 + Td)) relative humidity = actual water pressure / maximum water pressure The resulting relative humidity has been aggregated to monthly averages. Resultant values have been converted to represent percent * 10, thus covering a theoretical range of [0, 1000]. File naming scheme (YYYY = year; MM = month): ERA5_land_rh2m_avg_monthly_YYYY_MM.tif Projection + EPSG code: Latitude-Longitude/WGS84 (EPSG: 4326) Spatial extent: north: 82:00:30N south: 18N west: 32:00:30W east: 70E Spatial resolution: 30 arc seconds (approx. 1000 m) Temporal resolution: Monthly Pixel values: Percent * 10 (scaled to Integer; example: value 738 = 73.8 %) Software used: GDAL 3.2.2 and GRASS GIS 8.0.0/8.3.2 Original ERA5-Land dataset license: https://apps.ecmwf.int/datasets/licences/copernicus/ CHELSA climatologies (V1.2): Data used: Karger D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E, Linder, H.P., Kessler, M. (2018): Data from: Climatologies at high resolution for the earth's land surface areas. Dryad digital repository. http://dx.doi.org/doi:10.5061/dryad.kd1d4 Original peer-reviewed publication: Karger, D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E., Linder, P., Kessler, M. (2017): Climatologies at high resolution for the Earth land surface areas. Scientific Data. 4 170122. https://doi.org/10.1038/sdata.2017.122 Processed by: mundialis GmbH & Co. KG, Germany (https://www.mundialis.de/) Reference: Wright, J.M. (1997): Federal meteorological handbook no. 3 (FCM-H3-1997). Office of Federal Coordinator for Meteorological Services and Supporting Research. Washington, DC Data is also available in EU LAEA (EPSG: 3035) projection: https://data.mundialis.de/geonetwork/srv/eng/catalog.search#/metadata/ab06ed25-84af-43c9-b1c3-57e3b6ad8d29 Acknowledgements: This study was partially funded by EU grant 874850 MOOD. The contents of this publication are the sole responsibility of the authors and don't necessarily reflect the views of the European Commission.
Die Zustandsbestimmung 2021 der Oberflächenwasserkörper (OWK) basiert auf den Vorgaben der Oberflächengewässerverordnung vom 20. Juni 2016 (OGewV). Diese Vorgaben wurden durch Abstimmungen zwischen den Bundesländern in der Länderarbeitsgemeinschaft Wasser (LAWA) und den Flussgebietsgemeinschaften (FGG) Weser und Elbe konkretisiert. Die EU unterscheidet bei den oberirdischen Gewässern zwischen natürlichen Wasserkörpern, erheblich veränderten Wasserkörpern und künstlichen Wasserkörpern . Welche Wasserkörper erheblich verändert oder künstlich sind, wird nach einer europaweit abgestimmten Methodik ermittelt. Als erheblich verändert kann ein Oberflächenwasserkörper dann eingestuft werden, wenn sich Verbesserungen an ihm signifikant negativ auf die Nutzung auswirken. Wichtige spezifische Nutzungen in Wasserkörpern, in deren Folge eine Ausweisung als erheblich verändertes oder künstliches Gewässer erfolgte, sind in Sachsen-Anhalt die Landbewässerung und Landentwässerung, der Hochwasserschutz, der Bergbau und die Schifffahrt. Die Verteilung von natürlichen, künstlichen und erheblich veränderten Wasserkörpern sind im nebenstehenden Diagramm veranschaulicht. Für die natürlichen Oberflächenwasserkörper sind der ökologische und der chemische Zustand zu bestimmen. Für die künstlichen und erheblich veränderten Wasserkörper sind das ökologische Potenzial und der chemische Zustand zu ermitteln. Bei der Ermittlung des ökologischen Zustandes/ Potenzials stehen biologische Komponenten im Mittelpunkt. Dazu gehören u.a. am Gewässergrund lebende wirbellose Kleinlebewesen, Fische, Wasserpflanzen sowie Algen. Die allgemeinen physikalisch-chemischen Parameter, wie Sauerstoff-, Nährstoff- oder Salzgehalte gehen unterstützend in die Bewertung der biologischen Komponenten ein. Das gleiche gilt für die Bewertung der hydromorphologischen Komponenten, die den Wasserhaushalt, die Durchgängigkeit und die Struktur der Gewässer umfassen. Aber auch bestimmte Schadstoffe sind bei der Bewertung des ökologischen Zustandes heranzuziehen. Die Bewertung des chemischen Zustandes erfolgte nach Anlage 7 der Oberflächengewässerverordnung (OGewV). Lediglich 3 Prozent der 334 Oberflächengewässerkörper Sachsen-Anhalts befinden sich zurzeit in einem guten ökologischen Zustand oder haben ein gutes ökologisches Potenzial. Defizite bestehen hier vor allem hinsichtlich des Lebensraums und der Artenvielfalt von Tieren und Pflanzen in den Gewässern (biologische Komponenten). Vielfach sind Verlauf und Struktur der Gewässer verändert oder die Durchgängigkeit unterbrochen worden. Auch beim Gehalt an Sauerstoff, Nährstoffen und Salz und bei spezifischen Schadstoffen sind noch Defizite zu verzeichnen. Eine Ursache dafür ist die intensive landwirtschaftliche Nutzung sowie die damit verbundene Belastung aus diffusen Quellen. Hinsichtlich des chemischen Zustandes weist kein Wasserkörper einen guten Zustand auf. Hauptgrund dafür ist die bundesweit flächendeckende Überschreitung der sehr niedrigen Umweltqualitätsnormen für Quecksilber und für bromierte Diphenylether (BDE) in Biota sowie für weitere ubiquitär verbreitete Stoffe im Wasser (Polyzyklische aromatische Kohlenwasserstoffe, Tributylzinn, Perfluoroktansäure). Ohne Berücksichtigung von Quecksilber und BDE weisen 52 Prozent der Wasserkörper Sachsen-Anhalts einen guten chemischen Zustand auf. Die Defizite des chemischen Zustandes sind neben der ubiquitären Belastung vor allem auf historisch bedingte Altlasten und Altbergbau zurückzuführen. Zurück zu Bestandsaufnahme und Zustandsbestimmung
Overview: ERA5-Land is a reanalysis dataset providing a consistent view of the evolution of land variables over several decades at an enhanced resolution compared to ERA5. ERA5-Land has been produced by replaying the land component of the ECMWF ERA5 climate reanalysis. Reanalysis combines model data with observations from across the world into a globally complete and consistent dataset using the laws of physics. Reanalysis produces data that goes several decades back in time, providing an accurate description of the climate of the past. Processing steps: The original hourly ERA5-Land air temperature 2 m above ground and dewpoint temperature 2 m data has been spatially enhanced from 0.1 degree to 30 arc seconds (approx. 1000 m) spatial resolution by image fusion with CHELSA data (V1.2) (https://chelsa-climate.org/). For each day we used the corresponding monthly long-term average of CHELSA. The aim was to use the fine spatial detail of CHELSA and at the same time preserve the general regional pattern and fine temporal detail of ERA5-Land. The steps included aggregation and enhancement, specifically: 1. spatially aggregate CHELSA to the resolution of ERA5-Land 2. calculate difference of ERA5-Land - aggregated CHELSA 3. interpolate differences with a Gaussian filter to 30 arc seconds. 4. add the interpolated differences to CHELSA Subsequently, the temperature time series have been aggregated on a daily basis. From these, daily relative humidity has been calculated for the time period 01/2000 - 07/2021. Relative humidity (rh2m) has been calculated from air temperature 2 m above ground (Ta) and dewpoint temperature 2 m above ground (Td) using the formula for saturated water pressure from Wright (1997): maximum water pressure = 611.21 * exp(17.502 * Ta / (240.97 + Ta)) actual water pressure = 611.21 * exp(17.502 * Td / (240.97 + Td)) relative humidity = actual water pressure / maximum water pressure Data provided is the daily averages of relative humidity. Resultant values have been converted to represent percent * 10, thus covering a theoretical range of [0, 1000]. The data have been reprojected to EU LAEA. File naming scheme (YYYY = year; MM = month; DD = day): ERA5_land_rh2m_avg_daily_YYYYMMDD.tif Projection + EPSG code: EU LAEA (EPSG: 3035) Spatial extent: north: 6874000 south: -485000 west: 869000 east: 8712000 Spatial resolution: 1000 m Temporal resolution: Daily Pixel values: Percent * 10 (scaled to Integer; example: value 738 = 73.8 %) Software used: GDAL 3.2.2 and GRASS GIS 8.0.0 Original ERA5-Land dataset license: https://apps.ecmwf.int/datasets/licences/copernicus/ CHELSA climatologies (V1.2): Data used: Karger D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E, Linder, H.P., Kessler, M. (2018): Data from: Climatologies at high resolution for the earth's land surface areas. Dryad digital repository. http://dx.doi.org/doi:10.5061/dryad.kd1d4 Original peer-reviewed publication: Karger, D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E., Linder, P., Kessler, M. (2017): Climatologies at high resolution for the Earth land surface areas. Scientific Data. 4 170122. https://doi.org/10.1038/sdata.2017.122 Processed by: mundialis GmbH & Co. KG, Germany (https://www.mundialis.de/) Reference: Wright, J.M. (1997): Federal meteorological handbook no. 3 (FCM-H3-1997). Office of Federal Coordinator for Meteorological Services and Supporting Research. Washington, DC Acknowledgements: This study was partially funded by EU grant 874850 MOOD. The contents of this publication are the sole responsibility of the authors and don't necessarily reflect the views of the European Commission.
Overview: ERA5-Land is a reanalysis dataset providing a consistent view of the evolution of land variables over several decades at an enhanced resolution compared to ERA5. ERA5-Land has been produced by replaying the land component of the ECMWF ERA5 climate reanalysis. Reanalysis combines model data with observations from across the world into a globally complete and consistent dataset using the laws of physics. Reanalysis produces data that goes several decades back in time, providing an accurate description of the climate of the past. Processing steps: The original hourly ERA5-Land air temperature 2 m above ground and dewpoint temperature 2 m data has been spatially enhanced from 0.1 degree to 30 arc seconds (approx. 1000 m) spatial resolution by image fusion with CHELSA data (V1.2) (https://chelsa-climate.org/). For each day we used the corresponding monthly long-term average of CHELSA. The aim was to use the fine spatial detail of CHELSA and at the same time preserve the general regional pattern and fine temporal detail of ERA5-Land. The steps included aggregation and enhancement, specifically: 1. spatially aggregate CHELSA to the resolution of ERA5-Land 2. calculate difference of ERA5-Land - aggregated CHELSA 3. interpolate differences with a Gaussian filter to 30 arc seconds. 4. add the interpolated differences to CHELSA Subsequently, the temperature time series have been aggregated on a daily basis. From these, daily relative humidity has been calculated for the time period 01/2000 - 07/2021. Relative humidity (rh2m) has been calculated from air temperature 2 m above ground (Ta) and dewpoint temperature 2 m above ground (Td) using the formula for saturated water pressure from Wright (1997): maximum water pressure = 611.21 * exp(17.502 * Ta / (240.97 + Ta)) actual water pressure = 611.21 * exp(17.502 * Td / (240.97 + Td)) relative humidity = actual water pressure / maximum water pressure The resulting relative humidity has been aggregated to decadal averages. Each month is divided into three decades: the first decade of a month covers days 1-10, the second decade covers days 11-20, and the third decade covers days 21-last day of the month. Resultant values have been converted to represent percent * 10, thus covering a theoretical range of [0, 1000]. The data have been reprojected to EU LAEA. File naming scheme (YYYY = year; MM = month; dD = number of decade): ERA5_land_rh2m_avg_decadal_YYYY_MM_dD.tif Projection + EPSG code: EU LAEA (EPSG: 3035) Spatial extent: north: 6874000 south: -485000 west: 869000 east: 8712000 Spatial resolution: 1000 m Temporal resolution: Decadal Pixel values: Percent * 10 (scaled to Integer; example: value 738 = 73.8 %) Software used: GDAL 3.2.2 and GRASS GIS 8.0.0 Original ERA5-Land dataset license: https://apps.ecmwf.int/datasets/licences/copernicus/ CHELSA climatologies (V1.2): Data used: Karger D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E, Linder, H.P., Kessler, M. (2018): Data from: Climatologies at high resolution for the earth's land surface areas. Dryad digital repository. http://dx.doi.org/doi:10.5061/dryad.kd1d4 Original peer-reviewed publication: Karger, D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E., Linder, P., Kessler, M. (2017): Climatologies at high resolution for the Earth land surface areas. Scientific Data. 4 170122. https://doi.org/10.1038/sdata.2017.122 Processed by: mundialis GmbH & Co. KG, Germany (https://www.mundialis.de/) Reference: Wright, J.M. (1997): Federal meteorological handbook no. 3 (FCM-H3-1997). Office of Federal Coordinator for Meteorological Services and Supporting Research. Washington, DC Acknowledgements: This study was partially funded by EU grant 874850 MOOD. The contents of this publication are the sole responsibility of the authors and don't necessarily reflect the views of the European Commission.
| Origin | Count |
|---|---|
| Bund | 133 |
| Land | 27 |
| Wissenschaft | 1 |
| Type | Count |
|---|---|
| Chemische Verbindung | 21 |
| Förderprogramm | 51 |
| Messwerte | 22 |
| Text | 22 |
| unbekannt | 33 |
| License | Count |
|---|---|
| geschlossen | 77 |
| offen | 57 |
| unbekannt | 15 |
| Language | Count |
|---|---|
| Deutsch | 124 |
| Englisch | 48 |
| Resource type | Count |
|---|---|
| Archiv | 8 |
| Bild | 1 |
| Datei | 23 |
| Dokument | 9 |
| Keine | 81 |
| Webseite | 66 |
| Topic | Count |
|---|---|
| Boden | 78 |
| Lebewesen & Lebensräume | 116 |
| Luft | 71 |
| Mensch & Umwelt | 149 |
| Wasser | 87 |
| Weitere | 128 |