API src

Found 3341 results.

Similar terms

s/tremote sensing/Remote Sensing/gi

Other language confidence: 0.8294066459226862

Spezifisches Grünvolumen pro Nettoteilblock 2009 (WMS Dienst)

Wichtige Hinweise zum Layer: Grundlage des spezifischen Grünvolumens pro Nettoteilblock bildet das spezifische Grünvolumen als Raster mit einer räumlichen Auflösung von 1m (beachte: Basisdatensatz in GK5 mit 0,5 m Auflösung). Dieses wurde im vorliegenden Layer für die einzelnen Nettoteilblöcke statistisch ausgewertet. Der ausgewiesene Wert entspricht hierbei dem Mittelwert aller im jeweiligen Block enthaltenen Rasterzellen. Ein Rückschluss auf deren Verteilung sowie der vegetativen Strukturelemente im Raum (zum Beispiel nur Wiese und am Flächenrand hohe Vegetation oder Wiese mit Baumbestand) lässt sich daraus nicht ableiten. Für konkretere Aussagen zur Verteilungsstruktur ist das Raster des spezifischen Grünvolumens heranzuziehen. Da Gewässerflächen (hier: Nettoteilblockflächen mit der Nutzungsart Gewässer) mit Ausnahme von Baumkronenüberhängen kein durch Fernerkundung erfassbares Grünvolumen enthalten, bleiben diese Flächen von der Darstellung des Grünvolumens unberücksichtigt. Allgemeine Hintergrundinformationen zum spezifischen Grünvolumen: Das spezifische Grünvolumen als Synonym für Grünvolumenzahl basiert auf dem durch das Leibniz-Institut für ökologische Raumentwicklung e.V. (IÖR) erstellten Gutachten "Grünvolumenbestimmung der Stadt Dresden auf der Grundlage von Laserscandaten" vom August 2014 (Beachte: Datenbasis 2009-2011). Dieses ist unter dem zugeordneten Dokument einsehbar. Einleitung: Städtisches Grün ist aus stadtökologischer und sozialer Sicht unverzichtbar und erfüllt wichtige Funktionen wie Staubbindung, Temperaturminderung, Winddämpfung oder Grundwasserneubildung. Darüber hinaus bilden öffentliche Grünanlagen Oasen der Ruhe, die der Erholung, Freizeitgestaltung und Kommunikation dienen und wichtige soziale Funktionen erfüllen. Je nach Kontext wird die Vegetation durch unterschiedliche Bestandsmerkmale beschrieben: - Forstwirtschaft (Baumart, Bestandsdichte, Brusthöhendurchmesser und Überschirmungsgrad) - Botanik (Blattflächenindex - LAI = Leaf Area Index - als Grundlage zur Bestimmung der Belaubungsdichte sowie der fotosynthetischen Aktivität bzw. der Produktionsleistung) - Landwirtschaft (pflanzliche Biomasse, als Maß der Ertragsbilanzierung). Im städtischen Kontext ist aufgrund der Artenvielfalt der Vegetation eine Erfassung von Blattflächenindex oder Biomasse schwierig. Aus diesem Grund spielen einfache, planerisch sinnvolle und vor allem praktikable Indikatoren eine wichtige Rolle. Für die Anwendung in der großmaßstäbigen Bauleit- und Landschaftsplanung wurde deshalb eine rechnerische Bestimmung des Grünvolumens durch die Planungsgemeinschaft GROSSMANN, SCHULZE, POHL entwickelt. Dabei wird das Grünvolumen mittels der flächenbezogenen Grünvolumenzahl (GVZ) beschrieben. Sie wurde als Pendant zu den planungsrelevanten Richtgrößen der baulichen Nutzung, wie der Grundflächenzahl (GRZ) oder der Geschossflächenzahl (GFZ) eingeführt. Es soll neben den vegetationsbezogenen Indikatoren Biotopflächenfaktor (BFF), Bodenfunktionszahl (BFZ) und dem Durchgrünungsgrad die Formulierung von Mindestanforderungen an die Grünausstattung bei der Planung ermöglichen, da sie eine hohe ökologische Aussagekraft besitzt. Was beschreibt die Grünvolumenzahl (GVZ)? Als Grünvolumen wird die Summe des oberirdischen Volumens aller Pflanzen verstanden. Es wird in m³ angegeben. Das Grünvolumen ist durch die äußere Hülle der Vegetation begrenzt, die in der praktischen Erfassung über idealisierte geometrisch primitive Formen beschrieben wird: - Quader: Rasen, Kräuter sowie Sträucher - Kugel: z. B. Eiche - Zylinder: z. B. Pappel - Kegel: z. B. Nadelbaum Aus der Grünvolumensumme aller Vegetationsobjekte in Bezug auf eine definierte Bezugsfläche (z. B. Baublock) ergibt sich die Grünvolumenzahl (GVZ), die alternativ auch als "spezifisches Grünvolumen" bezeichnet wird und die Einheit m³/m² besitzt. Das vorliegende generalisierte Raster (ursprüngliche Auflösung 0,5 m) weist für die einzelnen Zellen (Auflösung jetzt 1 m) bereits das spezifische Grünvolumen (m³/m²) auf, welches zugleich dem absoluten Grünvolumen entspricht. Datengrundlage/Methodik: Grundlage der Bestimmung des Grünvolumens sind Laserscandaten, RGBI-Bilddaten sowie Gebäudedaten. Eine detaillierte Beschreibung der Vorgehensweise ist dem zugeordneten Dokument zu entnehmen. Klassifizierung des spezifischen Grünvolumen: - 1. Klasse: vegetationslos (= 0 m³/m²) - 2. Klasse: bis einschließlich 0,1 m³/m² - 3. Klasse: bis einschließlich 0,5 m³/m² - 4. Klasse: bis einschließlich 0,75 m³/m² - 5. Klasse: bis einschließlich 1 m³/m² - 6. Klasse: bis einschließlich 3 m³/m² - 7. Klasse: bis einschließlich 8 m³/m² - 8. Klasse: bis einschließlich 14 m³/m² - 9. Klasse: bis einschließlich 20 m³/m² - 10. Klasse: bis einschließlich 25 m³/m² - 11. Klasse: größer als 25 m³/m² Die Klassifikation in der vorliegenden Abstufung erfolgt aufgrund der im Modell getroffenen Annahmen sowie zur besseren plastischen Darstellung der Vegetationsobjekte. Einschränkung: Entsprechend der vorgesehenen Nutzung für die Umwelt-, Landschafts- und Bauleitplanung ist trotz scheinbar detaillierter Darstellungsmöglichkeit der Anwendungsmaßstab auf 1:5.000 begrenzt.

Einzelbaum Kronenumringe aus Luftbildern (2021) Wuppertal

Der Datensatz umfasst die automatisiert aus Luftbildern (Aufnahmezeitpunkte 30. März und 01./02. Juni 2021) abgeleiteten, zweidimensionalen Baumkronenumringe ("Baumkronenpolygone") von rund 894.000 Bäumen im Stadtgebiet von Wuppertal, ausgeführt durch die EFTAS Fernerkundung Technologietransfer GmbH aus Münster im Rahmen der Forschungskooperation DigiTalZwilling4D innerhalb des Förderprojektes smart.wuppertal / DigiTal Zwilling mit dem in dieser Kooperation entwickelten Verfahren "twin4tree". Hierbei wurde das normalisierte Digitale Oberflächenmodell (nDOM) von Geobasis NRW (Jahrgang 2021) als Höhenmodell verwendet. Um keine Gebäude oder Bauwerke als Baum zu identifizieren, wurden für das Vegetationshöhenmodell nur Bereiche des nDOM innerhalb einer Baummaske berücksichtigt, die zuvor über eine Klassifikation der o. g. Luftbilder mit dem KI-Verfahren "Cop4ALL" erzeugt wurde. Die einzelnen Bäume wurden darin über ein Template-Matching-Verfahren identifiziert, bei dem variable 3D-Schablonen (sphärische und gaußförmige Form für Laubbäume, parabolische, hyperbolische und konische Form für Nadelbäume) über das Vegetationshöhenmodell gelegt werden. Den so gefundenen Baumstandorten wurden mittels einer Segmentierung des Vegetationshöhenmodells Baumkronen zugeordnet, deren senkrechte Projektion auf den Boden zweidimensionale Baumkronenpolygone ergab. Der Datensatz ist im GeoPackage-Format als Original und zur Reduzierung der Dateigröße als Variante mit generalisierten Baumkronenpolygonen unter der Open-Data-Lizenz CC BY 4.0 verfügbar. Wichtiger Hinweis: In dichten Baumbeständen ist die Identifikation einzelner Bäume aufgrund von zusammenwachsenden Baumkronen ("Kronenschluss") erschwert. Auch sogenannte "beherrscht stehende Individuen" unterhalb der aus der Luft sichtbaren Baumkronen lassen sich mit dem twin4tree-Verfahren nicht eindeutig erkennen. Daher unterschätzt das Verfahren die Anzahl von Bäumen in diesen Bereichen deutlich. Aus stichprobenhaften Zählungen in einigen Waldbereichen wurde ein durchschnittlicher Korrekturfaktor von 1,6 abgeleitet.

Einzelbaum Stammpositionen aus Luftbildern (2021) Wuppertal

Der Datensatz umfasst die automatisiert aus Luftbildern (Aufnahmezeitpunkte 30. März und 01./02. Juni 2021) abgeleiteten, punktförmigen Stammpositionen von rund 894.000 Bäumen im Stadtgebiet von Wuppertal, ausgeführt durch die EFTAS Fernerkundung Technologietransfer GmbH aus Münster im Rahmen der Forschungskooperation DigiTalZwilling4D innerhalb des Förderprojektes smart.wuppertal / DigiTal Zwilling mit dem in dieser Kooperation entwickelten Verfahren "twin4tree". Hierbei wurde das normalisierte Digitale Oberflächenmodell (nDOM) von Geobasis NRW (Jahrgang 2021) als Höhenmodell verwendet. Um keine Gebäude oder Bauwerke als Baum zu identifizieren, wurden für das Vegetationshöhenmodell nur Bereiche des nDOM innerhalb einer Baummaske berücksichtigt, die zuvor über eine Klassifikation der o. g. Luftbilder mit dem KI-Verfahren "Cop4ALL" erzeugt wurde. Die einzelnen Bäume wurden darin über ein Template-Matching-Verfahren identifiziert, bei dem variable 3D-Schablonen (sphärische und gaußförmige Form für Laubbäume, parabolische, hyperbolische und konische Form für Nadelbäume) über das Vegetationshöhenmodell gelegt werden. Den so gefundenen Baumstandorten wurden mittels einer Segmentierung des Vegetationshöhenmodells Baumkronen zugeordnet, deren senkrechte Projektion auf den Boden zweidimensionale Baumkronenpolygone ergab. Die Stammposition eines Baumes wurde im geometrischen Schwerpunkt seines Baumkronenpolygons angenommen. Der Datensatz ist im GeoPackage-Format unter der Open-Data-Lizenz CC BY 4.0 verfügbar. Wichtige Hinweise: (1) In dichten Baumbeständen ist die Identifikation einzelner Bäume aufgrund von zusammenwachsenden Baumkronen ("Kronenschluss") erschwert. Auch sogenannte "beherrscht stehende Individuen" unterhalb der aus der Luft sichtbaren Baumkronen lassen sich mit dem twin4tree-Verfahren nicht eindeutig erkennen. Daher unterschätzt das Verfahren die Anzahl von Bäumen in diesen Bereichen deutlich. Aus stichprobenhaften Zählungen in einigen Waldbereichen wurde ein durchschnittlicher Korrekturfaktor von 1,6 abgeleitet. (2) Die genauen Stammpositionen können aus optischen Fernerkundungsdaten nicht bestimmt werden. Die als Stammpositionen angegebenen Schwerpunkte der Baumkronenpolygone sind Näherungswerte.

Digitales Höhenmodell Hamburg DGM 10

Abgeleitetes, flächendeckendes digitales Geländemodell mit einer Rasterweite von 10 Meter auf Basis des DGM1. Für die Fläche der Freien und Hansestadt Hamburg (ohne das Gebiet des hamburgischen Wattenmeeres) wurde in 2020 eine Laserscanvermessungen (Airborne Laserscanning) durchgeführt. Die Daten liegen im Lagestatus 310 (ETRS89/UTM) vor, mit Höhenangaben über Normalhöhennull (NHN), gemäß DE_DHHN2016_NH. Die Genauigkeit eines einzelnen Messpunktes liegt in eindeutig definierten Bereichen, wie z.B. auf Straßenflächen, bei ca. ± 105 cm. In Bereichen von Abschattungen (Brücken), Vegetation, insbesondere Flächen in Wald- und Strauchgebieten und bei stark geneigtem Gelände, ist die Genauigkeit geringer. Standardmäßig werden vom LGV folgende Rasterweiten angeboten: DGM 1 (Rasterweite 1m), DGM 10 (Rasterweite 10m), DGM 25 (Rasterweite 25m). Eine jährliche Aktualisierung dieser Daten erfolgt über Luftbildbefliegungen. Neben der reinen Bereitstellung der Höheninformation als regelmäßiges Gitter werden die Daten auch als Dienstleistung in einer Dreiecksvermaschung (TIN) abgegeben. Dabei ist ein Datenaustausch mit 2D- und 3D-CAD-Systemen sichergestellt. Als weitere Dienstleistung können z.B. Höhenlinien und Profile abgeleitet oder Volumina und Neigungen errechnet werden. Durch Integration weiterer Geobasis- und Fachdaten (Vektor- und Rasterdaten) können weitere Dienstleistungen z.B. für die Bereiche Wasserwirtschaft, Tiefbau, Umwelt und Stadtplanung sowie Energieversorgung groß- und kleinräumige Anwendungen abgeleitet werden.

Sentinel-5P TROPOMI Surface Nitrogendioxide (NO2), Level 4 – Regional (Germany and neighboring countries)

The TROPOMI instrument onboard the Copernicus SENTINEL-5 Precursor satellite is a nadir-viewing, imaging spectrometer that provides global measurements of atmospheric properties and constituents on a daily basis. It is contributing to monitoring air quality and climate, providing critical information to services and decision makers. The instrument uses passive remote sensing techniques by measuring the top of atmosphere solar radiation reflected by and radiated from the earth and its atmosphere. The four spectrometers of TROPOMI cover the ultraviolet (UV), visible (VIS), Near Infra-Red (NIR) and Short Wavelength Infra-Red (SWIR) domains of the electromagnetic spectrum. The operational trace gas products generated at DLR on behave ESA are: Ozone (O3), Nitrogen Dioxide (NO2), Sulfur Dioxide (SO2), Formaldehyde (HCHO), Carbon Monoxide (CO) and Methane (CH4), together with clouds and aerosol properties. This product displays the Nitrogen Dioxide (NO2) near surface concentration for Germany and neighboring countries as derived from the POLYPHEMUS/DLR air quality model. Surface NO2 is mainly generated by anthropogenic sources, e.g. transport and industry. POLYPHEMUS/DLR is a state-of-the-art air quality model taking into consideration - meteorological conditions, - photochemistry, - anthropogenic and natural (biogenic) emissions, - TROPOMI NO2 observations for data assimilation. This Level 4 air quality product (surface NO2 at 15:00 UTC) is based on innovative algorithms, processors, data assimilation schemes and operational processing and dissemination chain developed in the framework of the INPULS project. The DLR project INPULS develops (a) innovative retrieval algorithms and processors for the generation of value-added products from the atmospheric Copernicus missions Sentinel-5 Precursor, Sentinel-4, and Sentinel-5, (b) cloud-based (re)processing systems, (c) improved data discovery and access technologies as well as server-side analytics for the users, and (d) data visualization services.

Sentinel-5P TROPOMI – Cloud-Top Height (CTH), Level 3 – Global

Global Cloud-Top Height (CTH) as derived from the Sentinel-5P/TROPOMI instrument. Clouds play a crucial role in the Earth's climate system and have significant effects on trace gas retrievals. The cloud-top height is retrieved from the O2-A band using the ROCINN algorithm. Daily observations are binned onto a regular latitude-longitude grid. The TROPOMI instrument aboard the SENTINEL-5P space craft is a nadir-viewing, imaging spectrometer covering wavelength bands between the ultraviolet and the shortwave infra-red. TROPOMI's purpose is to measure atmospheric properties and constituents. It is contributing to monitoring air quality and providing critical information to services and decision makers. The instrument uses passive remote sensing techniques by measuring the Top Of Atmosphere (TOA) solar radiation reflected by and radiated from the earth and its atmosphere. The four spectrometers of TROPOMI cover the ultraviolet (UV), visible (VIS), Near Infra-Red (NIR) and Short Wavelength Infra-Red (SWIR) domains of the electromagnetic spectrum, allowing operational retrieval of the following trace gas constituents: Ozone (O3), Nitrogen Dioxide (NO2), Sulfur Dioxide (SO2), Formaldehyde (HCHO), Carbon Monoxide (CO) and Methane (CH4). Within the INPULS project, innovative algorithms and processors for the generation of Level 3 and Level 4 products, improved data discovery and access technologies as well as server-side analytics for the users are developed.

Sentinel-5P TROPOMI - Aerosol Single-Scattering Albedo (ASSA), Level 3 - Global

Aerosol single-scattering albedo (ASSA) as derived from TROPOMI observations. ASSA is a measure of how much light is scattered by aerosols compared to how much is absorbed. It is important for understanding the impact of aerosols on climate and radiative forcing. ASSA is unitless; a value of unity implies that extinction is completely due to scattering; conversely, a single-scattering albedo of zero implies that extinction is completely due to absorption. Daily ASSA observations are binned onto a regular latitude-longitude grid. The TROPOMI instrument onboard the Copernicus SENTINEL-5 Precursor satellite is a nadir-viewing, imaging spectrometer that provides global measurements of atmospheric properties and constituents on a daily basis. It is contributing to monitoring air quality and climate, providing critical information to services and decision makers. The instrument uses passive remote sensing techniques by measuring the top of atmosphere solar radiation reflected by and radiated from the earth and its atmosphere. The four spectrometers of TROPOMI cover the ultraviolet (UV), visible (VIS), Near Infra-Red (NIR) and Short Wavelength Infra-Red (SWIR) domains of the electromagnetic spectrum. The operational trace gas products generated at DLR on behave ESA are: Ozone (O3), Nitrogen Dioxide (NO2), Sulfur Dioxide (SO2), Formaldehyde (HCHO), Carbon Monoxide (CO) and Methane (CH4), together with clouds and aerosol properties. This product is created in the scope of the project INPULS. It develops (a) innovative retrieval algorithms and processors for the generation of value-added products from the atmospheric Copernicus missions Sentinel-5 Precursor, Sentinel-4, and Sentinel-5, (b) cloud-based (re)processing systems, (c) improved data discovery and access technologies as well as server-side analytics for the users, and (d) data visualization services.

Numerische Simulationen von Nebelereignissen in der Namib Region (NaFoLiCa-M)

In der Trockenwüste Namib an der Westküste Afrikas sind Nebelereignisse von großer Bedeutung nicht nur für die Pflanzen- und Tierwelt, sondern insbesondere auch für die Gewinnung von Trinkwasser mit Hilfe von Nebelwasserkollektoren. Um eine ökonomische Nutzung der Trinkwassergewinnung zu ermöglichen, sind genaue Kenntnisse der raumzeitlichen Entwicklung von Nebelereignissen unerlässlich. Aufgrund der komplexen topographischen Strukturen in der Namib Region lassen sich diese Kenntnisse flächendeckend nur mit Hilfe numerischer Simulationen gewinnen. Im vorliegenden Projekt soll, basierend auf dem mesoskaligen Wettervorhersagemodell COSMO des Deutschen Wetterdienstes, das dreidimensionale Nebelmodell COSMO-FOG entwickelt werden, mit dem Nebelereignisse in der Namib Region simuliert werden können. In COSMO-FOG sollen insbesondere die speziellen topographischen Gegebenheiten im Untersuchungsgebiet (Atlantischer Ozean, Küstenwüste, Große Randstufe) berücksichtigt werden, um das Auftreten der dort vorkommenden unterschiedlichen Nebelereignisse (Advektionsnebel, Strahlungsnebel, Hochnebel, etc.) realistisch simulieren zu können. Das beantragte Projekt ist Teil eines Paketantrags bestehend aus drei Einzelprojekten, zu denen neben NaFoLiCa-M auch bodengebundene Messungen (NaFoLiCa-F) sowie auf Fernerkundung basierende Nebelbeobachtungen (NaFoLiCa-S) gehören. Verknüpfungen zwischen den Teilprojekten bestehen in der gemeinsamen Prozessanalyse durch Verbindung der bodengebundenen und satellitengestützten Messungen sowie im Einsatz von COSMO-FOG zur Ermittlung der raumzeitlichen Nebelstrukturen.

Renaturierung von Mooren der nemoralen Zone unter Bedingungen variabler Wasserverfügbarkeit und -qualität

Die Funktionen von Mooren in Wasser- und Elementkreisläufen, als Kohlenstoffspeicher und in der Bewahrung der Biodiversität sind zunehmend im Fokus wissenschaftlicher und öffentlicher Debatte. Insbesondere im Verlauf des Klimawandels sind renaturierte Hochmoore Klimaextremen ausgesetzt, zum Beispiel Dürren, mit Langzeiteffekten für Boden und Pflanzengemeinschaften, und somit auch für den Kohlenstoffkreislauf. Der Klimawandel erschwert damit zusätzlich die Hochmoorrenaturierung zu bereits vorhandenen Grenzen. Damit verbunden ist ein unzureichender Wissensstand bezüglich potentieller Indikatoren für Degradation und Renaturierungserfolge, z.B. die Dynamiken und Bilanzen von Gasflüssen, Biodiversitätsniveaus oder Wasserbilanzen. Moordegradierung verändert die Wasserspeicherfähigkeit und reduziert die Fähigkeit Wasserschwankungen abzupuffern, was die Renaturierung weiter beeinflusst. Paläoökologische Daten erlauben Schlussfolgerungen über Feuchtebedingungen für Torfwachstum und potentielle Resilienz gegenüber in der Vergangenheit aufgetretenen Schwankungen der Umweltbedingungen. Somit können aus ihnen Grundlageninformationen abgeleitet werden, die helfen Renaturierungsziele zu formulieren, aber auch mögliche Einschränkungen aufzeigen. Der voranschreitenden Klimawandel mit häufigen auftretenden Hitzewellen und Dürren bedeutet insbesondere für die Re-Etablierung von Hochmoorvegetation eine ernste Bedrohung, die auf nährstoffarmes Niederschlagswasser angewiesen ist. Das Projekt verbindet Schlüsselmethoden von verwandten Disziplinen in bisher nicht gekannter Weise: In Unterprojekten behandeln wir i) die paläoökologische Rekonstruktion von Referenzbedingungen und Indikatoren für Degradation, ii) aktuelle Hydrologie, Niveaus von Biodiversität, Mikrobielle Gemeinschaften, iii) CO2 und CH4 Bilanzen mit Hauben- und Eddy-Covariance Technik und vorhandenen Langzeitdaten, iv) neuste Fernerkundungsmethoden inklusive dem Upscaling von Plotniveau bis auf das Landschaftsniveau, unterstützt von künstlicher Intelligenz, v) Negative Auswirkungen und Wechselbeziehungen zwischen Biodiversität, Kohlenstoffbilanzen, Treibhausgasemissionen und Resilienz wenn Zielniveaus nicht erreicht werden können, vi) Wissenstransfer in enger Zusammenarbeit mit Torfindustrie, Naturschutzakteuren, Akteuren der Land- und Wasserwirtschaft und der Administration.Wir untersuchen erstmalig Hochmoorrenaturierungsverläufe basierend auf neusten Bewertungsmethoden der Paläoökologie und Biogeochemie von Torfproben und ordnet diese Daten in einen landschaftsökologischen Kontext ein, um mit leistungsstarken Fernerkundungswerkzeugen das zukünftige Monitoring von degradierten und renaturierten Hochmoorflächen zu ermöglichen. Die enge Verbindung der Arbeitspakete und die Anwendung von in der Renaturierungsökologie wenig betrachteter Daten machen dieses Projekt innovativ und lassen wichtige Ergebnisse erwarten für die Hochmoorrenaturierung unter sich verändernden hydro-klimatischen Bedingungen.

Research group (FOR) 2694: Large-Scale and High-Resolution Mapping of Soil Moisture on Field and Catchment Scales - Boosted by Cosmic-Ray Neutrons, Hydrogeodäsie - CRNS Tiefenskalierung durch Kombination nichtinvasiver Messverfahren mit unterschiedlicher Integrationstiefe

Die Dynamik der Wasserspeicherung im Untergrund hat Einfluss auf Abflussbildung, Grundwasserneubildung, Wasserverfügbarkeit sowie Wasser- und Energieflüsse zwischen Boden und Atmosphäre. Im Gegensatz zu punktskaligen Messungen des Wassergehalts in der ungesättigten Zone mit Feuchtesensoren bietet Cosmic Ray Neutron Sensing (CRNS) den Vorteil einer integrativen Messung auf der Feldskala. CRNS-Messungen sind jedoch auf wenige Dezimeter im Oberboden beschränkt, sodass die oben genannten Prozesse nicht ausreichend erfasst werden können. Daher ist es wichtig, die Entwicklung von Verfahren zur Skalierung der CRNS Beobachtungen in größere Tiefen voranzutreiben. Das Ziel des Moduls Hydrogeodäsie in der Forschergruppe Cosmic Sense ist die Extrapolation der CRNS Bodenfeuchte in die Wurzelzone mit Hilfe verschiedener Verfahren der Tiefenskalierung. Wir kombinieren hierzu CRNS mit zwei anderen nichtinvasiven Beobachtungsverfahren, die über einen ähnlichen horizontalen Messbereich (etwa 100 m) aber andere Integrationstiefen verfügen: GNSS Reflektometrie mit einer Integrationstiefe von wenigen Zentimetern und terrestrische Gravimetrie, die über die gesamte vadose Zone integriert. Die Untersuchungsgebiete werden dazu mit allen drei Techniken (CNRS, GNSS-R und Gravimetrie) instrumentiert. Über die Kombination dieser Beobachtungen erstellen wir einen einzigartigen Datensatz: tiefenaufgelöste Bodenfeuchte auf der Feldskala. Der zeitvariable funktionelle Zusammenhang zwischen den Beobachtungen in unterschiedlichen Tiefen wird analysiert und geeignete Ansätze zur Tiefenskalierung der Bodenfeuchte werden getestet und entwickelt. Wir erwarten somit auch einen wichtigen Beitrag für die Extrapolation fernerkundlicher Daten der Bodenfeuchte in größere Tiefen leisten zu können. Mit unserem umfassenden Beobachtungsansatz zielen wir auf ein besseres Verständnis von Wasserflüssen zwischen Grundwasser, Boden und Atmosphäre ab. Des Weiteren trägt das Projekt zu einer Weiterentwicklung verschiedener neuartiger nichtinvasiver Bodenfeuchte-Messverfahren bei. Das Modul Hydrogeodäsie trägt zu den drei übergeordneten Zielen der Forschergruppe wie folgt bei: (1) Herausforderungen der CRNS Messtechnik, hier die variable Integrationstiefe, werden über komplementäre, tiefenaufgelöste Beobachtungsdaten in Zusammenarbeit mit dem Modul Neutronensimulation weiterentwickelt, (2) repräsentative Bodenfeuchtedaten für die Wurzelzone werden über die neu erstellten Verfahren zur Tiefenskalierung und mit hydrologischen Modellen in Kooperation mit den Modulen Grundwasserneubildung und Hydrologische Modellierung ermittelt, (3) Dynamiken einzelner Wasserspeicher werden mit über CRNS hinausgehenden Beobachtungsdaten erfasst: einerseits die oberflächliche Bodenfeuchte und Schneehöhe mit GNSS-R in Kooperation mit den Modulen Fernerkundung und Grundwasserneubildung und andererseits die Variationen der Gesamtwasserspeicherung mit Gravimetrie.

1 2 3 4 5 … 333 334 335