API src

Found 2808 results.

Similar terms

s/weatherforecast/weather forecast/gi

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>

Analyse und Nowcasting von konvektiven Systemen mit VERA

Die genaue Vorhersage von Gewittern ist sowohl für die Wissenschaft als auch für die Öffentlichkeit ein wichtiges Anliegen, da konvektive Ereignisse im Sommer zu den größten Naturgefahren in unseren Breiten gehören. Um die Entstehungsprozesse von Gewittern genauer zu verstehen, ist eine Untersuchung von Konvektion auf einer hoch auflösenden Skala nötig. Nur damit kann man den heutigen Anforderungen an die Vorhersage (in Bezug auf Zeit, Raum und Intensität) gerecht werden. Zu diesem Zweck wird im nächsten Jahr im Rahmen von zwei internationalen Projekten (COPS und MAP D-PHASE) im Süden von Deutschland eine groß angelegte Messkampagne durchgeführt. Das Hauptziel dieser Kampagne ist die Erstellung eines hochwertigen Datensatzes für die Untersuchung konvektiver Prozesse, von der Auslösung von Konvektion über die Wolken- und Niederschlagsbildung bis hin zur Untersuchung von Wolkenchemie und Hydrometeoren. Damit sollen meteorologische (und hydrologische) Vorhersagen für konvektive Ereignisse verbessert werden. Sowohl bei COPS (Convective and Orographically-induced Precipitation Study; Teil des Priority Program SSP 1167 der Deutschen Forschungsgemeinschaft) als auch bei MAP D-PHASE (Mesoscale Alpine Program Demonstration of Probabilistic Hydrological and Atmospheric Simulation of flood Events in the Alpine region, ein von der Welt-Meteorologischen Organisation gefördertes Projekt) ist das Institut für Meteorologie und Geophysik in der Planungsphase vertreten. Im Rahmen des vorgeschlagenen Projektes soll die Messkampagne durch den Einsatz eines eigenen Meso-Messnetzes und Personal unterstützt werden, womit ein wichtiger Beitrag zu dem einmaligen Datensatz, der durch den Einsatz verschiedenster Messsysteme (Bodenstationen, Dopplerradar, Lidar, Satelliten, Flugzeuge, Radiosonden, ...) zu Stande kommt, geleistet wird. Mit Hilfe der Daten aus der Feldkampagne soll im Zuge des Projektes das Analyseverfahren VERA, das im Rahmen von FWF-Projekten am Institut entwickelt worden ist, einerseits für das Nowcasting von Gewittern, andererseits zur genaueren Niederschlagsanalyse, weiterentwickelt werden. Für beide Entwicklungsschritte wird dem Fingerprint-Ansatz, mit dem Zusatzinformation für das Downscaling meteorologischer Felder in die VERA-Analyse implementiert werden kann, eine wichtige Rolle zukommen. Dieser Ansatz wird für 3 Dimensionen, mehrere Fingerprints und höhere Auflösungen (bis 1km Gitterdistanz) erweitert. Mittels des Datensatzes werden neue Fingerprints entwickelt, die dazu beitragen werden, die Analysegenauigkeit für den Niederschlag und die Vorhersagbarkeit von Gewittern in Echtzeit mit Routinedaten zu verbessern. Das fertig entwickelte Analyseverfahren soll dann in einem weiteren Schritt zur Echtzeit-Validierung von hoch auflösenden Wettermodellen verwendet werden, wobei ein neuer Ansatz des Vergleiches zum Tragen kommt. Auch dadurch wird ein Beitrag zur besseren Vorhersagbarkeit von Gewittern geleistet.

Gas- und Wärmeabgabe seit 1990

<p>Dieser Datensatz gibt die Gas- und Wärmeabgabe in der Stadt Oldenburg wieder. Es handelt sich um die abgerechnete nutzbare Wärmeabgabe, die durch einen Wärmedirektservice oder Nahwärme bereitgestellt wurde.</p> <p>Alle Werte sind in Millionen Kilowattstunden (kWh) angegeben.</p> <p>Quellen: EWE AG, EWE Netz GmbH, vorläufige Angaben</p> <p><em>Hinweise:</em></p> <ul> <li>Gradtagzahl: bis zum Jahr 2018 in Kelvin-Tage/Jahr für Oldenburg. (Quelle: Deutscher Wetterdienst (DWD)), ab Jahr 2019 in Kelvin-Tage/Jahr auf Basis nächster DWD-Wetterstation Friesoythe-Altenoythe (Quelle: Institut für Wohnen und Umwelt GmbH, 2023)</li> <li>Das Jahr 1990 ist als Bezugsjahr für den Klimaschutz in Oldenburg und im Bund von Bedeutung</li> <li>Der Wert für die Gasabgabe 1991 stammt aus dem Klimaschutzbericht 1997 für die Stadt Oldenburg</li> </ul>

Resiliente Abfluss- und Stauregelung der Wasserstraßen bei extremen Niederschlagsereignissen

Abflussprognosen zur Bewältigung von Extremwetterlagen Um das Transportaufkommen in Deutschland auch unter schwierigen Bedingungen zu bewältigen und dies aufrecht zu erhalten bzw. zu steigern, sind verkehrsträgerübergreifende Lösungsansätze notwendig. Ziel dieses Projekt ist es, die Resilienz und die Verfügbarkeit des Verkehrsträgers Wasserstraße bei extremen Wetterereignissen zu erhöhen. Aufgabenstellung und Ziel Etwa 3.000 km der Bundeswasserstraßen sind mit Staustufen ausgebaut, die meist aus einem beweglichen Wehr, einer Schleuse und einem Laufwasserkraftwerk bestehen. Durch das Ändern des Abflusses über das Kraftwerk und über das Wehr hält ein lokaler Regler den gewünschten Oberwasserstand innerhalb der vorgegebenen Stauzieltoleranz. Die Abfluss- und Stauregelung soll dabei mehrere, mitunter gegensätzliche Ziele erfüllen: Einhaltung des Stauziels innerhalb der festgelegten Toleranz, Verminderung von Abflussschwankungen, optimale Nutzung der Wasserkraft und Minimierung des Verschleißes der Wehrverschlüsse. Im Zuge des Klimawandels ist mit einer Zunahme extremer Wetterereignisse zu rechnen. Die Abfluss- und Stauregelung steht gerade in Niedrigwasserperioden vor wachsenden Herausforderungen. Schwankungen des Abflusses sind in diesen Phasen schwierig auszugleichen und Über- bzw. Unterschreitungen der Stauzieltoleranz sind nicht auszuschließen. Dadurch entsteht eine Gefahr für die Schifffahrt. Ziel des vorgestellten Vorhabens ist es, anhand einer fundierten Datenanalyse und der Methode des maschinellen Lernens Zusammenhänge zwischen Niederschlagsereignissen und Abflussschwankungen vertieft zu untersuchen. Zusätzlich sollen Abflussprognosen erstellt werden, welche die Abfluss- und Stauregelung unterstützen. Bedeutung für die Wasserstraßen- und Schifffahrtsverwaltung des Bundes (WSV) Die Verwendung maschinellen Lernens für Abflussvorhersagen auf der Basis von Niederschlags- und Zuflussdaten stellt ein vielversprechendes Werkzeug für die WSV dar. Prognosen schaffen einen vorausschauenden Handlungsspielraum für die Abfluss- und Stauregelung, sodass starke Wasserstandsund Abflussschwankungen minimiert und damit die Sicherheit und Leichtigkeit der Schifffahrt erhöht werden. Die Resilienz der Wasserstraße wird dadurch auch unter den zunehmenden Auswirkungen des Klimawandels gesteigert. Untersuchungsmethoden Das Verfahren wird exemplarisch an einer Stauhaltung der Mosel getestet. Die Niederschlagsdaten des Einzugsgebiets der Stauhaltung werden vom Deutschen Wetterdienst im Rahmen der Zusammenarbeit im BMDV-Expertennetzwerk bereitgestellt. Die Pegeldaten der oberliegenden Stauhaltung sowie die der untersuchten Stauhaltung selbst werden von der WSV zur Verfügung gestellt. In einem ersten Schritt werden die Pegeldaten untersucht. Anhand einer Kreuzkorrelation können Abhängigkeiten zwischen dem oberliegenden Pegel und dem Pegel in der untersuchten Stauhaltung aufgezeigt werden. In einem weiteren Schritt werden ebenfalls die Niederschlags- und Wehrdaten betrachtet und deren Zusammenhang mit den Pegeldaten untersucht. Zusätzlich wird eine Methode erarbeitet, um Wasserstandsschwankungen so zu filtern, dass die Werte möglichst unbeeinflusst von Schleusungen und Schifffahrt sind. Im Anschluss an die Aufbereitung der Daten wird nach einer geeigneten Methode des Maschinellen Lernens (ML) gesucht. Dabei werden unterschiedliche ML-Modelle in Python implementiert und trainiert. Der vielversprechendste Modelltyp soll weiter genutzt und mit unterschiedlichen Parametrierungen getestet werden. Hierbei wird immer auf einen Prognosezeitraum von drei Stunden hingearbeitet. Für die Abfluss- und Stauregelung ist eine dreistündige Prognose wünschenswert, um Schwankungen des Abflusses effektiv zu bewältigen.

Deutscher Beitrag zu Klimaprojektionen für CMIP7 - AR7 Fast Track, DECK- und ScenarioMIP-Simulationen, Teilprojekt 7: Simulationen mit AWI-CM3 / AWI-ESM3

Forschungsgruppe (FOR) 2589: Zeitnahe Niederschlagsschätzung und -vorhersage; Near-Realtime Quantitative Precipitation Estimation and Prediction (RealPEP), Evaluierung von Verbesserungen in QPE und QPN in einem Echtzeit-vorhersagesystem für Abfluss und Überflutungen mit Datenassimilatio

Echtzeitvorhersagen von Abfluss und Überflutungen stellen eine große Herausforderung dar, auch weil Wettervorhersagen konvektive Starkregenereignisse auf der stündlichen Sub-Kilometerskala noch nicht mit ausreichender Qualität vorhersagen können. Das führt zu unvorhergesehenen Überflutungen und großen Schäden öffentlichen Eigentums und Infrastruktur und potentiell zu Todesopfern. Bekannte Beispiele in der Region des Geoverbundes ABC/J sind die Sturzfluten in Wachtberg am 3. Juli 2010 und am 6. Juni 2016. Das Projekt wird ein neuartiges, probabilistisches Echtzeitvorhersagesystem für Abfluss und Überflutungen in kleinen Einzugsgebieten (kleiner als 500 km2) entwickeln. Das Projekt konzentriert sich auf die Einzugsgebiete Wachtberg, Ammer und Bode. Wir werden QPE, QPN und QPF (quantitative Niederschlagsschätzung, Nowcasting und numerische Vorhersage), die Produkte von P1, P2 und P3 in dem Vorhersagesystem verwenden, um die erreichten Verbesserungen in RealPEP zu bewerten. Ein wichtiger Aspekt des Projektes ist die Verwendung verschiedener hydrologischer Modelle (konzeptionell und physikbasiert) für die Flutvorhersage. Wir werden den Mehrwert und die Limitierungen der verschiedenen Modelle (und Datenassimilierungsverfahren) identifizieren. Konzeptionelle Modelle profitieren hauptsächlich von der Optimierung/Kalibrierung des Abflusses und der Möglichkeit schnell, große Ensemble berechnen zu können; physikbasierte Modelle dagegen haben den Vorteil verschiedenartige Beobachtungsdaten verarbeiten zu können und Prozesse besser abzubilden, wodurch eine einfachere Übertragbarkeit auf andere Einzugsgebiete ohne Kalibration möglich ist. Schlussendlich werden wir untersuchen ob die verschiedenen Ansätze sich ergänzende Information zu Echtzeitvorhersage von Überflutungen liefern können.

Statistische Mechanik des Wetters und des Klimas: Instabilitaeten, Vorhersagbarkeit und Antwort - MERCI

Das Klima ist ein angetriebenes, dissipatives Nichtgleichgewichtssystem, wobei unsere Fähigkeiten die beteiligten Prozesse zu verstehen und simulieren begrenzt sind. Meteorologie und Klimaforschung verfügen noch nicht über eine Theorie zur Beschreibung von Instabilitäten, Gleichgewichtsrelaxation, Vorhersagbarkeit, Variabilität, und der Antwort auf Störungen. Trotz großer Fortschritte stoßen Klima- und Wettervorhersagemodelle nach wie vor auf Barrieren aufgrund der komplexen Randbedingungen und der Multiskaleneffekte. Diese Effekte erfordern die Parametrisierung der nicht aufgelösten Prozesse mit der Folge großer systematischer Fehler. Wir nutzen drei erfolgreiche Ansätze aus der statistischen Mechanik und der Theorie dynamischer Systeme: Covariante Lyapunov Vektoren (CLV), instabile periodische Orbits (UPO) und die Response-Theorie (RT). Dies wird uns erlauben, relevante Probleme der geophysikalischen Strömungsdynamik (GFD) im turbulenten Bereich anzugehen. Wir werden diese Ideen auf komplexere numerische Modelle als frühere Studien ausdehnen.1) Instabilitäten: Wir werden Instabilitäten in turbulenten geophysikalischen Strömungen durch CLVs beschreiben. Im Gegensatz zu klassischen Lyapunov-Vektoren bieten CLVs eine kovariante Aufspaltung der Strömung und physikalisch interpretierbare Muster und erlauben damit eine neue Interpretation von Instabilitäten. Dies wird es uns ermöglichen, eine Verbindung zwischen der Energetik und der dynamischen Eigenschaften herzustellen und damit die mesoskopischen mit den makroskopischen Eigenschaften der Strömung zu verknüpfen.2) Vorhersagbarkeit: Wir werden CLVs und UPOs nutzen, um die Vorhersagbarkeit zu analysieren und Zustände hoher und niedriger Vorhersagbarkeit besser zu verstehen. Wir werden untersuchen auf welche Weise Schwankungen der Lyapunov Exponenten (LE) mit bestimmten Eigenschaften der entsprechenden CLVs zusammenhängen. Wir werden den sogenannten Return-of-Skill in Vorhersagen von Strömungen in einen Zusammenhang mit vorübergehenden Abweichungen in der Summe der positive LEs der Strömung bringen und damit die in der Wettervorhersage beobachteten Schwankungen der Vorhersagbarkeit erklären. Wir werden die Hypothese prüfen inwieweit UPOs die niederfrequente atmosphärische Variabilität erklären können.3) Antworttheorie: Auf der Basis der RT werden wir berechnen wie eine Strömung auf Störungen reagiert, indem nur die Gleichgewichtseigenschaften verwendet werden. Wir werden aus kleinen Ensembles von gestörten Simulationen den Responseoperator empirisch für Klimamodelle ableiten. Dies wird uns eine neue Methode zur Projektion auf verschiedene räumliche und zeitliche Skalen liefern. Wir werden die Antwort von baroklinen Strömungen auf Störungen (z.B. Erwärmung und CO2-Konzentration) analysieren. Wir werden die CLVs nutzen, um die Responseoperatoren in die stabilen, instabilen und neutralen Richtungen zu zerlegen und die Hypothese prüfen inwieweit UPOs mit Resonanzen verbunden sind.

Benchmark-Klimatologien mittels Radiookkultation

Genaue und konsistente Langzeit-Daten sind nötig, um Klimavariabilität und Klimawandel detektieren, verstehen, und zuordnen zu können. Unser Wissen über Veränderungen in der freien Atmosphäre ist immer noch begrenzt, da solche Daten bis jetzt nicht in ausreichender Qualität zur Verfügung stehen. Eine neue Datenquelle, mittels der man einige Probleme von etablierten Methoden überwinden kann, ist die Radiookkultations-Methode (RO). Mit ihr ist es im Prinzip möglich, eine absolute Referenz ('Benchmark') für die obere Troposphäre und untere Stratosphäre (engl. UTLS) zu erstellen, da die Daten auf einer Zeitmessung basieren, und damit an die internationale Definition der Sekunde gebunden sind. Tatsächlich konnten wir in früheren Arbeiten zeigen, dass RO Klimatologen von unterschiedlichen Satelliten erstaunlich gut übereinstimmen (besser als 0.1 K). Der Wert von RO Daten für die Klima-Beobachtung wird zunehmend erkannt, es existieren aber auch Bedenken, dass es systematische Fehler geben könnte, die Daten von unterschiedlichen Satelliten gemein sind. Wir haben eine Liste solcher möglicher systematischen Fehler zusammengestellt, und werden diese genau analysieren. Das wird zu einem besseren Verständnis dieser (kleinen) Restfehler führen, und es erlauben, sie zu vermeiden oder zu entfernen, oder aber, sie genau zu charakterisieren, falls sie unvermeidbar sind. Wir werden diese Erkenntnisse nützen, um die Methode zur Gewinnung von RO Daten zu verfeinern, und damit RO Klimatologien der Parameter Brechungswinkel, Refraktivität, Dichte, Druck, Geopotentielle Höhe und Temperatur in der UTLS, mit bisher unerreichter Genauigkeit und Konsistenz zu erstellen. Dank ihrer hohen Qualität und einer genauen Fehler-Charakterisierung darf man erwarten, dass diese Daten als absolute Referenz (Benchmark) für globale Klimatologien der UTLS dienen können. Durch die Kombination aus hoher Genauigkeit und guter vertikaler Auflösung eignen sich die Daten auch besonders gut für die Beobachtung von Klimavariabilität und Klimawandel in der UTLS, wie z. B. Änderungen der Tropopausenhöhe, Änderungen der Übergangshöhe zwischen troposphärischer Erwärmung und stratosphärischer Abkühlung, oder Temperaturänderungen, die nach einem größeren Vulkanausbruch zu erwarten sind. Das verbesserte Verständnis der systematischen Fehler wird auch im Bereich der numerischen Wettervorhersage nützlich sein, wo RO Daten jetzt schon mit Erfolg assimiliert werden. usw.

Globale Radiosondendaten für die Klimaforschung

Lange homogene beobachtete Zeitserien von Klimavariablen werden nicht nur an der Erdoberfläche sondern auch in der freien Atmosphäre benötigt, denn Klimaanomalien und Klimaänderungen haben eine dreidimensionale räumliche Struktur. In-situ Beobachtungen der freien Atmosphäre, vor allem Radiosonden- und Ballondaten, sind in der Nordhemisphäre etwa seit den 1930er Jahren verfügbar, und globale Bedeckung ist seit dem internationalen geophysikalischen Jahr (IGY) 1958 gegeben. Um das volle Potential der Daten auszuschöpfen müssen (i) künstliche systematische Fehler und Sprünge aus den Stationszeitreihen entfernt werden und die Daten müssen (ii) mit einem geeigneten dynamischen Datenassimilations-system im Rahmen sogenannter Reanalysen assimiliert werden. Die Entfernung künstlicher Sprünge aus den Beobachtungsreihen nennt man Homogenisierung. Das Fehlern homogener Klimareihen der freien Atmosphäre zurück bis in die 1970er oder sogar 1930er Jahre wurde vom Intergovernmental Panel on Climate Change (IPCC) als großer Unsicherheitsfaktor identifiziert, der unsere Fähigkeit zur Diagnose von Klimaänderungen wesentlich einschränkt. Im Projekt P18120-N10 (Ende im Mai 2009) hat der Antragsteller weltweit führende Homogeni-sierungsmethoden für Radiosondentemperaturen und -winde entwickelt. Die berechneten Korrekturen werden in laufenden Reanalyseprojekten über die Satellitenperiode (1979-) am europäischen Zentrum für mittelfristige Wettervorhersage (EZMW) und an der National Aeronautics and Space Administration (NASA) benutzt. Ein neues Projekt mit folgenden Zielen wird nun beantragt: (i) Entwicklung eines vereinheitlichten Homogenisierungssystems, das Temperatur, Feuchte und Winddaten gemeinsam homogenisiert. Es soll homogene Datensätze dieser Parameter zurück bis 1958 liefern. (ii) die Schätzung systematischer Fehler in Radiosondenmessungen während des Datenassimilationsprozesses ('online bias estimation'). (iii) Untersuchung und wenn möglich Homogenisierung des Radiosondendatensatzes von 1938-1958. Ziel (i) geht auf die Tatsache ein, dass seit 1958 zwar ein globaler Radiosondenfeuchte- und Winddatensatz zur Verfügung steht, aber keine Korrekturen, die umfassend genug sind, um für eine Klimadatenassimulation hilfreich zu sein. Homogenisierte Temperaturreihen der Universität Wien und von anderen Quellen existieren, aber enthalten immer noch bedeutende Inkonsistenzen, die entfernt werden müssen, wie neuere Forschungsergebnisse gezeigt haben. Die gemeinsame Betrachtung aller Parameter ist ein neuer Ansatz, der zu verbesserter Brucherkennung führen sollte, weil Brüche in verschiedenen Parametern oft synchron auftreten aber nicht in allen Zeitserien erkennbar sind. Die Homogenisierung der Zeitreihenin späteren Perioden sollte auch durch überarbeitete Brucherkennungsverfahren und neu rekalibrierte Satellitenradianzen deutlich verbessert werden können. usw.

Bundesweite Ausweisung der Winderosionsgefährdung – vorherrschende Hauptwindrichtungen (Datensatz)

Der bundesweite Datensatz enthält Informationen zu den vorherrschenden acht Hauptwindrichtungen (N, NO, O, SO, S, SW, W, NW). Die Ableitung erfolgt auf Grundlage von beim Deutschen Wetterdienst (DWD) vorliegenden Datensätzen. Eine grundsätzliche Beschreibung des methodischen Vorgehens zur Ableitung der vorherrschenden Hauptwindrichtung findet sich in (Gebel, M.; Uhlig, M.; Bürger, S.; Halbfaß, S. (2025): Erosionsgefährdung von Böden durch Wind – Aktualisierung der bundesweiten Betrachtung. UBA Texte | 47/2025 (Link siehe INFO-LINKS)). Die Daten sind keine absolut gültigen Ergebnisse, sondern stehen im Kontext der methodischen Annahmen bei der Erstellung und Verarbeitung der Ausgangsdaten.

1 2 3 4 5 … 279 280 281