API src

Found 7036 results.

Similar terms

s/bam/Baum/gi

Klimaerlebnisbaum - Rottendorf - Robinia

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)

Naturdenkmale in Hamburg

Die Naturdenkmale des Nationalparks werden als Vektorkoordinaten gemäß Koordinatensystem EPSG::25832 bereitgestellt. Als Naturdenkmal können Einzelschöpfungen der Natur, deren besonderer Schutz aus wissenschaftlichen, naturgeschichtlichen oder landeskundlichen Gründen oder wegen ihrer Seltenheit, Eigenart oder Schönheit erforderlich ist, ausgewiesen werden. Als Einzelschöpfungen der Natur gelten insbesondere alte oder seltene Bäume und Baumgruppen, erdgeschichtliche Aufschlüsse, Gletscherspuren, Findlinge, Quellen, Gewässer, Dünen, Bracks, Tümpel und Moore.

Erntezulassungsflächen im Land Brandenburg

Im Erntezulassungsregister (EZR) werden alle Bestände von zugelassenem Ausgangsmaterial und des davon erzeugten Vermehrungsgutes verwaltet. Der Layer stellt die Flächen des EZR räumlich dar. Unterlayer ermöglichen die Unterscheidung nach der Baumart: Bergahorn, Douglasie, Esche, Esskastanie, Europäische Lärche, Fichte, Große Küstentanne, Grauerle, Hainbuche, Japanische Lärche, Kiefer, Moorbirke, Pappel, Robinie, Rotbuche, Roteiche, Sandbirke, Schwarzerle, Schwarzkiefer, Sitkafichte, Sommerlinde, Spitzahorn, Stieleiche, Traubeneiche, Vogelkirsche, Weißtanne, Winterlinde Im Erntezulassungsregister (EZR) werden alle Bestände von zugelassenem Ausgangsmaterial und des davon erzeugten Vermehrungsgutes verwaltet. Der Layer stellt die Flächen des EZR räumlich dar. Unterlayer ermöglichen die Unterscheidung nach der Baumart: Bergahorn, Douglasie, Esche, Esskastanie, Europäische Lärche, Fichte, Große Küstentanne, Grauerle, Hainbuche, Japanische Lärche, Kiefer, Moorbirke, Pappel, Robinie, Rotbuche, Roteiche, Sandbirke, Schwarzerle, Schwarzkiefer, Sitkafichte, Sommerlinde, Spitzahorn, Stieleiche, Traubeneiche, Vogelkirsche, Weißtanne, Winterlinde

Bäume Stadt Kleve

Dieser Datensatz umfasst alle Standorte der städtischen Bäume im Stadtgebiet Kleve. Sollten Sie bei einem der Bäume eine Gefahrenquelle ausmachen, so melden Sie sich bitte umgehend beim Umweltamt der Stadt Kleve unter Angabe der Adresse des Baumes, der Baumart und Baumnummer, sodass erforderliche Gegenmaßnahmen schnellstmöglich eingeleitet werden können.

Naturdenkmal Einzelgebilde (END)

Als Naturdenkmal nach § 28 NatSchG können sowohl Einzelgebilde (z.B. wertvolle Bäume, Felsen, Höhlen) als auch naturschutzwürdige Flächen bis zu 5 ha Größe (z.B. kleinere Wasserflächen, Moore, Heiden) ausgewiesen werden. Ihr Schutzstatus ist mit dem eines Naturschutzgebietes vergleichbar. Der Datensatz beinhaltet verordnete und sichergestellte Naturdenkmale Einzelgebilde. In einigen UIS-Werkzeugen werden folgende Geometrien angeboten: - DST Lokal: automatisierte Liegenschaftskarte (ALKIS) als Erfassungsgrundlage. In diesem Layer sind nur die Geodaten enthalten, die von der zuständigen Behörde bearbeitet werden und im monatlichen Datenaustausch stehen. - Dienst landesweit: die komplette Geodaten des Landes liegen als Web Map Service (WMS), ALKIS-konform vor. In diesem Layer sind die Daten landesweit zusammengeführt, können jedoch von den Dienststellen nicht bearbeitet werden. Der Bestand wird monatlich aktualisiert

Ökohydrologische Konnektivität zwischen Bäumen und der Kapillarzone - Schlüsselfunktion für die Trockenheitsresilienz Europäischer Wälder?

In den vergangen 20 Jahren kam es in Mitteleuropa zu einer Häufung hydrologischer Dürreereignisse, ein Trend, der sich in Zukunft weiter verstärken wird. Bereits jetzt gelten die im Vergleich zu Mittelwerten extrem trockenen vergangenen Jahre als eine der Hauptursachen für den sich systematisch verschlechternden Zustand der Wälder in Mitteleuropa. Eine allgemein akzeptierte Annahme ist, dass tief verwurzelte Bäume solchen Dürreereignissen besser standhalten können. Das prozessbasierte Verständnis in Bezug auf die Nutzung von tief liegenden Wasserressourcen und deren Nutzung durch Vegetation ist jedoch stark limitiert. Tiefes Bodenwasser (> 1 m) wird häufig vernachlässigt oder vereinfacht betrachtet. Zentrales Ziel unseres Projektes ist es daher, raumzeitliche Dynamiken und Rückkopplungen zwischen Niederschlagsinfiltration und Grundwasserneubildung sowie kapillarem Aufstieg zu quantifizieren. Wir werden die Wasseraufnahme von typischen europäischen Waldbäumen (Buche, Eiche, Fichte) mit unterschiedlichen Wassernutzungsstrategien und Wurzeltiefen untersuchen und dabei zwischen Bäumen mit I) direktem Zugang zu Grundwasser, II) Kontakt zur Kapillarzone oberhalb des lokalen Grundwasserspiegels und III) solchen, ohne direkte Verbindung zum Grundwasser/der Kapillarzone haben, aber ein tiefes Wurzelsystem zur Nutzung der in der ungesättigten Zone gespeicherten Wassers besitzen und IV) flachwurzelnden Bäumen. Unsere Hypothese ist, dass die Aufrechterhaltung der Konnektivität zur Kapillarzone für einige Arten eine kritische Komponente der Trockenheitstoleranz ist, deren Bedeutung aber abhängt von I) klimatischen und geomorphologischen Bedingungen, die die raumzeitliche Dynamik dieser Verbindung definieren (Dürredauer, Pufferkapazität der Kapillarzone) und II) Artenspezifischen Dürreanpassungen (Wurzeltiefen, adaptives Wurzelwachstum, Grad der Isohydrie) ab. Um die Auswirkungen der Vegetationskonnektivität zur Kapillarzone auf die Baumgesundheit sowie den Wasserkreislauf vollständig zu verstehen, verwenden wir eine Kombination aus ökohydrologischen, pflanzenphysiologischen, geophysikalischen und modellbasierten Ansätzen. Ein besonderer Schwerpunkt ist der Einsatz einer neuartigen Messmethodik zur kontinuierlichen Erfassung stabiler Wasserisotope. Daraus resultierende Datensätze mit hoher räumlich-zeitlicher Auflösung der Wasser Isotopie des Boden, des Xylem und des atmosphärischen Wasserdampfes werden durch Sauerstoffisotope- und Phloem-Kohlenstoffisotopendaten von Jahrringen ergänzt. Diese Kombination ermöglicht uns Rückschlüssen auf die aktuelle Konnektivität verschiedener Baumarten zu verschiedenen tief liegenden Wasserpools und sowie die neuartige Möglichkeit zur Analyse historischer Dürreereignisse. Anschließend wird das isotopenfähige SVAT-Modell MuSICA mit dem parametrisiert, um den Zusammenhang zwischen Tiefenwasseraufnahme und der Baumgesundheit unter verschiedenen Szenarien (extremer trockener, trockener, normaler Jahre) vorherzusagen.

Individuen-basierte Modellierung der Xylem-Lebensgeschichte zur Verbesserung von Prognosen zur Reaktion von Bäumen auf den Klimawandel

Die Intensität und Häufigkeit von Dürren haben in den letzten zehn Jahren dramatisch zugenommen. Viele Wälder haben eine hohe Dürre-Anfälligkeit gezeigt, aber die Reaktionen sind komplex und nicht einheitlich, auch nicht für Bäume derselben Art. Um zu verstehen, wie Bäume auf künftige Klimabedingungen reagieren werden, ist es von größter Bedeutung auch ihre Anpassungsfähigkeit zu berücksichtigen. Änderungen der hydraulischen Eigenschaften des Xylems sind mittel- bis langfristige Anpassungen, die sich aus der Reaktion eines Baumes auf den Verlauf der Umweltbedingungen ergeben, denen er im Laufe seines Lebens ausgesetzt ist. Die Interaktion der daran beteiligten Treiber und Prozesse wie Wasserverfügbarkeit, Xylembildung, Kavitation, hydraulische Leitfähigkeit und Baumwachstum zu verstehen und zu beschreiben stellt für die Wissenschaft weiterhin eine Herausforderung dar. Mithilfe Individuen-basierter Modelle können die zugrundeliegenden Mechanismen direkt beschrieben und Merkmale als emergente Eigenschaften modelliert werden, wodurch diese Modelle auch besser als andere für Prognosen geeignet sind. Mit dem vorgeschlagenen Projekt beabsichtigen wir, das Verständnis über die Wechselwirkungen zwischen Baumwachstum, hydraulischer Architektur und Wasserverfügbarkeit zu erweitern, indem wir Muster holzanatomischer Studien für die Entwicklung eines neuen Individuen-basierten Xylem-Wachstumsmodells übernehmen und dieses in bestehende Waldsimulationsmodelle implementieren. Diese Arbeit wird sich auf einen bereits entwickelten Modellprototyp stützen und systematisch empirisch abgeleitete Hypothesen über die Interaktion von Prozessen testen. Das entwickelte Modell wird schließlich dazu dienen, die individuelle, adaptive, jährliche Veränderung der Xylemeigenschaften als Reaktion auf die Dynamik der Umweltbedingungen zu simulieren. Langfristige holzanatomische Daten aus Herkunftsexperimenten von Fagus sylvatica und Quercus rubra werden zur Modellanpassung und Kreuzvalidierung verwendet. Die Daten werden uns ermöglichen das Modell sowohl für diffus- als auch für ringporige Baumarten zu parametrisieren und die herkunftsspezifische Plastizität der Xylembildung zu charakterisieren. Mithilfe von Simulationsexperimenten sollen letztlich Chancen und Risiken unterschiedlich plastischen Xylem-Bildungsverhaltens unter verschiedenen Szenarien des Klimawandels identifiziert werden, sowohl auf Einzelbaum- wie auch auf Bestandesebene. Für letzteres soll das Xylem-Wachstumsmodell als Baustein für die Simulationsumgebung pyMANGA zur Verfügung gestellt werden, was die Integration des Xylem-Wachstumsmodells in einen bereits bestehenden Waldbestandssimulator ermöglicht. Mit dieser Erweiterung wird schließlich die lokale Konkurrenz vieler Bäume mit sich gleichzeitig entwickelnden Xylem-Merkmalen simuliert und untersucht wie sich unterschiedliche Zusammensetzungen von Arten des Xylem-Bildungsverhaltens auf die Widerstandsfähigkeit zukünftiger Waldökosysteme auswirken.

Baumschutzsatzung Stadt Kleve

Dieser Datensatz umfasst alle Standorte der Bäume im Stadtgebiet Kleve, die durch die Baumschutzsatzung der Stadt Kleve geschützt sind. Die Baumschutzsatzung gilt für den Schutz und Erhalt des privaten Baumbestandes, insbesondere innerhalb der im Zusammenhang bebauten Ortsteile.

LegacyVegetation: Northern Hemisphere reconstruction of past plant cover and total tree cover from pollen archives of the last 14 ka

This data set presents the reconstructed vegetation cover for 2773 sites based on harmonized pollen data from the data set LegacyPollen 2.0 (https://doi.pangaea.de/10.1594/PANGAEA.965907). 1040 sites are located in North America, 1287 in Europe, and 446 in Asia. Sugita's REVEALS model (2007) was applied to all pollen records using REVEALSinR from the DISQOVER package (Theuerkauf et al. 2016). Pollen counts were translated into vegetation cover by accounting for taxon-specific pollen productivity and fall speed. Additionally, relevant source areas of pollen were calculated using the aforementioned taxon-specific parameters and a Gaussian plume model for deposition and dispersal. Values for relative pollen productivity and fall speed from the synthesis from Wiezcorek and Herzschuh (2010) were updated with recent studies used to reconstruct vegetation cover. The average values from all Northern Hemisphere values were used where taxon-specific continental values were unavailable. As REVEALS was conceived to reconstruct vegetation from large lakes, only records originating from large lakes (>= 50h) are marked as "valid as site" in the dataset. Reconstructions from other records can be used when spatially averaging several together. An example script to do so is provided on Zenodo (https://doi.org/10.5281/zenodo.12800290). Reconstructed tree cover was validated using modern Landsat remote sensing forest cover. Reconstructed tree cover has much lower errors than the original arboreal pollen percentages. Reconstructions of individual taxa are more uncertain. We present tables with reconstructed vegetation cover for all continents with original parameters. As further details, we list a table with the taxon-specific parameters used, metadata for all records, and a list of parameters adjusted in the default version of REVEALSinR.

LegacyVegetation: Asian reconstruction of past plant cover and total tree cover from pollen archives of the last 14 ka

This data set presents the reconstructed vegetation cover for 446 Asian sites based on harmonized pollen data from the data set LegacyPollen 2.0. Sugita's REVEALS model (2007) was applied to all pollen records using REVEALSinR from the DISQOVER package (Theuerkauf et al. 2016). Pollen counts were translated into vegetation cover by accounting for taxon-specific pollen productivity and fall speed. Additionally, relevant source areas of pollen were calculated using the aforementioned taxon-specific parameters and a Gaussian plume model for deposition and dispersal. Values for relative pollen productivity and fall speed from the synthesis from Wiezcorek and Herzschuh (2010) were updated with recent studies used to reconstruct vegetation cover. The average values from all Northern Hemisphere values were used where taxon-specific continental values were unavailable. As REVEALS was conceived to reconstruct vegetation from large lakes, only records originating from large lakes (>= 50h) are marked as "valid as site" in the dataset. Reconstructions from other records can be used when spatially averaging several together. An example script to do so is provided on Zenodo (https://doi.org/10.5281/zenodo.12800290). Reconstructed tree cover was validated using modern Landsat remote sensing forest cover. Reconstructed tree cover has much lower errors than the original arboreal pollen percentages. Reconstructions of individual taxa are more uncertain. We present tables with reconstructed vegetation cover for all continents with original parameters. As further details, we list a table with the taxon-specific parameters used, metadata for all records, and a list of parameters adjusted in the default version of REVEALSinR.

1 2 3 4 5 … 702 703 704