API src

Found 15 results.

Other language confidence: 0.6361864288580125

Anbaufläche, Erntemenge (Baumobst): Bundesländer, Jahre,Apfelsorten

INSPIRE Verteilung der Säugetier-Arten (ohne Fledermäuse) in Deutschland - Vorkommen

Der INSPIRE Dienst Verteilung der Säugetier-Arten (ohne Fledermäuse) in Deutschland - Vorkommen stellt bundesweite Vorkommensdatensätze gemäß den Vorgaben der INSPIRE Richtline Annex III Thema bereit. Der Datensatz beinhaltet Artbeobachtungsdaten der Anhänge II, IV und V der Fauna-Flora-Habitat-Richtlinie (Richtlinie 92/43/EWG). Die Daten der Bundesländer und des Bundes werden einmal jährlich durch das Bundesamt für Naturschutz zu harmonisierten Stichtagsdatensätzen zusammengeführt und bereitgestellt. Der Dienst enthält keine Informationen zu sensiblen Arten.

INSPIRE Verteilung der Säugetier-Arten (ohne Fledermäuse) in Deutschland - Verbreitung

Der INSPIRE Dienst Verteilung der Säugetier-Arten (ohne Fledermäuse) in Deutschland - Verbreitung stellt bundesweite Verbreitungsdatensätze gemäß den Vorgaben der INSPIRE Richtline Annex III Thema bereit. Der Datensatz beinhaltet Artbeobachtungsdaten der Anhänge II, IV und V der Fauna-Flora-Habitat-Richtlinie (Richtlinie 92/43/EWG). Die Daten der Bundesländer und des Bundes werden einmal jährlich durch das Bundesamt für Naturschutz zu harmonisierten Stichtagsdatensätzen zusammengeführt und bereitgestellt. Der Dienst enthält keine Informationen zu sensiblen Arten.

Simulation data from GAIA (Ground-to-topside model of Atmosphere and Ionosphere for Aeronomy)

This dataset comprises numerical outputs from the whole atmospheric model GAIA (=Ground-to-topside model of Atmosphere and Ionosphere for Aeronomy) and associated simulations presented in the article "Whole atmosphere model simulations of ultra-fast Kelvin wave effects in the ionosphere and thermosphere" (Yamazaki et al., 2020).GAIA is a numerical model of the Earth’s whole atmosphere (e.g., Jin et al., 2011; Miyoshi et al., 2011). The model consists of mathematical equations appropriate for various physical and chemical processes in the troposphere, stratosphere, mesosphere, and thermosphere. The neutral atmosphere model (Miyoshi & Fujiwara, 2003) is coupled with an ionospheric model (Shinagawa, 2011) and electrodynamics model (Jin et al., 2008). The lower layers of the model below 30 km are constrained by meteorological reanalysis products by the Japan Meteorological Agency (Onogi et al., 2007; Kobayashi, et al., 2015).The model was run for the following three time intervals:1. 15 August 2010 - 15 October 20102. 01 August 2011 - 30 September 20113. 01 December 2012 - 31 January 2013The simulation outputs can be found in GAIA/2010, GAIA/2011, and GAIA/2013, respectively. In each directory, the model data are stored in a MATLAB format (.mat).List of model outputs:GZ: "Geopotential height" in [m] as a function of LONGITUDE [˚], LATITUDE [˚], PRESSURE, and TIMEGU: "Zonal wind" in [m/s] as a function of LONGITUDE, LATITUDE, PRESSURE, and TIME (positive eastward)GV: "Meridional wind" in [m/s] as a function of LONGITUDE, LATITUDE, PRESSURE, and TIME (positive northward)GT: "Temperature" in [K] as a function of LONGITUDE, LATITUDE, PRESSURE, and TIMEEEF: "Equatorial zonal electric field" in [V/m] as a function of LONGITUDE and TIME.TEC: "Total electron content" in [TECU] as a function of LONGITUDE, LATITUDE, and TIMEPRESSURE is given at: 10^2, 10^1, 10^0, 10^(-1), 10^(-2), 10^(-3), 10^(-4), 10^(-5), 10^(-6), 10^(-7), 10^(-8) [hPa]For the time period #1, additional controlled simulations "LARGE_WAVES" and "NO_UFKW" were run. See Yamazaki et al. (2020) for details of these runs. The simulation outputs can be found in LARGE_WAVES/2011 and NO_UFKW/2011, respectively.

Simulation data from GAIA (Ground-to-topside model of Atmosphere and Ionosphere for Aeronomy) for the September 2019 sudden stratospheric warming event

This dataset comprises numerical outputs from the whole atmospheric model GAIA (=Ground-to-topside model of Atmosphere and Ionosphere for Aeronomy) and associated simulations (EXP1, EXP2, and EXP3) presented in the article "Excitation mechanism of ionospheric 6-day oscillation during the 2019 September sudden stratospheric warming event" (Miyoshi and Yamazaki, 2020). Briefly, GAIA is a numerical model of the Earth’s whole atmosphere (e.g., Jin et al., 2011; Miyoshi et al., 2011, 2012). The model consists of mathematical equations that represent various physical and chemical processes in the troposphere, stratosphere, mesosphere, and thermosphere. The neutral atmosphere model (Miyoshi & Fujiwara, 2003) is coupled with an ionospheric model (Shinagawa, 2011) and electrodynamics model (Jin et al., 2008). The lower layers of the model below 40 km are constrained by meteorological reanalysis products by the Japan Meteorological Agency (Kobayashi, et al., 2015). The model was run for the period 1 September-10 October 2019, when there was a sudden stratospheric warming in the Antarctic region (Yamazaki et al., 2020). The GAIA simulation outputs can be found in the directory 'gaia', while the numerical outputs from the controlled simulations EXP1, EXP2, and EXP3 can be found in the directories 'exp1', 'exp2', and 'exp3', respectively. The model data for the temperature, zonal wind, meridional wind, and geopotential heigh are stored separately for each day in the NetCDF format. 'gt', 'gu', 'gv', and 'gz' in file name indicate the temperature, zonal wind, meridional wind, and geopotential heigh, respectively. For instance, the file 'gv20190915gcm.nc' contains the meridional wind data for 15 September 2019. The model data for the eastward current intensity, eastward electric field, and total electron content can be found as text files, namely, 'East_current_gaia.data', 'East_efield_gaia.data', and 'tec_gaia.data'.

Ergebnisse der Überwachung der Umweltradioaktivität in der Luft

Die Daten zeigen die Ergebnisse des Deutschen Wetterdienstes (DWD) zur Überwachung der Radioaktivität in der Luft. Die Farbe des angezeigten Punktes gibt die Höhe der Cs 137 Aktivität in der entsprechenden Maßeinheit wieder. Das Messnetz wird vom Deutschen Wetterdienst im Rahmen des Integrierten Mess- und Informationssystems (IMIS) betrieben. (siehe [<a href='http://www.bfs.de/DE/themen/ion/notfallschutz/messnetz/imis/imis_node.html' target='new'>http://www.bfs.de/DE/themen/ion/notfallschutz/messnetz/imis/imis_node.html</a>] Die Farbe des angezeigten Punktes gibt die Höhe der Cs 137 Aktivität (in Bequerel pro Luftvolumen) wieder. Zusätzliche Informationen zur Messung wie Probenahmedatum, Messstation, Medium, Maßeinheit sowie Messwerte zu Radionukliden, die hauptsächlich natürlich vorkommen (z.B. Pb 214, Pb 212) oder künstlichen Ursprungs (Cs 137, I 131) sein können, erhalten Sie über den Mausklick auf den Punkt. Weitere Informationen zur Radioaktivität in der Luft erhalten Sie im Jahresbericht 2011 zur Umweltradioaktivität und Strahlenbelastung [<a href='http://nbn-resolving.de/urn:nbn:de:0221-2013090511044' target='new'>http://nbn-resolving.de/urn:nbn:de:0221-2013090511044</a>].

Checkpoint Manipulation als Strategie für den Strahlenschutz und für die Strahlensensibilisierung von Säugetierzellen.

Stoffwechsel und Wachstum der Pflanze unter erhoehter Kohlendioxidkonzentration - TP: Beeinflussung der Photoassimilatverteilung und der pflanzlichen Genexpression durch erhoehte CO2-Konzentration in der Atmosphaere unter besonderer Beruecksichtigu..

Die bisherigen Ergebnisse zeigen, dass Pflanzen, die unter erhoehter atmosphaerischer (CO2) angepflanzt wurden, eine schnellere Entwicklung durchlaufen. Die bei Kartoffelpflanzen beobachtete vorzeitige Knolleninduktion ist auf eine Erhoehung des C/N-Verhaeltnisses zurueckzufuehren. Erhoehung der Lichtintensitaet oder suboptimale Stickstoffversorgung fuehren zu vergleichbaren Ergebnissen. In der derzeitigen Antragsphase sollen vornehmlich drei Schwerpunkte bearbeitet werden. In allen bisherigen Untersuchungen wurde ein Anstieg AGPaseS-spezifischer Transkripte unter Hoch- CO2 beobachtet. Dieser Anstieg ist unabhaengig von der Staerkeakkumulation aber abhaengig vom C-Metabolismus. Zur Identifizierung moeglicher Signalgeber fuer die CO2-modulierte AGPaseS-Expression sollen transgene Pflanzen ausgenutzt werden, in denen die Synthese einzelner Metabolite vermindert ist. Im zweiten Teil soll der Zusammenhang zwischen erhoehter (CO2), der (GABA) und der Expression der ACC-Oxidase untersucht werden. Zur Ueberpruefung der Hypothese, dass bei erhoehter (CO2) eine Akkumulation von Ethylen auftritt, soll die (ACC) mittels HPLC in Blattscheiben bestimmt werden. In begleitenden Experimenten sollen transgene Pflanzen, die eine ACC-Oxidase spezifische-antisense RNA exprimieren, unter erhoehter (CO2) angepflanzt werden und der Einfluss einer verminderten Ethylenbiosynthese auf die Blattalterung und die Genexpression studiert werden. Im dritten Teil soll die Hypothese: Erhoehung der atmosphaerischen (CO2) fuehrt zu einer beschleunigten Seneszenz, geprueft werden. Hierzu stehen uns Pflanzen zur Verfuegung, die das GUS-Reportergen unter Kontrolle eines Seneszenz-spezifischen Promotors (SAG12; Gan und Amasino 1995) exprimieren, d.h. die Hoehe der GUS-Aktivitaet kann als Indikator fuer den Seneszenszustand des untersuchten Gewebes eingesetzt werden. Eine zweite Gruppe transgener Pflanzen exprimiert ein bakterielles Isopentenyltransferase (ipt) Gen unter Kontrolle des SAG12 Promotors. Expression des ipt Gens fuehrt zur Bildung von Cytokinin und damit zu einer Aufhebung der Seneszenz. Durch die Wahl des Promotors findet eine Autoregulation der Cytokininbildung statt, sodass negative Effekte zu hoher Phytohormonkonzentrationen nicht auftreten. Untersuchung dieser Pflanzen unter Hoch- CO2 sollte die einmalige Chance bieten Seneszenz- von CO2-induzierten Ereignissen zu unterscheiden. Neben den drei Hauptgebieten soll der Einfluss der Stickstoffversorgung auf CO2-vermittelte Seneszenzerscheinungen und die Auswirkung erhoehter (CO2) auf Resistenzeigenschaften von Tabakpflanzen untersucht werden.

Climatic Change at and above the Subalpine-Alpine Ecocline: Impact on Plant Diversity and Distribution

Plant diversity and distribution at/above treeline will be precisely investigated in two sites in the Alps of Valais, and the relationship with climate will be established at several levels of complexity (from population to landscape) to assess climatic change impact scenarios. 1)Diversity will be studied for both bryophytes and vascular plants, and related to functional types. 2)Phenological observations on reproductive biology and growth (7 Bryophytes, 8 vascular plants) will be related to climate on the masis of micro- and mesoclimate measurements. 3)Data will improve the static-explanatory Alpine Plant Distribution model (ALPLANDI, in progress) for the analysis of the relationships between species, vegetation, landscape units, and environmental variables through multiple regression analysis with Generalised Linear Models (GLMs) and Generalised Additive Models (GAMs) in order to produce Potential Habitat Distribution Maps of species (PHDMs), potential phenological maps, and modellised vegetation and landscape maps. (4) A long-term monitoring for dwarf shrubs synusia and vegetation complexes will be implemented with permanent plots. Leading Questions: 1. What will be the impact of climatic change on plant diversity at the upper subalpine and alpine vegetation belts? 2. What is the relative importance of both climate and orography on plant diversity at the upper subalpine and alpine vegetation belts? 3. To what extent is the phenological development of important species of the upper subalpine and alpine vegetation belts related to, and affected by climate, in particular temperature and precipitation (micro, mesoclimate)? 4. How reliable is modelling of alpine and subalpine plant distributions if only modelled variables (e.g. altitude, slope, aspect, solar radiation, temperature, precipitations, permafrost distribution derived from digitised elevation model and remote sensing) and already existing general data (e.g. geology, hydrography) are to be included in the model? 5.How are the complexity levels (populations, synusia, plant communities, vegetation complexes) going to react (persistence, progressive and regualr adaptation, abrupt change, catastrophic collapse)?

Messwerte zur Überwachung der Gamma-Ortsdosisleistung

Die Daten zeigen die Ergebnisse des Bundesamtes für Strahlenschutz (BfS) zur Überwachung der Gamma-Ortsdosisleistung (ODL) im Rahmen des Integrierten Mess- und Informationssystems (IMIS). Dargestellt werden die Tagesmittelwerte aller betriebsbereiter Stationen des ODL-Messnetzes. Das ODL-Messnetz [<a href='http://www.bfs.de/DE/themen/ion/umwelt/luft-boden/odl/odl.html' target='new'>http://www.bfs.de/DE/themen/ion/umwelt/luft-boden/odl/odl.html</a>] umfasst derzeit etwa 1.800 betriebsbereite Messstationen, welche jeweils in ca. 1,3m Höhe die Gamma-Strahlung über der Bodenoberfläche und der bodennahen Luft registrieren. Die Gamma-Ortsdosisleistung ist ein Maß der Strahlenbelastung, die von außen auf den Menschen einwirkt (Maßeinheit in der Regel: Mikrosievert pro Stunde).

1 2