API src

Found 3260 results.

Similar terms

s/k/UK/gi

Model Output Statistics for KINLOSS (03066)

DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]

INSPIRE Download Service (predefined ATOM) für Datensatz ATKIS Basis-DLM GID7 Seen

Beschreibung des INSPIRE Download Service (predefined Atom): Dieser Datensatz beinhaltet die Seen des Saarlandes. - Der/die Link(s) für das Herunterladen der Datensätze wird/werden dynamisch aus Download Link aus einem Metadatensatz generiert

Model Output Statistics for GUERNSEY AIRPORT (03894)

DWD’s fully automatic MOSMIX product optimizes and interprets the forecast calculations of the NWP models ICON (DWD) and IFS (ECMWF), combines these and calculates statistically optimized weather forecasts in terms of point forecasts (PFCs). Thus, statistically corrected, updated forecasts for the next ten days are calculated for about 5400 locations around the world. Most forecasting locations are spread over Germany and Europe. MOSMIX forecasts (PFCs) include nearly all common meteorological parameters measured by weather stations. For further information please refer to: [in German: https://www.dwd.de/DE/leistungen/met_verfahren_mosmix/met_verfahren_mosmix.html ] [in English: https://www.dwd.de/EN/ourservices/met_application_mosmix/met_application_mosmix.html ]

PROaktive Steuerung von WAsserVErteilungssystemen

Zielsetzung: Klimatische Veränderungen beeinflussen die verfügbare Wassermenge und -qualität in Talsperren, was deutliche Auswirkungen auf die Sicherheit der Trinkwasserversorgung und auf die Ökosysteme der Stauseen und den Landschaftswasserhaushalt hat. Klimaprognosen deuten für Gebiete wie den Harz auf einen Anstieg von Niederschlägen im Winter und häufigere Trockenperioden im Sommer hin, was stärker schwankende Wasserstände bedeutet. Zur Anpassung im Management der Talsperren und deren Ökosystemen mangelt es jedoch oft an präzisen Vorhersagen und den nötigen Instrumenten, um risikobasierte Entscheidungen über notwendige dynamische Betriebsstrategien zu treffen. Vor diesem Hintergrund soll im Rahmen des Projekts ein vorhersagebasiertes, mengen- und gütegewichtetes Entscheidungsunterstützungssystem für Talsperren entwickelt werden, welches auf datengetriebenen Modellen basiert und am Beispiel des Systems der Harzwasserwerke implementiert wird. Das Projekt konzentriert sich darauf, durch die Nutzung moderner Technologien und Methoden der Künstlichen Intelligenz (KI), wie LSTM-Netzwerke (Long Short-Term Memory) und Ensemble-Methoden, zuverlässige Vorhersagen des Wasserbedarfs und -dargebots zu erstellen. Diese Vorhersagen werden in ein hydrodynamisches Optimierungsmodell integriert, um eine flexible und belastbare Entscheidungsunterstützung im Ereignisfall zu ermöglichen. Hierdurch sollen die verschiedenen Bewirtschaftungsziele wie Hochwasserschutz, Versorgungssicherheit, Ökosystemleistungen, Landschaftswasserhaushalt und Energieerzeugung bestmöglich erfüllt werden. Die Kombination von Echtzeit-Sensoren, Open-Source-Datensätzen und fortschrittlichen Datenanalyse-Tools ermöglicht es, komplexe und dynamische Prozesse zu simulieren und in Echtzeit Informationen bereitzustellen. Im Sinne der nachhaltigen Klimawandelanpassung werden so proaktive Maßnahmen zur Unterstützung der Versorgungssicherheit, des Hochwasserschutzes sowie des Landschaftswasserhaushaltes ermöglicht. Die Implementierung des Demonstrators im System der Harzwasserwerke soll die Vorteile einer proaktiven Steuerung demonstrieren und eine multikriterielle Bewertung im Vergleich zu herkömmlichen Methoden ermöglichen. Der Fokus liegt nicht nur auf einem hohen Technology Readiness Level, sondern auch auf der Handhabung von Unsicherheiten und der Berücksichtigung verschiedener Vorhersagehorizonte. Diese sind für die verschiedensten wasserwirtschaftlichen Zielsetzungen von entscheidender Bedeutung.

Quantitative optische Fernerkundungsmethoden für das Monitoring von Vegetationsstress Indikatoren zur Bewertung von Ökosystemleistungen und 'Wetland Health' im Hinblick auf die globalen Nachhaltigkeitsziele, Teilvorhaben Universität Bonn

WRRL Wasserkörper Seen

Die Wasserrahmenrichtlinie (WRRL) folgt dem Grundsatz, dass Flussgebiete als Ganzes zu betrachten und zu bewirtschaften sind. Für die praktische Arbeit – z. B. für die Erarbeitung der Bewirtschaftungspläne oder für die Bestandsaufnahme des Zustands der Seen – werden aber handhabbare Untereinheiten gebildet. Wasserkörper stellen hierbei die kleinste Einheit dar, die die WRRL betrachtet. Das WRRL-Monitoring bezieht sich in Schleswig-Holstein auf 73 Wasserkörper mit jeweils einer Seefläche von mehr als 50 ha, davon sind 62 Seen natürlich und elf Seen künstlich entstanden. Hinsichtlich dieser Seen ist Deutschland berichtspflichtig gegenüber der EU.

ATKIS - DGM1 (2025)

Digitale Geländemodelle (DGM) sind digitale, numerische, auf ein regelmäßiges Raster reduzierte Modelle der Geländehöhen und –formen der Erdoberfläche. Sie beinhalten keine Information über Bauwerke (z.B. Brücken) und Vegetation."

Langjährige Entwicklung der Luftqualität - Berliner Luftgütemessnetz - Standorte und Messdaten (Umweltatlas)

Darstellung aller Stationen und Messwerte der BLUME-, RUBIS- und Passivsammler-Messnetze seit 1975 sowie ausgewählter langjährig betriebener Berliner Klimastationen

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 stichprobenhafte Zählungen in einigen Waldbereichen wurde ein durchschnittlicher Korrekturfaktor von 1,6 abgeleitet.

Hintergrundwerte von anorganischen Stoffen in Böden in Deutschland 1:1.000.000 (WMS)

Web Map Service (WMS) zur Karte der Hintergrundwerte von anorganischen Stoffen in Böden in Deutschland. Durch die LABO wurden 2017 für 16 Elemente neue, bundesweite Hintergrundwerte veröffentlicht. Sie beruhen auf Profilinformationen und Messdaten von Königswasserauszügen, die durch die BGR zusammengeführt und homogenisiert wurden. Daten mit hohen Bestimmungsgrenzen wurden nach bestimmten Kriterien von der weiteren Auswertung ausgeschlossen, damit die Bestimmungsgrenzen nicht die Hintergrundwerte beeinflussen. Um die Hintergrundwerte nicht durch Regionen mit hoher Stichprobendichte überproportional beeinflussen zu lassen, wurde in Teilen eine räumliche Ausdünnung durchgeführt. Die Werte mehrerer Horizonte eines Standortes wurden durch tiefengewichtete Mittelwerte zu einem Wert zusammengezogen. Zur Auswertung wurden die vorhandenen Messwerte verschiedenen Gruppen von Bodenausgangsgesteinen zugeordnet. Zudem wurde unterschieden, ob die Proben im Oberboden, im Unterboden oder im Untergrund genommen wurden. Bei den Oberböden wurde bei der Auswertung auch die unterschiedliche Nutzung (Acker, Grünland, Forst) berücksichtigt. Lockergesteine wurden aufgrund ihrer unterschiedlichen Zusammensetzung getrennt nach Nord- und Süddeutschland ausgewertet. Durch die Aufteilung der Daten in Teilkollektive wurden nicht in allen Fällen verlässliche Fallzahlen erreicht, sodass nur Hintergrundwerte mit Fallzahlen ?20 dargestellt werden. Das genaue Vorgehen bei der Ableitung ist dem Bericht der LABO-Bund/Länder-Arbeitsgemeinschaft Bodenschutz (2017): 'Hintergrundwerte für anorganische und organische Stoffe in Böden', 4. überarbeitete und ergänzte Auflage, zu entnehmen.

1 2 3 4 5 … 324 325 326