API src

Found 222 results.

Related terms

Forschergruppe (FOR) 2936: Klimawandel und Gesundheit in Afrika südlich der Sahara, Teilprojekt: Entwicklung und Analyse von Bevölkerungskohorten in Burkina Faso und Kenia

Weltweit beeinflusst der Klimawandel eine Vielzahl von Faktoren die Erkrankungen begünstigen, insbesondere in Subsahara-Afrika. Jedoch haben sich nur wenige empirische Studien auf die Auswirkungen des Klimawandels, sowie auf Anpassungsstrategien und entsprechende Interventionen im ressourcenarmen Kotext in Subsahara-Afrika konzentriert. Ein Hauptgrund für diesen Mangel an Studien und wissenschaftlichen Ergebnissen ist, dass die Forschungsinfrastrukturen, die die Gesundheitsforschung in afrikanischen Ländern südlich der Sahara unterstützen - insbesondere innerhalb der HDSS -, es bisher nicht erlauben, viele der dringlichsten Forschungsfragen in Bezug auf Klimawandel und Gesundheit zu untersuchen. In der ersten Phase des Projektes konnten wir neue Erkenntnisse schaffen dahingehend wie ein HDSS erweitert und aufgebaut werden kann um Forschung im Bereich Klimawandel und Gesundheit ebenso selbstverständlich und produktiv durchzuführen wie es bereits für andere empirische Populationsforschung möglich ist. Unser erster methodischer Ansatz begleitet die Übersetzung unserer Machbarkeitsstudie der ersten Projektphase in einen populations-basierten Ansatz - diese Komponente ist begleitet durch einen Mixed-Methods-Ansatz. Dabei werden Erkenntnisse zu Prozessen und Erfahrungen aus verschiedenen Quellen ("technologische Tagebücher", Interviews und HDSS-Routinedaten) gesammelt, die uns helfen die besten Ansätze für klimarelevante Gesundheitsforschung zu finden. Darüber hinaus möchten wir die Performanz einer langzeitig Datensammlung evaluieren, und diese Kohorte, die mit neuen individuellen Sensoren ausgestattet sind erforschen hinsichtlich Hitzestress, den wir mit den Wearable-gemessenen Variablen messen (Herzfrequenz, Lungenfunktion, Aktivität, Schlafdauer). Wir werden weiterhin Forschungsergebnisse zu Klimawandel und Gesundheit in Informationen umsetzen, die politischen Entscheidungsträgern und der breiten Öffentlichkeit zur Verfügung stehen, indem wir Dashboards entwickeln, die die Auswirkungen des Klimawandels und der Gesundheit in gefährdeten Bevölkerungsgruppen visualisieren. Diese Dateninfrastruktur, die wir so aus bestehenden HDSS schaffen, kann nun auch überführt in graph-basierte Datenbanken „Big Data“-Analysen ermöglichen, und uns erlauben Methoden der künstlichen Intelligenz anzuwenden. HDSS-Daten können somit wichtige Erkenntnisse liefern, um die Wissenslücke zu schließen und neue Lösungen für einige der kritischsten Klima- und Gesundheitsprioritäten Afrikas zu finden. Zusätzlich zu diesen beschriebenen Studien, liefert das Projekt CP1 zentrale Beiträge zu allen anderen Projekten dieser Forschungsgruppe.

Modelling vegetation dynamics and biomass in semiarid ecosystems (Eastern Africa) using remote sensing multisensor approaches

This pre-study pilot project will be carried out in Kenya and Tanzania and is part of a more extensive remote sensing project (initiated by the European Space Agency, ESA) aiming to develop a monitoring system for the assessment of land cover change of farmlands, rangelands and forest standings (logging, fires, uncontrolled deforestation, new settlements, etc.) at a national regional level. An integrated approach of remote sensing techniques (both through the use of satellite and ground data), physical vegetation models and ground measurements will be adopted. Operatively, the execution will consist of a 6-month period (pre-study) consisting in a ground campaign along a north-south transect, which is almost unknown to the current vegetation cartography. Based on the field results of the pre-study and within an on-going 30 month period (extended study, see Annexed 3), new classification methods and algorithms will be developed for assessment of land use and cover change using ENVISAT-data. An outcoming of this research will be a system capable to monitor and plan the available agricultural food resources for those developing regions.

Model Output Statistics for JOMO KENYATTA INTERNATIONAL AIRPORT (63740)

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 ]

Model Output Statistics for MOMBASA (63820)

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 ]

Transregio TRR 228: Zukunft im ländlichen Afrika: Zukunft-Machen und sozial-ökologische Transformation; Future Rural Africa: Future-making and social-ecological transformation, Teilprojekt C06: Skalenüberschreitende Verbindungen als Bewältigungsstrategien sozioökonomische Exklusion

Dieses Projekt untersucht, wie Luo-Migranten aus Westkenia den Maßstab ihres Handelns durch ergebnisoffenes Umherstreifen und zielorientiertes Infrastrukturieren im Rift Valley neu definieren, um an gross-skalige Intensivierungsprojekte Anschluss zu finden. Um zu erforschen, wie Luo-Migranten zwischen Zonen der Intensivierung, der Konservierung und des Zerfalls ihre Zukunft ausbilden und gestalten, liegt der Fokus der Forschung auf a) Lohnarbeit in multinationalen Firmen, b) agrikultureller Nutzbarmachung angemieteter Landflächen und c) Fischfang und Tourismus im Rift Valley.

Transregio TRR 228: Zukunft im ländlichen Afrika: Zukunft-Machen und sozial-ökologische Transformation; Future Rural Africa: Future-making and social-ecological transformation, Teilprojekt C02: Infrastrukturen und Governance für erneuerbare Energien

Dieses Projekt erforscht, wie die Bereitstellung von Infrastrukturen sowie der einhergehende Landnutzungswandel durch unterschiedliche Zukunftsvisionen und Future-Making-Praktiken strukturiert werden. Es analysiert (1) die institutionellen Kontexte großskaliger erneuerbarer Energieinfrastrukturen im kenianischen Rift Valley, (2) die Planungs- und Umsetzungsprozesse sowie damit verbundene sozial-ökologische Transformationen, (3) die Akteurs-, Governance-und Konfliktkonstellationen, v.a. mit Fokus auf Investor-Community-Beziehungen.

GTS Bulletin: WVKN31 HKJK - Warnings (details are described in the abstract)

The WVKN31 TTAAii Data Designators decode as: T1 (W): Warnings T1T2 (WV): Volcanic ash clouds (SIGMET) A1A2 (KN): Kenya (Remarks from Volume-C: NilReason)

GTS Bulletin: WSKN31 HKJK - Warnings (details are described in the abstract)

The WSKN31 TTAAii Data Designators decode as: T1 (W): Warnings T1T2 (WS): SIGMET A1A2 (KN): Kenya (Remarks from Volume-C: NilReason)

GTS Bulletin: FTKN64 HKMO - Forecast (details are described in the abstract)

The FTKN64 TTAAii Data Designators decode as: T1 (F): Forecast T1T2 (FT): Aerodrome (VT >= 12 hours) A1A2 (KN): Kenya (Remarks from Volume-C: NilReason)

GTS Bulletin: FTKN32 HKJK - Forecast (details are described in the abstract)

The FTKN32 TTAAii Data Designators decode as: T1 (F): Forecast T1T2 (FT): Aerodrome (VT >= 12 hours) A1A2 (KN): Kenya (Remarks from Volume-C: NilReason)

1 2 3 4 5 … 21 22 23