This resource contains the monthly mean sea surface temperature [K] for 6 months. The format of resource is GRIB2. It is provided through the web site of WMO Lead Centre for LRF MME (Long Range Forecast Multi-Model Ensemble) on about the 15th of each month. The web site requests a user account. The Grade A(GPCs) and Grade B(NMHSs, RCCs) users can download the data USAGE: Menu: Data and Plot > Data Exchange > Search/Download. This forecast data is made by GPC_Offenbach (DWD) using an operational seasonal prediction system. For more detailed information about the seasonal forecasts of GPC_Offenbach (DWD) visit the web site http://www.dwd.de/EN/ourservices/seasonals_forecasts/start.html.
Niedrige Wolken sind Schlüsselbestandteile vieler Klimazonen, aber in numerischen Modellen oft nicht gut dargestellt und schwer zu beobachten. Kürzlich wurde gezeigt, dass sich während der Haupttrockensaison im Juni und September im westlichen Zentralafrika eine ausgedehnte niedrige Wolkenbedeckung (engl. „low cloud cover“, LCC) entwickelt. Eine derart wolkige Haupttrockenzeit ist in den feuchten Tropen einzigartig und erklärt wahrscheinlich die dichtesten immergrünen Wälder in der Region. Da paläoklimatische Studien auf eine Instabilität hinweisen, kann jede Verringerung des LCC aufgrund des Klimawandels einen Kipppunkt für die Waldbedeckung darstellen. Daher besteht ein dringender Bedarf, das Auftreten, die Variabilität und die bioklimatischen Auswirkungen des LCC in westlichen Zentralafrika besser zu verstehen.Um diese Ziele zu erreichen, wurde ein Konsortium aus französischen, deutschen und gabunischen Partnern aufgebaut, zu dem Meteorologen, Klimatologen und Experten für Fernerkundung und Waldökologie gehören. Die meteorologischen Prozesse, welche die Bildung und Auflösung der LCC im Tagesgang steuern, werden anhand von zwei Ozean-Land-Transekten auf der Grundlage einer synergistischen Analyse von historischen In-situ Beobachtungen, von Daten einer Feldkampagne und anhand von atmosphärischen Modellsimulationen untersucht. Die Ergebnisse werden mit einem kürzlich entwickelten konzeptionellen Modell für LCC im südlichen Westafrika verglichen.Die intrasaisonale bis interannuale Variabilität des LCC wird durch die Analyse von In-Situ-Langzeitdaten und Satellitenschätzungen quantifiziert. Unterschiede im Jahresgang des LCC (d.h. jahreszeitlicher Beginn und Rückzug, wolkenarme Tage) und die Ausdehnung ins Inland werden dokumentiert. Ansätze, die auf Wettertypen und äquatorialen Wellen basieren, werden verwendet, um intrasaisonale Variationen des LCC zu verstehen. Die Auswirkungen lokaler und regionaler Meeresoberflächentemperaturen auf die LCC-Entwicklung und ihre Jahr-zu-Jahr Variabilität werden bewertet, wobei statistische Analysen und spezielle Sensitivitätsversuche mit einem regionalen Klimamodell verknüpft werden.Schließlich wird der Einfluss von LCC auf die Licht- und Wasserverfügbarkeit bzw. die Waldfunktion anhand von In-Situ-Messungen untersucht. Die Ergebnisse werden mit Messungen aus der nördlichen Republik Kongo, wo die Trockenzeit sonnig ist, sowie mit einem einfachen Wasserhaushaltsmodells, das an die Region angepasst ist, verglichen. Die Wasserhaushaltsanalysen sollen die Kompensations- oder Verstärkungseffekte von Regen im Vergleich zur potenziellen Evapotranspiration, beide moduliert durch die LCC, auf das Wasserdefizit aufzeigen.Die Ergebnisse von DYVALOCCA werden zum ersten konzeptionellen Modell für Wolkenbildung und -auflösung im westlichen Zentralafrika führen und eine Hilfestellung für die Bewertung von Klimawandel-Simulationen mit Blick auf potentielle Kipppunkte für die immergrünen Regenwälder in der Region geben.
Im letzten Jahrzehnt war der grönländische Eisschild mehreren Extremereignissen ausgesetzt, mit teils unerwartet starken Auswirkungen auf die Oberflächenmassebilanz und den Eisfluss, insbesondere in den Jahren 2010, 2012 und 2015. Einige dieser Schmelzereignisse prägten sich eher lokal aus (wie in 2015), während andere fast die gesamte Eisfläche bedeckten (wie in 2010).Mit fortschreitendem Klimawandel ist zu erwarten, dass extreme Schmelzereignisse häufiger auftreten und sich verstärken bzw. länger anhalten. Bisherige Projektionen des Eisverlustes von Grönland basieren jedoch typischerweise auf Szenarien, die nur allmähliche Veränderungen des Klimas berücksichtigen, z.B. in den Representative Concentration Pathways (RCPs), wie sie im letzten IPCC-Bericht genutzt wurden. In aktuellen Projektionen werden extreme Schmelzereignisse im Allgemeinen unterschätzt - und welche Konsequenzen dies für den zukünftigen Meeresspiegelanstieg hat, bleibt eine offene Forschungsfrage.Ziel des vorgeschlagenen Projektes ist es, die Auswirkungen extremer Schmelzereignisse auf die zukünftige Entwicklung des grönländischen Eisschildes zu untersuchen. Dabei werden die unmittelbaren und dauerhaften Auswirkungen auf die Oberflächenmassenbilanz und die Eisdynamik bestimmt und somit die Beiträge zum Meeresspiegelanstieg quantifiziert. In dem Forschungsprojekt planen wir zudem, kritische Schwellenwerte in der Häufigkeit, Intensität sowie Dauer von Extremereignissen zu identifizieren, die - sobald sie einmal überschritten sind - eine großräumige Änderung in der Eisdynamik auslösen könnten.Zu diesem Zweck werden wir die dynamische Reaktion des grönländischen Eisschilds in einer Reihe von Klimaszenarien untersuchen, in denen extreme Schmelzereignisse mit unterschiedlicher Wahrscheinlichkeit zu bestimmten Zeitpunkten auftreten, und die Dauer und Stärke prognostisch variiert werden. Um indirekte Effekte durch verstärktes submarines Schmelzen hierbei berücksichtigen zu können, werden wir das etablierte Parallel Ice Sheet Model (PISM) mit dem Linearen Plume-Modell (LPM) koppeln. Das LPM berechnet das turbulente submarine Schmelzen aufgrund von Veränderungen der Meerestemperatur und des subglazialen Ausflusses. Es ist numerisch sehr effizient, so dass das gekoppelte PISM-LPM Modell Ensemble-Läufe mit hoher Auflösung ermöglicht. Folglich kann eine breite Palette von Modellparametern und Klimaszenarien in Zukunftsprojektionen in Betracht gezogen werden.Mit dem interaktiv gekoppelten Modell PISM-LPM werden wir den Beitrag Grönlands zum Meeresspiegelanstieg im 21. Jahrhundert bestimmen, unter Berücksichtigung regionaler Veränderungen von Niederschlag, Oberflächen- und Meerestemperaturen, und insbesondere der Auswirkungen von Extremereignissen. Ein Hauptergebnis wird eine Risikokarte sein, die aufzeigt, in welchen kritischen Regionen Grönlands zukünftige extreme Schmelzereignisse den stärksten Eisverlust zur Folge hätten.
This resource contains the monthly mean sea surface temperature [K] for 6 months. The period of hindcast data is January, 1993 - December, 2019. The format of resource is GRIB2. It is provided through the web site of WMO Lead Centre for LRF MME (Long Range Forecast Multi-Model Ensemble). The web site requests a user account. The Grade A(GPCs) and Grade B(NMHSs, RCCs) users can download the data USAGE: Menu: Data and Plot > Data Exchange > Search/Download. This hindcast data is made by GPC_Offenbach (DWD) using an operational seasonal prediction system. For more detailed information about the seasonal forecasts of GPC_Offenbach (DWD) visit the web site http://www.dwd.de/EN/ourservices/seasonals_forecasts/start.html.
The QTUA88 TTAAii Data Designators decode as: T1 (Q): Pictorial information regional (Binary coded) T1T2 (QT): Temperature A2 (A): Analysis (00 hour) T1ii (Q88): Ground or water properties for the Earth's surface (ie snow cover, wave and swell) (Remarks from Volume-C: SEA SURFACE TEMPERATURE NORTH SEA)
The PTOA88 TTAAii Data Designators decode as: T1 (P): Pictorial information (Binary coded) T1T2 (PT): Temperature A2 (A): Analysis (00 hour) T1ii (P88): Ground or water properties for the Earth's surface (ie snow cover, wave and swell) (Remarks from Volume-C: Sea surface temperature (gpv))
Niederschlag ist eine wichtige, aber schlecht verstandene Komponente unseres Klimasystems. Die genauen Prozesse, durch die Eiskristalle, flüssiges Wasser, Wolkendynamik und Aerosolpartikel bei der Niederschlagsbildung zusammenwirken, sind nicht ausreichend verstanden. Da überall außer über den subtropischen Ozeanen der meiste Niederschlag in Wolken über die Eisphase gebildet wird, sind die Prozesse der Schneefallbildung nicht nur in den polaren, sondern auch in den mittleren Breiten von großer Bedeutung: Wachstum in übersättigter Luft führt zu unzähligen Kristallformen, die von Temperatur, Feuchtigkeit und deren turbulenten Schwankungen abhängen. Durch Aggregation verbinden sich einzelne Kristalle zu komplexen Schneeflocken. Bereifung beschreibt das Anfrieren kleiner Tröpfchen an den Eiskristallen, so dass diese schnell an Masse gewinnen. Dadurch ist die Form der Schneeteilchen - wenn sie beobachtet wird, bevor das Teilchen zu einem Regentropfen schmilzt - ein Fingerabdruck der vorherrschenden Prozesse während der Schneefallbildung. In EMPOS schlagen wir vor, diese Fingerabdrücke zu nutzen, um zu quantifizieren, wie die verschiedenen Prozesse der Schneefallbildung zu Masse oder Häufigkeit des Gesamtniederschlag beitragen. Zu diesem Zweck werden wir die Datenprodukte des innovativen Video In Situ Snowfall Sensors (VISSS) weiterentwickeln, um Riming und Aggregation während einer speziellen Messkampagne in Hyytiälä, Finnland, zu quantifizieren. Die Beobachtungen werden mit dem ICON-Modell verglichen, in welches das fortschrittliche P3 Mikrophysikschema (Predicted Particle Properties) mit einem neuartigen Ansatz zur Behandlung von bereiften Partikeln implementiert ist. Durch dieses kombinierte Beobachtungs- und Modellierungsprojekt wird es möglich zu quantifizieren, wie die einzelnen Wolkenprozesse an der Schneefallbildung beteiligt sind, und zwar in Bezug auf die Häufigkeit des Auftretens und die Gesamtschneemasse. Darüber hinaus werden wir diese Wolkenprozesse in Abhängigkeit von makrophysikalischen Wolkeneigenschaften wie Wolkentiefe und synoptischen Einflüssen analysieren. Auf der Grundlage von Vergleichen zwischen Modell und Beobachtungen, die sowohl mittels Fallstudien als auch für einen längeren Zeitraum durchgeführt werden, werden wir die Schneefallsimulation in ICON im Standard-Zweimomentenschema und im P3-Mikrophysikschema bewerten und verbessern.
El Niño/Southern Oscillation (ENSO) ist die dominate Mode der Klimavariabilität des gekoppelten Ozean-Atmosphäre-Systems im tropischen Pazifik und ergibt sich aus einem komplexen Zusammenspiel zwischen verstärkenden und dämpfenden Feedbacks. Angesichts seiner großen sozioökonomischen Auswirkungen ist es sehr wichtig genau vorherzusagen, wie sich ENSO unter der globalen Erwärmung verändern wird. Obwohl in den letzten Jahrzehnten Verbesserungen bei der Simulation von ENSO erreicht wurden, bleibt eine realistische Darstellung von ENSO und seiner Projektion unter der globalen Erwärmung eine Herausforderung. Die Projektionen von ENSO unterscheiden sich stark zwischen den Klimamodellen, die an den Phasen 3 und 5 des Coupled Model Intercomparison Project (CMIP3 und CMIP5) teilnehmen. Obwohl diese Modelle ENSO simulieren, der in einfachen Indizes mit Beobachtungen übereinstimmt, unterscheidet sich die zugrunde liegende Dynamik stark von der beobachteten. In Beobachtungen wächst eine anfängliche SST-Anomalie während ENSO-Ereignissen durch windinduzierte Änderungen der Ozeandynamik. Dieser Tendenz wirkt ein dämpfendes Feedback der atmosphärischen Wärmeflüsse entgegen, insbesondere durch die Sonneneinstrahlung (SW) und latenten Wärmeflüsse. In den meisten Klimamodellen ist jedoch das Wind-SST-Feedback zu schwach und das SW-SST-Feedback fehlerhaft positiv, so dass ENSO ein Hybrid aus Wind-getriebener und SW-getriebener Dynamik ist. In den Modellen mit dem größten Fehler trägt der SW-SST-Feedback zum Wachstum der SST-Anomalie in ähnlichem Maße wie das Wind-SST-Feedback bei. In den Klimamodellen existiert ein breites Spektrum an ENSO-Dynamiken, das die große Streuung der ENSO-Projektionen für das 21. Jahrhunderts erklären könnte.Im IMBE21C-Projekt untersuchen wir die Auswirkungen der Modellfehler auf die ENSO-Projektionen. Mit einer neuen Methode, der „Offline Slab Ocean SST“, können wir die Rolle der verstärkenden und dämpfenden Feedbacks quantifizieren. Dafür separieren wir die SST-Änderungen der Wind-getriebenen Meeresdynamik von der durch atmosphärische Wärmeflüsse verursacht werden. In diesem Projekt werden wir diese Methode verwenden, um den Antrieb und die Dämpfung in der beobachteten ENSO-Dynamik zu quantifizieren und mit dem in Klimamodellen simulierten ENSO zu vergleichen, um die Fehler in der simulierten ENSO-Dynamik zu identifizieren und zu quantifizieren. Des Weiteren werden wir den Einfluss der fehlerhaften ENSO-Dynamik auf die Projektionen von ENSO im Klimawandel analysieren, indem wir die Modelle in Gruppen mit realistischer und fehlerhafter ENSO-Dynamik unterteilen. Darüber hinaus werden wir die Gesamtunsicherheit der projizierten ENSO-Amplitudenänderung in Modellunsicherheit, Szenariounsicherheit und Unsicherheit aufgrund interner Variabilität aufteilen. Insgesamt zielt das IMBE21C Projekt darauf ab, durch innovative Methoden die Quellen von Unsicherheiten in ENSO-Projektionen zu identifizieren und diese zu reduzieren.
Weltweit erleben Korallenriffe einen Niedergang. Die langfristigen Folgen dieses Rückgangs der Korallenriffe sind noch ungewiss. Es ist dagegen klar, dass Millionen von Menschen für ihr Überleben auf dieses am weitesten entwickelte Ökosystem in niederen Breiten angewiesen sind. Anthropogen bedingte globale Veränderungen wie die globale Erwärmung, die Versauerung der Ozeane und die Verschlechterung der Wasserqualität (Eutrophierung) wurden als mögliche Schuldige für den Niedergang der Korallenriffe identifiziert. Das Zusammenspiel dieser Faktoren ist jedoch unbekannt und verschiedene Studien deuten darauf hin, dass sie die Entwicklung der Korallenriffe hemmen oder fördern können. Ein Problem ist das Fehlen von Langzeitaufzeichnungen von Meeresoberflächentemperatur (SST) und -produktivität aus Gebieten mit einer Korallen-Vergesellschaftung, die modernen Riffen ähnelt. In diesem Projekt planen wir diese Rekonstruktion für das Queensland Plateau, welches in der Nähe des heutigen Großen Barriere Riffs liegt. Es ist bekannt, dass sich die Korallenriffe in dieser Region bis zum späten Miozän (10-5,5 Ma) ausgedehnt haben. Danach kam es während der mittelpliozänen Warmzeit (3,0-3,5 Ma) zu einer Reduktion der Fläche des Riffsystems. Wir planen drei Biomarker (UK37', TEX86, LDI) zur Rekonstruktion der Meeresoberflächentemperatur zu verwenden. Zur Rekonstruktion der Produktivität werden neue, korallenspezifische Stickstoffisotope mit den Biomarkern und korallen-basierten Ba/Ca verglichen werden. Unsere Pilotdaten zeigen, dass sowohl Meeresoberflächentemperaturen als auch die Produktivität während des Mittel-Pliozäns hoch waren, während nur SSTs während des späten Miozäns hohe Werte zeigen. Diese vorläufigen Daten deuten darauf hin, dass hohe SSTs in Kombination mit einer erhöhten Produktivität während des mittleren Pliozäns die Reduktion des Riffwachstums auf dem Queensland Plateau verursacht haben könnten. Um diese Hypothese zu überprüfen ist es essentiell Daten in höherer Auflösung zu generieren, um die Wechselwirkung von Faktoren zu bestimmen, die zum Verlust von Korallenriffen in der Vergangenheit geführt haben und potentiell in der Zukunft führen werden.
| Organisation | Count |
|---|---|
| Bund | 189 |
| Europa | 24 |
| Global | 2 |
| Land | 39 |
| Weitere | 3 |
| Wissenschaft | 292 |
| Type | Count |
|---|---|
| Daten und Messstellen | 174 |
| Ereignis | 1 |
| Förderprogramm | 150 |
| Hochwertiger Datensatz | 1 |
| Taxon | 13 |
| Text | 4 |
| unbekannt | 41 |
| License | Count |
|---|---|
| Geschlossen | 7 |
| Offen | 354 |
| Unbekannt | 10 |
| Language | Count |
|---|---|
| Deutsch | 132 |
| Englisch | 267 |
| Resource type | Count |
|---|---|
| Archiv | 47 |
| Datei | 143 |
| Dokument | 23 |
| Keine | 70 |
| Unbekannt | 14 |
| Webdienst | 3 |
| Webseite | 96 |
| Topic | Count |
|---|---|
| Boden | 279 |
| Lebewesen und Lebensräume | 371 |
| Luft | 260 |
| Mensch und Umwelt | 356 |
| Wasser | 350 |
| Weitere | 350 |