API src

Found 1401 results.

Similar terms

s/rcp/PCP/gi

Other language confidence: 0.7648720784133783

Grundwassermessstelle APP_GWMN_108

Dieser Datensatz beschreibt die Grundwassermessstelle APP_GWMN_108 in Schleswig-Holstein. Die Messstelle liegt im Grundwasserkörper EI22 : Gotteskoog - Marschen. Es liegen insgesamt 42328 Messwerte vor. Es liegen außerdem 13 Probenentnahmen vor (siehe Resourcen).

Grundwassermessstelle APP_GWMN_74

Dieser Datensatz beschreibt die Grundwassermessstelle APP_GWMN_74 in Schleswig-Holstein. Die Messstelle liegt im Grundwasserkörper EL03 : NOK - östl. Hügelland West. Es liegen insgesamt 26860 Messwerte vor. Es liegen außerdem 14 Probenentnahmen vor (siehe Resourcen).

Grundwassermessstelle APP_GWMN_502

Dieser Datensatz beschreibt die Grundwassermessstelle APP_GWMN_502 in Schleswig-Holstein. Die Messstelle liegt im Grundwasserkörper EI11 : Arlau/Bongsieler Kanal - Geest. Es liegen insgesamt 53044 Messwerte vor. Es liegen außerdem 39 Probenentnahmen vor (siehe Resourcen).

Grundwassermessstelle APP_GWMN_405

Dieser Datensatz beschreibt die Grundwassermessstelle APP_GWMN_405 in Schleswig-Holstein. Die Messstelle liegt im Grundwasserkörper EI05 : Amrum. Es liegen insgesamt 54445 Messwerte vor. Es liegen außerdem 45 Probenentnahmen vor (siehe Resourcen).

Grundwassermessstelle APP_GWMN_642

Dieser Datensatz beschreibt die Grundwassermessstelle APP_GWMN_642 in Schleswig-Holstein. Die Messstelle liegt im Grundwasserkörper N8 : Südholstein. Es liegen insgesamt 22985 Messwerte vor. Es liegen außerdem 7 Probenentnahmen vor (siehe Resourcen).

Grundwassermessstelle APP_GWMN_534

Dieser Datensatz beschreibt die Grundwassermessstelle APP_GWMN_534 in Schleswig-Holstein. Die Messstelle liegt im Grundwasserkörper O9 : Oldesloer Trog. Es liegen insgesamt 33985 Messwerte vor. Es liegen außerdem 7 Probenentnahmen vor (siehe Resourcen).

Dynamik, Variabilität und bioklimatische Effekte von niedrigen Wolken im westlichen Zentralafrika

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.

Nicht-hydrostatische Klimamodellierung, Teil II (NHCM-2)

Aufgrund des steigenden Bedarfs an Informationen über die Auswirkungen des Klimawandels auf lokaler Skala werden Regionale Klimamodelle (RCMs) in zunehmendem Maße mit höheren Auflösungen betrieben. Heutige RCMs sind in der Lage viele regionale Klimaprozesse zu erfassen und sie decken die meso-beta Skala (20 km bis 200 km) für Anwendungen in der Klimaforschung mit ausreichender Qualität ab. Basierend auf den Erfolg in der Numerischen Wettervorhersage (NWP) und gestützt vom generellen Fortschritt im Bereich der Computertechnologie, beginnen RCMs nun auch in die meso-beta Skala (2 km bis 20 km) vorzudringen. Dieser Skalensprung ist jedoch nicht trivial. Relevante Prozesse (z.B. hochreichende Konvektion) auf formals nicht aufgelösten Skalen werden nun aufgelöst, und es ist größten Teils unklar, wie heutige RCMs (ursprünglich für gröbere Skalen entwickelt) in der Lage sind, Klimaprozesse und deren skalenübergreifendes Wechselspiel zu erfassen. Im komplexen Gelände, wo Gebirge substanziellen Einfluss auf Wetter und Klima haben, gewinnt dies durch den Einfluss der Orographie zunehmend an Bedeutung. Darüber hinaus wird auch die Modellevaluierung zur Herausforderung: Beobachtungsdaten, welche die natürliche Variabilität in ausreichendem Maße abdecken, existieren nur in Ausnahmefällen (z.B. in speziellen Messkampagnen) und zeitliche und räumliche Versetzungen zwischen modellierten und beobachteten Größen ('double penalty problem') beschränken den Einsatz der traditionellen Fehlerstatistik. Im Vorläuferprojekt 'Nicht-hydrostatische Klimamodellierung (NHCM-1)', das vom Österreichischen Wissenschaftsfonds (FWF) gefördert wurde (Projektnummer P19619-N10), wurden erste Testsimulationen im Klimamodus auf Skalen, bei denen hochreichende Konvektion aufgelöst wird (=3 km Gitterpunktsabstand), im europäischen Alpenraum durchgeführt und analysiert. usw.

Grundwassermessstelle APP_GWMN_66

Dieser Datensatz beschreibt die Grundwassermessstelle APP_GWMN_66 in Schleswig-Holstein. Die Messstelle liegt im Grundwasserkörper EL08 : Stör - Geest und östl. Hügelland. Es liegen insgesamt 37485 Messwerte vor. Es liegen außerdem 37 Probenentnahmen vor (siehe Resourcen).

Grundwassermessstelle DEGM_DEMV_24320012: Karft OP

Stammdaten und Analysedaten zu den Grundwassermessstellen im EUA-Messnetz: Messtelle DEGM_DEMV_24320012 (Karft OP)

1 2 3 4 5 … 139 140 141