Die Folgen des Klimawandels, z.B. Starkregenereignisse, Hitzeperioden, Trockenheit und Dürre haben negative Auswirkungen auf die Pflanzenproduktion. Es gilt diese negativen Folgen des Klimawandels bei der Pflanzenproduktion durch eine klima-angepasste Produktionsweise abzumildern. Für die Landwirt:innen gilt es Maßnahmen zu ergreifen, um den Pflanzenbau klimaresilient zu gestalten. Mögliche Maßnahmen sind variable Aussaattiefe, Aussaatstärke, Sortenwahl - trockenheitstolerante oder ertragreiche Sorten -, Düngeintensität, Pflanzenschutz-strategie oder alternative Nutzung auf Teilflächenbasis. Für die Umsetzung solcher Maßnahmen werden praxistauglich-aufbereitete, kleinräumige und pflanzenbauliche relevante Bodeninformationen benötigt, um den Pflanzenbauer bei einer Entscheidungsfindung für eine Klimanpassungsstrategien zu unterstützen. Für die Landwirt:innen besteht zur Zeit die Herausforderung diese entsprechenden kleinräumige und pflanzenbauliche-relevante Bodeninformationen für solche eine Nutzung zu erhalten bzw. anwenden zu können. In soil4climate werden kleinräumige Bodeninformationen erfasst und in praxis-relevante digitale Bodenkarten für die Bewirtschaftung ausgegeben. Dazu wird ein geoelektrisches Messsystem in einen handelsüblichen Grubber implementiert mit dem Ziel sehr kleinräumig Unterschiede im Prozess (und damit ohne Mehraufwand für den Landwirt) zu kartieren. Neben dieser Datenquelle werden weitere relevante Datenquellen (bspw. Schlepper-, Drohnen- und Satellitendaten) herangezogen, um homogene kleinräumige Strukturen im Boden zu identifizieren. Die Erstellung der Bodenkarten wird sowohl automatisch, KI-gestützt als auch manuell erfolgen, so dass eine Evaluierung der KI-gestützten Kartenerstellung möglich ist. Diese Evaluierung wird durch Feldtest und Laborversuche in Interaktion mit Praktikern und Experten im Projekt realisiert.
Die Folgen des Klimawandels, z.B. Starkregenergebnisse, Hitzeperioden, Trockenheit und Dürre haben negative Auswirkungen auf die Pflanzenproduktion. Es gilt diese negativen Folgen des Klimawandels bei der Pflanzenproduktion durch eine klimaangepasste Produktionsweise abzumildern. Für die Landwirt:innen gilt es Maßnahmen zu ergreifen, um den Pflanzenbau klimaresilient zu gestalten. Mögliche Maßnahmen sind variable Aussaattiefe, Aussaatstärke, Sortenwahl - trockenheitstolerante oder ertragreiche Sorten -,Düngeintensität, Pflanzenschutz-strategie oder alternative Nutzung auf Teilflächenbasis. Für die Umsetzung solcher Maßnahmen werden praxistauglich-aufbereitete, kleinräumige und pflanzenbauliche relevante Bodeninformationen benötigt, um den Pflanzenbauer bei einer Entscheidungsfindung für eine Klimanpassungsstrategien zu unterstützen. Für die Landwirt:innen besteht zur Zeit die Herausforderung diese entsprechenden kleinräumige und pflanzenbauliche-relevante Bodeninformationen für solche eine Nutzung zu erhalten bzw. anwenden zu können. In soil4climate werden kleinräumige Bodeninformationen erfasst und in praxis-relevante digitale Bodenkarten für die Bewirtschaftung ausgegeben. Dazu wird ein geoelektrisches Messsystem in einen handelsüblichen Grubber implementiert mit dem Ziel sehr kleinräumig Unterschiede im Prozess (und damit ohne Mehraufwand für den Landwirt) zu kartieren. Neben dieser Datenquelle werden weitere relevante Datenquellen (bspw. Schlepper-, Drohnen- und Satellitendaten) herangezogen, um homogene kleinräumige Strukturen im Boden zu identifizieren. Die Erstellung der Bodenkarten wird sowohl automatisch, KI-gestützt als auch manuell erfolgen, so dass eine Evaluierung der KI-gestützten Kartenerstellung möglich ist. Diese Evaluierung wird durch Feldtest und Laborversuche in Interaktion mit Praktikern und Experten im Projekt realisiert.
Der Nachweis des anthropogenen Klimawandels erfordert hochqualitative Beobachtungsdaten der Erdatmosphäre. Eine besondere Herausforderung ist in diesem Zusammenhang die Erforschung der oberen Troposphäre und unteren Stratosphäre (engl. UTLS), eine Region die sensibel auf Klimaänderungen reagiert. Unterschiedliche Temperaturtrends von verschiedenen Datensätzen waren Gegenstand zahlreicher Diskussionen und eine Annäherung wurde erst kürzlich erzielt. Neu homogenisierte Radiosondendaten sowie Satellitendaten der Advanced/Microwave Sounding Unit (MSU/AMSU) zeigen nun fundamentale Übereinstimmung bezüglich einer Erwärmung der Troposphäre und einer Abkühlung der Stratosphäre, konsistent mit Oberflächen- und Klimamodelltrends. Grundlegende Unsicherheiten bestehen jedoch nach wie vor bezüglich der Stärke von Trends in der freien Atmosphäre. In diesem Zusammenhang bietet die Radio-Okkultation (RO) neue Möglichkeiten mittels unabhängiger und sehr genauer Beobachtungen in der UTLS mit globaler Bedeckung, Allwettertauglichkeit, Langzeitstabilität und Homogenität. RO Daten basieren auf Zeitmessung mit hochgenauen Atomuhren gebunden an die internationale Definition der Sekunde und können daher als absolute Klimareferenzdaten angesehen werden. Klimaparameter werden mit hoher vertikaler Auflösung und hoher Genauigkeit gewonnen. Beobachtungs- und Abtastfehler sind gut definiert. RO Klimatologien für Brechungswinkel, Refraktivität, geopotentielle Höhe, Temperatur, und spezifische Feuchte sind als Indikatoren einer Klimaänderung sehr gut geeignet. Da die RO Zeitreihe noch relativ kurz ist, konnte deren Langzeiteignung bis jetzt noch nicht demonstriert werden. Von einer mind. 10 Jahre langen Zeitreihe im Jahr 2011 erwartet man sich jedoch detektierbare Trends. Hauptziel des Projektes TRENDEVAL sind die Untersuchung und Bewertung von Klimatrends in der UTLS basierend auf einer neuen RO Klimazeitreihe sowie Detektion und Ursachenzuweisung eines Klimasignals und die Evaluierung von Klimamodellen. Ein Vergleich von RO Klimatologien, die von den fünf führenden internationalen RO Prozessierungszentren zur Verfügung gestellt werden, wird durchgeführt um strukturelle Unsicherheiten im Datensatz zu quantifizieren und die Qualität und Reproduzierbarkeit von Ergebnissen zu bewerten. Der so erstellte RO Klimadatensatz inklusive vollständiger Fehlercharakterisierung wird mit konventionellen Atmosphärenbeobachtungen - aktuellen Radiosonden- und MSU/AMSU Datensätzen - verglichen um offene Fragen bezüglich UTLS Trends zu klären. Der Nachweis eines Klimaänderungssignals unter Berücksichtigung der atmosphärischen Variabilität wird mit der 'optimal fingerprinting' Methode durchgeführt. Die Ursachenzuweisung von anthropogenem und natürlichem Klimawandel wird auch zur Modellevaluierung verwendet. Schwerpunkt der Evaluierung ist die Untersuchung von Wasserdampf und Temperaturgradienten der tropischen oberen Troposphäre in Klimamodellen verglichen mit RO Daten. usw.
This dataset contains 6-year averages of global filtered tropospheric NO2 slant column densities (tSCDs) retrieved from the Sentinel-5 Precursor (S5P) satellite sensor TROPOMI (Tropospheric Monitoring Instrument) for the period from 1 May 2018 to 30 April 2024. All data are available on a 0.03° x 0.03° grid. The NO2 tSCDs are derived from the total slant columns by subtracting the across-track NO2 slant column stripe offset and spatially averaged stratospheric vertical column densities (VCDs) multiplied with the stratospheric air mass factor (AMF), provided in the TROPOMI NO2 product. The filtered NO2 tSCDs are developed to detect global shipping signals in the NO2 TROPOMI data. Therefore, only pixels over water are available in this dataset. The filtering methods include a high-pass filter with different box sizes (1°, 0.5°, 0.25°) and a Fourier filter. In addition, different flagging criteria are applied to the data with the standard box size of 1° for the high-pass filtering: no flagging, quality (qa) flagging, cloud fraction (CF) flagging, cloud height (CH) flagging, wind speed (wind) flagging, and sun glint (sg) flagging.
Layer enthält Waldflächen, die in Folge der Extremwetterereignisse und nachfolgender Schädlingsbefall im Zeitraum 01.07.2018 bis 15.04.2024 abgestorben oder bereits geräumt sind. Diese Flächen müssen wieder bewaldet und von Wildverbis geschützt werden. Enthalten sind Schadflächen unabhängig von Baumart und Schadensursache (Borkenkäfer bei Fichte und Lärche, Trockenschäden bei Buche, Eschentriebsterben, Diplodia-Pilzbefall bei Kiefer, Eichen-Frassschäden u.v.a.m) Die Daten sind aus der Auswertung der Satellitenbilder der Senthinel-Mission entstanden.
Versiegelung von Block- und Blockteilflächen in 10%-Stufen, ermittelt aus Satellitenbilddaten (Sentinel-2A, unbebauter Anteil) und Gebäudedaten (bebauter Anteil) auf Grundlage der Blockkarte 1 : 5.000 (ISU5), Stand 2015. Die Rasterkarte ist ein unkorrigiertes Zwischenergebnis der Versiegelungskartierung 2016. Dargestellt ist das Ergebnis der regelbasierten Klassifizierung der Satellitendaten (Sentinel-2A-Szene Mai 2016).
Atomarer Sauerstoff (O) ist ein wichtiger Bestandteil der Erdatmosphäre. Er erstreckt sich von der Mesosphäre bis zur unteren Thermosphäre (Engl.: Mesosphere and Lower Thermosphere: MLT), d. h. von etwa 80 km bis über 500 km Höhe. O wird durch Photolyse von molekularem Sauerstoff durch UV-Strahlung erzeugt. Er ist die am häufigsten vorkommende Spezies in der MLT und eine wichtige Komponente in Bezug auf dessen Photochemie. Außerdem ist O wichtig für den Energiehaushalt der MLT, da CO2-Moleküle durch Stöße mit O angeregt werden und die angeregten CO2-Moleküle im Infraroten strahlen und die MLT kühlen. Dies bedeutet, dass sich der globale Klimawandel auch auf die MLT auswirkt, denn die Erhöhung der CO2-Konzentration in der MLT führt zu einer effizienteren Kühlung und damit zu deren Schrumpfen. Die O Konzentration wird außerdem durch dynamische Bewegungen, vertikalen Transport, Gezeiten und Winde beeinflusst. Daher ist eine genaue Kenntnis der globalen Verteilung von O und seines Konzentrationsprofils sowie der täglichen und jährlichen Schwankungen unerlässlich, um die Photochemie, den Energiehaushalt und die Dynamik der MLT zu verstehen. Das Ziel dieses Projekts ist es, Säulendichten und Konzentrationsprofile von O in der MLT durch Analyse der Feinstrukturübergänge bei 4,74 THz und 2,06 THz zu bestimmen. Die zu analysierenden Daten wurden mit dem Heterodynspektrometer GREAT/upGREAT (German REceiver for Astronomy at Terahertz frequencies) an Bord von SOFIA, dem Stratospheric Observatory for Infrared Astronomy, gemessen. Dies ist eine direkte Beobachtungsmethode, die genauere Ergebnisse liefern kann als existierende indirekte satellitengestützte Methoden, die photochemische Modelle benötigen, um O Konzentrationsprofile abzuleiten. Mit GREAT/upGREAT wurden seit Mai 2014 ca. 500.000 Spektren gemessen, die vier verschiedene Weltregionen abdecken, nämlich Nordamerika, Neuseeland, Europa und Tahiti/Pazifik. Zeitliche Variationen sowie der Einfluss von Sonnenzyklen, Winden und Schwerewellen werden ebenfalls im Rahmen des Projekts untersucht. Die Ergebnisse werden mit Satellitendaten, die für Höhen von 80 bis 100 km verfügbar sind, und mit Vorhersagen eines semi-empirischen Modells verglichen. Es sei darauf hingewiesen, dass diese Daten die ersten spektral aufgelösten direkte Messungen von O in der MLT sind. Dies ist eine vielversprechende Alternative zur Bestimmung der Konzentration von O im Vergleich mit indirekten satellitengestützten Methoden, die auf photochemischen Modellen beruhen.
Im Rahmen der GMES Initial Operation Phase 2011-2013 (GIO) werden basierend auf multispektralen und teilweise multitemporalen Satellitenbilddaten von ganz Europa ('IMAGE2012') fünf sog. High Resolution Layer (HRL) im Rasterformat zu den fünf Themen Bodenversiegelung, Waldflächen, Ackerland/Grünland, Feuchtgebiete, Gewässerflächen erzeugt. Dies geschieht im Rahmen einer seitens der Europäischen Umweltagentur (EEA) getätigten Ausschreibung. Die HRL sollen von den davon betroffenen EU-Mitgliedstaaten über ihrem jeweiligen Staatsgebiet einem Validierungsverfahren unterzogen werden und systematisch auf qualitative Mängel hin bewertet werden. Als Referenz sollen dabei national verfügbare Georeferenzdaten (z.B. ATKIS® Basis-DLM) und andere bundesweit verfügbare Landbedeckungsinformationen (z.B. Digitales Landbedeckungsmodell DLM-DE) herangezogen werden. Die Ergebnisse dieser Validierung sollen wiederum als Grundlage herangezogen werden, um die Rasterdaten der HRL im Rahmen des darauffolgenden separaten 'Enhancements' inhaltlich quantitativ und qualitativ zu verbessern.
| Origin | Count |
|---|---|
| Bund | 1226 |
| Europa | 2 |
| Kommune | 3 |
| Land | 75 |
| Wissenschaft | 44 |
| Zivilgesellschaft | 2 |
| Type | Count |
|---|---|
| Daten und Messstellen | 18 |
| Ereignis | 16 |
| Förderprogramm | 1133 |
| Text | 69 |
| unbekannt | 93 |
| License | Count |
|---|---|
| geschlossen | 76 |
| offen | 1230 |
| unbekannt | 23 |
| Language | Count |
|---|---|
| Deutsch | 1111 |
| Englisch | 354 |
| Resource type | Count |
|---|---|
| Archiv | 16 |
| Bild | 2 |
| Datei | 29 |
| Dokument | 33 |
| Keine | 746 |
| Unbekannt | 3 |
| Webdienst | 16 |
| Webseite | 547 |
| Topic | Count |
|---|---|
| Boden | 1038 |
| Lebewesen und Lebensräume | 1046 |
| Luft | 1049 |
| Mensch und Umwelt | 1329 |
| Wasser | 894 |
| Weitere | 1298 |