API src

Found 1520 results.

Similar terms

s/show/snow/gi

Monthly mean snow depth: maps

Maps of monthly mean snow depth derived from SYNOP observations on a 0.1x0.1 degree grid, provided by WMO RA VI Regional Climate Centre (RCC) on Climate Monitoring WMO-RA6-RCC-CM

Klimaerlebnisbaum - Rottendorf - Robinia

Im Rahmen des Forschungsprojekts "Klimaerlebnis Würzburg" am Zentrum Stadtnatur und Klimaanpassung (ZSK) wurden im Jahr 2018 acht Messstationen in Würzburg und Gerbrunn eingerichtet. Diese zeichnen seitdem an jedem Standort das Wetter und/oder die Leistungen der dortigen Bäume auf. Das Forschungsprojekt endete im Jahr 2022. Die Messstationen, durch orangefarbene Baumfässer erkennbar, werden seitdem aber weitergeführt.Das Projekt sollte aufzeigen,inwieweit sich das Klima und die Leistung der Bäume an verschiedenen Standorten in der Stadt unterscheiden undinwieweit sich Stadtbäume und Klima an einem Standort gegenseitig beeinflussen.Die bis heute weiter aufgezeichneten Messergebnisse sollen verdeutlichen, wie mit Hilfe von Bäumen und ihrer Ökosystemdienstleistungen die nachhaltige Stadt der Zukunft an die Folgen des Klimawandels angepasst werden kann. Zudem kann die Öffentlichkeit mit diesen Datenreihen für das Thema Stadtklima und Stadtgrün sensibilisiert werden. Um dies voranzutreiben, werden davon ausgewählte Datenspalten seit November 2024, unbereinigt und zu stündlichen Daten automatisiert zusammengefasst, hier auf dem Open Data Portal Würzburg veröffentlicht.An der Station in Rottendorf sind mehrere Bäume der Art Robinia mit Sensoren versehen. Die Daten eines dieser Bäume stehen in diesem Datensatz in der oben beschriebenen, verarbeiteten Form zur Verfügung.Allgemeines zu den Standorten wie der grobe Messaufbau, Hinweise zur Datennutzung und Verlinkungen zu weiterführenden Papern finden Sie im Folgenden.Messaufbau des Baumlabors und der WetterstationMithilfe des Saftflusssensors (1) kann der Wasserverbrauch des Baums bestimmt werden. Davon lässt sich die Kühlleistung durch Verdunstung ableiten und der Trockenstress abschätzen. Im Kronenraum wird die Temperatur für den Vergleich mit der Klimastation gemessen (2), um die Abkühlwirkung des Baumes zu bestimmen. Das Dendrometer (3) misst das Dickenwachstum des Stammes. Dadurch kann man berechnen, wieviel der gesamte Baum an Biomasse zunimmt und an CO2speichert. Der Bodenfeuchtesensor (4) misst den Wassergehalt im Wurzelraum. Damit kann auf die Wasserversorgung des Baumes geschlossen werden.Der Temperatur- und Feuchtesensor (6) misst die Lufttemperatur und die relative Luftfeuchtigkeit. Der Windsensor (7) erfasst Windrichtung und Windgeschwindigkeit. Mit diesen beiden Messgrößen kann der Frischlufteintrag, aber auch die Anströmungsrichtung festgestellt werden. Der Strahlungssensor (8) misst, wieviel Energie die Sonne am Erdboden freisetzt. Mit diesem Wert lässt sich feststellen, wie stark sich Flächen aufheizen. Ebenso lässt sich hiermit die photosynthetische Leistung des Baumes bestimmen. Aus Temperatur, Luftfeuchte, Windgeschwindigkeit und Solarstrahlung lässt sich die gefühlte Temperatur berechnen. Der Niederschlagssensor (9) erfasst Regen und Schnee.In den Datenloggern (10) werden die Messwerte gesammelt, gespeichert und alle 10 Minuten online versendet, um sie auf dem Smart City Hub Würzburg zu speichern und hier auf dem Open Data Portal stündlich aggregiert darzustellen. Bei einigen der Wetterstationen ist zudem ein Luftdruck-Barometer verbaut.Hinweis:Bei den zur Verfügung gestellten Daten handelt es sich um eine automatisiert abgeänderte Version der Rohdaten der einzelnen Stationen. Eine Qualitätskontrolle durch den Plattformbetreiber findet vorab nicht statt. Es ist daher punktuell mit Messfehlern und Messlücken zu rechnen. Für die Korrektheit der Daten wird keine Haftung übernommen. Quellenangabe:Quelle im Rohdatenformat: [Bis 13.11.2024 13 Uhr](https://opendata.smartandpublic.eu/datasets/9b901002-a1fd-47b0-89d4-eb12f9117233?locale=en#iss=https%3A%2F%2Fidp.smartcityhub.smartandpublic.eu%2Frealms%2Fsmartcityhub), [ab 23.11.2024 14 Uhr](https://opendata.smartandpublic.eu/datasets/713101d0-8137-4da5-9010-8281fadd8bff?locale=en#iss=https%3A%2F%2Fidp.smartcityhub.smartandpublic.eu%2Frealms%2Fsmartcityhub)Autor(en): Projekt Klimaerlebnis Würzburg (2018-2022), Stadt Würzburg (2023-jetzt)Hinweis: Es gelten keine zusätzlichen Bedingungen.Für weiterführende Informationen, lesen Sie die aus dem Projekt "Klimaerlebnis Würzburg" hervorgegangenen Paper:Hartmann, Christian, et al. "The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020; The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020." Meteorologische Zeitschrift 32.1 (2023): 49-65.Rahman, M.A., Franceschi, E., Pattnaik, N. et al. Spatial and temporal changes of outdoor thermal stress: influence of urban land cover types. Sci Rep 12, 671 (2022). [https://doi.org/10.1038/s41598-021-04669-8](https://doi.org/10.1038/s41598-021-04669-8)Rahman, Mohammad A., et al. "Tree cooling effects and human thermal comfort under contrasting species and sites." Agricultural and Forest Meteorology 287 (2020): 107947.Rötzer, T., et al. "Urban tree growth and ecosystem services under extreme drought." Agricultural and Forest Meteorology 308 (2021): 108532.Bildquelle und mehr Informationen zu den Messstationen: [Webarchiv: Klimaerlebnis Würzburg](https://webarchiv.it.ls.tum.de/klimaerlebnis.wzw.tum.de/das-projekt/index.html)

Glacier mass balance of Hallstäter Glacier, Austria, 2006/07 et seq in shapefile format

Annual and winter glacier mass balance maps (fixed date system) for Hallstätter Glacier in the Dachstein Massif, Austria, is provided in shapefile format. The shapes contain contour lines delineating areas of equal mass balance as well as elevation zones. Spatially integrated mass balance is derived from point measurements at snow pits and ablation stakes by interpolating between measurement points and extrapolating to unmeasured regions of the glacier. Detailed Information is given in Helfricht (2009) and Bertolotti et al. (in prep.) and in the associated readme files. New data will be added each year. This is complementary information to the data provided by Fischer et al., 2016.

Meteogramm bis H+168 10427 Kahler Asten - Meteogram up to H+168 10427 Kahler Asten

7 Tage Vorhersage. Wind, Temperatur, Niederschlag, Schneehöhe, Bodendruck und Bedeckung - 7 days forecast. Wind, temperature, precipitation, depth of snow, air pressure and cloud cover

Meteogramm bis H+168 10453 Brocken - Meteogram up to H+168 10453 Brocken

7 Tage Vorhersage. Wind, Temperatur, Niederschlag, Schneehöhe, Bodendruck und Bedeckung - 7 days forecast. Wind, temperature, precipitation, depth of snow, air pressure and cloud cover

GTS Bulletin: ISND74 AMDW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISND74 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISN): Synoptic observations from fixed land stations at non-standard time (i.e. 01, 02, 04, 05, ... UTC) A2 (D): 90°E - 0° northern hemisphere (Remarks from Volume-C: NATIONAL AUTOMATIC SYNOP)

GTS Bulletin: ISND83 AMDN - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISND83 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISN): Synoptic observations from fixed land stations at non-standard time (i.e. 01, 02, 04, 05, ... UTC) A2 (D): 90°E - 0° northern hemisphere (Remarks from Volume-C: NATIONAL AUTOMATIC SYNOP)

GTS Bulletin: ISND77 AMDW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISND77 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISN): Synoptic observations from fixed land stations at non-standard time (i.e. 01, 02, 04, 05, ... UTC) A2 (D): 90°E - 0° northern hemisphere (Remarks from Volume-C: NATIONAL AUTOMATIC SYNOP)

GTS Bulletin: ISMI01 EDZW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISMI01 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IS): Surface/sea level T1T2A1 (ISM): Main synoptic observations from fixed land stations A2 (I): 0° - 90°W southern hemisphere(The bulletin collects reports from stations: 89002;GEORG VON NEUMAYER;89011;89047;) (Remarks from Volume-C: SYNOP)

Niederschlag in Düsseldorf nach Monaten in den Jahren ab 2019

<div>Der Datensatz enthält die Zahlen des Niederschlags in Düsseldorf in den Monaten des Jahres 2020 für Düsseldorf.</div> <div><span class="css-901oao css-16my406 r-poiln3 r-bcqeeo r-qvutc0">1 mm Regen entspricht 1 Liter Wasser pro Quadratmeter Oberfläche, oder ungefähr 10 mm Schnee.</span></div> <div> </div> <p>Die Datei „Niederschlag in Düsseldorf in den Monaten des Jahres 2020“ enthält folgende Spalteninformationen:</p> <ul> <li>Monat</li> <li>Niederschlag in mm Gesamtmenge</li> <li>Niederschlag in mm Langjähriges Mittel</li> <li>Niederschlag in mm Abweichung vom langjährigen Mittel</li> <li>Tageshöchstwert Menge in mm</li> <li>Tageshöchstwert Tag</li> <li>Zahl der Tage ohne be-ziehungsweise mit Niederschlag unter 0,1 mm</li> <li>Zahl der Tage mit Niederschlag von mindestens 0,1 mm</li> <li>Zahl der Tage mit Niederschlag von mindestens 1 mm</li> <li>Zahl der Tage mit Niederschlag von mindestens 10 mm</li> <li>Zahl der Tage mit Sicht &lt; 1 000 m</li> </ul>

1 2 3 4 5 … 150 151 152