API src

Found 185 results.

Related terms

Other language confidence: 0.7683925205101368

Klimasensoren - Aktuelle Messung

Letzte Messung des Klimamessnetzes Stadt Dortmund pro Sensor. Die Messungen erfolgen alle 5 Minuten. Bei Datenübertragungsfehlern kann es dazu führen, dass die betroffenen Sensoren keine aktuellen Messdaten aufführen. In diesen Fällen bitte etwas später dieses Datenset erneut aufrufen. Die Stadt Dortmund hat ein umfassendes Klimamessnetz aufgebaut, um die klimatische Situation im Stadtgebiet flächendeckend und in Echtzeit zu erfassen. Zentrale Akteure sind die Smart City Dortmund und das Umweltamt, die gemeinsam den Aufbau einer resilienten und datenbasierten Stadtentwicklung vorantreiben. Das Messnetz besteht aus 105 Sensoren an 76 strategisch ausgewählten Standorten und liefert kontinuierlich Rohdaten zu Temperatur, Luftfeuchtigkeit, Wind, Strahlung, Niederschlag und weiteren Klimaparametern. Es wurde im Rahmen des wissenschaftlich begleiteten Projekts Data2Resilience entwickelt, in Zusammenarbeit mit der Ruhr-Universität Bochum und der Leibniz Universität Hannover. Veröffentlicht werden hier die Daten der Sensoren. Für weiterführende Analysen und Kennzahlen verweisen wir auf das Dashboard des Data2Resilience-Projekts:erweisen wir auf das Dashboard des Data2Resilience-Projekts: [https://dashboard.data2resilience.de/](https://dashboard.data2resilience.de/) Bitte beachten Sie die unterschiedlichen Sensortypen und Messprinzipien: SHT35 und ATM41 erfassen die Lufttemperatur direkt und sind vergleichbar, während der Black Globe zusätzlich Strahlungseinflüsse berücksichtigt und daher abweichende Werte liefern kann.

Klimaerlebnisbaum - Zu Rheinstraße - 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 der Zu Rheinstraße sind mehrere Bäume der Art Robinia und Linde Tilia mit Sensoren versehen. Die Daten einer der Robinien 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 21 Uhr](https://opendata.smartandpublic.eu/datasets/d1f68fc3-c76d-4147-b01e-dfe490ab6331?locale=en#iss=https%3A%2F%2Fidp.smartcityhub.smartandpublic.eu%2Frealms%2Fsmartcityhub), [ab 13.11.2024 22 Uhr](https://opendata.smartandpublic.eu/datasets/5dc3648a-66fd-4310-accf-7256db111d5c?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)

Klimaerlebnisbaum - Landesgartenschaugelände - Tilia

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 auf dem Landesgartenschaugelände sind mehrere Linden der Art Tilia 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 14.04.2025 12 Uhr](https://opendata.smartandpublic.eu/datasets/2525e376-990b-45cb-90b3-71a2e5ae3cbc?locale=en#iss=https%3A%2F%2Fidp.smartcityhub.smartandpublic.eu%2Frealms%2Fsmartcityhub), [ab 14.04.2025 13 Uhr](https://opendata.smartandpublic.eu/datasets/7507c65c-a1b2-446d-82e1-fcc14a793552?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)

Würzburger Klimabaeume - Bodenfeuchte

Im Rahmen des Smart City Projektes arbeiten Stadt Würzburg, Landkreis Würzburg und die Smart and Public GmbH an einem "Proof of Concept", in dem Sensoren unter ausgewählten, aber an unterschiedlichen Stellen in unterschiedlichen Böden gepflanzen Bäumen angebracht werden. Die Daten werden über Lorawan zusammengeführt und weiterverarbeitet. Nach einer "Betaphase" soll dem Gartenamt ein Dashboard zur Verfügung stehen, über das die Erstellung von "Gießplänen" vereinfacht wird.Erstmals wurden im November 2022 Daten gesammelt, da die Sensoren in den ersten Monaten noch (durch das Vergraben selbst) Fehlmessungen vornehmen könnten, ist vor Februar 2023 nicht mit aussagekräftigen Zahlen zu rechnen.Infos findet man u.a. in einer im Dezember 2022 erschienenen PodCast Folge: https://www.wuerzburg.de/unternehmen/smart-city/aktuelle-meldungen/538305.Neue-Podcast-Folge-zu-unserem-aktuellen-Projekt-der-Klimabaeume.html

Klimasensoren - Standorte

Standorte der Klimasensoren des Klimamessnetzes Stadt Dortmund. Die Daten werden alle 5 Minuten aktualisiert. Die Stadt Dortmund hat ein umfassendes Klimamessnetz aufgebaut, um die klimatische Situation im Stadtgebiet flächendeckend und in Echtzeit zu erfassen. Zentrale Akteure sind die Smart City Dortmund und das Umweltamt, die gemeinsam den Aufbau einer resilienten und datenbasierten Stadtentwicklung vorantreiben. Das Messnetz besteht aus 105 Sensoren an 76 strategisch ausgewählten Standorten und liefert kontinuierlich Rohdaten zu Temperatur, Luftfeuchtigkeit, Wind, Strahlung, Niederschlag und weiteren Klimaparametern. Es wurde im Rahmen des wissenschaftlich begleiteten Projekts Data2Resilience entwickelt, in Zusammenarbeit mit der Ruhr-Universität Bochum und der Leibniz Universität Hannover. Veröffentlicht werden hier die Daten der Sensoren. Für weiterführende Analysen und Kennzahlen verweisen wir auf das Dashboard des Data2Resilience-Projekts: [https://dashboard.data2resilience.de/](https://dashboard.data2resilience.de/)

Auf dem Weg zu intelligenten Wasserversorgungsnetzen (Entwicklung von wissensbasierten Techniken für die Echtzeit-Leck-Erkennung)

Die rasche Verstädterung und das Bevölkerungswachstum haben in den heutigen Gesellschaften neue Probleme geschaffen. Zu diesen Problemen gehören die Verknappung der Trinkwasserressourcen, Schwierigkeiten bei der Abfallbewirtschaftung, Luftverschmutzung, Verkehrsstaus und eine sich verschlechternde und veraltete Infrastruktur. Neben der zunehmenden Dringlichkeit einer nachhaltigen Entwicklung haben Fortschritte in der Mathematik und im Data Science das Konzept der "Smart Cities" zur Lösung dieser Probleme hervorgebracht. Die Versorgung der Menschen mit einer sicheren, zuverlässigen und kostengünstigen Trinkwasserversorgung ist von größter Bedeutung für die Gesundheit in der Gesellschaft, die Wirtschaft und die Politik. Daher ist der Zugang zu sauberem Wasser und sanitären Einrichtungen als eines der 17 Ziele in der Agenda 2030 für nachhaltige Entwicklung der Vereinten Nationen enthalten (https://sdgs.un.org/goals). In diesem Zusammenhang sind die Wasserversorgungsnetze (WDN) das Herzstück jeder intelligenten Stadt und erfordern neue Überlegungen und Entwicklungen, um intelligenter verwaltet und betrieben zu werden. Eines der Hauptprobleme in WDNs sind Lecks im System. Leckagen führen zu einem spürbaren Verlust von sauberem Wasser, was zu umgekehrten Leckagen, Verunreinigungen durch Grundwasser und ernsthaften Betriebsschwierigkeiten führen kann. Eine frühzeitige Leckerkennung spart Wasser und verhindert, dass sich kleine Lecks zu Wassereinbrüchen ausweiten. Daher sind Einrichtungen zur frühzeitigen Leckerkennung für jedes intelligente WDN unerlässlich, um Verluste und die Gefahr von Leckagen zu verringern. SMARTWINE zielt darauf ab, das Potenzial einer Kombination aus maschinellem Lernen (ML), Graphentheorie und Optimierungstechniken zu erforschen und zu nutzen, um zuverlässige, schnelle und einfach zu bedienende Methoden zur Echtzeit-Leckerkennung und Alarmierung in WDNs zu entwickeln.

openSenseMap: Sensor Box Am Hüttengraben

Smart City | Stadt Arnsberg

openSenseMap: Sensor Box senseBox:home Störmthal1

Smart City Station Störmthal Nr1 via LoRaWAN. Unterstützt durch den Makerspace Partheland e.V. Temperatur & rel. Luftfeuchte: HDC1080 Luftdruck: DPS310 Beleuchtungsstärke & UV-Intensität: VEML6070 Feinstaubsensor: SDS011 Lautstärke: DFRobot SEN0232 Wind: PeetBros via Arduino https://partheland.de/

Initiative Grün in der Stadt - Studie zum Projekt 'Bundeswettbewerb Grün in der Stadtentwicklung'

Grün- und Weißbuch Stadtgrün des Bundes stellen die Bedeutung urbaner Grün- und Freiflächen für die Lebensqualität der Stadtbewohnerinnen und -bewohner und für die Attraktivität einer Kommune als Wohn- und Wirtschaftsstandort komplex dar. In Fortentwicklung der Stadtgrün-Strategie des Bundes wurde eine Studie zum Projekt 'Bundeswettbewerb Grün in der Stadtentwicklung' beauftragt. Ziel ist es, einen Wettbewerb zu konzipieren, der gelungene Beispiele, innovative Konzepte, integrierte Planungsansätze und vernetzende Ideen zur Sicherung und Qualifizierung von öffentlichen Grün- und Freiflächen öffentlichkeitswirksam hervorhebt. Ausgangslage: Mit der zunehmenden Urbanisierung gelangt die Infrastruktur vieler Städte an ihre Kapazitätsgrenze. In kleineren Städten gibt es umgekehrt Abwanderungstendenzen. Die größeren Städte müssen darum ressourceneffizienter werden und die kleineren Städte insgesamt attraktiver. Ein bewusster Umgang mit der Stadt als grünem, vielseitig nutzbarem Lebensraum mit Synergie-Effekten für Menschen, Flora, Fauna und Umwelt wird immer dringlicher. Das Stadtgrün mit seinen vielschichtigen Dimensionen erfüllt schon jetzt vielfältige Aufgaben: Krankenhausgärten öffnen sich als Naherholungsraum für die Anrainer, Green-Gym-Angebote in den Grünanlagen dienen gleichermaßen der Gesundheit und der Parkpflege und die Dächer unserer Städte bieten Raum für Spielplätze, Urban Farms oder artenreiche Wiesen. Die Tendenz geht allgemein dahin, bei der Entwicklung innovativer Ideen im Zusammenhang mit Stadtgrün viele Akteure einzubinden und lokale Bündnisse zu bilden. Die städtische Gesellschaft, grüne Start-ups, Verbände, Interessengruppen und Kommunen bilden ein breites Bündnis für eine lebenswerte, vielfältige und grüne Stadt. Vielerorts widmen sich die verschiedenen Gruppierungen bereits auf unterschiedliche Weise den Themen Gesundheit, Klimawandel, Smart City, bezahlbarer Wohnraum, Barrierefreiheit, kulturelle Vielfalt sowie Integration im Kontext des Stadtgrüns. Das Grünbuch Stadtgrün des Bundes legt diese Themen und Trends der Stadtentwicklung detailliert dar. Darauf aufbauend wurde das Weißbuch 'Stadtgrün' erarbeitet. Es enthält konkrete Maßnahmen und Handlungsempfehlungen des Bundes, wie der die Kommunen dabei unterstützen kann, Grün- und Freiräume zu sichern und zu qualifizieren. Eine Maßnahme ist ein zu entwickelnder Wettbewerb, der die gesellschaftlichen Aufgaben des Stadtgrüns für die Stadtbewohnerinnen und -bewohner verdeutlicht, nachahmenswerte Beispiele herausstellt und Impulse für die zukünftige Stadtentwicklung gibt.

FeinPhone - Partizpatorische Feinstaubmessungen mit Smartphones in Szenarien zukünftiger Smart Cities

Von Feinstaub können erhebliche Gesundheitsrisiken ausgehen: Er kann beim Menschen in die Atemwege und sogar bis in die Lungenbläschen oder den Blutkreislauf eindringen. Dort kann er Zellen schädigen oder auch andere toxische Stoffe tief in den Körper bringen. Die Feinstaubbelastung in Städten wird heute durch teure, statische Messstationen mit schlechter räumlicher und zeitlicher Auflösung überwacht. Um feingranulare dynamische Belastungskarten und reaktive Systeme in Szenarien zukünftiger Smart Cities zu ermöglichen, müssten dichte, verteilte Messungen vorgenommen werden. Eine Möglichkeit dafür sind partizipatorische Messungen auf Basis von Sensorik in Smartphones. Beim sogenannten 'Participatory Sensing' werden Privatpersonen mit kostengünstigen mobilen Sensoren ausgestattet, etwa integriert in bereits vorhandene Smartphones oder als eigenständige Geräte. Durch die Mobilität der einzelnen Teilnehmer kann eine höhere räumliche Auflösung erreicht werden. Beispiele für die erfolgreiche Umsetzung solcher Ansätze sind etwa Systeme zur Erstellung von Geräuschbelastungskarten oder zur Erfassung von Schlaglöchern, kaputten Ampeln und Verschmutzungen in Städten. Während solche Projekte meist auf regulären Smartphones und der darin verbauten Sensorik basieren, existieren integrierte Sensoren zur Messung von Feinstäuben in Smartphones noch nicht. Vergangene Arbeiten haben jedoch gezeigt, dass die Hintergrund-Feinstaubbelastung selbst mit äußerst einfachen, bereits relativ kleinen Staubsensoren erfasst werden kann. Prinzipiell ist es auch möglich das Messprinzip dieser Sensoren (Lichtstreuung) an Smartphones mit integrierter Kamera zu adaptieren. Das Projekt FeinPhone hat das Ziel, eine solche neuartige Sensorkomponente für Smartphones zur Messung von Feinstaub zu entwickeln und zu evaluieren und im Zuge der Evaluation ggf. einen Referenzdatensatz für die zukünftige Algorithmenentwicklung zu schaffen. Dies schließt das Design der externen Sensorhardware sowie geeigneter Algorithmen zur Verarbeitung der aufgenommenen Daten ein.

1 2 3 4 5 … 17 18 19