API src

Found 1130 results.

Related terms

Anpassung an den Klimawandel

Klimawandel bezeichnet eine längerfristige Temperaturänderung der Erdatmosphäre. In den vergangenen zwei bis drei Millionen Jahre gab es auf der Erde einen zyklischen Wechsel von Warm- und Kaltphasen. Das ist im Wesentlichen auf die Neigung der Erdachse und die elliptische Umlaufbahn der Erde um die Sonne und dem daraus resultierenden Abstand der Erde zur Sonne sowie dem Einstrahlungswinkel der Sonnenstrahlen auf die Erde zurückzuführen. Auch die ebenfalls zyklischen Veränderungen unterliegende Aktivität der Sonne hat Einfluss auf das Erdklima. Darüber hinaus gibt es weitere natürliche Faktoren wie beispielsweise Vulkanismus und durch Rückkopplungseffekte verursachte Veränderungen der Meeresströmungen, die das Klima beeinflussen. In den letzten 150 Jahren hat jedoch der Mensch entschieden dazu beigetragen, die Konzentration von Treibhausgasen in der Atmosphäre zu erhöhen und so eine globale Erwärmung voranzutreiben. Das ist auf die massive Nutzung fossiler Energieträger (Kohle, Erdöl und Erdgas) und eine veränderte Landnutzung, wie die Rodung von Wäldern und die Trockenlegung von Mooren zurückzuführen. Laut aktuellem IPCC-Bericht ist die globale atmosphärische Konzentration von CO 2 seit vorindustrieller Zeit um 40 % angestiegen. Die atmosphärischen Konzentrationen von CO 2 , Methan und Stickstoffoxiden sind mittlerweile so hoch wie nie zuvor innerhalb der letzten 800.000 Jahre. In jeder der letzten drei Dekaden fand eine zunehmende Erwärmung der Erdoberfläche statt, die stärker war als in jeder zurückliegenden Dekade seit 1850. Die Folgen sind bereits deutlich erkennbar. Global findet eine Erwärmung der Atmosphäre und der Ozeane statt, Permafrostböden tauen auf und setzen Methan frei, das Meereis schmilzt, ebenso die Eisschilde des Festlandes, der Meeresspiegel steigt, und zwar schneller, als bisherige Modelle dies erwarten ließen. Regional kommt es vermehrt zu Extremwetterereignissen wie Hitzeperioden, Stürmen, Starkregenereignissen und Hagel. Im Juli 2016 hat das Potsdam-Institut für Klimafolgenforschung (PIK) eine durch die vormalige Senatsverwaltung für Stadtentwicklung und Umwelt in Auftrag gegebene Konzeptstudie zur Anpassung an die Folgen des Klimawandels in Berlin (AFOK) vorgelegt. Die Studie beschreibt auf Basis aktueller wissenschaftlicher Erkenntnisse die Klimazukunft Berlins bis zum Ende des Jahrhunderts und benennt Handlungsoptionen zur Anpassung an die Auswirkungen der klimatischen Veränderungen. Sie bildet die Grundlage für das Berliner Anpassungsprogramm als Teil des Berliner Energie- und Klimaschutzprogramms (BEK). Mit Hilfe eines Indikatoren basierten Klimafolgenmonitorings wird die Entwicklung klimatischer Parameter in der Vergangenheit und Gegenwart hinsichtlich erkennbarer Trends überwacht. Darüber hinaus sollen damit die eintretenden Klimafolgen frühzeitig erkannt werden, um Anpassungsmaßnahmen zielgerichtet planen und durchzuführen zu können. Auswirkungen des Klimawandels Weitere Informationen Klimafolgenmonitoring Weitere Informationen Programm zur Anpassung an die Folgen des Klimawandels in Berlin Weitere Informationen Berliner Energie- und Klimaschutzprogramm 2030 (BEK 2030) Stadtentwicklungsplan (StEP) Klima Zentrum KlimaAnpassung IPCC-Berichte Global Change Institute

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)

Quantifizierung effektiver Windlasten auf Bäume durch die Untersuchung der Kronenrekonfiguration

In den vergangenen 70 Jahren stellten Stürme die größte Naturgefahr für europäische Wälder dar. Sturmschäden treten auf, wenn Bäume destruktiven Windlasten ausgesetzt sind. Aufgrund ihrer weiträumigen Ausdehnung verursachten Winterstürme die größten Schadholzmengen. Die Bedeutung von Winterstürmen für das Schadholzaufkommen in den europäischen Wäldern hat sich in den letzten 30 Jahren erhöht. Sechs der sieben schwersten Winterstürme traten nach 1990 auf. In der Vergangenheit waren besonders Nadelbaumarten von Schäden durch Winterstürme betroffen, weil sie im Gegensatz zu Laubbaumarten ihre Nadeln ganzjährig behalten. Durch die winterliche Belaubung ist die Übertragung von kinetischer Energie der bodennahen Strömung auf die Baumkronen effizient, weil die angeströmte Kronenfläche sehr groß ist. Aufgrund des derzeit ablaufenden Klimawandels kann davon ausgegangen werden, dass zukünftig neben den Winterstürmen vermehrt konvektive Sturmereignisse auftreten, die ganzjährig zu Sturmschäden an Bäumen und Wäldern führen, insbesondere im Sommer. Der Vorteil der saisonalen Belaubung von Laubbaumarten wird durch das ganzjährige Auftreten von destruktiven konvektiven Sturmereignissen verringert. Sturmereignisse können die Vitalität der verbleibenden Bestände in den betroffenen Regionen verringern und sekundäre biotische Naturgefahren wie Kalamitäten von Borkenkäfern und wirtschaftliche Verluste induzieren. Sturmschäden beeinträchtigen Ökosystemdienstleistungen wie die Holzproduktion, die Erholungsfunktion, Wasser- und Erosionsschutz und die CO2-Senkenleistung. Durch katastrophale Stürme kann die CO2-Senkenleistung von Wäldern bei einer sehr kurzen Exposition stark minimiert werden. Umfassendes Wissen über die auf Bäume wirkenden Windlasten ist eine grundlegende Voraussetzung, um Sturmschäden an Bäumen und in Wäldern zu minimieren. (i) Während zahlreiche (auch eigene) frühere Studien Muster von Wind-Baum-Interaktionen identifiziert und beschrieben haben, (ii) besteht immer noch eine grundlegende Wissenslücke hinsichtlich der absoluten instantanen Beträge von Windlasten, die Wind-Baum-Interaktionen hervorrufen. Diese fundamentale Wissenslücke besteht, weil nur rudimentäre quantitative Kenntnisse über die Verformung von Baumkronen unter realen Windbedingungen vorliegen (Rekonfiguration). Die Rekonfiguration bestimmt die Übertragung von kinetischer Strömungsenergie auf Baumkronen entscheidend mit. Das Projekt TreeCon soll dazu beitragen, diese Wissenslücke zu schließen. Die zu erwartenden Ergebnisse und die damit verbundenen neuen Erkenntnisse tragen dazu bei, zukünftige Sturmschäden an Bäumen und Wäldern zu minimieren. Für die Erzielung der neuen Kenntnisse wird ein neuartiges, kostengünstiges Messsystem zum Einsatz gebracht und mit bestehenden Messsystemen kombiniert, wodurch sich bisher nicht vollständig beantwortbare Fragen klären und Hypothesen überprüfen lassen. Das Messsystem eignet sich insbesondere für Untersuchungen an Laubbäumen.

Nutzung von ATTO-Daten zum Testen von Erdsystemmodellen auf der km-Skala (ICON), ATTOsynthesis - Nutzung von ATTO-Daten zum Testen von Erdsystemmodellen auf der km-Skala (ICON)

ATKIS Basis-DLM (Präsentationsdienst)

Das ATKIS Basis-DLM bildet die topographischen Objekte einer Landschaft in Form von Vektordaten und unterschiedlichen Attributwerten ab. Die vorliegende Präsentation dient der Veranschaulichung der Strukturen dieses komplexen Datenmodells.

A spatially explicit Global Reef Island Database (GRID) that captures distribution, diversity and relative vulnerability of the world's low-lying reef islands

Low-lying coral reef islands harbour a distinct, yet highly threatened biological and cultural diversity that is increasingly exposed to climate change impacts. The combination of low elevation, small size, sensitivity to changes in boundary conditions (sea level, waves and currents, locally generated sediment supply) and at some locations high population densities, is why low-lying reef islands (LRIs) are considered among the most vulnerable environments on Earth to climate change. To date, their global distribution and influence of climatic, oceanographic, and geologic setting are only poorly documented or restricted to smaller scales. Here, I present the first detailed global analysis of LRIs utilising freely available global datasets to produce a global reef island database (GRID) and associated intrinsic and extrinsic characteristics that can be used within a coastal vulnerability index (CVI). All datasets used to create the GRID were released between 30 November 2015 and 3 August 2023, while the current version of the GRID database was completed in November 2024. When developing the GRID, LRIs are defined as landmasses <30 km² located on or within 1 km of coral reef and with an elevation of <16 m. Development of the GRID required: 1) the creation of a global shoreline vector file containing the geographic distribution of LRIs and 2) the development of a comprehensive global database of LRIs including eight intrinsic and ten extrinsic variables extracted from global datasets. Intrinsic variables include: 1) human populations, 2) island area, 3) island perimeter, 4) mean elevation, 5) island circularity/shape, 6) underlying reef type, 7) geographic isolation and 8) distance to the nearest neighbouring reef island. Extrinsic variables include: 1) mean water depth, 2) standard deviation of mean water depth, 3) mean annual significant wave height, 4) mean annual wave period, 5) mean spring tidal range, 6) relative tidal range, 7) wave-tide regime, 8) relative wave exposure, 9) relative tropical storm exposure and 10) year-2100 projected median sea level rise rate. The GRID was initially derived from version 2.1 of the UNEP-WCMC Global Island Database, a global shoreline vector file based on geometry data from Open Street Map® (OSM) and released in November 2015. The initial vector file was projected using the Mollweide projection, an equal-area pseudo cylindrical map projection chosen for its accurate derivation of area, especially in regions close to the equator, where most LRIs are located. The final GRID contains 34,404 individual LRIs distributed throughout tropical regions of the world's oceans, amassing a total land area of nearly 11,000 km² with approximately 60,740 km of shoreline and housing around 2.6 million people. While intrinsic variables are typically spatially homogenous, LRIs are generally highly spatially clustered throughout the GRID with respect to extrinsic variables. The spatial distribution of LRIs within the GRID was validated using: 1) published data and 2) quantitative accuracy assessments using satellite imagery. Spatial distributions of LRIs captured in the GRID are extremely consistent with those published in the literature (r² = 0.96) and those derived from independent analysis of satellite imagery (r² = 0.94). Finally, the GRID was used to develop an island vulnerability index (IVI) for each LRI on a scale of 0-1 with 0 representing no vulnerability and 1 representing maximum vulnerability. The GRID database is provided as a tab-delimited text file as well as ESRI shapefiles (points and polygons in WGS84 and Mollweide projection) and a comma-separated value file.

GTS Bulletin: ISND40 UMRR - Observational data (Binary coded) - BUFR (details are described in the abstract)

The ISND40 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. 0100, 0200, 0400, 0500, ... UTC) A2 (D): 90°E - 0° northern hemisphere (Remarks from Volume-C: NilReason)

1 2 3 4 5 … 111 112 113