API src

Found 960 results.

Related terms

Continuous meteorological observations at DynaCom automatic weather station, Spiekeroog, Germany, 2025-01 to 2025-12

Data presented here were collected between January 2025 to December 2025 within the research unit DynaCom (Spatial community ecology in highly dynamic landscapes: From island biogeography to metaecosystems, https://uol.de/dynacom/ ) of the Universities of Oldenburg, Göttingen, and Münster, the iDiv Leipzig and the Nationalpark Niedersächsisches Wattenmeer. Experimental islands and saltmarsh enclosed plots were created in the back barrier tidal flat and in the saltmarsh zone of the island of Spiekeroog. Meteorological data were collected near the experimental setup, with a locally installed weather station located approximately 500m north of the southern shoreline. The weather station system used here was a ClimaSensor US 4.920x.00.00x that was pre-calibrated by the manufacturer (Adolf Thies GmbH & Co. KG, D-Göttingen). Data were recorded and saved within the Processcontrol Weather (c) -4H- JENA engineering GmbH (v20.1.0.1 2020) software in a sampling interval of 1 min, with an averaging time of 10 s. Date and time were given in UTC and the position was derived from the internal GPS system. Data handling was performed according to Zielinski et al. (2018): Post-processing of collected data was done using MATLAB (R2024b). Quality control was performed by (a) erasing data covering maintenance activities, (b) removing outliers, defined as data exhibiting changes of more than two standard deviations within one time step, and (c) visually checks.

Geschichte der Meteorologie in Bayern

Die Zielsetzung bei meteorologischen Beobachtungen in Bayern unterlag einem Wandel im Lauf der Geschichte. Anfangs zeichneten einzelne Äbte das Wetter auf mit dem Ziel, die Klosterökonomie zu verbessern. 1781 organisierte die Akademie der Wissenschaften ein regionales Messnetz, bei dem vor allem Instrumente zum Einsatz kamen und eine einheitliche Beobachtungsmethode zugrunde gelegt wurde. Die Ideen und fachlichen Vorgaben dazu waren von Heinrich Lambert schon 1761 ausgearbeitet worden. Als 1803 die Klöster aufgelöst wurden, die die Beobachtungen vorgenommen hatten, wurden die Landgerichtsärzte zu Beobachtungen verpflichtet, doch war keine zentrale Steuerung vorgesehen. Neue Ansätze der Akademie ab 1807 zur Restituierung des Netzes fanden nicht die erforderliche Unterstützung der Ministerien, so dass nur zwei amtliche Stationen existierten und daneben durch Privatinitiativen Beobachtungen in einzelnen Städten zustande kamen. Ab 1839 gelang es Lamont von der Sternwarte Bogenhausen, erneut ein Messnetz zu organisieren, das aber zeitlich befristet war. 1863 kam ein forstmeteorologisches Projekt zustande. Nach internationalen Vorarbeiten entstand 1878 ein modernes staatliches Beobachtungsnetz mit einer Zentralanstalt in München, die auch Datenprüfungen vornahm. Die im Vorgängerprojekt erfolgreich begonnenen Recherchen und Zusammenstellungen von relevantem Archiv- und Literaturmaterial bietet eine gute Grundlage für eine Geschichte der Meteorologie in Bayern, sie sind aber noch fortzuführen und auszuarbeiten. Über die Situation vor 1820 geben private Briefe von Gelehrten und Instrumentenbauern zusätzliche Anhaltspunkte. Die konkreten Arbeitsziele sind:1. Edition der Briefe des Augsburger Feinmechanikers Georg Friedrich Brander (1713-1783), die im Zeitraum 1756-1783 an das Kloster Polling geschickt wurden (etwa 140 Briefe).2. Edition der Briefe des Benediktiners Placidus Heinrich, OSB in Regensburg, an Augustin Stark in Augsburg aus dem Zeitraum 1804-1824 (etwa 50 Briefe). 3. Geschichte der Meteorologie in Bayern.

Ermittlung des Potenzials von Speläothemen zur Rekonstruktion von (kurzfristigen) Phasen extremen Klimas

Ziel dieses Antrags ist es, das Potenzial von Speläothemen für die Rekonstruktion von (kurzlebigen) Phasen und Ereignissen extremen Klimas, wie besonders niedrigen Temperaturen, extreme, Niederschlagsmengen oder hohen Windgeschwindigkeiten, zu ermitteln. Solche Extremereignisse treten selten auf, verursachen aber oft große Schäden mit schwerwiegenden Folgen für Bevölkerung und Ökosysteme der betroffenen Region. Ein besseres Verständnis der Ursachen und Randbedingungen von Extremereignissen ermöglicht eine bessere Prognose ihres Auftretens in der Zukunft, was wesentlich ist für das Treffen entsprechender Vorkehrungen.Speläotheme bieten präzise datierte Multi-Proxy-Zeitreihen mit nahezu jährlicher Auflösung und haben somit ein großes Potenzial als Archiv von Extremereignissen. Allerdings werden die in Speläothemen gespeicherten Proxy-Signale im Aquifer über der Höhle in einem gewissen Umfang geglättet, weshalb die Sensitivität der jeweiligen Höhlensysteme und Proxys für die Rekonstruktion vergangener Extremereignisse bestimmt werden muss. Der Schwerpunkt dieses Antrags liegt auf dem 8.2 ka Event und den letzten 2000 Jahren. Das 8.2 ka Event war die extremste Klimaanomalie des Holozäns und spiegelt die Auswirkungen eines enormen Süßwassereintrags in den Nordatlantik während eines Interglazials wider. In den letzten 2000 Jahren wurden mehrere hundertjährige Klimaschwankungen identifiziert (z.B. die Mittelalterliche Warmzeit und die Kleine Eiszeit). Zusätzlich konnten andere, kurzlebige Klimaanomalien festgestellt werden, wie z.B. das historische Magdalenenhochwasser im Juli 1342 AD oder Hitze und Trockenheit in Europa von 1540 AD. Manche Ereignisse wurden durch Vulkanausbrüche ausgelöst (z.B. das Jahr ohne Sommer 1816 AD durch die Tambora Eruption 1815 AD).Mehrere Speläotheme, die während des 8.2 ka Event und der letzten 2000 Jahre wuchsen, aus drei Höhlen in Deutschland stehen zur Verfügung. Für alle drei Höhlen wurden langfristige Monitoring-Programme eingerichtet, was eine Voraussetzung ist, um die Prozesse in den Höhlen zu verstehen und die Proxy-Signale der Speläotheme zu interpretieren. Wir werden stabile Isotope und Spurenelemente in den entsprechenden Abschnitten der Stalagmiten mit sehr hoher Auflösung (jährlich) analysieren, und die Proben mittels MC-ICPMS 230Th/U-Datierung präzise datieren. Die Identifizierung der am besten geeigneten Proxys für die Rekonstruktion der Extremereignisse wird unter Verwendung eines quantitativen Modells basierend auf meteorologischen und Monitoring-Daten durchgeführt. Die Kombination aus präzise datierten, hochaufgelösten Multi-Proxy-Records und einem quantitativen Modell stellt eine solide Basis dar, um (i) geeignete Proxys für die Rekonstruktion der Extremereignisse zu identifizieren und (ii) bestimmte Ereignisse in verschiedenen Speläothemen zu vergleichen. Dies ermöglicht die Bestimmung von Zeitpunkt, Dauer und Struktur der Ereignisse.

Sonderforschungsbereich (SFB) 1211: Evolution der Erde und des Lebens unter extremer Trockenheit, Teilprojekt Z02 (INF): Datenmanagement und raumbezogene Analyse

Dieses Projekt befasst sich mit der Einrichtung eines Datenmanagementsystems (aufbauend auf ein bereits bestehendes; im TR32). Dieses System ist in der Lage, große Mengen an Forschungsdaten zu speichern und zur Verfügung zu stellen. Es ermöglicht eine genaue Datencharakterisierung über eine flexible, jedoch standardisierte und benutzeroberflächenunabhängige Metadatenstruktur. Datensäte können Digitale Objekt Identifier (DOI) erhalten. Alle raumbezogenen Daten des SFB werden über ein WebGIS zugänglich sein. Die Daten der Wetterstationen (Z03) werden entsprechend gängiger Standards im System integriert. Eine weitere Aufgabe dieses Projekts besteht in der Analyse raumbezogener Daten für die gemeinsamen Forschungsgebiete des SFB.

Erfassung der Baumvitalität durch multispektrale LiDAR-Daten zur Minimierung von Sturmschäden, Teilvorhaben: Albert-Ludwigs-Universität Freiburg

Nachwuchsgruppen Klima, Umwelt und Gesundheit: Auswirkungen von Wetter auf die menschliche Gesundheit (HeWeCon)

Steigerung von Kontrolle und Effizienz in regionalen Energiesystemen durch Quantensensoren und maschinelles Lernen, Teilvorhaben: Optimierung von Zink-Luft-Batterien zur Stromnetzstabilisierung

Sensorgestütztes Monitoring von Luftqualität und Auslastung für mehr Vertrauen und Nachhaltigkeit im ÖPNV, Teilvorhaben: hd Management Consulting GmbH

Entwicklung einer selbstopt. Regelung zum effizienten und netzdienlichen Betrieb von (regenerativen) Energiesystemen unter Verwendung von maschinellem Lernen, Teilvorhaben: Entwicklung einer modularen Simulationsbibliothek sowie Anbindung an eine Kommunikationsschnittstelle

Abweichend von konventionellen Standardverfahren zur Regelung von Wärmeerzeuger sollen in dem Projekt eine Vielzahl von internen und externen Eingangsgrößen zur Regelung verwendet werden. Hierbei handelt es sich unter anderem um Wetterdaten, Strompreise, Stromerzeugung und Korrelationsgrößen für die Belegung. In die Entscheidungsfindung zur Regelung fließen nicht nur aktuelle Zustandsgrößen ein, sondern auch zukünftige Werte. Es erfolgt somit eine prädiktive und vorausschauende Regelung anstelle einer reaktiven Standardregelung. Für solch eine Optimierungsaufgabe mit einer Vielzahl an Eingangsgrößen und einem längeren Betrachtungshorizont eigenen sich Methoden des maschinellen Lernens wie z.B. dem Reinforcement Learning. Der Vorteil dieser Methode ist eine bedarfsgenaue und wirtschaftliche Wärmebereitstellung. Mit Hilfe von Simulationsmodellen kann eine Vielzahl von Szenarien nachgebildet und als Trainingsdaten verwendet werden. Ziel des Forschungsprojektes ist es, die Optimierung von sektorübergreifenden Energiesystemen zu automatisieren und mit Hilfe von maschinellem Lernen und Metadaten die Anlagenparameter kontinuierlich anzupassen. Durch Transfer Learning können Messdaten anderer Gebäude als Trainingsdaten verwendet werden. Der Heizenergiebedarf wird mit Hilfe von neuronalen Netzen prognostiziert. Die entwickelten Prognose- und Regelungsmodelle werden in Kombination mit der Kommunikationsschnittstelle bei mehreren Gebäuden angewendet. Hierdurch sollen Generalisierungsmöglichkeiten gefunden werden, durch die das Trainieren bei neuen Gebäuden schneller erfolgen kann. Das Alleinstellungsmerkmal der Projektidee ist die Symbiose der Algorithmenentwicklung und ihre unmittelbare Validierung im Praxiskontext. Der Arbeitsschwerpunkt für Green Fusion liegt hierbei in der Entwicklung einer modularen Simulationsbibliothek des Energiesystems im Gebäude sowie der Anbindung der Objekte an die Kommunikationsschnittstelle durch die Cloud.

Entwicklung einer selbstopt. Regelung zum effizienten und netzdienlichen Betrieb von (regenerativen) Energiesystemen unter Verwendung von maschinellem Lernen

Abweichend von konventionellen Standardverfahren zur Regelung von Wärmeerzeuger sollen in dem Projekt eine Vielzahl von internen und externen Eingangsgrößen zur Regelung verwendet werden. Hierbei handelt es sich unter anderem um Wetterdaten, Strompreise, Stromerzeugung und Korrelationsgrößen für die Belegung. In die Entscheidungsfindung zur Regelung fließen nicht nur aktuelle Zustandsgrößen ein, sondern auch zukünftige Werte. Es erfolgt somit eine prädiktive und vorausschauende Regelung anstelle einer reaktiven Standardregelung. Für solch eine Optimierungsaufgabe mit einer Vielzahl an Eingangsgrößen und einem längeren Betrachtungshorizont eigenen sich Methoden des maschinellen Lernens wie z.B. dem Reinforcement Learning. Der Vorteil dieser Methode ist eine bedarfsgenaue und wirtschaftliche Wärmebereitstellung. Mit Hilfe von Simulationsmodellen kann eine Vielzahl von Szenarien nachgebildet und als Trainingsdaten verwendet werden. Ziel des Forschungsprojektes ist es, die Optimierung von sektorübergreifenden Energiesystemen zu automatisieren und mit Hilfe von maschinellem Lernen und Metadaten die Anlagenparameter kontinuierlich anzupassen. Durch Transfer Learning können Messdaten anderer Gebäude als Trainingsdaten verwendet werden. Der Heizenergiebedarf wird mit Hilfe von neuronalen Netzen prognostiziert. Die entwickelten Prognose- und Regelungsmodelle werden in Kombination mit der Kommunikationsschnittstelle bei mehreren Gebäuden angewendet. Hierdurch sollen Generalisierungsmöglichkeiten gefunden werden, durch die das Trainieren bei neuen Gebäuden schneller erfolgen kann. Das Alleinstellungsmerkmal der Projektidee ist die Symbiose der Algorithmenentwicklung und ihre unmittelbare Validierung im Praxiskontext. Der Arbeitsschwerpunkt für Green Fusion liegt hierbei in der Entwicklung einer modularen Simulationsbibliothek des Energiesystems im Gebäude sowie der Anbindung der Objekte an die Kommunikationsschnittstelle durch die Cloud.

1 2 3 4 5 … 94 95 96