Das Projekt "Erweiterte experimentelle Untersuchungen der reaktiven Halogenchemie in Polarregionen (HALOPOLE III)" wird vom Umweltbundesamt gefördert und von Universität Heidelberg, Institut für Umweltphysik durchgeführt. Halogenradikale spielen eine Schlüsselrolle in der Chemie der polaren Grenzschicht. Alljährlich im Frühjahr beobachtet man riesige Flächen von mehreren Millionen Quadratkilometern mit stark erhöhten Konzentrationen von reaktivem Brom, welches von salzhaltigen Oberflächen in der Arktis und Antarktis emittiert werden. Dieses Phänomen ist auch als Bromexplosion bekannt. Des Weiteren detektieren sowohl boden- als auch satellitengestützte Messungen signifikante Mengen von Jodoxid über der Antarktis, jedoch nicht in der Arktis. Die Gründe für diese Asymmetrie sind nach wie vor unbekannt, aber das Vorhandensein von nur wenigen ppt reaktiven Jods in der antarktischen Grenzschicht sollte einen signifikanten Einfluss auf das chemische Gleichgewicht der Atmosphäre haben und zu einer Verstärkung des durch Brom katalysierten Ozonabbaus im polaren Frühjahr haben. Der Schwerpunkt der Aktivitäten im Rahmen von HALOPOLE III wird auf der Untersuchung von wichtigen Fragestellungen liegen, die im Rahmen der Vorgängerprojekte HALOPOLE I und II im Bezug auf die Quellen, Senken und Transformationsprozesse von reaktiven Halogenverbindungen in Polarregionen aufgetreten sind. Basierend sowohl auf der synergistischen Untersuchung der bislang gewonnen Daten aus Langzeit - und Feldmessungen sowie auf neuartigen Messungen in der Antarktis sind die wesentlichen Schwerpunkte: (1) Die Untersuchung einer im Rahmen von HALOPOLE II aufgetretenen eklatanten Diskrepanz zwischen aktiven und passiven Messungen DOAS Messungen von IO. (2) Eine eingehende Analyse der DOAS Langzeitmessungen von der Neumayer Station und Arrival Heights (Antarktis) sowie Alert (Kanada) bezüglich Meteorologie, Ursprung der Luftmassen, Vertikalverteilung, sowie des Einflusses von Schnee, Meereis und Eisblumen auf die Freisetzung von reaktiven Halogenverbindungen. (3) Die Untersuchung der kleinskaligen räumlicher und zeitlichen Variation von BrO auf der Basis einer detaillierten Analyse der flugzeuggebundenen MAX-DOAS Messungen während der BROMEX 2012 Kampagne in Barrow/Alaska. (4) Die Analyse der kürzlich in der marginalen Eiszone der Antarktis auf dem Forschungsschiff Polarstern durchgeführten Messungen im Hinblick auf die horizontale und vertikale Verteilung von BrO und IO, sowie den Einfluss der Halogenchemie auf den Ozon- und Quecksilberhaushalt. (5) Weitere detaillierte Untersuchungen des Einflusses von Halogenradikalen, insbesondere Chlor und Jod, auf das chemische Gleichgewicht der polaren Grenzschicht auf der Basis einer Messkampagne in Halley Bay, Antarktis. (6) Detailliertere Langzeit-Messungen von Halogenradikalen und weiteren Substanzen auf der Neumayer Station mittels eines neuen Langpfad-DOAS Instruments welches im Rahmen dieses Projektes entwickelt wird. Zusätzlich zu den bereits existierenden MAX-DOAS Messungen werden diese eine ganzjährige Messungen des vollen Tagesganges sowie die Untersuchung nicht nur der Brom- und Jodchemie, sondern auch der Chlorchemie ermöglichen.
Das Projekt "DIGSTER - Map and Go (Digital Satellite Based Terrain Model) - User Requirements" wird vom Umweltbundesamt gefördert und von Technische Universität Graz, Institut für Fernerkundung und Photogrammetrie durchgeführt. The project DIGSTER - Map and Go (Digital Based Terrain Mapping) aims at the technical aspects of digital terrrain mapping. For many questions in administration, planning and expertise terrrain mappings are indispensable. The whole process starting with the data acquisition in the field and ending with map products will be digitally performed by the system. Therefore, a platform appropriate for the use in the field (PDA) is combined with technologies from the disciplines of satellite navigation, remote sensing, communication, and mobile geoinformation systems. For DIGSTER a lot of practical applications already exist in connection with policies and directives on the national and also European level.
Das Projekt "Teilvorhaben: LUP - Luftbild Umwelt Planung GmbH" wird vom Umweltbundesamt gefördert und von LUP - Luftbild Umwelt Planung GmbH durchgeführt. Vor dem Hintergrund klimatischer Änderungen sowie zunehmendem, diversen Schädlingsbefall sollen im Rahmen des Projektes Softwareanwendungen entwickelt werden, die zur Überwachung und Prävention verschiedener Schadereignisse (Sturm, Kalamitäten, Trockenheit, Feuer) genutzt werden können. Durch die Zusammenstellung unterschiedlicher multisensoraler Fernerkundungsdaten (Radar-, Optischer-, Hyperspektral- und Thermaldaten) in Kombination mit Vor-Ort Messungen kann die Vitalität des Waldes kontinuierlich beobachtet sowie Schadenshotspots frühzeitig erkannt werden, um der Forstwirtschaft Möglichkeiten für schnelle Gegenmaßnahmen zu geben. Die Analyse der großen Datenmengen durch Cloud-Computing und Machine-Learning Algorithmen ermöglicht die Modellierung und Prognosen von Schadketten. Der vereinfachte Zugang zu umfangreichen Datenquellen bildet die Basis für ein optimiertes Waldmanagement sowie die Umsetzung lokaler Präventionsmaßnahmen. Darüber hinaus dient die Anwendung als Kommunikationsschnittstelle zwischen den forstlichen Akteuren und soll so Arbeits- und Entscheidungsprozesse unterstützen.
Das Projekt "Teilvorhaben: Landesbetrieb Wald und Holz Nordrhein-Westfalen" wird vom Umweltbundesamt gefördert und von Landesbetrieb Wald und Holz Nordrhein-Westfalen durchgeführt. Vor dem Hintergrund klimatischer Änderungen sowie zunehmendem, diversen Schädlingsbefall sollen im Rahmen des Projektes Softwareanwendungen entwickelt werden, die zur Überwachung und Prävention verschiedener Schadereignisse (Sturm, Kalamitäten, Trockenheit, Feuer) genutzt werden können. Durch die Zusammenstellung unterschiedlicher multisensoraler Fernerkundungsdaten (Radar-, Optischer-, Hyperspektral- und Thermaldaten) in Kombination mit Vor-Ort Messungen kann die Vitalität des Waldes kontinuierlich beobachtet sowie Schadenshotspots frühzeitig erkannt werden, um der Forstwirtschaft Möglichkeiten für schnelle Gegenmaßnahmen zu geben. Die Analyse der großen Datenmengen durch Cloud-Computing und Machine-Learning Algorithmen ermöglicht die Modellierung und Prognosen von Schadketten. Der vereinfachte Zugang zu umfangreichen Datenquellen bildet die Basis für ein optimiertes Waldmanagement sowie die Umsetzung lokaler Präventionsmaßnahmen. Darüber hinaus dient die Anwendung als Kommunikationsschnittstelle zwischen den forstlichen Akteuren und soll so Arbeits- und Entscheidungsprozesse unterstützen.
Das Projekt "Teilvorhaben: Technische Universität Berlin" wird vom Umweltbundesamt gefördert und von Technische Universität Berlin, Institut für Landschaftsarchitektur und Umwelplanung (ILaUP), Fachgebiet Geoinformation in der Umweltplanung durchgeführt. Vor dem Hintergrund klimatischer Änderungen sowie zunehmendem, diversen Schädlingsbefall sollen im Rahmen des Projektes Softwareanwendungen entwickelt werden, die zur Überwachung und Prävention verschiedener Schadereignisse (Sturm, Kalamitäten, Trockenheit, Feuer) genutzt werden können. Durch die Zusammenstellung unterschiedlicher multisensoraler Fernerkundungsdaten (Radar-, Optischer-, Hyperspektral- und Thermaldaten) in Kombination mit Vor-Ort Messungen kann die Vitalität des Waldes kontinuierlich beobachtet sowie Schadenshotspots frühzeitig erkannt werden, um der Forstwirtschaft Möglichkeiten für schnelle Gegenmaßnahmen zu geben. Die Analyse der großen Datenmengen durch Cloud-Computing und Machine-Learning Algorithmen ermöglicht die Modellierung und Prognosen von Schadketten. Der vereinfachte Zugang zu umfangreichen Datenquellen bildet die Basis für ein optimiertes Waldmanagement sowie die Umsetzung lokaler Präventionsmaßnahmen. Darüber hinaus dient die Anwendung als Kommunikationsschnittstelle zwischen den forstlichen Akteuren und soll so Arbeits- und Entscheidungsprozesse unterstützen.
Das Projekt "Teilvorhaben: Johann Heinrich von Thünen-Institut" wird vom Umweltbundesamt gefördert und von Johann Heinrich von Thünen-Institut Bundesforschungsinstitut für Ländliche Räume, Wald und Fischerei - Institut für Waldökosysteme durchgeführt. Vor dem Hintergrund klimatischer Änderungen sowie zunehmendem, diversen Schädlingsbefall sollen im Rahmen des Projektes Softwareanwendungen entwickelt werden, die zur Überwachung und Prävention verschiedener Schadereignisse (Sturm, Kalamitäten, Trockenheit, Feuer) genutzt werden können. Durch die Zusammenstellung unterschiedlicher multisensoraler Fernerkundungsdaten (Radar-, Optischer-, Hyperspektral- und Thermaldaten) in Kombination mit Vor-Ort Messungen kann die Vitalität des Waldes kontinuierlich beobachtet sowie Schadenshotspots frühzeitig erkannt werden, um der Forstwirtschaft Möglichkeiten für schnelle Gegenmaßnahmen zu geben. Die Analyse der großen Datenmengen durch Cloud-Computing und Machine-Learning Algorithmen ermöglicht die Modellierung und Prognosen von Schadketten. Der vereinfachte Zugang zu umfangreichen Datenquellen bildet die Basis für ein optimiertes Waldmanagement sowie die Umsetzung lokaler Präventionsmaßnahmen. Darüber hinaus dient die Anwendung als Kommunikationsschnittstelle zwischen den forstlichen Akteuren und soll so Arbeits- und Entscheidungsprozesse unterstützen.
Das Projekt "Teilvorhaben: Nationalparkverwaltung Bayerischer Wald" wird vom Umweltbundesamt gefördert und von Nationalparkverwaltung Bayerischer Wald, Sachgebiet V - Besuchermanagement und Nationalparkmonitoring durchgeführt. Vor dem Hintergrund klimatischer Änderungen sowie zunehmendem, diversen Schädlingsbefall sollen im Rahmen des Projektes Softwareanwendungen entwickelt werden, die zur Überwachung und Prävention verschiedener Schadereignisse (Sturm, Kalamitäten, Trockenheit, Feuer) genutzt werden können. Durch die Zusammenstellung unterschiedlicher multisensoraler Fernerkundungsdaten (Radar-, Optischer-, Hyperspektral- und Thermaldaten) in Kombination mit Vor-Ort Messungen kann die Vitalität des Waldes kontinuierlich beobachtet sowie Schadenshotspots frühzeitig erkannt werden, um der Forstwirtschaft Möglichkeiten für schnelle Gegenmaßnahmen zu geben. Die Analyse der großen Datenmengen durch Cloud-Computing und Machine-Learning Algorithmen ermöglicht die Modellierung und Prognosen von Schadketten. Der vereinfachte Zugang zu umfangreichen Datenquellen bildet die Basis für ein optimiertes Waldmanagement sowie die Umsetzung lokaler Präventionsmaßnahmen. Darüber hinaus dient die Anwendung als Kommunikationsschnittstelle zwischen den forstlichen Akteuren und soll so Arbeits- und Entscheidungsprozesse unterstützen.
Das Projekt "Teilvorhaben: Waldbesitzerverband Niedersachsen e.V" wird vom Umweltbundesamt gefördert und von Waldbesitzerverband Niedersachsen e.V. durchgeführt. Vor dem Hintergrund klimatischer Änderungen sowie zunehmendem, diversen Schädlingsbefall sollen im Rahmen des Projektes Softwareanwendungen entwickelt werden, die zur Überwachung und Prävention verschiedener Schadereignisse (Sturm, Kalamitäten, Trockenheit, Feuer) genutzt werden können. Durch die Zusammenstellung unterschiedlicher multisensoraler Fernerkundungsdaten (Radar-, Optischer-, Hyperspektral- und Thermaldaten) in Kombination mit Vor-Ort Messungen kann die Vitalität des Waldes kontinuierlich beobachtet sowie Schadenshotspots frühzeitig erkannt werden, um der Forstwirtschaft Möglichkeiten für schnelle Gegenmaßnahmen zu geben. Die Analyse der großen Datenmengen durch Cloud-Computing und Machine-Learning Algorithmen ermöglicht die Modellierung und Prognosen von Schadketten. Der vereinfachte Zugang zu umfangreichen Datenquellen bildet die Basis für ein optimiertes Waldmanagement sowie die Umsetzung lokaler Präventionsmaßnahmen. Darüber hinaus dient die Anwendung als Kommunikationsschnittstelle zwischen den forstlichen Akteuren und soll so Arbeits- und Entscheidungsprozesse unterstützen.
Das Projekt "Teilvorhaben: Landesforst Mecklenburg-Vorpommern Anstalt des öffentlichen Rechts" wird vom Umweltbundesamt gefördert und von Landesforst Mecklenburg-Vorpommern Anstalt des öffentlichen Rechts durchgeführt. Vor dem Hintergrund klimatischer Änderungen sowie zunehmendem, diversen Schädlingsbefall sollen im Rahmen des Projektes Softwareanwendungen entwickelt werden, die zur Überwachung und Prävention verschiedener Schadereignisse (Sturm, Kalamitäten, Trockenheit, Feuer) genutzt werden können. Durch die Zusammenstellung unterschiedlicher multisensoraler Fernerkundungsdaten (Radar-, Optischer-, Hyperspektral- und Thermaldaten) in Kombination mit Vor-Ort Messungen kann die Vitalität des Waldes kontinuierlich beobachtet sowie Schadenshotspots frühzeitig erkannt werden, um der Forstwirtschaft Möglichkeiten für schnelle Gegenmaßnahmen zu geben. Die Analyse der großen Datenmengen durch Cloud-Computing und Machine-Learning Algorithmen ermöglicht die Modellierung und Prognosen von Schadketten. Der vereinfachte Zugang zu umfangreichen Datenquellen bildet die Basis für ein optimiertes Waldmanagement sowie die Umsetzung lokaler Präventionsmaßnahmen. Darüber hinaus dient die Anwendung als Kommunikationsschnittstelle zwischen den forstlichen Akteuren und soll so Arbeits- und Entscheidungsprozesse unterstützen.
Das Projekt "Remote Sensing of Greenhouse Gases for Carbon Cycle Modelling" wird vom Umweltbundesamt gefördert und von Universität Heidelberg, Institut für Umweltphysik durchgeführt. The proposed research aims at contributing to an improved understanding of the biogeochemical processes that control the abundances of carbon dioxide (CO2) and methane (CH4) in the Earth's atmosphere. Mitigation of adverse effects of climate change crucially depends on modelling of these processes. Such modelling, however, is hindered by the sparseness of accurate observational constraints. The goal is to overcome this limitation by remote sensing of the atmospheric CO2 and CH4 concentrations, and thereby providing observational constraints that are highly accurate and consistent among the employed retrieval, validation, and modelling methods. The proposed research group will focus on three main research topics. First, we will exploit remote sensing measurements from space-based platforms such as the Greenhouse Gases Observing SATellite (GOSAT). We will develop and evaluate methods that are able to accurately retrieve atmospheric greenhouse gas concentrations from solar backscatter measurements in the shortwave-infrared (SWIR) spectral range. Second, we will develop a ground-based grating spectrometer that is sufficiently versatile and robust to reliably measure atmospheric CO2 and CH4 concentrations under harsh conditions. Thereby, we aim at validating our satellite measurements at the optimal geolocation, providing additional constraints on sources and sinks, and proving the concept for ground-based monitoring networks and on mobile platforms. Third, we will use a carbon cycle model to assess the benefit of our remote sensing measurements for simultaneously constraining sources and sinks of CO2 and CH4. Our comprehensive approach is designed to cover observation, validation, and data interpretation for prototype case studies.
