Optimierung der Modellierung der langfristigen Luftqualität
|
|
- Lorenz Bach
- vor 6 Jahren
- Abrufe
Transkript
1 Optimierung der Modellierung der langfristigen Luftqualität Hans-Jürgen Panitz Forschungszentrum Karlsruhe Institut für Meteorologie und Klimaforschung (IMK-TRO) Projekt 740 finanziert durch die Landesstiftung Baden-Württemberg Im Rahmen des Forschungsprogramms Modellierung und Simulation auf Hochleistungscomputern Projekt:
2 Zielsetzung und Vorgehensweise
3 externe Daten Meteorologie und Chemie aus Messungen, Analysen oder Modellergebnissen stündliche EURAD Modellergebnisse Motivation und Schematische Darstellung des Ablaufes des Projekts externe Daten Stündliche Emissionen IER Messungen Meteorologie, SO2, CO, NOx, O3 62 UMEG-Stationen U, V, T, QD, RR (, abgeleitete Größen) auf Druckflächen M1: Automatisierte, skriptgesteuerte Programmketten zur Bereitstellung der externen Eingabedaten: Emissionen, Anfangs- und Randwerte, Grundzustands- und Nudgingfelder Klassifizierung meteorologischer Situationen in K Klassen, Auswahl von K Repräsentanten KAMM/DRAIS Simulationen für 2000 Ergebnisspeicherung: 1h Horizontale Auflösung: 5km Berechnung statistischer Kenngrößen, die Langfristluftqualität repräsentieren Vergleich für Stichproben Vergleich und Beurteilung
4 Ziel: Bereitstellung einer Methode für die Klassifizierung meteorologischer Situationen in Hinblick auf ihre praktische Anwendbarkeit bei der Analyse der langfristigen Luftqualität einer Region Untersuchung und Beurteilung von zwei verschiedenen Methoden: 1. klassische Clusteranalyse: Ward Methode (hierarchisch agglomerativ) K-Means (partitionierender Algorithmus) 2. SOM Technik (Self Organizing Maps) vom Ansatz partitionierend, Methode der Zuordnung von Objekten und Klassen anders als z.b. K-Means
5 Beurteilungskriterien: Effektivität der Methode (Handhabung, Rechenzeit, Interpretation der Klassifizierungsergebnisse) Repräsentieren die gefundenen Klassen das Spektrum der möglichen meteorologischen Bedingungen? Stimmen Luftqualitätsindikatoren, abgeleitet aus den Ergebnissen der Klassifizierung überein mit denen, die aus einer Detailberechnung von Schadstoffverteilungen berechnet wurden?
6 NX =59 NY=55 NZ=35 Obergrenze: 5000m über NN SOUTH <-- (Y in Km) --> NORTH KAMM/DRAIS Simulationen KAMM/DRAIS MODEL DOMAIN (DX=DY=5km) Saarbruecken Basel Kehl Freiburg Mannheim Karlsruhe Freudenstadt Heilbronn Stuttgart Konstanz WEST <-- (X in Km) --> EAST Ulm TOPO (m) X=5km Y=5km Z Boden 10m Z Top 250m Start der Simulation: 1 Januar 00:00 UTC, Ergebnisspeicherung: t = 1h Numerischer Zeitschritt: 20 sec Anfangs- und Randbedingungen aus EURAD Ergebnissen: Reinitialisierung jeden 2. Tag mit Einschwingphase von 3 h Randwerte werden stündlich neu eingelesen: T, QD, and C durch Flussmethode: advektiver Transport über den Rand Für u und v Orlanski Strahlungsbedingungen zu jedem numerischen Zeitschritt Großskaliger Grundzustand und Nudging Felder für u und v alle 3h neu, dazwischen lineare Interpolation Nudging Koeffizient: 3.0E-4 konstant
7 Kurze Erinnerung TBB MOS TOPO (m) Ergebnisse 200 der KAMM/DRAIS Simulationen Above im Vergleich KA-STR mit Messungen Y in Km KEH-S FR-STR KAEL RHF MA-N HD WIL FDS PF-M CW RW X in Km LB WN S-H EH BC UL AA Below 0
8 N = Mittlerer Bias S O N 1 i i i = N S O MNB i i N 1 i S i + O i S i = Modellergebnisse O i = Messwerte Mittelwerte: Simulation: 21.3 ppb Messung: 23.9 ppb Mittlerer BIAS: -2.6 ppb MNB: % N: stündliche Werte
9 Vergleich Modellergebnisse mit Messdaten Die Ergebnisse der Detailsimulation sind mit Blick auf das eigentliche Ziel des Projekts und unter Berücksichtigung von Bedingungen wie Auflösung des Rechengitters und Unsicherheiten in den Eingangsdaten zufrieden stellend. Auffallend beim Ozon: systematische Unterschätzung der gemessenen Werte in der ersten Jahreshälfte
10 Mögliche Gründe für Diskrepanzen: Auflösung des Modellgitters zu grob. Punktmessungen werden mit Flächenmittelwerten verglichen; Parametrisierung der Ozonchemie für den Winter und das Frühjahr hat Defizite; anderen Ozonquellen, z.b. Intrusion aus der Stratosphäre; Ergebnisse der meteorologischen Simulationen zu ungenau; Anfangs- und Randbedingungen stimmen nicht; Emissionsdaten sind nicht genau genug
11 Sensitivitätsstudie für Monat Januar Mittelwert (ppb) (Messwert) Kein Regen Verdoppelung Niederschlagsintensität Geringere Windgeschwindigkeit Anfangs - werte Ränder O (13.4) Leichte Abnahme (-4.3%) Leichte Zunahme (1.2%) Abnahme (-9.7%) Zunahme (5.5%) Zunahme (154.5%) NO X 36.0 ( 39.6) Leichte Zunahme (1%) Leichte Abnahme (-0.7%) Zunahme (19.4%) Abnahme (-2.1%) Abnahme (-6.6%) Größter Einfluss durch Veränderung der Windgeschwindigkeit, aber falsche Richtung, Ozon nimmt weiter ab der Randwerte, Erhöhung der Ozonwerte unrealistisch
12
13 Clusteranalyse Verwendete Methoden Klassische Clusteranalyse: WARD, K-MEANS SOM Technik
14 Klassifizierte Objekte: tägliche meteorologische Bedingungen des Jahres 2000 Charakterisiert durch Tagesmittelwerte der verschiedener meteorologischen Größen Alle Größen ermittelt aus Ergebnissen des EURAD Modells an 11*10 = 110Gitterpunkten 2 Parameterkombinationen: Kombination bodennah 850 hpa 700 hpa 500 hpa # Variable 1 Ps, U10, V10 U, V, T, U, V, T, U, V, T, 1650 = 15*110 2 Ps, U10, V10, T2, Qd2 U, V, T,, Qd - U, V, T,, Qd 1650 = 15*110
15 Größe der Datenmatrizen sowie Zahl der signifikanten EOFs und die jeweiligen erklärten Anteile an der Gesamtvarianz für verschiedene Klassifikationszeiträume Parameterkombination 1 Zeitspanne Größe Rohdatenmatrix Anzahl signifikanter EOFs Erklärter Varianzanteil (%) Größe Ausgangsmatrix für Clusteranalyse Jahr 366 x x 12 April-September 183 x x 10 Mai-Juli 92 x x 7 Parameterkombination 2 Zeitspanne Größe Rohdatenmatrix Anzahl signifikanter EOFs Erklärter Varianzanteil (%) Größe Ausgangsmatrix für Clusteranalyse Jahr 366 x x 14 April-September 183 x x 12 Mai-Juli 92 x x 9
16 d j d2 0 d 2 jk Forschungszentrum Karlsruhe Problem einer jeden Klassifizierung Bestimmung der optimalen Anzahl von Klassen in Anlehnung an Ausreißeranalyse von Bacher (2002), Definition eines Homogenitäts-/Ausreißerkriteriums: Eine Clusterlösung mit K Klassen ist homogen/ausreißerfrei falls d2 jk d = 1 j d2 0 = standardisierte Distanz des Objektes j vom Zentrum des Clusters g k = mittlere quadrierte euklidischen Distanz aller Objekte vom Zentrum der 1-Clusterlösung = Summe über die quadrierten euklidischen Distanzen der Variablen i innerhalb einer Klasse g k vom jeweiligen Clusterzentroid x Bacher, J., 2002: Clusteranalyse, Oldenbourg Verlag g i k
17 Ergebnisse Clusteranalyse Parameterkombination 1 Methode Rechenzeit (sec) NCMIN NCMAX Clusterzahl SOM WARD K-Means
18 Ergebnisse Clusteranalyse Vergleich Luftqualitätsindikatoren resultierend aus Detailsimulation bzw. Clusteranalysen
19 Mittlere Tagesgänge Ozon. Mittelung über alle Stationen Abweichungen < 7%
20 O3 K-MEANS 20 ±10% Klassifikation: 62 Stationen Mittelwerte O3: Referenz: 19.3 ppb K-MEANS 20: 19.1 ppb Bias: ppb Rel. Bias % O3 SOM 21 Klassifikation: 62 Stationen Mittelwerte O3: Referenz: 19.3 ppb SOM 21: 22.5 ppb Bias: 3.2 ppb Rel. Bias 7.6 % ±15% O3Max K-MEANS 20 Klassifikation: 62 Stationen Mittelwerte O3Max: Referenz: 35.6 ppb K-MEANS 20: 36.3 ppb Bias: 0.7 ppb Rel. Bias 0.9 % O3Max SOM 21 Klassifikation: 62 Stationen Mittelwerte O3Max: Referenz: 35.6 ppb SOM 21: 40.2 ppb Bias: 4.6 ppb Rel. Bias 6.0% Vergleich Jahresmittelwerte an Messstationen
21 Max Rel. Bias: 90-Perzentil: -29% Rel. Bias Mittelwerte:< 10% Max Rel. Bias: 90-Perzentil: 25% Mittlere Tagesgänge NOx. Mittelung über alle Stationen
22 Klassifikation: 62 Stationen Mittelwerte NO: Referenz: 8.3 ppb SOM 21: 5.7 ppb Bias: ppb Rel. Bias: % NO NO2 Klassifikation: 62 Stationen Mittelwerte NO2: Referenz: 10.4 ppb SOM 21: 9.8 ppb Bias: -0.6 ppb Rel. Bias: -3.0 % Klassifikation: 62 Stationen Mittelwerte NO: Referenz: 8.3 ppb K-MEANS: 11.0 ppb Bias: ppb Rel. Bias: 14.1% NO NO2 Klassifikation: 62 Stationen Mittelwerte NO2: Referenz: 10.4 ppb K-MEANS: 11.4 ppb Bias: 1.0 ppb Rel. Bias: 4.6 % Vergleich Jahresmittelwerte an Messstationen
23 SOMO35 K-MEANS-20 Klassifikation Anzahl Stationen: 62 Einzelwerte: Rel. Bias 10% ; 62 (100%) Mittelwerte: Referenz: 2.0 ppm d K-Means-20: 2.1 ppm d Bias: 0.1 ppm d Rel. Bias: 4.4 % Vollständige Simulation SOMO35: (Sum of Ozone Means over 35 ppb) Jährliche Summe über die täglichen Maxima der 8-stündigen gleitenden Mittelwerte, die 35 ppb überschreiten: SOMO35 Ny = max Ad 35ppb,0 = d 1 8
24 AOT40: (accumulated amount of ozone above 40 ppb) Integrationsintervall AOT40 für Wälder: April-September, 08:00 20:00 Lokalzeit AOT 40 max O 3 40 ppb,0 = dt AOT40F K-Means-16 Klassifikation 62 Stationen AOT40F SOM-28 ±15% Mittelwerte K-Means Referenz: 12.6 ppm h K-Means16: 12.4 ppm h Bias: -0.2 ppm h ±15% ±10% Rel. Bias: -1.1% ±10% Mittelwerte SOM Referenz: 12.6 ppm h SOM-28: 11.1 ppm h Bias: -1.5 ppm h Rel. Bias: -6.3%
25 Bewertung System mit Methoden zur Klassifizierung meteorologischer Bedingungen mit Hinblick auf Anwendungen zur Bestimmung der langfristigen Luftqualität in Baden-Württemberg wurde entwickelt Statistische Kenngrößen, die die Luftqualität beschreiben, lassen sich mit genügender Genauigkeit auf Basis der Ergebnisse der Klassifizierung berechnen Rückschluss auf tatsächliche langfristige Luftqualität in B.-W. nicht möglich, dazu muss Zeitraum von Jahren betrachtet werden
26 Hinsichtlich der Kriterien Forschungszentrum Karlsruhe Bewertung Effizienz der Methode und Repräsentativität der gefundenen Klassen erscheint K-Means Verfahren am besten geeignet (im Mittel geringste Abweichungen zu den Ergebnissen aus vollständiger Jahressimulation) Ergebnisse basierend auf SOM weisen im Mittel größte Abweichungen auf; außer Notwendigkeit zur Festlegung der Zahl der Klassen weitere Parametervorgaben nötig, die SOM beeinflussen
27 Aspekte und Fragestellungen, die sich aus dem Projekt ergeben haben 1. Sensitivitätsstudie mit unterschiedlichen Parametereinstellungen bei SOM 2. Luftqualität nicht nur abhängig von den meteorologischen Bedingungen, sondern auch von Emissionen, die nicht nur von der Tageszeit, sondern auch vom Wochentag (Werktag/Wochenende) und von den Jahreszeiten abhängen. Um noch bessere Abschätzungen der Luftqualität zu erreichen Müssen Emissionen mit in die Klassifizierung einbezogen werden? Müssen für jede gefundene Klasse mittlere oder gewichtete Emissionsverteilungen sowie mittlere Antriebs- und Randdaten erstellt werden, die dann als Eingabe neuer Modellrechnungen verwendet werden? 3. Klassifizierung von realen, also nicht der von einem Modell berechneten meteorologischen Größen (direkte Messungen oder datenassimilierte Analysen) 4. Beurteilung der Ergebnisse der Klassifizierung aus meteorologischer Sicht. Repräsentativität der gefundenen Klassen wurde nur über die Qualität der Reproduktion der statistischen Luftqualitätskenngrößen beurteilt
28 Aspekte und Fragestellungen, die sich aus dem Projekt ergeben haben 5. Systematische Untersuchung der Gründe für die Unterschätzung der Ozonkonzentrationen durch Modell in der ersten Jahreshälfte, z.b. durch Anwendung eines zum Teil noch zu entwickelnden adjungierten KAMM/DRAIS Modells 6. Austausch des Modellsystems KAMM/DRAIS durch das System LM-ART (Vogel, B. und Mitarbeiter, 2006; ART: Aerosols and Reactive Trace gases), in dem das Ausbreitungsmodell DRAIS an das Lokal Modell LM des Deutschen Wetterdienstes angekoppelt wurde. Dadurch Erweiterung der Berechung der Luftqualitätsindikatoren auf Feinstäube und Pollen möglich. Vogel, B. und Mitarbeiter (2006):
29 Ich bedanke mich Forschungszentrum Karlsruhe Danksagung bei der Landesstiftung Baden-Württemberg für die Finanzierung des Projektes beim Zentrum für Umweltmessungen, Umwelterhebungen und Gerätesicherheit (UMEG) für die Bereitstellung der umfangreichen Messdaten bei den Kollegen des Instituts für Energiewirtschaft und Rationelle Energieanwendung (IER, Universität Stuttgart) und des Rheinischen Instituts für Umweltforschung (Universität zu Köln, EURAD Gruppe) für die zügige Berechnung und Übermittlung der für das Modellsystem KAMM/DRAIS notwendigen Eingangsdaten bei Herrn Dipl.-Met. Klaus Nester für die Hilfe bei der Erstellung des Präprozessorsystems und der Umstellung des Modellsystems KAMM/DRAIS für Langzeitsimulationen bei Prof. Dr. Johann Bacher, Johann Kepler Universität Linz, für die umfangreiche Statistiksoftware, die auch Programme zur klassischen Clusteranalyse enthält bei Herrn Dr. Gerd Schädler für die Hilfe beim Umgang mit der SOM-Methode
30 O3Max WARD-19 ±10% Klassifikation: 62 Stationen Mittelwerte O3Max: Referenz: 35.6 ppb WARD-19: 36.7 ppb Bias: 1.1 ppb Rel. Bias 1.4% O3Max Vollständige Simulation: 56 Stationen Mittelwerte O3Max: Simulation: 35.7 ppb Messung: 38.7 ppb Bias: 3.0 ppb Rel. Bias -4.0% ±15% NO2 K-Means-20 Klassifikation: 62 Stationen Mittelwerte NO2: Referenz: 10.4 ppb K-Means-20: 11.4 ppb Bias: 1.0 ppb Rel. Bias 4.6% ±50% NO2 ±30% Vollständige Simulation: 62 Stationen Mittelwerte NO2: Simulation: 10.5 ppb Messung: 15.1 ppb Bias: -4.6 ppb Rel. Bias -19.4% Vergleich Jahresmittelwerte an Messstationen
31 Bezug zum Hochleistungsrechnen Notwendigkeit der Nutzung eines Hochleistungsrechners ergibt sich aus der Struktur des Modellsystems: 3-D Gitterpunktsmodell, konzipiert für meteorologische und luftchemische Untersuchungen über strukturiertem Gelände, numerische Lösung der Navier-Stokes-Gleichung und Bilanzgleichungen für 41 chemisch reaktive Spurengase Anwendung des bereits existierenden und für einen Vektorrechner konzipierten Modellsystems KAMM/DRAIS Keine Neuentwicklung jedoch Modifikationen, um der Simulationszeit von einem Jahr Rechnung zu tragen (Nasschemie, jahreszeitliche Veränderungen der Vegetation, I/O Strukturen) Verwendeter Rechner: VPP5000 (Vektor-Parallel-Rechner) des FZK Max. 8 Processing Elements (PE). Jede PE hat Vector Unit mit 9.6 GFlop/s und Scalar Unit mit 1.2 GFlop/s, 6 PEs mit 8 Gbyte, 2 mit 16 Gbyte Hauptspeicher Rechenzeit für gesamte Simulation für das Jahr 2000: ca CPU Stunden 71 Tage
32 Bestimmung der Clusterzahl durch ein Homogenitätskriterium Situation: n Objekte, charakterisiert durch N Variable, wurden in K Gruppen klassifiziert. Jedes Cluster besteht aus n k Objekten, k = 1,, K. Es gilt also n = K n k k = 1 Die Klassifizierung wird beendet, wenn alle Objekte j das Homogenitätskriterium erfüllen: j d j = 2 d jk 2 d 0 d : standardisierte Distanz des Objektes j vom Zentrum des Cluster ( ) N 2 d jk = x ji x g i i = 1 Distanzen innerhalb eines Clusters x d g k = i n k SQ = n tot n k k j = 1, j g k x 1. 2 : für jedes Objekt j, j = 1,., nk, die Summe über alle quadr. euklid. ji g k : Klassenzentrum (Mittelwert) der Variablen i im Cluster g k g, i = 1, N, k, mittlere quadr. euklid. Distanz aller Objekte vom Zentrum der 1-Clusterlösung n N SQ = ( ) x x tot j = 1 i = 1 ji i 2 : Gesamtstreuungsquadratsumme; X : für Objekt j, j= 1,..., n, ji der Wert der Variablen i, I = 1,, N, x : Mittelwert von i, i = 1,, N, gemittelt über alle n Objekte i K Clusterlösung erfüllt als erste Kriterium für alle Objekte. Für Lösung K > K auch immer erfüllt.
33 Sensitivität der Ergebnisse bei unterschiedlicher Clusterzahl: Beispiel Parameterkombination 1 Klassifizierung über das ganze Jahr Methode: K-MEANS Zahl der Cluster: 20 (Homogenitätskriterium) Zahl der Cluster: 32 (Kriterium: - Index) Zahl der Cluster: 4 (Prozentuale Verbesserung gegenüber vorausgehender Clusterlösung)
34 Sensitivität der Ergebnisse bei unterschiedlicher Clusterzahl: O3 O3 Max Mittelwert mittl. Abweichung zur Referenz mittl. rel. Abweichung zur (ppb) (ppb) Referenz (%) Referenz 19,31 0,00 0,00 K-MEANS 20 19,10-0,21-0,68 K-MEANS 32 20,08 0,77 1,96 K-MEANS 04 17,96-1,35-3,63 Referenz 35,64 0,00 0,00 K-MEANS 20 36,25 0,61 0,85 K-MEANS 32 36,53 0,89 1,22 K-MEAN ,67 1,04 1,08
35
36 EURAD Domain N0 Horizontal resolution: 125km Area N0-data are provided for EURAD Domain N1 Horizontal resolution: 25km Area N1-data are provided for KAMM/DRAIS Domain Horizontal resolution: 5km
Optimierung der Modellierung der langfristigen Luftqualität 1
Optimierung der Modellierung der langfristigen Luftqualität 1 Hans-Jürgen Panitz Forschungszentrum Karlsruhe / Institut für Meteorologie und Klimaforschung, Hermann-von-Helmholtz-Platz 1 D-76344 Eggenstein-Leopoldshafen
Kartendienst zur Luftschadstoffbelastung in Deutschland
Kartendienst zur Luftschadstoffbelastung in Deutschland Eine interaktive Darstellung der räumlichen Verteilung von Feinstaub, Ozon und Stickstoffdioxid sowie Arsen, Blei, Cadmium, Nickel und Benzo(a)pyren
Kartendienst zur Luftschadstoffbelastung in Deutschland
Kartendienst zur Luftschadstoffbelastung in Deutschland Eine interaktive Darstellung der räumlichen Verteilung von Feinstaub, Ozon und Stickstoffdioxid Informationen zur Handhabung I. Datenaufbereitung
Multivariate Verfahren
Multivariate Verfahren Lineare Regression Zweck: Vorhersage x Dimensionsreduktion x x Klassifizierung x x Hauptkomponentenanalyse Korrespondenzanalyse Clusteranalyse Diskriminanzanalyse Eigenschaften:
Wirkung von Umweltzonen auf die Luftqualität Ein Versuch der Bewertung
Wirkung von Umweltzonen auf die Luftqualität Ein Versuch der Bewertung Problem eines messtechnischen Nachweises Auswertungen von Messdaten für Ruhrgebiet Verkehrsmenge, Flottenzusammensetzung Modellierung
Hochauflösende Simulation künftiger Starkniederschlagsereignisse (ReSiPrec)
G. Schädler Statusseminar erausforderung Klimawandel 29.9.2008 Hochauflösende Simulation künftiger Starkniederschlagsereignisse () G. Schädler, H. Feldmann, H.-J. Panitz, B. Früh, R. Kohlhepp, Ch. Kottmeier
Hochauflösende Simulation künftiger Starkniederschlagsereignisse (ReSiPrec)
G. Schädler Statusseminar erausforderung Klimawandel 29.9.2008 Hochauflösende Simulation künftiger Starkniederschlagsereignisse () G. Schädler, H. Feldmann, H.-J. Panitz, B. Früh, R. Kohlhepp, Ch. Kottmeier
Clusteranalyse K-Means-Verfahren
Workshop Clusteranalyse Clusteranalyse K-Means-Verfahren Graz, 8. 9. Oktober 2009 Johann Bacher Johannes Kepler Universität Linz Linz 2009 1 1. Fragestellung und Algorithmus Bestimmung von Wertetypen (Bacher
Model Output Statistics (MOS)
Model Output Statistics (MOS) Numerische Modelle zur Wettervorhersage (NWV Modelle) berechnen den zukünftigen Zustand der Atmosphäre zu bestimmten Zeitpunkten (Prognose). Als Basis für die Berechnung der
Berechnung von verkehrsbedingten Immissionen und Ermittlung ihrer Auswirkung auf Baudenkmälern
Berechnung von verkehrsbedingten Immissionen und Ermittlung ihrer Auswirkung auf Baudenkmälern Forschungsprojekt gefördert von der Deutschen Bundesstiftung Umwelt 2009 / 2011 Institut für Steinkonservierung
Klimaänderungen Prognosen Unsicherheiten
Klimaänderungen Prognosen Unsicherheiten Klimawandel Prof. Dr. Günter Gross Institut für Meteorologie und Klimatologie Fakultät für Mathematik und Physik Leibniz Universität Hannover Klimawandel in Niedersachsen
11. Symposium Energieinnovation. Die Wasserkraftnutzung in Österreich bei Klimaänderungen
Wasserkraft bei Klimaänderung 1 11. Symposium Energieinnovation Die Wasserkraftnutzung in Österreich bei Klimaänderungen, P. Stanzel Institut für Wasserwirtschaft, Hydrologie und konstruktiven Wasserbau
BESONDERE IMMISSIONSVERHÄLTNISSE WÄHREND DER INVERSIONS- WETTER LAGEN IM JANUAR 2002
BESONDERE IMMISSIONSVERHÄLTNISSE WÄHREND DER INVERSIONS- WETTER LAGEN IM JANUAR 2002 Umweltmessungen Umwelterhebungen und Gerätesicherheit BESONDERE IMMISSIONSVERHÄLTNISSE WÄHREND DER INVERSIONSWETTER-
Die Wettervorhersage und ihre Tücken
Lehrerfortbildung 11. Juni 2008 Die Wettervorhersage und ihre Tücken M. Kunz Institut für Meteorologie und Klimaforschung Universität / Forschungszentrum Karlsruhe die Realität Orkantief Lothar am 26.12.1999
Zukünftige Entwicklung der NO 2 -Konzentration an Straßen Szenarien zur Einführung der neuen Grenzwertstufen
LUBW-Fachgespräch am 21. Juli 211 in Stuttgart Emissionen und Minderungspotenziale im Verkehrsbereich - Was bringt Tempo 3 und wie stark wird Euro 6 die NO 2 -Emissionen im Realbetrieb senken?" Zukünftige
Aufbau des GMES Dienstes Atmosphäre
Aufbau des GMES Dienstes Atmosphäre Johannes Flemming European Centre for Medium-Range Weather Forecasts Atmosphärische Spurenstoffe 14.April 2010 Eyjafjalla Ausbruch Quelle: scienceblogs.com Foto: Reuters
Die regionale GAW Station Hoher Sonnblick: Trends und Herkunft von Spurengasen Interpretation und Ausblick
Forschung im Hochgebirge, 20./21. 10. 2009, ÖAW Wien A. Kaiser, H. Scheifinger Die regionale GAW Station Hoher Sonnblick: Trends und Herkunft von Spurengasen Interpretation und Ausblick Folie 2 Ziele von
TEIL 11: BIVARIATE ANALYSE FÜR ORDNINALSKA- LIERTE VARIABLEN
TEIL 11: BIVARIATE ANALYSE FÜR ORDNINALSKA- LIERTE VARIABLEN GLIEDERUNG Verfahren, welche auf dem paarweisen Vergleich beruhen Tau-a-Koeffizient Tau-b-Koeffizient Gamma-Koeffizient Alternativen zum paarweisen
Flächendeckende Ermittlung der Immissions-Vorbelastung für Baden-Württemberg METTOOLS IX , Offenbach
Flächendeckende Ermittlung der Immissions-Vorbelastung für Baden-Württemberg F. Pfäfflin IVU Umwelt GmbH, V. Diegmann Freiburg R. Stern Berlin W. Scholz LUBW und L. Neunhäuserer IVU Umwelt E. Reimer Berlin
Minderung des urbanen NO 2 -Problems: Lösungsansätze und ihre Wirkungen
Minderung des urbanen NO 2 -Problems: Lösungsansätze und ihre Wirkungen S. Wurzler 1, H. Hebbinghaus 1, H.-G. Schlich 1, I. Steckelbach 1, L. Schmidt 1, T. Schöllnhammer 2, S. Nowag 2, T. Schulz 1, A.
Schneemodellierung mit LARSIM Erfahrungen der HVZ Baden- Württemberg, Winter 09/10 und 10/11 LARSIM-Anwenderworkshop Luxemburg 21./22.03.
Schneemodellierung mit LARSIM Erfahrungen der HVZ Baden- Württemberg, Winter 09/10 und 10/11 Angela Sieber (Hydron GmbH) Dr. Manfred Bremicker (LUBW) LARSIM-Anwenderworkshop Luxemburg 21./22.03.11 Verwendung
COPERNICUS-Projekt Satellitenbasierte Dienste und mobile Anwendungen für Luftqualität
Für Mensch & Umwelt Fachsession CAMS - Copernicus Forum 2017 COPERNICUS-Projekt Satellitenbasierte Dienste und mobile Anwendungen für Luftqualität Ute Dauert & Jewgenia Bär Fachgebiet II 4.2 Beurteilung
Analyse der Variabilität der Windenergieerzeugung über Europa. Maximilian Fattinger, Gerhard Totschnig, Hans Auer
Analyse der Variabilität der Windenergieerzeugung über Europa Maximilian Fattinger, Gerhard Totschnig, Hans Auer Arbeiten im Rahmen des Klima- und Energiefonds Projektes Partner: AutRES100-HiREPS Modell
Clusteranalyse. Anwendungsorientierte Einführung. R. Oldenbourg Verlag München Wien. Von Dr. Johann Bacher
Clusteranalyse Anwendungsorientierte Einführung Von Dr. Johann Bacher R. Oldenbourg Verlag München Wien INHALTSVERZEICHNIS Vorwort XI 1 Einleitung 1 1.1 Primäre Zielsetzung clusteranalytischer Verfahren
Zahlen und Fakten zur Rede von Dr. Paul Becker, Vizepräsident des Deutschen Wetterdienstes
Zahlen und Fakten zur Rede von Dr. Paul Becker, Vizepräsident des Deutschen Wetterdienstes Gefahren durch extreme Niederschläge nehmen ab Mitte des Jahrhunderts deutlich zu Inhalt Seite Veränderung der
Daten zur Nürnberger Umwelt
Umweltreferat Stadtentwässerung und Umweltanalytik Nürnberg Daten zur Nürnberger Umwelt 2. Quartal 214 April-Mai-Juni Daten zur Nürnberger Umwelt, Bericht für das zweite Quartal 214 1 Impressum Herausgeber:
LARSIM-Anwendertreffen 2014
LARSIM-Anwendertreffen 214 Alternative statistische Maßzahlen zur Modellbewertung Definition und erste Ergebnisse Ingo Haag HYDRON Ingenieurgesellschaft für Umwelt und Wasserwirtschaft mbh Norbert Demuth
Klimawandelgerechte Metropole Köln Strategien zur Anpassung an den Klimawandel (KÖLN_21)
Köln, 05.10.20111 Workshop und Präsentation von Zwischenergebnissen Klimawandelgerechte Metropole Köln Strategien zur Anpassung an den Klimawandel (KÖLN_21) Starkniederschlagsereignisse in der Stadt Köln
Untersuchung der räumlichen Verteilung der NO x -Belastung im Umfeld von hoch belasteten Luftmessstationen
Untersuchung der räumlichen Verteilung der NO x -Belastung im Umfeld von hoch belasteten Luftmessstationen Anlass Immissionssituation für Stickstoffdioxid (NO 2 ) in Bayern Überschreitungen des Jahresmittelgrenzwertes
BASt-Kolloquium Luftreinhaltung durch Photokatalyse am in Bergisch Gladbach
BASt-Kolloquium Luftreinhaltung durch Photokatalyse am 23.09.2015 in Bergisch Gladbach -1- Modellrechnungen zur Abschätzung der maximalen Wirkung einer LSW mit photokatalytischer Oberfläche - Vergleich
Entwicklung und Bewertung solarer Nowcasting-Systeme
DLR.de Folie 1/11 Entwicklung und Bewertung solarer Nowcasting-Systeme Pascal Kuhn, Pascal.Kuhn@dlr.de Institut für Solarforschung, Deutsches Zentrum für Luft- und Raumfahrt B. Nouri, S. Wilbert, T. Schmidt,
Nutzung regionaler Reanalysen im Anwendungsbereich regenerativer Energien
Nutzung regionaler Reanalysen im Anwendungsbereich regenerativer Energien Christopher Frank1,2,Jan Keller1,4, Christian Ohlwein1,3, Susanne Crewell2, Petra Friederichs3, Andreas Hense3, Ulrich Löhnert2,
Geo 241 Modellierung von Systemen Modulverantwortlicher: Dr. Krause. Sommersemester 2009
Geo 241 Modellierung von Systemen Modulverantwortlicher: Dr. Krause Sensitivität Tino Wunderlich Matrikel 100028 Gliederung 1. Sensitivität in der Statistik ( Berechnung / Beispiel) 2. Sensitivität in
Unsicherheiten bei der Ermittlung der Seegangsverhältnisse im Küstenbereich
Unsicherheiten bei der Ermittlung der Seegangsverhältnisse im Küstenbereich Christian Schlamkow / Norman Dreier Fachgebiet Küstenwasserbau Universität Rostock 25.03.2010 2009 UNIVERSITÄT ROSTOCK Fragestellungen
5. Clusteranalyse. Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften
5. Clusteranalyse Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften benennen und anwenden können, einen Test auf das Vorhandensein einer Clusterstruktur kennen, verschiedene
5. Clusteranalyse Vorbemerkungen. 5. Clusteranalyse. Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften
5. Clusteranalyse Vorbemerkungen 5. Clusteranalyse Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften benennen und anwenden können, einen Test auf das Vorhandensein einer
Institut für Schallforschung
Österreichische Akademie der Wissenschaften Institut für Schallforschung Das Projekt RELSKG - Entwicklung eines vereinfachten Rechenverfahrens für Lärmschutzwände mit komplexer Geometrie Holger Waubke,
Jänner 2017 der Monat der Eistage!
Jänner 2017 der Monat der Eistage! In der Naturwissenschaft ist nicht nur die Planung und Durchführung von Experimenten von großer Wichtigkeit, sondern auch die Auswertung und die grafische Darstellung
Vorwarnung für Allergiker Neue Wege der Pollenvorhersage
Vorwarnung für Allergiker Neue Wege der Pollenvorhersage B. Vogel, H. Vogel, A. Pauling *, M. Rotach *, U. Kaminski +, J. Förstner + * MeteoSchweiz; + Deutscher Wetterdienst René Ostrowski René Ostrowski
Multivariate Statistische Methoden und ihre Anwendung
Multivariate Statistische Methoden und ihre Anwendung in den Wirtschafts- und Sozialwissenschaften Von Prof. Dr. Hans Peter Litz Carl von Ossietzky Universität Oldenburg R. Oldenbourg Verlag München Wien
Statistical and Dynamical Downscaling of Numerical Climate Simulations
Statistical and Dynamical Downscaling of Numerical Climate Simulations Enhancement and Evaluation for East Asia Thorsten Simon Meteorologisches Institut Universität Bonn Projektbeschreibung Drying of the
COPERNICUS-Projekt Satellitenbasierte Dienste und mobile Anwendungen für Luftqualität
Für Mensch & Umwelt 1. Nationaler Copernicus Nutzer-Fachworkshop COPERNICUS-Projekt Satellitenbasierte Dienste und mobile Anwendungen für Luftqualität Ute Dauert & Jewgenia Bär Fachgebiet II 4.2 Beurteilung
Improving the Accuracy of GPS
Improving the Accuracy of GPS Stephan Kopf, Thomas King, Wolfgang Effelsberg Lehrstuhl für Praktische Informatik IV Universität Mannheim Gliederung Motivation ierungsfehler von GPS Steigerung der Genauigkeit
Ozonsituation 2009 in der Bundesrepublik Deutschland
Ozonsituation 2009 in der Bundesrepublik Deutschland Umweltbundesamt, Dezember 2009 Jahresbericht Ozon 2009 1 Inhaltsverzeichnis Seite 1 Einleitung 2 1.1 Informationen zu Schwellen- und Zielwerten 2 1.2
Zur Herkunft der NO 2 -Konzentrationen an einer BAB-Messstelle Erste Ergebnisse zu Innerortsmesswerten
Startfolie Unerwartet geringe Abnahme bzw. Zunahme der NO2-Belastung Fachgespräch im Bundesumweltministerium am 15. September 25 in Bonn Zur Herkunft der -Konzentrationen an einer BAB-Messstelle Erste
Fehlerrechnung. Einführung. Jede Messung ist fehlerbehaftet! Ursachen:
Fehlerrechnung Einführung Jede Messung ist fehlerbehaftet! Ursachen: Ablesefehler (Parallaxe, Reaktionszeit) begrenzte Genauigkeit der Messgeräte falsche Kalibrierung/Eichung der Messgeräte Digitalisierungs-Fehler
... Text Clustern. Clustern. Einführung Clustern. Einführung Clustern
Clustern Tet Clustern Teile nicht kategorisierte Beispiele in disjunkte Untermengen, so genannte Cluster, ein, so daß: Beispiele innerhalb eines Clusters sich sehr ähnlich Beispiele in verschiedenen Clustern
Die Visualisierung von klimatischen Kenngrößen für die Praxis
Die Visualisierung von Dr. Hans Schipper SÜDDEUTSCHES KLIMABÜRO / INSTITUT FÜR METEOROLOGIE UND KLIMAFORSCHUNG KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu Klimawandelanpassung.
Windenergie an Land. Heinz-Theo Mengelkamp. anemos Gesellschaft für Umweltmeteorologie mbh
Windenergie an Land Erarbeitung einer Roadmap zur Erstellung eines Windatlanten Heinz-Theo Mengelkamp anemos Gesellschaft für Umweltmeteorologie mbh Fraunhofer-Institut für Windenergie und Energiesystemtechnik
GLOWA-ELBE Abschlusskonferenz 15./16. März 2004 in Potsdam
GLOWA-ELBE Abschlusskonferenz 15./16. März 2004 in Potsdam Klima Simulationsergebnisse des regionalen Klimamodells STAR Friedrich-Wilhelm Gerstengarbe, Peter C. Werner Potsdam-Institut für Klimafolgenforschung
Trends von kraftfahrzeugbedingten Emissionen anhand von Luftqualitätsmessungen in Deutschen Kurorten
Zentrum für medizinmeteorologische Forschung, Freiburg KU12: Lufthygiene Trends von kraftfahrzeugbedingten Emissionen anhand von Luftqualitätsmessungen in Deutschen Kurorten Dr. Stefan Gilge, Volker Dietze,
Einfluss von Meteorologie und Wald auf die Schallausbreitung Arthur Schady 1, Astrid Ziemann 2, Dietrich Heimann 1
DLR.de Folie 1 > IX METTOOLS > Arthur Schady > 19.03.2015 IX METTOOLS 2015 Einfluss von Meteorologie und Wald auf die Schallausbreitung Arthur Schady 1, Astrid Ziemann 2, Dietrich Heimann 1 1) Deutsches
Analyse der zeitlichen Entwicklung von Luftverunreinigungen mit dem Schwerpunkt Ozon
Kapitel 3 Analyse der zeitlichen Entwicklung von Luftverunreinigungen mit dem Schwerpunkt Ozon Dieses Kapitel beschreibt die Entwicklung der Luftgüteverhältnisse in den letzten Jahren (Abschnitt 3.1) und
3.11 Einflussgröße: Elementarer Kohlenstoff (EC) und organischer Kohlenstoff
3.11 Einflussgröße: Elementarer Kohlenstoff (EC) und organischer Kohlenstoff (OC) im PM10 Eine vollständige Minderung von EC (Ruß) und OC würde eine maximale Reduktion der PM10-Feinstaubkonzentration um
Grundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang
Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen
Multivariate Statistische Methoden
Multivariate Statistische Methoden und ihre Anwendung in den Wirtschafts- und Sozialwissenschaften Von Prof. Dr. Hans Peter Litz Carl von Ossietzky Universität Oldenburg v..v.-'... ':,. -X V R.Oldenbourg
Luftqualitätsvorhersagen an der ZAMG. Zentralanstalt für Meteorologie und Geodynamik
Luftqualitätsvorhersagen an der ZAMG Folie 2 Einleitung Wie gut ist die Luft die wir atmen? Was ist ein Luftqualitätsvorhersagemodell? Wie können uns Modelle helfen gesünder zu leben? Welche Daten werden
4. Das Verfahren von Galerkin
4. Das Verfahren von Galerkin 4.1 Grundlagen 4.2 Methode der finiten Elemente 4.3 Beispiel: Stab mit Volumenkraft Prof. Dr. Wandinger 3. Prinzip der virtuellen Arbeit FEM 3.4-1 4.1 Grundlagen Das Verfahren
Inhalt. 1. Einführung in die Informatik. 2. Algorithmen Definition, Eigenschaften, Entwurf Darstellung von Algorithmen Beispiele.
1. Einführung in die Informatik Inhalt 2. Algorithmen Definition, Eigenschaften, Entwurf Darstellung von Algorithmen Beispiele Peter Sobe 1 Einführende Beispiele 2. Algorithmen Täglich werden Verarbeitungsvorschriften
Zweifache Varianzanalyse
Zweifache Varianzanalyse Man kann mittels VA auch den (gleichzeitigen) Einfluss mehrerer Faktoren (unabhängige Variablen) auf ein bestimmtes Merkmal (abhängige Variable) analysieren. Die Wirkungen werden
Statistik IV für Studenten mit dem Nebenfach Statistik Lösungen zu Blatt 9 Gerhard Tutz, Jan Ulbricht SS 07
Statistik IV für Studenten mit dem Nebenfach Statistik Lösungen zu Blatt 9 Gerhard Tutz, Jan Ulbricht SS 07 Ziel der Clusteranalyse: Bilde Gruppen (cluster) aus einer Menge multivariater Datenobjekte (stat
Mesoskalige Modellierung von Niederschlag für 2002 in Benin/West-Afrika
Mesoskalige Modellierung von Niederschlag für 2002 in Benin/West-Afrika P. Ludwig, A. Krüger, M. Kerschgens Institut für Geophysik und Meteorologie, Universität zu Köln, Deutschland Für den oberen Teil
Klimawandel in Niedersachsen
Klimawandel in Niedersachsen Prof. Dr. Günter Gross Institut für Meteorologie und Klimatologie Fakultät für Mathematik und Physik Leibniz Universität Hannover Vortrag Ringvorlesung Transformation des Energiesystems
4.4 Hierarchische Clusteranalyse-Verfahren
Clusteranalyse 18.05.04-1 - 4.4 Hierarchische Clusteranalyse-Verfahren Ablauf von hierarchischen Clusteranalyse-Verfahren: (1) Start jedes Objekt sein eigenes Cluster, also Start mit n Clustern (2) Fusionierung
Deposition von Schadstoffen
Deposition von Schadstoffen Anke Schäfer Übersicht Einführung Deposition - Was ist das? Modellierung Modellierung trockener Deposition Modellierung nasser Deposition Anhang Ausbreitungsrechnung - Grundgleichung
Gibt es in Niedersachsen einen Klimawandel?
Gibt es in Niedersachsen einen Klimawandel? Prof. Dr. Günter Gross Institut für Meteorologie und Klimatologie Fakultät für Mathematik und Physik Leibniz Universität Hannover Vortrag im Schulbiologiezentrum
DIE UMWELTMETEOROLOGIE AN DER ZENTRALANSTALT FÜR METEOROLOGIE UND GEODYNAMIK (ZAMG) ANFÄNGE. Ulrike Pechinger
DIE UMWELTMETEOROLOGIE AN DER ZENTRALANSTALT FÜR METEOROLOGIE UND GEODYNAMIK (ZAMG) ANFÄNGE Ulrike Pechinger Helga Kromp-Kolb, ist wissenschaftliche Assistentin bei Heinz Reuter, Professor für theoretische
COSMO-DE Ensemblevorhersagen
COSMO-DE Ensemblevorhersagen Dr. Annegret Gratzki S. Theis, C. Gebhardt, M. Buchhold, Z. Ben Bouallègue, R. Ohl, M. Paulat, C. Peralta Frankfurter Straße 135, 63067 Offenbach Email: Annegret.Gratzki@dwd.de
Ableitung einer Z/R-Beziehung mittels inverser hydrologischer Modellierung
Forschungszentrum Karlsruhe in der Helmholtz-Gemeinschaft High-Tech-Offensive Zukunft Bayern Ableitung einer Z/R-Beziehung mittels inverser hydrologischer Modellierung 9. Workshop zur großskaligen Modellierung
Sturmgefährdung Schweiz
Sturmgefährdung Schweiz 12. November 2015, Messe Sicherheit Stefan Müller, Meteotest, Bern Quelle: PLANAT Silke Dierer, Stefan Müller, Meteotest, Bern Peter Stucki, Stefan Brönnimann, Olivia Romppainen-Martius,
4.Tutorium Multivariate Verfahren
4.Tutorium Multivariate Verfahren - Clusteranalyse - Hannah Busen: 01.06.2015 und 08.06.2015 Nicole Schüller: 02.06.2015 und 09.06.2015 Institut für Statistik, LMU München 1 / 17 Gliederung 1 Idee der
NO 2 -Immissionen in Münster Einfluss von Meteorologie und Straßenverkehr, Minderungsmaßnahmen. Nina Kampling
NO 2 -Immissionen in Einfluss von Meteorologie und Straßenverkehr, Minderungsmaßnahmen Nina Kampling Kolloquium Luftqualität an Straßen 1 Einleitung Grenzwertüberschreitungen an Weseler Straße seit den
JAHRESZWISCHENBERICHT Quantifizierung von Ungenauigkeiten regionaler Klima- und Klimaänderungssimulationen (QUIRCS)
JAHRESZWISCHENBERICHT Quantifizierung von Ungenauigkeiten regionaler Klima- und Klimaänderungssimulationen (QUIRCS) Auftragnehmer: Forschungszentrum Karlsruhe, Institut für Meteorologie und Klimaforschung,
Forschung und Entwicklung - Abteilung Meteorologische Analyse und Modellierung Operationelles NWV-System Änderungsmitteilung
Forschung und Entwicklung - Abteilung Meteorologische Analyse und Modellierung Operationelles NWV-System Änderungsmitteilung Operationelles NWV-System Hier: Globales NWV-System: Ensemble-Datenassimilation
Klassifikation und Ähnlichkeitssuche
Klassifikation und Ähnlichkeitssuche Vorlesung XIII Allgemeines Ziel Rationale Zusammenfassung von Molekülen in Gruppen auf der Basis bestimmter Eigenschaften Auswahl von repräsentativen Molekülen Strukturell
Kapitel 7. Crossvalidation
Kapitel 7 Crossvalidation Wie im Kapitel 5 erwähnt wurde, ist die Crossvalidation die beste Technik, womit man die Genauigkeit der verschiedenen Interpolationsmethoden überprüft. In diesem Kapitel wurde
Simulation der instationären Strömung in einem Diffusionsofen mit Wärmestrahlung
Simulation der instationären Strömung in einem Diffusionsofen mit Wärmestrahlung R. Kessler DLR-AS-CASE Simulation der instationären Strömung in einem Diffusionsofen mit Wärmestrahlung Slide 1 > HPC 2009
Multivariate Verfahren
Multivariate Verfahren Oliver Muthmann 31. Mai 2007 Gliederung 1 Einführung 2 Varianzanalyse (MANOVA) 3 Regressionsanalyse 4 Faktorenanalyse Hauptkomponentenanalyse 5 Clusteranalyse 6 Zusammenfassung Komplexe
Die allgemeine lufthygienische Situation im Jahr 2013 in Nürnberg und die Entwicklung während der letzten Jahre
Die allgemeine lufthygienische Situation im Jahr 213 in Nürnberg und die Entwicklung während der letzten Jahre Das Jahr 213 war hinsichtlich der Luftqualität unauffällig, während das Wetter wiederholt
TOPSIS. Eine Technik der Effizienzanalyse
TOPSIS Eine Technik der Effizienzanalyse 1 Literatur Peters, Malte L. und Zelewski, Stephan: TOPSIS als Technik zur Effizienzanalyse. Wirtschaftsstudium, Heft 1, 2007, S. 9-15 http://www.pim.uni-due.de/fileadmin/publikationen/topsis_zur_effizienzanalyse.pdf
Bedeutung der Pferdehaltung in Baden-Württemberg. Dr. Volker Segger LEL Schwäbisch Gmünd 12./13. Mai 2004
Bedeutung der Pferdehaltung in Baden-Württemberg Dr. Volker Segger LEL Schwäbisch Gmünd 12./13. Mai 2004 Tierhaltung in Baden-Württemberg seit 1950 1.000.000 900.000 800.000 700.000 600.000 500.000 400.000
Hoch aufgelöste Sensitivitätsstudien
Regional and Local Climate Modeling Research Group R e L o C l i m Hoch aufgelöste Sensitivitätsstudien mit dem regionalen Klimamodell CCLM im Alpenraum M. Suklitsch, A. Gobiet, A. Leuprecht, C. Frei Wegener
Luftschadstoffe. Grundlagen
Luftschadstoffe Bürgerdialog A 33 Nord Fachinformationsveranstaltung 18.11.2014 Grundlagen Dipl.-Ing. Manfred Ramm Neubau der A 33 von der A 1 (nördlich Osnabrück) bis zur A 33/B 51n (OU Belm) Bürgerdialog
Vergleichende Analysen regionaler Klimamodelle Lorenzo Tomassini und Katharina Bülow
Vergleichende Analysen regionaler Lorenzo Tomassini und Katharina Bülow Max-Planck-Institut für Meteorologie Übersicht Methoden und Schwierigkeiten der Evaluierung regionaler Beobachtungsdatensätze Problembezogene
Typologisierung von Jungunternehmen
Jungunternehmen auf dem Weg zum konsolidierten Mittelstand Typologisierung von Jungunternehmen Dr. Anne Weber, Drs.. MIB Paul Flachskampf Institut für f r Unternehmenskybernetik e.v. Oliver Strauß Institut
Einführung in die Theorie der Messfehler
Einführung in die Theorie der Messfehler Ziel der Vorlesung: Die Studentinnen/Studenten sollen die Grundlagen der Theorie der Messfehler sowie den Unterschied zwischen Ausgleichsrechnung und statistischer
Wirkung der Beschlüsse des Diesel-Gipfels auf die NO2-Gesamtkonzentration
Stand: 18. August 2017 Wirkung der Beschlüsse des Diesel-Gipfels auf die NO2-Gesamtkonzentration 1 Einleitung Aktuelle Messdaten zeigen, dass es nach wie vor in vielen deutschen Städten zu Überschreitungen
HErmEliN Hotspot-Ermittlung und Emissionsdatenbasis lagebezogen in Niedersachsen
Bild: Frank Vassen Lizenz: CC BY-SA 2.0 HErmEliN Hotspot-Ermittlung und Emissionsdatenbasis lagebezogen in Niedersachsen Christian Büns; Frank Gnoth, Rolf-Dieter Mummenthey, Heike Rühling und Jürgen Tharsen
Kapitel 6. Zusammenfassung der wichtigsten Ergebnisse dieser Arbeit
Kapitel 6 Zusammenfassung der wichtigsten Ergebnisse dieser Arbeit 159 160 Kapitel 6. Zusammenfassung der Ergebnisse Im Fokus der vorliegenden Arbeit steht die Frage nach der Eignung verschiedener Matchingverfahren
Synthetische Windstatistiken für Ausbreitungsrechnungen
Synthetische Windstatistiken für Ausbreitungsrechnungen Rainer Kunka Referat Immissionsschutz Informationsveranstaltung 31/13 17.10.2013 rainer.kunka@tlug.thueringen.de 1 Wozu brauchen wir Windstatistiken?
Ergebnisse der Stichproben-Messprogramms Rothenburgsort
Ergebnisse der Stichproben-Messprogramms Rothenburgsort Vom 15.5.2000 bis zum 7.11.2001 wurden mit dem Messfahrzeug der Behörde für Umwelt und Gesundheit Luftschadstoffmessungen im Gebiet Rothenburgsort
Mathematisch-Statistische Verfahren des Risiko-Managements - SS
Clusteranalyse Mathematisch-Statistische Verfahren des Risiko-Managements - SS 2004 Allgemeine Beschreibung (I) Der Begriff Clusteranalyse wird vielfach als Sammelname für eine Reihe mathematisch-statistischer
Explorative Faktorenanalyse
Explorative Faktorenanalyse 1 Einsatz der Faktorenanalyse Verfahren zur Datenreduktion Analyse von Datenstrukturen 2 -Ich finde es langweilig, mich immer mit den selben Leuten zu treffen -In der Beziehung
FRAUNHOFER-INSTITUT FÜR SOLARE ENERGIESYSTEME ISE
FRAUNHOFER-INSTITUT FÜR SOLARE ENERGIESYSTEME ISE Probabilistische Solarstrahlungsprognosen mit Analog Ensembles auf Basis von numerischen Wetterprognosen und Satellitendaten Elke Lorenz 1, Jan Kühnert
Feinstaubbelastung in Baden-Württemberg: Immissionssituation, Grenzwertüberschreitungen und Einflussfaktoren
Feinstaubbelastung in Baden-Württemberg: Immissionssituation, Grenzwertüberschreitungen und Einflussfaktoren HELMUT SCHEU-HACHTEL REFERAT 61 MESSNETZZENTRALE LUFT Baden-Württemberg Einführung Einflussfaktoren
Die großräumige Ausbreitung von Radioaktivität aus dem KKW Fukushima und die Ableitung von Quelltermen aus Kontaminationsmessdaten
Die großräumige Ausbreitung von Radioaktivität aus dem KKW Fukushima und die Ableitung von Quelltermen aus Kontaminationsmessdaten 1 Petra Seibert Institut für Meteorologie (BOKU-Met) Universität für Bodenkultur
Numerische Wettervorhersage beim Deutschen Wetterdienst (DWD)
Deutscher Wetterdienst Numerische Wettervorhersage beim Deutschen Wetterdienst (DWD) Detlev Majewski, DWD, Forschung und Entwicklung e-mail: detlev.majewski@dwd.de Tel.: 069 8062 2728 Atmosphärische Strukturen
Praktikum zur Vorlesung Einführung in die Geophysik
Praktikum zur Vorlesung Einführung in die Geophysik Hinweise zum Praktikum: Messunsicherheit und Fehlerrechnung Stefan Wenk, Prof. Thomas Bohlen TU Bergakademie Freiberg Institut für Geophysik www.geophysik.tufreiberg.de/pages/studenten/praktika/nebenfaechlerpraktikum.htm
Statistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
Bayesianische Netzwerke - Lernen und Inferenz
Bayesianische Netzwerke - Lernen und Inferenz Manuela Hummel 9. Mai 2003 Gliederung 1. Allgemeines 2. Bayesianische Netzwerke zur Auswertung von Genexpressionsdaten 3. Automatische Modellselektion 4. Beispiel