Auto content commit for layers

storage/layers/layers-de.json

@@ -101,7 +101,7 @@
     "name": "Salzgehalt der Meeresoberfläche",
     "shortName": "Salzgehalt der Meeresoberfläche",
     "usageInfo": "© ESA",
-    "description": "Der Salzgehalt der Meeresoberfläche (Sea Surface Salinity, SSS) st ein Maß für den Salzgehalt des Oberflächenwassers der Ozeane. Ungewöhnliche Salzgehalte können auf das Einsetzen extremer Klimaereignisse wie El Niño hindeuten. Globale Karten des Salzgehalts der Meeresoberfläche sind besonders hilfreich für die Untersuchung des Wasserkreislaufs, des Austauschs zwischen Ozean und Atmosphäre und der Ozeanzirkulation -allesamt wichtige Komponenten des Klimasystems sind, die Wärme, Impuls, Kohlenstoff und Nährstoffe rund um den Globus transportieren.\r\n\r\nIm Rahmen von CCI wurde eine globale Aufzeichnung der SSS für den Zeitraum 2010-2019 von den Satelliten SMOS, Aquarius und SMAP verarbeitet. Zusätzlich zur SSS werden Indikatoren für SSS-Unsicherheiten bereitgestellt. Dieser neue Datensatz deckt die Dauer von zwei El-Niño- und La-Niña-Ereignissen mit sehr unterschiedlicher Intensität ab.\n\n**Variable:** Salzgehalt der Meeresoberfläche\r\n\n**Zeitspanne:** Februar 2010 - September 2020\r\n\n**Zeitliche Auflösung:** monatlich (zeitliche Abtastung: 2 Wochen)\r\n\n**Räumliche Auflösung:** 50km (räumliche Abtastung: 25km)\r\n\n**Räumliche Ausdehnung:** global\r\n\n**Version:** 3.21  \r\n\n**DOI:** [doi:10.5285/4ce685bff631459fb2a30faa699f3fc5](https://dx.doi.org/10.5285/4ce685bff631459fb2a30faa699f3fc5)\r\n\r\n[ESA CCI Sea Surface Salinity ECV Project Website](https://climate.esa.int/projects/sea-surface-salinity/)  \r\n[Daten im offenen Datenportal](https://catalogue.ceda.ac.uk/uuid/7813eb75a131474a8d908f69c716b031)"
+    "description": "Der Salzgehalt der Meeresoberfläche (Sea Surface Salinity, SSS) st ein Maß für den Salzgehalt des Oberflächenwassers der Ozeane. Ungewöhnliche Salzgehalte können auf das Einsetzen extremer Klimaereignisse wie El Niño hindeuten. Globale Karten des Salzgehalts der Meeresoberfläche sind besonders hilfreich für die Untersuchung des Wasserkreislaufs, des Austauschs zwischen Ozean und Atmosphäre und der Ozeanzirkulation -allesamt wichtige Komponenten des Klimasystems sind, die Wärme, Impuls, Kohlenstoff und Nährstoffe rund um den Globus transportieren.\r\n\r\nIm Rahmen von CCI wurde eine globale Aufzeichnung der SSS für den Zeitraum 2010-2019 von den Satelliten SMOS, Aquarius und SMAP verarbeitet. Zusätzlich zur SSS werden Indikatoren für SSS-Unsicherheiten bereitgestellt. Dieser neue Datensatz deckt die Dauer von zwei El-Niño- und La-Niña-Ereignissen mit sehr unterschiedlicher Intensität ab.\n\n**Variable:** Salzgehalt der Meeresoberfläche\r\n\n**Zeitspanne:** Februar 2010 - September 2020\r\n\n**Zeitliche Auflösung:** monatlich (zeitliche Abtastung: 2 Wochen)\r\n\n**Räumliche Auflösung:** 50km (räumliche Abtastung: 25km)\r\n\n**Räumliche Ausdehnung:** global\r\n\n**Version:** 4.41  \r\n\n**DOI:** [doi:10.5285/4ce685bff631459fb2a30faa699f3fc5](https://dx.doi.org/10.5285/4ce685bff631459fb2a30faa699f3fc5)\r\n\r\n[ESA CCI Sea Surface Salinity ECV Project Website](https://climate.esa.int/projects/sea-surface-salinity/)  \r\n[Daten im offenen Datenportal](https://catalogue.ceda.ac.uk/uuid/7813eb75a131474a8d908f69c716b031)"
   },
   {
     "id": "snow.swe",
@@ -141,7 +141,7 @@
     "name": "Methan (CH4)",
     "shortName": "Methan (CH4)",
     "usageInfo": "© ESA",
-    "description": "Methan (CH₄) ist nach Kohlendioxid das zweitwichtigste anthropogene Treibhausgas. Ein gutes Verständnis der variablen Methanquellen und -senken ist wichtig, um unser zukünftiges Klima zuverlässig vorhersagen zu können. Globale Satellitendaten helfen dabei und tragen so zur Verbesserung der Klimaprognosen bei. Methan schwankt mit der Zeit und dem Ort, was in erster Linie auf stark schwankende Quellen wie Feuchtgebiete und Reisanbau zurückzuführen ist. Weitere wichtige Quellen sind Methanemissionen aus der Öl-, Gas- und Kohleproduktion und dem Transport sowie von bestimmten Tieren (vor allem Wiederkäuern wie Rindern und Schafen).\r\n\r\nDie globalen Karten zeigen von Satelliten abgeleitete Verteilungen von atmosphärischem Methan in Teilen pro Milliarde (ppb), basierend auf Daten des SCIAMACHY-Bildspektrometers auf dem ESA-Satelliten Envisat, des TANSO-FTS auf dem JAXA-Satelliten GOSAT und des Orbiting Carbon Observatory-2 (OCO-2) der NASA.\n\n**Variable:** Säulendurchschnitt der Trockenluftmolekülfraktion von atmosphärischem Methan\r\n\n**Zeitspanne:** Januar 2003 - Dezember 2021\r\n\n**Zeitliche Auflösung:** monatlich\r\n\n**Räumliche Ausdehnung:** global\r\n\n**Geografische Auflösung:** 2° x 2°\r\n\n**Version:** 4.4\r\n\n**DOI:** [10.5194/amt-13-789-2020](https://doi.org/10.5194/amt-13-789-2020)\r\n\n**Finanzierung:** ESA CCI und EU über Copernicus Climate Change Service und H2020-Projekt 4C (Finanzhilfevereinbarung Nr. 821003).\r\n\n**Anmerkung:**\r\nReuter, M., Buchwitz, M., Schneising, O., Noel, S., Bovensmann, H., Burrows, J. P., Boesch, H., Di Noia, A., Anand, J., Parker, R. J., Somkuti, P., Wu, L., Hasekamp, O. P., Aben, I., Kuze, A., Suto, H., Shiomi, K., Yoshida, Y., Morino, I., Crisp, D., O'Dell, C., Notholt, J., Petri, C., Warneke, T., Velazco, V., Deutscher, N. M., Griffith, D. W. T., Kivi, R., Pollard, D., Hase, F., Sussmann, R., Te, Y. V., Strong, K., Roche, S., Sha, M. K., De Maziere, M., Feist, D. G., Iraci, L. T., Roehl, C., Retscher, C., und Schepers, D., Ensemble-based satellite-derived carbon dioxide and methane column-averaged dry-air mole fraction data sets (2003-2018) for carbon and climate applications, Atmos. Meas. Tech., 13, 789-819, https://doi.org/10.5194/amt-13-789-2020, 2020\r\n\r\n[ESA CCI Greenhouse Gases ECV Project Website](https://climate.esa.int/projects/ghgs/)  \r\n[CCI Greenhouse Gases Daten im Open Data Portal](https://catalogue.ceda.ac.uk/uuid/0508f3dd991144aa80346007a415fb07)  \r\n[Daten im Copernicus Climate Data Store](https://cds.climate.copernicus.eu/cdsapp#!/dataset/satellite-methane)"
+    "description": "Methan (CH4) ist nach Kohlenstoffdioxid das zweitwichtigste anthropogene Treibhausgas. Ein gutes Verständnis der variablen Methan-Quellen und -Senken ist wichtig, um unser zukünftiges Klima zuverlässig vorherzusagen. Globale Satellitendaten helfen dabei und tragen somit zur Verbesserung der Klimavorhersagen bei. Wie man sieht, schwankt die atmosphärische Methan-Konzentration mit der Zeit und dem Ort. Dies ist in erster Linie auf stark schwankende Quellen wie Feuchtgebiete und Reisanbau zurückzuführen. Weitere wichtige Methanemissionen entstehen bei der Öl-, Gas- und Kohleförderung und deren Transport und Nutzung sowie von bestimmten Tieren (vor allem von Wiederkäuern wie Rinder und Schafe). Satellitendaten helfen auch starke lokalisierte Methanquellen zu identifizieren und deren Emissionsstärke zu quantifizieren. So können Lecks gefunden und ggf. geschlossen werden.  Die hier gezeigten Daten basieren auf der Auswertung von Strahlungsmessungen des europäischen Sentinel-5-Precursor Satelliten durch die Universität Bremen im Rahmes des ESA Projekts GHG-CCI (https://climate.esa.int/en/projects/ghgs/). Dargestellt ist das vertikal gemittelte Methan-Mischungsverhältnis in ppb (parts per billion). Ist dieser Wert zum Beispiel 1800 ppb an einem bestimmten Ort, so enthält die Luft über diesem Ort 1800 Methanmoleküle pro eine Milliarde Luftmoleküle (Mittelwert über die ganze Atmosphäre, also vom Erdboden bis zum Weltraum)\n\n**Variable:** Säulendurchschnitt der Trockenluftmolekülfraktion von atmosphärischem Methan\r\n\n**Zeitspanne:** Januar 2018 - Dezember 2023\r\n\n**Zeitliche Auflösung:** monatlich\r\n\n**Räumliche Ausdehnung:** global\r\n\n**Geografische Auflösung:** 0,1° x 0,1°\r\n\n**Version:** 1.8\r\n\n**DOI:** [10.5194/amt-13-789-2020](https://doi.org/10.5194/amt-13-789-2020)\r\n\n**Finanzierung:** ESA CCI und EU über Copernicus Climate Change Service und H2020-Projekt 4C (Finanzhilfevereinbarung Nr. 821003).\r\n\n**Anmerkung:**\r\nSchneising, O.; Buchwitz, M.; Reuter, M.; Bovensmann, H.; Burrows, J.P. (2024): ESA Greenhouse Gases Climate Change Initiative (GHG_cci): Column-averaged methane from Sentinel-5P, generated with the WFM-DOAS algorithm, version 1.8, November 2017 - October 2023. NERC EDS Centre for Environmental Data Analysis, date of citation. https://catalogue.ceda.ac.uk/uuid/8175ede3a1d642deba8f4cce49d7bda8\r\n\r\n\r\n[ESA CCI Greenhouse Gases ECV Project Website](https://climate.esa.int/en/projects/ghgs/)  \r\n[CCI Greenhouse Gases Daten im Open Data Portal](https://catalogue.ceda.ac.uk/uuid/8175ede3a1d642deba8f4cce49d7bda8)"
   },
   {
     "id": "ozone.total_ozone_column",

storage/layers/layers-en.json

@@ -101,7 +101,7 @@
     "name": "Sea Surface Salinity",
     "shortName": "Sea Surface Salinity",
     "usageInfo": "© ESA",
-    "description": "Sea Surface Salinity (SSS) quantifies the amount of salt in the ocean’s surface waters. Unusual salinity levels may indicate the onset of extreme climate events, such as El Niño. Global maps of sea-surface salinity are particularly helpful for studying the water cycle, ocean–atmosphere exchanges and ocean circulation, which are all vital components of the climate system transporting heat, momentum, carbon and nutrients around the globe.\r\n\r\nIn CCI, a global record of SSS covering the period 2010-2019 has been processed from the SMOS, Aquarius and SMAP satellites. In addition to SSS, indicators for SSS uncertainties are provided. This new data set covers the duration of two El Niño and La Niña events of very different intensities.\n\n**Variable shown:** Sea Surface Salinity \r\n\n**Time Span:** February 2010 - September 2020 \r\n\n**Temporal resolution:** monthly (temporal sampling: 2 weeks) \r\n\n**Spatial resolution:** 50km (spatial sampling: 25km) \r\n\n**Geographical extent:** global  \r\n\n**Version:** 3.21  \r\n\n**DOI:** [doi:10.5285/4ce685bff631459fb2a30faa699f3fc5](https://dx.doi.org/10.5285/4ce685bff631459fb2a30faa699f3fc5)\r\n\r\n[ESA CCI Sea Surface Salinity ECV Project website](https://climate.esa.int/projects/sea-surface-salinity/)  \r\n[Data in the Open Data Portal](https://catalogue.ceda.ac.uk/uuid/7813eb75a131474a8d908f69c716b031)"
+    "description": "Sea Surface Salinity (SSS) quantifies the amount of salt in the ocean’s surface waters. Unusual salinity levels may indicate the onset of extreme climate events, such as El Niño. Global maps of sea-surface salinity are particularly helpful for studying the water cycle, ocean–atmosphere exchanges and ocean circulation, which are all vital components of the climate system transporting heat, momentum, carbon and nutrients around the globe.\r\n\r\nIn CCI, a global record of SSS covering the period 2010-2019 has been processed from the SMOS, Aquarius and SMAP satellites. In addition to SSS, indicators for SSS uncertainties are provided. This new data set covers the duration of two El Niño and La Niña events of very different intensities.\n\n**Variable shown:** Sea Surface Salinity \r\n\n**Time Span:** February 2010 - September 2020 \r\n\n**Temporal resolution:** monthly (temporal sampling: 2 weeks) \r\n\n**Spatial resolution:** 50km (spatial sampling: 25km) \r\n\n**Geographical extent:** global  \r\n\n**Version:** 4.41  \r\n\n**DOI:** [doi:10.5285/4ce685bff631459fb2a30faa699f3fc5](https://dx.doi.org/10.5285/4ce685bff631459fb2a30faa699f3fc5)\r\n\r\n[ESA CCI Sea Surface Salinity ECV Project website](https://climate.esa.int/projects/sea-surface-salinity/)  \r\n[Data in the Open Data Portal](https://catalogue.ceda.ac.uk/uuid/7813eb75a131474a8d908f69c716b031)"
   },
   {
     "id": "snow.swe",
@@ -141,7 +141,7 @@
     "name": "Methane (CH4)",
     "shortName": "Methane (CH4)",
     "usageInfo": "© ESA",
-    "description": "Methane (CH₄) is the second most important anthropogenic greenhouse gas after carbon dioxide. A good understanding of the variable methane sources and sinks is important to reliably predict our future climate. Global satellite data help to achieve this and therefore contribute to improve climate predictions. Methane varies with time and location, primarily due to strong variable sources such as wetlands and rice cultivation. Other important sources are methane emissions from oil, gas and coal production and transport, and certain animals (primarily ruminants such as cattle and sheep).\r\n\r\nThe global maps show satellite-derived distributions of atmospheric methane in parts per billion (ppb), based on data from the SCIAMACHY imaging spectrometer on ESA’s Envisat, TANSO-FTS on JAXA’s GOSAT, and NASA’s Orbiting Carbon Observatory-2 (OCO-2).\n\n**Variable shown:** Column-Average Dry-Air Mole Fraction of Atmospheric Methane \r\n\n**Time span:** January 2003 – December 2021 \r\n\n**Temporal resolution:** monthly \r\n\n**Geographic extent:** global \r\n\n**Geographic resolution:** 2° x 2° \r\n\n**Version:** 4.4 \r\n\n**DOI:** [10.5194/amt-13-789-2020](https://doi.org/10.5194/amt-13-789-2020) \r\n\n**Funding:** ESA CCI and EU via Copernicus Climate Change Service and H2020 project 4C (grant agreement no. 821003). \r\n\n**Acknowledgement:** \r\nReuter, M., Buchwitz, M., Schneising, O., Noel, S., Bovensmann, H., Burrows, J. P., Boesch, H., Di Noia, A., Anand, J., Parker, R. J., Somkuti, P., Wu, L., Hasekamp, O. P., Aben, I., Kuze, A., Suto, H., Shiomi, K., Yoshida, Y., Morino, I., Crisp, D., O'Dell, C., Notholt, J., Petri, C., Warneke, T., Velazco, V., Deutscher, N. M., Griffith, D. W. T., Kivi, R., Pollard, D., Hase, F., Sussmann, R., Te, Y. V., Strong, K., Roche, S., Sha, M. K., De Maziere, M., Feist, D. G., Iraci, L. T., Roehl, C., Retscher, C., and Schepers, D., Ensemble-based satellite-derived carbon dioxide and methane column-averaged dry-air mole fraction data sets (2003-2018) for carbon and climate applications, Atmos. Meas. Tech., 13, 789-819, https://doi.org/10.5194/amt-13-789-2020, 2020\r\n\r\n[ESA CCI Greenhouse Gases ECV Project website](https://climate.esa.int/projects/ghgs/)  \r\n[CCI Greenhouse Gases Data in the Open Data Portal](https://catalogue.ceda.ac.uk/uuid/0508f3dd991144aa80346007a415fb07)  \r\n[Data in the Copernicus Climate Data Store](https://cds.climate.copernicus.eu/cdsapp#!/dataset/satellite-methane)"
+    "description": "Methane (CH4) is the second most important anthropogenic greenhouse gas after carbon dioxide. A good understanding of the variable methane sources and sinks is important in order to reliably predict our future climate. Global satellite data helps with this and thus contributes to improving climate predictions. As can be seen, atmospheric methane concentrations vary with time and location. This is primarily due to strongly fluctuating sources such as wetlands and rice cultivation. Other important methane emissions come from oil, gas and coal extraction and their transport and utilisation, as well as from certain animals (especially ruminants such as cattle and sheep). Satellite data also helps to identify strong localised methane sources and quantify their emission levels. In this way, leaks can be found and, if necessary, closed.  The data shown here is based on the analysis of radiation measurements from the European Sentinel-5 precursor satellite by the University of Bremen as part of the ESA GHG-CCI project (https://climate.esa.int/en/projects/ghgs/). The vertically averaged methane mixing ratio is shown in ppb (parts per billion). For example, if this value is 1800 ppb at a particular location, the air above this location contains 1800 methane molecules per billion air molecules (average value over the entire atmosphere, i.e. from the ground to space)\n\n**Variable:** Column average of the dry air molecule fraction of atmospheric methane\r\n\n**Time span:** January 2018 - December 2023\r\n\n**Temporal resolution:** monthly\r\n\n**Spatial extent:** global\r\n\n**Geographical resolution:** 0.1° x 0.1°\r\n\n**Version:** 1.8\r\n\n**DOI:** [10.5194/amt-13-789-2020](https://doi.org/10.5194/amt-13-789-2020)\r\n\n**Funding:** ESA CCI and EU via Copernicus Climate Change Service and H2020 project 4C (grant agreement no. 821003).\r\n\n**Note:**\r\nSchneising, O.; Buchwitz, M.; Reuter, M.; Bovensmann, H.; Burrows, J.P. (2024): ESA Greenhouse Gases Climate Change Initiative (GHG_cci): Column-averaged methane from Sentinel-5P, generated with the WFM-DOAS algorithm, version 1.8, November 2017 - October 2023. NERC EDS Centre for Environmental Data Analysis, date of citation. https://catalogue.ceda.ac.uk/uuid/8175ede3a1d642deba8f4cce49d7bda8\r\n\r\n\r\n[ESA CCI Greenhouse Gases ECV Project Website](https://climate.esa.int/en/projects/ghgs/)  \r\n[CCI Greenhouse Gases data in the Open Data Portal](https://catalogue.ceda.ac.uk/uuid/8175ede3a1d642deba8f4cce49d7bda8)"
   },
   {
     "id": "ozone.total_ozone_column",