API src

Found 412 results.

Related terms

Sen2Europe (2021)

Das Bundesamt für Kartographie und Geodäsie (BKG) hat ein Verfahren zur bedarfsbezogenen Bereitstellung von Fernerkundungsdaten entwickelt. Für die fernerkundliche Produktion werden derzeit optische Satellitenbilddaten in der Bundesverwaltung bevorzugt eingesetzt. Hierfür ist das sogenannte Mosaik-Verfahren eine wichtige Methode. Das Verfahren wurde mit den von der EU finanzierten Sentinel-2- Daten der europäischen Erdbeobachtungsinitiative Copernicus aufgebaut und kann für jeden optischen Datensatz (inkl. Luftbilder) angewendet werden. Wir stellen mit dieser Methode einen Service zur Verfügung, über den sich optische Fernerkundungsdaten für jedes Gebiet auf der Erde fachlich und bedarfsorientiert aufbereiten lassen. Über den Dienst Web Map Service (WMS) Sen2Europe wird den Bedarfsträgern ermöglicht, vorprozessierte und aufbereitete Fernerkundungsinformationen aus dem Erdbeobachtungsprogramm Copernicus (Sentinel-2, L1C-L2A), für Europa, in bestehende eigene Fachverfahren mit einzubinden. Die Bilddaten des Jahres 2021 wurden jeweils zu einem Mosaik zusammengefügt, welches eine Bodenauflösung von 10m hat. Ein Komposit aus drei Bändern (Sentinel-2 Bänder: 2, 3, 4 (R, G, B)) sowie eine Information zu den Eingangsbilddaten werden angeboten. Die Bilddaten wurden einem radiometrischen Farbausgleichsverfahren unterzogen um ein einheitliches Erscheinungsbild zu erlangen. Für jedes Mosaik beträgt die Wolkenbedeckung über das gesamte Gebiet weniger als 3%. Über den Request-Parameter TIME kann hier gezielt ein spezifischer Jahresstand angezeigt werden (z.B. Time=2018) (ohne TIME-Parameter wird der neueste Stand angezeigt). Die nachfolgende URL des freien Webdienstes können Sie direkt, z.B. in Ihrem Geo-Informationssystem (GIS), verwenden:https://sgx.geodatenzentrum.de/wms_sen2europe

Deutschlandmosaik aus Sentinel-2-Daten (2018)

Das Mosaik ermöglicht den Bedarfsträgern aufbereitete Fernerkundungsinformationen aus dem Erdbeobachtungsprogramm Copernicus (Sentinel-2, L1C und L2A) für die Bundesrepublik Deutschland, in bestehende Fachverfahren mit einzubinden. Bilddaten des Jahres 2018 werden zu einem Mosaik zusammengefügt, welches eine Bodenauflösung von 10m hat. Drei Komposite aus fünf Bändern (Sentinel-2 Bänder: 2, 3, 4, 5 und 8 (R, G, B, Red Edge und NIR)) sowie ein Übersichtslayer zu den Eingangsbilddaten werden angeboten. Das Produkt Deutschlandmosaik steht momentan als WMS-Dienst zur Verfügung. Verwendungsmöglichkeiten für das Mosaik sind: Visualisierungen für eigene Dienste und kartographische Anwendungen, Kartierungs- und Aktualisierungsunterstützung von Landbedeckungen, 3D-Flugsimulationen in Verbindung mit Höheninformationen (DGM, DOM).

KIBI, Teilvorhaben: Hochschule Koblenz

Erstmalige Umsetzung eines selbstlernenden NIR-Systems mit Bilderkennung zur sortenreinen Sortierung von Altpapier und Erschließung neuer Altpapierressourcen

Die LEIPA Georg Leinfelder GmbH ist ein führender Papierhersteller im Europäischen Markt. Am Standort in Schwedt werden jährlich ca. 1,195 Millionen Tonnen Papier und Verpackungen aus 100 Prozent Altpapier produziert. Am Standort wird bisher eine konventionelle lineare Altpapiersortierung bestehend aus den Stufen Aufgabebunker, Grobsieb, Feinsieb, PaperSpike/NIR-Spektroskopie und Sortierkabine betrieben. Durch die Sortierung erhält man drei wesentliche Altpapierströme. Darunter die Deinkingware, welche für die Herstellung von hochwertigen weißen Papieren eingesetzt wird, die OCC-Ware (old corrugated containerboard), welche als braune Fasern für Kartonagen und Pappe verwendet wird und die Mischware, welche ebenfalls in die Herstellung von Kartonagen und Pappe fließt. Das übergeordnete Ziel der Sortierung ist es, möglichst hochwertige Deinkingware sowie OCC-Ware in einer hohen Sortenreinheit zu sortieren. Bisher landen jedoch große Mengen hochwertigerer Deinkingware im Mischpapier und in den Sortierresten und gehen damit für eine höherwertige Verwertung verloren. Vorversuche des Unternehmens haben erhebliche Potentiale von hochwertigen weißen Altpapieren im Mischpapier und auch in anderen bisher unwirtschaftlichen Altpapierströmen wie Papier, Karton und Pappe (PPK) aus der Erfassung von Leichtverpackungen, Altpapier aus dem Restabfall und Gewerbeabfall aufgezeigt, die mit den konventionellen Systemen noch nicht stofflich verwertet werden können. Im Rahmen dieses Vorhabens möchte die LEIPA Georg Leinfelder GmbH in eine innovative Anlage zur hocheffizienten und sortenreinen Sortierung von Altpapier investieren. Die neue Anlage mit einer jährlichen Kapazität von 120.000 Tonnen soll einerseits die Sortierausbeute, insbesondere der hochwertigen Deinkingware für grafische Papiere, deutlich steigern und andererseits auch alternative Altpapierquellen erschließen. Als Herz der Sortieranlage ermöglicht die NIR-Sortierung mit GAIN-Technologie zusätzlich zur Nahinfrarotspektroskopie eine Bilderkennung mit deep-learning-Funktion. Diese Bilderkennung stellt eine absolute Neuheit im Bereich der Papiersortierung dar. Sie ist in der Lage, durch eine moderne Sensorik Bilddaten (Form/Textur) zu sammeln und diese zu klassifizieren. So können beispielsweise komplexe Verpackungsreste wie Kartonagen mit weißer Außenschicht und grauen oder braunen Fasern im Inneren erkannt werden. In der Folge entstehen im Sortierprozess ein weitaus reineres Deinkinggut und zugleich eine höhere Ausbeute. Eine Innovation liegt auch in der geplanten Vernetzung der Anlage bzw. der Anlagenkomponenten untereinander. Mit der Software Insight von TOMRA werden sämtliche NIR/GAIN-Systeme untereinander vernetzt, die Software stellt eine leistungsfähige Industrie 4.0-Datenplattform zur Verbesserung der Sortier- und Klassifizierungseffizienz dar. Durch die innovative Sortiertechnik soll die Sortierquote für weiße Altpapiere (Deinkingware) aus Haushaltssammelware um ca. 10 Prozent gesteigert werden. Jährlich können mit der neuen Anlagen 8.640 Tonnen Deinkingware aus Haushaltssammelware und 6.435 Tonnen Deinkingware aus Leichtverpackungen für das stofflich hochwertige Recycling zurückgewonnen werden. Insgesamt können jährlich 15.075 Tonnen Deinkingware zurückgewonnen werden, die Frischfaser substituieren können. Durch die Digitalisierung und automatische Steuerung der Prozesse in der Altpapieraufbereitung und der Papierproduktion können im weiteren Verlauf weitere Energie und Chemikalieneinsparungen erreicht werden. Vor dem Hintergrund, dass die Menge an weißen Papierfasern im Altpapier stetig abnimmt und daher in der Zukunft Beschaffungsprobleme entstehen können, ist die Steigerung der Sortierquote für deinkbare Fasern von zentraler Bedeutung, um auch in Zukunft auf den Einsatz von Frischfasern verzichten zu können und die 100prozentige Altpapierquote in LEIPAs Papierproduktion zu erhalten. So gelingt langfristig auch die Vermeidung eines höheren Energie- und Ressourceneinsatzes in der Erzeugung von Frischfasern. Branche: Papier und Pappe Umweltbereich: Ressourcen Fördernehmer: LEIPA Georg Leinfelder GmbH Bundesland: Brandenburg Laufzeit: seit 2023 Status: Laufend

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Bad-Oldesloe, Germany from 1984 – 2023

The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Quakenbrück, Germany from 1984 – 2023

The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Neuwied, Germany from 1985 – 2023

The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.

ATKIS - DOP20 (2018)

Orthophotos sind differenziell entzerrte, massstäbliche Luftbilder. Unter Verwendung eines digitalen Geländemodells werden die Luftbilder in digitale Orthophotos umgerechnet. Hinsichtlich der Lagegenauigkeit sind die Orthophotos bei gleichem Maßstab einer Karte gleichwertig. Orthophotos enthalten zum Zeitpunkt der Aufnahme alle topographischen Objekte. Die farbigen Orthophotos (RGB) wurden um das Nahe Infrarot als 4. Kanal erweitert. Neben den klassischen RGB-DOP können daher auch IR-DOP oder CIR-DOP abgegeben werden. Befliegung 2018

Thüringer Flächenreferenzsystem Feldblock

Für die Verwendung im Antragsverfahren des Integrierten Verwaltungs- und Kontrollsystems (InVeKoS) werden digitale Datenebenen benötigt, die mit der erforderlichen Genauigkeit die aktuelle Situation der landwirtschaftlichen Nutzung darstellen. Das System zur Identifizierung landwirtschaftlicher Parzellen (LPIS) nach Artikel 68 der Verordnung (EU) 2021/2116 ist ein Bestandteil des Integrierten Verwaltungs- und Kontrollsystems (InVeKoS), wie in Artikel 66 der genannten Verordnung definiert. Es wird auf Ebene der Referenzparzellen angewandt. (VO 2022/1172 Art. 2 Abs. 1). Das Thüringer Flächenreferenzsystem (digitale Grundkarte Landwirtschaft, kurz DGK-Lw) basiert in Thüringen auf der Referenzparzelle Feldblock (FB) gemäß § 5 Nr. 1 GAPInVeKoS-Verordnung. Der Feldblock ist danach eine von dauerhaften Grenzen umgebene zusammenhängende landwirtschaftliche Fläche eines oder mehrerer Betriebsinhaber. Der Feldblock beinhaltet somit die Informationen über die geographische Lage der Außengrenzen der landwirtschaftlichen Nutzfläche. Referenzparzellen sind deutschlandweit eindeutig durchnummeriert (Feldblockident - FBI). Sie besitzen weiterhin eine Feldblockgröße (maximal förderfähige Fläche) und eine Bodennutzungskategorie. Folgende Feldblocktypen gibt es: - Landwirtschaftliche Nutzfläche (LF) - Landschaftselemente (LE) - Sondernutzungsflächen (SF) - Forstflächen (FF) Die Einteilung der Feldblöcke erfolgt getrennt nach den Hauptbodennutzungen Ackerland (AL), Grünland (GL), Dauerkulturen (DK), einschließlich darauf befindlicher Agroforstsysteme sowie nach den BNK für keine „landwirtschaftliche Fläche“ entsprechend § 11 Abs. 1 Nr. 3 Buchst. a, b, c und d GAPDZV (NW, EF und PK) und Sonstige. Landschaftselemente (LE) werden entsprechend der Verordnung (EU) 2022/1172 Art. 2 Abs. 7 unter definierten Bedingungen als Teil der förderfähigen landwirtschaftlichen Fläche betrachtet. In Thüringen werden diese dauerhaften Konditionalitäts-LE als separater Feldblock (FB) ausgewiesen und sind somit Teil des Thüringer Flächenreferenzsystems (Feldblockreferenz). Sie müssen einen eindeutigen Bezug zu einem LF-FB (Landwirtschaftliche Nutzfläche) besitzen, d.h. sie liegen innerhalb eine Acker-, Dauergrünland- oder Dauerkulturfläche oder grenzen in Randlage direkt an diese. Für die Herstellung der DGK-Lw werden (amtliche) Orthofotos der Thüringer Kataster- und Vermessungsverwaltung (TLBG) sowie Orthofotos aus Eigenbefliegungen des TLLLR interpretiert. Die Herkunft dieser Bilddaten beträgt jährlich jeweils 50 % der Landesfläche, so dass in jedem Jahr für die gesamte Thüringer Landesfläche aktuelle Bilddaten vorliegen.

Biotoptypkartierung der Beweissicherung zur Baumaßnahme "Anpassung der Fahrrinne der Unter- und Außenelbe an die Containerschifffahrt" aus dem Jahr 2024

Die Biotoptypkartierung 2024 erfolgte als Zustandserfassung zehn Jahre nach dem Ausbau der Baumaßnahme "Anpassung der Fahrrinne der Außen- und Unterelbe an die Containerschifffahrt" unter Einsatz von HRSC-A(X) Bilddaten und einer automatisierten Biotoptypkartierung. Die zugrundeliegenden Luftbilddaten wurden 2023 erhoben.

1 2 3 4 5 … 40 41 42