API src

Found 2624 results.

Similar terms

s/dichte/Fichte/gi

Related terms

Ökologische Grundlagen des Waldwachstums, Wachstumsmonitoring von Fichte, Kiefer, Aspe und Birke in der mittleren Taiga, Komi, NW-Russland

In einem naturnahen Mischbestand werden an der forstlichen Versuchsstation Lyaly (Republik Komi) die Radialveränderungen der Baumschäfte von Fichten (Picea obovata), Kiefern (Pinus sylvestris), Aspen (Populus tremulus) und Birken (Betula spec.) zeitlich hochaufgelöst registriert. An einem Teilkollektiv der Untersuchungsbäume wird zusätzlich im 5-Minuten Takt die elektrische Leitfähigkeit des Stammes registriert. Gleichzeitig werden die Lufttemperatur, die Luftfeuchte sowie die Bodenfeuchte gemessen. Am Untersuchungsstandort werden mit einem Magnetometer Schwankungen des Erdmagnetfeldes in den drei Raumrichtungen registriert. Aus den Analysen werden Informationen über die Bedeutung verschiedener Standorts- und Umweltfaktoren auf das kurz-, mittel- und langfristige Wuchsverhalten von Bäumen erwartet.

Umweltprobenbank Nr. 14223: Schwefel / einjährige Triebe / Oberes Ilseeinzugsgebiet (Fichte)

Anzahl der Proben: 24 Gemessener Parameter: Häufiges Element, das natürlich als reiner Schwefel und in Form von Sulfid- und Sulfat-Mineralien vorkommt Probenart: einjährige Triebe Einjährige Triebe von Nadelbäumen spiegeln aufgrund ihrer hohen physiologischen Aktivität die Schadstoffbelastung eines Jahres am besten wider. Dabei ist die Festlegung auf einen Jahrgang notwendig, da in Abhängigkeit der Stoff- und Altersklasse unterschiedliche Akkumulationsraten auftreten. Auch die Einbeziehung der Triebachsen ist wichtig, da sich an der Rinde der jungen Triebe die an Partikel gebundenen schwerflüchtigen Substanzen bevorzugt niederschlagen. Probenahmegebiet: Oberes Ilseeinzugsgebiet (Fichte) Fichtenbestand im Wassereinzugsgebiet Obere Ilse

Herkunftsgebiete im Land Brandenburg

Der Datensatz präsentiert die Gesamtheit der Herkunftsgebiete im Land Brandenburg. Ein Herkunftsgebiet ist ein Gebiet mit annähernd einheitlichen ökologischen Bedingungen, in denen sich Erntebestände oder Saatgutquellen einer bestimmten Art oder Unterart mit ähnlichen phänotypischen oder genetischen Merkmale befinden. Unterlayer ermöglichen die Unterscheidung nach der Baumart: Bergahorn, Douglasie, Esche, Esskastanie, Europäische Lärche, Fichte, Grauerle, Große Küstentanne, Hainbuche, Japanische Lärche, Kiefer, Moorbirke, Pappel, Robinie, Rotbuche, Roteiche, Roterle, Sandbirke, Schwarzkiefer 847-849, Sitkafichte, Sommerlinde, Spitzahorn, Stieleiche, Traubeneiche, Vogelkirsche, Weißtanne, Winterlinde Der Datensatz präsentiert die Gesamtheit der Herkunftsgebiete im Land Brandenburg. Ein Herkunftsgebiet ist ein Gebiet mit annähernd einheitlichen ökologischen Bedingungen, in denen sich Erntebestände oder Saatgutquellen einer bestimmten Art oder Unterart mit ähnlichen phänotypischen oder genetischen Merkmale befinden. Unterlayer ermöglichen die Unterscheidung nach der Baumart: Bergahorn, Douglasie, Esche, Esskastanie, Europäische Lärche, Fichte, Grauerle, Große Küstentanne, Hainbuche, Japanische Lärche, Kiefer, Moorbirke, Pappel, Robinie, Rotbuche, Roteiche, Roterle, Sandbirke, Schwarzkiefer 847-849, Sitkafichte, Sommerlinde, Spitzahorn, Stieleiche, Traubeneiche, Vogelkirsche, Weißtanne, Winterlinde

Erntezulassungsflächen im Land Brandenburg

Im Erntezulassungsregister (EZR) werden alle Bestände von zugelassenem Ausgangsmaterial und des davon erzeugten Vermehrungsgutes verwaltet. Der Layer stellt die Flächen des EZR räumlich dar. Unterlayer ermöglichen die Unterscheidung nach der Baumart: Bergahorn, Douglasie, Esche, Esskastanie, Europäische Lärche, Fichte, Große Küstentanne, Grauerle, Hainbuche, Japanische Lärche, Kiefer, Moorbirke, Pappel, Robinie, Rotbuche, Roteiche, Sandbirke, Schwarzerle, Schwarzkiefer, Sitkafichte, Sommerlinde, Spitzahorn, Stieleiche, Traubeneiche, Vogelkirsche, Weißtanne, Winterlinde Im Erntezulassungsregister (EZR) werden alle Bestände von zugelassenem Ausgangsmaterial und des davon erzeugten Vermehrungsgutes verwaltet. Der Layer stellt die Flächen des EZR räumlich dar. Unterlayer ermöglichen die Unterscheidung nach der Baumart: Bergahorn, Douglasie, Esche, Esskastanie, Europäische Lärche, Fichte, Große Küstentanne, Grauerle, Hainbuche, Japanische Lärche, Kiefer, Moorbirke, Pappel, Robinie, Rotbuche, Roteiche, Sandbirke, Schwarzerle, Schwarzkiefer, Sitkafichte, Sommerlinde, Spitzahorn, Stieleiche, Traubeneiche, Vogelkirsche, Weißtanne, Winterlinde

Forstwirtschaft - Bestände Staatswald

Der Kartendienst (WMS-Gruppe) stellt die digitalen Geodaten aus dem Bereich Forstwirtschaft des Saarlandes dar.:Waldbestände des SaarForst Landesbetriebes (Staatswald) Die Aussengrenzen (Besitzgrenzen) des Staatswaldes wurden an die ALK angeglichen und sind damit katasterscharf. Die Innengrenzen (Abgrenzungen der Waldbestände eines Eigentümers untereinander) sind anhand der DGK5 und der digitalen Orthofotos mit 40 cm räumlicher Auflösung digitalisiert. Felder und ihre Bedeutung: Hierarchie Char (14) ; landesweit besitzerübergreifend eindeutiger Schlüssel Besitz Char (20) ; Waldeigentümer Revier Char (2) ; SaarForst Reviernummer Reviername Char (25) ; SaarForst Revierbezeichnung Abt Char (4) ; Nummer der Waldabteilung, eindeutig innerhalb eines Waldeigentümers Abteilung Char (8) ; Nummer der Waldabteilung mit vorangestellter Eigentümernummer Uabt Char (1) ; Unterabteilung Bestand Char (1) ; Bestand Teilfl Char (1) ; Teilfläche Beschrift Char (4) ; zusammengesetztes Feld aus Unterabteilung, Bestand und Teilfläche Betr_kl Char (20) ; Betriebsklasse Keine_bew Char (20) ; Erläuterung zu den Waldflächen außer Bewirtschaftung (10%) *) Bewirtsch Char (30) ; Bewirtschaftungsintensitäteinschl. „außer Bewirtschaftung“ Entw_stufe Char (30) ; Entwicklungsstufe Best_typ Char (35) ; Bestandestyp Schlussgra Char (20) ; Schlussgrad Best_stru Char (20) ; Bestandesstruktur Nutz_art Char (20) ; Nutzungsart Atb Char (20) ; Alt- und Totholz Biozönosen-Projektfläche Bl Decimal (3, 0) ; Blösse Anteil der Fläche temporär ohne Baumbewuchs in % Bu Decimal (3, 0) ; Anteil der Baumartengruppe Buche in % Ei Decimal (3, 0) ; Anteil der Baumartengruppe Eiche in % Elb Decimal (3, 0) ; Anteil der Baumartengruppe Edellaubbäume in % Slb Decimal (3, 0) ; Anteil der Baumartengruppe sonstige Laubbäume in % Fi Decimal (3, 0) ; Anteil der Baumartengruppe Fichte in % Ki Decimal (3, 0) ; Anteil der Baumartengruppe Kiefer in % Lae Decimal (3, 0) ; Anteil der Baumartengruppe Lärche in % Dou Decimal (3, 0) ; Anteil der Baumartengruppe Douglasie in % Snb Decimal (3, 0) ; Anteil der Baumartengruppe sonst. Nadelbäume in % Sa_lh Decimal (3, 0) ; Summe der Laubhölzer in % Sa_nh Decimal (3, 0) ; Summe der Nadelhölzer in % Hba Char (3) ; Dominierende Baumartengruppe Farbe Char (10) ; Darstellungsfarbe auf der Wirtschaftskarte Stand der Flächenausweisung „Außer Bewirtschaftung -10% der Staatswaldfläche“ zum 1.9.2011 Bisherige_irB; Bisher in regelmässiger Bewirtschaftung Bisherige_arB; Bisher ausser regelmässiger Bewirtschaftung NWZ_ausgewiesen; durch Rechtsverordnung ausgewiesene Naturwaldzelle Grossschutzgebiet; durch Rechtsverordnung ausgewiesenes Großschutzgebiet ("Urwald") Grossschutzgebiet_ab; Abgang vom Großschutzgebiet, rechtlich nicht umgesetzt Grossschutzgebiet_zu; Zugang zum Großschutzgebiet, rechtlich nicht umgesetzt Referenzfläche; Referenzfläche Prozessschutz Quierschied NWZ_erw: Zugang bzw. Neuausweisung Naturwaldzelle, rechtlich nicht umgesetzt Kernzone_Biosphaere; Kernzonen der Biosphäre Bliesgau.

Tree Species - Sentinel-1/2 - Germany, 2022

The Tree Species Germany product provides a map of dominant tree species across Germany for the year 2022 at a spatial resolution of 10 meters. The map depicts the distribution of ten tree species groups derived from multi-temporal optical Sentinel-2 data, radar data from Sentinel-1, and a digital elevation model. The input features explicitly incorporate phenological information to capture seasonal vegetation dynamics relevant for species discrimination. A total of over 80,000 training and test samples were compiled from publicly accessible sources, including urban tree inventories, Google Earth Pro, Google Street View, and field observations. The final classification was generated using an XGBoost machine learning algorithm. The Tree Species Germany product achieves an overall F1-score of 0.89. For the dominant species pine, spruce, beech, and oak, class-wise F1-scores range from 0.76 to 0.98, while F1-scores for other widespread species such as birch, alder, larch, Douglas fir, and fir range from 0.88 to 0.96. The product provides a consistent, high-resolution, and up-to-date representation of tree species distribution across Germany. Its transferable, cost-efficient, and repeatable methodology enables reliable large-scale forest monitoring and offers a valuable basis for assessing spatial patterns and temporal changes in forest composition in the context of ongoing climatic and environmental dynamics.

Baumartenklassifikation NRW

Klassifikation von Baumartengruppen auf Bestandesebene, basierend auf Sentinel2 - Satellitenaufnahmen Die Klassifikation in die 9 in NRW am häufigsten bzw. bestandesbildend auftretenden Baumartengruppen berücksichtigt folgende Klassen: Eichen (Ei), Buchen (Bu), Buntlaubhölzer (hALH), Weichlaubhölzer (wALN), Pappeln, Kiefern, Lärchen, Fichten und Douglasien (siehe Legende). Die Klassifikation erfolgte durch ein Verfahren künstlicher Intelligenz (rekurrentes neuronales Netzwerk), das anhand von Forsteinrichtungsdaten aus den Waldflächen des landeseigenen Forstbetriebes in NRW trainiert wurde. Das Verfahren wurde im Auftrag des Ministeriums für Landwirtschaft und Verbraucherschutz des Landes NRW (MLV NRW) entwickelt. Zur Erkennung der Baumarten anhand ihrer Phänologie und zur Gewährleistung möglichst wolkenfreier Verhältnisse wurden Zeitreihen von Satellitenaufnahmen aus den Vegetationsperioden zweier Jahre zwischen dem 03.03.2022 und dem 11.07.2023 ausgewertet. Es wurden dafür insgesamt 516 einzelne Szenen ausgewählt und landesweit zu einem wolkenfreien multitemporalen Mosaik zusammengesetzt (https://www.d-copernicus.de/daten/satelliten/satelliten-details/news/sentinel-2/ ). Bedingt durch die räumliche Auflösung der Sentinel2 - Satellitenaufnahmen von ca. 10 m eignet sich diese Kartenebene für eine Betrachtung auf einer Maßstabsebene von bis zu ca. 1:10.000, nicht größer! Die Darstellung berücksichtigt ausschließlich Baumarten in der Hauptschicht und ist nicht vergleichbar mit einer Forsteinrichtungs- oder Forstbetriebskarte. Mischungen von Baumarten sind durch wechselnde Farben auch innerhalb eines Bestandes gekennzeichnet. Die Angaben zu den Blößen basieren insbesondere auf der Aggregierten Kalamitätskarte im Nadelwald (Stand: Sep 2023). Validierung Die Nutzergenauigkeit ist das entscheidende Merkmal für die Zuverlässigkeit der Karteninformation in der fernerkundungsbasierten Baumartenkarte. Die Nutzergenauigkeit beschreibt eine repräsentative Schätzung für die Wahrscheinlichkeit, dass die in der Baumartenkarte dargestellte Karteninformation (Baumartengruppe) an einem Ort mit der Hauptschicht eines dortigen Bestandes übereinstimmt. Die Nutzergenauigkeit ist für jede ausgewiesene thematische Klasse (Baumartengruppe) unterschiedlich und bestimmt sich aus dem Anteil der oben beschriebenen Referenzdaten aus der Forsteinrichtung mit der entsprechenden Baumartengruppe in der Hauptschicht, im Verhältnis zu allen Referenzpunkten in der Validierungsstichprobe, die durch das neuronale Netz in die entsprechende Baumartengruppe klassifiziert wurden. Die Genauigkeiten unterscheiden sich also zwischen den einzelnen Baumarten in Abhängigkeit von der Häufigkeit, mit der die Baumarten in der Forsteinrichtung vertreten sind. Häufig auftretende Baumarten sind für eine künstliche Intelligenz leichter, seltener auftretende Baumarten (z.B. Pappeln, Douglasien) vergleichsweise schwerer zu erkennen. Die Herstellergenauigkeit dient zur Beurteilung der Klassifikationsgüte ausgehend vom Anteil der Referenzdaten in der Validierungsstichprobe mit der entsprechenden Baumartengruppe, die durch das neuronale Netz korrekt dieser Baumartengruppe zugeordnet wurden. Das F-Maß als allgemeines klassenspezifisches Gütemaß wird durch das harmonische Mittel (Durchschnitt) aus Nutzer- und Herstellergenauigkeit gebildet. Die Gesamtgenauigkeit gibt unabhängig von der Klassenzugehörigkeit den Anteil der Referenzpunkte in der Validierungsstichprobe an, der durch das neuronale Netz korrekt klassifiziert wurde. Ein gängiges und weithin anerkanntes Gütemaß ist Cohen’s κ-Koeffizient, der die Übereinstimmung zwischen den Klassenangaben in den Referenzdaten und den Klassifikationen des neuronalen Netzes auf Basis der Validierungsstichprobe beschreibt. In der praktischen Anwendung liegt der Wertebereich des Koeffizienten zwischen 0 und 1, wobei ein Wert von 1 eine völlige Übereinstimmung der Ergebnisse bedeutet, ein Wert von 0 hingegen eine rein zufällige Übereinstimmung ohne erkennbaren Mehrwert einer Entscheidung des neuronalen Netzes. Nutzergenauigkeit (%) Eiche Buche hALH wALN Pappel Kiefer Lärche Fichte Douglasie 93,8 94,7 91,2 89,2 88,8 97,7 95,9 97,1 88,4 Herstellergenauigkeit (%) 91,0 96,0 91,4 92,7 79,0 97,5 90,7 98,0 76,4 F-Maß (%) 92,3 95,4 91,3 90,9 83,6 97,6 93,2 97,6 82,0 Gesamtgenauigkeit: 95,0 % Cohen’s κ-Koeffizient: 0,938 Tabelle 1: Genauigkeitsangaben aus der statistisch unabhängigen Validierung. Die angegebenen Genauigkeiten wurden aus einer statistisch unabhängigen Validierung anhand der Forsteinrichtungsdaten aus den Staatswäldern bestimmt. Dazu wurde das Klassifikationsergebnis in über 15.000 landesweit zufällig ausgewählten Waldbeständen mit der dort ausgewiesenen einheitlichen Baumart in der Hauptschicht verglichen. Dieser Prozess wurde dreimal an jeweils unterschiedlichen Bildelementen wiederholt. Die angegebenen Prozentwerte geben die relative Häufigkeit (statistische Wahrscheinlichkeit) an, mit der das Klassifikationsergebnis und die in der Hauptschicht ausgewiesene Baumart übereinstimmen. Als Voraussetzung für eine unabhängige Validierung gibt es keine Überschneidung zwischen Trainings- und Validierungsdaten (statistische Unabhängigkeit).

Digitale Topographische Karte 1 : 10 000 - 3743-NW Beelitz - Fichtenwalde

Die Digitalen Topographischen Karten (DTK) werden aus Digitalen Landschafts- und Geländemodellen sowie dem Amtlichen Liegenschaftskatasterinformationssystem ALKIS erzeugt und nach dem bundeseinheitlichen Signaturenkatalog der Präsentationsausgaben „basemap.de P10“ Raster visualisiert. Die DTK liegen flächendeckend und im einheitlichen geodätischen Bezugssystem und Kartenprojektion für das Land Brandenburg vor. Sie sind als Rasterdaten (farbig/grau) und als Webdienste, verfügbar. Bei Nutzung der Daten sind die Lizenzbedingungen zu beachten.

Waldschadflächen

Layer enthält Waldflächen, die in Folge der Extremwetterereignisse und nachfolgender Schädlingsbefall im Zeitraum 01.07.2018 bis 31.03.2025 abgestorben oder bereits geräumt sind. Diese Flächen müssen wieder bewaldet und von Wildverbis geschützt werden. Enthalten sind Schadflächen unabhängig von Baumart und Schadensursache (Borkenkäfer bei Fichte und Lärche, Trockenschäden bei Buche, Eschentriebsterben, Diplodia-Pilzbefall bei Kiefer, Eichen-Frassschäden u.v.a.m) Die Daten sind aus der Auswertung der Satellitenbilder der Senthinel-Mission entstanden.

Umweltprobenbank des Bundes (German Environmental Specimen Bank)

Die Umweltprobenbank des Bundes (UPB) mit ihren Bereichen Bank für Umweltproben und Bank für Humanproben ist eine Daueraufgabe des Bundes unter der Gesamtverantwortung des Bundesumweltministeriums sowie der administrativen und fachlichen Koordinierung des Umweltbundesamtes. Es werden für die Bank für Umweltproben regelmäßig Tier- und Pflanzenproben aus repräsentativen Ökosystemen (marin, limnisch und terrestrisch) Deutschlands und darüber hinaus für die Bank für Humanproben im Rahmen einer Echtzeitanalyse Blut-, Urin-, Speichel- und Haarproben studentischer Kollektive gewonnen. Vor ihrer Einlagerung werden die Proben auf eine Vielzahl an umweltrelevanten Stoffen und Verbindungen (z.B. Schwermetalle, CKW und PAH) analysiert. Der eigentliche Wert der Umweltprobenbank besteht jedoch in der Archivierung der Proben. Sie werden chemisch veränderungsfrei (über Flüssigstickstoff) gelagert und somit können auch rückblickend Stoffe untersucht werden, die zum Zeitpunkt ihrer Einwirkung noch nicht bekannt oder analysierbar waren oder für nicht bedeutsam gehalten wurden. Alle im Betrieb der Umweltprobenbank anfallenden Daten und Informationen werden mit einem Datenbankmanagementsystem verwaltet und aufbereitet. Hierbei handelt es sich insbesondere um die biometrischen und analytischen Daten, das Schlüsselsystem der UPB, die Probenahmepläne, die Standardarbeitsanweisungen (SOP) zu Probenahme, Transport, Aufbereitung, Lagerung und Analytik und die Lagerbestandsdaten. Mit einem Geo-Informationssystem werden die Karten der Probenahmegebiete erstellt, mit denen perspektivisch eine Verknüpfung der analytischen Ergebnisse mit den biometrischen Daten sowie weiteren geoökologischen Daten (z.B. Daten der Flächennutzung, der Bodenökologie, der Klimatologie) erfolgen soll. Ausführliche Informationen und eine umfassende Datenrecherche sind unter www.umweltprobenbank.de abrufbar.

1 2 3 4 5 … 261 262 263