API src

Found 244 results.

Related terms

Erneuerbare Energien in Deutschland: Wachstum 2025 verhalten

<p> <p>Der Anteil erneuerbarer Energien am Bruttoendenergieverbrauch ist in Deutschland im Jahr 2025 auf 23,8 Prozent gestiegen – ein Plus von 1,3 Prozentpunkten zum Vorjahr. Bei der Stromerzeugung gab es witterungsbedingt lediglich einen leichten Zuwachs, während die erneuerbare Wärmeerzeugung deutlich zulegte. Im Verkehr wurden mehr Biokraftstoffe und erneuerbarer Strom genutzt als im Vorjahr.</p> </p><p>Der Anteil erneuerbarer Energien am Bruttoendenergieverbrauch ist in Deutschland im Jahr 2025 auf 23,8 Prozent gestiegen – ein Plus von 1,3 Prozentpunkten zum Vorjahr. Bei der Stromerzeugung gab es witterungsbedingt lediglich einen leichten Zuwachs, während die erneuerbare Wärmeerzeugung deutlich zulegte. Im Verkehr wurden mehr Biokraftstoffe und erneuerbarer Strom genutzt als im Vorjahr.</p><p> Erneuerbarer Strom – weiterhin Eckpfeiler der Energiewende <p>Nach aktuellen Auswertungen der Arbeitsgruppe Erneuerbare Energien-Statistik (AGEE-Stat) wurde im Jahr 2025 in Deutschland mit 290&nbsp;Terawattstunden (<a href="https://www.umweltbundesamt.de/service/glossar/twh">TWh</a>) rund ein Prozent mehr erneuerbarer Strom erzeugt als noch im Vorjahr. Bei leicht sinkender Stromnachfrage stieg der Anteil erneuerbarer Energien am <a href="https://www.umweltbundesamt.de/service/glossar/bruttostromverbrauch">Bruttostromverbrauch</a> von 54,4&nbsp;Prozent im Jahr 2024 auf 55,1&nbsp;Prozent im Jahr 2025 an.&nbsp;</p> <p>Maßgeblich für die in den letzten Jahren positive Entwicklung sind weiterhin <strong>Windenergie</strong> und <strong>Photovoltaik.&nbsp;</strong>Beide sind inzwischen für über drei Viertel des erneuerbaren Stroms verantwortlich. Allerdings sorgten im Jahr 2025 ein historisch windschwaches Frühjahr und sehr trockenes <a href="https://www.umweltbundesamt.de/service/glossar/wetter">Wetter</a> für ungewöhnlich schlechte Witterungsbedingungen für Wind- und Wasserkraft. Die Rückgänge dieser beiden Energieträger wurden durch den anhaltenden Zubau neuer Photovoltaikanlagen und vergleichsweise sonniges Wetter aufgefangen.&nbsp;</p> <p>Trotz der ungünstigen <a href="https://www.umweltbundesamt.de/service/glossar/witterung">Witterung</a> stellten <strong>Windenergieanlagen</strong> an Land und auf See mit 134&nbsp;TWh den Löwenanteil des grünen Stroms bereit. Windenergie ist damit weiterhin der wichtigste Energieträger im deutschen Strommix. Nach einer Reihe von Jahren mit vergleichsweise wenig neu zugebauten Windenergieanlagen kam der Zubau im vergangenen Jahr wieder stärker in Fahrt (plus 5.100&nbsp;Megawatt (<a href="https://www.umweltbundesamt.de/service/glossar/mw">MW</a>), insgesamt 77.900&nbsp;MW Gesamtleistung). Viele Genehmigungen deuten darauf hin, dass sich der Trend in diesem Jahr weiter beschleunigen könnte.</p> <p>Die <strong>Solarstromerzeugung</strong> nahm auch aufgrund der sonnigen Witterung auf insgesamt 91,6&nbsp;TWh zu (plus 21&nbsp;Prozent). Die Photovoltaik ist damit nach der Windenergie und vor Braunkohle und Erdgas der zweitwichtigste Energieträger im deutschen Strommix. Zudem blieb der Ausbau gegenüber dem Vorjahr stabil: Die installierte Leistung des PV-Anlagenparks stieg innerhalb der letzten 12 Monate um etwa 17&nbsp;Prozent (plus 17.600&nbsp;MW) und erreichte zum Ende des Jahres 2025 eine installierte Gesamtleistung von fast 120&nbsp;Gigawatt.&nbsp;</p> <p>Aufgrund eines außergewöhnlich trockenen Jahres lag die Stromerzeugung aus <strong>Wasserkraft</strong> hingegen erheblich unter dem Vorjahreswert. Die Stromerzeugung aus <strong><a href="https://www.umweltbundesamt.de/service/glossar/biomasse">Biomasse</a></strong> und biogenem Abfall blieb ebenfalls leicht unter dem Vorjahresniveau.&nbsp;</p> <p>Der Ausbau der Photovoltaik liegt bisher auf Kurs, um die Ziele des Erneuerbare-Energien-Gesetzes (EEG) zu erreichen. Bei Windenergieanlagen an Land und auf See bedarf es zur Zielerreichung einer weiteren Beschleunigung. Hinreichend erneuerbarer Strom für die Elektrifizierung des Wärme- und Verkehrssektors ist zudem eine zentrale Voraussetzung für die Erreichung der deutschen Klimaschutzziele und der Ziele der Energieunion der EU.</p> Erneuerbare Wärme weiterhin durch Biomasse dominiert&nbsp; <p>Mit einem Anteil von 84&nbsp;Prozent (175&nbsp;TWh) war <strong>Biomasse</strong> auch im Jahr 2025 mit großem Abstand die wichtigste erneuerbare Wärmequelle. Dabei dominierte die Nutzung von fester Biomasse (weit überwiegend Holz) mit 136&nbsp;TWh. Gasförmige und flüssige Bioenergieträger steuerten 25&nbsp;TWh und biogener Abfall weitere 14&nbsp;TWh bei. Insgesamt stieg die energetische Nutzung der Biomasse im Wärmebereich vor allem aufgrund der kühleren Witterung um fünf Prozent im Vergleich zum Vorjahr an.&nbsp;</p> Wärmepumpen bleiben ein Treiber der Wärmewende <p>Neben den Biomassen trugen <strong>Umweltwärme und Geothermie&nbsp;</strong>mit 25&nbsp;TWh bedeutend zur erneuerbaren Wärme bei. Die durch Wärmepumpen nutzbar gemachte Erd- und Umweltwärme wuchs um 17&nbsp;Prozent im Vergleich zum Vorjahr an. Hier machte sich der gestiegene Absatz von Wärmepumpen in den letzten zwei Jahren bemerkbar. <strong>Solarthermie</strong> steuerte mit 9&nbsp;TWh etwa vier Prozent zur erneuerbaren Wärme bei. Die mit Solarthermieanlagen erzeugte Wärmemenge stieg wegen der sonnigen Witterung an, obwohl der Anlagenbestand leicht rückläufig war.</p> <p>Die insgesamt erzeugte erneuerbare Wärmemenge nahm im Vergleich zum Vorjahr um knapp 6&nbsp;Prozent auf nunmehr 210&nbsp;TWh zu. Da gleichzeitig witterungsbedingt auch der gesamte Wärmebedarf – und damit auch der Verbrauch fossiler Heizenergieträger – leicht zulegte, erhöhte sich der Anteil der erneuerbaren Energieträger von 18,2 im Jahr 2024 auf 19,0&nbsp;Prozent im Jahr 2025.</p> Mehr Biokraftstoffe und mehr grüner Strom im Verkehrssektor <p>Auch im Jahr 2025 blieb der Verkehrssektor der Bereich mit der geringsten Verbreitung erneuerbarer Energien. Der Einsatz von Biokraftstoffen stieg gleichwohl um gut 9 Prozent an. Zudem wurde 12 Prozent mehr erneuerbarer Strom im Verkehr verbraucht als im Vorjahr.</p> <p>Insgesamt erhöhte sich somit der <a href="https://www.umweltbundesamt.de/service/glossar/endenergieverbrauch">Endenergieverbrauch</a> aus erneuerbaren Energieträgern im Verkehr um 10,0 Prozent (auf knapp 48&nbsp;TWh). Gleichzeit wuchs auch der gesamte Endenergieverbrauch im Verkehr um rund zwei Prozent an. Der Anteil am gesamten Endenergieverbrauch im Verkehr stieg daher von 7,4&nbsp;Prozent im Vorjahr auf 8,0&nbsp;Prozent an.</p> Gesamtanteil erneuerbarer Energien am <a href="https://www.umweltbundesamt.de/service/glossar/bruttoendenergieverbrauch">Bruttoendenergieverbrauch</a>&nbsp; <p>Insgesamt ergibt sich unter den spezifischen Berechnungsvorgaben der europäischen Richtlinie zur Förderung der Nutzung von Energie aus erneuerbaren Quellen (2018/2001/EU) ein vorläufiger Gesamtanteil der erneuerbaren Energien am Bruttoendenergieverbrauch von 23,8 Prozent im Jahr 2025. Mit dem 2024 aktualisierten Nationalen Energie- und Klimaplan (NECP) hat sich Deutschland verpflichtet, einen Anteilswert von 41 Prozent im Jahr 2030 zu erreichen.&nbsp;</p> Treibhausgase in Höhe von 265&nbsp;Millionen Tonnen CO2-Äquivalente vermieden <p>Durch den Ersatz fossiler durch erneuerbare Energieträger sinken die fossilen Treibhausgasemissionen. Der Ausbau der erneuerbaren Energien ist somit eine wichtige Maßnahme für den <a href="https://www.umweltbundesamt.de/service/glossar/klimaschutz">Klimaschutz</a>. Im Jahr 2025 wurden in Deutschland nach vorläufigen Berechnungen insgesamt 265&nbsp;Millionen Tonnen (Mio. t) CO2-Äquivalente durch den Einsatz erneuerbarer Energien vermieden. Davon entfielen rund 207&nbsp;Mio. t CO2-Äquivalente auf den Stromsektor, 43&nbsp;Mio. t CO2-Äquivalente auf den Wärmesektor und etwa 15&nbsp;Mio. t CO2-Äquivalente auf den Einsatz von erneuerbarem Strom und Biokraftstoffen im Verkehr.&nbsp;</p> Weitere Informationen <p>Die vorgenannten Zahlen stammen von der Arbeitsgruppe Erneuerbare Energien-Statistik (AGEE-Stat), deren Geschäftsstelle im Umweltbundesamt (<a href="https://www.umweltbundesamt.de/service/glossar/uba">UBA</a>) angesiedelt ist. Die AGEE-Stat bilanziert im Auftrag des Bundesministeriums für Wirtschaft und Energie (BMWE) die Nutzung der erneuerbaren Energien. Sie hat auf der Grundlage aktuell verfügbarer Daten das <a href="https://www.umweltbundesamt.de/publikationen/erneuerbare-energien-in-deutschland-2025">Hintergrundpapier „Erneuerbare Energien in Deutschland – Daten zur Entwicklung im Jahr 2025“</a> erstellt. Die Daten werden im Laufe des Jahres nach Vorliegen weiterer belastbarer Informationen durch die AGEE-Stat aktualisiert und dienen als Grundlage für nationale und internationale Berichtspflichten.</p> <p>Die AGEE-Stat stellt ihre regelmäßig veröffentlichten Zeitreihen und Kennzahlen zur Entwicklung der erneuerbaren Energien in Deutschland auch über den <a href="https://datacube.uba.de/?fs%5b0%5d=Kollektionen,0%7CArbeitsgruppe%20Erneuerbare%20Energien-Statistik%20%28AGEE-Stat%29%23AGEE%23&amp;pg=0&amp;bp=true&amp;snb=7">DataCube</a> des Umweltbundesamtes bereit. Damit sind zentrale Daten erstmals maschinenlesbar über eine <a href="https://www.umweltbundesamt.de/service/glossar/api">API</a>-Schnittstelle abrufbar. &nbsp;</p> </p><p>Informationen für...</p>

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Selb, 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.

Treibhausgas-Projektionen 2026 für Deutschland - Datentabelle (ehemals Kernindikatoren)

Für die Treibhausgas-Projektionen sind die Treibhausgas-Emissionen der wesentliche Indikator, um die Erreichung der Klimaschutzziele zu kontrollieren. Allerdings umfassen klima- und energiepolitische Strategien der Bundesregierung weitere Ziele und Indikatoren. Deshalb haben das beauftragte Forschungskonsortium, das Thünen-Institut und das Umweltbundesamt neben Treibhausgas-Emissionen und Rahmendaten weitere Projektionsdaten im Sinne eines Nachschlagewerks zusammengestellt, um Steuerungsmöglichkeiten aufzuzeigen. Thematisch beziehen sich die Projektionsdaten auf die Bereiche Energiebezogene Indikatoren, neue Brennstoffe, Energiewirtschaft, Industrie, Gebäude, Verkehr, Landwirtschaft, Abfallwirtschaft sowie Landnutzung, Landnutzungsänderung und Forstwirtschaft (LULUCF). Sie bieten unter anderem Informationen zu möglichen Entwicklungen von Angebot und Nachfrage sowie der installierten Leistung wichtiger Energieträger, Kosten und Produktionsmengen von Industriegütern, der Verkehrsleistung sowie zu Emissionen, Flächennutzung und Düngereinsatz in der Land-, Forst- und Abfallwirtschaft. Das Datenportal Data Cube des Umweltbundesamtes bietet erweiterte Filter- und Darstellungsmöglichkeiten der Projektionsdaten im Vergleich zur Veröffentlichung als Datentabelle.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Darmstadt, 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.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Jüterbog, 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 Köln, 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.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Ückermünde, 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.

Indikator: Endenergieverbrauch des Verkehrs

<p> Die wichtigsten Fakten <ul> <li>Die Bundesregierung will den <a href="https://www.umweltbundesamt.de/service/glossar/endenergieverbrauch">Endenergieverbrauch</a> des Güter- und Personenverkehrs bis 2030 um 15 bis 20 % gegenüber 2005 verringern.</li> <li>Güter- und Personenverkehr sind seit Anfang der 1990er zwar deutlich effizienter geworden, die gesteigerte <a href="https://www.umweltbundesamt.de/service/glossar/verkehrsleistung">Verkehrsleistung</a> führte jedoch zur Zunahme bzw. Stagnation des Endenergieverbrauchs.</li> <li>Der Endenergieverbrauch im Güterverkehr bleibt auf einem hohen Niveau. Es wird schwer, das Ziel zu erreichen.</li> <li>Pandemiebedingt kam es zu einem verringerten Endenergieverbrauch im Personenverkehr. Seit 2021 stieg der Verbrauch wieder leicht an.</li> </ul> </p><p> Welche Bedeutung hat der Indikator? <p>Verkehr benötigt Energie. Die Bereitstellung, Verteilung und Nutzung von Energie sind für viele globale Probleme verantwortlich. Im Verkehr kommt vor allem Erdöl als Energieträger zum Einsatz. Dieses wird häufig in ökologisch sensiblen Gebieten gefördert oder durch sensible Gebiete transportiert. Auch die Aufbereitung des Erdöls zu Benzin, Diesel oder Kerosin in Raffinerien ist energieaufwändig. Schließlich werden bei der Verbrennung der Kraftstoffe Schadstoffe wie Stickoxide und Feinstaub frei. Im besonderen Fokus stehen jedoch die bei der Verbrennung von Kraftstoffen entstehenden Treibhausgase, die für den weltweiten <a href="https://www.umweltbundesamt.de/service/glossar/klimawandel">Klimawandel</a> mitverantwortlich sind.</p> <p>Die Bundesregierung hat sich Ziele gesetzt, den Energieverbrauch in Deutschland zu reduzieren. In der <a href="https://www.bundesregierung.de/breg-de/themen/nachhaltigkeitspolitik/die-deutsche-nachhaltigkeitsstrategie-318846">Nachhaltigkeitsstrategie</a> wird das Ziel benannt, den <a href="https://www.umweltbundesamt.de/service/glossar/endenergieverbrauch">Endenergieverbrauch</a> des Personen- als auch des Güterverkehrs bis 2030 um 15 bis 20 % zu senken.</p> </p><p> Wie ist die Entwicklung zu bewerten? <p>Der <a href="https://www.umweltbundesamt.de/service/glossar/endenergieverbrauch">Endenergieverbrauch</a> ist der Verbrauch, der zum Betrieb der Fahrzeuge erforderlich ist. Von 2005 bis 2019 nahm der Endenergieverbrauch des Personenverkehrs um 4,3 % leicht zu. Im Güterverkehr stieg er im gleichen Zeitraum hingegen um rund 9,9 %. Dabei stieg die Transportleistung im Verkehr stärker als der Energieverbrauch. Somit sind beide Verkehrsbereiche zwar energieeffizienter geworden, das Ziel der absoluten Energieeinsparung wurde jedoch noch nicht erreicht. Pandemiebedingt zeigte sich durch die gesunkene <a href="https://www.umweltbundesamt.de/service/glossar/verkehrsleistung">Verkehrsleistung</a> im Personenverkehr in den Jahren 2020 und 2021 ein starker Einbruch im Endenergieverbrauch. Auch 2024 lag der Endenergieverbrauch im Personenverkehr noch 9,2 % unter dem Wert von 2005, stieg aber im Vergleich zu den Vorjahren wieder an.&nbsp;</p> <p>Soll der Energieverbrauch des Verkehrs sinken, muss sich vor allem die Verkehrsnachfrage verringern, verlangsamen und energieeffizientere Antriebsalternativen stärker gefördert werden oder sich der Verkehr auf umweltfreundlichere Verkehrsmittel verlagern (siehe Indikatoren <a href="https://www.umweltbundesamt.de/node/33856">„Umweltfreundlicher Personenverkehr“</a> und <a href="https://www.umweltbundesamt.de/node/33853">„Umweltfreundlicher Güterverkehr“</a>).</p> </p><p> Wie wird der Indikator berechnet? <p>Der Endenergieverbrauch des Verkehrs wird mit Hilfe des Rechenmodells TREMOD (Transport <a href="https://www.umweltbundesamt.de/service/glossar/emission">Emission</a> Model) auf Basis von Fahrleistungen, Verkehrsleistungen und spezifischen Energieverbräuchen berechnet. TREMOD wurde vom Institut für Energie- und Umweltforschung Heidelberg (ifeu) im Auftrag des Umweltbundesamtes entwickelt. Methodische Hintergründe stellt das <a href="https://www.ifeu.de/methoden/modelle/tremod/">ifeu</a> bereit.</p> <p><strong>Die Daten finden Sie im <a href="https://www.umweltbundesamt.de/service/glossar/data-cube">Data Cube</a> des <a href="https://www.umweltbundesamt.de/service/glossar/uba">UBA</a>: </strong><a href="https://datacube.uba.de/vis?fs%5b0%5d=Themen,0%7CVerkehr%23TRANSPORT%23&amp;pg=0&amp;fc=Themen&amp;bp=true&amp;snb=17&amp;df%5bds%5d=ds-dc-release&amp;df%5bid%5d=DF_TRANSPORT_ENERGY_FINAL&amp;df%5bag%5d=UBA&amp;dq=.A..&amp;pd=2000,2023&amp;to%5bTIME_PERIOD%5d=false"><strong>Entwicklung des Endenergieverbrauchs nach Kraftstoffarten</strong></a><strong>.</strong></p> <p><strong>Ausführliche Informationen zum Thema finden Sie im Daten-Artikel </strong><a href="https://www.umweltbundesamt.de/node/12085"><strong>Endenergieverbrauch und Kraftstoffe</strong></a><strong> und im Themen-Artikel </strong><a href="https://www.umweltbundesamt.de/node/3318"><strong>Emissionsdaten</strong></a><strong>.</strong><br>&nbsp;</p> </p><p> </p><p>Informationen für...</p>

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Laboe, 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.

API des Data Cubes des Umweltbundesamtes

Mit den Daten zur Umwelt stellt das UBA ein großes Angebot an aktuellen Daten zum Zustand der Umwelt bereit. Ein neues System – der UBA Data Cube – verbessert die Nutzbarkeit dieser Daten. Die Schnittstelle (API) dient zum programmatischen Abruf der Daten aus dem Data Cube des Umweltbundesamtes.

1 2 3 4 5 … 23 24 25