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.
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 Umweltbundesamt und das beauftragte Forschungskonsortium neben Treibhausgas-Emissionen und Rahmendaten sogenannte Kernindikatoren zusammengestellt, um Steuerungsmöglichkeiten aufzuzeigen. Thematisch beziehen sich die Kernindikatoren 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 Kernindikatoren im Vergleich zur Veröffentlichung als Datentabelle. Über das Feld \
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.
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.
<p> Die wichtigsten Fakten <ul> <li>Der Anteil des Schienenverkehrs am Gütertransport pendelte in den letzten Jahren zwischen 19 % und 21,5 %.</li> <li>Der Anteil der Binnenschifffahrt sank seit 1999 fast kontinuierlich von 13,5 % auf zuletzt 6,7 %.</li> </ul> </p><p> Welche Bedeutung hat der Indikator? <p>Fast drei Viertel des Gütertransports in Deutschland werden auf der Straße erbracht. Die Verlagerung des Verkehrs auf umweltfreundlichere Transportmittel wie Schiff und Güterzug ist aber Voraussetzung für einen nachhaltigeren Güterverkehr.</p> <p>Zwar bestehen bei Bahn- und Schiffsverkehr ebenfalls Umweltherausforderungen: Der Schienenverkehr verursacht Lärm. <a href="https://www.umweltbundesamt.de/node/5529">Binnenschiffe</a> erfordern gut ausgebaute Wasserstraßen, deren Ausbau häufig die Gewässerqualität verschlechtert und die Natur belastet. Aber der Energieverbrauch pro <a href="https://www.umweltbundesamt.de/service/glossar/tonnenkilometer">Tonnenkilometer</a> ist im Bahn- und Schiffsverkehr im Durchschnitt insgesamt deutlich geringer als mit dem Lkw. Gleiches gilt für die <a href="https://www.umweltbundesamt.de/node/3318">Treibhausgas-Emissionen</a>.</p> <p>In der Distanz unter 50 Kilometern ist der Gütertransport mittels Lkw in der Regel konkurrenzlos. Eine flächenhafte Verteilung mittels Zug und Schiff ist hier nicht möglich. Deshalb wird bei diesem <a href="https://www.umweltbundesamt.de/service/glossar/indikator">Indikator</a> nur der Güterverkehr auf längeren Strecken ab 50 Kilometern betrachtet. Für den Nah- und Verteilerverkehr sind unter anderem Leichte Nutzfahrzeuge mit Elektroantrieb und Lastenräder eine <a href="https://www.umweltbundesamt.de/node/85218">umweltfreundlichere Alternative</a>.</p> </p><p> Wie ist die Entwicklung zu bewerten? <p>Der Gütertransport auf der Schiene entwickelte sich langfristig positiv: Sein Anteil stieg zwischen 1999 und 2015 von 16,5 % auf 19,2 % an. Ab 2016 kam es infolge einer geänderten Datengrundlage zu einem Sprung und in den letzten Jahren schwankt der Anteil zwischen 19 und 21,5 %. Der Trend bei der Binnenschifffahrt ist eindeutig negativ: Zwischen 1999 und 2024 sank ihr Marktanteil am Güterverkehr fast kontinuierlich. Insgesamt hat aufgrund des starken Wachstums des Straßengüterverkehrs der Anteil des Gütertransports durch Bahn und Binnenschiffe an der gesamten Güterverkehrsleistung leicht abgenommen.</p> <p>Die bisherigen Maßnahmen der Bundesregierung konnten nicht verhindern, dass die Dominanz des Straßengüterverkehrs weiter zugenommen hat. Die Anstrengungen müssen deutlich verstärkt werden. Aus Umweltsicht sollte der Güterverkehr insgesamt reduziert werden. Derzeit ist jedoch weiterhin mit einem Anstieg zu rechnen.</p> </p><p> Wie wird der Indikator berechnet? <p>Die diesem <a href="https://www.umweltbundesamt.de/service/glossar/indikator">Indikator</a> zugrundeliegenden Zahlen werden jährlich vom Bundesministerium für Digitales und Verkehr in der Reihe <a href="https://bmdv.bund.de/SharedDocs/DE/Artikel/G/verkehr-in-zahlen.html">„Verkehr in Zahlen“</a> veröffentlicht. Sie basieren zum großen Teil auf Daten, die das Statistische Bundesamt in der Publikation „<a href="https://www.destatis.de/DE/Themen/Branchen-Unternehmen/Transport-Verkehr/Publikationen/Downloads-Querschnitt/verkehr-aktuell-pdf-2080110.html">Verkehr aktuell</a>“ veröffentlichte bzw. nun in der <a href="https://www-genesis.destatis.de/datenbank/online/statistics/filter/JTdCJTIyYXJlYUNvZGUlMjIlM0ElMjIlMjIlMkMlMjJjYXRlZ29yeUNvZGUlMjIlM0ElMjIlMjIlMkMlMjJjb2RlJTIyJTNBJTIyNDYlMjIlMkMlMjJjb250ZW50JTIyJTNBJTIyJTIyJTJDJTIydmFyaWFibGVDb2RlJTIyJTNBJTIyJTIyJTJDJTIyc29ydCUyMiUzQSUyMkNvZGVBc2MlMjIlMkMlMjJpc0NvZGVTaG93biUyMiUzQXRydWUlMkMlMjJpc0NhdGVnb3J5U2hvd24lMjIlM0F0cnVlJTJDJTIyaXNWYXJpYWJsZUNvZGVTaG93biUyMiUzQWZhbHNlJTdE">Datenbank „GENESIS Online“</a> veröffentlicht. Beschreibungen zur Vorgehensweise finden sich in den <a href="https://www.destatis.de/DE/Methoden/Qualitaet/Qualitaetsberichte/Transport-Verkehr/einfuehrung.html">Qualitätsberichten</a> des Statistischen Bundesamtes. Die Zahlen zum Straßengüterverkehr basieren auf Erhebungen des Kraftfahrt-Bundesamtes.</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?pg=0&bp=true&snb=17&vw=ov&df%5bds%5d=ds-dc-release&df%5bid%5d=DF_TRANSPORT_FREIGHT_PERFORMANCE_SHARE&df%5bag%5d=UBA&dq=.A...&pd=2003,2022&to%5bTIME_PERIOD%5d=false&lc=de"><strong>Anteile des Schienenverkehrs und der Binnenschifffahrt an der Güterverkehrsleistung</strong></a><strong>. Ausführliche Informationen zum Thema finden Sie im Daten-Artikel </strong><a href="https://www.umweltbundesamt.de/node/11166"><strong>Fahrleistungen, Verkehrsleistung und Modal Split in Deutschland</strong></a><strong>.</strong></p> </p><p> </p><p>Informationen für...</p>
Aktionspläne zur Reduktion von Emissionen, Automatisierung und Digitalisierung, die zunehmende Anwendung von besten verfügbaren Techniken usw. ziehen tiefgreifende Änderungen im Arbeits- und Lebensumfeld nach sich. Nur eine gut informierte Öffentlichkeit kann sich an solchen Transformationsprozesse aktiv beteiligen und diese mitgestalten. Die EU und Deutschland haben sich mit der Aarhus-Konvention und dem PRTR-Protokoll der UN-ECE als auch im 6. UAP verpflichtet, den Bürgern leicht zugängliche Informationen über den Zustand der Umwelt zur Verfügung zu stellen und auch die Industrie-Emissions-Richtlinie der EU setzt den Fokus auf die Information der Öffentlichkeit. Im Bereich der industriellen Emissionen sowie aus diffusen Quellen definieren internationale, europäische und nationale Vorgaben eine Reihe von Berichtsprozessen, die im Zuge der Novellierungen in europäisches Rechtauch besser miteinander verzahnt werden sollen. Die durch diese Vollzüge dem UBA verfügbaren anlagen- und betriebsbezogenen Daten (PRTR, LCP, EU Registry/IED, MCPD, Kommunalabwasserrichtlinie sollen unter Berücksichtigung weiterer Vorgaben zur Datennutzung des UBA in einer Internetplattform deutschlandweit, berichtsprozessübergreifend, für die Öffentlichkeit frei verfügbar und zielgruppenorientiert neu dargestellt werden. Dabei werden sie miteinander verzahnt, in interaktiven Karten visuell ansprechend dargestellt, in kombinierten Suchen zugänglich gemacht, ausgewertet und mit Hintergrundinformationen versehen. Die Ergebnisse des Forschungsvorhabens 'Analyse des Nutzens und der Wirkung des PRTRs als Instrumentarium zur Vermeidung und Verminderung der Umweltverschmutzung' werden einbezogen. Gleichzeitig soll die Vernetzung mit anderen bestehenden und im Aufbau begriffenen Umweltdatenportalen und Webseiten im Umweltressort geprüft und verbessert werden (bspw. hinsichtlich Verlinkung, Einbettung o.ä.; bspw. BMUV- und UBA-Webseiten, DzU, Data Cube, Umweltdatenzentrum).
This dataset provides estimates of forest condition anomalies across Germany at 30m spatial resolution and 4-day temporal resolution, spanning the period from 2000 to 2022. Forest condition is quantified as Forest Condition Anomaly index (FCA), a continuous index ranging from -1 (strongly negative anomaly) to +1 (strongly positive anomaly), based on the methods proposed by Lange et al. (2024). The dataset is published as NetCDF files containing yearly and seasonal means for spring (March-May), summer (June-August), and fall (September-November); winter months were excluded due to snow contamination. The dataset was generated to extend the temporal coverage of existing high-resolution forest condition products, which are limited to the Sentinel-2 era (from 2017 onwards), in order to enable the study of forest condition across multiple disturbance events over a longer time horizon. Due to that, the datasets are chunked spatially (256 x 256 pixels), with one chunk containing the whole time line. Forest condition was estimated from the Seamless Data Cube (SDC) by Chen et al. (2024), a global daily 30m surface reflectance product derived from the fusion of Landsat and MODIS satellite observations. For each observation, a per-pixel anomaly was computed relative to species- and region-specific reflectance reference statistics. Reference statistics (for deciduous species) were further adjusted for annual phenological variation using the Near-Infrared Vegetation Index (NIRv) to extract yearly species- and region-specific phenological events. Tree species information was obtained from the national tree species map of Germany by Blickensdörfer et al. (2024), and Germany was divided into seven climatic landscape regions. The anomaly index was computed as a weighted combination of per-band deviations in the red, near-infrared, and shortwave infrared bands.
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.
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.
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.
| Organisation | Count |
|---|---|
| Bund | 27 |
| Land | 1 |
| Weitere | 1 |
| Wissenschaft | 217 |
| Type | Count |
|---|---|
| Daten und Messstellen | 217 |
| Ereignis | 1 |
| Förderprogramm | 7 |
| Text | 14 |
| unbekannt | 7 |
| License | Count |
|---|---|
| Geschlossen | 15 |
| Offen | 230 |
| Unbekannt | 1 |
| Language | Count |
|---|---|
| Deutsch | 26 |
| Englisch | 231 |
| Resource type | Count |
|---|---|
| Archiv | 7 |
| Bild | 10 |
| Datei | 213 |
| Dokument | 12 |
| Keine | 8 |
| Webseite | 23 |
| Topic | Count |
|---|---|
| Boden | 21 |
| Lebewesen und Lebensräume | 241 |
| Luft | 235 |
| Mensch und Umwelt | 246 |
| Wasser | 20 |
| Weitere | 244 |