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.
Die Rahmendaten umfassen Informationen zur möglichen demografischen und gesamtwirtschaftlichen Entwicklung in Deutschland. Weiterhin beinhalten sie Daten zu (Großhandels-)Preisen sowie Angebot und Nachfrage wichtiger Energieträger und der Treibhausgas-Emissionszertifikate. Das beauftragte Forschungskonsortium hat die Rahmendaten in Zusammenarbeit mit dem Umweltbundesamt zusammengestellt. Die Rahmendaten sind zentrale Eingangsdaten, um die Treibhausgas-Projektionen zu modellieren. Das Datenportal Data Cube des Umweltbundesamtes bietet erweiterte Filter- und Darstellungsmöglichkeiten der Rahmendaten im Vergleich zur Veröffentlichung als Datentabelle. Über das Feld \
Der Data Cube des Umweltbundesamtes stellt ein System zur Bereitstellung statistischer Zeitreihen im Bezug auf Umweltdaten dar. Die Web-Anwendung ist öffentlich verfügbar und alle Daten sind in offenen Dateiformaten veröffentlicht. Über das System können die Daten in einem maschinenlesbaren Format publiziert werden. Nutzer können die Daten über die Weboberfläche individuell filtern, zusammenstellen und visualisieren. Das standardisierte SDMX Format (ISO 17369) gewährleistet die Vereinheitlichung der Daten. Zusätzlich können die enthaltenen Daten über eine API in diverse Prozesse integriert werden. Der Data Cube wird 2025 vom Pilot- in den Produktivbetrieb übergehen. Die Entwicklung ist auf dauerhaften Betrieb angelegt und zielt daher auf flexible Lösungen ab, die kontinuierlich an sich wandelnde Anforderungen und Rahmenbedingungen angepasst werden können. Alle im Projekt entwickelten Softwarekomponenten sollen Open Source zur Verfügung gestellt werden.
Ziel des Vorhabens ist die Digitalisierung des Datenmanagements und der Datenbereitstellung zu Klimafolgen und der Anpassungsstrategie des Bundes, um das Datenangebot für verschiedene Informationsbedarfe nutzbar zu machen und für die konsequente Steuerung zeitnah Informationen und Daten über Klimawandelfolgen und Anpassung zu erfassen und bereit zu stellen. Dazu sollen künftig quantifizierte Informationen über Schäden und Kosten physischer Klimawirkungen, die Anpassung auf subnationaler Ebene in Bundesländern und Kommunen und in den Sektorpolitiken, sowie die Finanzierung von vorsorgenden Anpassungsmaßnahmen der öffentlichen Hand (Bund, Länder, Kommunen) systematisch und kontinuierlich erfasst werden. Bereits vorhanden ist das Monitoringsystem zur DAS, das derzeit alle vier Jahre über Klimawirkungen und Anpassung anhand eines ressortabgestimmten Indikatorensystems auf nationaler Ebene berichtet. Im Vor-haben wird das Datenmanagement des Monitoringsystems zur DAS weiterentwickelt und mit dem im Aufbau befindlichen Datennutzungskonzept des UBA abgestimmt. Eine vergleichende Betrachtung vorhandener Umsetzungsmöglichkeiten vor dem Hintergrund laufender UBA Entwicklungen (z. B. DataCube), bestehenden IT-Infrastrukturen (Hosting und Datenmanagement UBA intern) sowie externen Optionen (Cloud) soll vorgenommen werden. Soweit möglich und fachlich sinnvoll, sollen bestehende Infrastrukturen oder Produkte genutzt bzw. auf laufende Prozesse aufgesetzt werden. Die Erfassung und Digitalisierung von quantifizierten Informationen über Schäden und Kosten physischer Klimawirkungen (Klimaschadenskataster) und die Finanzierung von vorsorgender Anpassung der öffentlichen Hand (Bund, Länder, Kommunen) soll neu aufgebaut werden. Dazu kann auf bereits vorhandenen methodischen Konzepten aufgesetzt werden. Notwendig ist die (Weiter)Entwicklung eines methodischen Konzepts für die systematische Erfassung von Informationen über Anpassungsfortschritte auf subnationaler Ebene und in den Sektorpolitiken und die Vorbereitung der Umsetzung. Es sollen Konzepte sowie institutionelle Vorschläge erarbeitet werden, mit denen Akteure auf subnationaler Ebene in die Lage versetzt werden, an den Bund zu berichten. Die Ergebnisse des Vorhabens 'Adaptation Data Base' werden in die UBA Datenstrategie und die darin abgeleiteten Maßnahmenvorschläge zum Datenmanagement und zur Datenbereitstellung eingegliedert. Im Eigenforschungsvorhaben sollen aus Fernerkundungsdiensten Verfahren zur Überwachung von Klimafolgen entwickelt und erprobt werden. Beispielsweise wird erwartet, dass aus dem Katastrophen- und Krisendienst von Copernicus mittelfristig Eingangsdaten für ein Klimaschadenskataster abgeleitet werden könnten. Im Ergebnis würde eine mittelfristige Ergänzung von in-situ-Daten zu Klimafolgen und Anpassungsmaßnahmen möglich.
Mit dem 'Data Cube', der gegenwärtig im UBA entwickelt wird, stehen die Daten zur Umwelt zukünftig auch maschinenlesbar über Schnittstellen zur Verfügung. Dadurch entstehen neue Möglichkeiten für die datenbasierte Kommunikation und eine (teil-)automatisierte Umweltberichterstattung. Mit dem Projekt sollen neue interaktive Formate - wie Dashboards - für verschiedene Zielgruppen und für aktuelle Themen (z.B. für die künftige Berichterstattung zur Lebensqualität) entwickelt und für die Umweltberichterstattung fruchtbar gemacht werden. Darüber hinaus soll mit dem Projekt untersucht werden, inwieweit KI-Ansätze bzw. Methoden des maschinellen Lernens zu einer effizienteren und aktuelleren Umweltberichterstattung beitragen können (z.B. AI Powered Content Generation, Trend-Detector).
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.
<p>Mit den Daten zur Umwelt bietet das Umweltbundesamt (UBA) bereits eine große Bandbreite an aktuellen Daten zum Zustand der Umwelt. Der UBA Data Cube macht diese noch besser nutzbar: Das neue System bietet maschinenlesbare Datensätze, offene Dateiformate, Schnittstellen (APIs) und Optionen zur Individualisierung. Das Portal ist verfügbar, wird aber noch intensiv optimiert – Feedback willkommen!</p><p>Fit für die Zukunft:</p><p>Das UBA veröffentlichte 1984 den ersten bundesweiten Bericht zum Zustand der Umwelt – die „Daten zur Umwelt“. Bis heute gehört dieses Angebot zu den beliebtesten Publikationen des <a href="https://www.umweltbundesamt.de/service/glossar/u?tag=UBA#alphabar">UBA</a>. Ursprünglich eine reine Berichtsreihe, sind die Daten mittlerweile längst dauerhaft online verfügbar. In Zeiten rasant wachsender Datenmengen und steigender Anforderungen an die Verfügbarkeit dieser Daten braucht es jedoch neue Lösungen, um mit diesem Service zeitgemäß zu bleiben. Der in diesem Kontext entstandene <a href="https://www.umweltbundesamt.de/service/glossar/d?tag=Data_Cube#alphabar">Data Cube</a> ist ein entscheidender Schritt hin zu einer Kultur der offenen Daten (engl. <a href="https://www.umweltbundesamt.de/service/glossar/o?tag=Open_Data#alphabar">Open Data</a>). Er verbessert den Zugang zu umweltrelevanten Daten, aber auch die Transparenz des Regierungs- und Verwaltungshandels.</p><p>Das leistungsfähige System eröffnet vielfältige neue Möglichkeiten zur Suche, Erkundung, Analyse und Visualisierung von Daten. Der Data Cube richtet sich mit diesen Nutzungsmöglichkeiten an interessierte Bürger*innen und Medienvertreter*innen, aber auch an die Wissenschaft, Politiker*innen und Politikberatung sowie jegliche Arbeitsfelder mit Berührungspunkten zu Umweltfragen.</p><p>Was bedeutet „Data Cube“?</p><p>In einem <a href="https://www.umweltbundesamt.de/service/glossar/d?tag=Data_Cube#alphabar">Data Cube</a> werden die Daten als Elemente eines mehrdimensionalen Datenwürfels angeordnet. Die Dimensionen des Würfels beschreiben die Daten, und ermöglichen eine Filterung der Daten nach den vorhandenen Kategorien.</p><p>Zum Beispiel werden die <a href="https://www.umweltbundesamt.de/service/glossar/t?tag=Treibhausgas#alphabar">Treibhausgas</a>-Emissionen im Data Cube detailliert abgebildet:</p><p>Durch die einfach Filtermöglichkeiten können so mit einem Datensatz sowohl sehr allgemeine Fragestellungen (<a href="https://datacube.uba.de/vis?fs%5B0%5D=Themen%252C0%7CKlima%2523CLIMATE%2523&pg=0&fc=Themen&bp=true&snb=14&vw=tl&df%5Bds%5D=ds-dc-release&df%5Bid%5D=DF_CLIMATE_EMISSIONS_GHG_TRENDS&df%5Bag%5D=UBA&df%5Bvs%5D=1.0&dq=.A.TOTAL.GHG.KT_CO2_EQ&pd=1990%252C2024&to%5BTIME_PERIOD%5D=false">sind die Treibhausgas-Emissionen in Deutschland gesunken?</a>) als auch sehr spezifische Fragestellungen (<a href="https://datacube.uba.de/vis?fs[0]=Themen%2C0%7CKlima%23CLIMATE%23&pg=0&fc=Themen&bp=true&snb=14&vw=tl&df[ds]=ds-dc-release&df[id]=DF_CLIMATE_EMISSIONS_GHG_TRENDS&df[ag]=UBA&df[vs]=1.0&dq=.A.3B4gi%2B3B4giii.GHG.KT_CO2_EQ&pd=2000%2C2024&to[TIME_PERIOD]=false&ly[cl]=D_SOURCE_CATEGORIES&ly[rw]=TIME_PERIOD">wie haben sich die Methan-Emissionen aus dem Wirtschaftsdüngermanagement für Legehennen im Vergleich zu Puten zwischen 2000 und 2024 entwickelt?</a>) beantwortet werden. Die Ergebnisdaten können mensch- und maschinenlesbar heruntergeladen, visualisiert und geteilt werden.</p><p>Technische Umsetzung: Die .Stat Suite als Open-Source Lösung für den Data Cube</p><p>Die .Stat Suite ist eine modulare Lösung für die flexible und skalierbare Bereitstellung von Daten. Die Software wurde von der Statistical Information System Collaboration Community (<a href="https://siscc.org/">SIS-CC</a>) als Open-Source-Lösung produziert. Sie bietet die Möglichkeit, Daten über verschiedene Komponenten zu speichern, zu teilen, darzustellen und zu orchestrieren. Die .Stat Suite wird von verschiedenen nationalen oder internationalen Organisationen und Data-Providern genutzt – darunter die FAO, UNICEF oder die <a href="https://www.umweltbundesamt.de/service/glossar/o?tag=OECD#alphabar">OECD</a>. Die Daten werden über das SDMX-Format bereitgestellt, einem technischen Standard für den Austausch von Daten und <a href="https://www.umweltbundesamt.de/service/glossar/m?tag=Metadaten#alphabar">Metadaten</a>.</p><p>Die Infrastruktur des <a href="https://www.umweltbundesamt.de/service/glossar/d?tag=Data_Cube#alphabar">Data Cube</a> ist in einer Cloud-Umgebung realisiert und durch das „Infrastructure as code“-Prinzip umgesetzt. So können Prozesse einfach und zentral skaliert werden. Die agilen Anpassungen der „Continuous Integration“-Methode gewährleistet die stetige Weiterentwicklung des Data Cube, zum Beispiel durch Einbindung von Nutzer*innen-Feedback.</p><p>Die Daten werden maschinenlesbar bereitgestellt: Eine RestAPI erlaubt den Abruf von Daten, Metadaten und Datenstrukturen in maschinenlesbarer Form. Als Basis wird die SDMX RESTful <a href="https://www.umweltbundesamt.de/service/glossar/a?tag=API#alphabar">API</a> verwendet. Eine Dokumentation ist in <a href="https://www.umweltbundesamt.de/daten.uba.de/swagger/#/">Swagger</a> hinterlegt. </p><p>Ausprobieren und mitgestalten – wir freuen uns über Feedback!</p><p>Das aktuell verfügbare Angebot ist ein Startpunkt. Es kommen ständig neue Datensätze dazu und die Inhalte werden kontinuierlich optimiert. Auch die Oberfläche und Nutzer*innenführung werden noch umfangreich weiterentwickelt, immer unter dem Gesichtspunkt der Nutzungsfreundlichkeit. Erfahrungen zu sammeln, die Anwendungsperspektive einzunehmen und mit Nutzer*innen in Austausch zu treten, hat für uns hohe Priorität! Wir freuen uns daher jederzeit über Rückmeldungen an datacube [at] uba [dot] de.</p><p>Die Portalentwicklung findet als Open-Source-Projekt statt, der Code wird zukünftig auf der Plattform <a href="https://gitlab.opencode.de/uba-data-cube/">openCode</a> öffentlich einsehbar sein.</p><p>Wie es weitergeht:</p><p>Der <a href="https://www.umweltbundesamt.de/service/glossar/d?tag=Data_Cube#alphabar">Data Cube</a> startete 2024 als Pilotsystem und ging im April 2025 in den Produktivbetrieb über. Die Entwicklung ist auf dauerhaften Betrieb angelegt und zielt daher auf flexible Lösungen ab, die kontinuierlich an sich wandelnde Anforderungen und Rahmenbedingungen angepasst werden können. Alle im Projekt entwickelten Softwarekomponenten sollen Open Source zur Verfügung gestellt werden.</p><p>Hintergrund</p><p>Die Bundesregierung hat sich mit dem 4. Nationalen Aktionsplan Open Government (NAP) zur Einführung des <a href="https://www.umweltbundesamt.de/service/glossar/d?tag=Data_Cube#alphabar">Data Cube</a> verpflichtet: <a href="https://www.open-government-deutschland.de/opengov-de/ogp/aktionsplaene-und-berichte/4-nap/einfuehrung-eines-data-cubes-daten-zur-umwelt-2225458?view=">Steckbrief der Verpflichtung zum Data Cube im 4. NAP</a></p>
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.
| Origin | Count |
|---|---|
| Bund | 12 |
| Land | 2 |
| Wissenschaft | 96 |
| Type | Count |
|---|---|
| Daten und Messstellen | 94 |
| Förderprogramm | 7 |
| Text | 2 |
| unbekannt | 5 |
| License | Count |
|---|---|
| geschlossen | 2 |
| offen | 105 |
| unbekannt | 1 |
| Language | Count |
|---|---|
| Deutsch | 11 |
| Englisch | 99 |
| Resource type | Count |
|---|---|
| Archiv | 1 |
| Datei | 92 |
| Dokument | 1 |
| Keine | 7 |
| Webseite | 7 |
| Topic | Count |
|---|---|
| Boden | 7 |
| Lebewesen und Lebensräume | 105 |
| Luft | 102 |
| Mensch und Umwelt | 108 |
| Wasser | 6 |
| Weitere | 108 |