API src

Found 1620 results.

Related terms

Staatswald Bestände 2011 Saarland

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 Bodenauflösung digitalisiert. Neben zahlreichen datenbankinternen Attributen ist folgendes Attribut entscheidend: Bestandsname ; landesweit besitzerübergreifend eindeutiger Schlüssel. Felder und ihre Bedeutung: BESTAND: Bestand; ALTSTR: Altersstruktur BALTER: Alter mittel; BALTERMI: Bestandsalter bis; BALTERMA: Bestandsalter von; BEFE: Befundeinheit; BESTLAGE: Lage der Teilfläche; BESTSTR: Bestandesstruktur; ENTWST: Entwicklungsstufe; BESTNAM: Bestandesname; UFLAECHE: Unterfläche; BEFAHRB: Befahrbarkeit in %; DAT: Datum; FLAECHE: Fläche in ha; SEEH: Seehöhe; ARTV_BA: Artenvielfalt der Baumarten; ARTV_BV: Artenvielfalt der Bodenvegetation; BEHVEG1: Behindernde Vegetation 1; BEHVEG2: Behindernde Vegetation 2; BETR_KL: Betriebsklasse; BEST_TYP: Bestandestyp; C: Sonderfeld; D: Driglichkeit; EINZELB: Schützenswerte Einzelbäume; EXPMA: Exposition bis; EXPMI: Exposition von; EXPOS: Exposition; FEINER: Erschließung in %; FORM: Baumform; GATTER: Gatter in %; GELFOMA: Geländeform bis; GELFOMI: Geländeform von; H_PFLZ: Pflegezustand; HOEHLE: Höhlenreichtum; HORIZ: Horizontale Strukturvielfalt; KALK: Kalkung; KONTRNUA: Kontrollnutzungsart; NEIG: Neigung; TOTHOLZ: Totholz stehend; ENTSTEH: Tothol liegend; VERTI: Vertikale Strukturvielfalt; WUCHSB: Wuchsbezirk; WUCHSG: Wuchsgebiet; BESCHRIFT: ; HBA: Dominierende Baumartengruppen; BU: Ateil Buche in %; BL: Anteil Fläche temp. ohne Baumbewuchs in %; DOU: Anteil Douglasie in %; ELB: Anteil Edellaubbäume in %; KI: Anteil Kiefer in %; EI: Anteil Eiche in %; FI: Anteil Fichte in %; LAE: Anteil Lärche in %; SALH: Summe der Laubhölzer in %; SLB: Anteil sonstiger Laubbäume in %; SANH: Summe der Nadelbäume in %; SNB:Anteil sonstiger Nadelbäume in %; UFL: Bestand; SHAPE_Area: Flächengröße ha;

Soil texture, soil physicochemical properties and climatic data from the PhytOakmeter plot DGRL_14 (Greifenhagen, Germany)

PhytOakmeter (www.phytoakmeter.de) is a field platform using the Quercus robur oak clone DF159 outplanted since 2010. This platform is used to monitor the impact of climate change and land use management on the "soil - plant - interactor" complex. Sites from PhytOakmeter are located either in forest or grassland habitats and represent a wide range of environmental contexts with specific stressors. All sites are equipped with loggers measuring air and soil temperature and soil humidity. Soil cores have been collected to analyze their chemical and physical characteristic. The DGRL plot in Greifenhagen (Germany) started in 2015 with 11 oak trees outplanted over a 50m x 10m grassland plot. Soil and air temperature were measured since 2018, soil moisture was measured since 2019, and soil chemistry was assessed in the root-affected zone of trees in 2016, 2020 and 2022. Soil porosity and texture were evaluated in 2020.

Fließgewässermessstelle Br. oh Emdg. Sulzach, Wörnitz

Die Messstelle Br. oh Emdg. Sulzach (Messstellen-Nr: 2617) befindet sich im Gewässer Wörnitz in Bayern. Die Messstelle dient der Überwachung des biologischen Zustands, des chemischen Zustands, des Grundwasserstands in tieferen Grundwasserstockwerken.

Bäume als Indikatoren für die urbane Wärmeinsel (BIWi)

Das Projekt 'Bäume als Indikatoren für die urbane Wärmeinsel (BIWi)' ist eine Vorstudie, in der an 12 stadtökologisch unterschiedlichen Standorten Berlins, der Stadt Deutschlands mit dem größten innerstädtischen Wärmeinseleffekt (urban heat island, UHI), mittels dendroklimatologischer Methoden Chronologien zu verschiedenen Jahrringparametern (Jahrringbreite JRB, Weiserjahrkataloge, holzanatomische Merkmale) erzeugt und analysiert werden. Das Ziel ist es zu untersuchen, mit welcher Güte und Sicherheit welche Wuchsmerkmale auf Einflüsse des UHI-Effektes zurückzuführen sind. Ausgehend von in Dendroklimatologie und Zeitreihenanalytik anerkannten und häufig erfolgreich angewandten Methoden zur Messtechnik, Datenaufbereitung und Datenanalyse soll ein Methodenverbund aus Korrelations-, Regressions-, Hauptkomponenten- und Extremjahranalysen für urbane Räume entwickelt werden, um an verschiedenen Standorten die Wachstumsfaktoren für die im Mittel herrschenden Klimabedingungen, wie auch für extreme Wetterlagen (Trocken- oder Hitzeperioden, Smoglagen) zu bestimmen und zu hierarchisieren. Dazu werden an 12 stadtökologisch unterschiedlichen Standorten an insgesamt ca. 150 Bäumen Chronologien zur Jahrringbreite wie auch Kataloge zu extremen Wuchsreaktionen und holzanatomischen Merkmalen (Frostringe, Dichteschwankungen, u.a.) generiert. Im Vergleich mit Standorten aus dem Berliner Umland werden die Effekte der UHI abschließend von den allgemeinen klimatischen Wachstumsfaktoren getrennt. Insbesondere für diesen Teilschritt ist neben der Analyse spezifischer Stadtbaumarten (Platane, Ahorn, Winterlinde oder ähnlichen) auch die von sogenannten waldbildenden Baumarten wie etwa Eiche, Buche oder Kiefer in der Stadt von Bedeutung, um die gefundenen Stadt-Umland-Diversitäten nicht durch artspezifische Unterschiede zu verwischen. Die in der Vorstudie gewonnenen Ergebnisse werden im Rahmen zweier Masterarbeiten ausgewertet und interpretiert und überdies in einem international anerkannten Fachjournal veröffentlicht. Bisher vorliegende Studien setzen die Dendroklimatologie erfolgreich ein, um das Wachstum urbaner Bäume zu analysieren. Die Innovation des Projektes BIWi beruht auf der erstmaligen Nutzung der Bäume und der dendroklimatologischen Techniken für die Analyse stadtklimatologischer Fragestellungen, insbesondere der räumlichen und zeitlichen Entwicklung der UHI. Im Erfolgsfalle dient diese Vorstudie dazu, in einem größer angelegten Folgeprojekt das übergeordnete Ziel zu verfolgen, ein Verfahren zur Untersuchung der räumlichen Verbreitung und raumzeitlichen Entwicklung von UHIs mit Hilfe dendroökologischer Datensätze zu entwickeln. Perspektivisch kann so dazu beizutragen werden retrospektiv und projektiv Aussagen zur Entwicklung von UHIs vor dem Hintergrund sich ändernder klimatischer, demographischer und städteplanerischer Entwicklungen zu treffen.

Forstwirtschaft - Bestände Staatswald 2011

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.

Wachstumsschwankungen europäischer Baumarten während der letzten 1000 Jahre

Als Grundlage für hochaufgelöste Klimarekonstruktionen der letzten Jahrtausende dienen jahrgenau datierbare natürliche Klimaproxies wie Jahresringe von Bäumen. Bisher konzentrierten sich dendroklimatologische Untersuchungen in Europa auf Temperaturrekonstruktionen borealer und alpiner Waldgrenzstandorte. In weitaus geringerem Umfang liegen dagegen hydroklimatische Rekonstruktionen basierend auf niederschlagssensitiven Baumarten der Tieflagen (kleiner als 1000 m NN) vor, obgleich hydroklimatische Schwankungen in der Abschätzung zukünftiger und historischer Klimaveränderungen eine wichtige Rolle spielen. Die Steuerungsfaktoren, das Ausmaß und die zeitliche Abfolge dekadischer bis mehrhundertjähriger Schwankungen im Baumwachstum, welche für die Rekonstruktion des gesamten Spektrums hydroklimatischer Variabilität von entscheidender Bedeutung sind, wurden bisher kaum untersucht und verstanden. In dem geplanten Projekt sollen nun zum ersten Mal langfristige Wachstumstrends auf verschiedenen raum-zeitlichen Skalen von acht europäischen Baumarten über die letzten 1.000 Jahre gegenübergestellt werden. Die hauptsächlich aus archäologischen und historischen Holzfunden generierten Jahrringdaten von Eiche, Buche, Erle, Esche, Ulme, Tanne, Kiefer und Fichte, in Verbindung mit Daten lebender Bäume, decken die letzten 1.000 Jahre lückenlos mit hoher Belegung ab. Dieser einmalige Datenbestand mit rund 60.000 Jahrringserien ökologisch und ökonomisch wichtiger heimischer Baumarten wird von europäischen Jahrringforschern bereitgestellt. Das Ziel des geplanten Projektes ist ein besseres Verständnis der raum-zeitlichen Variabilität von niederfrequenten Wachstumstrends und die Identifizierung gemeinsamer Faktoren, die das längerfristige Baumwachstum in Europa maßgeblich steuern (z.B. Klima und/oder Vulkanemissionen, Kohlenstoffdioxidgehalt der Atmosphäre oder Veränderungen der Sonnenaktivität). Die angewandten Methoden umfassen neue Standardisierungsverfahren, Trend- und Spektralanalysen sowie Filterungsverfahren, um niederfrequente Schwankungen der Jahrringchronologien zu detektieren und extrahieren. Faktoren, die das langfristige Baumwachstum maßgeblich steuern, werden unter Einbeziehung verschiedener Klimaparameter (Temperatur, Niederschlag, Abflussmengen von Flüssen, Grundwasserstände) sowie Zeitreihen externer und interner Einflüsse auf das Klimasystem identifiziert. Darüber hinaus werden die langfristigen Wachstumstrends mit Zeitreihen anderer Paläoarchive verglichen. Die in dem geplanten Projekt gewonnenen neuen Erkenntnisse über klimabedingter, langfristiger Wachstumsschwankungen und deren Ursachen werden eine deutlich bessere Grundlage für zukünftige valide Klimarekonstruktionen, globale Klimamodelle und für die Quantifizierung von Langzeitveränderungen des globalen Kohlenstoffkreislaufs schaffen.

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

Tree Species - Sentinel-2 - Germany, 2016

The Tree Species Germany product provides a map of dominant tree species across Germany for the year 2016 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. The input features explicitly incorporate phenological information to capture seasonal vegetation dynamics relevant for species discrimination. A total of over 100,000 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 product was created by majority-voting on annual XGBoost Sentinel-2 tree species classifications (2016–2024) and filtering with forest structure data. If no clear majority vote was achieved, the class uncertain was assigned. The Tree Species Germany 2016 product achieves an overall F1-score of 0.95. For the dominant species pine, spruce, beech, and oak, class-wise F1-scores range from 0.92 to 0.99, while F1-scores for other widespread species such as birch, alder, larch, Douglas fir, fir, and other deciduous species range from 0.85 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.

Fließgewässermessstelle Strbr. St.2252 oh Mdg., Rannach

Die Messstelle Strbr. St.2252 oh Mdg. (Messstellen-Nr: 18571) befindet sich im Gewässer Rannach in Bayern. Die Messstelle dient der Überwachung des biologischen Zustands, des chemischen Zustands.

HeideBench: A Multispectral UAV Time-Series Benchmark for Forest Crown Phenology in Dölauer Heide

We present HeideBench, a very-high-resolution multispectral uncrewed aerial vehicle dataset for forest crown phenology collected over a forest patch in Dölauer Heide, Halle (Saale), Germany. Dölauer Heide is currently dominated by pine plantations (Kiefernforste), which cover the largest area but are increasingly affected by dieback, while its potential natural vegetation is sessile oak–hornbeam forest rich in small-leaved lime (Albrecht et al., 1993). In addition to these pine stands, the area contains near-natural mixed deciduous forests with oaks, birches, and beeches, making it a particularly relevant setting for observing seasonal canopy development under contrasting forest structures and ongoing ecological transition. Against this background, HeideBench provides repeated observations of the same forest patch through the growing season. The dataset contains 18 georeferenced multispectral GeoTIFF orthomosaics acquired between 6 March 2025 and 5 November 2025, spanning a 244-day seasonal period from early spring to late autumn. The acquisitions have a median revisit interval of 14 days, with intervals ranging from 4 to 27 days, and an average ground sampling distance of 5.53 cm per pixel. The valid imaging footprint covers approximately 32.1 ha and is bounded by 11.902653–11.911325°E and 51.499959–51.508576°N. Data were collected using a DJI Mavic 3M Enterprise uncrewed aerial vehicle equipped with four multispectral cameras measuring green (560 nm), red (650 nm), red-edge (730 nm), and near-infrared (860 nm) reflectance, in that order. Flights used a real-time kinematic (RTK) positioning module for centimeter-level geolocation, and all data are provided in coordinate reference system EPSG:25832. Imagery was processed with Agisoft Metashape 2.3.1 to generate calibrated multispectral orthomosaics. The dataset further includes 5,885 crop-safe individual tree crown instance segmentations over the same footprint, extracted with the DeepTrees software package (Khan et al., 2025). HeideBench is intended to support crown-centric analyses of seasonal canopy development, temporal representation learning, phenology-aware feature extraction, and the evaluation of tree crown delineation under seasonal change. HeideBench is a result of the Dynamic Platform Project titled "PhenoEmbed: Multispectral UAV AI Embeddings for phenology-aware tree crown delineation" of the Integration Platform 1: "Sustainable future land use" (IP1) at the Helmholz Centre for Environmental Research (UFZ) in Leipzig, Germany.

1 2 3 4 5 … 160 161 162