Die COSMOS-Initative hat die Bündelung von Modellentwicklungen an einer Stelle in einen Erdsystemforschungsrahmen zum Ziel, zur Entwicklung eines gemeinsamen Erdsystemmodell mit unterschiedlichsten Koppelungsvariationen. In Deutschland hat im Frühjahr 2003 das MPI-M die Initiative dazu ergriffen, und innerhalb von COSMOS den benötigten Rahmen mit den daran interessierten beteiligten Einrichtungen etabliert. Es tragen verschiedene europäische Institutionen zur COSMOS-Initiative bei, sei es durch direkte Zusammenarbeit, sei es durch Beteiligung in den Gremien (Steering Committee and Science Advisory Panel). COSMOS wird von den Erfahrungen in den unterschiedlichen nationalen, europäischen und internationalen Modelliergruppen profitieren und sowohl drängenden globalen als auch regionalen wissenschaftlichen Fragestellungen Rechnung tragen. COSMOS wird bereits in anderen europäischen Ländern, in den USA und Japan etablierten Initiativen vergleichbar sein und zudem zum 6. europäischen Rahmenprogramm beitragen, wie auch zu internationalen Initiativen, wie dem Weltklimaforschungsprogramm sowie dem Internationalen Geosphäre-Biosphäre-Programm. Ausgehend von einer 1. Version wird an der 2. Version in gemeinsamer Arbeit der innerhalb von COSMOS eingerichteten Arbeitsgruppen, in denen Mitglieder der unterschiedlichsten Institutionen vertreten sind, gearbeitet. Die jeweiligen neuentwickelten Modellversionen bzw. neu entwickelten Komponenten werden der gesamten wissenschaftlichen Gemeinschaft nach Evaluation zur Verfügung gestellt. COSMOS wird nicht ausschließlich eine gebündelte Initiative mit tragender Rolle für Forschungszwecke sein, sondern in den kommenden Jahren auch zunehmende Bedeutung für Wettervorhersageinstitutionen erlangen. Die Gesamtkosten tragen die beteiligten Einrichtungen. http:'www.cosmos.enes.org'.
Der Datensatz zeigt detaillierte Luftbilder (Digitale Orthophotos - DOP) des Hamburgischen Wattenmeeres, einschließlich der Inseln Neuwerk, Nigehörn und Scharhörn. Mit einer Auflösung von <b> 0,20m - 0,25m </b> eine beeindruckende Detailgenauigkeit. Woher kommen die Daten? Die hier enthaltenen Daten wurden mit Spektral- und Multispektral-Sensoriken (RGB/RGBI) via <b>Flugzeug</b> aufgenommen. Für nähere Infos stehen im Downloadbereich Informationen bereit. Die Zusammenführung der Daten in einer Zeitreihe ermöglicht es, Entwicklungen im Landschaftsbild zu identifizieren und über einen Zeitraum hinweg zu beobachten: -Wo liegen Nistplätze? (#Detektion) -Wie verändert sich der Uferverlauf? (#Change Detection) -Wie steht es um die Vegetation? (#Monitoring) Wie das funktioniert? DOP bieten die vorteilhafte Eigenschaft, dass sie wie eine Karte verwendet werden können. Strukturen werden lagerichtig, an Ort und Stelle, dargestellt. Bei Einbindung in Geoinformationssysteme können geometrische Informationen (Maße) und auch spektrale Informationen (RGBI-Werte) abgegriffen und für Analysen verwendet werden. Digitale Orthophotos zählen damit zu den unverzichtbaren Werkzeugen der Erdbeobachtung. Die Daten sind ideal für Anwendungen in der Umweltbeobachtung, Stadtplanung, sowie als Trainingsdaten für KI geeignet.
Der Datensatz zeigt detaillierte Luftbilder (Digitale Orthophotos - DOP), die während der unbelaubten Jahreszeit in Hamburg aufgenommen worden sind. Mit einer Auflösung von <b> 0,20m - 0,30m </b> eine beeindruckende Detailgenauigkeit. Woher kommen die Daten? Die hier enthaltenen Daten wurden mit Multispektral-Sensoriken (RGBI) sowohl via <b>Flugzeug</b>, als auch <b>Satellit</b> aufgenommen. Entsprechend variieren einzelne Parameter - für nähere Infos stehen im Downloadbereich Informationen bereit. Die Zusammenführung der Daten in einer Zeitreihe ermöglicht es, Entwicklungen im urbanen Landschaftsbild zu identifizieren und über einen Zeitraum hinweg zu beobachten: -Wie viele Gebäude gibt es? (#Detektion) -Wo entstehen versiegelte Flächen? (#Change Detection) -Wie steht es um die Vegetation? (#Monitoring) Wie das funktioniert? DOP bieten die vorteilhafte Eigenschaft, dass sie wie eine Karte verwendet werden können. Strukturen werden lagerichtig, an Ort und Stelle, dargestellt. Bei Einbindung in Geoinformationssysteme können geometrische Informationen (Maße) und auch spektrale Informationen (RGBI-Werte) abgegriffen und für Analysen verwendet werden. Digitale Orthophotos zählen damit zu den unverzichtbaren Werkzeugen der Erdbeobachtung. Die Daten sind ideal für Anwendungen in der Stadt- und Verkehrsplanung, Umweltbeobachtung und auch als Trainingsdaten für KI geeignet.
Der Datensatz zeigt detaillierte Luftbilder (Digitale Orthophotos - DOP), die während der belaubten Jahreszeit in Hamburg aufgenommen worden sind. Mit einer Auflösung von <b> 0,20m - 0,50m </b> eine beeindruckende Detailgenauigkeit. Woher kommen die Daten? Die hier enthaltenen Daten wurden mit Multispektral-Sensoriken (RGBI) sowohl via <b>Flugzeug</b>, als auch <b>Satellit</b> aufgenommen. Entsprechend variieren einzelne Parameter - für nähere Infos stehen im Downloadbereich Informationen bereit. Die Zusammenführung aller Daten in einer Zeitreihe ermöglicht es, Entwicklungen im urbanen Landschaftsbild zu identifizieren und über einen Zeitraum hinweg zu beobachten: -Wie viele Gebäude gibt es? (#Detektion) -Wo entstehen versiegelte Flächen? (#Change Detection) -Wie steht es um die Vegetation? (#Monitoring) Wie das funktioniert? DOP bieten die vorteilhafte Eigenschaft, dass sie wie eine Karte verwendet werden können. Strukturen werden lagerichtig, an Ort und Stelle, dargestellt. Bei Einbindung in Geoinformationssysteme können geometrische Informationen (Maße) und auch spektrale Informationen (RGBI-Werte) abgegriffen und für Analysen verwendet werden. Digitale Orthophotos zählen damit zu den unverzichtbaren Werkzeugen der Erdbeobachtung. Die Daten sind ideal für Anwendungen in der Stadt- und Verkehrsplanung, Umweltbeobachtung und auch als Trainingsdaten für KI geeignet.
Ground reference data are a prerequisite for the calibration, update and validation of land data assimilation systems facilitating large-scale crop monitoring based on Earth Observation data. Here, we provide a comprehensive database which was elaborated to test and validate the recently developed Earth Observation Land Data Assimilation System (EO-LDAS). In situ data was collected for seven crop types cultivated on the agricultural Gebesee test site (central Germany) in 2013 and 2014, i.e., winter barley, winter wheat, spring wheat, durum, winter rape, potato and sugar beet. The database contains information on the evolution of biophysical and biochemical plant parameters, phenology, leaf structure, soil moisture, atmospheric states and illumination conditions. In addition, surface reflectance was recorded with a field spectrometer. Data was collected with an approximately weekly resolution throughout the growing season. In addition, it was attempted to schedule days of field work according to the acquisition plans of RapidEye, SPOT5, Landsat 7 and 8, and on days with a high probability of low cloud coverage. Data was collected on up to three elementary sampling units (ESUs) per acreage. ESUs represent squares with a diagonal length of 24 m and consist of five secondary sampling points (SSPs). This experimental design permits an assessment of spatio-temporal variations of the investigated parameters. Coordinates of survey sites, nearby ground control points (GCPs) and check points (CPs) were recorded with a differential Global Navigation Satellite System (dGNSS) which supports accurate geo-referencing of satellite images. The experimental design of the field campaigns, methods employed in the determination of all parameters, and meteorological conditions in the measurement period are described in detail in Truckenbrodt & Schmullius, 2017.
Ground reference data are essential for the calibration, update and validation of empirically and physically based models as well as hybrid methods that facilitate crop monitoring with the help of Earth Observation data. This database contains in situ measured values from 2016 for various parameters characterizing vegetation, soil and atmosphere conditions all of which are required to test and validate the Earth Observation Land Data Assimilation System (EO-LDAS). This new database is complementary to another database for the growing seasons in 2013 and 2014 that was previously published by Truckenbrodt & Baade (2017; doi:10.1594/PANGAEA.874251) and has been described in detail by Truckenbrodt & Schmullius (2018). In 2016, ground reference data were collected for five crop types (i.e., winter barley, winter wheat, spring wheat, potato and sugar beet) grown on the agricultural Gebesee test site (central Germany). Between May and October, hyperspectral surface reflectance, information on the evolution of biophysical and biochemical plant parameters (like leaf area index, biomass and leaf chlorophyll content), phenology, leaf structure, soil moisture, atmospheric states and illumination conditions were recorded. The field working days were preferentially scheduled for days with expectedly low cloud coverage and close to overflights of Sentinel-2, Landsat 7 and 8. Each crop type was investigated on average every 16 days on at least one elementary sampling unit (ESU). The data collection for potato and winter wheat was complemented with up to two additional ESUs on single field working day. All ESUs are designed as a square with a diagonal length of 24 m. On the diagonal from the most southwestern to the most northeastern corner of the ESU five secondary sampling points (SSPs) are distributed: at 0 m (SSP00), 8 m (SSP08), 12 m (SSP12), 16 m (SSP16), and 24 m (SSP24). The corner coordinates were determined with a differential Global Navigation Satellite System (dGNSS). A set of dGNSS recorded ground control points (GCPs) and check points (CPs) has been provided by Truckenbrodt & Baade (2017; doi:10.1594/PANGAEA.874247) and allows for a solid geo-referencing of satellite images depicting the agricultural Gebesee test site.
Borealen Wälder speichern fast ein Drittel des weltweiten terrestrischen Kohlenstoffs in Biomasse und Böden. Die Stabilität dieser Kohlenstoffvorräte ist in der jüngsten Zeit intensiv diskutiert worden, denn es wird erwartet, dass Waldstörungen wie etwa Insektenausbrüche, Stürme oder Brände im Klimawandel zunehmen werden. Während für die nordamerikanischen und europäischen borealen Wälder eine solide Wissensbasis über sich verändernde Waldstörungen existiert, gibt es für die russischen borealen Wälder nur wenige Fallstudien. Diese wenigen Fallstudien decken jedoch nur einen sehr kleinen Teil der riesigen Ausdehnung des russischen borealen Waldes ab, was wiederum das Kohlenstoffbudget des russischen borealen Waldes höchst unsicher macht. Im Rahmen des BOFOR-Projekts schlagen wir daher vor, diese Wissenslücke zu schließen, indem wir unser Verständnis der sich veränderte Waldstörungen und deren Einfluss auf den Kohlenstoffhaushalt des russischen borealen Waldes verbessern. Das Projekt verfolgt dabei die folgenden sechs Ziele: (1) Entwicklung eines neuen räumlich expliziten Datensatzes für Waldstörungen für den gesamten russischen borealen Wald unter Verwendung von Erdbeobachtungsdaten. (2) Die Zuordnung von Waldstörungen zu ihren kausalen Verursachern wie Feuer, Wind, Insektenbefall und Holzernte. (3) Quantifizierung der Sensitivität von Störungen in borealen Wäldern gegenüber zunehmenden Klimaextremen im Zuge des Klimawandels. (4) Quantifizierung der Erholungsfunktion nach Störung, mit besonderem Blick auf die Biomasse. (5) Quantifizierung der Sensitivität der Erholungsfunktion gegenüber biotischen, bodenkundlichen und klimatischen Faktoren. (6) Erstellung eines vollständigen Kohlenstoffbudgets für den borealen Wald, einschließlich Störungen und Erholung. Das von uns vorgeschlagene Projekt wird eine wichtige Wissenslücke im globalen Kohlenstoffkreislauf schließen und damit unser Verständnis des Klimaschutzpotenzials der Wälder weltweit erheblich verbessern.
Aufbereitung und digitale Vorverarbeitung von multispektralen Bilddaten; digitale Korrekturverfahren und Bildverbesserungen; Bilddarstellungsverfahren und photographische Verarbeitung.
Mit der Initiierung des Europäischen Copernicus Programms zur Erdbeobachtung und dem damit verbundenen Start der Satelliten Sentinel-1A & B stehen erstmals zuverlässig und kostenfrei dichte C-Band Radardatenzeitserien zur Verfügung. Die Kombination beider Schwestersatelliten erlaubt die Datenakquisition mit einer zeitlichen Wiederholrate von sechs Tagen bei gleichbleibender Aufnahmegeometrie. Die nun zur Verfügung stehende zeitliche Dimension der SAR-Datensätze ermöglicht und erfordert innovative Datenauswertestrategien, die zum einen die Vorprozessierung der Daten und zum anderen die Extrahierung des Informationsgehaltes optimieren. Das übergeordnete Ziel dieses Vorhabens ist die Entwicklung und der Test eines geeigneten Verfahrens. Der vorgeschlagene Ansatz basiert auf der temporalen Dekomposition von SAR Zeitreihen. Die extrahierte raumzeitliche Information soll hinsichtlich ihrer Eignung als Datengrundlage für bestimmte Anwendungen untersucht werden. Parallel soll mittels temporaler Dekomposition ein neuartiger Speckle-Filter entwickelt werden. Der Speckle-Filter wird die Eigenschaft besitzen, ausschließlich über die Zeit zu filtern. Somit bleibt die geometrische Auflösung der Eingangsdaten vollständig erhalten. Eine Erweiterung des Filters zur raum-zeitlichen Filterung ist ebenso vorgesehen. Die Zerlegung des zeitlichen Signals erfolgt in einzelne Komponenten unterschiedlicher Frequenz. Komponenten hoher Frequenz bilden zufällige Rückstreuvariationen ab (Speckle, Niederschlagseinflüsse etc.), Komponenten mittlerer oder niedriger Frequenz werden durch biophysikalische Prozesse wie z.B. Bodenfeuchteänderungen oder Pflanzenwachstum dominiert. Welche Komponenten mit welchen biophysikalischen Prozessen zusammenhängen, und welche zeitliche Abtastungsdichte gegeben sein muss, um den Einfluss dieser Steuergrößen abbilden zu können, soll im Rahmen dieses Vorhabens analysiert werden. Bezüglich der Bodenfeuchteableitung soll zudem geprüft werden, inwieweit Sentinel-1 basierte Kohärenzen sowie Phasentriplets geeignete Proxys für die Ableitung von Bodenfeuchteindikatoren sein können. Entsprechend dieser Ergebnisse erfolgt die Erforschung der Nutzbarkeit der zeitlichen Komponenten hinsichtlich der Anwendungsentwicklung. Im Vordergrund stehende Anwendungsfälle sind hier die Kartierung der Landbedeckung und -nutzung inkl. REDD+ Fragestellungen, die Detektion von Landbedeckungsveränderungen, Analysen zur Dynamik von Feuchtgebieten sowie die Ableitung von Bodenfeuchteindikatoren.
Im Rahmen des Projekts soll aus bodengebundenen Wolkenseitenmessungen der reflektierten Strahlung mittels eines abbildenden Spektrometersystems von tropischer hochreichender Konvektion auf das Vertikalprofil der mikrophysikalischen Eigenschaften der Wolke geschlossen werden. Damit soll die vertikale Entwicklung von hochreichender Konvektion, die eine wesentliche klimarelevante Rolle spielt, unter Berücksichtigung des Einflusses von Aerosolpartikeln und von thermodynamischen Bedingungen auf das Tropfenwachstum charakterisiert werden. Die geplanten Messungen sollen auf einem 320 m hohen Messturm (ATTO: Amazonian Tall Tower Observatory), der kürzlich im brasilianischen Regenwald errichtet wurde, stattfinden. ATTO ist mit Messgeräten ausgestattet, die meteorologische, chemische und Aerosolparameter liefern. Die Messregion bietet ideale Beobachtungsbedingungen mit klar definierten Jahreszeiten (Regen- und Trockenzeit), täglicher Konvektion und variablen Aerosolbedingungen. Aus den Messungen eines neuen abbildenden Spektrometersystems, SPIRAS (SPectral Imaging Radiation System) sollen Vertikalprofile der thermodynamischen Phase und der Partikelgröße mit hoher zeitlicher und räumlicher Auflösung und mit Hilfe von adaptierten Verfahren unter Verwendung von dreidimensionalen Strahlungstransportsimulationen abgeleitet werden. Damit sollen vertikale Bereiche, die das Tropfenwachstum beschreiben (Diffusion, Koaleszenz, Mischphasenbereich und Vereisung), identifiziert werden. Zusätzliche Messungen einer Infrarotkamera und eines scannenden Depolarisations-Lidars werden für die Höhen- und Temperaturbestimmung der beobachteten Wolkenelemente herangezogen. Zusätzlich werden die Polarisationsmessungen des Lidars zur Bestimmung der thermodynamischen Phase verwendet, um den wichtigen Phasenübergang zu identifizieren. Mit Hilfe der gewonnenen Daten werden außerdem Annahmen (Effektivradius als konservative Wolkeneigenschaft) wie sie von Ableitungsverfahren zur Bestimmung von mikrophysikalischen Wolkenprofilen aus Satellitenmessungen gemacht werden, überprüft.
| Organisation | Count |
|---|---|
| Bund | 500 |
| Europa | 11 |
| Global | 5 |
| Kommune | 5 |
| Land | 14 |
| Schutzgebiete | 2 |
| Weitere | 14 |
| Wirtschaft | 8 |
| Wissenschaft | 266 |
| Zivilgesellschaft | 1 |
| Type | Count |
|---|---|
| Daten und Messstellen | 16 |
| Ereignis | 10 |
| Förderprogramm | 461 |
| Hochwertiger Datensatz | 3 |
| Repositorium | 3 |
| Text | 23 |
| unbekannt | 47 |
| License | Count |
|---|---|
| Geschlossen | 21 |
| Offen | 534 |
| Unbekannt | 8 |
| Language | Count |
|---|---|
| Deutsch | 325 |
| Englisch | 275 |
| Resource type | Count |
|---|---|
| Archiv | 7 |
| Bild | 2 |
| Datei | 18 |
| Dokument | 24 |
| Keine | 352 |
| Webseite | 201 |
| Topic | Count |
|---|---|
| Boden | 432 |
| Lebewesen und Lebensräume | 475 |
| Luft | 417 |
| Mensch und Umwelt | 563 |
| Wasser | 266 |
| Weitere | 556 |