This raster dataset, in Cloud Optimized GeoTIFF format (COG), provides information on land surface changes at the pan-arctic scale. Multispectral Landsat-5 TM, Landsat-7 ETM+, Landsat-8 OLI, and Landsat-9 OLI-2 imagery (cloud-cover less than 70%, months July and August) was used for detecting disturbance trends (associated with abrupt permafrost degradation) between 2005 and 2024. For each satellite image, we calculated the Tasseled Cap multi-spectral index to translate the spectral reflectance signal to the semantic information Brightness, Greenness, and Wetness. In order to characterize change information, we calculated the linear trend of Brightness, Greenness, and Wetness over two decades at the individual pixel level, based on annually aggregated data. The final map product therefore contains information on the direction and magnitude of change for all three Tasseled Cap parameters at 30 m spatial resolution across the pan-arctic permafrost domain. Features detected include coastal erosion, lake drainage, infrastructure expansion, and fires. The general processing methodology was developed by Fraser et al. (2014) and adapted and expanded by Nitze et al. (2016, 2018). Here, we upscaled the processing to the circum-arctic permafrost region and applied it to the recent 20-year period from 2005 through 2024. The service covers the permafrost region up to 81° North: Alaska (USA), Canada, Greenland, Iceland, Norway, Sweden, Finland, Russia, Mongolia, and China. For Russia and China, regions not containing permafrost were excluded. The data have been processed in Google Earth Engine as part of the research projects ERC PETA-CARB, ESA CCI+ Permafrost, NSF Permafrost Discovery Gateway, and EU Arctic PASSION. The dataset is a contribution to the 'Pan-Arctic Requirements-Driven Permafrost Service' of the Arctic PASSION project (see References). Changes in the Tasseled Cap indices – Brightness, Greenness, and Wetness – are displayed in the image bands red, green, and blue, respectively. Here, coastal erosion (a trend of a land surface transitioning to a water surface) is depicted in dark blue tones, while coastal accretion (a trend of a water surface transitioning to a land surface) is depicted in bright orange colors. Drained lakes are shown in bright yellow or orange colors, depending on the soil conditions and vegetation regrowth. Fire scars are a further common feature, appearing in different colors depending on the time of the fire and the pre-fire land cover. The data can be explored via the Arctic Landscape EXplorer (ALEX; see References) and are available as a public web map service (WMS; see References), both hosted by Alfred Wegener Institute Helmholtz Centre for Polar and Marine Research.
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'.
Die Radiookkultations-(RO)-Technik verwendet auf niedrigfliegenden (Low Earth Orbiter, LEO) Satelliten installierte Empfänger, um GPS/GNSS-Signale zu empfangen und Bogenmessungen der Erdatmosphäre und Ionosphäre durchzuführen. Aufgrund des Erfolgs der FormoSat-3/COSMIC- (Constellation Observing System for Meteorology, Ionosphere and Climate, FS3/COSMIC) -Mission, bestehend aus sechs Mikro-LEO-Satelliten, hat das gemeinsame US- und taiwanesische RO-Team beschlossen, eine COSMIC-Folgemission (sog. FS7/COSMIC2) voranzubringen. Die GNSS-RO-Nutzlast mit Namen Tri-G GNSS Radio-occultation System (TGRS) wird mehrkanalige GPS-, GLONASS- und Galileo-Satellitensignale empfangen und in der Lage sein, mehr als 10.000 RO-Beobachtungen täglich zu verfolgen, nachdem sowohl schwache als auch starke Bahnneigungs-Konstellationen vollständig abgedeckt worden sind. Man geht davon aus, die dichteren RO-Szintillationsbeobachtungen zu nutzen, um die Struktur der Erdatmosphäre und -ionosphäre genau zu analysieren und zu modellieren.Zusätzlich könnte die spezielle Art von GNSS-Multipfadverzögerungen, die von der Erdoberfläche reflektiert werden, verwendet werden, um Erdoberflächenumgebungsdaten, wie Ozeanhöhen und Seegang, zu erfassen. Die Empfindlichkeit dieser Signalcharakteristika gegenüber Ausbreitungseffekten ist für verschiedene Arten der Umweltfernerkundung geeignet. Dies hat einen Bedarf deutlich gemacht, geeignete Empfänger zu entwerfen und zu entwickeln, die reflektierte und gestreute GPS/GNSS-Signale in Echtzeit erfassen und verarbeiten können, um die Speicherung riesiger Mengen an Rohdaten zu vermeiden. Wir schlagen auch vor, das feldprogrammierbare Gatterfeld (Field Programmable Gate Array, FPGA) auf die GPS/GNSS-Reflektometrieinstrumente anzuwenden, wobei eine hohe Synchronität und ein größtmöglicher Nutzen aus den verfügbaren Hardware-Ressourcen zu erzielen wäre. Mittels Simulink/Matlab kann das FPGA auch komplexe Delay-Doppler-Map- (DDM) -Daten in Echtzeit durch Korrelation der phasengleichen und Quadraturkomponenten der Basisbandsignale berechnen. Diese Studie wird neue Ziele und Ergebnisse der GNSS-Fernerkundung der Atmosphäre, Ionosphäre, und der Ozeane sowie neue Möglichkeiten für die zukünftige FS7/COSMIC2-Mission aufzeigen.Das Projekt wird am Institut für Geodäsie und Geoinformationstechnik TU Berlin in enger Kooperation mit Wissenschaftlern des GFZ, Potsdam und des GPS Science and Application Research Center (GPSARC) der NCU, Taiwan durchgeführt.Die Ziele des Projekts lassen sich wie folgt zusammenfassen:(1) Nutzung von GPS/GNSS-RO-Atmosphärendaten und Entwicklung hochentwickelter Algorithmen für die untere Troposphäre und klimatologische Untersuchungen,(2) Erfassung und Überwachung der sporadischen E(Es)-Schicht, Szintillationen und damit zusammenhängender Effekte einschließlich vertikaler Kopplungen und(3) Entwicklung eines Echtzeit-FPGA-basierten GPS/GNSS-Reflektometers für Anwendungen im Bereich von Meereshöhen- und Seegangsmessungen.
Zur Erreichung der von der neuen Bundesregierung gesteckten Ausbauziele in der Windenergie ist die Erschließung einer Vielzahl neuer Flächen für Windparks in kurzer Zeit erforderlich. Grundlage für die Windparkplanung an einem neuen Standort ist die Abschätzung der zu erwartenden Energieerträge sowie die Auswahl geeigneter Windenergieanlagen. Derzeit ist die Ertragsabschätzung mit hohen Unsicherheiten behaftet. Zudem ist sie insbesondere aufgrund der aktuell erforderlichen, einjährigen Windmessung zeit- und kostenintensiv. Ziel des Projektes ist es deshalb, durch Verbesserungen entlang der gesamten Prozesskette qualitativ bessere Ertragsabschätzungen in kürzerer Zeit und zu deutlich geringeren Kosten zu ermöglichen. Für die Zielerreichung werden Verfahren entwickelt, die eine bessere Datengrundlage (z.B.Reanalysen, Rauhigkeitsdaten) für die Windbranche liefern. Darüber hinaus werden an verschiedenen Stellen innovative Verfahren aus dem Bereich der Data Science wie maschinelles Lernen oder Modellensembles verwendet, um eine genaue Abschätzung der Energieerträge in kürzerer Zeit zu ermöglichen. Das Zusammenführen der verschiedenen Verfahren und Daten zu einem Gesamtprozess ermöglicht neben der Qualitätssteigerung einen hohen Grad an Automatisierung von Ertragsgutachten. Letztendlich schafft das Projekt damit die Grundlage für eine Senkung der Projektrisiken für Planer und Projektierer. Darüber hinaus können die entwickelten Verfahren auch für genauere regionale Potenzialabschätzungen verwendet werden und so einen Beitrag zur besseren Planung des Windenergieausbaus leisten. Das Fraunhofer IEE koordiniert das Verbundprojekt. Wissenschaftlich fokussiert sich das Fraunhofer IEE im Rahmen ihrer Forschungsarbeiten auf die Entwicklung von Verfahren zur Detektion von Rauhigkeitsänderungen auf Basis von Erdbeobachtungsdaten und entwickelt zeitreihenabhängige Verlustmodelle für verbesserte Ertragsabschätzungen.
Zur Erreichung der von der neuen Bundesregierung gesteckten Ausbauziele in der Windenergie ist die Erschließung einer Vielzahl neuer Flächen für Windparks in kurzer Zeit erforderlich. Grundlage für die Windparkplanung an einem neuen Standort ist die Abschätzung der zu erwartenden Energieerträge sowie die Auswahl geeigneter Windenergieanlagen. Derzeit ist die Ertragsabschätzung mit hohen Unsicherheiten behaftet. Zudem ist sie insbesondere aufgrund der aktuell erforderlichen, einjährigen Windmessung zeit- und kostenintensiv. Ziel des Projektes ist es deshalb, durch Verbesserungen entlang der gesamten Prozesskette qualitativ bessere Ertragsabschätzungen in kürzerer Zeit und zu deutlich geringeren Kosten zu ermöglichen. Für die Zielerreichung werden Verfahren entwickelt, die eine bessere Datengrundlage (z.B.Reanalysen, Rauhigkeitsdaten) für die Windbranche liefern. Darüber hinaus werden an verschiedenen Stellen innovative Verfahren aus dem Bereich der Data Science wie maschinelles Lernen oder Modellensembles verwendet, um eine genaue Abschätzung der Energieerträge in kürzerer Zeit zu ermöglichen. Das Zusammenführen der verschiedenen Verfahren und Daten zu einem Gesamtprozess ermöglicht neben der Qualitätssteigerung einen hohen Grad an Automatisierung von Ertragsgutachten. Letztendlich schafft das Projekt damit die Grundlage für eine Senkung der Projektrisiken für Planer und Projektierer. Darüber hinaus können die entwickelten Verfahren auch für genauere regionale Potenzialabschätzungen verwendet werden und so einen Beitrag zur besseren Planung des Windenergieausbaus leisten. Das Fraunhofer IEE koordiniert das Verbundprojekt. Wissenschaftlich fokussiert sich das Fraunhofer IEE im Rahmen ihrer Forschungsarbeiten auf die Entwicklung von Verfahren zur Detektion von Rauhigkeitsänderungen auf Basis von Erdbeobachtungsdaten und entwickelt zeitreihenabhängige Verlustmodelle für verbesserte Ertragsabschätzungen.
Das Werkzeug der Erdbeobachtung wird auf verschiedenen Skaleneben genutzt, um Methodenentwicklungen voranzutreiben. Langjährige Erfahrungen des DLR-DFD in der skalenübergreifenden Nutzung und Auswertung von Satellitendaten und umfangreichen Satellitendaten-Zeitreihen verschiedenster Sensoren für globale, kontinentale, regionale und lokale Anwendung zur Beschreibung und Quantifizierung des Globalen Wandels werden zusammengeführt mit der langjährigen Erfahrung aus der forstlich fokussierten Fernerkundung, eingebracht durch die Kooperationspartner aus den forstlichen Forschungsanstalten der beteiligten Bundesländer Thüringen und Bayern, sowie Baden-Württemberg, Niedersachsen, Hessen, Sachsen-Anhalt und Schleswig-Holstein. Durch die Beteiligung der 4 Partner, die die forstliche Forschung in 7 Bundesländern vertreten, wird ca. 65% des deutschen Waldes abgedeckt. Die Kooperation ermöglicht eine zielgerechte, praxisnahe Herangehensweise kombiniert aus den Bedürfnissen der kooperierenden Länder, dem Wissen aller Beteiligten, um das Potential und der Grenzen der Fernerkundung und dem Wissen der forstlichen Institutionen der Länder, welche Interessen auf Bundes-, Landes- und Regionalebene bestehen. Gemeinsam wird mit robusten Methoden der Fernerkundung, wie anerkannten Technologien des maschinellen Lernens, an der Generierung und Weiterentwicklung praxis-relevanter Informationsprodukte für die raumzeitliche Erfassung von klimabedingten Schädigungen am Wald in Deutschland gearbeitet. Auf Landesebene wird auf Schädigungen an Laubhölzer in Bayern und in Thüringen auf die Ursachendifferenzierung von Schädigungen fokussiert. Auf der regionalen Ebene kann z.B. durch die Integration hoch genauer in-situ-Daten der beteiligten Projektpartner eine qualitative Prüfung ermöglicht und Herangehensweisen entwickelt und getestet werden, um relevante Informationen auf andere Skalenebenen zu übertragen
Das Werkzeug der Erdbeobachtung wird auf verschiedenen Skaleneben genutzt, um Methodenentwicklungen voranzutreiben. Langjährige Erfahrungen des DLR-DFD in der skalenübergreifenden Nutzung und Auswertung von Satellitendaten und umfangreichen Satellitendaten-Zeitreihen verschiedenster Sensoren für globale, kontinentale, regionale und lokale Anwendung zur Beschreibung und Quantifizierung des Globalen Wandels werden zusammengeführt mit der langjährigen Erfahrung aus der forstlich fokussierten Fernerkundung, eingebracht durch die Kooperationspartner aus den forstlichen Forschungsanstalten der beteiligten Bundesländer Thüringen und Bayern, sowie Baden-Württemberg, Niedersachsen, Hessen, Sachsen-Anhalt und Schleswig-Holstein. Durch die Beteiligung der 4 Partner, die die forstliche Forschung in 7 Bundesländern vertreten, wird ca. 65% des deutschen Waldes abgedeckt. Die Kooperation ermöglicht eine zielgerechte, praxisnahe Herangehensweise kombiniert aus den Bedürfnissen der kooperierenden Länder, dem Wissen aller Beteiligten, um das Potential und der Grenzen der Fernerkundung und dem Wissen der forstlichen Institutionen der Länder, welche Interessen auf Bundes-, Landes- und Regionalebene bestehen. Gemeinsam wird mit robusten Methoden der Fernerkundung, wie anerkannten Technologien des maschinellen Lernens, an der Generierung und Weiterentwicklung praxis-relevanter Informationsprodukte für die raumzeitliche Erfassung von klimabedingten Schädigungen am Wald in Deutschland gearbeitet. Auf Landesebene wird auf Schädigungen an Laubhölzer in Bayern und in Thüringen auf die Ursachendifferenzierung von Schädigungen fokussiert. Auf der regionalen Ebene kann z.B. durch die Integration hoch genauer in-situ-Daten der beteiligten Projektpartner eine qualitative Prüfung ermöglicht und Herangehensweisen entwickelt und getestet werden, um relevante Informationen auf andere Skalenebenen zu übertragen.
| Origin | Count |
|---|---|
| Bund | 547 |
| Global | 12 |
| Land | 8 |
| Wissenschaft | 52 |
| Type | Count |
|---|---|
| Daten und Messstellen | 16 |
| Ereignis | 10 |
| Förderprogramm | 510 |
| Sammlung | 3 |
| Text | 7 |
| unbekannt | 52 |
| License | Count |
|---|---|
| geschlossen | 11 |
| offen | 557 |
| unbekannt | 30 |
| Language | Count |
|---|---|
| Deutsch | 345 |
| Englisch | 287 |
| Resource type | Count |
|---|---|
| Archiv | 2 |
| Datei | 14 |
| Dokument | 2 |
| Keine | 375 |
| Webdienst | 2 |
| Webseite | 217 |
| Topic | Count |
|---|---|
| Boden | 474 |
| Lebewesen und Lebensräume | 449 |
| Luft | 440 |
| Mensch und Umwelt | 598 |
| Wasser | 321 |
| Weitere | 587 |