API src

Found 416 results.

Unbemannte Luftfahrzeuge zur Erfassung von Habitat-Präferenzen und Aktionsraumdichten von Zauneidechsen (Lacerta agilis LINNAEUS, 1758) zur hochauflösenden Landschaftsplanung

Das Erstellen eines möglichst kompletten Ökologischen Profils einer Population ist von entscheidender Bedeutung in Naturschutz und Landschaftsplanung. Die Zauneidechse (Lacerta agilis LINNAEUS, 1758) ist weit verbreitet in Eurasien und bevorzugt offene bis halboffene Lebensräume. Hierzu gehören auch Habitate, die in der unmittelbaren Nähe von Menschen liegen wie Straßenränder, Bahntrassen oder Steinbrüche. Die Art ist daher oftmals Opfer von Störung, Zerstörung oder Fragmentierung ihrer Lebensräume durch menschliche Aktivitäten und daher oftmals das Ziel von Ausgleichsmaßnahmen. Diese sind am effektivsten, wenn sie auf die Ökologie der betroffenen Population abgestimmt sind. Ziel dieses Projektes ist daher das Erstellen einer möglichst effizienten Methode zur Ermittlung der Ökologie von Kleintieren am Beispiel einer Zauneidechsen-Population in der Dellbrücker Heide in Köln. Hierzu werden klassische Sichtungs basierte Begehungen mit Radio-Teleme-trie zur Aktionsraumbestimmung und hoch-auflösende Drohnenaufnahmen zur Habitatbestimmung verbunden, um ein möglichst vollständiges ökologisches Profil zu erhalten. Das Profil beinhaltet: Aktivität der Tiere in Bezug auf Wetter und Temperatur, Aktionsraumdichte und Habitatpräferenzen. Zusätzlich ist geplant, in Zusammenarbeit mit der Deutschen Bahn die Möglichkeit zu untersuchen, Eidechsenbestände direkt per Drohne aufzunehmen. Das Projekt beinhaltet bisher eine laufende Doktorarbeit (Vic Clement) sowie zwei abgeschlossene Master-Arbeiten zu Wetter abhängiger Aktivität (Julia Platzen-Edanakaparampil) und Habitatpräferenz (Rieke Schluckebier). Derzeit geplant sind ebenfalls zwei weitere Masterarbeiten zur Habitatpräferenz und zum Einfluss einer Drohne auf das Fluchtverhalten der Tiere (Lisa Schmitz und Tobias Demand).

SubSurfaceGeoRobo: A Comprehensive Underground Dataset for SLAM-based Geomonitoring with Sensor Calibration

With the introduction of mobile mapping technologies, geomonitoring has become increasingly efficient and automated. The integration of Simultaneous Localization and Mapping (SLAM) and robotics has effectively addressed the challenges posed by many mapping or monitoring technologies, such as GNSS and unmanned aerial vehicles, which fail to work in underground environments. However, the complexity of underground environments, the high cost of research in this area, and the limited availability of experimental sites have hindered the progress of relevant research in the field of SLAM-based underground geomonitoring. In response, we present SubSurfaceGeoRobo, a dataset specifically focused on underground environments with unique characteristics of subsurface settings, such as extremely narrow passages, high humidity, standing water, reflective surfaces, uneven illumination, dusty conditions, complex geometry, and texture less areas. This aims to provide researchers with a free platform to develop, test, and train their methods, ultimately promoting the advancement of SLAM, navigation, and SLAM-based geomonitoring in underground environments. SubSurfaceGeoRobo was collected in September 2024 in the Freiberg silver mine in Germany using an unmanned ground vehicle equipped with a multi-sensor system, including radars, 3D LiDAR, depth and RGB cameras, IMU, and 2D laser scanners. Data from all sensors are stored as bag files, allowing researchers to replay the collected data and export it into the desired format according to their needs. To ensure the accuracy and usability of the dataset, as well as the effective fusion of sensors, all sensors have been jointly calibrated. The calibration methods and results are included as part of this dataset. Finally, a 3D point cloud ground truth with an accuracy of less than 2 mm, captured using a RIEGL scanner, is provided as a reference standard.

Oberflächentemperaturen von Laubwäldern zur Analyse von Wasser- und Hitzestress

Mehrskaliges Monitoring in Fließgewässern mit Fernerkundungs- und In-situ-Methoden für die Parameter Chlorophyll und Schwebstoff

Veranlassung Für jeden der genannten Forschungsaspekte sind großflächige, räumlich aufgelöste Untersuchungen wesentlich, um die offenen Fragestellungen zu bearbeiten. Hier setzt das Projekt MeskalMon an und versucht mithilfe der Fernerkundung: 1. Chlorophyll-a im Wasser und blaualgentypische Aufrahmungen an der Oberfläche großflächig zu erfassen und Hinweise auf räumliche Ausmaße und Verteilungen von Algen zu geben 2. großräumige Schwebstoffverteilungen zu erfassen und in Sedimentbilanzen zu integrieren 3. den Verlauf der Querdurchmischung entlang von Fließgewässern zu beschreiben und für Alarmmodelle zu parametrisieren Hierzu werden in mehreren Messkampagnen an Rhein und Mosel In-situ-Messdaten erhoben, begleitet durch fernerkundliche Messungen mit einer Multi- bzw. Hyperspektralkamera, einer Drohne sowie verfügbaren Satellitenaufnahmen. Ergänzt werden diese Messkampagnen durch Zeitreihenanalysen an Dauermessstellen in Kombination mit archivierten Satellitenaufnahmen. Ziele - Erhöhung des Nutzens von Fernerkundungsdaten zur flächenhaften Erfassung der in Fließgewässern stark interferierenden Parameter Chlorophyll-a von Algen und Schwebstoffen bzw. Trübung - valide Aussagen zur Repräsentativität von Punktmessungen (In-situ-Messungen) für Chlorophyll-a und Schwebstoffgehalt in größeren Fließgewässern - Erstellung eines kombinierten Werkzeugsets mit möglichst automatisierten Auswerteroutinen; hierdurch Ausweitung der Anwendbarkeit auf weitere Flussgebiete (Untersuchungsgebiete Projekt: Mosel und Rhein) Seit 2017 treten Blaualgenblüten in der Mosel auf, welche für Menschen und Ökosysteme schädlich sein können. Die Ursachen sowie Quellen dieser Blüten werden diskutiert. Schwebstoffe sind für das qualitative und quantitative Sedimentmanagement bedeutend, nachhaltige Strategien zum Umgang erfordern die Kenntnis der Sedimentquellen und -senken. Flächige Fernerkundungsdaten bieten hier Potenzial, um in Kombination mit In-situ-Daten einen wesentlichen Informationsbeitrag zu liefern. Kombination von mehrskaliger Fernerkundung (Kamera, Drohne, Satellit) und In-situ-Messungen, um die interferierenden Parameter Chlorophyll-a und Schwebstoffe/Trübung flächenhaft abzuleiten

Fernerkundung - Luftbilder Hamburg

In der <b> Fernerkundung - Luftbilder</b> werden aus großer Höhe Bilder von der Erdoberfläche aufgenommen, die anschließend aufbereitet und als hochwertige Geodaten bereitgestellt werden. <br> Diese Aufnahmen unterstützen bei der Dokumentation von Veränderungen, der städtischen Planung und der Überwachung von Umweltentwicklungen. Sie können sowohl als Datengrundlage für KI-Trainingsdaten als auch zur direkten Betrachtung der urbanen Landschaft genutzt werden. <br><br>Unser Ziel ist es, diese bedeutsamen Daten nicht nur Fachleuten, sondern auch der Öffentlichkeit zugänglich zu machen – leicht verständlich und nutzerfreundlich. <br><br><i>"Wie hat sich Hamburg entwickelt?" -- "Wie sah das Grundstück früher aus?" -- "Wo blüht es im Sommer?"</i> <br> <b>&#8594; Ein Blick in die Daten lohnt sich.</b><br><br> <u><i>Hinweis:</i></u> So vielfältig die Anwendungsbereiche sind, so vielfältig sind auch unsere Datensätze. Je nach Aufnahmesystem – ob <b>Drohne</b>, <b>Flugzeug</b> oder <b>Satellit</b> variieren die Bilder in ihrer Qualität und Detailtiefe. Diese Unterschiede zeigen sich etwa in der Bildauflösung (GSD), den Farbdarstellungen (spektrale Auflösung) und/oder der Aktualität der Daten (zeitliche Auflösung). Nähere Informationen sind aus den Metadaten der Datensätze zu entnehmen.<br>

WIR! - GRAVOmer - StruBiPlate

Zum Verständnis der Entstehung und Trajektorien von großem Hagel (LIFT)

Derzeitige radar-basierte Nowcastingverfahren basieren auf der Annahme, dass die zeitliche Entwicklung von Hagelereignissen in erster Linie durch Advektionsvorgänge gesteuert ist; die relevanten physikalischen Prozesse, die für die Entstehung und das Größenwachstum von Hagel entscheidend sind, bleiben dabei unberücksichtigt. In Verbindung mit der komplexen internen Struktur und Dynamik von Hagelstürmen ergeben sich daraus große Unsicherheiten bei der Vorhersage der Hagelgrößenverteilung und der von Hagel betroffenen Fläche am Boden. Das Ziel des Projekts LIFT (Large Hail Formation and Trajectories) ist es, die Hagelentstehung und Hageltrajektorien besser zu verstehen, um daraus als wichtige Komponenten eines physikalisch-basierten Nowcastings erstmals ein radar-basiertes Verfahren für das Hagelwachstums zu entwickeln. Zu diesem Zweck wird im Rahmen von LIFT eine Messkampagne Süddeutschland durchgeführt, wo die größte Hagelwahrscheinlichkeit in Deutschland auf vielfältige Beobachtungssysteme trifft, die im Rahmen der Messkampagne Swabian MOSES mit einem dichten Netzwerk betrieben werden. Zum ersten Mal werden im Rahmen von LIFT moderne Radargeräte, In-situ Messgeräte, Fotogrammetrie und numerische Modellierung synergistisch kombiniert und ein umfassender Datensatz zur Rekonstruktion der zeitlichen Entwicklung des Hagelwachstums erstellt. Betroffene Bürger werden aktiv in die Messaktivitäten mit einbezogen und aufgerufen, Hagelkörnern einschließlich ihrer Haupteigenschaften in die WarnWetter App des DWD zu melden. Die Messkampagne mit ihrem mobilen und flexiblen Konzept beinhaltet die Anwendung neuer, innovativer Messtechniken, darunter Lagrangesche Trajektorien mittels kleiner Messsysteme, die in die Wolken eingebracht werden, und dronengesteuerte Luftbildaufnahmen zur Bestimmung der Hagelspektren. Aus Fernerkundungsdaten gewonnene Signaturen von Hagelereignissen liefern Informationen über die Charakteristika der Hagelereignisse und werden mittels numerischer Simulationen sorgfältig auf Messungenauigkeiten und Sensitivitäten bzgl. atmosphärischer Umgebungsvariablen evaluiert. Indikatoren für die Hagelentstehung und das Hagelwachstum werden aus Beobachtungsdaten und Simulationen identifiziert, und liefern die Grundlage für ein beobachtungs-basiertes Hagelwachstumsmodell. Schließlich wird dieses Multi-Parameter Hagelwachstumsmodell mit den bestimmten Hageltrajektorien und Schmelzprozessen kombiniert, um zu bestimmen, welche Prozesse am wichtigsten sind für das Nowcasting von Hagel. Das Projekt LIFT liefert damit einen wichtigen Betrag für zukünftige radar-basierte Hagelwarnsysteme mit einer verbesserten Vorhersagezeit und Vorhersagequalität.

Entwicklung eines Verfahrens zur Nutzung handelsüblicher Drohnen zur Feldbonitur in einem Schwarm

Windkraftanlagen Inspektion, Teilvorhaben: 3D-Punktwolkenverarbeitung und SLAM (WISP-SLAM)

Gesamtziel des Vorhabens ist die Entwicklung eines drohnenbasierten Sensorsystems für die Inspektion von Windkraftanlagen. Hierbei sollen insbesondere schwer zugängliche und kritische Stellen wie beispielsweise Rotorblätter in bislang unerreichter Genauigkeit digitalisiert und vermessen werden. Die Sensorik besteht aus Laserscannern, Kameras, Thermokameras und IMUs zum Einsatz, um ein möglichst umfassendes, multimodales Modell der Anlage zu erhalten. Durch den Einsatz von Drohnen kann die Inspektion im Vergleich zu aktuellen Methoden schnell, effizient und sicher durchgeführt werden. Die Idee des Teilprojektes ist, luftgestütztes Laserscanning so zu miniaturisieren und Drohnen, d.h. kleine UAVs, mit entsprechender Laserscan-Sensorik auszustatten, so dass die Inspektions-aufgabe kostengünstig gelöst werden kann. Dazu sollen die UAVs die erstellten 3D-Karten auch selbst nutzen. Es müssen die Verfahren und Algorithmen so angepasst werden, dass die Ergebnisse, d.h. die 3D-Karten in Echtzeit vorliegen. Das Vorhandensein einer detailreichen 3D-Karte mit Zusatzinformationen (Fotos, Thermografie, Interpretationen) bietet die Möglichkeit in kurzer Zeit, WKAs zu inspizieren und den Zustand zu dokumentieren. Die wissenschaftlichen Ziele des Vorhabens beinhalten zum einen die Lösung des Problems der simultanen Lokalisierung und Kartierung (SLAM, vgl. Abschnitt 2) eines UAVs. Ist SLAM gelöst, muss die 3D-Punktwolke in ein 3D-Modell umgewandelt, was durch Anwendung von neuronalen KI-Methoden gelingen soll. Eine weitere wissenschaftliche Herausforderung ist die Datennachverarbeitung und Datenanalyse. Hier sollen neue Methoden zur Änderungsdetektion umgesetzt werden. Auf technischer Seite ist ein Ziel des Projektes eine effiziente Lösung des Kalibrierproblems zu finden.

Dosiersystem sowie integriertes Energiesystem zum Antrieb von Drohnen der Gewichtsklasse 25 kg mit Wasserstoff

1 2 3 4 5 … 40 41 42