Diese Daten stammen von den Stationen des DWD und qualitativ sowie rechtlich gleichgestellten Partnernetzen. Umfangreiche Stationsmetadaten (Stationsverlegungen, Instrumentenwechsel, Wechsel der Bezugszeit, Änderungen in den Algorithmen) werden beim Download über das CDC-Portal mitgeliefert. Die Messungen sind einem Zeitstempel in UTC zugeordnet, welcher das Ende des 10-min Intervalls markiert. Ausgegeben wird die Windrichtung der Windspitze innerhalb eines 10-min Intervalls.
Diese Daten stammen von den Stationen des DWD und qualitativ sowie rechtlich gleichgestellten Partnernetzen. Umfangreiche Stationsmetadaten (Stationsverlegungen, Instrumentenwechsel, Wechsel der Bezugszeit, Änderungen in den Algorithmen) werden beim Download über das CDC-Portal mitgeliefert. Die Messungen sind einem Zeitstempel in UTC zugeordnet, welcher das Ende des 10-min Intervalls markiert. Die mittlere Windrichtung wird berechnet aus den 3-Sekunden Werten innerhalb eines 10-min Intervalls.
Diese Daten stammen von den Stationen des DWD und rechtlich sowie qualitativ gleichgestellten Partnernetzen. Umfangreiche Stationsmetadaten (Stationsverlegungen, Instrumentenwechsel, Wechsel der Bezugszeit, Änderungen in den Algorithmen) werden beim Download mitgeliefert. Der Datensatz ist aufgeteilt in einen versionierten Teil mit abgeschlossener Qualitätsprüfung, im Verzeichnis ./historical/. Und einen sich kontinuierlich aktualisierenden Teil, für den die Qualitätsprüfung noch nicht abgeschlossen ist, im Verzeichnis ./recent/. In dem Ordner ./timeseries_overview/ stehen Angaben zu langen Zeitreihen zur Verfügung.
Diese Daten stammen von den Stationen des DWD und rechtlich sowie qualitativ gleichgestellten Partnernetzen. Umfangreiche Stationsmetadaten (Stationsverlegungen, Instrumentenwechsel, Wechsel der Bezugszeit, Änderungen in den Algorithmen) werden beim Download mitgeliefert. Der Datensatz ist aufgeteilt in einen versionierten Teil mit abgeschlossener Qualitätsprüfung, im Verzeichnis ./historical/. Und einen sich kontinuierlich aktualisierenden Teil, für den die Qualitätsprüfung noch nicht abgeschlossen ist, im Verzeichnis ./recent/. In dem Ordner ./timeseries_overview/ stehen Angaben zu langen Zeitreihen zur Verfügung.
The Dynamic World Training Data is a dataset of over 5 billion pixels of human-labeled ESA Sentinel-2 satellite image, distributed over 24000 tiles collected from all over the world. The dataset is designed to train and validate automated land use and land cover mapping algorithms. The 10m resolution 5.1km-by-5.1km tiles are densely labeled using a ten category classification schema indicating general land use land cover categories. The dataset was created between 2019-08-01 and 2020-02-28, using satellite imagery observations from 2019, with approximately 10% of observations extending back to 2017 in very cloudy regions of the world. This dataset is a component of the National Geographic Society - Google - World Resources Institute Dynamic World project. The dataset consists of two file types: GeoTIFF files of 510x510 pixel 10m resolution satellite image tiles markup provided by human labelers, and Excel (.xlsx) tables of metadata and class statistics for the above GeoTIFF files. The data is organized into three main folders. One folder contains training data labeled by a team of 25 expert human labelers recruited by National Geographic Society specifically for this project. A second folder contains training data labeled by a larger group of commissioned labelers provided by a commercial crowd-labeler service. The data in these folders is organized by hemisphere and biome number from the RESOLVE Ecoregions2017 biomes categories (https://ecoregions2017.appspot.com/). A third folder contains a validation dataset. This is a holdout set of training data for assessing model accuracy. None of this data is intended to be used in the formulation of the model. Each validation tile was independently labeled by three experts. The validation set contains two versions: the individual markup from each expert labeler, and the image composites of the individual markups. Each GeoTIFF file encodes information on the location of landscape feature classes as determined by a given labeler. Classes were labeled by visual examination of true color (RGB) composites of Sentinel-2 MultiSpectral Level-2A scenes. The Tier 1 class values used in this phase of the project are as follows: 0 No data (left unmarked), 1 Water, 2 Trees, 3 Grass, 4 Flooded Vegetation, 5 Crops, 6 Scrub, 7 Built Area, 8 Bare Ground, 9 Snow/Ice, 10 Cloud. This dataset does not include the original Sentinel-2 imagery tiles, but metadata on the exact image ID and date is provided The original Sentinel-2 imagery was obtained via Google Earth Engine. This data is available under a Creative Commons BY-4.0 license and requires the following attribution: This dataset is produced for the Dynamic World Project by National Geographic Society in partnership with Google and the World Resources Institute. Development of the Dynamic World training data was funded in part by the Gordon and Betty Moore Foundation.
In diesem Dienst werden die zu mähenden Flächen des Straßenbegleitgrünes, die in der Zuständigkeit der Abteilung Stadtgrün liegen, angezeigt. Hierbei handelt es sich um georeferenzierte Polygone, welche im Rahmen der bezirklichen Verkehrssicherungspflicht gepflegt werden müssen. Der Datensatz enthält Informationen über zwei Pflegemaßnahmen: Langgrasmahd - Es werden die Flächen angezeigt in denen die Langgrasmahd seitens der FHH gepflegt wird Rasenmahd kurz - Es werden Flächen angezeigt in denen die Rasenmahd kurz seitens der FHH gepflegt wird
Die täglichen Raster der Bodenfeuchte werden für 10 cm Schichten bis zu einer Tiefe von 2 Meter und für vordefiniert Schichtdicken von 0-30, 0-60 und 0-90 cm für drei unterschiedliche landwirtschaftliche Kulturarten mit dem Modell AMBAV 2.0 V1.5 berechnet. Die für die Berechnung nötigen meteorologischen Eingabefelder müssen in stündlicher Auflösung vorliegen und werden von interpolierten Wetterstationsdaten abgeleitet. Des Weiteren wird das Modell mit Bodeninformationen aus den Bodenleitprofilen der nutzungsdifferenzierten Bodenübersichtskarte (BÜK 1000 N) der Bundesanstalt für Geowissenschaften und Rohstoffe (BGR) parametrisiert. Bei gleicher Bodenart unterscheiden sich die Böden je nach Nutzung. Es wird zwischen Wald-, Grünland- und Ackerbaunutzung unterschieden. Außerdem ist die Gründigkeit der Böden, sowie der Skelettanteil (Grobboden > 2 mm) in den verschiedenen Bodenschichten berücksichtigt. Die Daten haben eine räumliche Auflösung von 1 x 1 km und decken ganz Deutschland ab. Daten außerhalb von Deutschland oder in Siedlungsgebieten mit versiegelten Flächen haben eine Fehlkennung -9999. Alle Angaben zum Raster sind in den Metadaten des netcdf Files hinterlegt.
Silizium (Si) spielt eine wichtige Rolle im globalen Kohlenstoffkreislauf. Die Si-Verfügbarkeit in Ökosystemen ist dabei sehr unterschiedlich, abhängig von Ökosystemtyp, Ausgangsgestein, Vegetation und weiteren Faktoren. Aktuelle Forschung hat gezeigt, dass die Si-Verfügbarkeit entscheidend für Nährstoffgehalt und Nährstoffstöchiometrie von pflanzlicher Streu ist; besonders deutlich ist dieser Zusammenhang in Gräser-dominierten Systemen. Bedeutend in dem Zusammenhang ist eine gesteigerte Abbaurate von organischem Material bei gesteigerter Si-Verfügbarkeit. Pflanzenstreu mit geringen Nährstoffgehalten wird bekanntermaßen langsamer abgebaut als nährstoffreiche Streu. Allerdings konnte kürzlich gezeigt werden, dass nährstoffarme Streu mit hohen Si-Gehalten schneller abgebaut wird als nährstoffreiche Streu mit wenig Si. Dabei wurde gleichzeitig durch die Erhöhung des Si-Gehaltes der Streu die Biomasse der abbauenden Pilze stark reduziert. Dies beweist die Bedeutung von Si für den Kohlenstoffkreislauf und die mikrobielle Abbaugemeinschaft in von Gräsern dominierten Ökosystemen. Niedermore, als wichtige Kohlenstoffspeicher und bedeutende Treibhausgas-emittenden, sind solche von Gräsern dominierten Ökosysteme mit einem potentiell hohen Einfluss von Si auf den Kohlenstoffkreislauf. Eine Vorabstudie, welche den Einfluss von Si auf den Kohlenstoffkreislauf in einem Niedermoor untersuchte, zeigte eine verstärkte Respiration mit einer Vordopplung der Methangehalte im Torfkörper auf Si gedüngten Flächen. Allerdings wurde gleichzeitig zu den erhöhten Respirationsraten auch ein Anstieg der Phosphorgehalte (P) in der Bodenlösung gemessen. Eine Erhöhung des verfügbaren P führt bekanntermaßen ebenfalls zu einer Erhöhung der Respiration. Das Ziel des beantragten Projektes ist die direkten Effekte von Si auf den Kohlenstoffkreislauf von den indirekten Effekten (durch die Si bedingte P-Mobilisierung) zu trennen und eine Quantifizierung beider Prozesse vorzunehmen. Unsere Hypothesen sind (i) eine höhere Si Verfügbarkeit führt zu einer Steigerung der Respiration organischer Substanz (Torf), durch (ii) direkte Si-Effekte und indirekte Si-Effekte durch eine Steigerung der P-Verfügbarkeit, (iii) die Steigerung der Respiration durch Si wird vorrangig durch Bakterien als durch Pilze erzielt und (iv) eine Steigerung der Si Verfügbarkeit führt zu einer Steigerung von P und N Verfügbarkeit, Umsatz und Aufnahme durch Pflanzen und damit zu labilerer Streu. Die Mechanismen zu verstehen auf welche Weise Si den Kohlenstoffkreislauf in Niedermooren beeinflusst ist ein wichtiger Teil eines verbesserten Verständnisses des terrestrischen Kohlenstoffkreislaufs.
This project research will focus on plant functional diversity and its implications for carbon, nutrient and water cycling by varying plant species richness. Interactions of plant ecophysiology, but also community ecology with ecosystem processes, and processes at the transition between the biosphere and the pedosphere will be studied. This study has the following objectives: (1) to quantify the effect of changing plant biodiversity on ecophysiological and biogeochemical processes, such as net carbon, nitrogen and cation sequestration in above-ground plant biomass as well as gaseous soil CO2 and NO losses in experimental grassland communities, (2) to investigate the underlying ecophysiological mechanisms that produce plant biodiversity effects, (3)to test the redundancy of different plant species within a functional group, (4) to compare ecophysiological responses of individual plant species to responses of grassland communities to varying environmental conditions, and (5) to determine the relationship between inter-annual variability of those ecosystem processes and plant biodiversity.
| Organisation | Count |
|---|---|
| Bund | 1573 |
| Europa | 7 |
| Kommune | 13 |
| Land | 229 |
| Weitere | 55 |
| Wirtschaft | 2 |
| Wissenschaft | 459 |
| Zivilgesellschaft | 17 |
| Type | Count |
|---|---|
| Agrarwirtschaft | 1 |
| Daten und Messstellen | 187 |
| Ereignis | 4 |
| Förderprogramm | 899 |
| Gesetzestext | 1 |
| Hochwertiger Datensatz | 10 |
| Kartendienst | 1 |
| Lehrmaterial | 2 |
| Taxon | 586 |
| Text | 200 |
| Umweltprüfung | 14 |
| unbekannt | 76 |
| License | Count |
|---|---|
| Geschlossen | 814 |
| Offen | 1127 |
| Unbekannt | 37 |
| Language | Count |
|---|---|
| Deutsch | 1642 |
| Englisch | 502 |
| Resource type | Count |
|---|---|
| Archiv | 49 |
| Bild | 367 |
| Datei | 743 |
| Dokument | 229 |
| Keine | 784 |
| Multimedia | 1 |
| Unbekannt | 1 |
| Webseite | 866 |
| Topic | Count |
|---|---|
| Boden | 1007 |
| Lebewesen und Lebensräume | 1961 |
| Luft | 785 |
| Mensch und Umwelt | 1949 |
| Wasser | 757 |
| Weitere | 1930 |