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.
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.
In der nächsten Phase der Biodiversitäts Exploratorien sollen Experimente dabei helfen die Effekte verschiedener Landnutzungskomponenten auf Ökosysteme zu ermitteln. 'Common garden' Experimente werden genutzt, um die Umweltheterogenität zu minimieren, die ansonsten interessante Effekte verschleiert. Wir planen Grasnarben, die von n = 42 Plots der Biodiversitäts Exploratorien entnommen werden, in einem 'common garden' auszubringen wo die Intensität der Mahd und der Düngung manipuliert werden soll. In den nächsten drei bis 15 Jahren werden die Veränderungen in den Pflanzen- und Bakteriengemeinschaften auf den Grasnarben verfolgt. Hierfür wird die Zusammensetzung und Diversität der Pflanzen und Bakterien (next-generation 16S rRNA gene amplicon sequencing) ermittelt. Zusätzlich werden noch 3D-Modelle der Pflanzengemeinschaften, die durch multispektrale Information ergänzt werden, erstellt (PlantEye F500, Phenospex, Heerlen, The Netherlands). Diese Modelle erlauben die Errechnung von Parametern, die ganze Pflanzengemeinschaften charakterisieren. Änderungen in den Pflanzen- und Bakteriengemeinschaften werden mit der Landnutzung der Plots in den vergangenen Jahren ins Verhältnis gesetzt. Wir erwarten, dass Gemeinschaften, die aus verschiedenen Plots stammen, aber die gleiche Landnutzung erfahren in Ihrer Zusammensetzung und Diversität konvergieren; Gemeinschaften aus den gleichen Plots, die aber unterschiedliche Landnutzung erfahren, sollten divergieren. Das Projekt nutzt das Vorwissen zu den einzelnen Plots in Bezug auf Landnutzung und Artenzusammensetzung, liefert neuartige Daten für die Biodiversitäts Exploratorien, und stellt einen unabhängigen und neuartigen Beitrag zu der Frage, wie Landnutzug Ökosysteme beeinflusst, dar.
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.
This dataset provides aggregated vegetation cover data for functional plant groups recorded in the same 2 × 2 m quadrats used for species-level vegetation surveys. Data were collected at multiple grassland sites across Northern, Central, and Southern Germany in 2022 and 2023, with site coordinates reported at two-decimal precision (blurred for privacy). For each quadrat, total vegetation cover and the proportional cover of predefined functional groups (forb, grass, legume) were visually estimated during a single survey per plot, typically conducted in May or June. Vegetation and functional group data were collected simultaneously. Recorded cover variables (in %) include total herb layer cover, grasses, forbs, legumes, bare ground, cryptogams, and litter layer. The cover can exceed 100% due to overlapping layers. Estimates are based on field assessments and represent overall percentage cover per quadrat. The dataset further includes sub-transect identifiers, date, and observer information. These data enable analyses of vegetation structure and functional composition and can be directly linked to species-level, vegetation height, flower cover, soil, and pollinator datasets from the same study sites.
This dataset contains a vegetation-corrected reconstruction of the hydrogen isotope composition of precipitation (δ2Hprc) from sediment core ROT21, collected from Rotsee in central Switzerland in October 2021. The record covers 0.0567–12.8696 ka BP and comprises 63 observations reported with sediment depth and calibrated age. Reconstructed δ2Hprc values were calculated from measured n-C29 alkane δ2H values. Changes in the relative contributions of grasses and woody plants were accounted for using the relative abundances of long-chain n-alkanes and vegetation-specific apparent hydrogen isotope fractionation factors derived from a compilation of modern European plant-wax measurements. Uncertainty was propagated using 10,000 Monte Carlo simulations per sample; the dataset reports the central reconstructed values and the lower and upper limits of the 68% confidence interval in per mil relative to Vienna Standard Mean Ocean Water (VSMOW). The reconstruction was produced to separate variation in precipitation isotope composition from changes in sedimentary plant-wax δ2H caused by shifts in vegetation. The vegetation correction and uncertainty propagation were implemented using the R scripts by Santos (2026) archived at Zenodo (https://doi.org/10.5281/zenodo.18694984); the development repository is available at https://github.com/RicardoANSantos/Rotsee_d2Hprc. The underlying measured plant-wax data are archived in PANGAEA under doi:10.1594/PANGAEA.987812, and the complete methodology is described by Santos et al. (2026).
Das Projekt WegDemo verfolgt anbindend an das erfolgreiche bis Ende 2007 gelaufene Pilotprojekt WegenerNet, ein dreiteiliges Ziel hin zur Erreichung einer professionell geführten, in Forschung und Region nachgefragten Klima- und Wetterdatenressource WegenerNet: 1.) Aufbereitung der WegenerNet Stationsdaten in operationell verfügbare hochauflösende Wetter- und Klimamonitoring-Felder für alle Daten ab Jänner 2007 (Basisauflösung 1 km x 1 km; gesamtes WegenerNet-Gebiet); 2.) Publikation, Verbreitung und Positionierung der Ergebnisse und Informationen zum aufgebauten (weltweit einzigartigen) Feldexperiment in Forschungs-Community, Öffentlichkeit und Region; 3.) Demonstration des WegenerNet Vollbetriebs in operationeller Form, Festigung der Wartungs-, Service- und Entwicklungsaufgaben bei Stationsinfrastruktur und Sensorik, beim Prozessierungssystem und bei den Nutzerschnittstellen (insbes. Web). Per Sommer 2009 soll das WegenerNet nach Abschluss des WegDemo Projekts schließlich in einen langfristig angelegten operationellen Betrieb als eine in dieser Art international einzigartige Ressource für hoch auflösende Wetter- und Klimabeobachtung übergehen. Weiters werden im Laufe des WegDemo Projektes die Kooperationen mit den komplementären flächendeckenden Messungen im WegenerNet-Gebiet zur hoch auflösenden Blitzbeobachtung (LiNet der Forschungsgruppe Sferics/Dept. f. Physik, Univ. München, D) und zur hoch auflösenden Wolken-, Regen- und Hagelbeobachtung (3D Doppler-Wetterradar der Steirische Hagelabwehrgenossenschaft und TU Graz) intensiviert werden. Ebenso werden (längerfristige) Zukunftsplanungen durchgeführt.
| Organisation | Count |
|---|---|
| Bund | 1497 |
| Europa | 7 |
| Kommune | 13 |
| Land | 225 |
| Weitere | 54 |
| Wissenschaft | 444 |
| Zivilgesellschaft | 17 |
| Type | Count |
|---|---|
| Agrarwirtschaft | 1 |
| Daten und Messstellen | 188 |
| Ereignis | 4 |
| Förderprogramm | 846 |
| Gesetzestext | 1 |
| Hochwertiger Datensatz | 10 |
| Kartendienst | 1 |
| Lehrmaterial | 2 |
| Taxon | 562 |
| Text | 197 |
| Umweltprüfung | 13 |
| unbekannt | 76 |
| License | Count |
|---|---|
| Geschlossen | 785 |
| Offen | 1076 |
| Unbekannt | 37 |
| Language | Count |
|---|---|
| Deutsch | 1563 |
| Englisch | 494 |
| Resource type | Count |
|---|---|
| Archiv | 49 |
| Bild | 347 |
| Datei | 720 |
| Dokument | 221 |
| Keine | 744 |
| Multimedia | 1 |
| Unbekannt | 1 |
| Webseite | 828 |
| Topic | Count |
|---|---|
| Boden | 963 |
| Lebewesen und Lebensräume | 1880 |
| Luft | 747 |
| Mensch und Umwelt | 1870 |
| Wasser | 723 |
| Weitere | 1853 |