API src

Found 553 results.

Related terms

Indikator: Vermiedene THG-Emissionen durch erneuerbare Energien

<p>Die wichtigsten Fakten</p><p><ul><li>In den Bereichen Strom, Wärme und Verkehr werden fossile Energieträger zunehmend durch erneuerbare Energien ersetzt.</li><li>Etwa vier Fünftel der vermiedenen Emissionen wurden 2024 durch erneuerbaren Strom vermieden.</li><li>Die Bundesregierung will den Anteil erneuerbarer Energien deutlich ausbauen und die ⁠<a href="https://www.umweltbundesamt.de/service/glossar/t?tag=Treibhausgas#alphabar">Treibhausgas</a>⁠-Emissionen damit weiter senken.</li></ul></p><p>Welche Bedeutung hat der Indikator?</p><p>Jeder Wirtschaftsprozess ist mit dem Einsatz von Energie verbunden. Derzeit sind sowohl in Deutschland als auch weltweit fossile Energieträger wie Kohle, Erdöl oder Erdgas die wichtigsten Energiequellen. Bei der Verbrennung fossiler Brennstoffe werden Treibhausgase ausgestoßen. Dies ist der wichtigste Treiber des globalen Klimawandels.</p><p>Ein wesentlicher Ansatz für den ⁠<a href="https://www.umweltbundesamt.de/service/glossar/k?tag=Klimaschutz#alphabar">Klimaschutz</a>⁠ ist deshalb, die Volkswirtschaft auf saubere Energieformen umzustellen, insbesondere auf erneuerbare Energien. Der ⁠<a href="https://www.umweltbundesamt.de/service/glossar/i?tag=Indikator#alphabar">Indikator</a>⁠ zeigt den Beitrag der erneuerbaren Energien zur Vermeidung von ⁠<a href="https://www.umweltbundesamt.de/service/glossar/t?tag=Treibhausgas#alphabar">Treibhausgas</a>⁠-Emissionen und damit zur Erreichung der Klimaschutzziele an.</p><p>Auch der effizientere Einsatz von Energie (Energieeffizienz) spielt eine wichtige Rolle bei der Erreichung der Klimaziele. Jedoch kann Energieeffizienz nur schwer direkt gemessen werden. Mit dem Indikator <a href="https://www.umweltbundesamt.de/daten/umweltindikatoren/indikator-endenergieproduktivitaet">"Energieproduktivität"</a> liegt ein allgemeines Maß für die Energieeffizienz einer Volkswirtschaft vor.</p><p>Wie ist die Entwicklung zu bewerten?</p><p>In den letzten Jahrzehnten wurden die erneuerbaren Energien in Deutschland stark ausgebaut. Im Jahr 2024 konnten durch ihre Nutzung 259 Millionen Tonnen ⁠<a href="https://www.umweltbundesamt.de/service/glossar/k?tag=Kohlendioxid-quivalente#alphabar">Kohlendioxid-Äquivalente</a>⁠ vermieden werden, welche sonst zusätzlich durch die Nutzung fossiler Energieträger entstanden wären. Die Stromerzeugung aus erneuerbaren Energien trug im Jahr 2024 ungefähr 80 % zu der durch erneuerbare Energien insgesamt vermiedenen Menge an Treibhausgasen bei. Der Wärmebereich war für 15 % verantwortlich und die Nutzung von Biokraftstoffen und Strom im Verkehr für etwa 5 %.</p><p>Die Bundesregierung strebt mit dem „<a href="https://www.bundesregierung.de/breg-de/schwerpunkte/klimaschutz/massnahmenprogramm-klima-1679498">Klimaschutzprogramm 2030</a>“ von 2019 an, den Ausstoß von Treibhausgasen bis 2030 um 55 % unter den Wert von 1990 zu senken. Bis 2045 soll der Ausstoß laut dem <a href="https://www.bundesregierung.de/breg-de/themen/klimaschutz/klimaschutzgesetz-2021-1913672">Klimaschutzgesetz 2021</a> von 2021 auf Null sinken. Zur Erreichung dieser Ziele sollen insbesondere die erneuerbaren Energien einen wichtigen Beitrag leisten. Eine Bewertung des deutschen Erneuerbaren-Anteils und der Erneuerbaren-Ziele finden sich in den Indikatoren „<a href="https://www.umweltbundesamt.de/daten/umweltindikatoren/indikator-erneuerbare-energien">Anteil Erneuerbare am Bruttoendenergieverbrauch</a>“ und „<a href="https://www.umweltbundesamt.de/indikator-anteil-erneuerbare-am">Anteil Erneuerbare am Bruttostromverbrauch</a>“. Mit dem Ausbau der Erneuerbaren werden auch die durch sie vermiedenen ⁠<a href="https://www.umweltbundesamt.de/service/glossar/t?tag=Treibhausgas#alphabar">Treibhausgas</a>⁠-Emissionen weiter deutlich zunehmen.</p><p>Wie wird der Indikator berechnet?</p><p>Für die Berechnung des Indikators wird angenommen, dass Energie, die heute aus erneuerbaren Energiequellen gewonnen wird, nicht mehr durch einen fossilen Energiemix bereitgestellt werden muss. Die für diese Energiemenge eingesparten Emissionen werden im ⁠<a href="https://www.umweltbundesamt.de/service/glossar/i?tag=Indikator#alphabar">Indikator</a>⁠ veranschaulicht. Dabei deckt der Indikator auch die Emissionen erneuerbarer Energieträger ab, welche während Produktion, Installation oder Wartung anfallen (sogenannte Vorkettenemissionen). Die detaillierte Methodik zur Berechnung des Indikators wird in der Publikation „<a href="https://www.umweltbundesamt.de/publikationen/emissionsbilanz-erneuerbarer-energietraeger-2023">Emissionsbilanz erneuerbarer Energieträger 2023"</a> beschrieben .</p><p><strong>Ausführliche Informationen zum Thema finden Sie im Daten-Artikel: <a href="https://www.umweltbundesamt.de/daten/energie/erneuerbare-energien-vermiedene-treibhausgase">"Erneuerbare Energien - Vermiedene Treibhausgase"</a>.</strong></p>

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Glücksburg, Germany from 1984 – 2023

The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.

AZV Project West Greenland

The AZV (Altitudinal Zonation of Vegetation) Project was initiated in the year 2002. On the basis of a detailed regional study in continental West Greenland the knowledge about altitudinal vegetation zonation in the Arctic is aimed to be enhanced. The main objectives of the project are: a) considering the regional study: characterize mountain vegetation with regard to flora, vegetation types, vegetation pattern and habitat conditions, investigate the differentiation of these vegetation characteristics along the altitudinal gradient, develop concepts about altitudinal indicator values of species and plant communities, extract suitable characteristics for the distinction and delimitation of vegetation belts, assess altitudinal borderlines of vegetation belts in the study area. b) considering generalizations: test the validity of the altitudinal zonation hypothesis of the Circumpolar Arctic Vegetation Map ( CAVM Team 2003), find important determinants of altitudinal vegetation zonation in the Arctic, develop a first small scale vegetation map of entire continental West Greenland. Field work consists of vegetational surveys according to the Braun-Blanquet approach, transect studies, soil analyses, long-time-measurements of temperature on the soil surface and vegetation mapping in three different altitudinal vegetation belts (up to 1070 m a.s.l.).

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Bad-Oldesloe, Germany from 1984 – 2023

The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Quakenbrück, Germany from 1984 – 2023

The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Neuwied, Germany from 1985 – 2023

The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.

MSRL-Bewertung der Weichböden mit M-AMBI und Margalef-Diversität (OSPAR-Indikator BH2b) für die Nordsee 2024 (WFS)

Im Rahmen der MSRL-Bewertung 2024 zur Bewertung der Weichböden mit M-AMBI und Margalef-Diversität (OSPAR-Indikator BH2b) für das Kriterium „Zustand des Lebensraums“ (D6C5) wurden folgende Datensätze für die Nordsee erstellt: Die aufbereiteten Rohdaten (MZB-Daten, Einzelgreifer) sowie die Bewertungsergebnisse der Stationen nach M-AMBI und Margalef-Diversität. Für den M-AMBI wurden die für die WRRL festgelegten Schwellenwerte verwendet und die Ergebnisse als „Schwellenwert eingehalten“ oder „Schwellenwert verfehlt“ klassifiziert. Die Daten werden über diesen WFS-Dienst zum Download bereitgestellt. Daten der Eigentümer AWI, BfN, NLWKN, HPA, Amprion und Tennet stehen zur freien Verfügung, bei Verwendung der Daten ist die Quelle zu zitieren. Bei Nutzung der Daten des LKN-SH ist Rücksprache mit Ulrike Schückel (Ulrike.Schueckel@lkn.landsh.de) zu halten. Erläuterungen zur Bewertungsmethodik und den verwendeten Daten finden sich im Hintergrunddokument zur D6-Bewertung: https://mitglieder.meeresschutz.info/de/berichte/zustandsbewertungen-art8-10.html?file=files/downloads/dokumente2024/Zyklus2024Hintergrunddokumente/Hintergrunddokument-zur%20Bewertung-von-D6_2024.pdf Die Ergebnisse werden zusammenfassend im aktuellen Zustandsbericht der Nordseegewässer dargestellt: BMUV. 2024. Zustand der deutschen Nordseegewässer 2024. Aktualisierung der Anfangsbewertung nach § 45c, der Beschreibung des guten Zustands der Meeresgewässer nach § 45d und der Festlegung von Zielen nach § 45e des Wasserhaushaltsgesetzes zur Umsetzung der Meeresstrategie-Rahmenrichtlinie. Bund/Länder-Arbeitsgemeinschaft Nord- und Ostsee (BLANO), 7. Oktober 2024.

MSRL-Bewertung der Weichböden mit M-AMBI und Margalef-Diversität (OSPAR-Indikator BH2b) für die Nordsee 2024 (WMS)

Im Rahmen der MSRL-Bewertung 2024 zur Bewertung der Weichböden mit M-AMBI und Margalef-Diversität (OSPAR-Indikator BH2b) für das Kriterium „Zustand des Lebensraums“ (D6C5) wurden folgende Datensätze für die Nordsee erstellt: Die aufbereiteten Rohdaten (MZB-Daten, Einzelgreifer) sowie die Bewertungsergebnisse der Stationen nach M-AMBI und Margalef-Diversität. Für den M-AMBI wurden die für die WRRL festgelegten Schwellenwerte verwendet und die Ergebnisse als „Schwellenwert eingehalten“ oder „Schwellenwert verfehlt“ klassifiziert. Daten der Eigentümer AWI, BfN, NLWKN, HPA, Amprion und Tennet stehen zur freien Verfügung, bei Verwendung der Daten ist die Quelle zu zitieren. Bei Nutzung der Daten des LKN-SH ist Rücksprache mit Ulrike Schückel (Ulrike.Schueckel@lkn.landsh.de) zu halten. Erläuterungen zur Bewertungsmethodik und den verwendeten Daten finden sich im Hintergrunddokument zur D6-Bewertung: https://mitglieder.meeresschutz.info/de/berichte/zustandsbewertungen-art8-10.html?file=files/downloads/dokumente2024/Zyklus2024Hintergrunddokumente/Hintergrunddokument-zur%20Bewertung-von-D6_2024.pdf Die Ergebnisse werden zusammenfassend im aktuellen Zustandsbericht der Nordseegewässer dargestellt: BMUV. 2024. Zustand der deutschen Nordseegewässer 2024. Aktualisierung der Anfangsbewertung nach § 45c, der Beschreibung des guten Zustands der Meeresgewässer nach § 45d und der Festlegung von Zielen nach § 45e des Wasserhaushaltsgesetzes zur Umsetzung der Meeresstrategie-Rahmenrichtlinie. Bund/Länder-Arbeitsgemeinschaft Nord- und Ostsee (BLANO), 7. Oktober 2024.

WFS Regionalstatistische Daten der Bezirke Hamburgs und Hamburg insgesamt

Dieser WFS (Web Feature Service) beinhaltet die Bevölkerungs- und Sozialdaten, sowie Indikatoren für die Bezirke Hamburgs seit dem Jahr 2013. Zur genaueren Beschreibung der Daten und Datenverantwortung nutzen Sie bitte den Verweis zur Datensatzbeschreibung.

WFS Regionalstatistische Daten der Stadtteile Hamburgs

Dieser WFS (Web Feature Service) beinhaltet die Bevölkerungs- und Sozialdaten, sowie Indikatoren für die Stadtteile Hamburgs seit dem Jahr 2013. Zur genaueren Beschreibung der Daten und Datenverantwortung nutzen Sie bitte den Verweis zur Datensatzbeschreibung.

1 2 3 4 5 … 54 55 56