API src

Found 566 results.

Related terms

Indikator: Energieverbrauch für Gebäude

<p> Die wichtigsten Fakten <ul> <li>Der gebäuderelevante <a href="https://www.umweltbundesamt.de/service/glossar/endenergieverbrauch">Endenergieverbrauch</a> sank zwischen 2008 und 2024 um 20,2 %.</li> <li>Laut dem Energiekonzept der Bundesregierung von 2010 sollte der Wärmebedarf zwischen 2008 und 2020 um 20 % sinken. Er sank bis 2020 nur um 10,4 %.</li> <li>Seitdem russischen Angriffskrieg auf die Ukraine und die dadurch ausgelösten Anstrengungen zum Energiesparen reduziert sich der gebäuderelevante Endenergieverbrauch. Im Vergleich zum Vorjahr ist er um 0,7 % gesunken.</li> </ul> </p><p> Welche Bedeutung hat der Indikator? <p>Für Raumwärme in Gebäuden wurden in Deutschland im Jahr 2024 27,4 % des gesamten Endenergieverbrauchs aufgewendet. Weitere 5,1 % entfielen auf den Bereich Warmwasser. Zum Vergleich: Der gebäuderelevante Wärmeverbrauch (Raumwärme und Warmwasser) war somit für 32,5 % des gesamten Endenergieverbrauchs verantwortlich, der Verkehrssektor für rund 30,6 %. Damit die <a href="https://www.bundesregierung.de/breg-de/schwerpunkte/klimaschutz/faq-energiewende-2067498">"Energiewende"</a> gelingen kann, brauchen wir daher auch eine "<a href="https://www.bundesregierung.de/breg-de/schwerpunkte/klimaschutz/neues-gebaeudeenergiegesetz-2184942">Wärmewende</a>".</p> <p>Der <a href="https://www.umweltbundesamt.de/service/glossar/indikator">Indikator</a> basiert auf einem der quantitativen Ziele der Energiewende. Er setzt sich zusammen aus dem Verbrauch für Raumwärme, Raumkühlung und Warmwasser. Bei Nicht-Wohngebäuden wird gemäß Energieeinsparrecht zusätzlich die fest installierte Beleuchtung erfasst.</p> </p><p> Wie ist die Entwicklung zu bewerten? <p>Der gebäuderelevante <a href="https://www.umweltbundesamt.de/service/glossar/endenergieverbrauch">Endenergieverbrauch</a> sank zwischen 2008 und 2024 um 20,2 % auf 792 Terawattstunden. Dies entspricht 35,2 % des gesamten Endenergieverbrauchs in Deutschland. Obwohl die Wohn- und Nutzfläche in den betrachteten Jahren zugenommen hat, ging der Energieverbrauch für Raumwärme insgesamt zurück. Dies erklärt sich hauptsächlich durch bessere energetische Standards bei Neubauten und die Sanierungen der Altbauten. Die Schwankungen zwischen den Jahren ergeben sich vor allem durch die unterschiedlichen Witterungsbedingungen in den verschiedenen Jahren. Die große Verbrauchsreduzierung seit 2021 um 13,6 % ist vor allem auf Anstrengungen zum Energiesparen in Folge des russischen Angriffskrieges auf die Ukraine zurückzuführen. Gegenüber dem Vorjahr sank der Verbrauch um 0,7 %.</p> <p>Die Bundesregierung hat sich 2010 in ihrem <a href="https://www.bundesregierung.de/resource/blob/974430/439778/794fd0c40425acd7f46afacbe62600f6/2017-11-14-beschluss-kabinett-umwelt-data.pdf">Energiekonzept</a> zum Ziel gesetzt, den Wärmebedarf der Gebäude, spezifiziert als Endenergieverbrauch für Wärme, bis 2020 um 20 % gegenüber dem Stand von 2008 zu senken. Dieses Ziel wurde nicht erreicht, der Verbrauch sank bis 2020 nur um 10.4 %.</p> </p><p> Wie wird der Indikator berechnet? <p>Die für die Berechnung des Indikators erforderlichen Daten wurden durch die Arbeitsgemeinschaft Energiebilanzen (AGEB) bereitgestellt. Im Rahmen von Forschungsvorhaben wurden sogenannte Anwendungsbilanzen berechnet, die den Verbrauch von <a href="https://www.umweltbundesamt.de/service/glossar/endenergie">Endenergie</a> in verschiedenen Anwendungsbereichen (zum Beispiel Raumwärme, mechanische Energie etc.) darstellen. Die angewandte Methodik ist in verschiedenen Dokumenten beschrieben. Die Zahlen sind der letzten Veröffentlichung der Anwendungsbilanzen entnommen <a href="https://ag-energiebilanzen.de/daten-und-fakten/anwendungsbilanzen/">(AGEB 2024)</a>.</p> <p><strong>Ausführliche Informationen zum Thema finden Sie im Daten-Artikel <a href="https://www.umweltbundesamt.de/node/42350">"Energieverbrauch für fossile und erneuerbare Wärme"</a>.</strong></p> </p><p> </p><p>Informationen für...</p>

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Fall, 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.

Indikator: Vermiedene THG-Emissionen durch erneuerbare Energien

<p> Die wichtigsten Fakten <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/treibhausgas">Treibhausgas</a>-Emissionen damit weiter senken.</li> </ul> </p><p> Welche Bedeutung hat der Indikator? <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/klimaschutz">Klimaschutz</a> ist deshalb, die Volkswirtschaft auf saubere Energieformen umzustellen, insbesondere auf erneuerbare Energien. Der <a href="https://www.umweltbundesamt.de/service/glossar/indikator">Indikator</a> zeigt den Beitrag der erneuerbaren Energien zur Vermeidung von <a href="https://www.umweltbundesamt.de/service/glossar/treibhausgas">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/node/27026">"Energieproduktivität"</a> liegt ein allgemeines Maß für die Energieeffizienz einer Volkswirtschaft vor.</p> </p><p> Wie ist die Entwicklung zu bewerten? <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/kohlendioxid-aequivalente">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/node/22626">Anteil Erneuerbare am Bruttoendenergieverbrauch</a>“ und „<a href="https://www.umweltbundesamt.de/node/106892">Anteil Erneuerbare am Bruttostromverbrauch</a>“. Mit dem Ausbau der Erneuerbaren werden auch die durch sie vermiedenen <a href="https://www.umweltbundesamt.de/service/glossar/treibhausgas">Treibhausgas</a>-Emissionen weiter deutlich zunehmen.</p> </p><p> Wie wird der Indikator berechnet? <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/indikator">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/node/114339">Emissionsbilanz erneuerbarer Energieträger 2023"</a> beschrieben .</p> <p><strong>Ausführliche Informationen zum Thema finden Sie im Daten-Artikel: <a href="https://www.umweltbundesamt.de/node/42668">"Erneuerbare Energien - Vermiedene Treibhausgase"</a>.</strong></p> </p><p> </p><p>Informationen für...</p>

Die Sanasilva-Inventur

*Der Gesundheitszustand der Bäume im Schweizer Wald wird seit 1985 mit der Sanasilva-Inventur repräsentativ erfasst. Die wichtigsten Merkmale sind die Kronenverlichtung und die Sterberate. Das systematische Probeflächen-Netz der Inventur ist im Laufe der Zeit ausgedünnt worden. In der Periode von 1985 bis 1992 wurden rund 8000 Bäume auf 700 Flächen im 4x4 km-Netz aufgenommen, 1993, 1994 und 1997 rund 4000 Bäume im 8x8 km-Netz und in den Jahren 1995, 1996 und 1998 bis 2002 rund 1100 Bäume im 16x16 km-Netz . Aufnahmemethode Alle drei Jahre (1997, 2000) wird die Sanasilva-Inventur auf dem 8x8-km Netz (ca. 170 Probeflächen ) durchgeführt. In den Jahren dazwischen findet die Inventur auf einem reduzierten 16x16-km Netz (49 Probeflächen) statt. Jede Fläche besteht aus zwei konzentrischen Kreisen. Der äussere Kreis hat ein Radius von 12.62 m (500 m2) und der innere ein Radius von 7.98 m (200 m2). Auf dem inneren Kreis werden alle Bäume mit einem Mindestdurchmesser in Brusthöhe von 12 cm und auf dem äusseren Kreis mit einem Mindestdurchmesser in Brusthöhe von 36 cm aufgenommen. In Nordrichtung wird zusätzlich in 30 m Entfernung eine identische Satellitenprobenfläche eingerichtet. Die Aufnahme findet in Juli und August statt. Eine Aufnahmegruppe besteht aus zwei Personen, von denen eine die Daten erhebt, und die andere die Daten eintippt. Die Daten werden mit dem Feldkomputer Paravant und der Software Tally erfasst. Die Aufgabenteilung wechselt zwischen Probeflächen. Auf dem 8x8-km Netz werden zusätzlich 10 Prozent der Flächen von einer unabhängigen zweiten Aufnahmegruppe zu Kontrollzwecken aufgenommen. Hauptmerkmale der Sanasilva-Inventur: Die Sanasilva-Inventur erfasst vor allem folgende Indikatoren des Baumzustandes: Die Kronenverlichtung wird beschrieben durch den Prozentanteil der Verlichtung einer Krone im Vergleich zu einem Baum gleichen Alters mit maximaler Belaubung/Benadelung an diesem Standort, den Anteil dieser Verlichtung, der nicht durch bekannte Ursachen erklärt werden kann, den Ort der Verlichtung, den Anteil und den Ort von unbelaubten/unbenadelten Ästen und Zweigen. Die Kronenverfärbung wird durch die Abweichung der mittleren Farbe (aufgenommen als Farbton, Reinheit und Helligkeit nach den Munsell Colour Charts) eines Baumes zu der für diese Baumart typischen Normalfarbe (Referenzfarbe) und durch das Vorhandensein, das Ausmass und den Ort der von der Referenzfarbe abweichenden Farben beschrieben. Der Zuwachs eines Baumes wird durch die zeitliche Veränderung der aufgenommen Baumgrössen beschrieben (Brusthöhendurchmesser, Höhe des Baumes, Kronenlänge und Kronenbreite). Weitere Merkmale sind die erkannten Ursachen der Kronenverlichtung, die Kronenkonkurrenz und das Vorkommen von Epiphyten, Mistel und Ranken in der Baumkrone.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Bonn, 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 Meiningen, 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.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Konstanz, 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.).

Indikator: Siedlungs- und Verkehrsfläche

<p> Die wichtigsten Fakten <ul> <li>In den Jahren 2021 bis 2024 wurden täglich 50 Hektar für Siedlungs- und Verkehrszwecke neu in Anspruch genommen.</li> <li>Der Anstieg sollte laut Bundesregierung ursprünglich bis 2020 auf 30 Hektar pro Tag sinken. Nach den Zielen der Deutschen Nachhaltigkeitsstrategie soll der tägliche Anstieg bis zum Jahr 2030 nun weniger als 30 Hektar betragen.</li> <li>Das Integrierte Umweltprogramm des Bundesumweltministeriums benennt eine Senkung des täglichen Anstiegs auf 20 Hektar pro Tag bis 2030.</li> <li>Es müssen zusätzliche Maßnahmen ergriffen werden, damit diese Ziele erreicht werden können.</li> </ul> </p><p> Welche Bedeutung hat der Indikator? <p>Die Umwandlung von Ackerböden, Wald oder Grünland in Siedlungs- und Verkehrsfläche verursacht beträchtliche Umweltauswirkungen: Ein Großteil der Flächen wird mit Gebäuden oder Anlagen bebaut oder für Verkehrswege in Anspruch genommen. Dies zerstört die natürliche Bodenfruchtbarkeit und behindert eine zukünftige (Wieder-)Nutzung für die Land- und Forstwirtschaft. Versiegelte Flächen verlieren ihre Fähigkeit zur Regulierung des Mikroklimas und können im Sommer keinen Beitrag zur Milderung der Überhitzung in Städten leisten. Auch die Artenvielfalt wird beeinträchtigt, da durch die neuen Siedlungs- und Verkehrsflächen Landschaften zerschnitten und die Lebensräume kleiner werden.</p> <p>Überdies erzeugen neu erschlossene Siedlungs- und Verkehrsflächen zusätzlichen Verkehr, der wiederum Lärm und Schadstoffbelastungen verursacht. Außerdem erhöht dies den Materialverbrauch für den Bau von Gebäuden und Erschließungsinfrastruktur. Neue Gebäude und Infrastrukturen müssen betrieben werden, dadurch steigt auch der Energieverbrauch.</p> </p><p> Wie ist die Entwicklung zu bewerten? <p>Im „<a href="https://eur-lex.europa.eu/legal-content/DE/TXT/?qid=1573551946736&amp;uri=CELEX%3A52011DC0571">Fahrplan für ein ressourceneffizientes Europa</a>“ der EU wird angestrebt, die Landnahme so zu reduzieren, dass bis 2050 netto kein Land mehr verbraucht wird (KOM/2011/0571).&nbsp;Die Ziele der <a href="https://www.bundesregierung.de/resource/blob/975274/2335292/c4471db32df421a65f13f9db3b5432ba/2025-02-17-dns-2025-data.pdf">Nationalen Nachhaltigkeitsstrategie</a>&nbsp;und des <a href="https://www.bmel.de/SharedDocs/Downloads/DE/_Landwirtschaft/Klimaschutz/Klimaschutzprogramm2030.html">Klimaschutzprogramm 2030</a> sehen spezifizierend vor, dass bis 2030 <strong>weniger</strong> als 30 Hektar pro Tag neu als Flächen für Siedlungs- und Verkehrszwecke ausgewiesen werden sollen. Das <a href="https://www.bmuv.de/themen/nachhaltigkeit/integriertes-umweltprogramm-2030">Integrierte Umweltprogramm 2030</a> des Bundesumweltministeriums nennt für das Jahr 2030 ein ambitionierteres Ziel von 20 Hektar pro Tag, da bei linearer Fortschreibung zum Erreichen des Netto-Null Ziels 2050 – wie es auch der <a href="https://www.bmwk.de/Redaktion/DE/Publikationen/Industrie/klimaschutzplan-2050.html">Klimaschutzplan 2050</a> vorsieht – dieser Wert erreicht werden sollte.</p> <p>Im Zeitraum von 2021 bis 2024 nahm die Siedlungs- und Verkehrsfläche im Durchschnitt um 50 Hektar pro Tag zu. Seit dem Jahr 2000 hat sich die tägliche Zunahme der Siedlungs- und Verkehrsfläche etwa halbiert. Grund dafür waren geschärfte Regelungen im Bau- und Planungsrecht, größere Anstrengungen in den Ländern und Gemeinden, eine verhaltene konjunkturelle Entwicklung und der demografische Wandel. In den letzten Jahren stagniert die Entwicklung jedoch. Zwar kann immer noch das Ziel der Nationalen Nachhaltigkeitsstrategie (weniger als 30 Hektar pro Tag bis 2030) erreicht werden. Dies ist jedoch anspruchsvoll und bedarf weiterer Maßnahmen.</p> </p><p> Wie wird der Indikator berechnet? <p>Der <a href="https://www.umweltbundesamt.de/service/glossar/indikator">Indikator</a> bildet die durchschnittliche Zunahme der Siedlungs- und Verkehrsfläche in Hektar pro Tag ab. Als Siedlungs- und Verkehrsfläche gelten Flächen für Wohnbau, Industrie und Gewerbe (ohne Abbauland), für öffentliche Einrichtungen, Flächen für Sport, Freizeit und Erholung (inkl. Friedhofsflächen) sowie Verkehrsflächen. Der Indikator wird jährlich vom Statistischen Bundesamt auf der Basis der von den Ländern berichteten Bodennutzungs-Daten berechnet. Diese unterliegen in vielen Fällen Sondereffekten und müssen vom Statistischen Bundesamt teilweise korrigiert werden. Weiterführende Erläuterungen dazu finden sich in der Publikation <a href="https://www.destatis.de/DE/Methoden/Qualitaet/Qualitaetsberichte/Land-Forstwirtschaft-Fischerei/flaechenerhebung.pdf?__blob=publicationFile&amp;v=24">Qualitätsbericht:</a> Flächenerhebung nach Art der tatsächlichen Nutzung und für die spezifischen Revidierungen im Zuge der Veröffentlichungen in 2025 in <a href="https://www.destatis.de/DE/Presse/Pressemitteilungen/2025/08/PD25_286_412.html">Pressemitteilung Nr. 286 vom 5. August 2025</a> des Statistischen Bundesamtes.</p> <p><strong>Ausführliche Informationen zum Thema finden Sie im Daten-Artikel </strong><a href="https://www.umweltbundesamt.de/node/11184"><strong>„Siedlungs- und Verkehrsfläche“.</strong></a></p> </p><p> </p><p>Informationen für...</p>

Regionalstatistische Daten der Bezirke Hamburgs und Hamburg insgesamt

Bevölkerungs- und Sozialdaten, sowie Indikatoren für die Bezirke Hamburgs und Hamburg insgesamt seit dem Jahr 2013. Quellenangaben: https://www.statistik-nord.de/fileadmin/maps/Stadtteil_Profile_2020/QuellenangabenKarte2021.htm

1 2 3 4 5 … 55 56 57