API src

Found 3097 results.

Similar terms

s/kp/KI/gi

Other language confidence: 0.5048361964225334

Stündliche Stationsmessungen der Lufttemperatur und Luftfeuchte für Deutschland

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.

Relative Bindungsstärke für Schwermetalle für den grundwasserfreien Bodenraum BB

Der Datensatz beinhaltet Daten des LBGR über die relative Bindungsstärke für Schwermetalle für den grundwasserfreien Bodenraum Brandenburgs und wird über je einen Darstellungs- und Downloaddienst bereitgestellt. Diese Karte basiert auf den Legendeneinheiten der Bodenübersichtskarte mit entsprechender Zuordnung von parametrisierten Flächenbodenformen. Diese stellen je Legendeneinheit eine Bodenformengesellschaft dar. Die einzelnen (Flächen-)Bodenformen wurden mit Parametern belegt, auch jenen zur Berechung der Bindungsstärke für Schwermetalle (s. Hennings 2000, Kap. 2), die durch Gelände- und Laboruntersuchungen bestimmt wurden. Dazu wurden für gleiche Horizont-Substrat-Kombinationen die entsprechenden Parameter (Bodenart, Humusgehalt, pH-Wert) statistisch abgeleitet (i.d.R. der Medianwert). Die Abfolge von Horizont-Substrat-Kombinationen in den Flächenbodenformen mit ihren Parametern (Bodenart, Humusgehalt, pH-Wert, Obergrenze des Go-Horizontes) bildeten die Grundlage für die Berechnung der relativen Bindungsstärke gegenüber Schwermetallen (s. Hennings 2000, Verknüpfungsregel 7.1 bis 7.3). Die folgenden Themenkarten weisen jeweils für die Schwermetalle Fe(III), Hg, Pb, Cr(III), Cu, Al, Zn, Co, Ni, Cd und Mn die metallspezifische relative Bindungsstärke für verschiedene Tiefenbereiche aus. Diese Karte stellt die relative Bindungsstärke für das jeweilige Schwermetall im grundwasserfreien Bodenraum bzw. bis zur Obergrenze eines Go-Horizontes oder bis 2 m unter GOF für die beteiligten Flächenbodenformen dar. Dazu werden Oberboden (einschließlich der Auflagehorizonte bis 3 dm unter GOF) und Unterboden getrennt behandelt. Für den Oberboden wird der Kennwert wie oben bis zum Schritt der Ordinalskalierung ermittelt. Für den Kennwert des folgenden Tiefenbereiches bis 2 m unter GOF bzw. bis zur Obergrenze des Go-Horizontes je Bodenform wird der Horizont mit der höchsten pH-abhängigen Bindungsstärke betrachtet, wenn dieser > 3 dm mächtig ist. Anderenfalls wird von dem unmittelbar hangenden bzw. liegenden Horizont derjenige nach seiner Mächtigkeit gewichtet zur Mittelung des Kennwertes herangezogen, der von diesen beiden Horizonten die höhere pH-abhängige Bindungsstärke aufweist. Anschließend werden Zuschläge für entsprechende Humus- und Tongehalte hinzugerechnet. Die so ermittelten Kennwerte für Ober- und Unterboden werden addiert und ordinal in den Stufen 0 bis 5 skaliert, wobei der maximale Wert auf 5 begrenzt wird. Bei unterschiedlichen Ergebnissen für die Bodenformen einer Legendeneinheit wurden die flächenhaft dominierenden und die subdominierenden ordinal skalierten klassifizierten Kennwerte angegeben (s. Hennings 2000, VKR 7.3).

Relative Bindungsstärke für Schwermetalle im Oberboden BB

Der Datensatz beinhaltet Daten des LBGR über die relative Bindungsstärke für Schwermetalle im Oberboden Brandenburg und wird über je einen Darstellungs- und Downloaddienst bereitgestellt. Diese Karte basiert auf den Legendeneinheiten der Bodenübersichtskarte mit entsprechender Zuordnung von parametrisierten Flächenbodenformen. Diese stellen je Legendeneinheit eine Bodenformengesellschaft dar. Die einzelnen (Flächen-)Bodenformen wurden mit Parametern belegt, auch jenen zur Berechung der Bindungsstärke für Schwermetalle (s. Hennings 2000, Kap. 2), die durch Gelände- und Laboruntersuchungen bestimmt wurden. Dazu wurden für gleiche Horizont-Substrat-Kombinationen die entsprechenden Parameter (Bodenart, Humusgehalt, pH-Wert) statistisch abgeleitet (i.d.R. der Medianwert). Die Abfolge von Horizont-Substrat-Kombinationen in den Flächenbodenformen mit ihren Parametern (Bodenart, Humusgehalt, pH-Wert, Obergrenze des Go-Horizontes) bildeten die Grundlage für die Berechnung der relativen Bindungsstärke gegenüber Schwermetallen (s. Hennings 2000, Verknüpfungsregel 7.1 bis 7.3). Die folgenden Themenkarten weisen jeweils für die Schwermetalle Fe(III), Hg, Pb, Cr(III), Cu, Al, Zn, Co, Ni, Cd und Mn die metallspezifische relative Bindungsstärke für verschiedene Tiefenbereiche aus. Diese Karte stellt die relative Bindungsstärke für das jeweilige Schwermetall im gesamten Oberboden (einschließlich der Auflagehorizonte bis 3 dm unter GOF) für die beteiligten Flächenbodenformen dar. Für jeden Horizont des Oberbodens wird die metallspezifische pH-abhängige Bindungsstärke ermittelt und Zuschläge bei entsprechenden Humus- und Tongehalten hinzugerechnet. Die so ermittelten Kennwerte werden für die beteiligten Horizonte nach ihrer Mächtigkeit gewichtet, gemittelt und ordinal in den Stufen 0 bis 5 skaliert, wobei der maximale Wert auf 5 begrenzt wird. Bei unterschiedlichen Ergebnissen für die Bodenformen einer Legendeneinheit wurden die flächenhaft dominierenden und die subdominierenden ordinal skalierten klassifizierten Kennwerte angegeben (s. Hennings 2000, VKR 7.1, Stufen 0 bis 5).

Schwerpunktprogramm (SPP) 1689: Climate Engineering: Risiken, Herausforderungen, Möglichkeiten?, Klima-Engineering über Land: Umfassende Evaluierung von Auswirkungen terrestrischer Carbon-Dioxide-Removal-Methoden auf das Erdsystem (CE-LAND+)

Methoden des terrestrischen Carbon Dioxide Removal (tCDR) wie Aufforstung und Biomasseplantagen werden zuweilen als effektive, 'grüne' und sichere Varianten des Klimaengineering (CE) verstanden wegen ihrer Möglichkeit, die natürliche CO2-Aufnahme durch die Biosphäre zu erhöhen, und ihrer denkbaren ökonomischen Tragfähigkeit. Erkenntnisse aus der ersten Phase des CE-LAND-Projekts legen indes nahe, dass tCDR aufgrund schwieriger erdsystemischer und ethischer Fragen ebenso kontrovers wie andere CE-Methoden ist. CO2-Budgetierungen und rein ökonomische Bewertungen sind daher um profunde Analysen der natürlichen Begrenzungen, der Auswirkungen auf das Erdsystem mit damit verbundenen Unsicherheiten, der Tradeoffs mit anderen Land- und Wassernutzungen und der weitreichenden ethischen Implikationen von tCDR-Maßnahmen zu ergänzen. Analysen hypothetischer Szenarien der ersten Projektphase zeigen, dass effektives tCDR die Umwidmung großer Flächen voraussetzt, womit schwierige Abwägungsprozesse mit anderen Landnutzungen verbunden wären. Darüber hinaus zeigt sich, dass signifikante Nebenwirkungen im Klimasystem (außer der bezweckten Senkung der Weltmitteltemperatur) und in terrestrischen biogeochemischen Kreisläufen aufträten. CE-LAND+ bietet eine tiefergehende quantitative, räumlich explizite Evaluierung der nicht-ökonomischen Kosten einer Biosphärentransformation für tCDR. Potentielle Tradeoffs und Impakts wie auch die systematische Untersuchung von Unsicherheiten in ihrer Abschätzung werden mit zwei Vegetationsmodellen, einem Erdsystemmodell und, neu im Projekt, dynamischen Biodiversitätsmodellen analysiert. Konkret wird CE-LAND+ bisher kaum bilanzierte Tradeoffs untersuchen: einerseits zwischen der Maximierung der Flächennutzung für tCDR bzw. Biodiversitätsschutz, andererseits zwischen der Maximierung der Süßwasserverfügbarkeit für tCDR bzw. Nahrungsmittelproduktion sowie Flussökosysteme. Auch werden die (in)direkten Auswirkungen veränderten Klimas und tCDR-bedingter Landnutzungsänderungen auf Wasserknappheit (mit diversen Metriken und unter Annahme verschiedener Varianten des Wassermanagements) und Biodiversität quantifiziert. Die Tradeoffs und Impakts werden im Kontext von neben der Bekämpfung des Klimawandels formulierten globalen Nachhaltigkeitszielen - Biodiversitätsschutz, Wasser- und Ernährungssicherheit interpretiert - was sonst nicht im Schwerpunktprogramm vermittelt wird. Ferner wird das Projekt zu besserem Verständnis und besserer Quantifizierung von Unsicherheiten von tCDR-Effekten unter zukünftigem Klima beitragen. Hierzu untersucht es modellstrukturbedingte Unterschiede, Wachstum und Mortalität von tCDR-Pflanzungen unter wärmeren und CO2-reicheren Bedingungen und Wechselwirkungen zwischen tCDR-bezogenen Landnutzungsaktivitäten und Klima. Schließlich wird CE-LAND+ in Kooperationen innerhalb des Schwerpunktprogramms und mit einer repräsentativen Auswahl von Szenarien zur Evaluierung tCDR-bedingter Tradeoffs aus umweltethischer Sicht beitragen.

Landwirtschaftliche Betriebe, Landwirtschaftlich genutzte Fläche: Deutschland, Jahre, Bodennutzungsarten

Tree Species - Sentinel-2 - Germany, 2016

The Tree Species Germany product provides a map of dominant tree species across Germany for the year 2016 at a spatial resolution of 10 meters. The map depicts the distribution of ten tree species groups derived from multi-temporal optical Sentinel-2 data. The input features explicitly incorporate phenological information to capture seasonal vegetation dynamics relevant for species discrimination. A total of over 100,000 training and test samples were compiled from publicly accessible sources, including urban tree inventories, Google Earth Pro, Google Street View, and field observations. The final product was created by majority-voting on annual XGBoost Sentinel-2 tree species classifications (2016–2024) and filtering with forest structure data. If no clear majority vote was achieved, the class uncertain was assigned. The Tree Species Germany 2016 product achieves an overall F1-score of 0.95. For the dominant species pine, spruce, beech, and oak, class-wise F1-scores range from 0.92 to 0.99, while F1-scores for other widespread species such as birch, alder, larch, Douglas fir, fir, and other deciduous species range from 0.85 to 0.96. The product provides a consistent, high-resolution, and up-to-date representation of tree species distribution across Germany. Its transferable, cost-efficient, and repeatable methodology enables reliable large-scale forest monitoring and offers a valuable basis for assessing spatial patterns and temporal changes in forest composition in the context of ongoing climatic and environmental dynamics.

Flächennutzungsplan Stadt Bremen

Flächennutzungsplan der Stadtgemeinde Bremen: Gemäß Baugesetzbuch (BauGB) ist der Flächennutzungsplan der vorbereitende und damit der übergeordnete Bauleitplan einer Gemeinde. Das Verfahren zur Aufstellung des Flächennutzungsplanes ist im Baugesetzbuch (BauGB) geregelt. Der Flächennutzungsplan stellt die gegenwärtige und die geplante Bodennutzung, nach den voraussehbaren Bedürfnissen der Gemeinde, für das gesamte Gemeindegebiet in den Grundzügen dar. Die Darstellungen des Flächennutzungsplans bilden die Grundlage für die detaillierten Festsetzungen der Nutzung der Grundstücke, da die für Teilgebiete der Gemeinde aufzustellenden Bebauungspläne (verbindlichen Bauleitplanung) aus dem Flächennutzungsplan zu entwickeln sind. Der Flächennutzungsplan ist nur für die Gemeinde und die öffentliche Planungsträger verbindlich. Verfahrensdaten zu den Bauleitplan-Verfahren können hier abgerufen werden: https://www.bauleitplan.bremen.de

Entwicklung eines Copernicus-Dienstes zur Erstellung konsistenter Daten für die Waldfläche Deutschlands, Teilvorhaben: Funktionstests NW-FVA

Vorhersage von Schüttungen alpiner Karstquellen im Hinblick auf den Klimawandel unter Verwendung neuer Deep Learning-Methoden

Karstgrundwasserleiter spielen im Alpenraum eine wichtige Rolle. Sie bedecken etwa 56% der Fläche, und ein erheblicher Teil der Bevölkerung ist ganz oder teilweise von Trinkwasser aus Karstquellen abhängig, die oft mit wertvollen Ökosystemen verbunden sind und zur Wasserkrafterzeugung beitragen. Die Alpen zählen nach Studien zu den am stärksten vom Klimawandel betroffenen Gebieten in Europa. Als Folge der steigenden Temperaturen werden sich die gespeicherten Mengen an Schnee und Eis stark verringern, was zu einer Verschiebung zwischen Wasserhaushaltskomponenten in Verbindung mit einer saisonalen Umverteilung der Niederschläge führt. Außerdem wird erwartet, dass Hoch- und Niedrigwasserereignisse häufiger auftreten werden. Der Stand der Technik bei der Modellierung der Schüttung von Karstquellen, meist mittels konventioneller numerischer Modelle, ist auf standortspezifische, oft aufwändige und nicht übertragbare wissenschaftliche Studien beschränkt, die manuelle Modellabstimmung und Kalibrierung erfordern. Bis heute gibt es keinen leicht übertragbaren Ansatz, der gleichzeitig auf viele Karstquelleinzugsgebiete anwendbar ist. In diesem Projekt werden wir einen modernen, Deep-Learning basierten Ansatz zur Modellierung der Schüttung von Karstquellen entwickeln, der sich besonders gut eignet, übertragbare Modelle, die Informationen von verschiedenen Standorten nutzen können, aufzubauen. Deep Learning ist ein Teilgebiet des maschinellen Lernens, basierend auf künstlichen neuronalen Netzen, das sich sowohl bei akademischen als auch bei industriellen Anwendungen als sehr erfolgreich erwiesen hat. Die vorgeschlagene Studienregion sind die Alpen, mit Karstgebieten in Österreich, der Schweiz, Deutschland, Frankreich, Italien und Slowenien, mit einem Schwerpunkt auf dem besonders vom Klimawandel betroffenen von der Alpenkonvention abgegrenzten Gebirgsgebiet. Als Grundlage der Studie dient das World Karst Spring Database (WoKaS). Es wird im Laufe des Projekts mit zusätzlichen Daten von Behörden und Wasserversorgern ergänzt, insbesondere in Regionen mit bislang schlechter Abdeckung. Die Arbeiten beinhalten die Erstellung eines umfassenden Datensatzes mit Einzugsgebietsattributen und meteorologischen Einflussgrößen für etwa 150 Quellen. Klassische Lumped-Parameter-Modelle werden als Benchmarks aufgesetzt und mit den neu entwickelten Deep-Learning basierten Modellergebnissen verglichen. Ziel ist es, die Eignung neuartiger Deep-Learning Modellansätze für die Abschätzung der Auswirkungen des Klimawandels für eine Vielzahl von kurz- und langfristigen Vorhersagen zu untersuchen. Eine vertiefende Fallstudie des Dachsteingebietes, dessen große Karstregion wesentlich zur Wasserversorgung und Wasserkrafterzeugung beiträgt, wird die vergleichende Untersuchung mit einem numerischen 3D-Modell erweitern. Schließlich werden die entwickelten Modelle dazu verwendet, um Auswirkungen des Klimawandels auf die alpinen Karstgrundwasserressourcen vorherzusagen.

Renaturierung von Mooren der nemoralen Zone unter Bedingungen variabler Wasserverfügbarkeit und -qualität

Die Funktionen von Mooren in Wasser- und Elementkreisläufen, als Kohlenstoffspeicher und in der Bewahrung der Biodiversität sind zunehmend im Fokus wissenschaftlicher und öffentlicher Debatte. Insbesondere im Verlauf des Klimawandels sind renaturierte Hochmoore Klimaextremen ausgesetzt, zum Beispiel Dürren, mit Langzeiteffekten für Boden und Pflanzengemeinschaften, und somit auch für den Kohlenstoffkreislauf. Der Klimawandel erschwert damit zusätzlich die Hochmoorrenaturierung zu bereits vorhandenen Grenzen. Damit verbunden ist ein unzureichender Wissensstand bezüglich potentieller Indikatoren für Degradation und Renaturierungserfolge, z.B. die Dynamiken und Bilanzen von Gasflüssen, Biodiversitätsniveaus oder Wasserbilanzen. Moordegradierung verändert die Wasserspeicherfähigkeit und reduziert die Fähigkeit Wasserschwankungen abzupuffern, was die Renaturierung weiter beeinflusst. Paläoökologische Daten erlauben Schlussfolgerungen über Feuchtebedingungen für Torfwachstum und potentielle Resilienz gegenüber in der Vergangenheit aufgetretenen Schwankungen der Umweltbedingungen. Somit können aus ihnen Grundlageninformationen abgeleitet werden, die helfen Renaturierungsziele zu formulieren, aber auch mögliche Einschränkungen aufzeigen. Der voranschreitenden Klimawandel mit häufigen auftretenden Hitzewellen und Dürren bedeutet insbesondere für die Re-Etablierung von Hochmoorvegetation eine ernste Bedrohung, die auf nährstoffarmes Niederschlagswasser angewiesen ist. Das Projekt verbindet Schlüsselmethoden von verwandten Disziplinen in bisher nicht gekannter Weise: In Unterprojekten behandeln wir i) die paläoökologische Rekonstruktion von Referenzbedingungen und Indikatoren für Degradation, ii) aktuelle Hydrologie, Niveaus von Biodiversität, Mikrobielle Gemeinschaften, iii) CO2 und CH4 Bilanzen mit Hauben- und Eddy-Covariance Technik und vorhandenen Langzeitdaten, iv) neuste Fernerkundungsmethoden inklusive dem Upscaling von Plotniveau bis auf das Landschaftsniveau, unterstützt von künstlicher Intelligenz, v) Negative Auswirkungen und Wechselbeziehungen zwischen Biodiversität, Kohlenstoffbilanzen, Treibhausgasemissionen und Resilienz wenn Zielniveaus nicht erreicht werden können, vi) Wissenstransfer in enger Zusammenarbeit mit Torfindustrie, Naturschutzakteuren, Akteuren der Land- und Wasserwirtschaft und der Administration.Wir untersuchen erstmalig Hochmoorrenaturierungsverläufe basierend auf neusten Bewertungsmethoden der Paläoökologie und Biogeochemie von Torfproben und ordnet diese Daten in einen landschaftsökologischen Kontext ein, um mit leistungsstarken Fernerkundungswerkzeugen das zukünftige Monitoring von degradierten und renaturierten Hochmoorflächen zu ermöglichen. Die enge Verbindung der Arbeitspakete und die Anwendung von in der Renaturierungsökologie wenig betrachteter Daten machen dieses Projekt innovativ und lassen wichtige Ergebnisse erwarten für die Hochmoorrenaturierung unter sich verändernden hydro-klimatischen Bedingungen.

1 2 3 4 5 … 308 309 310