The Tree Species Germany product provides a map of dominant tree species across Germany for the year 2022 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, radar data from Sentinel-1, and a digital elevation model. The input features explicitly incorporate phenological information to capture seasonal vegetation dynamics relevant for species discrimination. A total of over 80,000 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 classification was generated using an XGBoost machine learning algorithm. The Tree Species Germany product achieves an overall F1-score of 0.89. For the dominant species pine, spruce, beech, and oak, class-wise F1-scores range from 0.76 to 0.98, while F1-scores for other widespread species such as birch, alder, larch, Douglas fir, and fir range from 0.88 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.
Der Datensatz "1m-Höhenlinien Wuppertal 2020" enthält Höhenlinien mit einer Äquidistanz von 1 m für das gesamte Stadtgebiet von Wuppertal. Es werden 5 verschiedene Ausprägungen bezüglich Datenformat und Koordinatensystem vorgehalten. Der Datensatz basiert auf dem von Geobasis NRW bereitgestellten Digitalen Geländemodell DGM1 mit dem überwiegenden Datenstand 2020 (Stand 2020 in einigen nördlichen und nordöstlichen Randbereichen des Wuppertaler Stadtgebietes). Das DGM1 ist ein durch flugzeuggestütztes Laserscanning (Lidar) erzeugtes regelmäßiges Punktgitter mit einer Maschenweite von 1 m und einer Höhengenauigkeit eines Einzelpunktes von +/- 2 dm. Die Höhenlinien wurden mit ArcGIS und der Erweiterung ArcGIS Spatial Analyst durch Interpolation im DGM1 ohne Berücksichtigung von zusätzlichen Geländebruchkanten erzeugt. Über das Standardverhalten des im Spatial Analyst verfügbaren Werkzeugs "Oberfläche - Konturlinie" hinaus erfolgte keine explizite weitere Glättung des Krümmungsverlaufes der Höhenlinien. Der Datensatz wird nicht fortgeführt. Nach einer Aktualisierung des DGM1 werden die Höhenlinien Wuppertal unter anderen Produktbezeichnungen neu abgeleitet. Der Datensatz ist unter einer Open-Data-Lizenz (CC BY 4.0) verfügbar.
Der Datensatz "100m-Höhenlinien Wuppertal 2020" enthält Höhenlinien mit einer Äquidistanz von 100 m für das gesamte Stadtgebiet von Wuppertal. Es werden 5 verschiedene Ausprägungen bezüglich Datenformat und Koordinatensystem vorgehalten. Der Datensatz basiert auf dem von Geobasis NRW bereitgestellten Digitalen Geländemodell DGM1 mit dem überwiegenden Datenstand 2020 (Stand 2019 in einigen nördlichen und nordöstlichen Randbereichen des Wuppertaler Stadtgebietes). Das DGM1 ist ein durch flugzeuggestütztes Laserscanning (Lidar) erzeugtes regelmäßiges Punktgitter mit einer Maschenweite von 1 m und einer Höhengenauigkeit eines Einzelpunktes von +/- 2 dm. Die Höhenlinien wurden mit ArcGIS und der Erweiterung ArcGIS Spatial Analyst durch Interpolation im DGM1 ohne Berücksichtigung von zusätzlichen Geländebruchkanten erzeugt. Über das Standardverhalten des im Spatial Analyst verfügbaren Werkzeugs "Oberfläche - Konturlinie" hinaus erfolgte keine explizite weitere Glättung des Krümmungsverlaufes der Höhenlinien. Der Datensatz wird nicht fortgeführt. Nach einer Aktualisierung des DGM1 werden die Höhenlinien Wuppertal unter anderen Produktbezeichnungen neu abgeleitet. Der Datensatz ist unter einer Open-Data-Lizenz (CC BY 4.0) verfügbar.
Der Datensatz "5m-Höhenlinien Wuppertal 2020" enthält Höhenlinien mit einer Äquidistanz von 5 m für das gesamte Stadtgebiet von Wuppertal. Es werden 5 verschiedene Ausprägungen bezüglich Datenformat und Koordinatensystem vorgehalten. Der Datensatz basiert auf dem von Geobasis NRW bereitgestellten Digitalen Geländemodell DGM1 mit dem überwiegenden Datenstand 2015 (Stand 2019 in einigen nördlichen und nordöstlichen Randbereichen des Wuppertaler Stadtgebietes). Das DGM1 ist ein durch flugzeuggestütztes Laserscanning (Lidar) erzeugtes regelmäßiges Punktgitter mit einer Maschenweite von 1 m und einer Höhengenauigkeit eines Einzelpunktes von +/- 2 dm. Die Höhenlinien wurden mit ArcGIS und der Erweiterung ArcGIS Spatial Analyst durch Interpolation im DGM1 ohne Berücksichtigung von zusätzlichen Geländebruchkanten erzeugt. Über das Standardverhalten des im Spatial Analyst verfügbaren Werkzeugs "Oberfläche - Konturlinie" hinaus erfolgte keine explizite weitere Glättung des Krümmungsverlaufes der Höhenlinien. Der Datensatz wird nicht fortgeführt. Nach einer Aktualisierung des DGM1 werden die Höhenlinien Wuppertal unter anderen Produktbezeichnungen neu abgeleitet. Der Datensatz ist unter einer Open-Data-Lizenz (CC BY 4.0) verfügbar.
Der Datensatz "20m-Höhenlinien Wuppertal 2020" enthält Höhenlinien mit einer Äquidistanz von 20 m für das gesamte Stadtgebiet von Wuppertal. Es werden 5 verschiedene Ausprägungen bezüglich Datenformat und Koordinatensystem vorgehalten. Der Datensatz basiert auf dem von Geobasis NRW bereitgestellten Digitalen Geländemodell DGM1 mit dem überwiegenden Datenstand 2020 (Stand 2019 in einigen nördlichen und nordöstlichen Randbereichen des Wuppertaler Stadtgebietes). Das DGM1 ist ein durch flugzeuggestütztes Laserscanning (Lidar) erzeugtes regelmäßiges Punktgitter mit einer Maschenweite von 1 m und einer Höhengenauigkeit eines Einzelpunktes von +/- 2 dm. Die Höhenlinien wurden mit ArcGIS und der Erweiterung ArcGIS Spatial Analyst durch Interpolation im DGM1 ohne Berücksichtigung von zusätzlichen Geländebruchkanten erzeugt. Über das Standardverhalten des im Spatial Analyst verfügbaren Werkzeugs "Oberfläche - Konturlinie" hinaus erfolgte keine explizite weitere Glättung des Krümmungsverlaufes der Höhenlinien. Der Datensatz wird nicht fortgeführt. Nach einer Aktualisierung des DGM1 werden die Höhenlinien Wuppertal unter anderen Produktbezeichnungen neu abgeleitet. Der Datensatz ist unter einer Open-Data-Lizenz (CC BY 4.0) verfügbar.
Der Datensatz "10m-Höhenlinien Wuppertal 2020" enthält Höhenlinien mit einer Äquidistanz von 10 m für das gesamte Stadtgebiet von Wuppertal. Es werden 5 verschiedene Ausprägungen bezüglich Datenformat und Koordinatensystem vorgehalten. Der Datensatz basiert auf dem von Geobasis NRW bereitgestellten Digitalen Geländemodell DGM1 mit dem überwiegenden Datenstand 2020 (Stand 2019 in einigen nördlichen und nordöstlichen Randbereichen des Wuppertaler Stadtgebietes). Das DGM1 ist ein durch flugzeuggestütztes Laserscanning (Lidar) erzeugtes regelmäßiges Punktgitter mit einer Maschenweite von 1 m und einer Höhengenauigkeit eines Einzelpunktes von +/- 2 dm. Die Höhenlinien wurden mit ArcGIS und der Erweiterung ArcGIS Spatial Analyst durch Interpolation im DGM1 ohne Berücksichtigung von zusätzlichen Geländebruchkanten erzeugt. Über das Standardverhalten des im Spatial Analyst verfügbaren Werkzeugs "Oberfläche - Konturlinie" hinaus erfolgte keine explizite weitere Glättung des Krümmungsverlaufes der Höhenlinien. Der Datensatz wird nicht fortgeführt. Nach einer Aktualisierung des DGM1 werden die Höhenlinien Wuppertal unter anderen Produktbezeichnungen neu abgeleitet. Der Datensatz ist unter einer Open-Data-Lizenz (CC BY 4.0) verfügbar.
With the introduction of mobile mapping technologies, geomonitoring has become increasingly efficient and automated. The integration of Simultaneous Localization and Mapping (SLAM) and robotics has effectively addressed the challenges posed by many mapping or monitoring technologies, such as GNSS and unmanned aerial vehicles, which fail to work in underground environments. However, the complexity of underground environments, the high cost of research in this area, and the limited availability of experimental sites have hindered the progress of relevant research in the field of SLAM-based underground geomonitoring. In response, we present SubSurfaceGeoRobo, a dataset specifically focused on underground environments with unique characteristics of subsurface settings, such as extremely narrow passages, high humidity, standing water, reflective surfaces, uneven illumination, dusty conditions, complex geometry, and texture less areas. This aims to provide researchers with a free platform to develop, test, and train their methods, ultimately promoting the advancement of SLAM, navigation, and SLAM-based geomonitoring in underground environments. SubSurfaceGeoRobo was collected in September 2024 in the Freiberg silver mine in Germany using an unmanned ground vehicle equipped with a multi-sensor system, including radars, 3D LiDAR, depth and RGB cameras, IMU, and 2D laser scanners. Data from all sensors are stored as bag files, allowing researchers to replay the collected data and export it into the desired format according to their needs. To ensure the accuracy and usability of the dataset, as well as the effective fusion of sensors, all sensors have been jointly calibrated. The calibration methods and results are included as part of this dataset. Finally, a 3D point cloud ground truth with an accuracy of less than 2 mm, captured using a RIEGL scanner, is provided as a reference standard.
The Risk Index Outcome (RIO) is a critical component of the Polar Operational Limit Assessment Risk Indexing System (POLARIS) developed by the International Maritime Organization (IMO, 2016). RIO evaluates the operational risks for ships navigating in ice-infested waters by evaluating ice conditions and offers a quantifiable measure of risk that aids in decision-making for safe navigation in polar regions based on ship ice class, sea ice type/stage of development (SOD) and sea ice concentration (SIC). The DMI-led Automated Sea Ice Products (DMI-ASIP; Wulf et al., 2024, dataset) provides daily maps of SOD and SIC based on Sentinel-1 SAR imagery, AMSR-2 Passive Microwave and Ice Charts from the Greenland and Canadian Ice Services, combined with novel AI retrieval and processing techniques. In the framework of EU funded Arctic PASSION project, we produced 10 years of satellite observation based weekly RIO maps referred as the Arctic PASSION-RIO (AP-RIO) by leveraging DMI-ASIP datasets. The AP-RIO dataset will provide weekly risk assessment maps for the given ship classes and will support the establishment of a 10 year climatology thereby enabling the assessment of RIO variability in the years covered by the input DMI-ASIP products. The AP-RIO dataset will enhance the safety and efficiency of maritime operations in the polar seas, providing a robust reference for evaluating normal and extreme ice conditions. AP-RIO is produced in the framework of the Arctic PASSION project (European Union's Horizon 2020 research and innovation program under grant agreement No. 101003472) and supported by the DMI-ASIP development team. Algorithm and Processing Scheme: SIC and SOD from ASIP are processed (by taking the mean and mode respectively) into a weekly field based on the daily files for that week. This is done for the time period of 3 Oct. 2014 - 3 Oct. 2024. The weekly SOD is used to find the Risk Value (RV) by looking at the lookup table (Dybkjær et al. 2025a). Risk Index Outcome (RIO) values are computed for each pixel in the field based on the RIO formula (RIO = SIC x RV) using the SIC from ASIP and the found RV. The meaning of the computed RIO values can be interpreted using the table in (Dybkjær et al. 2025b). The RIO field is finally saved to weekly NetCDF files.
Die kürzeste Route zwischen Brutgebiet und Überwinterungsquartier liegt auf einem Großkreis und sollte von den Vögeln bevorzugt werden. Danach müssten europäische Singvögel in ihre südlich gelegenen Winterquartiere direkt nach Süden ziehen. Jede Abweichung von dieser Route bedeutet, dass die Vögel einen Umweg machen. Offensichtlich ziehen die meisten europäischen Singvögel nicht nach Süden, sondern in südwestliche und südöstliche Richtung und meiden auf diese Weise die Überquerung der Alpen. Das Zugverhalten in Bezug zur Barriere der Alpen ist gut untersucht, nicht dagegen zu weiter südlich gelegenen Barrieren. Völlig unerforscht ist der Atlas in seiner Wirkung auf den Vogelzug. Für ihn liegen sich widersprechende Hypothesen vor, nach denen er auf dem Herbstzug entweder überquert oder umflogen wird. Auf dem Frühjahrszug lassen die mittleren Zugrichtungen in Gibraltar die Überquerung des Atlas erwarten, doch ist wegen der Größe der ökologischen Barriere ebenso eine Umgehung denkbar. Mit Hilfe von Radarstationen, die entlang einer W-E gerichteten Achse im Norden des Atlas errichtet werden, sollen die Zugrichtungen der nächtlich ziehenden paläarktischen Singvögel untersucht werden.
Im Lauf der letzten Dekaden wurde für große Teile der Arktis eine signifikante Erwärmung der Erdoberfläche und des oberflächennahen Untergrunds beobachtet. Deren Folgen zeigen sich bereits heute - beispielsweise in einer Ausbreitung der Buschvegetation und einer Vertiefung der saisonalen Auftauschicht. In Anbetracht der Bedeutung von Änderungen in Permafrostregionen für Umwelt, Infrastruktur und Klimasystem besteht ein dringender Bedarf, Parameter dieses Raumes großflächig zu bestimmen und kontinuierlich zu überwachen. Durch die Weite und spärlichen Besiedelung der Arktis sind diese Umweltdaten jedoch nur unzureichend verfügbar und ihre Erhebung ist kostenintensiv. In diesem Kontext können fernerkundliche Daten einen wichtigen Beitrag leisten; Flugzeug- und Satellitengestützte Systeme ermöglichen eine effiziente und flächendeckende Aufnahme von Oberflächeneigenschaften. Ziel des Projekts ist die Identifizierung und Quantifizierung von Zusammenhängen zwischen Eigenschaften der Erdoberfläche, welche durch Fernerkundung abgeleitet werden können, und Eigenschaften des Untergrunds, die den Zustand von Permafrostgebieten charakterisieren. Basierend auf diesen Ergebnissen ist ein weiteres Ziel die Erstellung von konzeptionellen Modellen, welche die Verschränkung und Verbindung von Umwelt-Parameter zeigen. Die Arbeiten werden in einem skalenübergreifenden Multi-Sensor-Ansatz durchgeführt. Der Fokus wird dabei auf die Identifizierung der Kopplungen zwischen Oberfläche und Untergrund, sowie auf den Einfluss des Betrachtungsmaßstabs gelegt. Als fernerkundliche Daten stehen zur Verfügung: (1) grob aufgelöste optische und thermische Satellitendaten, (2) mittel-aufgelöste Radar- und Multi-Spektraldaten und (3) hoch-aufgelöste Thermal-, Hyperspektral- und Laserscanner-Daten von regionalen Befliegungen. Die Charakterisierung des Untergrunds erfolgt mittels (1) geomorphologischer Kartierung, (2) Zeitreihen-Analyse der Temperatur und Bodenfeuchte aus abgeteuften Sensoren, (3) Ground Penetrating Radar (GPR) und (4) elektrischen Widerstandsmessungen. Fernerkundliche Daten der Erdoberfläche und geophysikalische Daten zum Untergrund werden mit multivariaten statistischen Methoden analysiert - mit dem Ziel Zusammenhängen zwischen Oberflächen- und Untergrund-Parametern des periglazialen Systems zu identifizieren und zu quantifizieren. Als Untersuchungsgebiete wurden die Mackenzie Delta Region und das Peel Plateau identifiziert. Beide Regionen liegen in Nord Kanada und zeigen innerhalb geringer Distanzen verschiedenartige, durch Permafrost geprägte Ökosysteme. Zudem stehen durch Vorstudien Daten zur Verfügung; zum einen Referenzdaten von Feld-Kampagnen und zum anderen Satellitenbilder verschiedener Sensoren. Darüber hinaus wird vom Alfred Wegener Institut eine Befliegung dieser Gebiete geplant und finanziert. Das Flugzeug wird mit einer vielfältigen Instrumentenauswahl bestückt; u. a. ein flugzeuggetragenes GPR, ein Laserscanner und eine hyperspektral Kamera.
| Origin | Count |
|---|---|
| Bund | 1405 |
| Europa | 1 |
| Kommune | 18 |
| Land | 229 |
| Wirtschaft | 1 |
| Wissenschaft | 84 |
| Type | Count |
|---|---|
| Daten und Messstellen | 48 |
| Ereignis | 5 |
| Förderprogramm | 1080 |
| Text | 122 |
| Umweltprüfung | 1 |
| unbekannt | 254 |
| License | Count |
|---|---|
| geschlossen | 70 |
| offen | 1256 |
| unbekannt | 184 |
| Language | Count |
|---|---|
| Deutsch | 1046 |
| Englisch | 591 |
| Resource type | Count |
|---|---|
| Archiv | 28 |
| Bild | 5 |
| Datei | 49 |
| Dokument | 28 |
| Keine | 864 |
| Webdienst | 14 |
| Webseite | 572 |
| Topic | Count |
|---|---|
| Boden | 847 |
| Lebewesen und Lebensräume | 898 |
| Luft | 1018 |
| Mensch und Umwelt | 1486 |
| Wasser | 704 |
| Weitere | 1510 |