Versiegelungskarte und Bodenbedeckung: Mit der Beschreibung des Ausmaßes der Bodenversiegelung kann sowohl ein quantitativer Überblick über die Ausdehnung städtischer Siedlungsräume gegeben als auch qualitative Einflüsse z.B. auf das Stadtklima und die Grundwasserneubildung abgebildet werden. Bodenversiegelung hat viele negative Auswirkungen auf Mensch und Umwelt. Versiegelte Flächen sind nicht in der Lage, Starkregenereignisse durch Versickerung abzumildern, sie tragen stark zur Entstehung von Hitzeinseln im städtischen Bereich bei und beeinträchtigen durch die gestörten Austauschvorgänge zwischen Erdreich und Atmosphäre die natürlichen Bodenfunktionen. Seit 1984 wird die Entwicklung der Bodenversiegelung in Hamburg verfolgt. Bisher wurde dafür die Biotopkartierung genutzt. Anhand der dort für ganz Hamburg erfassten Biotoptypen konnte der Versiegelungsgrad geschätzt werden und wurde im 5-Jahresrythmus fortgeschrieben (letzter Bearbeitungsstand 2021). Mit Beginn des Jahres 2020 wird für Hamburg die Bodenbedeckung anhand eines trainierten KI-Modells vorhergesagt. Die erfassten Bodenbedeckungsklassen sind "niedrige Vegetation", "hohe Vegetation", "Gewässer" und "offener Boden" als unversiegelte Flächen, sowie "versiegelte Oberflächen" und "Gebäude" als versiegelte Flächen. Für die Versiegelungskarte wurden Raster mit einer Auflösung von 10, 25 und 50 m über Hamburg gelegt und für jede Rasterzelle der Anteil der versiegelten Flächen in Prozent bestimmt. Um eine bessere Übersicht zu gewährleisten wurde die Darstellung auf 10 Klassen beschränkt. Flächen mit Versiegelungsanteilen von 0 bis 10 % sind in die Versiegelungsklasse "1" und entsprechend fortlaufend bis Klasse "10" eingeteilt. Gewässer sind gesondert dargestellt und als Versiegelungsklasse "0" mit dem Versiegelungsgrad "Gewässer" eingeordnet. Unter "versiegelt" ist in den Daten zusätzlich der prozentuale Anteil der Versiegelung für jede Fläche angegeben. Dieser Datensatz aus Versiegelungskarte in drei verschiedenen Auflösungen und der Bodenbedeckungskarte steht derzeit für das Jahr 2020 zur Verfügung und soll stetig aktualisiert werden, wenn die erforderlichen Eingangsdaten vorliegen.
Mit der Initiierung des Europäischen Copernicus Programms zur Erdbeobachtung und dem damit verbundenen Start der Satelliten Sentinel-1A & B stehen erstmals zuverlässig und kostenfrei dichte C-Band Radardatenzeitserien zur Verfügung. Die Kombination beider Schwestersatelliten erlaubt die Datenakquisition mit einer zeitlichen Wiederholrate von sechs Tagen bei gleichbleibender Aufnahmegeometrie. Die nun zur Verfügung stehende zeitliche Dimension der SAR-Datensätze ermöglicht und erfordert innovative Datenauswertestrategien, die zum einen die Vorprozessierung der Daten und zum anderen die Extrahierung des Informationsgehaltes optimieren. Das übergeordnete Ziel dieses Vorhabens ist die Entwicklung und der Test eines geeigneten Verfahrens. Der vorgeschlagene Ansatz basiert auf der temporalen Dekomposition von SAR Zeitreihen. Die extrahierte raumzeitliche Information soll hinsichtlich ihrer Eignung als Datengrundlage für bestimmte Anwendungen untersucht werden. Parallel soll mittels temporaler Dekomposition ein neuartiger Speckle-Filter entwickelt werden. Der Speckle-Filter wird die Eigenschaft besitzen, ausschließlich über die Zeit zu filtern. Somit bleibt die geometrische Auflösung der Eingangsdaten vollständig erhalten. Eine Erweiterung des Filters zur raum-zeitlichen Filterung ist ebenso vorgesehen. Die Zerlegung des zeitlichen Signals erfolgt in einzelne Komponenten unterschiedlicher Frequenz. Komponenten hoher Frequenz bilden zufällige Rückstreuvariationen ab (Speckle, Niederschlagseinflüsse etc.), Komponenten mittlerer oder niedriger Frequenz werden durch biophysikalische Prozesse wie z.B. Bodenfeuchteänderungen oder Pflanzenwachstum dominiert. Welche Komponenten mit welchen biophysikalischen Prozessen zusammenhängen, und welche zeitliche Abtastungsdichte gegeben sein muss, um den Einfluss dieser Steuergrößen abbilden zu können, soll im Rahmen dieses Vorhabens analysiert werden. Bezüglich der Bodenfeuchteableitung soll zudem geprüft werden, inwieweit Sentinel-1 basierte Kohärenzen sowie Phasentriplets geeignete Proxys für die Ableitung von Bodenfeuchteindikatoren sein können. Entsprechend dieser Ergebnisse erfolgt die Erforschung der Nutzbarkeit der zeitlichen Komponenten hinsichtlich der Anwendungsentwicklung. Im Vordergrund stehende Anwendungsfälle sind hier die Kartierung der Landbedeckung und -nutzung inkl. REDD+ Fragestellungen, die Detektion von Landbedeckungsveränderungen, Analysen zur Dynamik von Feuchtgebieten sowie die Ableitung von Bodenfeuchteindikatoren.
A new map product for calculating the critical loads for eutrophication and acidification of terrestrial ecosystems and for modelling air quality was created in this project. The spatial extent of the map covers a large number of countries in Europe, the Caucasus and Central Asia. The results of this project are map products representing the land cover in 217 EUNIS classes and 13 RCG classes. In addition to the individual, national application of the data set, a broader use of the data is planned within the framework of the Convention on Long-Range Transboundary Air Pollution. Veröffentlicht in Texte | 157/2023.
Critical Loads, ein wichtiges wissenschaftliches Instrument zur Risikobewertung für Ökosysteme, werden aktuell vom CCE für Europa berechnet. Die korrekte Identifizierung der Ökosysteme, basierend auf einer harmonisierten Landbedeckungskarte, bildet das Fundament für die Berechnung. Allerdings sind die Eingangsdaten der Karte teils bis zu 20 Jahre alt und sollten dringend aktualisiert werden, um eine korrekte Berechnung der Critical Loads zu gewährleisten. Dafür müssen in einem ersten Schritt die für Deutschlandverfügbaren Datenquellen (z.B. Vegetation, Ökosystem/Habitat, Boden, Wasserhaushalt, Klimakarten)zusammengestellt werden. Um in der Lage zu sein, die Critical Loads nicht nur für Deutschland, sondern für den gesamten Raum der europäischen Luftreinhaltekonvention zu berechnen (zentrale Aufgabe des seit 2018 am UBA angesiedelten CCE), sollen in einem zweiten Schritt die für Europa zur Verfügung stehenden Daten und Karten zusammengestellt werden. Die unterschiedlichen Datengrundlagen sollen auf zwei Ebenen harmonisiert werden (Deutschland, Europa). Eine Analyse soll aufzeigen, wie stark der unterschiedliche Detailgrad die Critical Load Ergebnisse beeinflusst.
Für die Berechnung der Critical Loads (CL) für terrestrische Ökosysteme in ganz Europa, aber auch für die Modellierung der Luftqualität, ist die Erstellung einer aktuellen harmonisierten Landbedeckungskarte notwendig. Verbunden ist dies mit einer räumlichen Ausdehnung nach Osteuropa, Kaukasus und Zentralasien (EECCA). Die aktualisierte harmonisierte europäische Landbedeckungskarte muss dem EUNIS-Habitat-Klassifizierungssystem mit so vielen Level-3- Klassen wie möglich entsprechen. Basierend auf einer Bewertung der Verfügbarkeit und Eignung verschiedener Geodaten wurde entschieden, 1) CORINE Land Cover 2018 und Ecosystem Type Map v3.1 zu verwenden und Übergangsregeln zu EUNIS Level 1 und Level 2 für die von CORINE Land Cover Map abgedeckten europäischen Länder anzuwenden, 2) Copernicus Global Land Cover Map zu verwenden und Übergangsregeln zu EUNIS Level 1 und Level 2 für europäische Länder anzuwenden, die nicht von CORINE Land Cover Maps abgedeckt werden, 3) Global Potential Natural Vegetation (GPNV)-Karten und die Harmonized World Soil Database zu verwenden (HWSD) zur weiteren Aufschlüsselung der Level-2-Klassen in Richtung Level 3. Mehr als 700.000 Punkte aus dem European Vegetation Archive (EVA), die auf EUNIS-Level 3 klassifiziert wurden, wurden vom Expertensystem für die automatische Klassifizierung europäischer Vegetationsparzellen in EUNIS-Lebensräume bereitgestellt. Merkmale wurden aus den GPNV-modellierten Daten zu Biomen und FAPAR extrahiert. Auf diese wurde ein räumlich stratifiziertes zufälliges sampling durchgeführt, um 60 % der Trainings- und 40 % der Validierungsstichproben zu erhalten. Trainingsbeispiele wurden verwendet, um Random Forest-Entscheidungsbaummodelle zu trainieren. Die Genauigkeitsbewertung wurde an den verbleibenden 40 % der Validierungsproben durchgeführt. Die Genauigkeit variiert zwischen 60 % und mehr als 90 %. Bei den klassenbezogenen Nutzer- und Produzentengenauigkeiten wurden mäßige bis sehr hohe Prozentsätze ermittelt. Die Anwendung der Entscheidungsbaummodelle lieferte die aktualisierte EUNIS-Level-3-Lebensraum Karte für ganz Europa und die EECCA-Länder mit insgesamt 218 Landbedeckungsklassen, von denen 204 Klassen EUNIS-Level-3-Klassen darstellen. Quelle: Forschungsbericht
Corine Land Cover 1990 (CLC1990) is one of the Corine Land Cover (CLC) datasets produced within the frame the Copernicus Land Monitoring Service referring to land cover / land use status of year 1990. CLC service has a long-time heritage (formerly known as "CORINE Land Cover Programme"), coordinated by the European Environment Agency (EEA). It provides consistent and thematically detailed information on land cover and land cover changes across Europe. CLC datasets are based on the classification of satellite images produced by the national teams of the participating countries - the EEA members and cooperating countries (EEA39). National CLC inventories are then further integrated into a seamless land cover map of Europe. The resulting European database relies on standard methodology and nomenclature with following base parameters: 44 classes in the hierarchical 3-level CLC nomenclature; minimum mapping unit (MMU) for status layers is 25 hectares; minimum width of linear elements is 100 metres. Change layers have higher resolution, i.e. minimum mapping unit (MMU) is 5 hectares for Land Cover Changes (LCC), and the minimum width of linear elements is 100 metres. The CLC service delivers important data sets supporting the implementation of key priority areas of the Environment Action Programmes of the European Union as e.g. protecting ecosystems, halting the loss of biological diversity, tracking the impacts of climate change, monitoring urban land take, assessing developments in agriculture or dealing with water resources directives. CLC belongs to the Pan-European component of the Copernicus Land Monitoring Service (https://land.copernicus.eu/), part of the European Copernicus Programme coordinated by the European Environment Agency, providing environmental information from a combination of air- and space-based observation systems and in-situ monitoring. Additional information about CLC product description including mapping guides can be found at https://land.copernicus.eu/user-corner/technical-library/. CLC class descriptions can be found at https://land.copernicus.eu/user-corner/technical-library/corine-land-cover-nomenclature-guidelines/html/.
Overcoming the obstacle of frequent cloud coverage in optical remote sensing data is essential for monitoring dynamic land surface processes from space. APiC, a novel adaptable pixel-based compositing and classification approach, is especially designed to use high resolution spatio-temporal space-borne data. Here, pixel-based compositing is used separately for training data and prediction data. First, cloud-free pixels covered by reference data are used within adapted composite periods to compile a training dataset. The compiled training dataset contains samples of spectral reflectances for respective land cover classes at each composite period. For land cover prediction, pixel-based compositing is then applied region-wide. Multiple prediction models are used based on temporal subsets of the compiled training dataset to dynamically account for cloud coverage at pixel level. Thus we present a data-driven classification approach which is applicable in regions with different weather conditions, species composition and phenology. The capability of our method is demonstrated by mapping 19 land cover classes across Germany for the year 2016 based on Sentinel-2A data. Since climatic conditions and thus plant phenology change on a large scale, the classification was carried out separately in six landscape regions of different biogeographical characteristics. The study drew on extensive ground validation data provided by the federal states of Germany. For each landscape region, composite periods of different lengths have been established, which differ regionally in their temporal arrangement as well as in their total number, emphasising the advantage of a flexible regionalised classification procedure. Using a random forest classifier and evaluating outcomes with independent reference data, an overall accuracy of 88% was achieved, with particularly high classification accuracy of around 90% for the major land cover types. We found that class imbalances have significant influence on classification accuracy. Based on multiple temporal subsets of the compiled training dataset, over 10,000 random forest models were calculated and their performance varied considerably across and within landscape regions. The calculated importance of composite periods show that a high temporal resolution of the compiled training dataset is necessary to better capture the different phenology of land cover types. In this study we demonstrate that APiC, due to its data-driven nature, is a very flexible compositing and classification approach making efficient use of dense satellite time series in areas with frequent cloud coverage. Hence, regionalisation can be given greater focus in future broad-scale classifications in order to facilitate better integration of small-scale biophysical conditions and achieve even better results in detailed land cover mapping.
Corine Land Cover 1990 (CLC1990) is one of the Corine Land Cover (CLC) datasets produced within the frame the Copernicus Land Monitoring Service referring to land cover / land use status of year 1990. CLC service has a long-time heritage (formerly known as "CORINE Land Cover Programme"), coordinated by the European Environment Agency (EEA). It provides consistent and thematically detailed information on land cover and land cover changes across Europe. CLC datasets are based on the classification of satellite images produced by the national teams of the participating countries - the EEA members and cooperating countries (EEA39). National CLC inventories are then further integrated into a seamless land cover map of Europe. The resulting European database relies on standard methodology and nomenclature with following base parameters: 44 classes in the hierarchical 3-level CLC nomenclature; minimum mapping unit (MMU) for status layers is 25 hectares; minimum width of linear elements is 100 metres. Change layers have higher resolution, i.e. minimum mapping unit (MMU) is 5 hectares for Land Cover Changes (LCC), and the minimum width of linear elements is 100 metres. The CLC service delivers important data sets supporting the implementation of key priority areas of the Environment Action Programmes of the European Union as e.g. protecting ecosystems, halting the loss of biological diversity, tracking the impacts of climate change, monitoring urban land take, assessing developments in agriculture or dealing with water resources directives. CLC belongs to the Pan-European component of the Copernicus Land Monitoring Service (https://land.copernicus.eu/), part of the European Copernicus Programme coordinated by the European Environment Agency, providing environmental information from a combination of air- and space-based observation systems and in-situ monitoring. Additional information about CLC product description including mapping guides can be found at https://land.copernicus.eu/user-corner/technical-library/. CLC class descriptions can be found at https://land.copernicus.eu/user-corner/technical-library/corine-land-cover-nomenclature-guidelines/html/.
Corine Land Cover Change 1990-2000 (CHA9000) is one of the Corine Land Cover (CLC) datasets produced within the frame the Copernicus Land Monitoring Service referring to changes in land cover / land use status between the years 1990 and 2000. CHA is derived from satellite imagery by direct mapping of changes taken place between two consecutive inventories, based on image-to-image comparison. CLC service has a long-time heritage (formerly known as "CORINE Land Cover Programme"), coordinated by the European Environment Agency (EEA). It provides consistent and thematically detailed information on land cover and land cover changes across Europe. CLC datasets are based on the classification of satellite images produced by the national teams of the participating countries - the EEA members and cooperating countries (EEA39). National CLC inventories are then further integrated into a seamless land cover map of Europe. The resulting European database relies on standard methodology and nomenclature with following base parameters: 44 classes in the hierarchical 3-level CLC nomenclature; minimum mapping unit (MMU) for status layers is 25 hectares; minimum width of linear elements is 100 metres. Change layers have higher resolution, i.e. minimum mapping unit (MMU) is 5 hectares for Land Cover Changes (CHA), and the minimum width of linear elements is 100 metres. The CLC service delivers important data sets supporting the implementation of key priority areas of the Environment Action Programmes of the European Union as e.g. protecting ecosystems, halting the loss of biological diversity, tracking the impacts of climate change, monitoring urban land take, assessing developments in agriculture or dealing with water resources directives. CLC belongs to the Pan-European component of the Copernicus Land Monitoring Service (https://land.copernicus.eu/), part of the European Copernicus Programme coordinated by the European Environment Agency, providing environmental information from a combination of air- and space-based observation systems and in-situ monitoring. Additional information about CLC product description including mapping guides can be found at https://land.copernicus.eu/user-corner/technical-library/. CLC class descriptions can be found at https://land.copernicus.eu/user-corner/technical-library/corine-land-cover-nomenclature-guidelines/html/.
| Origin | Count |
|---|---|
| Bund | 14 |
| Europa | 4 |
| Land | 3 |
| Wissenschaft | 8 |
| Type | Count |
|---|---|
| Förderprogramm | 11 |
| Messwerte | 1 |
| Strukturierter Datensatz | 5 |
| Text | 1 |
| unbekannt | 11 |
| License | Count |
|---|---|
| geschlossen | 2 |
| offen | 19 |
| unbekannt | 7 |
| Language | Count |
|---|---|
| Deutsch | 11 |
| Englisch | 19 |
| Resource type | Count |
|---|---|
| Archiv | 3 |
| Bild | 1 |
| Datei | 1 |
| Dokument | 1 |
| Keine | 10 |
| Webdienst | 7 |
| Webseite | 13 |
| Topic | Count |
|---|---|
| Boden | 27 |
| Lebewesen & Lebensräume | 25 |
| Luft | 16 |
| Mensch & Umwelt | 28 |
| Wasser | 15 |
| Weitere | 28 |