The product shows tree canopy cover loss in Germany between January 2018 and April 2021 at monthly temporal and 10 m spatial resolution. The basic principle behind this map is to compute monthly composites of the disturbance index (DI, Healey et al. 2005), a spectral index sensitive to forest disturbance, from all available Sentinel-2 and Landsat-8 data with less than 80 % cloud cover. These monthly composites are then compared to a median composite of the DI for 2017, which serves as a reference. After applying a threshold to the difference image, the time series of detected losses is checked for consistency. Only losses recorded continuously in all observations of a pixel until the end of the time series are considered. The dataset does not differentiate between the drivers of the losses. It depicts areas of natural disturbances (windthrow, fire, droughts, insect infestation) as well as sanitation and salvage logging, and regular forest harvest. The full description of the method and results can be found in Thonfeld et al. (2022).
The product contains information of tree canopy cover loss in Germany per district (Landkreis) between January 2018 and April 2021 at monthly temporal resolution. The information is aggregated at from the 10 m spatial resolution Sentinel-2 and Landsat-based raster product (Tree Canopy Cover Loss Monthly - Landsat-8/Sentinel-2 - Germany, 2018-2021). The method used to derive this product as well as the mapping results are described in detail in Thonfeld et al. (2022). The map depicts areas of natural disturbances (windthrow, fire, droughts, insect infestation) as well as sanitation and salvage logging, and regular forest harvest without explicitly differentiating these drivers. The vector files contain information about tree canopy cover loss area per forest type (deciduous, coniferous, both) and per year (2018, 2019, 2020, January-April 2021, and January 2018-April 2021) in absolute numbers and in percentages. In addition, the vector files contain the district area and the total forest area per district.
This product is a shape file of all detected forest patches in the Paraguayan Chaco that are larger than 10 hectars fort he years 2000, 2010, and 2020. Every forest patch contains information on its perimeter, size, shape, and core area. By looking at all forest patches together, an impression can be gained of the fragmentation of the forest in the Paraguayan Chaco. Proximity is a measure of fragmentation. Areas of large and close by forest patches show high proximity values while isolated patches or patchest hat are only surrounded by small forest patches, have a small proximity. The Core area index quantifies the share of core area in the entire forest patch area. Thereby, corea area is the area of a forest patch with at least 500m distance to the edge of the forest. The Shape index is calculated from perimeter and area of a patch. The fragementation of a forest often has the effect that the ratio between area and perimeter is affected. The edge lengths become longer while the surface area becomes smaller.
The dataset is based on the analysis of forest cover dynamics in the Paraguayan Chaco (northeastern part of Paraguay) between 1987 and 2020. The underlying forest masks were derived through annual forst classifications with a Random-Forest-Classifier trained on Landsat data from 1987 until 2020. The map shows the year in which the forest area was lost.
This product is a vector file of the districts of the Paraguayan Chaco. It contains information on the forest cover within each district for the years 1986 until 2020. Hence, this product aggregates the information of 34 annual forest maps of the Paraguayan Chaco to a district level and provides the basis for further analysis as conducted in the following publication: https://doi.org/10.3390/f13010025
This product is a vector file of the protected areas of the Paraguayan Chaco. It contains information on the forest cover within each protected area and a 5, 10, and 15 km buffer zone around these areas, for the years 2000 until 2020. Hence, this product aggregates the information of 21 annual forest maps of the Paraguayan Chaco to the level of protected areas and provides the basis for further analysis as conducted in the following publication: https://doi.org/10.3390/f13010025
Abstract
Das Projekt "Teilprojekt 2" wird vom Umweltbundesamt gefördert und von Rasdaman GmbH durchgeführt. Das Gesamtziel des Projektes 'BigPicture - Die Diagnose im Feld: Big Data basierte Ursachenklärung für satellitenerfasste Standortunterschiede' besteht darin, aus den mit Satellitensensoren in einer Vielzahl von landwirtschaftlichen Feldern erfassten Pflanzensymptomen eindeutige Diagnosen ihrer Ursachen und entsprechende Behandlungsempfehlungen abzuleiten. Damit sollen Landwirte bei Entscheidungen über die Bodenbearbeitung, Saat, Düngung und den Pflanzenschutz teilflächengenau im Feld unterstützt werden. Ein wesentlicher Fortschritt soll dadurch erzielt werden, dass die in den Satellitenbildern erfassten Feldmuster mit Hilfe weiterer Parameter, wie deren Geometrie und Lage im Feld sowie Daten zu Boden, Wetter und Feldbewirtschaftung, charakterisiert werden. Durch die Bündelung der Kompetenzen von SBI GmbH als Spezialist für Satellitenbild-basierte Produkte für die Landwirtschaft und rasdaman GmbH als Experte für Big Data Rasterdatendienste werden die Voraussetzungen geschaffen, um an einer großen Stichprobe von Feldmustern die Zusammenhänge zu erforschen und Methoden zu entwickeln, mit denen die Prozesskette von Satellitenbildrohdaten bis hin zur Informations-basierten Maßnahmenentscheidung geschlossen werden kann. Ein Pilotkunde mit Marktzugang zu Landwirten unterstützt bei der Datenerfassung und kundenorientierten Lösungsentwicklung. Die besondere Praxisrelevanz des Projektes wird durch die deutschlandweite Beteiligung von Landwirten erreicht, die Informationen über ihre Felder zur Verfügung stellen. Anwendungspotenzial: Die Verwertung der Projektergebnisse fokussiert auf den Markt der Präzisionslandwirtschaft und hier auf die Ertragssicherung bei ressourceneffizienter, umweltschonender und nachhaltiger Agrarproduktion. Der Service wird portalbasiert mit Zugang über ortsfeste und schwerpunktmäßig mobile Endgeräte darin bestehen, dass Landwirte auf in Satellitenbildern entdeckte Phänomene in ihren Schlägen aufmerksam gemacht werden und Erklärungs- und Behandlungsvorschläge erhalten. Gleichzeitig wird die Möglichkeit angeboten, die Satellitenbildkarten in das ISOBUSFormat zu überführen und zur Maschinensteuerung auszulesen. Der hier verfolgte Lösungsansatz soll damit eine deutliche Überlegenheit gegenüber Informationsservices erreichen, die bei der Bereitstellung von nicht interpretierter, rein visueller Satellitenbildinformation enden.
Das Projekt "Teilprojekt 1" wird vom Umweltbundesamt gefördert und von Spatial Business Integration GmbH durchgeführt. Das Gesamtziel des Projektes 'BigPicture - Die Diagnose im Feld: Big Data basierte Ursachenklärung für satellitenerfasste Standortunterschiede' besteht darin, aus den mit Satellitensensoren in einer Vielzahl von landwirtschaftlichen Feldern erfassten Pflanzensymptomen eindeutige Diagnosen ihrer Ursachen und entsprechende Behandlungsempfehlungen abzuleiten. Damit sollen Landwirte bei Entscheidungen über die Bodenbearbeitung, Saat, Düngung und den Pflanzenschutz teilflächengenau im Feld unterstützt werden. Ein wesentlicher Fortschritt soll dadurch erzielt werden, dass die in den Satellitenbildern erfassten Feldmuster mit Hilfe weiterer Parameter, wie deren Geometrie und Lage im Feld sowie Daten zu Boden, Wetter und Feldbewirtschaftung, charakterisiert werden. Durch die Bündelung der Kompetenzen von SBI GmbH als Spezialist für Satellitenbild-basierte Produkte für die Landwirtschaft und rasdaman GmbH als Experte für Big Data Rasterdatendienste werden die Voraussetzungen geschaffen, um an einer großen Stichprobe von Feldmustern die Zusammenhänge zu erforschen und Methoden zu entwickeln, mit denen die Prozesskette von Satellitenbildrohdaten bis hin zur Informations-basierten Maßnahmenentscheidung geschlossen werden kann. Ein Pilotkunde mit Marktzugang zu Landwirten unterstützt bei der Datenerfassung und kundenorientierten Lösungsentwicklung. Die besondere Praxisrelevanz des Projektes wird durch die deutschlandweite Beteiligung von Landwirten erreicht, die Informationen über ihre Felder zur Verfügung stellen. Anwendungspotenzial: Die Verwertung der Projektergebnisse fokussiert auf den Markt der Präzisionslandwirtschaft und hier auf die Ertragssicherung bei ressourceneffizienter, umweltschonender und nachhaltiger Agrarproduktion. Der Service wird portalbasiert mit Zugang über ortsfeste und schwerpunktmäßig mobile Endgeräte darin bestehen, dass Landwirte auf in Satellitenbildern entdeckte Phänomene in ihren Schlägen aufmerksam gemacht werden und Erklärungs- und Behandlungsvorschläge erhalten. Gleichzeitig wird die Möglichkeit angeboten, die Satellitenbildkarten in das ISOBUSFormat zu überführen und zur Maschinensteuerung auszulesen. Der hier verfolgte Lösungsansatz soll damit eine deutliche Überlegenheit gegenüber Informationsservices erreichen, die bei der Bereitstellung von nicht interpretierter, rein visueller Satellitenbildinformation enden.
Das Projekt "Pruefung der Nutzbarkeit von Satellitendaten der neuesten Generation als Grundlage fuer grossraeumige Waldschadenserhebungen am Beispiel des Lehrforsts der Universitaet fuer Bodenkultur" wird vom Umweltbundesamt gefördert und von Österreichisches Bundesinstitut für Gesundheitswesen durchgeführt. Das angebotene Projekt soll zur Pruefung der Nutzanwendung von Satellitendaten fuer Zwecke der Waldschadenserhebung dienen. Es sollen dabei Satellitendaten der neuesten Generation (LANDSAT-5/Thematic Mapper) aus dem Raume Rosaliengebirge (Lehrforst der Universitaet fuer Bodenkultur) verwendet werden und einerseits mit forstlichen Referenzdaten verglichen und andererseits zur Vorbereitung und Unterstuetzung von Stichprobenerhebungen eingesetzt werden. Sollten bereits innerhalb des Projektzeitraumes Daten des SPOT-Satelliten vorliegen, so wuerden diese Daten gleichfalls in die Auswertung einbezogen werden. Bei der Projektdurchfuehrung wird davon ausgegangen, dass terrestrisch erhobene Referenzdaten wie vorhandene Luftbilder zur Verfuegung stehen. Diese, teils durch terrestrische, teils durch Luftbildinterpretation erhaltenen forstlichen Daten, werden im Rahmen des Arbeitsprogrammes mit Satellitendaten zweier Aufnahmetermine (April 1985 und August 1985) verglichen.
| Origin | Count |
|---|---|
| Bund | 9 |
| Land | 6 |
| Wissenschaft | 1 |
| Type | Count |
|---|---|
| Förderprogramm | 3 |
| unbekannt | 7 |
| License | Count |
|---|---|
| offen | 9 |
| unbekannt | 1 |
| Language | Count |
|---|---|
| Deutsch | 3 |
| Englisch | 7 |
| Resource type | Count |
|---|---|
| Keine | 2 |
| Webseite | 8 |
| Topic | Count |
|---|---|
| Boden | 9 |
| Lebewesen & Lebensräume | 9 |
| Luft | 3 |
| Mensch & Umwelt | 10 |
| Wasser | 2 |
| Weitere | 10 |