Seit 1979 erfassen Satelliten der NOAA-Serie die Erde und liefern damit eine der längsten kontinuierlichen Bild-Datenreihen von Satelliten überhaupt. Durch ihre großflächige Abdeckung, ihre hohe zeitliche Auflösung und ihren kostengünstigen Empfang eignen sich diese Daten hervorragend zum Monitoring. Bislang werden diese langen Zeitreihen noch kaum herangezogen, um langfristige Veränderungen von Oberflächenphänomenen zu beschreiben, denn der Großteil der Fernerkundungsarbeiten beschäftigt sich mit neueren Sensoren und deren Anwendungen. Gerade vor dem Hintergrund der Landdegradierung durch unangepaßte Landnutzung in den Trockenräumen der Erde sollten die vorhandenen archivierten Datenreihen zur Langzeitanalyse aber genutzt werden und die Ergebnisse in Konzepte des Landmanagements einfließen. In Namibia vollzieht sich in den Nationalparks und dem Weideland die Landdegradierung durch eine massive Verbuschung, v.a. mit Acacia mellifera. Die Verbuschungsdynamik der letzten 20 Jahre soll in Etosha mit NOA-AVHRR-Daten erfasst werden. Die Ergebnisse aus dem Etosha-Nationalpark können dann zum Monitoring der Verbuschung in Namibia von örtlichen Institutionen eingesetzt werden. So ist die Inwertsetzung der Daten gewährleistet und durch die Weiterentwicklung der NOAA-Serie durch das MODIS-System auch für die Zukunft gewährleistet.
The Germany Mosaic is an analysis-ready spatiotemporal dataset with a consistent data-cube structure, covering the entire territory of Germany from 1984 to 2025. It provides consistently processed Landsat-based raster and vector products on a common spatial grid, enabling long-term analysis of environmental and landscape dynamics as well as machine-learning and AI-based applications. For each year, two seasonal six-band multispectral composites are provided, representing the periods May–July and August–October. All usable Landsat observations acquired within the respective seasonal period are included in the compositing process to maximize spatial coverage and minimize cloud contamination, resulting in virtually cloud-free seasonal image composites. The spatial organization is consistent across the complete time series: all years use the same pixel size, spatial grid, tile geometry, band structure, and variable schema for the vector products. Germany is represented by 54 overlapping tiles of 120 × 120 km with a 20 km overlap. This standardized structure enables direct spatial and temporal comparison across more than four decades without additional spatial harmonization or restructuring. In addition to the multispectral raster data, the dataset contains image-segmentation polygons (“zones”) representing approximately homogeneous image regions, together with associated spectral, textural, statistical, geometric, and contextual attributes. The vector datasets include 32 attributes covering seasonal spectral information, vegetation indices, temperature, image quality, texture and variability measures, Rao’s diversity, elevation-related information, and indicators concerning the form, size, connectivity, distribution, and spatial relationships of the zones. Additional raster products provide elevation data and statistics for seasonal vegetation change. The consistent data-cube structure makes the Germany Mosaic particularly suitable for large-scale time-series analysis, change detection, environmental monitoring, machine learning, and other AI-based workflows. It can also provide a data foundation for environmental modelling and digital-twin applications. This dataset constitutes the second version and continuation of the previously published Germany Mosaic 1984–2023 dataset (DOI: 10.1594/PANGAEA.967266) and extends the temporal coverage through 2025 while introducing a revised and standardized spatial organization based on 54 consistently defined tiles, a 20 km overlap between the tiles, and new raster and vector features. Content - Two seasonal six-band multispectral image composites per year: May–July and August–October - Seasonal vegetation-change statistics as a raster image (AIR Files) - One separate set of elevation data with identical tiling - Image-segmentation polygons (“zones”) with 32 spectral, textural, statistical, geometric, and contextual attributes - Raster and vector products for each year from 1984 to 2025 - Data organized in 54 overlapping tiles covering Germany - Formats: GeoTIFF for all raster products; Esri Shapefile for all vector products - Optical Sensors: Thematic Mapper (TM) on Landsat 4, Enhanced Thematic Mapper (ETM) on Landsat 5, Operational Land Imager (OLI) on Landsat 8 and 9 - Thermal Sensors: Thermal Infrared Sensor (TIRS) on Landsat 4, 5, 8, and 9 - Elevation Sensors: Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) on Terra Satellite - All usable observations within the two seasonal periods are included in the compositing process Features - Time: Two seasonal composites per year, May–July and August–October - Data cube: Same pixel size, spatial grid, tile geometry, band structure, and variable schema for all years - Raster: Six-band spectral image composites for each season (summer and autumn) and one three-band image composite for seasonal vegetation-change statistics - Elevation: Raster data once for each tile - Vector: Image-segmentation polygons (“zones”) with spectral and geometric attributes - Attributes: 32 attributes covering seasonal spectral composites (six bands), seasonal vegetation indices (NDVI, NIRv), seasonal vegetation-change statistics, seasonal temperature, elevation, seasonal image-quality index, textures, Rao’s diversity, size, geometry, connections, and spatial relationships of the zones - Tiles: 54 overlapping 120 × 120 km tiles with 20 km overlap - CRS: WGS 84 / UTM zone 32N (EPSG:32632) - Quality: Virtually cloud-free seasonal composites generated from all usable observations See D-Mosaic_Manual for details and background. Applications - Time-series and change analysis, environmental monitoring, machine learning, AI-based workflows, environmental modelling, and digital twins Figures Figure 1 – RGB visualization of three vector attributes based on polygons: - Red: structural diversity (texture) - Green: highest vegetation activity (plant metabolic activity) during the year - Blue: seasonal variation between summer and autumn - Black: zone boundaries Figure 2 – Distribution of the 54 overlapping 120 × 120 km tiles covering Germany.
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.
Unterstützt durch das IUCN Bonn Challenge-Programm fördert Ruanda die Wiederherstellung von Ökosystemen zur Stärkung von Biodversität und Klimaschutz und zur Sicherung einer lokalen Existenzgrundlage. In der Vergangenheit waren Ruandas Wiederherstellungsbemühungen stark darauf ausgerichtet, mit Hilfe von Eukalyptus-Monokulturen Land zu schützen und Erosion zu mindern. Zu den neueren Initiativen gehören die Integration von Baumschulen verschiedener einheimischer Gehölzarten, welche durch ihre Nutzung positive Biodiversitätseffekte für Ökosystemfunktionen und -leistungen haben. Vor diesem Hintergrund etabliert Sub-Projekt 7 (SP7) ein „Living Lab“ das darauf abzielt, gemeinsam mit Stakeholdern durch Integration von Wissenschaft und Praxis Forschungsexperimente durchzuführen. Dieser transdisziplinäre Ansatz hat zum Ziel, potenzielle soziale, wirtschaftliche und ökologische Vorteile der Wiederherstellung von Ökosystemen zu identifizieren. Hierfür entwickeln, implementieren und evaluieren die involvierten Stakeholder gemeinsam mit den beteiligten Wissenschaftlern Lösungsansätze. SP7 ist eng mit anderen SPs verknüpft: SP4 weist eine besonders hohe analytische und operative Überschneidung auf; zudem findet eine kontinuierliche Spiegelung der Ergebnisse mit SP1 zu Auswirkungen auf die Biodiversität, SP2 zu kontextualisierten Landschaftsanalysen sowie mit SP5 zu Auswirkungen auf die Ernährungssicherheit statt. Das Living Lab wird wissenschaftliche Experimente in zwei verschiedenen Zellen (vergleichbar mit Landkreisen) einrichten, welche zwei unterschiedliche Governance-Modelle repräsentieren. Aktivitäten in diesen Zellen werden sein (1) der Aufbau einer Stakeholder-Plattform, die Schlüsselakteure für das Living Lab zusammenbringt und als Koordinierungseinheit zur Steuerung des Co-Design-Ansatzes verstanden wird; (2) kollaboratives Co-Design von Feldversuchen und Ausweisung von Demonstrationsparzellen, um gemeinsam Wissen über integrative Modelle zur Wiederherstellung von Ökosystemen zu generieren; (3) Durchführung von Feldversuchen in Form von Demonstrationsparzellen, die das Potenzial für die Nutzung des restaurativen Kontinuums untersuchen, um integrative multifunktionale Ergebnisse für Gemeinschaften zu schaffen; und (4) Durchführung einer integrierten Folgenabschätzung zu Biodiversität, Resilienz und Lebensgrundlagen, um die Auswirkungen verschiedener Governance-Systeme auf den Erfolg implementierter Wiederherstellungsmaßnahmen zu ermitteln. Während der gesamten Laufzeit des Projekts werden zwei Governance-Modelle zwischen den beiden Standorten verglichen werden. Die Ergebnisse dieses Teilprojekts werden für das Thema der Nachhaltigkeitstransformation von großer Bedeutung sein, um eine höhere Reproduzierbarkeit als verallgemeinerbares Modell für die Skalierung (up-scaling) von Praktiken der Wiederherstellung von Ökosystemen zu erreichen und das akademische Verständnis dafür zu stärken, welche Faktoren Nachhaltigkeitstransformation am besten umsetzen.
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.
Die Gutachtlichen Landschaftsrahmenpläne (GLRP) sind nach § 12 Abs. 2 des Landesnaturschutzgesetzes durch das Landesamt für Umwelt, Naturschutz und Geologie (LUNG) aufzustellen und fortzuschreiben. Sie werden für die vier Planungsregionen (PR) des Landes Mecklenburg-Vorpommern aufgestellt: Westmecklenburg (PR 1), Mittleres Mecklenburg/Rostock (PR 2), Vorpommern (PR 3), Mecklenburgische Seenplatte (PR 4). In den GLRP werden die Ziele und Maßnahmen des Naturschutzes und der Landschaftspflege einschließlich der Vorsorge für die Erholung des Menschen in Natur und Landschaft flächendeckend erarbeitet, dargestellt und begründet. Der GLRP nimmt zunächst eine umfassende Analyse des gegenwärtigen Zustands der Naturgüter Boden, Wasser, Klima/Luft, Arten und Lebensräume, Landschaftsbild und landschaftliche Freiräume vor. Aus der Analyse des Zustands und den erkennbaren Entwicklungstendenzen werden anhand der aufgestellten Leitbilder und Qualitätsziele die Erfordernisse und Maßnahmen zur Sicherung des Biotopverbundes, der ökologischen Funktionen sowie der Erholungsfunktionen der Landschaft hergeleitet. Neben einem ausführlichen Textteil enthalten die GLRP umfangreiches Kartenmaterial (in der zweiten Ausgabe etwa 20 Textkarten im Übersichtsmaßstab sowie 6 Planungskarten im Maßstab 1:100.000). Die raumbedeutsamen Inhalte der GLRP werden nach einer Abwägung mit anderen Belangen in die Regionalen Raumentwicklungsprogramme (RREP) übernommen. Weiterhin sollen die GLRP von Behörden und anderen öffentlichen Stellen, deren Tätigkeit sich auf Natur und Landschaft auswirkt, beachtet werden. Die GLRP für die vier Planungsregionen des Landes wurden erstmalig in den Jahren 1996 bis 1998 veröffentlicht (erste Ausgabe). Der GLRP Mittleres Mecklenburg/Rostock wurde ab Oktober 2004 fortgeschrieben und nach Durchführung eines breit angelegten Beteiligungsverfahrens im April 2007 in einer zweiten Ausgabe fertiggestellt. Der GLRP Westmecklenburg wurde ab Oktober 2006 fortgeschrieben. Für den Entwurf Stand April 2008 wird im Mai/Juni 2008 das Beteiligungsverfahren durchgeführt. Voraussichtlich Ende 2008 wird die Endfassung der zweiten Ausgabe des GLRP Westmecklenburg veröffentlicht. Die Erarbeitung der Fortschreibung des GLRP Vorpommern begann im Sommer 2007. Ein Beteiligungsexemplar wird voraussichtlich Anfang bis Mitte des Jahres 2009 vorliegen.
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.
Das Binnendelta des Niger ist eine der wichtigsten Regionen der ökoklimatischen Zone der Sahel in sowohl sozio-ökologischer als auch sozio-ökonomischer Sicht. Interaktionen von unterschiedlichen Mustern der Landnutzung, Migration unterschiedliche Volksgruppen mit unterschiedlicher Tradition und regionalklimatische Variationen des semi-ariden Umfeld überlagern sich mit der jährlichen Flut des Niger, die weite Bereiche des Deltas zumindest für einige Wochen bis Monate betrifft. Fernerkundung und GIS dienen dem Monitoring und der Analyse der Auswirkungen der vielfältigen Nutzungsansprüche auf die Landschaft sowie der Entwicklung von Szenarien nachhaltiger Strategien des regionalen Managements der Ressourcen.
Im Rahmen der nationalen und internationalen Umweltberichterstattung und einer verantwortungsbewussten Umweltvorsorgepolitik kommt einer langfristig angelegten Umweltbeobachtung eine besondere Bedeutung zu. Insbesondere auch für Konzepte zum Schutz, zur Pflege und Entwicklung von Großschutzgebieten, wie z.B. Biosphärenreservate, sind sorgfältige Analysen von Natur und Landschaft unverzichtbar. Im Sinne einer Umweltvorsorgepolitik können auf diese Weise Umweltveränderungen rechtzeitig erkannt werden. Während Inventare lediglich aktuelle Informationen über die Lebewesen in einem Ökosystem liefern, müssen die modernen landschaftsökologischen Forschungsansätze die Funktionen und raum-zeitlichen Prozesse im Waldökosystem mit einschließen. Grundlage hierfür ist ein langfristig angelegtes Monitoring, d.h. die zeitlich wiederkehrende Erhebung aussagekräftiger Indikatoren. Vor diesem Hintergrund ist es Ziel des waldlandschaftsökologischen Forschungsansatzes der Forschungsanstalt für Waldökologie und Forstwirtschaft, den Zustand und die Entwicklung der unterschiedlichen Waldfunktionen in ihrer raum-zeitlichen Variabilität in der Waldlandschaft des Biosphärenreservates Pfälzerwald zu untersuchen. Unter Berücksichtigung der sozio-ökonomischen Rahmenbedingungen kommt den Wirkungen abiotischer und biotischer Einflüsse sowie der Waldbewirtschaftung auf die Biodiversität eine zentrale Bedeutung zu. Neben der Durchführung des Monitoring besteht ein weiteres wichtiges Ziel darin, auf methodischer Ebene geeignete Indikatoren und Verfahren zur Erfassung von linien- und flächenhaften Waldstrukturen auf Landschaftsebene zu entwickeln.
In vielen tropischen Gebieten werden Regenwälder gerodet, um Holz und andere Waldprodukte zu gewinnen und Nahrungs-, Futter-, Faser- und Energiepflanzen anzubauen. Häufig wird angenommen, dass beim Roden natürlicher Wälder alle Funktionen und Leistungen des Waldes verloren gehen. Allerdings ist eine vollständige Konservierung in vielen Situationen nicht realistisch und aus ökologischer Sicht möglicherweise auch nicht erforderlich. Überraschenderweise wurden die Determinanten der Abholzung tropischer Regenwälder und die Rolle der daraus entstehenden agrarischen Nutzungssysteme für den Erhalt von Biodiversität und anderen ökologischen und sozioökonomischen Funktionen im Detail bisher nur wenig wissenschaftlich erforscht. Der Sonderforschungsbereich 990 (SFB 990 / EFForTS) verfolgt das Ziel, wissenschaftlich fundierte Erkenntnisse darüber bereitzustellen, wie auf der Landschaftsskala die ökologischen Funktionen tropischer Regenwälder und landwirtschaftlicher Nutzungssysteme erhalten und verbessert werden können, bei gleichzeitiger Steigerung der menschlichen Wohlfahrt. Ebenso verfolgt der SFB die Frage, wie landwirtschaftliche Nutzung und Naturschutz besser integriert werden können. Die Forschung wird in einer der größten Tieflandregenwaldregionen Südostasiens durchgeführt, der Provinz Jambi in Sumatra, Indonesien. Gummi- und Ölpalmenplantagen gehören zu den wichtigsten landwirtschaftlichen Nutzungssystemen in Jambi. Innerhalb der Provinz wurden zwei Landschaften und 36 Kernflächen für umfassende Analysen ausgewählt, die unterschiedliche Nutzungssysteme und Regenwaldreferenzflächen umfassen. In einer der Landschaften wurden zum Vergleich Flussufer- und nicht-Flussuferbereiche identifiziert. Zudem werden in zwei Experimenten in Ölpalmplantagen der Einfluss von Anreicherungskulturen sowie von unterschiedlichen Dünger- und Pestizidintensitäten erforscht. Bei den Analysen wird eine Vielzahl relevanter Aspekte untersucht und verglichen, z.B. ober- und unterirdische Biodiversität, Bodenfruchtbarkeit, Wasser- und Nährstoffflüsse, Treibhausgasemissionen, sowie wirtschaftliche, soziale, kulturelle und politische Dimensionen der Landnutzungsänderung. Besonderes Augenmerk liegt auf der Analyse von Synergien und Konflikten zwischen den unterschiedlichen ökologischen und sozioökonomischen Funktionen, deren detaillierte Kenntnis eine wichtige Voraussetzung für die Entwicklung und Umsetzung nachhaltiger Agrarsysteme ist. Der SFB wird in enger Kooperation zwischen der Universität Göttingen und verschiedenen Partnerinstitutionen in Indonesien durchgeführt. Dieses Programm zur Erforschung von Transformationsprozessen in tropischen Tieflandregenwäldern ist mit Blick auf die sehr breite interdisziplinäre Ausrichtung und die Landschaftsperspektive international einzigartig.
| Organisation | Count |
|---|---|
| Bund | 248 |
| Europa | 8 |
| Kommune | 2 |
| Land | 18 |
| Weitere | 8 |
| Wirtschaft | 1 |
| Wissenschaft | 331 |
| Zivilgesellschaft | 2 |
| Type | Count |
|---|---|
| Daten und Messstellen | 214 |
| Förderprogramm | 240 |
| Text | 15 |
| unbekannt | 8 |
| License | Count |
|---|---|
| Geschlossen | 18 |
| Offen | 457 |
| Unbekannt | 2 |
| Language | Count |
|---|---|
| Deutsch | 224 |
| Englisch | 285 |
| Resource type | Count |
|---|---|
| Archiv | 3 |
| Bild | 2 |
| Datei | 212 |
| Dokument | 7 |
| Keine | 198 |
| Webseite | 63 |
| Topic | Count |
|---|---|
| Boden | 197 |
| Lebewesen und Lebensräume | 477 |
| Luft | 324 |
| Mensch und Umwelt | 477 |
| Wasser | 110 |
| Weitere | 470 |