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.
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.
SYNTHESYS+(link is external) creates an integrated European infrastructure for natural history collections. Within SYNTHESYS+, subproject NA3.1, led (for GGBN) by ZFMK, performs a landscape analysis of biodiversity and environmental biobanks and their standards and practices, investigates commonalities and differences, and identifies missing standards. Environmental and biodiversity biobanks often follow very similar goals, and many parallels exist among their respective practices. However, the dialogue between the various biobank or repository types is limited. We aim at opening up interfaces by collecting and sharing information on workflows and standard operating procedures.
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.
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.
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.
Ziele des Projekts sind es, die Ausformung und den Wandel der historischen Kulturlandschaft in verschiedenen Räumen vergleichend zu rekonstruieren, zu interpretieren und dabei noch erkennbaren Einflüsse menschlicher Landnutzungen zu dokumentieren und soziokulturelle Einflüsse auf Entwicklung der Kulturlandschaft zu erfassen. Ziele des Projekts sind es, im ersten Schritt die Ausformung und den Wandel der historischen Kulturlandschaft in verschiedenen Räumen des Schwarzwaldes sowie im Mittelgebirgsraum Japans vergleichend zu rekonstruieren, zu interpretieren und dabei (noch) erkennbare Einflüsse menschlicher Landnutzungen im Gelände als kulturelles Erbe zu dokumentieren. Durch dieses Projekt soll ein Beitrag zur Erhaltung der Kulturlandschaft und ihrer Elemente geleistet werden. Im zweiten Schritt wird eine Untersuchung der soziokulturellen Bedürfnisse der Bevölkerung und der interessierten Stakeholder in der Kulturlandschaft durchgeführt. Diese beiden Schritte sollen zusammengeführt werden, so dass ausgehend von der gewachsenen Kulturlandschaft Szenarien für die zukünftige Entwicklung der Kulturlandschaft in den Untersuchungsgebieten entwickelt werden können. Als Untersuchungsgebiete der Arbeit werden drei Orte ausgewählt; zwei im Schwarzwald und einer in Japan, zum einen im Schwarzwald das Terrain der Gemeinde Fröhnd im Wiesental (Südschwarzwald) und das Gebiet des Stadtteils Yach im Elztal (mittlerer Schwarzwald), zum anderen das Gebiet der Gemarkung Isarigami der Gemeinde Kami-cho in der Hyogo-Präfektur (Japan). Methodisch sollen diese Zielsetzungen durch eine historisch orientierte Landschaftsanalyse auf der Basis von Geländeaufnahmen mit Unterstützung von historischen Karten und schriftlichen Quellen und durch eine Untersuchung sozio-kultureller Aspekte mit Hilfe von Methoden der empirischen Sozialforschung erreicht werden. Für die Datenverarbeitung der Landschafts-, Literatur- sowie der sozio-kulturellen Analyse wird auf geographische Informationsinstrumente (GIS) zurückgegriffen. Darüber hinaus werden im Rahmen der Dokumentation graphische Darstellungen historisch bedeutsamer Kulturlandschaftselemente (z.B. Weidbuchen, Steinmauer, Terrassen usw.) angefertigt.
| Organisation | Count |
|---|---|
| Bund | 247 |
| Europa | 24 |
| Kommune | 2 |
| Land | 21 |
| Weitere | 10 |
| Wirtschaft | 1 |
| Wissenschaft | 337 |
| Zivilgesellschaft | 2 |
| Type | Count |
|---|---|
| Daten und Messstellen | 214 |
| Förderprogramm | 240 |
| Text | 15 |
| unbekannt | 12 |
| License | Count |
|---|---|
| Geschlossen | 19 |
| Offen | 456 |
| Unbekannt | 6 |
| Language | Count |
|---|---|
| Deutsch | 230 |
| Englisch | 284 |
| Resource type | Count |
|---|---|
| Archiv | 2 |
| Bild | 1 |
| Datei | 212 |
| Dokument | 7 |
| Keine | 201 |
| Webseite | 63 |
| Topic | Count |
|---|---|
| Boden | 199 |
| Lebewesen und Lebensräume | 481 |
| Luft | 326 |
| Mensch und Umwelt | 481 |
| Wasser | 111 |
| Weitere | 472 |