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.
Gegenstand des Dissertationsprojekts ist die historische Betrachtung von Landnutzung und Land-nutzungsmustern in den Grenzen des heutigen Stadtgebiets von Göttingen. Dabei stellen sich Fragen nach dem Wandel von Landschaftsstrukturen, ökologischen Funktionen und Ökosystemdienstleistungen (ecosystem services), die auf Nutzungsänderungen in der Landschaft zurück-geführt werden können. Mit Hilfe eines GIS (Geoinformationssystems) wird historisches Karten- und Schriftmaterial aufgearbeitet, das zur Beantwortung der Fragen nach dem Wandel beitragen kann. Des Weiteren stellt sich die Frage nach den direkten und indirekten Triebkräften, die diese Veränderungen verursacht haben könnten. (..)Zielsetzung und Fragestellungen: Gegenstand der Arbeit ist zum einen die retrospektive Betrachtung von Landbedeckung hinsichtlich der Landschaftsstruktur, Landschaftsfunktionen und Ökosystemdienstleistungen (ecosystem services) in den Grenzen des heutigen Stadtgebietes von Göttingen. Zum anderen werden die direkt und indirekt wirkenden Triebkräfte bezüglich der Veränderungen von Landbedeckung und Landnutzung im betrachteten Raum ermittelt. Diese beiden Bereiche sollen zusammenführend da-zu beitragen, ein besseres Verständnis von Ursache und Wirkung in Bezug auf Landschaftsveränderungen, Konversionen und Degradationen von ökosystemaren Gefügen, vor dem Hintergrund menschlicher Nutzungsansprüche und menschlicher Nutzung, für den Göttinger Raum zu erlangen.
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.
In den letzten 200 Jahren hat sich die Landschaft im Stadtgebiet von Göttingen drastisch verändert. Mit diesem Landschaftswandel gehen Veränderungen von Biodiversitätsmerkmalen, Nutzungspotentialen für den Menschen, und wahrnehmbaren Erscheinungsformen (wahrnehmbarer Landschaftsgestalt) einher. Dieser letzte Themenbereich wird im Projekt C I.3 im Graduiertenkolleg Interdisziplinäre Umweltgeschichte bearbeitet. Das Projekt befasst sich mit der visuellen Darstellung (Rekonstruktion) des Landschaftswandels seit Ende des 18. Jahrhunderts und dessen ästhetischer Wahrnehmung (Rezeption) und Wertung aus heutiger Sicht. Untersuchungsraum ist das heutige Gemeindegebiet von Göttingen. Die umweltgeschichtliche Relevanz der Arbeit ergibt sich aus der Gegenüberstellung und Verlinkung der beiden Aspekte der Rekonstruktion und der Rezeption von früheren Landschaftszuständen als Untermauerung einer möglichst konsistenten Leitbildfindung.1. EinführungDie Wurzeln des Naturschutzgedankens in Deutschland liegen im Schutz und Erhalt von weitgehend durch natürliche Elemente geprägten Landschaftsbildern nach dem Vorbild vorindustrieller Kulturlandschaften. In Paragraph1 BNatSchG wird auch heute noch die 'Nachhaltige Sicherung der Vielfalt, Eigenart und Schönheit von Natur und Landschaft' als wichtiges Ziel benannt (Bundesnaturschutzgesetz 2010). Obwohl hier drei landschaftsästhetisch relevante Aspekte benannt werden, ist der Naturschutz seit vielen Jahrzehnten fast ausschließlich ökologisch orientiert. Der Auftrag, die Schönheit von Natur und Landschaft für den Menschen zu erhalten und zu gestalten ist völlig in den Hintergrund gerückt. Eine Ursache hierfür ist, dass es bis heute kein konsistentes, allgemein anerkanntes landschaftsästhetisches Konzept gibt, das diese Begriffe operationalisierbar macht und einen praktikablen Wertungsrahmen zu deren Beurteilung liefert.Das Projektvorhaben will deswegen einen Beitrag leisten sowohl für die Erforschung von Landschaftswandel und dessen Wahrnehmung und Wertung als auch zur weiteren Ausgestaltung einer naturschutzbezogenen, anwendungsorientierten Theorie der Landschaftsästhetik.2. Zielsetzung: Das Vorhaben baut auf vorausgegangene Studien zu Landnutzungswandel, Biodiversität und Landschaftsfunktionen im heutigen Gemeindegebiet von Göttingen auf, in deren Verlauf ein umfassendes Geographisches Informationssystem (GIS) für die Zeitschnitte 1784, 1878, 1910, 1965, 2002 aufgebaut worden ist. Es geht drei interdisziplinären Themenbereichen nach, um folgende Fragen zu beantworten:Landschaftsvisualisierung: Welche Landschaftsbilder existierten im Untersuchungsgebiet zu den analysierten Zeitschnitten? Wie eignet sich die digitale 3D-Visualisierung zur naturgetreuen Darstellung von Landschaftsbildern, Landschaftswandel und des Urbanisierungsprozesses im Stadtgebiet von Göttingen?Landschaftsästhetik: Welche Bild- und Wert bestimmenden Landschaftselemente,- Strukturen,- und Dimensionen haben sich geändert und bewirken ei
Core 3 liefert Umweltdaten über alle EPs. Es unterhält das Netzwerk von Klima- und Umweltstationen, deckt die Fernerkundung zur Erfassung von Plot- und Exploratorien-weiten Daten ab (von UAVs, Flugzeugen, Satelliten) und prozessiert die Daten bis zu Level 3 Information. Core 3 stellt spezifisch abgeleitete, räumlich explizite Daten zur Verfügung und unterstützt damit die Forschung zu Biodiversität und Ökosystemfunktionen und -dienstleistungen. Core 3 wird seine Dienstleistungen im Zusammenhang mit (i) der Wartung der 300 Klimastationen, (ii) der Bereitstellung von Fernerkundungsdaten (UAV, Luft, Satellit) und (iii) der Vor- und Nachprozessierung dieser Daten fortsetzen. Zudem erzeugt Core 3 (iv) räumlich explizite, Fernerkundungs-basierte Datensätze zur Landnutzung. Weiterhin (v) wird das Stationsnetz auf die neuen Waldplots erweitert und ergänzt durch die Aufnahme akustischer und fotografischer Daten. Dies erfordert die Erstellung (vi) einer neue Datenbank, für die Core 3 das Fachwissen der botanischen und zoologischen Projekten nutzt. (vii) Die vernetzten Sensoren und Fernerkundungsdaten dienen der Modellierung der abiotischen Plotheterogenität auf den Waldparzellen unter dem Kronendach und der Sukzessionsprozesse in den neuen Waldexperimenten. Core 3 wird (viii) Koordination und individuelle Beratung zu Umwelt- und Fernerkundungsdaten fortsetzen. Core 3 ist stark serviceorientiert und bietet eine grundlegende Infrastruktur für die Exploratorien. Ein hohes Maß an integrativer technischer und wissenschaftlicher Expertise ist erforderlich, um diese umfassenden Umwelt- und Fernerkundungsdaten für die Core und Contributing Projekte bereitzustellen.
Within phase 2 of the CAOS research unit we will work towards a holistic framework to explore how spatial organization alongside with spatial heterogeneity controls terrestrial water and energy cycles in intermediate scale catchments. 'Holistic' means for us to link the 'how' to the 'why' by drawing from generic understanding of landscape formation and biotic controls on processes and structures as well as to rely on exemplary experimental learning in a hypothesis and theory based manner. This also implies treatment of soil, vegetation and atmosphere as coupled system rather than a linear combination of different compartments. To jointly work towards this goal we propose 7 projects which will closely cooperate within two overarching work packages:WP1: Linking hydrological similarity with landscape structure across scalesWP2: Searching for appropriate catchment models and organizing principles. Within WP1 we will further refine the existing stratified multi-method and multi-sensor setup to search for functional entities in the Attert and, if they exist, to learn in an exemplary manner which structural features control functional characteristics. This essentially includes identification of suitable metrics to discriminate functional and structural similarity from data as well as identification of useful quantitative descriptors for the rather fuzzy term 'hydrological function'. Overall we aim to synthesize a protocol to decide 'where to assess which data for what reasons' for characterizing hydrological functioning across a scale range of four orders of magnitude.Within WP2 we will foster our distillery of parsimonious and nevertheless physically consistent model structures which rely on observable quantities and make use of symmetries in the landscape to simplify the governing model equations in a hypothesis based manner. To this end we will compare concurring model structures (among those the CAOS model) and work towards a framework for an objective model inter comparison with special emphasis on a) the added value of different data/information sources and b) on consistency of predictions with respect to distributed dynamics and integral flows. Additionally, we aim in WP2 at linking the 'how' to the 'why' by synthesizing testable hypotheses that could explain whether spatial organization has evolved in accordance with candidate organizing principles. Ecology, fluvial geomorphology and thermodynamics offer a large set of candidate organizing principles for this issue. Based on our recent work we will focus especially on thermodynamic limits and optimality principles like maximum entropy production, explore their value for uncalibrated hydrological predictions and work out the necessary requirements on data and models for testing these principles. We put special emphasis on a possible experimental falsification of these candidate principles; also in close collaboration with the B2-Landscape Evolution Observatory in Tucson, Arizona.
Fünf Partnerinstitutionen (Bernhard-Nocht-Institut für Tropenmedizin, BNITM; Friedrich-Loeffler-Institut, FLI; Universität Oldenburg, CvO; Leibniz-Zentrum für Agrarlandschaftsforschung, ZALF; Gesellschaft zur Förderung der Stechmückenbekämpfung, GFS) und ein assoziierter Partner (Fraunhofer Institut für Zelltherapie und Immunologie, IZI) werden in CuliFo3 Effekte biotischer und abiotischer Faktoren auf das Auftreten tier- und humanmedizinisch bedeutender Arboviren in Deutschland analysieren. Das wissenschaftliche Konzept baut auf Erkenntnisse der zuvor vom BLE finanzierten Projekte CuliFo und CuliFo2 auf. Ergebnisse werden genutzt, um zeitnahe gezielte Reaktionen zum Management von Risikosituationen zu ermöglichen und adäquate Maßnahmenkataloge zu entwickeln. Für ein Frühwarnsystem wird der Einfluss von insektenspezifischen Viren auf die Arbovirus-Replikation in Vektoren, von Ko-Infektionen mit Arboviren auf die Vektorkapazität, die Ausscheidungsdynamik und minimale Infektionsdosis von Arboviren für Culiciden erforscht. Ebenso, ob Infektionen von Vögeln mit USUV oder TBEV zu Kreuzprotektion gegenüber WNV führen. Die klinische Relevanz von Arbovirus-Infektionen wird über Untersuchung von Blutspender- und Patientenproben und toten Wildvögeln erfolgen und die Arbovirus-Surveillance durch Analyse des Viroms von Culiciden und Vögeln und die Validierung des Einsatzes von FTA-Karten. Modellierung von Landschaftsstrukturen als Stechmückenhabitat, Erfassung von Flugaktivitäten, physikalisch-chemischer und ökologischer Parameter sowie der Rastplätze von Stechmücken tragen zum besseren Verständnis der Vektorökologie bei. Die biologische Bekämpfung von Culiciden-Larven durch Copepoden sowie mit mikrobiellen Bekämpfungsstoffen wird als umweltverträgliche und nachhaltige Strategie evaluiert. Eine Kosten-Nutzen-Analyse zur Wirksamkeit und zu sozioökonomischen Konsequenzen von Maßnahmen zur Bekämpfung von Arboviren untersucht Vor- und Nachteile der verschiedenen Methoden.
- Darstellung von Einzelelementen und Landschaftsstrukturen, die das Landschaftsbild positiv oder negativ beeinflussen - die Erfassung dieser Elemente und Strukturen erfolgte auf der Grundlage von Geländebegehungen sowie der Auswertung von CIR-Luftbildern und Topographischen Karten - Die Datei liegen in einem Maßstab von 1:50.000 (TK 50 Großblattschnitt) vor.
| Organisation | Count |
|---|---|
| Bund | 319 |
| Europa | 20 |
| Kommune | 6 |
| Land | 51 |
| Schutzgebiete | 1 |
| Weitere | 4 |
| Wirtschaft | 1 |
| Wissenschaft | 369 |
| Zivilgesellschaft | 8 |
| Type | Count |
|---|---|
| Daten und Messstellen | 217 |
| Förderprogramm | 304 |
| Taxon | 2 |
| Text | 16 |
| Umweltprüfung | 2 |
| unbekannt | 24 |
| License | Count |
|---|---|
| Geschlossen | 31 |
| Offen | 527 |
| Unbekannt | 7 |
| Language | Count |
|---|---|
| Deutsch | 298 |
| Englisch | 311 |
| Resource type | Count |
|---|---|
| Archiv | 4 |
| Bild | 1 |
| Datei | 214 |
| Dokument | 22 |
| Keine | 230 |
| Unbekannt | 2 |
| Webdienst | 3 |
| Webseite | 100 |
| Topic | Count |
|---|---|
| Boden | 260 |
| Lebewesen und Lebensräume | 565 |
| Luft | 335 |
| Mensch und Umwelt | 565 |
| Wasser | 139 |
| Weitere | 561 |