API src

Found 618 results.

Similar terms

s/linse/Linde/gi

Pflanzung Birke Zeiseweg 9

- Die Umstände zur Pflanzung der Birken (Betula pendula) am Zeiseweg 9 (Z008-19-1 sowie Z008-47-1). - Die Gründe zur Auswahl dieser Baumart inmitten der langen Lindenallee. - Dokumente der Dokumentation zur Auswahl und Umsetzung der Pflanzung aus 1995f. - Dokumente, die darlegen, wieso an dieser Stelle nicht wie im Rest des Zeiseweges 1952 Linden gepflanzt wurden, bzw. dort eine 1995 eine PFLANZLÜCKE vorhanden war. - Ob eine heutige Pflanzung an dieser Stelle wieder mit einer Betula pendula erfolgen würde. - Unter welchen Bedingungen in Hamburg heute ein Betula pendula gepflanzt werden würde, bzw. die Auswahl auf eine Sandbirke fallen würde.

Nitrogen and drought effects on the tree-soil interaction of ECM and AM temperate trees

Innenbereichssatzung - Innenbereichssatzung Unter der Linde

Innenbereichssatzung

WMS zum Bebauungsplan Unter den Linden (2. Änderung)

WMS zum Bebauungsplan Unter den Linden (2. Änderung) im Datenformat INSPIRE PLU Version 4.0.1

WFS zum Bebauungsplan Unter den Linden (2. Änderung)

WFS zum Bebauungsplan Unter den Linden (2. Änderung) im Datenformat INSPIRE PLU Version 4.0.1

Einzelbaum Baumarten aus Luftbildern (2021) Wuppertal

Der Datensatz enthält Ergebnisse aus der Baumartenableitung im Stadtgebiet Wuppertal. Grundlage bildet der Datensatz „Einzelbaum Kronenumringe aus Luftbildern (2021) Wuppertal“, der aus Luftbilddaten des Jahres 2021 abgeleitet wurde und rund 894.000 Einzelbäume umfasst. Für etwa 870.000 Einzelbaum Kronenumringe konnten Baumarteninformationen projiziert werden. Die Ausführung erfolgte durch die EFTAS Fernerkundung Technologietransfer GmbH aus Münster im Rahmen der Forschungskooperation DigiTalZwilling4D innerhalb des Förderprojektes smart.wuppertal / DigiTal Zwilling mit dem in dieser Kooperation entwickelten Verfahren "twin4tree". Hierzu wurde ein Long Short-Term Memory (LSTM)-Modell auf Basis validierter Baumarten aus dem Straßenbaumkataster des Ressorts Grünflächen und Forsten trainiert. Die Referenzdaten wurden mit zeitlich korrespondierenden PlanetScope-Satellitendaten verknüpft. Das Modell unterscheidet 13 Laubbaumarten: Ahorn, Baumhasel, Birke, Eiche, Esche, Hainbuche, Linde, Mehlbeere, Platane, Robinie, Rosskastanie, Rotbuche und Vogelkirsche. Zur Identifikation von Nadelbäumen wurden ergänzend Landbedeckungsinformationen aus Cop4ALL NRW genutzt. Alle Bäume, die dort als Nadelbäume klassifiziert wurden, erhielten entsprechend diese Klasse. Der Datensatz umfasst somit insgesamt 14 Baumartenklassen (13 Laubbaumarten und eine Nadelbaumklasse). Der Datensatz ist im GeoPackage-Format unter der Open-Data-Lizenz CC BY 4.0 verfügbar. Wichtige Hinweise: (1) In dichten Baumbeständen ist die Identifikation einzelner Bäume aufgrund von zusammenwachsenden Baumkronen ("Kronenschluss") erschwert. Auch sogenannte "beherrscht stehende Individuen" unterhalb der aus der Luft sichtbaren Baumkronen lassen sich mit dem twin4tree-Verfahren nicht eindeutig erkennen. Daher unterschätzt das Verfahren die Anzahl von Bäumen in diesen Bereichen deutlich. Aus stichprobenhaften Zählungen in einigen Waldbereichen wurde ein durchschnittlicher Korrekturfaktor von 1,6 abgeleitet. (2) Die genauen Stammpositionen können aus optischen Fernerkundungsdaten nicht bestimmt werden. Die als Stammpositionen angegebenen Schwerpunkte der Baumkronenpolygone sind Näherungswerte.

Gewerbegebiet "Seenplatte / Linden", 1. Änderung

1. Änderung Gewerbegebiet Seenplatte

Immer neue Gewerbegebiete auf den Grünflächen im Außenbereich von Kommunen

Trotz aller schönen Worte, sowohl in Deutschlands Nachhaltigkeitsstrategie als auch in den diversen Nachhaltigkeitsstrategien der Länder und Kommunen, ist es Realität, dass in der Regel immer noch Gewerbeflächen auf der grünen Wiese ausgewiesen werden, anstatt die reichlich vorhandenen Brachflächen zu nutzen. Dies auch der „Stadt der kurzen Wege“ zum Trotz. Das Märchen neuer Arbeitsplätze, gesamtdeutsch betrachtet, kann man auch nur mit dem Tunnelblick der jeweiligen Kommunen erzählen. Die Firmen und die Arbeitsplätze, die man dorthin locken will, gehen in anderen Städten verloren. Es bleibt also insgesamt ein Nullsummenspiel, mit Hinterlassung von neuen Gewerbebrachen in diesen anderen Kommunen. Diese anderen Kommunen locken dann wiederum Gewerbe auf die Grünflächen ihrer Kommune usw. Ein Schneeballsystem zu Lasten unserer Grünflächen und damit unserer Zukunft. DIESER KOMMUNALE GEWERBEKANIBALISMUS BINDET IMMENSE FINANZIELLE RESSOURCEN UND SCHLEIFT BUNDESWEIT DIE GRÜNZÜGE UNSERER STÄDTE! 5-Minuten-Netzrecherche Solingen – Schrodtberg, Piepersberg-West, Fürkeltrath 2 Dortmund – Groppenbruch Witten – Bebbelsdorf Remscheid – Erdbeerfelder Wuppertal – Schmiedestraße, Jägerhaus / Linde, Lichtscheid-Süd, Dorner Weg, Schöller West, Aprather Weg Hemer – Landhausen Vermutlich könnte man bundesweit ein Buch damit füllen. Von 2016-2024 – Verlust landwirtschaftlicher Flächen > 3058 km2 Von 2016-2024 – Zunahme Fläche Siedlung und Verkehr > 3012 km2 Das Zwischenziel 30 Ha/Tag auf dem Weg zu Nettonull im Jahr 2050 hat man ja mit aktuell 52 Ha/Tag krachend verfehlt und daher mal eben von 2020 auf 2030 verschoben. Flächenverbrauch belastet Böden, Wasserrückhalt, Stadtklima, Artenvielfalt und Landwirtschaft. Landwirtschaftliche Flächen sind ebenfalls Wirtschaftsflächen: Sie sichern Ernährung, regionale Wertschöpfung und Bodenfruchtbarkeit. Frage 1: Wieviele Kommunen haben bundesweit wieviel Ha Gewerbeflächen auf den Grünflächen im Außenbereich ihrer Städte ausgewiesen und wie groß war diese Fläche insgesamt in Deutschland? Frage: Wie will es der Bund schaffen, seine Flächenziele gemäß Nachhaltigkeitsstrategie tatsächlich zu erreichen, wenn die Kommunen dieses Ziel regelmäßig u.a. mit der Ausweisung von Grünflächen für neue Gewerbegebiete permanent torpedieren?

Klimaerlebnisbaum - Zu Rheinstraße - Tilia

Im Rahmen des Forschungsprojekts "Klimaerlebnis Würzburg" am Zentrum Stadtnatur und Klimaanpassung (ZSK) wurden im Jahr 2018 acht Messstationen in Würzburg und Gerbrunn eingerichtet. Diese zeichnen seitdem an jedem Standort das Wetter und/oder die Leistungen der dortigen Bäume auf. Das Forschungsprojekt endete im Jahr 2022. Die Messstationen, durch orangefarbene Baumfässer erkennbar, werden seitdem aber weitergeführt.Das Projekt sollte aufzeigen,inwieweit sich das Klima und die Leistung der Bäume an verschiedenen Standorten in der Stadt unterscheiden undinwieweit sich Stadtbäume und Klima an einem Standort gegenseitig beeinflussen.Die bis heute weiter aufgezeichneten Messergebnisse sollen verdeutlichen, wie mit Hilfe von Bäumen und ihrer Ökosystemdienstleistungen die nachhaltige Stadt der Zukunft an die Folgen des Klimawandels angepasst werden kann. Zudem kann die Öffentlichkeit mit diesen Datenreihen für das Thema Stadtklima und Stadtgrün sensibilisiert werden. Um dies voranzutreiben, werden davon ausgewählte Datenspalten seit November 2024, unbereinigt und zu stündlichen Daten automatisiert zusammengefasst, hier auf dem Open Data Portal Würzburg veröffentlicht.An der Station in der Zu Rheinstraße sind mehrere Bäume der Art Robinia und Linde Tilia mit Sensoren versehen. Die Daten einer der Linden stehen in diesem Datensatz in der oben beschriebenen, verarbeiteten Form zur Verfügung.Allgemeines zu den Standorten wie der grobe Messaufbau, Hinweise zur Datennutzung und Verlinkungen zu weiterführenden Papern finden Sie im Folgenden.Messaufbau des Baumlabors und der WetterstationMithilfe des Saftflusssensors (1) kann der Wasserverbrauch des Baums bestimmt werden. Davon lässt sich die Kühlleistung durch Verdunstung ableiten und der Trockenstress abschätzen. Im Kronenraum wird die Temperatur für den Vergleich mit der Klimastation gemessen (2), um die Abkühlwirkung des Baumes zu bestimmen. Das Dendrometer (3) misst das Dickenwachstum des Stammes. Dadurch kann man berechnen, wieviel der gesamte Baum an Biomasse zunimmt und an CO2speichert. Der Bodenfeuchtesensor (4) misst den Wassergehalt im Wurzelraum. Damit kann auf die Wasserversorgung des Baumes geschlossen werden.Der Temperatur- und Feuchtesensor (6) misst die Lufttemperatur und die relative Luftfeuchtigkeit. Der Windsensor (7) erfasst Windrichtung und Windgeschwindigkeit. Mit diesen beiden Messgrößen kann der Frischlufteintrag, aber auch die Anströmungsrichtung festgestellt werden. Der Strahlungssensor (8) misst, wieviel Energie die Sonne am Erdboden freisetzt. Mit diesem Wert lässt sich feststellen, wie stark sich Flächen aufheizen. Ebenso lässt sich hiermit die photosynthetische Leistung des Baumes bestimmen. Aus Temperatur, Luftfeuchte, Windgeschwindigkeit und Solarstrahlung lässt sich die gefühlte Temperatur berechnen. Der Niederschlagssensor (9) erfasst Regen und Schnee.In den Datenloggern (10) werden die Messwerte gesammelt, gespeichert und alle 10 Minuten online versendet, um sie auf dem Smart City Hub Würzburg zu speichern und hier auf dem Open Data Portal stündlich aggregiert darzustellen. Bei einigen der Wetterstationen ist zudem ein Luftdruck-Barometer verbaut.Hinweis:Bei den zur Verfügung gestellten Daten handelt es sich um eine automatisiert abgeänderte Version der Rohdaten der einzelnen Stationen. Eine Qualitätskontrolle durch den Plattformbetreiber findet vorab nicht statt. Es ist daher punktuell mit Messfehlern und Messlücken zu rechnen. Für die Korrektheit der Daten wird keine Haftung übernommen. Quellenangabe:Quelle im Rohdatenformat: [Bis 13.11.2024 13 Uhr](https://opendata.smartandpublic.eu/datasets/74e7c788-0882-4ffe-b0dc-74cb0e0fb782), [ab 13.11.2024 14 Uhr](https://opendata.smartandpublic.eu/datasets/b976e56e-9fbf-42dd-86db-1677c2a5dc91?locale=en#iss=https%3A%2F%2Fidp.smartcityhub.smartandpublic.eu%2Frealms%2Fsmartcityhub)Autor(en): Projekt Klimaerlebnis Würzburg (2018-2022), Stadt Würzburg (2023-jetzt)Hinweis: Es gelten keine zusätzlichen Bedingungen.Für weiterführende Informationen, lesen Sie die aus dem Projekt "Klimaerlebnis Würzburg" hervorgegangenen Paper:Hartmann, Christian, et al. "The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020; The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020." Meteorologische Zeitschrift 32.1 (2023): 49-65.Rahman, M.A., Franceschi, E., Pattnaik, N. et al. Spatial and temporal changes of outdoor thermal stress: influence of urban land cover types. Sci Rep 12, 671 (2022). [https://doi.org/10.1038/s41598-021-04669-8](https://doi.org/10.1038/s41598-021-04669-8)Rahman, Mohammad A., et al. "Tree cooling effects and human thermal comfort under contrasting species and sites." Agricultural and Forest Meteorology 287 (2020): 107947.Rötzer, T., et al. "Urban tree growth and ecosystem services under extreme drought." Agricultural and Forest Meteorology 308 (2021): 108532.Bildquelle und mehr Informationen zu den Messstationen: [Webarchiv: Klimaerlebnis Würzburg](https://webarchiv.it.ls.tum.de/klimaerlebnis.wzw.tum.de/das-projekt/index.html)

Förderung von Winter-Linden als wichtige Träger der Biodiversität in Mittel- und Hochwäldern

1 2 3 4 5 … 60 61 62