API src

Found 2557 results.

Similar terms

s/picea-abies/Picea abies/gi

Other language confidence: 0.9097106997589767

Waldschadflächen

Layer enthält Waldflächen, die in Folge der Extremwetterereignisse und nachfolgender Schädlingsbefall im Zeitraum 01.07.2018 bis 31.03.2025 abgestorben oder bereits geräumt sind. Diese Flächen müssen wieder bewaldet und von Wildverbis geschützt werden. Enthalten sind Schadflächen unabhängig von Baumart und Schadensursache (Borkenkäfer bei Fichte und Lärche, Trockenschäden bei Buche, Eschentriebsterben, Diplodia-Pilzbefall bei Kiefer, Eichen-Frassschäden u.v.a.m) Die Daten sind aus der Auswertung der Satellitenbilder der Senthinel-Mission entstanden.

Staatswald Bestände 2011 Saarland

Waldbestände des SaarForst Landesbetriebes (Staatswald) Die Aussengrenzen (Besitzgrenzen) des Staatswaldes wurden an die ALK angeglichen und sind damit katasterscharf. Die Innengrenzen (Abgrenzungen der Waldbestände eines Eigentümers untereinander) sind anhand der DGK5 und der digitalen Orthofotos mit 40 cm Bodenauflösung digitalisiert. Neben zahlreichen datenbankinternen Attributen ist folgendes Attribut entscheidend: Bestandsname ; landesweit besitzerübergreifend eindeutiger Schlüssel. Felder und ihre Bedeutung: BESTAND: Bestand; ALTSTR: Altersstruktur BALTER: Alter mittel; BALTERMI: Bestandsalter bis; BALTERMA: Bestandsalter von; BEFE: Befundeinheit; BESTLAGE: Lage der Teilfläche; BESTSTR: Bestandesstruktur; ENTWST: Entwicklungsstufe; BESTNAM: Bestandesname; UFLAECHE: Unterfläche; BEFAHRB: Befahrbarkeit in %; DAT: Datum; FLAECHE: Fläche in ha; SEEH: Seehöhe; ARTV_BA: Artenvielfalt der Baumarten; ARTV_BV: Artenvielfalt der Bodenvegetation; BEHVEG1: Behindernde Vegetation 1; BEHVEG2: Behindernde Vegetation 2; BETR_KL: Betriebsklasse; BEST_TYP: Bestandestyp; C: Sonderfeld; D: Driglichkeit; EINZELB: Schützenswerte Einzelbäume; EXPMA: Exposition bis; EXPMI: Exposition von; EXPOS: Exposition; FEINER: Erschließung in %; FORM: Baumform; GATTER: Gatter in %; GELFOMA: Geländeform bis; GELFOMI: Geländeform von; H_PFLZ: Pflegezustand; HOEHLE: Höhlenreichtum; HORIZ: Horizontale Strukturvielfalt; KALK: Kalkung; KONTRNUA: Kontrollnutzungsart; NEIG: Neigung; TOTHOLZ: Totholz stehend; ENTSTEH: Tothol liegend; VERTI: Vertikale Strukturvielfalt; WUCHSB: Wuchsbezirk; WUCHSG: Wuchsgebiet; BESCHRIFT: ; HBA: Dominierende Baumartengruppen; BU: Ateil Buche in %; BL: Anteil Fläche temp. ohne Baumbewuchs in %; DOU: Anteil Douglasie in %; ELB: Anteil Edellaubbäume in %; KI: Anteil Kiefer in %; EI: Anteil Eiche in %; FI: Anteil Fichte in %; LAE: Anteil Lärche in %; SALH: Summe der Laubhölzer in %; SLB: Anteil sonstiger Laubbäume in %; SANH: Summe der Nadelbäume in %; SNB:Anteil sonstiger Nadelbäume in %; UFL: Bestand; SHAPE_Area: Flächengröße ha;

Baumart (NLP)

Klassifikation der Baumart Stand 2015 für sämtliche Baumindividuen mit Wuchshöhe >15m. Die Klassen sind Fichte, Tanne, Kiefer, Lärche, Douglasie, Laubbaum (unspezifiziert) und stehendes Totholz. Die flächendeckende Kenntnis der Baumart eines jeden Baumindividuums mit einer Wuchshöhe von >15m ist eine im Vergleich zur in der Forstwirtschaft üblichen über statistische Verfahren geschätzten Baumartenverteilung für größere Flächeneinheiten erheblich genauere Information. Diese höhere Genauigkeit ermöglicht die Ableitung einer Vielzahl von räumlichen Analysen in einer bislang ungewohnten räumlichen Exaktheit, wie z.B. Habitatseignungskarten für bestimmten Tierarten. In Kombination mit der Waldstruktur und Vegetationshöhendaten aus den Folgejahren ermöglicht diese Baumartenklassifikation ein auf Einzelbäumen basiertes Monitoring der natürlichen Waldentwicklung.

Forstwirtschaft - Bestände Staatswald 2011

Der Kartendienst (WMS-Gruppe) stellt die digitalen Geodaten aus dem Bereich Forstwirtschaft des Saarlandes dar.:Waldbestände des SaarForst Landesbetriebes (Staatswald) Die Aussengrenzen (Besitzgrenzen) des Staatswaldes wurden an die ALK angeglichen und sind damit katasterscharf. Die Innengrenzen (Abgrenzungen der Waldbestände eines Eigentümers untereinander) sind anhand der DGK5 und der digitalen Orthofotos mit 40 cm räumlicher Auflösung digitalisiert. Felder und ihre Bedeutung: Hierarchie Char (14) ; landesweit besitzerübergreifend eindeutiger Schlüssel Besitz Char (20) ; Waldeigentümer Revier Char (2) ; SaarForst Reviernummer Reviername Char (25) ; SaarForst Revierbezeichnung Abt Char (4) ; Nummer der Waldabteilung, eindeutig innerhalb eines Waldeigentümers Abteilung Char (8) ; Nummer der Waldabteilung mit vorangestellter Eigentümernummer Uabt Char (1) ; Unterabteilung Bestand Char (1) ; Bestand Teilfl Char (1) ; Teilfläche Beschrift Char (4) ; zusammengesetztes Feld aus Unterabteilung, Bestand und Teilfläche Betr_kl Char (20) ; Betriebsklasse Keine_bew Char (20) ; Erläuterung zu den Waldflächen außer Bewirtschaftung (10%) *) Bewirtsch Char (30) ; Bewirtschaftungsintensitäteinschl. „außer Bewirtschaftung“ Entw_stufe Char (30) ; Entwicklungsstufe Best_typ Char (35) ; Bestandestyp Schlussgra Char (20) ; Schlussgrad Best_stru Char (20) ; Bestandesstruktur Nutz_art Char (20) ; Nutzungsart Atb Char (20) ; Alt- und Totholz Biozönosen-Projektfläche Bl Decimal (3, 0) ; Blösse Anteil der Fläche temporär ohne Baumbewuchs in % Bu Decimal (3, 0) ; Anteil der Baumartengruppe Buche in % Ei Decimal (3, 0) ; Anteil der Baumartengruppe Eiche in % Elb Decimal (3, 0) ; Anteil der Baumartengruppe Edellaubbäume in % Slb Decimal (3, 0) ; Anteil der Baumartengruppe sonstige Laubbäume in % Fi Decimal (3, 0) ; Anteil der Baumartengruppe Fichte in % Ki Decimal (3, 0) ; Anteil der Baumartengruppe Kiefer in % Lae Decimal (3, 0) ; Anteil der Baumartengruppe Lärche in % Dou Decimal (3, 0) ; Anteil der Baumartengruppe Douglasie in % Snb Decimal (3, 0) ; Anteil der Baumartengruppe sonst. Nadelbäume in % Sa_lh Decimal (3, 0) ; Summe der Laubhölzer in % Sa_nh Decimal (3, 0) ; Summe der Nadelhölzer in % Hba Char (3) ; Dominierende Baumartengruppe Farbe Char (10) ; Darstellungsfarbe auf der Wirtschaftskarte Stand der Flächenausweisung „Außer Bewirtschaftung -10% der Staatswaldfläche“ zum 1.9.2011 Bisherige_irB; Bisher in regelmässiger Bewirtschaftung Bisherige_arB; Bisher ausser regelmässiger Bewirtschaftung NWZ_ausgewiesen; durch Rechtsverordnung ausgewiesene Naturwaldzelle Grossschutzgebiet; durch Rechtsverordnung ausgewiesenes Großschutzgebiet ("Urwald") Grossschutzgebiet_ab; Abgang vom Großschutzgebiet, rechtlich nicht umgesetzt Grossschutzgebiet_zu; Zugang zum Großschutzgebiet, rechtlich nicht umgesetzt Referenzfläche; Referenzfläche Prozessschutz Quierschied NWZ_erw: Zugang bzw. Neuausweisung Naturwaldzelle, rechtlich nicht umgesetzt Kernzone_Biosphaere; Kernzonen der Biosphäre Bliesgau.

WMS Baumart (NLP)

Klassifikation der Baumart Stand 2015 für sämtliche Baumindividuen mit Wuchshöhe >15m. Die Klassen sind Fichte, Tanne, Kiefer, Lärche, Douglasie, Laubbaum (unspezifiziert) und stehendes Totholz. Die flächendeckende Kenntnis der Baumart eines jeden Baumindividuums mit einer Wuchshöhe von >15m ist eine im Vergleich zur in der Forstwirtschaft üblichen über statistische Verfahren geschätzten Baumartenverteilung für größere Flächeneinheiten erheblich genauere Information. Diese höhere Genauigkeit ermöglicht die Ableitung einer Vielzahl von räumlichen Analysen in einer bislang ungewohnten räumlichen Exaktheit, wie z.B. Habitatseignungskarten für bestimmten Tierarten. In Kombination mit der Waldstruktur und Vegetationshöhendaten aus den Folgejahren ermöglicht diese Baumartenklassifikation ein auf Einzelbäumen basiertes Monitoring der natürlichen Waldentwicklung.

Umweltprobenbank des Bundes (German Environmental Specimen Bank)

Die Umweltprobenbank des Bundes (UPB) mit ihren Bereichen Bank für Umweltproben und Bank für Humanproben ist eine Daueraufgabe des Bundes unter der Gesamtverantwortung des Bundesumweltministeriums sowie der administrativen und fachlichen Koordinierung des Umweltbundesamtes. Es werden für die Bank für Umweltproben regelmäßig Tier- und Pflanzenproben aus repräsentativen Ökosystemen (marin, limnisch und terrestrisch) Deutschlands und darüber hinaus für die Bank für Humanproben im Rahmen einer Echtzeitanalyse Blut-, Urin-, Speichel- und Haarproben studentischer Kollektive gewonnen. Vor ihrer Einlagerung werden die Proben auf eine Vielzahl an umweltrelevanten Stoffen und Verbindungen (z.B. Schwermetalle, CKW und PAH) analysiert. Der eigentliche Wert der Umweltprobenbank besteht jedoch in der Archivierung der Proben. Sie werden chemisch veränderungsfrei (über Flüssigstickstoff) gelagert und somit können auch rückblickend Stoffe untersucht werden, die zum Zeitpunkt ihrer Einwirkung noch nicht bekannt oder analysierbar waren oder für nicht bedeutsam gehalten wurden. Alle im Betrieb der Umweltprobenbank anfallenden Daten und Informationen werden mit einem Datenbankmanagementsystem verwaltet und aufbereitet. Hierbei handelt es sich insbesondere um die biometrischen und analytischen Daten, das Schlüsselsystem der UPB, die Probenahmepläne, die Standardarbeitsanweisungen (SOP) zu Probenahme, Transport, Aufbereitung, Lagerung und Analytik und die Lagerbestandsdaten. Mit einem Geo-Informationssystem werden die Karten der Probenahmegebiete erstellt, mit denen perspektivisch eine Verknüpfung der analytischen Ergebnisse mit den biometrischen Daten sowie weiteren geoökologischen Daten (z.B. Daten der Flächennutzung, der Bodenökologie, der Klimatologie) erfolgen soll. Ausführliche Informationen und eine umfassende Datenrecherche sind unter www.umweltprobenbank.de abrufbar.

Wachstumsschwankungen europäischer Baumarten während der letzten 1000 Jahre

Als Grundlage für hochaufgelöste Klimarekonstruktionen der letzten Jahrtausende dienen jahrgenau datierbare natürliche Klimaproxies wie Jahresringe von Bäumen. Bisher konzentrierten sich dendroklimatologische Untersuchungen in Europa auf Temperaturrekonstruktionen borealer und alpiner Waldgrenzstandorte. In weitaus geringerem Umfang liegen dagegen hydroklimatische Rekonstruktionen basierend auf niederschlagssensitiven Baumarten der Tieflagen (kleiner als 1000 m NN) vor, obgleich hydroklimatische Schwankungen in der Abschätzung zukünftiger und historischer Klimaveränderungen eine wichtige Rolle spielen. Die Steuerungsfaktoren, das Ausmaß und die zeitliche Abfolge dekadischer bis mehrhundertjähriger Schwankungen im Baumwachstum, welche für die Rekonstruktion des gesamten Spektrums hydroklimatischer Variabilität von entscheidender Bedeutung sind, wurden bisher kaum untersucht und verstanden. In dem geplanten Projekt sollen nun zum ersten Mal langfristige Wachstumstrends auf verschiedenen raum-zeitlichen Skalen von acht europäischen Baumarten über die letzten 1.000 Jahre gegenübergestellt werden. Die hauptsächlich aus archäologischen und historischen Holzfunden generierten Jahrringdaten von Eiche, Buche, Erle, Esche, Ulme, Tanne, Kiefer und Fichte, in Verbindung mit Daten lebender Bäume, decken die letzten 1.000 Jahre lückenlos mit hoher Belegung ab. Dieser einmalige Datenbestand mit rund 60.000 Jahrringserien ökologisch und ökonomisch wichtiger heimischer Baumarten wird von europäischen Jahrringforschern bereitgestellt. Das Ziel des geplanten Projektes ist ein besseres Verständnis der raum-zeitlichen Variabilität von niederfrequenten Wachstumstrends und die Identifizierung gemeinsamer Faktoren, die das längerfristige Baumwachstum in Europa maßgeblich steuern (z.B. Klima und/oder Vulkanemissionen, Kohlenstoffdioxidgehalt der Atmosphäre oder Veränderungen der Sonnenaktivität). Die angewandten Methoden umfassen neue Standardisierungsverfahren, Trend- und Spektralanalysen sowie Filterungsverfahren, um niederfrequente Schwankungen der Jahrringchronologien zu detektieren und extrahieren. Faktoren, die das langfristige Baumwachstum maßgeblich steuern, werden unter Einbeziehung verschiedener Klimaparameter (Temperatur, Niederschlag, Abflussmengen von Flüssen, Grundwasserstände) sowie Zeitreihen externer und interner Einflüsse auf das Klimasystem identifiziert. Darüber hinaus werden die langfristigen Wachstumstrends mit Zeitreihen anderer Paläoarchive verglichen. Die in dem geplanten Projekt gewonnenen neuen Erkenntnisse über klimabedingter, langfristiger Wachstumsschwankungen und deren Ursachen werden eine deutlich bessere Grundlage für zukünftige valide Klimarekonstruktionen, globale Klimamodelle und für die Quantifizierung von Langzeitveränderungen des globalen Kohlenstoffkreislaufs schaffen.

Tree Species - Sentinel-2 - Germany, 2016

The Tree Species Germany product provides a map of dominant tree species across Germany for the year 2016 at a spatial resolution of 10 meters. The map depicts the distribution of ten tree species groups derived from multi-temporal optical Sentinel-2 data. The input features explicitly incorporate phenological information to capture seasonal vegetation dynamics relevant for species discrimination. A total of over 100,000 training and test samples were compiled from publicly accessible sources, including urban tree inventories, Google Earth Pro, Google Street View, and field observations. The final product was created by majority-voting on annual XGBoost Sentinel-2 tree species classifications (2016–2024) and filtering with forest structure data. If no clear majority vote was achieved, the class uncertain was assigned. The Tree Species Germany 2016 product achieves an overall F1-score of 0.95. For the dominant species pine, spruce, beech, and oak, class-wise F1-scores range from 0.92 to 0.99, while F1-scores for other widespread species such as birch, alder, larch, Douglas fir, fir, and other deciduous species range from 0.85 to 0.96. The product provides a consistent, high-resolution, and up-to-date representation of tree species distribution across Germany. Its transferable, cost-efficient, and repeatable methodology enables reliable large-scale forest monitoring and offers a valuable basis for assessing spatial patterns and temporal changes in forest composition in the context of ongoing climatic and environmental dynamics.

Herkunftsgebiete im Land Brandenburg

Der Datensatz präsentiert die Gesamtheit der Herkunftsgebiete im Land Brandenburg. Ein Herkunftsgebiet ist ein Gebiet mit annähernd einheitlichen ökologischen Bedingungen, in denen sich Erntebestände oder Saatgutquellen einer bestimmten Art oder Unterart mit ähnlichen phänotypischen oder genetischen Merkmale befinden. Unterlayer ermöglichen die Unterscheidung nach der Baumart: Bergahorn, Douglasie, Esche, Esskastanie, Europäische Lärche, Fichte, Grauerle, Große Küstentanne, Hainbuche, Japanische Lärche, Kiefer, Moorbirke, Pappel, Robinie, Rotbuche, Roteiche, Roterle, Sandbirke, Schwarzkiefer 847-849, Sitkafichte, Sommerlinde, Spitzahorn, Stieleiche, Traubeneiche, Vogelkirsche, Weißtanne, Winterlinde

Untersuchungen von Luftschadstoffen im Hinblick auf eine Klaerung der Ursachen der neuartigen Waldschaeden unter kontrollierten Bedingungen

Untersucht werden in erster Linie Wirkungen von Ozon allein oder in Kombination mit saurem Nebel unter kontrollierten Bedingungen. Als Arbeitshypothese liegt das Wirkungsschema der LIS zur Entstehung der neuartigen Waldschaeden zugrunde (siehe LIS-Bericht Nr. 28). Zur experimentellen Untersuchung der O3-Wirkung werden Waldbaeume in Plexiglaskammern mit gefilterter Luft unter Zusatz von Ozon begast und die verschiedenen physiologischen Parameter verfolgt. Dabei konnte festgestellt werden, dass unter O3-Einfluss a) die Photosyntheserate reduziert wird, b) die Atmungsrate ansteigt, c) der Chlorophyllgehalt abnimmt. Es laesst sich eine vorlaeufige Rangfolge der Sensitivitaet wie folgt aufstellen 1) Buchen 2) Ahorn 3) Fichte 4) Tanne. Zur Wirkung der kombinierten Behandlung von Fichten mit Ozon und saurem Nebel werden vor allem die aus den Baeumen ausgewaschenen Naehrstoffe analysiert. In Abhaengigkeit von der Ozonkonzentration werden Ca++, Mg++, K+, Mn+, NO3- und SO4-- verstaerkt ausgewaschen, Cl- dagegen nicht. Mit sinkendem pH-Wert in der Nebelloesung nimmt die Menge ausgewaschener Ionen ebenfalls zu.

1 2 3 4 5 … 254 255 256