API src

Found 723 results.

Related terms

Multibeam bathymetry processed data (NORBIT WBMS entire dataset) from 2021, Laacher See, Germany

This dataset contains processed bathymetric data of the volcanic crater lake Laacher See in Germany recorded on 13-14 September 2021, acquired for the purpose of describing the lake sedimentary infill and volcanic degassing processes occurring in the crater. It has a coverage of 2.81 km², which corresponds to ca. 84% of the total lake surface area. The nearshore zone was not mapped due to vegetation growth limiting the data quality. Depths are expressed in meters below lake level, ranging from 2.4 m to 50.5 m. The bathymetric data was acquired using a Norbit WBMSe Wideband Multibeam Sonar from the Flanders Marine Institute (Vlaams Instituut voor de Zee, VLIZ) and the system was operated at a source frequency of 400 kHz with a maximum swath angle of 150°, transmitting 512 beams with a beam width of 0.9° x 1.9°. Sound velocity profiles were collected throughout the survey to account for temporal variations in water-column sound velocity. Processing of the raw data was done using Qimera 2.5.1 (QPS) and included correction for pitch, roll and heading offsets during acquisition, and manual removal of artefacts such as gas bubbles, vegetation and inconsistent soundings in overlapping swaths. From the processed data, a bathymetric grid with a ~1m cell size was constructed.

Landschaftsschutzgebiete

Gebietsabgrenzungen der bestehenden Landschaftsschutzgebiete (LSG) gemäß § 26 Abs. 1 Nr. 1 bis 3 Bundesnaturschutzgesetz vom 29. Juli 2009 [BGBl. I S. 2542] (zuletzt geändert 08. Dezember 2022 [BGBl. I S. 2240]) in Verbindung mit § 15 Landesnaturschutzgesetz vom 24. Februar 2010 [GVOBl. Schl.-H. S. 301, ber. S.486] (zuletzt geändert 02. Februar 2022 [GVOBl. Schl.-H. S. 91]). **Projektion:** ETRS89, GRS80-Ellipsoid, UTM Zone 32, mit führender 32 im Ostwert (EPSG-Code: 4647) transformiert aus: DHDN90, Bessel-Ellipsoid 1841, GK 3.Streifen (EPSG-Code: 31467) mit der Methode: DHDN90; GK 3.Streifen; Landesvermessung / Transformationsansatz nach Formfunktion (SH-Trans) **Erfassungsmaßstab:** 1:25.000 ### Attribute - `KATEGOR` = Schutzgebietskategorie LSG - Landschaftsschutzgebiet - `BESTAND` = Stand der Ausweisung 1 = rechtsverbindlich festgesetztes LSG - `GEBIETSNR` = Nummer des bestehenden Schutzgebietes (lfd. Nr. je Kreis) - `GEBIETSNAM` = Name des bestehenden Schutzgebietes - `VO` = Datum der Ausgangsverordnung - `AEND_VO` = Datum der letzten bearbeiteten Änderungs-VO (Änderung der Geometrien) - `JAHR` = Jahr, in dem das Schutzgebiet erstmalig in Kraft getreten ist. (Bei Erweiterung unterschiedliche Angaben möglich) - `KREIS_NR` = Kreiskennziffer (1 = Stadt Flensburg, 2 = Stadt Kiel, 3 = Stadt Lübeck, 4 = Stadt Neumünster, 51 = Kreis Dithmarschen, 53 = Kreis Hzgt. Lauenburg, 54 = Kreis Nordfriesland, 55 = Kreis Ostholstein, 56 = Kreis Pinneberg, 57 = Kreis Plön, 58 = Kreis Rendsburg-Eckernförde, 59 = Kreis Schleswig-Flensburg, 60 = Kreis Segeberg, 61 = Kreis Steinburg, 62 = Kreis Stormarn) - `KREIS` = Kreiskürzel entsprechend KFZ-Zeichen (FL, KI, HL, NMS, HEI, RZ, NF, OH, PI, PLOE, RD, SL, SE, IZ, OD) - `ERFMASSTAB` = Maßstab der Kartengrundlage, auf der die Geometrien digitalisiert wurden. - `BEMERKUNG` = Hinweise zum Verständnis der Digitalisierung. - `INFO_KONTA` = Verknüpfung zu den Metadaten in Preludio - `RECHTSGRUN` = Quelle der Rechtsverordnung im Internet - `Shape_Leng` = Umfang des LSG bzw. der jeweiligen Teilfläche des LSG in m - `Shape_Area` = Fläche des LSG bzw. der jeweiligen Teilfläche des LSG in m² - `AREA_HA` = Gesamtfläche des LSG in Hektar (digital ermittelte Summe aller Teilflächen, ggf. kreisübergreifend) - `KARTENGRUN` = Kartengrundlage, auf der die Geometrien digitalisiert wurden Digitale Topographische Karte 1:25.000 (DTK25-V = vorläufige Version - Scan der Layer der analogen Vorlagen TK25, DTK25 = Nachfolge der TK25 ) ### Fachliche Zuständigkeit Die Zuständigkeit für die Ausweisung von Landschaftsschutzgebieten liegt bei den Kreisen als Untere Naturschutzbehörden. Die Vollständigkeit der Daten kann insofern nicht garantiert werden (abhängig von Zulieferung durch die Kreise). Hier dargestellt sind nur LSG-Flächen, die außerhalb von Naturschutzgebieten (NSG) liegen. Die digitalen Abgrenzungen sind durch Übertragung der analog oder digital vorliegenden Verordnungskarten bzw. Daten der Kreise entstanden. Bei Detailfragen gelten letztendlich die Originalkarten der jeweiligen Verordnung (liegen bei den Kreisen/Unteren Naturschutzbehörden sowie beim Land/Oberste Naturschutzbehörde) Gebietsspezifische Anfragen bitte an den zuständigen Kreis ### Bemerkungen Die `Gebietsnr` (als lfd. Nr. je Kreis) ergibt sich nach folgenden Grundsätzen: 1. Reihenfolge ergibt sich aus dem Datum der Erstverordnung. 2. Werden in einer Verordnung mehrere räumlich oder durch eindeutige Bezeichnung getrennt liegende Landschaftsteile geschützt oder wird explizit deren eigenständige Führung in der amtlichen / offiziellen Liste des Kreises genannt,erhält jeder Landschaftsteil eine eigene lfd. Nummer (und Name). 3. Wird ein LSG aufgehoben, werden die entsprechenden Polygone und Datensätze gelöscht. Dadurch können Sprünge/Lücken in der durchgängigen Nummerierung entstehen. 4. Wird innerhalb eines bereits geschützten Bereichs ein Teilgebiet als LSG ausgewiesen, erhält dieses eine neue lfd. Nummer (und Name). Im Datensatz wird im Feld `Jahr`- als Hinweis auf den durchgängigen bzw. vorausgehenden Schutz - die Angabe des zeitlich vorhergehenden LSG nachrichtlich übernommen. Innerhalb des Landesamtes werden im GIS (LANIS), im Schutzgebietskataster (SGK) sowie im Aktenplan (R5) kreisweise identische lfd. Nummern verwendet. Das Aktenzeichen für LSG lautet: 5322.1-, nachfolgend die Kreiskennziffer sowie die lfd. Nr. (noch Überarbeitungsbedarf hinsichtlich SGK) Zwischen den Verzeichnissen der Kreise und des Landesamtes kann es abweichende Nummerierungen geben.

Landnutzungsszenarien bis 2045 für die Klimawirkungs- und Vulnerabilitätsanalyse (Applikation)

Grundlage für die hier dargestellten Karten sind die drei sozioökonomische Szenarien der Gesellschaft für wirtschaftliche Strukturforschung (GWS). Mittels des ökonomischen Modells PANTA RHEI Regio wurde auf Kreisebene die Siedlungs- und Verkehrsflächenentwicklung bis 2045 berechnet. Die hier dargestellten Karten sind mit Hilfe des Land Use Scanner (LUS) durch das Bundesinstitut für Bau-, Stadt- und Raumforschung, Bonn (BBSR) berechnet worden. Der Land Use Scanner basiert auf einem Optimierungsmodell, das die mit PANTA RHEI Regio berechneten Landnutzungsveränderungen auf Kreisebene auf einem 100×100 m Raster nach bestmöglicher Eignung verteilt. Die Ergebnisse des LUS liefern für alle drei sozioökonomischen Szenarien nach qualitativer Experteneinschätzung plausible Veränderungen der Landnutzung.

GovReg: NECPR: Progress to targets for greenhouse gas emissions and removals (Annex I), 2023

Progress to targets for greenhouse gas (GHG) emissions and removals is a dataset under the National Energy and Climate Progress Reports (NECPRs), which is reported every second year (starting in 2023) by EU Member States. The dataset provides information regarding Member State's GHG and removals targets and progress in achieving them. The EEA collects and quality checks this data. The dataset links to data from GHG inventories and projections (also collected by the EEA), as well as Annual Emission Allocations (AEAs). This reporting obligation comes from the Governance Regulation 2018/1999, Implementing Regulation (EU) 2022/2299 (Annex I).

NECPR: Progress to targets for greenhouse gas emissions and removals (Annex I) dataset

NECPR: Progress to targets for greenhouse gas (GHG) emissions and removals is a dataset under the National Energy and Climate Progress Reports (NECPRs), which is reported every second year, starting in 2023 for EU Member States and 2025 for Energy Community Contracting Parties. The dataset provides information regarding Member State's GHG and removals targets and progress in achieving them. The EEA collects and quality checks this data. The dataset links to data from GHG inventories and projections (also collected by the EEA), as well as Annual Emission Allocations (AEAs). This reporting obligation comes from the Governance Regulation 2018/1999, Implementing Regulation (EU) 2022/2299 (Annex I).

Treibhausgas-Projektionen 2026 für Deutschland - Datentabelle (ehemals Kernindikatoren)

Für die Treibhausgas-Projektionen sind die Treibhausgas-Emissionen der wesentliche Indikator, um die Erreichung der Klimaschutzziele zu kontrollieren. Allerdings umfassen klima- und energiepolitische Strategien der Bundesregierung weitere Ziele und Indikatoren. Deshalb haben das beauftragte Forschungskonsortium, das Thünen-Institut und das Umweltbundesamt neben Treibhausgas-Emissionen und Rahmendaten weitere Projektionsdaten im Sinne eines Nachschlagewerks zusammengestellt, um Steuerungsmöglichkeiten aufzuzeigen. Thematisch beziehen sich die Projektionsdaten auf die Bereiche Energiebezogene Indikatoren, neue Brennstoffe, Energiewirtschaft, Industrie, Gebäude, Verkehr, Landwirtschaft, Abfallwirtschaft sowie Landnutzung, Landnutzungsänderung und Forstwirtschaft (LULUCF). Sie bieten unter anderem Informationen zu möglichen Entwicklungen von Angebot und Nachfrage sowie der installierten Leistung wichtiger Energieträger, Kosten und Produktionsmengen von Industriegütern, der Verkehrsleistung sowie zu Emissionen, Flächennutzung und Düngereinsatz in der Land-, Forst- und Abfallwirtschaft. Das Datenportal Data Cube des Umweltbundesamtes bietet erweiterte Filter- und Darstellungsmöglichkeiten der Projektionsdaten im Vergleich zur Veröffentlichung als Datentabelle.

Gerasterte stündliche Echtzeitdaten der Globalstrahlung und der Sonnenscheindauer basierend auf Bodenmessungen und Satellitendaten - DUETT Projekt

Diese Daten werden durch Kombination von Satelliten- und Bodenbeobachtungen der Globalstrahlung und der Sonnenscheindauer erzeugt. Die zugehörigen Verfahren wurden im Rahmen des Projekts DUETT entwickelt und werden fortlaufend angepasst und verbessert. Es werden Rasterdaten der Globalstrahlung und der Sonnenscheindauer in der Projektion EPSG:3034 für Deutschland mit einer räumlichen Auflösung von 2 km und einer zeitlichen Auflösung von 1 Stunde (Mittelwerte bzw. Summen für synoptische Stunden, jeweils endend zur Minute 50) erstellt. Der Datensatz ist aufgeteilt in einen stündlich aktualisierten Teil im Verzeichnis ./{parameter}/recent/ und ein Archiv älterer Daten im Verzeichnis ./{parameter}/historical/.

IHFC 2024 Global Heat Flow Database (GHFDB v2024): Quality-Assessed Measurements, Gridded Products and Kriging Interpolation

This data publication contains the 2024 release of the Global Heat Flow Database (GHFDB) together with quality-assessed dataset. It includes unique heat flow measurements (scattered data), filtered datasets (within 0–408 mW/m², corresponding to 0–3σ), and median values aggregated on a 0.5° × 0.5° grid, provided in CSV and KML formats. Gridded heat flow and standard deviation fields are available as Kriging-interpolated products at 0.5° resolution in WGS 1984 projection (CSV and NetCDF) as well as in North and South Pole Orthographic projections (50 × 50 km resolution). The code is a Jupyter Notebook for Ordinary Kriging interpolation of the heat flow data using the PyKrige library. All data and products are described in detail in Neumann et al. (2026). The data includes: Scattered data: • IHFC_2024_GHFDB_unique.csv: Comma Separated Values (csv) file containing unique heat flow values for every measurement point. • IHFC_2024_GHFDB_unique.kml: KML (Keyhole Markup Language) file containing unique heat flow values for every measurement point. • IHFC_2024_GHFDB_filtered_3_sigma.csv: Comma Separated Values (csv) file containing heat flow value filtered with 3σ (standard deviations from a mean) interval (derived from the data file IHFC_2024_GHFDB_unique.xlsx). • IHFC_2024_GHFDB_filtered_3_sigma.kml: KML (Keyhole Markup Language) file containing heat flow value filtered with 3σ (standard deviations from a mean) interval. • IHFC_2024_GHFDB_05x05_median_3_sigma.csv: Comma Separated Values (csv) file containing median heat flow value for each non-empty 0.5×0.5 degrees grid cell (derived from the data IHFC_2024_GHFDB_filtered_3_sigma.xlsx). • IHFC_2024_GHFDB_05x05_median_3_sigma.kml: KML (Keyhole Markup Language) file containing median heat flow value for each non-empty 0.5×0.5 degrees grid cell. Gridded data • IHFC_2024_GHFDB_05x05_WGS1984_Kriging.csv: Comma Separated Values (csv) file containing gridded heat flow data interpolated by Kriging at a resolution of 0.5×0.5 degrees (WGS 84 projection) • IHFC_2024_GHFDB_05x05_WGS1984_STD.csv: Comma Separated Values (csv) file containing gridded standard deviation data for interpolated heat flow data (WGS 84 projection) • IHFC_2024_GHFDB_05x05_WGS1984_Kriging.nc: NetCDF format file containing gridded heat flow data interpolated by Kriging at a resolution of 0.5×0.5 degrees (WGS 84 projection for Cartesian representation). • IHFC_2024_GHFDB_05x05_WGS1984_STD.nc: NetCDF file containing gridded standard deviation data for interpolated heat flow data (WGS 84 projection for Cartesian representation) • IHFC_2024_GHFDB_Ortho_N.csv: Comma Separated Values (csv) file containing gridded heat flow data interpolated by Kriging at a resolution of 50×50 km (North Pole Orthographic projection) • IHFC_2024_GHFDB_Ortho_N_STD.csv: Comma Separated Values (csv) file containing gridded standard deviation data for interpolated heat flow data (North Pole Orthographic projection) • IHFC_2024_GHFDB_Ortho_S.csv: Comma Separated Values (csv) file containing gridded heat flow data interpolated by Kriging at a resolution of 50×50 km (South Pole Orthographic projection) • IHFC_2024_GHFDB_Ortho_S_STD.csv: Comma Separated Values (csv) file containing gridded standard deviation data for interpolated heat flow data (South Pole Orthographic projection)

A spatially explicit Global Reef Island Database (GRID v1.1) that captures distribution, diversity and relative vulnerability of the world's low-lying reef islands

Low-lying coral reef islands harbour a distinct, yet highly threatened biological and cultural diversity that is increasingly exposed to climate change impacts. The combination of low elevation, small size, sensitivity to changes in boundary conditions (sea level, waves and currents, locally generated sediment supply) and at some locations high population densities, is why low-lying reef islands (LRIs) are considered among the most vulnerable environments on Earth to climate change. To date, their global distribution and influence of climatic, oceanographic, and geologic setting are only poorly documented or restricted to smaller scales. Here, I present the first detailed global analysis of LRIs utilising freely available global datasets to produce a global reef island database (GRID) and associated intrinsic and extrinsic characteristics that can be used within a coastal vulnerability index (CVI). All datasets used to create the GRID were released between 30 November 2015 and 3 August 2023, while the current version (version 1.1) of the GRID database was completed in August 2026. When developing the GRID, LRIs are defined as landmasses <30 km² located on or within 3 km of coral reef and with an elevation of <16 m. Development of the GRID required: 1) the creation of a global shoreline vector file containing the geographic distribution of LRIs and 2) the development of a comprehensive global database of LRIs including eight intrinsic and ten extrinsic variables extracted from global datasets. Intrinsic variables include: 1) human populations, 2) island area, 3) island perimeter, 4) mean elevation, 5) island circularity/shape, 6) underlying reef type, 7) geographic isolation and 8) distance to the nearest neighbouring reef island. Extrinsic variables include: 1) mean water depth, 2) standard deviation of mean water depth, 3) mean annual significant wave height, 4) mean annual wave period, 5) mean spring tidal range, 6) relative tidal range, 7) wave-tide regime, 8) relative wave exposure, 9) relative tropical storm exposure and 10) year-2100 projected median sea level rise rate. The GRID was initially derived from version 2.1 of the UNEP-WCMC Global Island Database, a global shoreline vector file based on geometry data from Open Street Map® (OSM) and released in November 2015. The initial vector file was projected using the Mollweide projection, an equal-area pseudo cylindrical map projection chosen for its accurate derivation of area, especially in regions close to the equator, where most LRIs are located. The final GRID contains 33,292 individual LRIs distributed throughout tropical regions of the world's oceans, amassing a total land area of nearly 11,000 km² with approximately 60,500 km of shoreline and housing around 2.6 million people. While intrinsic variables are typically spatially homogenous, LRIs are generally highly spatially clustered throughout the GRID with respect to extrinsic variables. The spatial distribution of LRIs within the GRID was validated using: 1) published data and 2) quantitative accuracy assessments using satellite imagery. Spatial distributions of LRIs captured in the GRID are extremely consistent with those published in the literature (r² = 0.96) and those derived from independent analysis of satellite imagery (r² = 0.94). Finally, the GRID was used to develop an island vulnerability index (IVI) for each LRI on a scale of 0-1 with 0 representing no vulnerability and 1 representing maximum vulnerability. The GRID database is provided as a tab-delimited text file as well as ESRI shapefiles (points and polygons in WGS84 and Mollweide projection) and a comma-separated value file.

A spatially explicit Global Reef Island Database (GRID) that captures distribution, diversity and relative vulnerability of the world's low-lying reef islands

Low-lying coral reef islands harbour a distinct, yet highly threatened biological and cultural diversity that is increasingly exposed to climate change impacts. The combination of low elevation, small size, sensitivity to changes in boundary conditions (sea level, waves and currents, locally generated sediment supply) and at some locations high population densities, is why low-lying reef islands (LRIs) are considered among the most vulnerable environments on Earth to climate change. To date, their global distribution and influence of climatic, oceanographic, and geologic setting are only poorly documented or restricted to smaller scales. Here, I present the first detailed global analysis of LRIs utilising freely available global datasets to produce a global reef island database (GRID) and associated intrinsic and extrinsic characteristics that can be used within a coastal vulnerability index (CVI). All datasets used to create the GRID were released between 30 November 2015 and 3 August 2023, while the current version of the GRID database was completed in November 2024. When developing the GRID, LRIs are defined as landmasses <30 km² located on or within 1 km of coral reef and with an elevation of <16 m. Development of the GRID required: 1) the creation of a global shoreline vector file containing the geographic distribution of LRIs and 2) the development of a comprehensive global database of LRIs including eight intrinsic and ten extrinsic variables extracted from global datasets. Intrinsic variables include: 1) human populations, 2) island area, 3) island perimeter, 4) mean elevation, 5) island circularity/shape, 6) underlying reef type, 7) geographic isolation and 8) distance to the nearest neighbouring reef island. Extrinsic variables include: 1) mean water depth, 2) standard deviation of mean water depth, 3) mean annual significant wave height, 4) mean annual wave period, 5) mean spring tidal range, 6) relative tidal range, 7) wave-tide regime, 8) relative wave exposure, 9) relative tropical storm exposure and 10) year-2100 projected median sea level rise rate. The GRID was initially derived from version 2.1 of the UNEP-WCMC Global Island Database, a global shoreline vector file based on geometry data from Open Street Map® (OSM) and released in November 2015. The initial vector file was projected using the Mollweide projection, an equal-area pseudo cylindrical map projection chosen for its accurate derivation of area, especially in regions close to the equator, where most LRIs are located. The final GRID contains 34,404 individual LRIs distributed throughout tropical regions of the world's oceans, amassing a total land area of nearly 11,000 km² with approximately 60,740 km of shoreline and housing around 2.6 million people. While intrinsic variables are typically spatially homogenous, LRIs are generally highly spatially clustered throughout the GRID with respect to extrinsic variables. The spatial distribution of LRIs within the GRID was validated using: 1) published data and 2) quantitative accuracy assessments using satellite imagery. Spatial distributions of LRIs captured in the GRID are extremely consistent with those published in the literature (r² = 0.96) and those derived from independent analysis of satellite imagery (r² = 0.94). Finally, the GRID was used to develop an island vulnerability index (IVI) for each LRI on a scale of 0-1 with 0 representing no vulnerability and 1 representing maximum vulnerability. The GRID database is provided as a tab-delimited text file as well as ESRI shapefiles (points and polygons in WGS84 and Mollweide projection) and a comma-separated value file.

1 2 3 4 5 … 71 72 73