API src

Found 351 results.

Similar terms

s/sge/Ge/gi

Wasser_Internet - Oberflächenwasserkörper - Linien

Der Kartendienst (WMS Gruppe) stellt ausgewählte Wasserdaten des Saarlandes dar.:Gewässerabschnitte OWK (Oberflächenwasserkörper); Betrachtungsobjekt im GDZ; Aggregation der ATKIS-Gewässer nach OWK-NR, MultiFeatureklasse setzt sich zusammen aus der linienhaften Featureklasse GDZ2010.L_blowk und der flächenhaften Featureklasse GDZ2010.A_blowk und der dazu gehörigen Businessklasse GDZ2010.blowk, exportiert wurden nur die Featureklasse GDZ2010_L_blowk, verknüpft mit der Businesstabelle GDZ2010.w8bwowgz (Handlung Bewertung Gewässerabschnitt OWK Gewässerzustand) in die Filegeodatabase GDZ_GDB.gdb. Oberflächenwasserkörper sind die Gewässer mit Einzugsgebieten größer 10 km² und damit die WRRL (Wasserrahmenrichtlinie) berichtspflichtigen Gewässer. Attribute werden an anderer Stelle erläutert; Aktualisierugszyklus halbjährlich mit dem Export der ATKIS- Daten aus POLYGIS, es werden aber nur Änderungen übernommen, Änderungen der OWK-Nr sind derzeit nicht zu erwarten

Digitales Höhenmodell Hamburg DGM 1

Aus Laserscanvermessungen (Airborne Laserscanning) oder photogrammetrischen Produkten abgeleitetes, flächendeckendes digitales Geländemodell mit einer Rasterweite von 1 Meter für die Fläche der Freien und Hansestadt Hamburg. Die Daten stammen jeweils aus den landesweiten 3D-Laserscanbefliegungen aus 2010, 2020 und 2022 und liegen im Lagestatus ETRS89_UTM32 (Lagestatus 310) und mit Höhenangaben über Normalhöhennull (NHN), gemäß DE_DHHN2016_NH vor. Eine punktuelle Aktualisierung dieser Daten erfolgt über photogrammetrische Produkte und ist ggf. in den Metadaten der einzelnen Jahrgänge dokumentiert. Die Genauigkeit eines einzelnen Messpunktes liegt in eindeutig definierten Bereichen, wie z.B. auf Straßenflächen, bei ca. ± 15 cm. In Bereichen von Abschattungen (z. B.: Brücken), dichter Vegetation, insbesondere Flächen in Wald- und Strauchgebieten und bei stark geneigtem Gelände, ist die Genauigkeit geringer. Standardmäßig wird vom LGV ab dem Jahr 2022 folgende Rasterweite angeboten: DGM 1 (Rasterweite 1m). Ältere Jahrgänge haben zusätzlich noch folgende Rasterweiten: DGM 10 (Rasterweite 10m) DGM 25 (Rasterweite 25m) Neben der reinen Bereitstellung der Höheninformation als regelmäßiges Gitter werden die Daten auch als Dienstleistung in einer Dreiecksvermaschung (TIN) abgegeben. Dabei ist ein Datenaustausch mit 2D- und 3D-CAD-Systemen sichergestellt. Als weitere Dienstleistung können z.B. Höhenlinien und Profile abgeleitet oder Volumina und Neigungen errechnet werden. Durch Integration weiterer Geobasis- und Fachdaten (Vektor- und Rasterdaten) können weitere Dienstleistungen z.B. für die Bereiche Wasserwirtschaft, Tiefbau, Umwelt und Stadtplanung sowie Energieversorgung für groß- und kleinräumige Anwendungen abgeleitet werden. Aus Laserscanvermessungen (Airborne Laserscanning) oder photogrammetrischen Produkten abgeleitetes, flächendeckendes digitales Geländemodell mit einer Rasterweite von 1 Meter für die Fläche der Freien und Hansestadt Hamburg. Die Daten stammen jeweils aus den landesweiten 3D-Laserscanbefliegungen aus 2010, 2020 und 2022 und liegen im Lagestatus ETRS89_UTM32 (Lagestatus 310) und mit Höhenangaben über Normalhöhennull (NHN), gemäß DE_DHHN2016_NH vor. Eine punktuelle Aktualisierung dieser Daten erfolgt über photogrammetrische Produkte und ist ggf. in den Metadaten der einzelnen Jahrgänge dokumentiert. Die Genauigkeit eines einzelnen Messpunktes liegt in eindeutig definierten Bereichen, wie z.B. auf Straßenflächen, bei ca. ± 15 cm. In Bereichen von Abschattungen (z. B.: Brücken), dichter Vegetation, insbesondere Flächen in Wald- und Strauchgebieten und bei stark geneigtem Gelände, ist die Genauigkeit geringer. Standardmäßig wird vom LGV ab dem Jahr 2022 folgende Rasterweite angeboten: DGM 1 (Rasterweite 1m). Ältere Jahrgänge haben zusätzlich noch folgende Rasterweiten: DGM 10 (Rasterweite 10m) DGM 25 (Rasterweite 25m) Neben der reinen Bereitstellung der Höheninformation als regelmäßiges Gitter werden die Daten auch als Dienstleistung in einer Dreiecksvermaschung (TIN) abgegeben. Dabei ist ein Datenaustausch mit 2D- und 3D-CAD-Systemen sichergestellt. Als weitere Dienstleistung können z.B. Höhenlinien und Profile abgeleitet oder Volumina und Neigungen errechnet werden. Durch Integration weiterer Geobasis- und Fachdaten (Vektor- und Rasterdaten) können weitere Dienstleistungen z.B. für die Bereiche Wasserwirtschaft, Tiefbau, Umwelt und Stadtplanung sowie Energieversorgung für groß- und kleinräumige Anwendungen abgeleitet werden.

WRRL Seetypen

Zu den Grundlagen der biologischen Bewertung gemäß WRRL gehören das Aufstellen einer Gewässertypologie und die Ausweisung von Gewässertypen. Diese sind elementare Grundlagen für die typspezifische biologische Bewertung, die Ausweisung der Wasserkörper und das Aufstellen eines Monitoring-Netzwerkes. Aber auch die Erstellung der Bewirtschaftungspläne und damit die Maßnahmenplanung erfolgt typspezifisch. In der Ökoregion "Norddeutsches Tiefland" werden insgesamt sieben Seetypen unterschieden, darunter sechs natürliche Typen und ein Sondertyp für künstliche Seen.

Digitales Seenverzeichnis (DSeenV)

Im digitalen Seenverzeichnis sind alle nicht berichtspflichten Seen in Schleswig-Holstein zusammengefasst, welche eine Seefläche kleiner 50 ha jedoch i. d. R. größer als 5 ha aufweisen und/oder Teil eines FFH-Gebietes oder ein anerkanntes EU-Badegewässer sind.

Messstellen Phytoplankton

Derzeit wird das Phytoplankton an 78 Wasserkörpern untersucht. Für die WRRL werden fünf Wasserkörper in der überblicksweisen Überwachung und 67 Wasserkörper im operativen Messnetz anhand des Phytoplanktons untersucht. Weiterhin sind sechs nicht berichtspflichtige Seen kleiner 50 ha im regelmäßigen Monitoring, darunter in SH besonders seltene und schützenswerte Seetypen, wie die karbonatarmen Weichwasserseen sowie Seen, die ökologisch noch weitgehend intakt sind.

Wasser_Internet - Gewässereinzugsgebiete nach LAWA > 100 km²

Der Kartendienst (WMS Gruppe) stellt ausgewählte Wasserdaten des Saarlandes dar.:Gewässereinzugsgebiete nach LAWA größer als 100 km², mit LAWA-Gebietskennziffern

Wasser_Internet - Gewässereinzugsgebiete nach LAWA, 50_ 100 km²

Der Kartendienst (WMS Gruppe) stellt ausgewählte Wasserdaten des Saarlandes dar.:Gewässereinzugsgebiete nach LAWA, 50_ 100 km², mit LAWA-Gebietskennziffern; Betrachtungsobjekt im GDZ; exportiert in GDZ_GDB.gdb MultiFeatureklasse setzt sich zusammen aus der flächenhaften Featureklasse und der entsprechenden Businesstabelle mit den Sachdaten, exportiert als einfache Featureklasse in Filegeodatabase; Außer zahlreichen Datenbankinterenen Attributen sind folgende anwenderrelevante Attribute vorhanden: GWNR: Nummer des Einzugsgebietes GWNAM Gewässername FLAECHE: Flächengröße

Wasser_Internet - Gewässereinzugsgebiete nach LAWA, 5_10 km²

Der Kartendienst (WMS Gruppe) stellt ausgewählte Wasserdaten des Saarlandes dar.:Gewässereinzugsgebiete nach LAWA, 5_10 km², mit LAWA-Gebietskennziffern; Betrachtungsobjekt im GDZ; exportiert in GDZ_GDB.gdb MultiFeatureklasse setzt sich zusammen aus der flächenhaften Featureklasse und der entsprechenden Businesstabelle mit den Sachdaten, exportiert als einfache Featureklasse in Filegeodatabase; Außer zahlreichen Datenbankinterenen Attributen sind folgende anwenderrelevante Attribute vorhanden: GWNR: Nummer des Einzugsgebietes GWNAM Gewässername FLAECHE: Flächengröße

Wasser_Internet - Einzugsgebiete der Oberflächenwasserkörper

Der Kartendienst (WMS Gruppe) stellt ausgewählte Wasserdaten des Saarlandes dar.:Einzugsgebiete der Oberflächenwasserkörper; Betrachtungsobjekt im GDZ; MultiFeatureklasse setzt sich zusammen aus der flächenhaften FeatureklasseGDZ2010.A_blflowk und der entsprechenden Businesstabelle mit den Sachdaten (GDZ2010.blflowk), exportiert in die Filegeodatabase GDZ_GDB.gdb. IDOWK: Oberflächenwasserkörper Nummer

Global SnowPack - MODIS - Daily

This product shows globally the daily snow cover extent (SCE). The snow cover extent is the result of the Global SnowPack processor's interpolation steps and all data gaps have been filled. Snow cover extent is updated daily and processed in near real time (3 days lag). In addition to the near real-time product (NRT_SCE), the entire annual data set is processed again after the end of a calendar year in order to close data gaps etc. and the result is made available as a quality-tested SCE product. There is also a quality layer for each day (SCE_Accuracy), which reflects the quality of the snow determination based on the time interval to the next "cloud-free" day, the time of year and the topographical/geographical location. The “Global SnowPack” is derived from daily, operational MODIS snow cover product for each day since February 2000. Data gaps due to polar night and cloud cover are filled in several processing steps, which provides a unique global data set characterized by its high accuracy, spatial resolution of 500 meters and continuous future expansion. It consists of the two main elements daily snow cover extent (SCE) and seasonal snow cover duration (SCD; full and for early and late season). Both parameters have been designated by the WMO as essential climate variables, the accurate determination of which is important in order to be able to record the effects of climate change. Changes in the largest part of the cryosphere in terms of area have drastic effects on people and the environment. For more information please also refer to: Dietz, A.J., Kuenzer, C., Conrad, C., 2013. Snow-cover variability in central Asia between 2000 and 2011 derived from improved MODIS daily snow-cover products. International Journal of Remote Sensing 34, 3879–3902. https://doi.org/10.1080/01431161.2013.767480 Dietz, A.J., Kuenzer, C., Dech, S., 2015. Global SnowPack: a new set of snow cover parameters for studying status and dynamics of the planetary snow cover extent. Remote Sensing Letters 6, 844–853. https://doi.org/10.1080/2150704X.2015.1084551 Dietz, A.J., Wohner, C., Kuenzer, C., 2012. European Snow Cover Characteristics between 2000 and 2011 Derived from Improved MODIS Daily Snow Cover Products. Remote Sensing 4. https://doi.org/10.3390/rs4082432 Dietz, J.A., Conrad, C., Kuenzer, C., Gesell, G., Dech, S., 2014. Identifying Changing Snow Cover Characteristics in Central Asia between 1986 and 2014 from Remote Sensing Data. Remote Sensing 6. https://doi.org/10.3390/rs61212752 Rößler, S., Witt, M.S., Ikonen, J., Brown, I.A., Dietz, A.J., 2021. Remote Sensing of Snow Cover Variability and Its Influence on the Runoff of Sápmi’s Rivers. Geosciences 11, 130. https://doi.org/10.3390/geosciences11030130

1 2 3 4 5 … 34 35 36