API src

Found 1759 results.

Related terms

Other language confidence: 0.5046124576601786

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Paderborn, Germany from 1985 – 2023

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.

Erosionsprozesse in degradierten Arganbeständen in Südmarokko

Boden und Vegetation endemischer Arganbestände in Marokko werden durch Expansion und Intensivierung der Agrarwirtschaft sowie Überweidung zunehmend degradiert. Überschirmte Flächen nehmen ab, unbedeckte Flächenanteile zwischen den Arganien nehmen zu. Infolge verminderter Infiltration steigen Oberflächenabfluss- und Bodenabtragsraten stark an. Auf den degradierten Böden kann sich nur lückenhafter Unterwuchs (Krautige und Gras) und kein Jungwuchs mehr ausbilden. Durch Untersuchungen verschieden stark degradierter Arganbestände werden in diesem Vorhaben Grenzwerte herausgearbeitet, ab denen bodenerodierende Prozesse initiiert werden, sowie solche, ab denen von einer Dynamisierung der Prozesse, insbesondere Rinnen- und Gully-Erosion, auszugehen ist. Dazu werden in drei Testgebieten im Hohen und Anti-Atlas eingezäunte Aufforstungsflächen mit ungeschützten Flächen auf verschiedenen Hangneigungen verglichen. Die Entwicklung der Bestandsdichten wird mit hochauflösenden CORONA-Satellitenbildern aus dem Jahr 1968 und großmaßstäbigen Luftbildern von 2017/18 quantifiziert, welche mit unbemannten Fluggeräten (UAVs) aufgenommen werden. Die Wuchsform der Bäume wird mit Structure from Motion (SfM)-Verfahren (3D-Modelle aus Multikopter-Aufnahmen) dokumentiert und klassifiziert. Untersuchungen zur Korngrößenverteilung, Aggregatstabilität, organischen Bodensubstanz und Bodennährstoffen sollen hypothesengeleitet den - mit steigendem Abstand der Bäume - sinkenden Einfluss der baumüberschirmten Fläche auf die erweiterten Zwischenbaumflächen aufzeigen. Mit Beregnungsversuchen und Infiltrationsmessungen werden Erodibilität und Infiltrationsvermögen der Zwischenbaumflächen in verschiedenen Degradationsstadien untersucht. Der Sedimentaustrag aus linearen Erosionsformen wird durch ein SfM-Monitoring mittels 3D-Modellen quantifiziert. Steinbedeckung und Viehwege lassen sich aus den selbst erstellten Luftbildern ermitteln. Viehzählungen und Interviews mit Schlüsselinformanten ergänzen die Kenntnisse über den Beweidungsdruck durch Schafe und Ziegen auf die Arganbestände. Anhand der Untersuchungen zur Degradation von Bestandsdichten, Zwischenbaum- und baumüberschirmten Flächen können die Arganbestände in mit Werten unterfütterte Stabilitätsklassen unterteilt werden. Die durch das Multi-Methoden-Konzept erarbeiteten Grenzwerte zeigen die Dynamisierung der Bodenerosionsprozesse unter Arganbeständen und belegen, dass bestimmte Erosionsprozesse verschiedenen Degradationszuständen der Fläche sowie unterschiedlichen Bestandsdichten zugeordnet werden können. Dies ist eine notwendige Voraussetzung für die nachhaltige Bewirtschaftung der Arganbestandsflächen.

Sonderforschungsbereich Transregio 172 (SFB TRR): Arktische Verstärkung: Klimarelevante Atmosphären- und Oberflächenprozesse und Rückkopplungsmechanismen (AC)3

Innerhalb der letzten 25 Jahre wurde ein bemerkenswerter Anstieg der bodennahen Lufttemperatur in der Arktis beobachtet, welcher den Globalerwärmungsfaktor von zwei sogar übersteigt. Dieses Phänomen wird als Arktische Verstärkung bezeichnet. Diese Erwärmung führt zu recht dramatischen Veränderungen einer Vielzahl von Klimaparametern. Beispielsweise wurde von Satelliten aus beobachtet, dass sich das arktische Meereis signifikant zurückgezogen hat. Allerdings können Klimamodelle diesen Rückgang immer noch nicht korrekt reproduzieren. Daher ist es zwingend erforderlich den Ursprung dieser Unstimmigkeiten zu identifizieren. Um unser Wissen über die Ursprünge der beobachteten arktischen Klimaveränderungen zu erweitern, ist es notwendig die Genauigkeit dieser Vorhersagen zu verbessern. Um dieses Ziel zu erreichen beantragen wir im Rahmen des Transregio TR 172 die vorhandenen wissenschaftlichen Fachkenntnisse und Kompetenzen dreier deutscher Universitäten und zweier nicht-universitären Forschungsinstitute zu fokussieren und kombinieren. Beobachtungen von Messinstrumenten auf Satelliten, Flugzeugen, luftgetragenen Ballonplattformen, Forschungsschiffen und ausgewählte bodengebundene Messstationen werden in bestimmte Forschungskampagnen integriert und mit Langzeit Messungen kombiniert. Die Modellaktivitäten verwenden eine Hierarchie von Prozess-, mesoskaligen, regionalen und globalen Modellen um eine Brücke zwischen räumlichen und zeitlichen Skalen zu individuellen lokalen Prozessen der entsprechenden Klimasignale herzustellen. Die Modelle dienen als Orientierungshilfe für Kampagnen, zur Analyse von Messungen und Sensitivitäten, zur möglichen Zuordnung der Quellen der beobachteten arktischen Klimaveränderungen und um die Fähigkeiten der Modelle zu testen Beobachtungen zu reproduzieren. Die allumfassende wissenschaftliche Zielsetzung des TR 172 ist es die Schlüsselprozesse, die zur arktischen Verstärkung beitragen, zu identifizieren, untersuchen und zu bewerten um unser Verständnis über die wesentlichen Rückkopplungsmechanismen zu verbessern und gleichzeitig deren relative Bedeutung für die arktische Verstärkung zu quantifizieren. In der ersten Phase wird der Fokus auf atmosphärischen und Bodenprozessen liegen, da die schnell vorrangehenden Veränderungen im arktischen Klima vermuten lassen, dass wichtige atmosphärische Einflüsse an diesen Mechanismen beteiligt sind. In der zweiten und dritten Phase werden dann vor allem die Wechselwirkungen zwischen ozeanischen und atmosphärischen Komponenten der arktischen Verstärkung sowie die damit verbundenen globalen Aspekte genauer untersucht. Die Verbindung von Beobachtungs- und Modellstudien dient dazu die künftigen arktischen Klimaentwicklungsvorhersagen zu verbessern.

METOP GOME-2 - Nitrogen Dioxide (NO2) - Global

Gridded Level 3 NO2 total (NO2 tropospheric) column densities derived from the Metop/GOME-2-instruments. In the troposphere NO2 is a short-lived atmospheric constituent caused by combustion processes, e.g. fossil fuel consumption or biomass buring or by lightning. In the troposphere as well as in the stratosphere NO2 plays an important role in the ozone chemistry. The total NO2 column is retrieved from GOME solar back-scattered measurements in the visible wavelength region around 440nm [using the DOAS method]. To derive tropospheric NO2 columns, the estimated stratospheric component is substracted from the total column. In addition, an air mass factor based on monthly climatological NO2 profiles is considered. The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Three instruments operate on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B, and -C, launched in 2006, 2012, and 2018, respectively. GOME-2 measures a range of atmospheric trace constituents, with the emphasis on global ozone distribution. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Composition Monitoring (AC-SAF).

METOP GOME-2 - Cloud Top Pressure (CTP) - Global

Gridded Level 3 cloud top pressure derived from Metop/GOME observations. Cloud physical properties (cloud fraction, cloud top height, cloud optical thickness) are derived from GOME/GOME-2 observations using the OCRA (Optical Cloud Recognition Algorithm) and ROCINN (Retrieval of Cloud Information using Neural Networks). For more details please refer to relevant peer-review papers listed on the GOME and GOME-2 documentation pages: https://atmos.eoc.dlr.de/app/docs/ The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Three instruments operate on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B, and -C, launched in 2006, 2012, and 2018, respectively. GOME-2 measures a range of atmospheric trace constituents, with the emphasis on global ozone distribution. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Composition Monitoring (AC-SAF).

Updated global compilation of coccolithophore calcification measurements from unperturbed water samples including ancillary data

This database expands the Poulton et al., 2018 (doi:10.1594/PANGAEA.888182) database of pelagic calcium carbonate (CP) rate measurements from isotopic tracer uptake in incubated discrete water samples, as discussed in Daniels et al., 2018 (doi:10.5194/essd-10-1859-2018), and accompanies Marsh et al. (in prep.). The database now includes more CP (new data n = 400; complete database n = 3165), net primary production rate (PP) (new data n = 399; complete database n = 3150), total coccolithophore cell counts (new data n = 240; complete database n = 1512), and Emiliania huxleyi cell counts (new data n = 27; complete database n = 612). This expanded database maintains the record of data, including the principal investigator, expedition, OS region, doi reference (where available), collection date and year, sample ID, latitude, longitude, sampling and light depth, and method of measuring CP. We further expand the Poulton et al. (2018) data collection by including ancillary and environmental data, including: optical depth (OD, n = 3165), pHtotal (hereinafter referred to as pHT, n = 398), temperature (n = 1160), salinity (n = 1161), and the concentrations of chlorophyll a (n = 1363), NOx (NO3 or the sum of NO3 + NO2, n = 1161), silicic acid (Si(OH)4, n= 1156), phosphate (PO4, n = 1232), dissolved inorganic carbon (DIC, n = 318), total alkalinity (TA, n = 307), bicarbonate ion concentration (n = 349), and carbonate ion concentration (n = 352). All data was matched to CP, sample bottle identifiers (Niskin bottle numbers), and/or sampling depth values. This global database (81 °N - 64 °S, 132 °E - 174 °W) now covers expeditions and upper ocean measurements (0 - 193 m) from 1989 to 2024. Global in-situ geolocated data spanning time is valuable for modelling, satellite algorithms, and capturing calcium carbonate production in the global ocean. This expanded database, including the environmental, nutrient, chlorophyll a, and carbonate chemistry data, also allows for analysis of factors influencing calcium carbonate production on a global scale. This data amalgamation contributes to understanding the biogeochemistry of the oceans, global carbon cycle, and ocean acidification.

BodenBewegungsdienst Deutschland (BBD) 2019-2023 L2B Ascending (WMTS)

Die vielfältige Geologie Deutschlands sowie die sich hieraus ergebende Nutzung sind Ursachen für verschiedenste Bodenbewegungen, wie z.B. Bodenkompaktion, Erdrutsche, Grundwasserentnahme, Erdgasförderung, (Alt-)Bergbau- und Kavernenspeicherbetrieb. Die Produkte des BodenBewegungsdienst Deutschland (BBD) basieren auf SAR Daten der Copernicus Sentinel-1 Mission und einer Persistent Scatterer Interferometrie (PSI) Verarbeitung. Das BBD Portal enthält PSI Daten der gesamten Bundesrepublik Deutschland (ca. 360.000 km²). Die PSI Technologie ermöglicht präzise Messungen von Bewegungen der Erdoberfläche im mm Bereich. Die Messpunkte (Persistent Scatterer, PS) entsprechen bereits am Boden vorhandenen Objekten, wie z.B. Gebäuden, Infrastruktur oder natürlichen Objekten, wie Gesteinen und Schuttflächen. Jeder PS wird durch einen über mehrere Jahre gemittelten Geschwindigkeitswert (ausgedrückt in mm/Jahr) und eine Zeitreihe der Verschiebungen charakterisiert. Für jeden PS kann die Zeitreihe der Verschiebungen von der ersten Sentinel-1 Aufnahme bis zur letzten ausgewerteten Sentinel-1 Aufnahme eingesehen werden. Die PS werden nach der mittleren Geschwindigkeit entlang der Sichtlinie der Sentinel-1 Satelliten, Line of Sight (LOS), gemäß der folgenden Konvention im BBD Portal visualisiert: - die grüne Farbe entspricht den PS, deren mittlere Geschwindigkeit sehr gering ist, zwischen -2,0 und +2,0 mm/Jahr, d.h. im Empfindlichkeitsbereich der PSI Technologie; - in den Farben von gelb bis rot werden diejenigen PS mit negativer Bewegungsrate visualisiert, d.h. Bewegungen vom Satelliten weg; - mit den Farben von türkis bis blau werden diejenigen PS mit positiver Bewegungsrate visualisiert, d.h. PS die sich dem Satelliten nähern. Die Präzision der dargestellten PSI Daten liegt in der Größenordnung von typischerweise +- 2 mm/Jahr für die mittlere Geschwindigkeit in LOS.

AVHRR - Land Surface Temperature (LST) - Europe, Nighttime

The "Land Surface Temperature derived from NOAA-AVHRR data (LST_AVHRR)" is a fixed grid map (in stereographic projection) with a spatial resolution of 1.1 km. The total size covering Europe is 4100 samples by 4300 lines. Within 24 hours of acquiring data from the satellite, day-time and night-time LSTs are calculated. In general, the products utilise data from all six of the passes that the satellite makes over Europe in each 24 hour period. For the daily day-time LST maps, the compositing criterion for the three day-time passes is maximum NDVI value and for daily night-time LST maps, the criterion is the maximum night-time LST value of the three night-time passes. Weekly and monthly day-time or night-time LST composite products are also produced by averaging daily day-time or daily night-time LST values, respectively. The range of LST values is scaled between –39.5°C and +87°C with a radiometric resolution of 0.5°C. A value of –40°C is used for water. Clouds are masked out as bad values. For additional information, please see: https://wdc.dlr.de/sensors/avhrr/

Entwicklung und Validierung von kunststoffbasierten Strukturen und Thermalkomponenten für Kleinsatelliten, Teilvorhaben: Entwicklung einer kunststoffbasierten thermisch optimierten 3U-Struktur und eines entfaltbaren Radiators

Gemeinsame nationale Initiative zur Validierung von EarthCARE, Teilvorhaben LMU München

1 2 3 4 5 … 174 175 176