API src

Found 1756 results.

Related terms

Other language confidence: 0.504612457660178

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Glücksburg, Germany from 1984 – 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.

METOP GOME-2 - Formaldehyde (HCHO) - Global

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. Currently, there are three GOME-2 instruments operating on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B, and -C, launched in October 2006, September 2012, and November 2018, respectively. GOME-2 can measure a range of atmospheric trace constituents, with the emphasis on global ozone distributions. 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 level 2 products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Chemistry Monitoring (AC-SAF). GOME-2 near-real-time products are available already two hours after sensing. The operational HCHO total column products are generated using the algorithm GDP (GOME Data Processor) version 4.x integrated into the UPAS (Universal Processor for UV / VIS Atmospheric Spectrometers) processor for generating level 2 trace gas and cloud products. 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/

GTS Bulletin: IUTA14 EDZW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The IUTA14 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IU): Upper air T1T2A1 (IUT): (used for satellite-derived sondes – see Note 3) A2 (A): 0° - 90°W northern hemisphere (Remarks from Volume-C: (CBS)SATELLITE RADIO OCCULTATION DATA)

Schwerpunktprogramm (SPP) 1374: Biodiversitäts-Exploratorien; Exploratories for Long-Term and Large-Scale Biodiversity Research (Biodiversity Exploratories), Teilprojekt: Biodiversität über Skalen hinweg erkunden

In den vergangenen Jahrzehnten wurden die meisten Grünlandökosysteme in Mitteleuropa durch höhere Düngergaben und durch häufigeres Mähen oder Beweiden verändert. Diese Landnutzungs-Intensivierung hat zwar die Bereitstellung der Ökosystemleistung 'Futterproduktion' verbessert, jedoch die Biodiversität und die Bereitstellung anderer Ökosystemleistungen negativ beeinflusst. Vor allem aufgrund räumlicher Diskrepanzen zwischen ökologischen Prozessen und Managementeinheiten in gekoppelten sozial-ökologischen Systemen fehlt bisher ein mechanistisches Verständnis zu Effekten der Landnutzungs-Intensivierung auf die Beziehung der Biodiversität zu Ökosystemfunktionen und -leistungen. In unserem Projekt SEBAS wollen wir dieses mechanistische Verständnis verbessern, indem wir plotbasierte ökologische Forschung zur Landnutzungsintensität und zu sechs grundlegenden Biodiversitätsvariablen (engl. EBVs) mit einer satellitenbasierten Fernerkundung dieser Proxies verbinden. Wir werden Beziehungen zwischen funktionaler und struktureller Diversität und der Ökosystemleistung 'Futterproduktion' (oberirdische Biomasse bzw. Primärnettoproduktion) für managementrelevante Flächen analysieren. Dies sind Wiesen- bzw. Weideflächen, landwirtschaftliche Betriebe und Landschaften. Wir stellen die Hypothesen auf, dass (i) die sechs EBVs auf mehreren räumlichen Skalen unter Verwendung multimodaler Satellitenbild-Zeitreihendaten abgeleitet werden können, die mit vorhandenen und neu erhobenen Daten zur Landnutzungsintensität und zu EBVs kalibriert und validiert wurden; und dass (ii) Auswirkungen der Landnutzung auf die Beziehung der Biodiversität zu Ökosystemfunktionen und -leistungen über räumliche Skalen hinweg variieren. Hierbei dürfte die funktionale und strukturelle Diversität eine Schlüsselrolle für die Höhe und zeitliche Stabilität der Futterproduktion spielen. Das Projekt wird räumlich explizite EBV-Produkte auf Satelliten- und UAV-Basis liefern sowie neue Methoden entwickeln, die auf multiskalierten und multimodalen Fernerkundungs-Datensätzen (PlanetScope, RapidEye, Sentinel 1 & 2, Landsat, MODIS) sowie auf maschinellen Lern- und Hybridmodellen basieren. Durch Raum-für-Zeit-Substitutionen für Klimawandel und Landnutzungswandel werden wir zudem interaktive Auswirkungen dieser beiden wichtigsten Treiber des Globalen Wandels auf die Beziehung der Biodiversität zu Ökosystemfunktionen und -leistungen analysieren. Hierfür werden wir direkte und indirekte (biodiversitätsvermittelte) Auswirkungen der beiden Treiber auf die Futterproduktion mittels eines sozial-ökologischen Systemansatzes formalisieren und über Strukturgleichungsmodellen quantifizieren. Auf diese Weise werden wir ein tieferes Verständnis der Ökosystemfunktionen und -leistungen in mitteleuropäischen Grünländern erlangen.

Auswertung von Fernerkundungsbildern aus Wattgebieten mit Hilfe digitaler Korrelationen

Wattgebiete der deutschen Nordseekueste sollen mit Hilfe von digitalen Korrelationsverfahren auf ein gemeinsames Referenzbild entzerrt werden (unitemporale Korrelation). Zeitliche Aenderungen der Vegetation und der Topographie sollen durch multitemporale Korrelation entdeckt werden. Als Ausgangsdaten dienen digitalisierte Reihenmesskamerabilder, RADAR-Aufnahmen, sowie Magnetbaender des Erderkundungssatelliten LANDSAT und des M2S-Multispektralabtasters.

Schwerpunktprogramm (SPP) 1488: Planetary Magnetism (PlanetMag), Evolution of geomagnetic dipole moment and South Atlantic Anomaly

The geomagnetic field shields our habitat against solar wind and radiation from space. Due to the geometry of the field, the shielding in general is weakest at high latitudes. It is also anomalously weak in a region around the south Atlantic known as South Atlantic Anomaly (SAA), and the global dipole moment has been decreasing by nearly 10 percent since direct measurements of field intensity became possible in 1832. Due to our limited understanding of the geodynamo processes in Earths core, it is impossible to reliably predict the future evolution of both dipole moment and SAA over the coming decades. However, lack of magnetic field shielding as would be a consequence of further weakening of dipole moment and SAA region field intensity would cause increasing problems for modern technology, in particular satellites, which are vulnerable to radiation damage. A better understanding of the underlying processes is required to estimate the future development of magnetic field characteristics. The study of the past evolution of such characteristics based on historical, archeo- and paleomagnetic data, on time-scales of centuries to millennia, is essential to detect any recurrences and periodicities and provide new insights in dynamo processes in comparison to or in combination with numerical dynamo simulations. We propose to develop two new global spherical harmonic geomagnetic field models, spanning 1 and 10 kyrs, respectively, and designed in particular to study how long the uninterrupted decay of the dipole moment has been going on prior to 1832, and if the SAA is a recurring structure of the field.We will combine for the first time all available historical and archeomagnetic data, both directions and intensities, in a spherical harmonic model spanning the past 1000 years. Existing modelling methods will be adapted accordingly, and existing data bases will be complemented with newly published data. We will further acquire some new archeomagnetic data from the Cape Verde islands from historical times to better constrain the early evolution of the present-day SAA. In order to study the long-term field evolution and possible recurrences of similar weak field structures in this region, we will produce new paleomagnetic records from available marine sediment cores off the coasts of West Africa, Brazil and Chile. This region is weakly constrained in previous millennial scale models. Apart from our main aim to gain better insights into the previous evolution of dipole moment and SAA, the models will be used to study relations between dipole and non-dipole field contributions, hemispheric symmetries and large-scale flux patterns at the core-mantle boundary. These observational findings will provide new insights into geodynamo processes when compared with numerical dynamo simulation results.Moreover, the models can be used to estimate past geomagnetic shielding above Earths surface against solar wind and for nuclide production from galactic cosmic rays.

Gravity Recovery and Climate Experiment (GRACE-C)

METOP GOME-2 - Tropospheric Ozone (Trop-O3) - Tropical

GOME (Global Ozone Monitoring Experiment) stands for a family of satellite instruments named after the first GOME (https://wdc.dlr.de/sensors/gome/) instrument on ERS-2 launched in April 1995. Currently two GOME-2 instruments are operative on Metop-A and B (https://wdc.dlr.de/sensors/gome2/). The tropical tropospheric ozone is retrieved with convective cloud differential method (Valks et al., 2014 http://www.atmos-meas-tech.net/7/2513/2014/amt-7-2513-2014.html). The tropospheric column is retrieved by subtracting the stratospheric ozone column from the total column. The stratospheric ozone column is estimated as the column above high reaching convective clouds.

Gemeinsame nationale Initiative zur Validierung von EarthCARE, Teilvorhaben Freie Universität Berlin

Trockenstress-Monitoring von Getreide durch Fernerkundung

Extreme Temperaturen und Wassermangel verursachen Trockenstress an landwirtschaftlichen Kulturen. Weltweit werden die Auswirkungen von Trockenstress auf wichtige Feldfrüchten untersucht und Methoden zur Überwachung und zur Früherkennung von Trockenstress und anderen Stressfaktoren untersucht. Damit soll der gezielte. Einsatz agrotechnischer Maßnahmen wie Fruchtwechsel, Düngung, Bodenbearbeitung und Bewässerungsplanung unterstützt werden, um Ernteeinbußen zu verhindern. Ein weiterer Aspekt sind mögliche Auswirkungen der globalen Erwärmung auf die landwirtschaftliche Produktion, die sich zu einem der Hauptthemen der Forschung auf dem Gebiet das Klimawandels entwickeln. Erdbeobachtung von Satelliten aus ermöglicht die rationelle Überwachung des Zustands landwirtschaftlicher Kulturen über große Flächen. lü jüngster Zeit wurden neue Sensorsysteme entwickelt und in Erdumlauf gebracht, die neue Möglichkeiten auch für das Monitoring von Trockenstress landwirtschaftlicher Kulturen eröffnen. Die wesentlichen Merkreale dieser neuen optischen Sensoren sind hohe spektrale Auflösung (kleine Bandbreiten bis 10 nm herunter, eine große Anzahl von Spektralkanälen - bis zu einigen hundert, was im Prinzip Spektroskopie vom Satelliten aus ermöglicht), hohe räumliche Auflösung (Bildelementgrößen am Boden bis 60 cm herunter), und hohe zeitliche Auflösung -(bis zu täglicher Aufnahmemöglichkeit jedes Punktes der Erdoberfläche). Das Ziel dieses Projekts ist es, unter Ausnützung der neuen Möglichkeiten optischer Fernerkundung und der synergistischen Effekte der unterschiedlich Sensortypen Fernerkundungsmethoden zur Erkennung und zur Überwachung von Trockenstress an landwirtschaftlichen Kulturen zu entwickeln. Dazu werden physikalische Vegetationsmodelle angepasst und verbessert, die den Zusammenhang zwischen der Trockenstressintensität und Reflexionseigenschaften von Pflanzenbeständen quantitativ beschreiben. Methoden zur Analyse von Fernerkundungsbilddaten unter Verwendung dieser Vegetationsmodelle werden entwickelt. Dabei werden sowohl reflektierte als auch emittierte (thermale) Infrarotstrahlung berücksichtigt. Da es keine Sensoren gibt, die gleichzeitig alle drei der oben angeführten Arten der hohen Auflösung (spektral, räumlich und zeitlich) erfüllen, kommt der Kombination von Daten unterschiedlicher Sensoren besondere Bedeutung zu (image information fusion). Die Methodenwerden für ausgewählte Fruchtarten (Weizen und Mais) unter Anbaubedingungen in Österreich und Deutschland entwickelt und getestet.

1 2 3 4 5 … 174 175 176