Dieser Dienst besteht einerseits aus den satellitenbasierten Imperviousness-Rastern (Versiegelungs-Raster) des Copernicus Landmonitoring Services der Europäischen Umweltagentur. Diese Raster zeigen dern Versiegelungsgrad in % für jedes Pixel, aufbereitet für NRW. Die Versiegelungs-Raster stehen für die Jahre 2006, 2009, 2012, 2015 und 2018 zur Verfügung. Ab dem Jahr 2018 liegt der räumliche Auflösung bei 10 Meter, zuvor lag sie bei 20 Meter. Der Stand der Daten ist das Jahr 2023. Geplant ist eine Fortschreibung für alle drei Jahre, das Veresiegelungs-Raster 2021 wird für Mitte 2026 erwartet. Basierend auf den Versiegelungs-Rastern der unterschiedlichen Jahre wurde auch der Anteil der versiegelten Fläche je Gemeinde in Prozent der gesamten Gemeindefläche berechnet. Andererseits besteht der Atom-Feed aus einem luftbildbasierten Rasterdatensatz der Bodenversiegelung mit Berechnungsstand Dezember 2024. Grundlage sind die landeseigenen, hochauflösenden Luftbilder (TrueDOP) mit einem Befliegungszeitraum von Februar 2022 bis Juni 2024. Hier wurde im Rahmen einer Kooperation zwischen Ruhr-Universität Bochum, IT.NRW und dem LANUK NRW mittels eines KI-Ansatz (KI=künstliche Intelligenz) die Bodenversiegelung mit einer räumlichen Auflösung von nur 0,5 Meter berechnet. Aus diesem hochaufgelösten Rasterdatensatz wurden ebenfalls je Gemeinde die Anteile an versiegelter Fläche gegenüber der gesamten Gemeindefläche in Prozent berechnet. Eine ständige Fortschreibung der Datenerhebung ist für alle 2 Jahre geplant.
Halogenradikale spielen eine Schlüsselrolle in der Chemie der polaren Grenzschicht. Alljährlich im Frühjahr beobachtet man riesige Flächen von mehreren Millionen Quadratkilometern mit stark erhöhten Konzentrationen von reaktivem Brom, welches von salzhaltigen Oberflächen in der Arktis und Antarktis emittiert werden. Dieses Phänomen ist auch als Bromexplosion bekannt. Des Weiteren detektieren sowohl boden- als auch satellitengestützte Messungen signifikante Mengen von Jodoxid über der Antarktis, jedoch nicht in der Arktis. Die Gründe für diese Asymmetrie sind nach wie vor unbekannt, aber das Vorhandensein von nur wenigen ppt reaktiven Jods in der antarktischen Grenzschicht sollte einen signifikanten Einfluss auf das chemische Gleichgewicht der Atmosphäre haben und zu einer Verstärkung des durch Brom katalysierten Ozonabbaus im polaren Frühjahr haben. Der Schwerpunkt der Aktivitäten im Rahmen von HALOPOLE III wird auf der Untersuchung von wichtigen Fragestellungen liegen, die im Rahmen der Vorgängerprojekte HALOPOLE I und II im Bezug auf die Quellen, Senken und Transformationsprozesse von reaktiven Halogenverbindungen in Polarregionen aufgetreten sind. Basierend sowohl auf der synergistischen Untersuchung der bislang gewonnen Daten aus Langzeit - und Feldmessungen sowie auf neuartigen Messungen in der Antarktis sind die wesentlichen Schwerpunkte: (1) Die Untersuchung einer im Rahmen von HALOPOLE II aufgetretenen eklatanten Diskrepanz zwischen aktiven und passiven Messungen DOAS Messungen von IO. (2) Eine eingehende Analyse der DOAS Langzeitmessungen von der Neumayer Station und Arrival Heights (Antarktis) sowie Alert (Kanada) bezüglich Meteorologie, Ursprung der Luftmassen, Vertikalverteilung, sowie des Einflusses von Schnee, Meereis und Eisblumen auf die Freisetzung von reaktiven Halogenverbindungen. (3) Die Untersuchung der kleinskaligen räumlicher und zeitlichen Variation von BrO auf der Basis einer detaillierten Analyse der flugzeuggebundenen MAX-DOAS Messungen während der BROMEX 2012 Kampagne in Barrow/Alaska. (4) Die Analyse der kürzlich in der marginalen Eiszone der Antarktis auf dem Forschungsschiff Polarstern durchgeführten Messungen im Hinblick auf die horizontale und vertikale Verteilung von BrO und IO, sowie den Einfluss der Halogenchemie auf den Ozon- und Quecksilberhaushalt. (5) Weitere detaillierte Untersuchungen des Einflusses von Halogenradikalen, insbesondere Chlor und Jod, auf das chemische Gleichgewicht der polaren Grenzschicht auf der Basis einer Messkampagne in Halley Bay, Antarktis. (6) Detailliertere Langzeit-Messungen von Halogenradikalen und weiteren Substanzen auf der Neumayer Station mittels eines neuen Langpfad-DOAS Instruments welches im Rahmen dieses Projektes entwickelt wird. Zusätzlich zu den bereits existierenden MAX-DOAS Messungen werden diese eine ganzjährige Messungen des vollen Tagesganges sowie die Untersuchung nicht nur der Brom- und Jodchemie, sondern auch der Chlorchemie ermöglichen.
The project DIGSTER - Map and Go (Digital Based Terrain Mapping) aims at the technical aspects of digital terrrain mapping. For many questions in administration, planning and expertise terrrain mappings are indispensable. The whole process starting with the data acquisition in the field and ending with map products will be digitally performed by the system. Therefore, a platform appropriate for the use in the field (PDA) is combined with technologies from the disciplines of satellite navigation, remote sensing, communication, and mobile geoinformation systems. For DIGSTER a lot of practical applications already exist in connection with policies and directives on the national and also European level.
Vor dem Hintergrund klimatischer Änderungen sowie zunehmendem, diversen Schädlingsbefall sollen im Rahmen des Projektes Softwareanwendungen entwickelt werden, die zur Überwachung und Prävention verschiedener Schadereignisse (Sturm, Kalamitäten, Trockenheit, Feuer) genutzt werden können. Durch die Zusammenstellung unterschiedlicher multisensoraler Fernerkundungsdaten (Radar-, Optischer-, Hyperspektral- und Thermaldaten) in Kombination mit Vor-Ort Messungen kann die Vitalität des Waldes kontinuierlich beobachtet sowie Schadenshotspots frühzeitig erkannt werden, um der Forstwirtschaft Möglichkeiten für schnelle Gegenmaßnahmen zu geben. Die Analyse der großen Datenmengen durch Cloud-Computing und Machine-Learning Algorithmen ermöglicht die Modellierung und Prognosen von Schadketten. Der vereinfachte Zugang zu umfangreichen Datenquellen bildet die Basis für ein optimiertes Waldmanagement sowie die Umsetzung lokaler Präventionsmaßnahmen. Darüber hinaus dient die Anwendung als Kommunikationsschnittstelle zwischen den forstlichen Akteuren und soll so Arbeits- und Entscheidungsprozesse unterstützen.
Vor dem Hintergrund klimatischer Änderungen sowie zunehmendem, diversen Schädlingsbefall sollen im Rahmen des Projektes Softwareanwendungen entwickelt werden, die zur Überwachung und Prävention verschiedener Schadereignisse (Sturm, Kalamitäten, Trockenheit, Feuer) genutzt werden können. Durch die Zusammenstellung unterschiedlicher multisensoraler Fernerkundungsdaten (Radar-, Optischer-, Hyperspektral- und Thermaldaten) in Kombination mit Vor-Ort Messungen kann die Vitalität des Waldes kontinuierlich beobachtet sowie Schadenshotspots frühzeitig erkannt werden, um der Forstwirtschaft Möglichkeiten für schnelle Gegenmaßnahmen zu geben. Die Analyse der großen Datenmengen durch Cloud-Computing und Machine-Learning Algorithmen ermöglicht die Modellierung und Prognosen von Schadketten. Der vereinfachte Zugang zu umfangreichen Datenquellen bildet die Basis für ein optimiertes Waldmanagement sowie die Umsetzung lokaler Präventionsmaßnahmen. Darüber hinaus dient die Anwendung als Kommunikationsschnittstelle zwischen den forstlichen Akteuren und soll so Arbeits- und Entscheidungsprozesse unterstützen.
Vor dem Hintergrund klimatischer Änderungen sowie zunehmendem, diversen Schädlingsbefall sollen im Rahmen des Projektes Softwareanwendungen entwickelt werden, die zur Überwachung und Prävention verschiedener Schadereignisse (Sturm, Kalamitäten, Trockenheit, Feuer) genutzt werden können. Durch die Zusammenstellung unterschiedlicher multisensoraler Fernerkundungsdaten (Radar-, Optischer-, Hyperspektral- und Thermaldaten) in Kombination mit Vor-Ort Messungen kann die Vitalität des Waldes kontinuierlich beobachtet sowie Schadenshotspots frühzeitig erkannt werden, um der Forstwirtschaft Möglichkeiten für schnelle Gegenmaßnahmen zu geben. Die Analyse der großen Datenmengen durch Cloud-Computing und Machine-Learning Algorithmen ermöglicht die Modellierung und Prognosen von Schadketten. Der vereinfachte Zugang zu umfangreichen Datenquellen bildet die Basis für ein optimiertes Waldmanagement sowie die Umsetzung lokaler Präventionsmaßnahmen. Darüber hinaus dient die Anwendung als Kommunikationsschnittstelle zwischen den forstlichen Akteuren und soll so Arbeits- und Entscheidungsprozesse unterstützen.
Vor dem Hintergrund klimatischer Änderungen sowie zunehmendem, diversen Schädlingsbefall sollen im Rahmen des Projektes Softwareanwendungen entwickelt werden, die zur Überwachung und Prävention verschiedener Schadereignisse (Sturm, Kalamitäten, Trockenheit, Feuer) genutzt werden können. Durch die Zusammenstellung unterschiedlicher multisensoraler Fernerkundungsdaten (Radar-, Optischer-, Hyperspektral- und Thermaldaten) in Kombination mit Vor-Ort Messungen kann die Vitalität des Waldes kontinuierlich beobachtet sowie Schadenshotspots frühzeitig erkannt werden, um der Forstwirtschaft Möglichkeiten für schnelle Gegenmaßnahmen zu geben. Die Analyse der großen Datenmengen durch Cloud-Computing und Machine-Learning Algorithmen ermöglicht die Modellierung und Prognosen von Schadketten. Der vereinfachte Zugang zu umfangreichen Datenquellen bildet die Basis für ein optimiertes Waldmanagement sowie die Umsetzung lokaler Präventionsmaßnahmen. Darüber hinaus dient die Anwendung als Kommunikationsschnittstelle zwischen den forstlichen Akteuren und soll so Arbeits- und Entscheidungsprozesse unterstützen.
Vor dem Hintergrund klimatischer Änderungen sowie zunehmendem, diversen Schädlingsbefall sollen im Rahmen des Projektes Softwareanwendungen entwickelt werden, die zur Überwachung und Prävention verschiedener Schadereignisse (Sturm, Kalamitäten, Trockenheit, Feuer) genutzt werden können. Durch die Zusammenstellung unterschiedlicher multisensoraler Fernerkundungsdaten (Radar-, Optischer-, Hyperspektral- und Thermaldaten) in Kombination mit Vor-Ort Messungen kann die Vitalität des Waldes kontinuierlich beobachtet sowie Schadenshotspots frühzeitig erkannt werden, um der Forstwirtschaft Möglichkeiten für schnelle Gegenmaßnahmen zu geben. Die Analyse der großen Datenmengen durch Cloud-Computing und Machine-Learning Algorithmen ermöglicht die Modellierung und Prognosen von Schadketten. Der vereinfachte Zugang zu umfangreichen Datenquellen bildet die Basis für ein optimiertes Waldmanagement sowie die Umsetzung lokaler Präventionsmaßnahmen. Darüber hinaus dient die Anwendung als Kommunikationsschnittstelle zwischen den forstlichen Akteuren und soll so Arbeits- und Entscheidungsprozesse unterstützen.
Vor dem Hintergrund klimatischer Änderungen sowie zunehmendem, diversen Schädlingsbefall sollen im Rahmen des Projektes Softwareanwendungen entwickelt werden, die zur Überwachung und Prävention verschiedener Schadereignisse (Sturm, Kalamitäten, Trockenheit, Feuer) genutzt werden können. Durch die Zusammenstellung unterschiedlicher multisensoraler Fernerkundungsdaten (Radar-, Optischer-, Hyperspektral- und Thermaldaten) in Kombination mit Vor-Ort Messungen kann die Vitalität des Waldes kontinuierlich beobachtet sowie Schadenshotspots frühzeitig erkannt werden, um der Forstwirtschaft Möglichkeiten für schnelle Gegenmaßnahmen zu geben. Die Analyse der großen Datenmengen durch Cloud-Computing und Machine-Learning Algorithmen ermöglicht die Modellierung und Prognosen von Schadketten. Der vereinfachte Zugang zu umfangreichen Datenquellen bildet die Basis für ein optimiertes Waldmanagement sowie die Umsetzung lokaler Präventionsmaßnahmen. Darüber hinaus dient die Anwendung als Kommunikationsschnittstelle zwischen den forstlichen Akteuren und soll so Arbeits- und Entscheidungsprozesse unterstützen.
Vor dem Hintergrund klimatischer Änderungen sowie zunehmendem, diversen Schädlingsbefall sollen im Rahmen des Projektes Softwareanwendungen entwickelt werden, die zur Überwachung und Prävention verschiedener Schadereignisse (Sturm, Kalamitäten, Trockenheit, Feuer) genutzt werden können. Durch die Zusammenstellung unterschiedlicher multisensoraler Fernerkundungsdaten (Radar-, Optischer-, Hyperspektral- und Thermaldaten) in Kombination mit Vor-Ort Messungen kann die Vitalität des Waldes kontinuierlich beobachtet sowie Schadenshotspots frühzeitig erkannt werden, um der Forstwirtschaft Möglichkeiten für schnelle Gegenmaßnahmen zu geben. Die Analyse der großen Datenmengen durch Cloud-Computing und Machine-Learning Algorithmen ermöglicht die Modellierung und Prognosen von Schadketten. Der vereinfachte Zugang zu umfangreichen Datenquellen bildet die Basis für ein optimiertes Waldmanagement sowie die Umsetzung lokaler Präventionsmaßnahmen. Darüber hinaus dient die Anwendung als Kommunikationsschnittstelle zwischen den forstlichen Akteuren und soll so Arbeits- und Entscheidungsprozesse unterstützen.
| Origin | Count |
|---|---|
| Bund | 16 |
| Land | 1 |
| Type | Count |
|---|---|
| Förderprogramm | 15 |
| unbekannt | 1 |
| License | Count |
|---|---|
| offen | 16 |
| Language | Count |
|---|---|
| Deutsch | 10 |
| Englisch | 8 |
| Resource type | Count |
|---|---|
| Keine | 7 |
| Webseite | 9 |
| Topic | Count |
|---|---|
| Boden | 16 |
| Lebewesen und Lebensräume | 16 |
| Luft | 15 |
| Mensch und Umwelt | 16 |
| Wasser | 13 |
| Weitere | 16 |