API src

Found 838 results.

Related terms

Pan-Arctic Visualization of Landscape Change (2005-2024), Arctic PASSION Permafrost Service

This raster dataset, in Cloud Optimized GeoTIFF format (COG), provides information on land surface changes at the pan-arctic scale. Multispectral Landsat-5 TM, Landsat-7 ETM+, Landsat-8 OLI, and Landsat-9 OLI-2 imagery (cloud-cover less than 70%, months July and August) was used for detecting disturbance trends (associated with abrupt permafrost degradation) between 2005 and 2024. For each satellite image, we calculated the Tasseled Cap multi-spectral index to translate the spectral reflectance signal to the semantic information Brightness, Greenness, and Wetness. In order to characterize change information, we calculated the linear trend of Brightness, Greenness, and Wetness over two decades at the individual pixel level, based on annually aggregated data. The final map product therefore contains information on the direction and magnitude of change for all three Tasseled Cap parameters at 30 m spatial resolution across the pan-arctic permafrost domain. Features detected include coastal erosion, lake drainage, infrastructure expansion, and fires. The general processing methodology was developed by Fraser et al. (2014) and adapted and expanded by Nitze et al. (2016, 2018). Here, we upscaled the processing to the circum-arctic permafrost region and applied it to the recent 20-year period from 2005 through 2024. The service covers the permafrost region up to 81° North: Alaska (USA), Canada, Greenland, Iceland, Norway, Sweden, Finland, Russia, Mongolia, and China. For Russia and China, regions not containing permafrost were excluded. The data have been processed in Google Earth Engine as part of the research projects ERC PETA-CARB, ESA CCI+ Permafrost, NSF Permafrost Discovery Gateway, and EU Arctic PASSION. The dataset is a contribution to the 'Pan-Arctic Requirements-Driven Permafrost Service' of the Arctic PASSION project (see References). Changes in the Tasseled Cap indices – Brightness, Greenness, and Wetness – are displayed in the image bands red, green, and blue, respectively. Here, coastal erosion (a trend of a land surface transitioning to a water surface) is depicted in dark blue tones, while coastal accretion (a trend of a water surface transitioning to a land surface) is depicted in bright orange colors. Drained lakes are shown in bright yellow or orange colors, depending on the soil conditions and vegetation regrowth. Fire scars are a further common feature, appearing in different colors depending on the time of the fire and the pre-fire land cover. The data can be explored via the Arctic Landscape EXplorer (ALEX; see References) and are available as a public web map service (WMS; see References), both hosted by Alfred Wegener Institute Helmholtz Centre for Polar and Marine Research.

Skalenübergreifende Charakterisierung von polaren Permafrost-Landschaften mittels Flugzeug- und Satellitengestützen Daten und geophysikalischen in-situ Messungen

Im Lauf der letzten Dekaden wurde für große Teile der Arktis eine signifikante Erwärmung der Erdoberfläche und des oberflächennahen Untergrunds beobachtet. Deren Folgen zeigen sich bereits heute - beispielsweise in einer Ausbreitung der Buschvegetation und einer Vertiefung der saisonalen Auftauschicht. In Anbetracht der Bedeutung von Änderungen in Permafrostregionen für Umwelt, Infrastruktur und Klimasystem besteht ein dringender Bedarf, Parameter dieses Raumes großflächig zu bestimmen und kontinuierlich zu überwachen. Durch die Weite und spärlichen Besiedelung der Arktis sind diese Umweltdaten jedoch nur unzureichend verfügbar und ihre Erhebung ist kostenintensiv. In diesem Kontext können fernerkundliche Daten einen wichtigen Beitrag leisten; Flugzeug- und Satellitengestützte Systeme ermöglichen eine effiziente und flächendeckende Aufnahme von Oberflächeneigenschaften. Ziel des Projekts ist die Identifizierung und Quantifizierung von Zusammenhängen zwischen Eigenschaften der Erdoberfläche, welche durch Fernerkundung abgeleitet werden können, und Eigenschaften des Untergrunds, die den Zustand von Permafrostgebieten charakterisieren. Basierend auf diesen Ergebnissen ist ein weiteres Ziel die Erstellung von konzeptionellen Modellen, welche die Verschränkung und Verbindung von Umwelt-Parameter zeigen. Die Arbeiten werden in einem skalenübergreifenden Multi-Sensor-Ansatz durchgeführt. Der Fokus wird dabei auf die Identifizierung der Kopplungen zwischen Oberfläche und Untergrund, sowie auf den Einfluss des Betrachtungsmaßstabs gelegt. Als fernerkundliche Daten stehen zur Verfügung: (1) grob aufgelöste optische und thermische Satellitendaten, (2) mittel-aufgelöste Radar- und Multi-Spektraldaten und (3) hoch-aufgelöste Thermal-, Hyperspektral- und Laserscanner-Daten von regionalen Befliegungen. Die Charakterisierung des Untergrunds erfolgt mittels (1) geomorphologischer Kartierung, (2) Zeitreihen-Analyse der Temperatur und Bodenfeuchte aus abgeteuften Sensoren, (3) Ground Penetrating Radar (GPR) und (4) elektrischen Widerstandsmessungen. Fernerkundliche Daten der Erdoberfläche und geophysikalische Daten zum Untergrund werden mit multivariaten statistischen Methoden analysiert - mit dem Ziel Zusammenhängen zwischen Oberflächen- und Untergrund-Parametern des periglazialen Systems zu identifizieren und zu quantifizieren. Als Untersuchungsgebiete wurden die Mackenzie Delta Region und das Peel Plateau identifiziert. Beide Regionen liegen in Nord Kanada und zeigen innerhalb geringer Distanzen verschiedenartige, durch Permafrost geprägte Ökosysteme. Zudem stehen durch Vorstudien Daten zur Verfügung; zum einen Referenzdaten von Feld-Kampagnen und zum anderen Satellitenbilder verschiedener Sensoren. Darüber hinaus wird vom Alfred Wegener Institut eine Befliegung dieser Gebiete geplant und finanziert. Das Flugzeug wird mit einer vielfältigen Instrumentenauswahl bestückt; u. a. ein flugzeuggetragenes GPR, ein Laserscanner und eine hyperspektral Kamera.

Großräumige Analyse von Verbuschungsflächen mit NOAA-AVHRR-Daten in Namibia

Seit 1979 erfassen Satelliten der NOAA-Serie die Erde und liefern damit eine der längsten kontinuierlichen Bild-Datenreihen von Satelliten überhaupt. Durch ihre großflächige Abdeckung, ihre hohe zeitliche Auflösung und ihren kostengünstigen Empfang eignen sich diese Daten hervorragend zum Monitoring. Bislang werden diese langen Zeitreihen noch kaum herangezogen, um langfristige Veränderungen von Oberflächenphänomenen zu beschreiben, denn der Großteil der Fernerkundungsarbeiten beschäftigt sich mit neueren Sensoren und deren Anwendungen. Gerade vor dem Hintergrund der Landdegradierung durch unangepaßte Landnutzung in den Trockenräumen der Erde sollten die vorhandenen archivierten Datenreihen zur Langzeitanalyse aber genutzt werden und die Ergebnisse in Konzepte des Landmanagements einfließen. In Namibia vollzieht sich in den Nationalparks und dem Weideland die Landdegradierung durch eine massive Verbuschung, v.a. mit Acacia mellifera. Die Verbuschungsdynamik der letzten 20 Jahre soll in Etosha mit NOA-AVHRR-Daten erfasst werden. Die Ergebnisse aus dem Etosha-Nationalpark können dann zum Monitoring der Verbuschung in Namibia von örtlichen Institutionen eingesetzt werden. So ist die Inwertsetzung der Daten gewährleistet und durch die Weiterentwicklung der NOAA-Serie durch das MODIS-System auch für die Zukunft gewährleistet.

Natural Forest Management in Caracarai, Roraima, Brazil

Objectives: Sustainable management of tropical moist forests through private forest owners will become increasingly important. Media report that in Brazil, particularly in Amazonia, approx. 80 percent of the timber harvested is from illegal sources. Private management of forests according to internationally acknowledged standards offers an opportunity to significantly lower the portion of illegally cut timber. Moreover, it contributes significantly to the conservation of the Amazon forest. Private forest owners show a clear long-term commitment towards the implementation of management standards according that is ecologically compatible, socially acceptable and economically viable. The project area, a pristine forest in legal Amazonia in the transition zone between moist tropical forests and savannas (cerrado), is extremely diverse in floristic and faunistic terms. The institute cooperates with the private forest owner. Main tasks are to document the faunistic and floristic diversity, to calculate the Annual Allowable Cut and to elaborate concepts for site-specific silviculture. Results: To date (Oct. 2006) the following activities were started: - a comprehensive inventory system for planning at the FMU-level has been successfully introduced; - the inventory system for the annual coupe area has been designed and data for the first coupe are being processed; - the annual allowable cut is currently calculated based on the results of the above described inventories; - two fauna surveys are completed; one focusing on large mammals and one on the avi-fauna. A long-term monitoring concept to assess the influence of forest management on the faunistic diversity is currently under development; - forest zoning is completed applying terrestrial surveys and interpreting high-resolution satellite images; - a study on the use of Bethollethia excelsa-fruits (Brazil nuts) is currently implemented; - a study on timber properties of lesser known species is currently implemented.

Fernerkundung - Luftbilder Hamburg

In der <b> Fernerkundung - Luftbilder</b> werden aus großer Höhe Bilder von der Erdoberfläche aufgenommen, die anschließend aufbereitet und als hochwertige Geodaten bereitgestellt werden. <br> Diese Aufnahmen unterstützen bei der Dokumentation von Veränderungen, der städtischen Planung und der Überwachung von Umweltentwicklungen. Sie können sowohl als Datengrundlage für KI-Trainingsdaten als auch zur direkten Betrachtung der urbanen Landschaft genutzt werden. <br><br>Unser Ziel ist es, diese bedeutsamen Daten nicht nur Fachleuten, sondern auch der Öffentlichkeit zugänglich zu machen – leicht verständlich und nutzerfreundlich. <br><br><i>"Wie hat sich Hamburg entwickelt?" -- "Wie sah das Grundstück früher aus?" -- "Wo blüht es im Sommer?"</i> <br> <b>&#8594; Ein Blick in die Daten lohnt sich.</b><br><br> <u><i>Hinweis:</i></u> So vielfältig die Anwendungsbereiche sind, so vielfältig sind auch unsere Datensätze. Je nach Aufnahmesystem – ob <b>Drohne</b>, <b>Flugzeug</b> oder <b>Satellit</b> variieren die Bilder in ihrer Qualität und Detailtiefe. Diese Unterschiede zeigen sich etwa in der Bildauflösung (GSD), den Farbdarstellungen (spektrale Auflösung) und/oder der Aktualität der Daten (zeitliche Auflösung). Nähere Informationen sind aus den Metadaten der Datensätze zu entnehmen.<br>

4.13.1 Hochwasser 2002 (W=9,40 m) - Tatsächlich überschwemmte Flächen - TSP

tatsächlich überschwemmte Flächen bei den Hochwasserereignissen am 12./13.08.2002 (Gewässer 1. und 2. Ordnung) sowie am 17.08.2002 (Elbe) Inhalt: Die Darstellungen wurden aus Befliegungen der Bundeswehr zum Pegelhöchststand der Elbe (17.08.2002) und Satellitenaufnahmen (18.08.2002) sowie zahlreichen Dokumentationen von Mitarbeitern der Stadtverwaltung und Bürgern unter Nutzung des städtischen Digitalen Geländemodells (DGM) generiert. Die tatsächliche Ausdehnung wurde letztmalig im Juli 2003 im Ergebnis einer per Internet durchgeführten Bürgerbefragung verifiziert. Quelle: Sächsisches Landesamt für Umwelt und Geologie: Vorläufiger Kurzbericht über die meteorologisch-hydrologische Situation beim Hochwasser im August 2002. Dresden, Dezember 2002 Die Karte verdeutlicht die Hochwassergefährdung einzelner Stadtgebiete und ermöglicht es, Maßnahmen der Hochwasservorsorge und -abwehr sowie der gemäß § 99 Absatz 3 Sächsisches Wassergesetz gebotenen Eigenvorsorge vorzubereiten. Dieser Datensatz kann gemäß den Nutzungsbestimmungen Datenlizenz Deutschland - Namensnennung - Version 2.0 (http://www.govdata.de/dl-de/by-2-0) genutzt werden. Eine Haftung für die Richtigkeit der Daten wird nicht übernommen, insbesondere übernimmt die Landeshauptstadt Dresden keine Haftung für mittels dieser Daten erhobene oder berechnete Ergebnisse Dritter.

Oberflächentemperaturen 1991 (Umweltatlas)

Oberflächentemperaturen am Abend des 14.09.1991 und Morgen des 15.09.1991 sowie die Temperaturdifferenzen Abend-Morgen, langwelliger Wellenlängenbereich zwischen 10,4 bis 12,5 µm, Bearbeitungsstand November 1992.

Oberflächentemperaturen 2000 (Umweltatlas)

Oberflächentemperaturen am Abend des 13.08.2000 und Morgen des 14.08.2000 sowie die Temperaturdifferenzen Abend-Morgen, langwelliger Wellenlängenbereich zwischen 10,4 bis 12,5 µm, Bearbeitungsstand März 2001.

Baumartenklassifikation NRW

Klassifikation von Baumartengruppen auf Bestandesebene, basierend auf Sentinel2 - Satellitenaufnahmen Die Klassifikation in die 9 in NRW am häufigsten bzw. bestandesbildend auftretenden Baumartengruppen berücksichtigt folgende Klassen: Eichen (Ei), Buchen (Bu), Buntlaubhölzer (hALH), Weichlaubhölzer (wALN), Pappeln, Kiefern, Lärchen, Fichten und Douglasien (siehe Legende). Die Klassifikation erfolgte durch ein Verfahren künstlicher Intelligenz (rekurrentes neuronales Netzwerk), das anhand von Forsteinrichtungsdaten aus den Waldflächen des landeseigenen Forstbetriebes in NRW trainiert wurde. Das Verfahren wurde im Auftrag des Ministeriums für Landwirtschaft und Verbraucherschutz des Landes NRW (MLV NRW) entwickelt. Zur Erkennung der Baumarten anhand ihrer Phänologie und zur Gewährleistung möglichst wolkenfreier Verhältnisse wurden Zeitreihen von Satellitenaufnahmen aus den Vegetationsperioden zweier Jahre zwischen dem 03.03.2022 und dem 11.07.2023 ausgewertet. Es wurden dafür insgesamt 516 einzelne Szenen ausgewählt und landesweit zu einem wolkenfreien multitemporalen Mosaik zusammengesetzt (https://www.d-copernicus.de/daten/satelliten/satelliten-details/news/sentinel-2/ ). Bedingt durch die räumliche Auflösung der Sentinel2 - Satellitenaufnahmen von ca. 10 m eignet sich diese Kartenebene für eine Betrachtung auf einer Maßstabsebene von bis zu ca. 1:10.000, nicht größer! Die Darstellung berücksichtigt ausschließlich Baumarten in der Hauptschicht und ist nicht vergleichbar mit einer Forsteinrichtungs- oder Forstbetriebskarte. Mischungen von Baumarten sind durch wechselnde Farben auch innerhalb eines Bestandes gekennzeichnet. Die Angaben zu den Blößen basieren insbesondere auf der Aggregierten Kalamitätskarte im Nadelwald (Stand: Sep 2023). Validierung Die Nutzergenauigkeit ist das entscheidende Merkmal für die Zuverlässigkeit der Karteninformation in der fernerkundungsbasierten Baumartenkarte. Die Nutzergenauigkeit beschreibt eine repräsentative Schätzung für die Wahrscheinlichkeit, dass die in der Baumartenkarte dargestellte Karteninformation (Baumartengruppe) an einem Ort mit der Hauptschicht eines dortigen Bestandes übereinstimmt. Die Nutzergenauigkeit ist für jede ausgewiesene thematische Klasse (Baumartengruppe) unterschiedlich und bestimmt sich aus dem Anteil der oben beschriebenen Referenzdaten aus der Forsteinrichtung mit der entsprechenden Baumartengruppe in der Hauptschicht, im Verhältnis zu allen Referenzpunkten in der Validierungsstichprobe, die durch das neuronale Netz in die entsprechende Baumartengruppe klassifiziert wurden. Die Genauigkeiten unterscheiden sich also zwischen den einzelnen Baumarten in Abhängigkeit von der Häufigkeit, mit der die Baumarten in der Forsteinrichtung vertreten sind. Häufig auftretende Baumarten sind für eine künstliche Intelligenz leichter, seltener auftretende Baumarten (z.B. Pappeln, Douglasien) vergleichsweise schwerer zu erkennen. Die Herstellergenauigkeit dient zur Beurteilung der Klassifikationsgüte ausgehend vom Anteil der Referenzdaten in der Validierungsstichprobe mit der entsprechenden Baumartengruppe, die durch das neuronale Netz korrekt dieser Baumartengruppe zugeordnet wurden. Das F-Maß als allgemeines klassenspezifisches Gütemaß wird durch das harmonische Mittel (Durchschnitt) aus Nutzer- und Herstellergenauigkeit gebildet. Die Gesamtgenauigkeit gibt unabhängig von der Klassenzugehörigkeit den Anteil der Referenzpunkte in der Validierungsstichprobe an, der durch das neuronale Netz korrekt klassifiziert wurde. Ein gängiges und weithin anerkanntes Gütemaß ist Cohen’s κ-Koeffizient, der die Übereinstimmung zwischen den Klassenangaben in den Referenzdaten und den Klassifikationen des neuronalen Netzes auf Basis der Validierungsstichprobe beschreibt. In der praktischen Anwendung liegt der Wertebereich des Koeffizienten zwischen 0 und 1, wobei ein Wert von 1 eine völlige Übereinstimmung der Ergebnisse bedeutet, ein Wert von 0 hingegen eine rein zufällige Übereinstimmung ohne erkennbaren Mehrwert einer Entscheidung des neuronalen Netzes. Nutzergenauigkeit (%) Eiche Buche hALH wALN Pappel Kiefer Lärche Fichte Douglasie 93,8 94,7 91,2 89,2 88,8 97,7 95,9 97,1 88,4 Herstellergenauigkeit (%) 91,0 96,0 91,4 92,7 79,0 97,5 90,7 98,0 76,4 F-Maß (%) 92,3 95,4 91,3 90,9 83,6 97,6 93,2 97,6 82,0 Gesamtgenauigkeit: 95,0 % Cohen’s κ-Koeffizient: 0,938 Tabelle 1: Genauigkeitsangaben aus der statistisch unabhängigen Validierung. Die angegebenen Genauigkeiten wurden aus einer statistisch unabhängigen Validierung anhand der Forsteinrichtungsdaten aus den Staatswäldern bestimmt. Dazu wurde das Klassifikationsergebnis in über 15.000 landesweit zufällig ausgewählten Waldbeständen mit der dort ausgewiesenen einheitlichen Baumart in der Hauptschicht verglichen. Dieser Prozess wurde dreimal an jeweils unterschiedlichen Bildelementen wiederholt. Die angegebenen Prozentwerte geben die relative Häufigkeit (statistische Wahrscheinlichkeit) an, mit der das Klassifikationsergebnis und die in der Hauptschicht ausgewiesene Baumart übereinstimmen. Als Voraussetzung für eine unabhängige Validierung gibt es keine Überschneidung zwischen Trainings- und Validierungsdaten (statistische Unabhängigkeit).

Landbedeckungskarte 2005 von Niedersachsen 1 : 25 000

Die Karte zeigt eine Auswertung von Satellitenbildern aus dem Jahr 2005 der CORINE-Landbedeckungseinheiten (Ebene 1 für alle Klassen und Ebene 2 für bebaute Flächen). Auswertung von Satellitenbildern aus dem Jahr 2005 hinsichtlich der CORINE-Landbedeckungseinheiten (Ebene 1 für alle Klassen und Ebene 2 für bebaute Flächen): - 11000 Städtisch geprägte Flächen - 12000 Industrie-, Gewerbe- und Verkehrsflächen - 13000 Abbauflächen, Deponien und Baustellen - 14000 Künstl. angelegte, nicht landwirtschaftl. genutzte Grünflächen - 20000 Landwirtschaftliche Flächen - 30000 Wälder und naturnahe Flächen - 40000 Feuchtflächen - 50000 Wasserflächen Die Validierung der Daten erfolgte mittels hochauflösender Orthofotos (punktbasierte Stichprobe: für jeden Punkt einer Stichprobe wird das Kartierungsergebnis mit der realen Landnutzung aus dem Orthofoto verglichen). Die Pixelauflösung beträgt 10 m. In der Klasse „Industrie-, Gewerbe- und Verkehrsflächen“ werden Straßen erst ab einer Breite von 40 m kartiert. Die Positionsgenauigkeit der Satellitendaten liegen entsprechend der Produktspezifikationen bei +/-1 Pixel (d.h. +/-10 m). Die Datengenauigkeit wird mit ca. 90% angegeben. Auswertung: GeoVille Group, Innsbruck; Infoterra GmbH, Friedrichshafen (erstellt im Rahmen des Projektes ESA GSE Stage 2 GSE Land, gefördert durch die Europäische Raumfahrtagentur ESA)

1 2 3 4 5 … 82 83 84