API src

Found 841 results.

Related terms

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.

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.

Wie grün sind bundesdeutsche Städte? - Fernerkundliche Erfassung und stadträumlich-funktionale Differenzierung der Grünausstattung von Städten in Deutschland (Erfassung der urbanen Grünausstattung)

Mit dem Weißbuch Stadtgrün 2017 hat sich der Bund den Arbeitsauftrag gegeben, urbanes Grün durch eine integrierte und nachhaltige Stadtentwicklungspolitik zu stärken. Valide, zeitreihenfähige und qualifizierte Informationen zur Grünausstattung und zum Grünvolumen fehlen aber bundesweit. Das Projekt zielt darauf ab, die Grünausstattung flächendeckend für alle deutschen Städte mittels Fernerkundung zu erfassen und ein Konzept für ein dauerhaftes Grünmonitoring zu definieren und umzusetzen. Ausgangslage: Zum urbanen Grün zählen grüne Freiräume innerhalb der Städte wie Parkanlagen, Friedhöfe, Kleingärten, Brachflächen, Spielbereiche und Spielplätze, Sportflächen, Straßenbegleitgrün und Straßenbäume. Hinzu kommen Grünflächen an öffentlichen Gebäuden, Naturschutzflächen, Wald und weitere Freiräume, die zur Gliederung und Gestaltung der Städte entwickelt, erhalten und gepflegt werden müssen. Auch private Gärten und landwirtschaftliche Nutzflächen sind ein wesentlicher Teil des städtischen Grünsystems. Bund, Länder und Kommunen benötigen fundierte Informationen, um sachlich-räumliche Defizite und kritische Entwicklungen beobachten und Handlungsbedarfe empirisch untermauern zu können. Grünflächen machen Städte für deren Bewohner attraktiv und steigern die allgemeine Umwelt- und Lebensqualität. Bei Fragen der sozialen Gerechtigkeit in der Stadt wird der Freiraumqualität im Wohnumfeld eine erhebliche Bedeutung beigemessen. Denn gerade Bewohnern sozial benachteiligter Quartiere stehen häufig weniger wohnungsnahe Grünflächen und damit weniger Erholungsmöglichkeiten im direkten Wohnumfeld zur Verfügung. Während einige Städte seit Jahren ein Monitoring ihres Stadtgrüns betreiben und wiederkehrende Erhebungen des städtischen Grünvolumens und Biotopkartierungen durchführen, fehlen auf der bundesweiten Ebene zuverlässige und flächendeckende Informationen zu diesem Thema. Mit diesem Projekt sollen grundlegende Fragen zur Ausstattung deutscher Städte mit urbanem Grün beantwortet werden. Bisher sind gesamtstaatliche Aussagen dazu nur auf der Grundlage von geotopographischen Daten zu treffen. Satellitendaten (Sentinel-2) aus dem europäischen Erdbeobachtungsprogramm Copernicus bieten sich hier als vielversprechende alternative Informationsquelle an. Neben bundesweiten Auswertungen auf Basis der Satellitenbilder wird in diesem Projekt untersucht, welche weiteren Datenquellen zur Informationsgewinnung zum urbanen Grün zur Verfügung stehen und wie stabile Zeitreihen (unterschiedliche Phänologie zum Aufnahmezeitpunkt usw.) aufgebaut werden können. Dazu werden Testgebiete in sieben Fallstudienstädten definiert. Die Betrachtung erfolgt dabei auf unterschiedlichen Maßstabsebenen (Städte, Stadtteile, Quartiere etc.).

Grün- und Freiraumstrukturen in Stadt und Umland

Dieser Datensatz zeigt die Verteilung der unterschiedlichen Grün- und Freiraumtypen in Hamburg und seinem Umland – von urbanen Grünräumen bis hin zu den vielen naturräumlichen und landwirtschaftlichen Nutzungen im Umland. Die Karte macht sichtbar, welche naturräumlichen und freiraumbezogenen Nutzungen sich hinter den Strukturen des Satellitenbilds verbergen. Im Umland wurden für die Darstellung der größeren Grün- und Freiraumstrukturen die Daten des Liegenschaftskatasters ALKIS verwendet, im Hamburger Bereich hingegen die Daten des Landschaftsprogramms, die zusätzlich noch Sportflächen, Kleingärten und kleinere Grünstrukturen umfassen, weshalb die Darstellung hier etwas detaillierter ist. Ursprüngliche Darstellungsform im Atlas:
 Der Datensatz wurde im Stadt-Umland-Atlas als Flächenkarte dargestellt. Die Legende umfasst: Parks, Friedhöfe, Gehölze und Wälder Moore, Heide und sonstiges Grünland Weideland Ackerbau und Mischkulturen vorwiegend Obstanbau Sonstige Signaturen Zusätzlich wurden in der Karte Gewässer und Siedlungsflächen visualisiert. Datenformat:
 Der Datensatz besteht aus mehreren Vektor-Polygon-Layern, die die Grün- und Freiraumflächen darstellen. Die Einzellayer sind: CORINE Land Cover Parks, Friedhöfe, Gehölze und Wälder (Niedersachsen) Parks, Friedhöfe, Gehölze und Wälder (Schleswig-Holstein) Parks, Friedhöfe, Gehölze und Wälder (urbanista) Parks, Friedhöfe, Gehölze und Wälder (Hamburg, Landschaftsprogramm)

Satellitenbilder Sentinel-2 Hamburg

**Hinweis** Dieser Datensatz wird bis zur Fertigstellung der neuen Version (2026) nicht mehr aktualisiert. Die Europäische Weltraumorganisation (ESA) stellt innerhalb des Copernicus-Programms kostenfrei Satellitendaten der Missionen Sentinel (dt. Wächter) zur Verfügung. Der LGV bereitet die Daten zur einfacheren Nutzung quartalsweise auf. Originär können die Satellitendaten über die nationale Plattform CODE-DE (Copernicus Data and Exploitation Platform – Deutschland) bezogen werden. Datengrundlage: - Sentinel-2 L2A: Multispektrale, atmosphärisch korrigierte Daten - Georeferenziertes Mosaik - Kachel-Anzahl: 25 - Kachel-Größe: 8 km x 8 km - Kachel-Auswahl: Aktualität und Grad der Wolkenbedeckung - Farbdarstellung: RGB, CIR, NDVI - Bodenauflösung: 10m - Farbtiefe: 8 bit RGB (Red Green Blue): Die Bandkombination aus Rot (B4), Grün (B3) und Blau (B2) bildet die menschliche Farbwahrnehmung nach. Gesunde Vegetation wird grün, urbane Flächen werden weiß / grau und Wasserflächen werden, abhängig der Trübung, blau dargestellt. CIR (Color Infrared): Die Bandkombination aus nahem Infrarot (B8), Rot (B4) und Grün (B3) hebt die Vegetation hervor. Diese reflektiert aufgrund des Chlorophyllgehalts der Pflanzen im nahen Infrarotbereich besonders stark und wird rötlich dargestellt. Urbane Flächen erscheinen cyan-blau / grau und Wasserflächen dunkelblau. NDVI (Normalized Difference Vegetation Index): Der NDVI ist ein häufig angewendeter Index, welcher zur Einschätzung der Vegetation herangezogen wird. Er berechnet sich aus den Bändern Nahes Infrarot (B8) und Rot (B4): NDVI = (NIR-Rot)/(NIR+Rot) <b>Hinweis</b> "Keine Daten verfügbar": Wenn innerhalb eines Quartals ausschließlich Daten mit hoher Wolkenbedeckung vorliegen, wird kein Mosaik erzeugt. Dies ist insbesondere in Wintermonaten möglich. [© Contains modified Copernicus Sentinel data [2018-2024], processed on CODE-DE]

Topographie des Dänischen und Schleswig-Holsteinischen Wattenmeeres 2025 (UTM)

Übersichtskarte Schleswig-Holsteinisches und dänisches Wattenmeer, Polygonshape. Der Wattenmeerbereich beruht vorwiegend auf Tiefeninformationen in Seekarten des BSH. Der Vorlandbereich wird auf Basis der Kartierung der Salzmarschen durch die NP-Verwaltung SH abgeleitet. Die Landbereiche beruhen auf der Interpretation und von Satellitenbildern und Karten und deren Generalisierung.

Nachtaufnahme Hamburg

Bei dieser Nachtaufnahme handelt es sich um ein Mosaik, welches aus zwei unterschiedlichen Datensätzen besteht. Datensatz 1 [Zentrum und Randgebiete] - Satellitenaufnahmen: Jilin-1 - Spektrale Auflösung: RGB - Aufnahmezeitraum: 12/21 – 01/22 - Quelle: Chang Guang Satellite Technology CO., LTD (CGSTL)/Veritas Imagery Services Ltd Datensatz 2 [vereinzelte Randgebiete] - Astronautenphotographie: NASA - Spektrale Auflösung: RGB - Aufnahmezeitraum: 03/22 - Quelle: Earth Science and Remote Sensing Unit, NASA Johnson Space Center; https://eol.jsc.nasa.gov/ Hinweise: Die Datensätze unterscheiden sich hinsichtlich ihrer geometrischen Auflösung. Die Datensätze sind spektral nicht zueinander kalibriert. Verwendung nur zu Visualisierungszwecken.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Marburg, Germany from 1986 – 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.

CoForChange: Diagnose- und Entscheidunginstrumente zur Abmilderung der Folgen des Klimawandels auf die Biodiversität der Wälder des Kongobeckens

Wie, warum und wo überleben Baumarten zunehmenden Stress? Das Projekt wird in in Zusammenarbeit mit einem Konsortium europäischer Institutionen durchgeführt.

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.

1 2 3 4 5 … 83 84 85