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)
Diese Daten werden durch Kombination von Satelliten- und Bodenbeobachtungen der Globalstrahlung und der Sonnenscheindauer erzeugt. Die zugehörigen Verfahren wurden im Rahmen des Projekts DUETT entwickelt und werden fortlaufend angepasst und verbessert. Es werden Rasterdaten der Globalstrahlung und der Sonnenscheindauer in der Projektion EPSG:3034 für Deutschland mit einer räumlichen Auflösung von 2 km und einer zeitlichen Auflösung von 1 Stunde (Mittelwerte bzw. Summen für synoptische Stunden, jeweils endend zur Minute 50) erstellt. Der Datensatz ist aufgeteilt in einen stündlich aktualisierten Teil im Verzeichnis ./{parameter}/recent/ und ein Archiv älterer Daten im Verzeichnis ./{parameter}/historical/.
Der Datensatz zeigt detaillierte Luftbilder (Digitale Orthophotos - DOP), die während der unbelaubten Jahreszeit in Hamburg aufgenommen worden sind. Mit einer Auflösung von <b> 0,20m - 0,30m </b> eine beeindruckende Detailgenauigkeit. Woher kommen die Daten? Die hier enthaltenen Daten wurden mit Multispektral-Sensoriken (RGBI) sowohl via <b>Flugzeug</b>, als auch <b>Satellit</b> aufgenommen. Entsprechend variieren einzelne Parameter - für nähere Infos stehen im Downloadbereich Informationen bereit. Die Zusammenführung der Daten in einer Zeitreihe ermöglicht es, Entwicklungen im urbanen Landschaftsbild zu identifizieren und über einen Zeitraum hinweg zu beobachten: -Wie viele Gebäude gibt es? (#Detektion) -Wo entstehen versiegelte Flächen? (#Change Detection) -Wie steht es um die Vegetation? (#Monitoring) Wie das funktioniert? DOP bieten die vorteilhafte Eigenschaft, dass sie wie eine Karte verwendet werden können. Strukturen werden lagerichtig, an Ort und Stelle, dargestellt. Bei Einbindung in Geoinformationssysteme können geometrische Informationen (Maße) und auch spektrale Informationen (RGBI-Werte) abgegriffen und für Analysen verwendet werden. Digitale Orthophotos zählen damit zu den unverzichtbaren Werkzeugen der Erdbeobachtung. Die Daten sind ideal für Anwendungen in der Stadt- und Verkehrsplanung, Umweltbeobachtung und auch als Trainingsdaten für KI geeignet. ----- *Aktueller Hinweis* Stand: 27.10.2026 Für den Jahrgang 2026 wurden einzelne, kleine Gebiete nachkorrigiert. Betroffene Daten wurden in den Downloadverzeichnissen ersetzt. Bitte beachten: Downloads vor 27.10.26 beinhalten noch die alten Daten. Betroffen: DOP 2026, Hamburg Bergedorf DOP 2026, Hamburg Hamburg-Mitte DOP 2026, Hamburg Harburg -----
Low-lying coral reef islands harbour a distinct, yet highly threatened biological and cultural diversity that is increasingly exposed to climate change impacts. The combination of low elevation, small size, sensitivity to changes in boundary conditions (sea level, waves and currents, locally generated sediment supply) and at some locations high population densities, is why low-lying reef islands (LRIs) are considered among the most vulnerable environments on Earth to climate change. To date, their global distribution and influence of climatic, oceanographic, and geologic setting are only poorly documented or restricted to smaller scales. Here, I present the first detailed global analysis of LRIs utilising freely available global datasets to produce a global reef island database (GRID) and associated intrinsic and extrinsic characteristics that can be used within a coastal vulnerability index (CVI). All datasets used to create the GRID were released between 30 November 2015 and 3 August 2023, while the current version (version 1.1) of the GRID database was completed in August 2026. When developing the GRID, LRIs are defined as landmasses <30 km² located on or within 3 km of coral reef and with an elevation of <16 m. Development of the GRID required: 1) the creation of a global shoreline vector file containing the geographic distribution of LRIs and 2) the development of a comprehensive global database of LRIs including eight intrinsic and ten extrinsic variables extracted from global datasets. Intrinsic variables include: 1) human populations, 2) island area, 3) island perimeter, 4) mean elevation, 5) island circularity/shape, 6) underlying reef type, 7) geographic isolation and 8) distance to the nearest neighbouring reef island. Extrinsic variables include: 1) mean water depth, 2) standard deviation of mean water depth, 3) mean annual significant wave height, 4) mean annual wave period, 5) mean spring tidal range, 6) relative tidal range, 7) wave-tide regime, 8) relative wave exposure, 9) relative tropical storm exposure and 10) year-2100 projected median sea level rise rate. The GRID was initially derived from version 2.1 of the UNEP-WCMC Global Island Database, a global shoreline vector file based on geometry data from Open Street Map® (OSM) and released in November 2015. The initial vector file was projected using the Mollweide projection, an equal-area pseudo cylindrical map projection chosen for its accurate derivation of area, especially in regions close to the equator, where most LRIs are located. The final GRID contains 33,292 individual LRIs distributed throughout tropical regions of the world's oceans, amassing a total land area of nearly 11,000 km² with approximately 60,500 km of shoreline and housing around 2.6 million people. While intrinsic variables are typically spatially homogenous, LRIs are generally highly spatially clustered throughout the GRID with respect to extrinsic variables. The spatial distribution of LRIs within the GRID was validated using: 1) published data and 2) quantitative accuracy assessments using satellite imagery. Spatial distributions of LRIs captured in the GRID are extremely consistent with those published in the literature (r² = 0.96) and those derived from independent analysis of satellite imagery (r² = 0.94). Finally, the GRID was used to develop an island vulnerability index (IVI) for each LRI on a scale of 0-1 with 0 representing no vulnerability and 1 representing maximum vulnerability. The GRID database is provided as a tab-delimited text file as well as ESRI shapefiles (points and polygons in WGS84 and Mollweide projection) and a comma-separated value file.
Low-lying coral reef islands harbour a distinct, yet highly threatened biological and cultural diversity that is increasingly exposed to climate change impacts. The combination of low elevation, small size, sensitivity to changes in boundary conditions (sea level, waves and currents, locally generated sediment supply) and at some locations high population densities, is why low-lying reef islands (LRIs) are considered among the most vulnerable environments on Earth to climate change. To date, their global distribution and influence of climatic, oceanographic, and geologic setting are only poorly documented or restricted to smaller scales. Here, I present the first detailed global analysis of LRIs utilising freely available global datasets to produce a global reef island database (GRID) and associated intrinsic and extrinsic characteristics that can be used within a coastal vulnerability index (CVI). All datasets used to create the GRID were released between 30 November 2015 and 3 August 2023, while the current version of the GRID database was completed in November 2024. When developing the GRID, LRIs are defined as landmasses <30 km² located on or within 1 km of coral reef and with an elevation of <16 m. Development of the GRID required: 1) the creation of a global shoreline vector file containing the geographic distribution of LRIs and 2) the development of a comprehensive global database of LRIs including eight intrinsic and ten extrinsic variables extracted from global datasets. Intrinsic variables include: 1) human populations, 2) island area, 3) island perimeter, 4) mean elevation, 5) island circularity/shape, 6) underlying reef type, 7) geographic isolation and 8) distance to the nearest neighbouring reef island. Extrinsic variables include: 1) mean water depth, 2) standard deviation of mean water depth, 3) mean annual significant wave height, 4) mean annual wave period, 5) mean spring tidal range, 6) relative tidal range, 7) wave-tide regime, 8) relative wave exposure, 9) relative tropical storm exposure and 10) year-2100 projected median sea level rise rate. The GRID was initially derived from version 2.1 of the UNEP-WCMC Global Island Database, a global shoreline vector file based on geometry data from Open Street Map® (OSM) and released in November 2015. The initial vector file was projected using the Mollweide projection, an equal-area pseudo cylindrical map projection chosen for its accurate derivation of area, especially in regions close to the equator, where most LRIs are located. The final GRID contains 34,404 individual LRIs distributed throughout tropical regions of the world's oceans, amassing a total land area of nearly 11,000 km² with approximately 60,740 km of shoreline and housing around 2.6 million people. While intrinsic variables are typically spatially homogenous, LRIs are generally highly spatially clustered throughout the GRID with respect to extrinsic variables. The spatial distribution of LRIs within the GRID was validated using: 1) published data and 2) quantitative accuracy assessments using satellite imagery. Spatial distributions of LRIs captured in the GRID are extremely consistent with those published in the literature (r² = 0.96) and those derived from independent analysis of satellite imagery (r² = 0.94). Finally, the GRID was used to develop an island vulnerability index (IVI) for each LRI on a scale of 0-1 with 0 representing no vulnerability and 1 representing maximum vulnerability. The GRID database is provided as a tab-delimited text file as well as ESRI shapefiles (points and polygons in WGS84 and Mollweide projection) and a comma-separated value file.
Diese Daten werden durch Kombination von Satelliten- und Bodenbeobachtungen der Globalstrahlung und der Sonnenscheindauer erzeugt. Die zugehörigen Verfahren wurden im Rahmen des Projekts DUETT entwickelt und werden fortlaufend angepasst und verbessert. Es werden Rasterdaten der Globalstrahlung und der Sonnenscheindauer in der Projektion EPSG:3035 für Deutschland mit einer räumlichen Auflösung von 1 km und einer zeitlichen Auflösung von 1 Stunde (Mittelwerte bzw. Summen für synoptische Stunden, jeweils endend zur Minute 50) erstellt. Der Datensatz ist aufgeteilt in einen stündlich aktualisierten Teil im Verzeichnis ./{parameter}/recent/ und ein Archiv älterer Daten im Verzeichnis ./{parameter}/historical/.
<p> <p>Wälder, Böden und ihre Vegetation speichern Kohlenstoff. Bei intensiver Nutzung wird Kohlendioxid freigesetzt. Maßnahmen, die die Freisetzung verhindern sollen, richten sich vor allem auf eine nachhaltige Bewirtschaftung der Wälder, den Erhalt von Dauergrünland, bodenschonende Bearbeitungsmethoden im Ackerbau, eine Reduzierung der Entwässerung und Wiedervernässung von Moorböden.</p> </p><p>Wälder, Böden und ihre Vegetation speichern Kohlenstoff. Bei intensiver Nutzung wird Kohlendioxid freigesetzt. Maßnahmen, die die Freisetzung verhindern sollen, richten sich vor allem auf eine nachhaltige Bewirtschaftung der Wälder, den Erhalt von Dauergrünland, bodenschonende Bearbeitungsmethoden im Ackerbau, eine Reduzierung der Entwässerung und Wiedervernässung von Moorböden.</p><p> Bedeutung von Landnutzung und Forstwirtschaft <p>Der Kohlenstoffzyklus stellt im <a href="https://www.umweltbundesamt.de/node/3202">komplexen Klimasystem</a> unserer Erde ein regulierendes Element dar. Durch die Vegetation wird Kohlendioxid (CO2) aus der Luft mittels <a href="https://www.umweltbundesamt.de/service/glossar/photosynthese">Photosynthese</a> gebunden und durch natürlichen mikrobiellen Abbau freigesetzt. Zu den größten globalen Kohlenstoffspeichern gehören Meere, Böden und Waldökosysteme. Wälder bedecken weltweit ca. 31 % der Landoberfläche (siehe <a href="https://www.fao.org/documents/card/en/c/ca8642en">FAO Report 2020</a>). Bedingt durch einen höheren Biomassezuwachs wirken insbesondere <a href="https://www.umweltbundesamt.de/service/glossar/boreale">boreale</a> Wälder in der nördlichen Hemisphäre als Kohlendioxid-Senken. Nach § 1.8 des <a href="https://www.umweltbundesamt.de/node/12827">Klimarahmenabkommens der Vereinten Nationen</a> werden Senken als Prozesse, Aktivitäten oder Mechanismen definiert, die Treibhausgase (THG), <a href="https://www.umweltbundesamt.de/service/glossar/aerosole">Aerosole</a> oder Vorläufersubstanzen von Treibhausgasen aus der <a href="https://www.umweltbundesamt.de/service/glossar/atmosphaere">Atmosphäre</a> entfernen. Im Boden wird Kohlenstoff langfristig durch sog. Humifizierungsprozesse eingebaut. Global ist etwa fünfmal mehr Kohlenstoff im Boden gespeichert als in der Vegetation (siehe <a href="https://www.ipcc.ch/report/land-use-land-use-change-and-forestry/">IPCC Special Report on Land Use, Land Use Change and Forestry</a>). Boden kann daher als wichtigster Kohlenstoffspeicher betrachtet werden. Natürliche Mineralisierungsprozesse führen im Boden zum Abbau der organischen Bodensubstanz und zur Freisetzung der Treibhausgase CO2, Methan und Lachgas. Der Aufbau und Abbau organischer Substanz stehen in einem dynamischen Gleichgewicht.</p> <p>Die voran genannten Prozesse werden in der Treibhausgasberichterstattung unter der Kategorie/Sektor „<a href="https://www.umweltbundesamt.de/service/glossar/landnutzung">Landnutzung</a>, <a href="https://www.umweltbundesamt.de/service/glossar/landnutzungsaenderung">Landnutzungsänderung</a> und Forstwirtschaft“ (kurz <a href="https://www.umweltbundesamt.de/service/glossar/lulucf">LULUCF</a>) bilanziert.</p> <a href="https://www.umweltbundesamt.de/system/files/medien/378/bilder/foto_jaana_pruess.jpg"> </a> <strong> Abgeholztes Waldstück </strong> Quelle: Jaana Prüss </p><p> Modellierung von Treibhausgas-Emissionen aus Landnutzungsänderung <p>Jährliche Veränderungen des nationalen Kohlenstoffhaushalts, die durch Änderungen der <a href="https://www.umweltbundesamt.de/service/glossar/landnutzung">Landnutzung</a> entstehen, werden über ein Gleichgewichtsmodell berechnet, welches für Deutschland auf einem Stichprobensystem mit rund 36 Millionen Stichprobenpunkten basiert. Für die Kartenerstellung der Landnutzung und -bedeckung werden zunehmend satellitengestützte Daten eingesetzt, um so die realen Gegebenheiten genauer abbilden zu können. Die nationalen Flächen werden in die Kategorien Wald, Acker- sowie Grünland, Feuchtgebiete, Siedlungen und Flächen anderer Nutzung unterteilt (siehe auch <a href="https://www.umweltbundesamt.de/node/11170">Flächennutzung in Deutschland</a>). Die Bilanzierung (Netto) erfolgt über die Summe der jeweiligen Zu- bzw. Abnahmen der Kohlenstoffpools (ober- und unterirdische <a href="https://www.umweltbundesamt.de/service/glossar/biomasse">Biomasse</a>, <a href="https://www.umweltbundesamt.de/service/glossar/totholz">Totholz</a>, Streu, organische und mineralische Böden und Holzprodukte) in den verschiedenen Landnutzungskategorien.</p> </p><p> Allgemeine Emissionsentwicklung <p>Der Verlauf der Nettoemissionen von 1990 bis 2025 zeigt, dass der <a href="https://www.umweltbundesamt.de/service/glossar/lulucf">LULUCF</a>-Sektor in den meisten Jahren als Nettoquelle für Treibhausgase fungierte. Hauptquellen sind die Emissionen aus den landwirtschaftlich genutzten Flächen der Landnutzungskategorien Acker- und Grünland. Diese beiden Kategorien weisen über die Jahre anhaltend hohe Emissionen aus entwässerten organischen Böden auf, sowie netto, zu einem geringeren Teil, aus den Mineralböden. Die Landnutzungskategorie Feuchtgebiete trägt hauptsächlich durch den industriellen Torfabbau und die Methanemissionen aus künstlichen Gewässern nicht unerheblich zur Gesamtsumme der THG-Emissionen bei. Die C-Pools des Waldes spielen eine ambivalente Rolle im Zeitverlauf. Mit ihren meist deutlich negativen Emissionen wirken die Pools tote organische Substanz (<a href="https://www.umweltbundesamt.de/service/glossar/totholz">Totholz</a> und Streu), genau wie die Holzprodukte, durch Zunahme dieser Kohlenstoffspeicher der Quellfunktion des Pools <a href="https://www.umweltbundesamt.de/service/glossar/biomasse">Biomasse</a> entgegen. Nichtsdestotrotz wird der qualitative Verlauf der LULUCF-Emissionskurve im Wesentlichen durch den Pool Biomasse, insbesondere der Landnutzungskategorie Wald, geprägt. Der Verlauf der Netto-Emissionen aus dem LULUCF-Sektor ist über die Jahre hinweg insgesamt von einer hohen Variabilität geprägt. Gegenüber dem Basisjahr haben die Netto-Emissionen aus dem LULUCF-Sektor bis 2024, insbesondere infolge natürlicher Störereignisse seit 2018, gegenüber dem Basisjahr um 59 % zugenommen (Netto THG-Emissionen in 1990: rund +36 Mio. t CO2 Äquivalente und in 2024: + 58 Mio. t CO2 Äquivalente). Im Jahr 2023 lag das Niveau der Emissionen von CO2 -Äquivalenten im Vergleich zum Jahr 1990 noch doppelt so hoch. Dem gegenüber führten im Jahr 2024 maßgeblich günstige meteorologische Bedingungen zu einem Absinken des Emissionsniveaus gegenüber dem Vorjahr. </p> <p>Im Rahmen des novellierten <a href="https://www.bmu.de/mehrklimaschutz/">Klimaschutzgesetzes (KSG)</a> wird eine Schätzung für das Vorjahr 2025 vorgelegt. Diese liefert für LULUCF nur Gesamtemissionen, deren Werte als unsicher einzustufen sind. Die Werte liegen bei 26,9 Mio. t CO2 Äquivalenten. Aus diesem Grunde werden in den folgenden Abschnitten nur die Daten der Berichterstattung 2026 für das Jahr 2024 betrachtet.</p> </p><p> Veränderung des Waldbestands <p>Die Emissionen sowie die Speicherung von Kohlenstoff bzw. CO2 für die Kategorie Wald werden auf Grundlage von <a href="https://www.bundeswaldinventur.de/">Bundeswaldinventuren</a> berechnet. Bei der Einbindung von Kohlenstoff spielt insbesondere der Wald eine entscheidende Rolle als potentielle Netto-Kohlenstoffsenke. In gesunden, sich im Aufwuchs befindlichen Waldbeständen können jährlich große Mengen an CO2 aus der <a href="https://www.umweltbundesamt.de/service/glossar/atmosphaere">Atmosphäre</a> eingebunden werden. Im Zeitraum 1991 bis 2017 waren es im Durchschnitt rund 54 Mio. t Netto-CO2-Einbindung jährlich. In den Jahren 1990 und 2007 trafen auf Deutschland Orkane (2007 war es der Sturm Kyrill), die zu erheblichem Holzbruch mit einem daraus resultierenden hohen Sturmholzaufkommen in den Folgejahren führten. Die dramatische Abnahme der Forstbiomasse im Jahr 2018 und den Folgejahren ist auf die Waldschäden infolge der großen Trockenheit in diesem und den folgenden Berichtsjahren zurückzuführen. Diese erheblichen Änderungen in der Waldbiomasse wurden während der jüngsten <a href="https://www.bundeswaldinventur.de/fileadmin/Projekte/2024/bundeswaldinventur/Downloads/BWI-2022_Broschuere_bf-neu_01.pdf">Bundeswaldinventur (2022)</a> erfasst und durch die quantifizierte Auswertung der Erhebung verifiziert (siehe dazu <a href="https://www.umweltbundesamt.de/node/112193">NID</a>). Bis in das Jahr 2017 waren in der Waldkategorie die Pools <a href="https://www.umweltbundesamt.de/service/glossar/biomasse">Biomasse</a>, mineralische Böden und <a href="https://www.umweltbundesamt.de/service/glossar/totholz">Totholz</a> ausschlaggebende Kohlenstoffsenken. Zu den Emissionsquellen im Wald zählten Streu, Drainage organischer Böden, Mineralisierung und Waldbrände. Ab 2018 wurde auch der Pool Biomasse durch die absterbenden Bäume zur deutlichen CO2-Quelle.</p> <p>In 1990 wurden rund 26,4 Mio. t CO2-Äquivalente im Wald an CO2-Emissionen gespeichert. Im Jahr 2024 wurden dagegen 2,1 Mio. t CO2-Äquivalente freigesetzt (siehe Tab. „Emissionen und Senken im Bereich <a href="https://www.umweltbundesamt.de/service/glossar/landnutzung">Landnutzung</a>, <a href="https://www.umweltbundesamt.de/service/glossar/landnutzungsaenderung">Landnutzungsänderung</a> und Forstwirtschaft“). </p> <a href="https://www.umweltbundesamt.de/system/files/image/2_Tab_Emi-Senken-LULUCF_2026-07-02.png"> </a> <strong> Tab: Emissionen und Senken im Bereich Landnutzung, Landnutzungsänderung und Forstwirtschaft </strong> Quelle: Umweltbundesamt Downloads: <ul> <li><a href="https://www.umweltbundesamt.de/system/files/medien/384/bilder/dateien/2_Tab_Emi-Senken-LULUCF_2026-07-02.pdf">Tabelle als PDF (105,23 kB)</a></li> </ul> </p><p> Treibhausgas-Emissionen aus Waldbränden <p>Bei Waldbränden werden neben CO2 auch sonstige Treibhausgase bzw. Vorläufersubstanzen (CO, CH4, N2O, NOx und <a href="https://www.umweltbundesamt.de/service/glossar/nmvoc">NMVOC</a>) freigesetzt. Aufgrund der klimatischen Lage Deutschlands und der Maßnahmen zur Vorbeugung von Waldbränden sind Waldbrände ein eher seltenes Ereignis, was durch die in der <a href="https://www.ble.de/DE/BZL/Daten-Berichte/Wald/wald.html">Waldbrandstatistik</a> erfassten Waldbrandflächen bestätigt wird. War das Jahr 2023 mit 1240 Hektar verbrannter Waldfläche ein deutlich überdurchschnittliches Jahr, verringerte sich die verbrannte Fläche im Jahr 2024 auf weniger als ein Drittel gegenüber dem Vorjahr. Mit 334 Hektar verbrannter Waldfläche liegt das Jahr 2024 unter dem langjährigen Durchschnitt von 844 Hektar (siehe mehr zu <a href="https://www.umweltbundesamt.de/node/20375">Waldbränden</a>). Durch die Brände wurden ca. 3,3 kt CO2-Äquivalente an Treibhausgasen freigesetzt.</p> </p><p> Veränderungen bei Ackerland und Grünland <p>Mit den Kategorien Ackerland und Grünland werden die Emissionen sowie die Einbindung von CO2 aus mineralischen und organischen Böden, der ober- und unterirdischen <a href="https://www.umweltbundesamt.de/service/glossar/biomasse">Biomasse</a> sowie direkte und indirekte Lachgasemissionen durch Humusverluste aus Mineralböden nach <a href="https://www.umweltbundesamt.de/service/glossar/landnutzungsaenderung">Landnutzungsänderung</a> sowie Methanemissionen aus organischen Böden und Entwässerungsgräben berücksichtigt. Direkte Lachgas-Emissionen aus organischen Böden werden im Bereich <a href="https://www.umweltbundesamt.de/daten/land-forstwirtschaft/beitrag-der-landwirtschaft-zu-den-treibhausgas#klimagase-aus-landwirtschaftlich-genutzten-boden">Landwirtschaft unter landwirtschaftliche Böden</a> berichtet.</p> <strong>Ackerland</strong> <p>Für die Landnutzungskategorie Ackerland betrugen im Jahr 2024 die THG-Gesamtemissionen 17,5 Mio. t CO2 Äquivalente und fielen damit um 9,2 Mio. t CO2 Äquivalente ≙ 35 % geringer im Vergleich zum Basisjahr 1990 aus (siehe Tab. „Emissionen und Senken im Bereich <a href="https://www.umweltbundesamt.de/service/glossar/landnutzung">Landnutzung</a>, Landnutzungsänderung und Forstwirtschaft“). Hauptquellen sind die ackerbaulich genutzten organischen Böden (62 %) und die Mineralböden (33 %), insbesondere durch Emissionen infolge von Bewirtschaftung des langjährigen Ackerlands. Die <a href="https://www.umweltbundesamt.de/service/glossar/anthropogen">anthropogen</a> bedingte Netto-Freisetzung von CO2 aus der Biomasse (6 %) ist im Ackerlandsektor gering. Dominierendes <a href="https://www.umweltbundesamt.de/service/glossar/treibhausgas">Treibhausgas</a> in der Kategorie Ackerland ist CO2 (2024: 16,8 Mio. t CO2 Äquivalente, rund 96 %). </p> <strong>Grünland</strong> <p>Die Landnutzungskategorie Grünland wird in Grünland im engeren Sinne, in Gehölze und weiter in Hecken unterteilt. Die Unterkategorien unterscheiden sich bezüglich ihrer Emissionen sowohl qualitativ als auch quantitativ deutlich voneinander. Die Unterkategorie Grünland im engeren Sinne (dazu gehören z.B. Wiesen, Weiden, Mähweiden etc.) ist eine CO2-Quelle, welche durch die Emissionen aus organischen Böden dominiert wird. Für die Landnutzungskategorie Grünland wurden 2024 Netto-THG-Emissionen insgesamt in Höhe von 24,2 Mio. t CO2 Äquivalenten errechnet. Diese fallen um rund 1 Mio. t CO2 Äquivalente ≙ 4 % niedriger als im Basisjahr 1990 aus. Dieser abnehmende Trend wird durch die Pools Biomasse und Mineralböden beeinflusst. Mineralböden stellen eine anhaltende Kohlenstoffsenke dar. Die Senkenleistung der Mineralböden der Unterkategorie Grünland im engeren Sinne beträgt in 2024 -4,2 Mio. t CO2. </p> </p><p> Moore (organische Böden) <p>Drainierte Moorböden (d.h. entwässerte organische Böden) gehören zu den Hotspots für Treibhausgase und kommen in den meisten Landnutzungskategorien vor. Im Torf von Moorböden ist besonders viel Kohlenstoff gespeichert, welches als Kohlenstoffdioxid freigesetzt wird, wenn diese Torfschichten austrocken. Bei höheren Wasserständen werden mehr Methan-Emissionen freigesetzt. Zusätzlich entstehen Lachgas-Emissionen. Im Jahr 2024 wurden aus Moorböden um die 52,2 Mio. t CO2 Äquivalente an THG-Emissionen freigesetzt. Das entspricht in etwa 8 % der gesamten Treibhausgasemissionen in Deutschland im Jahr 2024 (siehe Abb. „<a href="https://www.umweltbundesamt.de/service/glossar/treibhausgas">Treibhausgas</a>-Emissionen aus Mooren“). Die Menge an freigesetzten CO2-Emissionen aus Mooren ist somit höher als die prozessbedingten CO2-Emissionen des <a href="https://www.umweltbundesamt.de/daten/klima/treibhausgas-emissionen-in-deutschland#treibhausgas-emissionen-nach-kategorien">Industriesektors</a> (47,9 Mio. t CO2).</p> <a href="https://www.umweltbundesamt.de/system/files/image/3_Abb_THG-Emissionen-Moore_2026-07-02.png"> </a> <strong> Treibhausgas-Emissionen aus Mooren </strong> Quelle: Umweltbundesamt Downloads: <ul> <li><a href="https://www.umweltbundesamt.de/system/files/medien/384/bilder/dateien/3_Abb_THG-Emissionen-Moore_2026-07-02.pdf">Diagramm als PDF (48,64 kB)</a></li> </ul> </p><p> Landwirtschaftlich genutzte Moorböden <p>Drainierte Moorböden werden überwiegend landwirtschaftlich genutzt. Die dabei entstehenden Emissionen aus organischen Böden werden deshalb in den Landnutzungskategorien Ackerland und Grünland im engeren Sinne (d.h. Wiesen, Weiden, Mähweiden) erfasst. Hinzu kommen die Lachgasemissionen aus den organischen Böden (Histosole) des Sektors Landwirtschaft. Insgesamt wurde für diese Bereiche eine Emissionsmenge von rund 43,0 Mio. t CO2-Äquivalente in 2024 freigesetzt, was insgesamt einem Anteil von 82,4 % an den THG-Emissionen aus Mooren entspricht. </p> </p><p> Feuchtgebiete <p>Unter der Landnutzungskategorie „Feuchtgebiete“ werden in Deutschland verschiedene Flächen zusammengefasst: Zum einen werden Moorgebiete erfasst, die vom Menschen kaum genutzt werden. Dazu gehören die wenigen, naturnahen Moorstandorte in Deutschland, aber auch mehr oder weniger stark entwässerte Moorböden (sogenannte terrestrische Feuchtgebiete). Zum anderen werden unter Feuchtgebiete auch Emissionen aus Torfabbau (on-site: <a href="https://www.umweltbundesamt.de/service/glossar/emission">Emission</a> aus Torfabbauflächen; off-site: Emissionen aus produziertem und zu Gartenbauzwecken ausgebrachtem Torf) erfasst. Allein die daraus entstehenden CO2-Emissionen liegen bei rund 1,8 Mio. t CO2-Äquivalenten. Im Inventar in Submission 2024 neu aufgenommen sind die Emissionen aus natürlichen und künstlichen Gewässern. Zu letzteren gehören Fischzuchtteiche und Stauseen ebenso wie Kanäle der Wasserwirtschaft. Durch diese Neuerung fließen nun Methanemissionen in das Treibhausgasinventar ein, die bislang nicht berücksichtigt wurden. Dadurch liegen nun die Netto-Gesamtemissionen der Feuchtgebiete bei 9,0 Mio. t CO2-Äquivalenten im Jahr 2024 und sind gegenüber dem Basisjahr 1990 unverändert. Die Tabelle zeigt für die Jahre 1990 bis 2024, welche THG-Emissionen in den Landnutzungskategorien aufgenommen und abgegeben wurden.</p> </p><p> Nachhaltige Landnutzung und Forstwirtschaft sowie weitere Maßnahmen <p>Im novellierten <a href="https://www.bmuv.de/gesetz/bundes-klimaschutzgesetz">Bundes-Klimaschutzgesetz</a> sind in § 3a Klimaziele für den <a href="https://www.umweltbundesamt.de/service/glossar/lulucf">LULUCF</a>-Sektor 2021 festgeschrieben worden. Im Jahr 2030 soll der Sektor eine Emissionsbilanz von minus 25 Mio. t <a href="https://www.umweltbundesamt.de/service/glossar/co2">CO2</a>-Äquivalenten erreichen. Dieses Ziel könnte unter Berücksichtigung der aktuellen Zahlen deutlich verfehlt werden. Um dieses Ziel zu erreichen, sind ambitionierte Maßnahmen zur Emissionsminderung, dem Erhalt bestehender Kohlenstoffpools und der Ausbau von Kohlenstoffsenken notwendig. Im Koalitionsvertrag adressieren die Regierungsparteien diese Herausforderungen. Das <a href="https://www.umweltbundesamt.de/service/glossar/bmuv">BMUV</a> hat bereits den Entwurf eines „Aktionsprogramm natürlicher Klimaschutz“ vorgelegt, das nach einer Öffentlichkeitsbeteiligung im letzten Jahr innerhalb der Regierung abgestimmt wird. Auf die Notwendigkeit für ambitionierte Klimaschutzmaßnahmen und die Bedeutung von <a href="https://www.umweltbundesamt.de/node/92372">naturbasierten Lösungen für den Klimaschutz</a> hat das Umweltbundesamt in verschiedenen Studien (siehe hierzu <a href="https://www.umweltbundesamt.de/node/90310">Treibhausgasminderung um 70 Prozent bis 2030: So kann es gehen!</a>) hingewiesen</p> <p>Seit dem Jahr 2015 wird die Grünlanderhaltung im Rahmen der EU-Agrarpolitik über das sogenannte Greening geregelt <a href="http://eur-lex.europa.eu/legal-content/DE/TXT/PDF/?uri=CELEX:32013R1307&qid=1464776213857&from=DE">(Verordnung 1307/2013/EU)</a>. Das bedeutet, dass zum ein über Pflug- und Umwandlungsverbot Grünland erhalten und zum anderen aber auch durch staatliche Förderung die Grünlandextensivierung vorangetrieben werden soll. Die Förderung findet auf Bundesländerebene statt. In der Forstwirtschaft sollen Waldflächen erhalten oder sogar mit Pflanzungen heimischer Baumarten ausgeweitet und die verstärkte Holznutzung aus nachhaltiger Holzwirtschaft (siehe <a href="https://www.charta-fuer-holz.de/">Charta für Holz 2.0</a>) gefördert werden. Weitere Erstaufforstungen sind bereits bewährte Maßnahmen, um die Senkenwirkung des Waldes zu erhöhen. Des Weiteren werden durch das Bundesministerium für Ernährung und Landwirtschaft (<a href="https://www.umweltbundesamt.de/service/glossar/bmel">BMEL</a>) internationale Projekte zur nachhaltigen Waldwirtschaft, die auch dem deutschen Wald zu Gute kommen, zunehmend gefördert. Eine detailliertere Betrachtung dazu findet sich unter <a href="https://www.umweltbundesamt.de/node/88649">Klimaschutz in der Landwirtschaft</a>.</p> <p>Die <a href="https://www.umweltbundesamt.de/service/glossar/treibhausgas">Treibhausgas</a>-Emissionen aus drainierten Moorflächen lassen sich verringern, indem man den Wasserstand gezielt geregelt erhöht, was zu geringeren CO2-Emissionen führt. Weitere Möglichkeiten liegen vor allem bei Grünland und Ackerland in der landwirtschaftlichen Nutzung nasser Moorböden, der sogenannten Paludikultur (Landwirtschaft auf nassen Böden, die den Torfkörper erhält oder zu dessen Aufbau beiträgt). Eine weitere Klimagasrelevante Maßnahme ist die Reduzierung des Torfabbaus und der Torfanwendung (siehe <a href="https://www.dehst.de/DE/Themen/Klimaschutzprojekte/Natuerlicher-Klimaschutz/Moore/moore_artikel.html?nn=284150#doc284160bodyText3">Moorklimaschutz</a>).</p> </p><p> </p><p>Informationen für...</p>
The Germany Mosaic is an analysis-ready spatiotemporal dataset with a consistent data-cube structure, covering the entire territory of Germany from 1984 to 2025. It provides consistently processed Landsat-based raster and vector products on a common spatial grid, enabling long-term analysis of environmental and landscape dynamics as well as machine-learning and AI-based applications. For each year, two seasonal six-band multispectral composites are provided, representing the periods May–July and August–October. All usable Landsat observations acquired within the respective seasonal period are included in the compositing process to maximize spatial coverage and minimize cloud contamination, resulting in virtually cloud-free seasonal image composites. The spatial organization is consistent across the complete time series: all years use the same pixel size, spatial grid, tile geometry, band structure, and variable schema for the vector products. Germany is represented by 54 overlapping tiles of 120 × 120 km with a 20 km overlap. This standardized structure enables direct spatial and temporal comparison across more than four decades without additional spatial harmonization or restructuring. In addition to the multispectral raster data, the dataset contains image-segmentation polygons (“zones”) representing approximately homogeneous image regions, together with associated spectral, textural, statistical, geometric, and contextual attributes. The vector datasets include 32 attributes covering seasonal spectral information, vegetation indices, temperature, image quality, texture and variability measures, Rao’s diversity, elevation-related information, and indicators concerning the form, size, connectivity, distribution, and spatial relationships of the zones. Additional raster products provide elevation data and statistics for seasonal vegetation change. The consistent data-cube structure makes the Germany Mosaic particularly suitable for large-scale time-series analysis, change detection, environmental monitoring, machine learning, and other AI-based workflows. It can also provide a data foundation for environmental modelling and digital-twin applications. This dataset constitutes the second version and continuation of the previously published Germany Mosaic 1984–2023 dataset (DOI: 10.1594/PANGAEA.967266) and extends the temporal coverage through 2025 while introducing a revised and standardized spatial organization based on 54 consistently defined tiles, a 20 km overlap between the tiles, and new raster and vector features. Content - Two seasonal six-band multispectral image composites per year: May–July and August–October - Seasonal vegetation-change statistics as a raster image (AIR Files) - One separate set of elevation data with identical tiling - Image-segmentation polygons (“zones”) with 32 spectral, textural, statistical, geometric, and contextual attributes - Raster and vector products for each year from 1984 to 2025 - Data organized in 54 overlapping tiles covering Germany - Formats: GeoTIFF for all raster products; Esri Shapefile for all vector products - Optical Sensors: Thematic Mapper (TM) on Landsat 4, Enhanced Thematic Mapper (ETM) on Landsat 5, Operational Land Imager (OLI) on Landsat 8 and 9 - Thermal Sensors: Thermal Infrared Sensor (TIRS) on Landsat 4, 5, 8, and 9 - Elevation Sensors: Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) on Terra Satellite - All usable observations within the two seasonal periods are included in the compositing process Features - Time: Two seasonal composites per year, May–July and August–October - Data cube: Same pixel size, spatial grid, tile geometry, band structure, and variable schema for all years - Raster: Six-band spectral image composites for each season (summer and autumn) and one three-band image composite for seasonal vegetation-change statistics - Elevation: Raster data once for each tile - Vector: Image-segmentation polygons (“zones”) with spectral and geometric attributes - Attributes: 32 attributes covering seasonal spectral composites (six bands), seasonal vegetation indices (NDVI, NIRv), seasonal vegetation-change statistics, seasonal temperature, elevation, seasonal image-quality index, textures, Rao’s diversity, size, geometry, connections, and spatial relationships of the zones - Tiles: 54 overlapping 120 × 120 km tiles with 20 km overlap - CRS: WGS 84 / UTM zone 32N (EPSG:32632) - Quality: Virtually cloud-free seasonal composites generated from all usable observations See D-Mosaic_Manual for details and background. Applications - Time-series and change analysis, environmental monitoring, machine learning, AI-based workflows, environmental modelling, and digital twins Figures Figure 1 – RGB visualization of three vector attributes based on polygons: - Red: structural diversity (texture) - Green: highest vegetation activity (plant metabolic activity) during the year - Blue: seasonal variation between summer and autumn - Black: zone boundaries Figure 2 – Distribution of the 54 overlapping 120 × 120 km tiles covering Germany.
Web Map Service (WMS) für die Bereitstellung von Satellitendaten des Copernicus-Programms. Der LGV bereitet die Daten zur einfacheren Nutzung quartalsweise auf. Die dargestellten Geodaten beinhalten zusätzlich eine zeitliche Dimension (WMS-Time). Zur genaueren Beschreibung der Daten und Datenverantwortung nutzen Sie bitte den Verweis zur Datensatzbeschreibung.
Landnutzungskarte des Landes Baden-Württemberg als Eingabedatensatz für ökologische Bewertungen auf der Grundlage von LANDSAT TM Satellitenbilddaten. Landnutzungskarten in digitaler Form stellen Bezugspunkte für historische und aktuelle Entwicklungen dar und können Grundlage für die Beurteilung von Belastungen und Entwicklungsmöglichkeiten liefern. Die Darstellung dieser aktualisierten Landnutzung erfolgt in Nutzungsklassen, die sowohl als Grundlage für die Abgrenzung von Raumkategorien dienen als auch die Leistungen und Belastungen im Hinblick auf den Naturhaushalt beschreiben.
| Organisation | Count |
|---|---|
| Bund | 1242 |
| Europa | 13 |
| Global | 5 |
| Kommune | 10 |
| Land | 130 |
| Schutzgebiete | 4 |
| Weitere | 19 |
| Wirtschaft | 10 |
| Wissenschaft | 562 |
| Zivilgesellschaft | 6 |
| Type | Count |
|---|---|
| Daten und Messstellen | 21 |
| Ereignis | 16 |
| Förderprogramm | 1143 |
| Hochwertiger Datensatz | 13 |
| Mitmachportal | 2 |
| Repositorium | 2 |
| Text | 103 |
| unbekannt | 75 |
| License | Count |
|---|---|
| Geschlossen | 97 |
| Offen | 1248 |
| Unbekannt | 30 |
| Language | Count |
|---|---|
| Deutsch | 1144 |
| Englisch | 378 |
| Resource type | Count |
|---|---|
| Archiv | 25 |
| Bild | 13 |
| Datei | 45 |
| Dokument | 66 |
| Keine | 746 |
| Unbekannt | 2 |
| Webdienst | 3 |
| Webseite | 586 |
| Topic | Count |
|---|---|
| Boden | 1046 |
| Lebewesen und Lebensräume | 1211 |
| Luft | 1063 |
| Mensch und Umwelt | 1357 |
| Wasser | 855 |
| Weitere | 1375 |