API src

Found 2656 results.

Related terms

Konsolidierungsperspektiven und Innovationspotentiale regionaler Unternehmensnetzwerke für nachhaltiges Wirtschaften

Auf lokaler und regionaler Ebene haben sich inzwischen zahlreiche Initiativen für nachhaltiges Wirtschaften gebildet. Doch die systematische Einbeziehung der besonders wichtigen Akteure der lokalen Wirtschaft gelingt bisher nur in wenigen Ausnahmefällen. Zu groß sind offenbar die tatsächlichen oder vermeintlichen Interessenkonflikte, Kooperations- und Kommunikationsblockaden, zu undeutlich die mit einer nachhaltigen Wirtschaftsweise verbundenen Vorteile, zu unklar die konkreten Anknüpfungspunkte und Anforderungen in den relevanten Handlungsfeldern. Vor diesem Hintergrund gewinnt die Initiierung, vergleichende wissenschaftliche Begleitung und Evaluation von regionalen Netzwerken für nachhaltiges Wirtschaften an Bedeutung. Die Chance für eine 'nachhaltige' Konsolidierung und Weiterentwicklung von Nachhaltigkeitsinitiativen hängt entscheidend davon ab, inwieweit es gelingt: nach innen und nach außen hin den Nutzen für die Beteiligten, die Zukunftsfähigkeit der Unternehmen und der Region konkret nachvollziehbar zu machen; die dafür ausschlaggebenden Erfolgsfaktoren und 'Netzwerkeffekte' zu dokumentieren; Themenfelder sowie Handlungshilfen zu entwickeln, die an den vorhandenen Innovationsbedarfen und -potentialen der Unternehmen anknüpfen; die Erfahrungen aus anderen Regionen im Hinblick auf eine situationsspezifisch angepasste Übertragbarkeit auszuwerten; einen daraufhin orientierten wechselseitigen Lernprozess und Erfahrungsaustausch zu organisieren. Konkret werden dabei das 'Kompetenzzentrum nachhaltiges Wirtschaften', Leipzig, und die 'Wuppertaler Umweltinitiative' durch wissenschaftliche Begleitung und forschungsbasierte Beratung unterstützt.

Optimierung der Effekte einfacher Intensivdachbegrünung auf Gebäude- und Stadtklima, Wasserhaushalt und Vegetation im urbanen Umfeld durch Bewässerung mit vorfiltriertem Grauwasser, Optimierung der Effekte einfacher Intensivdachbegrünung auf Gebäude- und Stadtklima, Wasserhaushalt und Vegetation im urbanen Umfeld durch Bewässerung mit Grauwasser Überführung der Ergebnisse in Planungstool und Praxis

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Fall, 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.

Foerderung einer Oekologischen Sommerschule 'Ecology and Economy - Strategies for Sustainable Growth' fuer europaeische und japanische Studierende

Copernicus-Daten zur Prozessierung, Visualisierung und Validierung von Chlorophyll-a in Flüssen und Seen für das Gewässermanagement, Teilvorhaben: BfG

Veranlassung „Algenblüten“ sind deutlich sichtbare Zeichen für die multiplen Belastungen, denen unsere Binnengewässer ausgesetzt sind, wie z. B. Nährstoffeinträge, Folgen des Klimawandels – insbesondere Dürren und Starkregen – oder physische und biologische Strukturveränderungen. Diese können mit erheblichen Nutzungseinschränkungen einhergehen. Das massenhafte Fischsterben in der Oder 2022 hat eindrücklich gezeigt, welche Auswirkungen auf Ökosysteme durch das Freisetzen von Algentoxinen entstehen können, und dass dafür verantwortlichen Prozesse möglicherweise so schnell und großräumig ablaufen, dass klassische Monitoring-Strategien diese nicht erfassen. Die Gewässerfernerkundung bietet die Möglichkeit, Algenblüten über die Chlorophyll-a-Konzentration großflächig mittels Satellitendaten zu erheben und Informationen in nahe-Echtzeit bereitzustellen. Eine bundesweite Überwachung von Algen in Fließ- und Standgewässern ist aufgrund des umfassenden Copernicus-Programms der EU technisch möglich und inhaltlich notwendig, um den Behörden zukünftig ein effizientes Gewässermonitoring und z. B. eine Früherkennung kurzzeitig auftretender Ereignisse mit Algenmassenentwicklungen zu ermöglichen. Zudem bieten die Daten wichtige Informationen für die Bewirtschaftung von Trinkwassertalsperren und Badegewässern. Ziele - Automatisierte, skalierbare Ableitung von Chlorophyll-a-Konzentrationen und ergänzenden Gewässergüteparametern aus räumlich- und zeitlich hochaufgelösten, großflächig verfügbaren Satellitendaten für Beispielgewässer (Fließ- und Standgewässer). - Kalibrierung, Validierung und Qualitätssicherung der erzeugten Daten mittels vorhandener In-situ-Daten - Entwicklung und automatisierte Erzeugung anwendungsbezogener, maßgeschneiderter Indikatoren, Produkte und Visualisierungen - Entwicklung einer digitalen Anwendung auf der Cloud-Plattform CODE-DE inkl. Bereitstellung der erzeugten Daten und Produkte - Planspiele für konkrete Anwendungsfelder – u. a. zur Einbindung von Fernerkundung in die Berichterstattung Der Algenmonitor wird auf diesen Grundlagen eine wissenschaftlich fundierte Anwendung demonstrieren, die für den behördlichen Einsatz frei verfügbare, zeitlich hochaufgelöste Gewässerfernerkundungsdaten von Beispielgewässern zur Verfügung stellt. Da die Anwendung auf Open-Source-Bausteinen beruht, schafft dies eine Basis für eine Skalierung auf das ganze Bundesgebiet. Die Bundesanstalt für Gewässerkunde, das Helmholtz-Zentrum für Umweltforschung und das Umweltbundesamt starteten im August 2024 das Verbundprojekt „Algenmonitor“, gefördert vom Deutschen Zentrum für Luft- und Raumfahrt (DLR) und Bundesministerium für Digitales und Verkehr (BMDV).Grundlegende Ziele des Verbundprojektes sind, auf Basis von Satellitendaten räumlich- und zeitlich hochaufgelöste Chlorophyll-a-Konzentrationen, für die Anwendungen maßgeschneiderte Produkte und weitere spezifische Indikatoren für (schädliche) Algenblüten bereitzustellen. Die Anwendung des Algenmonitors soll in diesem Projekt anhand von Beispielgewässern erprobt werden; angestrebt sind je nach Verfügbarkeit von In-situ-Daten mindestens drei große Fließgewässer und drei Standgewässer. Die erforderlichen Prozessierungsschritte werden auf der cloudbasierten Prozessierungsplattform CODE-DE implementiert. Anhand der Beispielgewässer können dieprozessierten Gewässerfernerkundungsdaten von Flüsse und Seen mit In-situ-Daten des Bundes, der Bundesländer und aus wissenschaftlichen Messnetzen (z. B. eLTER) validiert und ergänzt werden. Durch die Einbeziehung der Copernicus-Daten und -Dienste entsteht eine Grundlage, die es den Behörden von Bund und Ländern potentiell ermöglicht, wichtige Wassergüte-Parameter für die bundesweite Gewässerüberwachung großflächig zu erheben und in Wert zu setzen. Ziel des Vorhabens ist es, Gewässerfernerkundungsdaten für die weitere Verwendung zu erschließen und konkrete Anwendungsmöglichkeiten aufzuzeigen.

Erstellung einer umweltgeschichtlichen Bibliographie

Gesammelt werden Literaturzitate aus/zu allen umweltrelevanten Disziplinen bzw Fragestellungen mit Schwerpunkt Mittelalter und fruehe Neuzeit

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Bonn, 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.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Meiningen, Germany from 1985 – 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.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Konstanz, 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.

Vegetation als Schutz historischer Bauwerke vor Gesteinsfeuchte und Verwitterung

Zielsetzung: Die global sich verändernden Klimabedingungen machen es verstärkt erforderlich, Kulturgüter vor den hydroklimatischen Auswirkungen des Klimawandels zu schützen und Verwitterung und Feuchteschäden zu vermeiden. Mauervegetation setzt in der Regel die Materialfeuchte herab und übt damit einen schützenden Einfluss gegenüber Durchfeuchtung und Feuchteschwankungen aus. An historischen Bauwerken bestehen jedoch häufig Vorbehalte gegen die Duldung oder das gezielte Anpflanzen von Vegetation, da schädliche Wirkungen von Flechten- und Moosüberzügen und von Pflanzenwurzeln befürchtet werden. VegProtect soll belastbare Daten zum Einfluss der Vegetation auf den Feuchtehaushalt liefern und dieses Wissen bei Entscheidungsträgern in der Denkmalpflege bekannt machen, um die Akzeptanz für ein Zulassen von Begrünung zu erhöhen. Die Untersuchungen fokussieren dabei auf die Beeinflussung von Mikroklima und Gesteinsfeuchte durch unterschiedliche Typen von Vegetation (Flechten, Moose, sommergrüne und immergrüne Rankenpflanzen, Krautvegetation). Die Kernfrage ist, welche Art von Pflanzenbewuchs eine besonders starke protektive Wirkung ausübt und dabei keine schädliche Verwitterungswirkung zeigt. Die Untersuchungen finden an drei Burgen und einem Gebäude in Franken statt. Ergänzend mit internationalen Partnern Versuche an Standorten in Antwerpen (Belgien) und Oxford (England) sowie an Freiland-Testmauern der Universitäten Bayreuth und Oxford durchgeführt. Die Ergebnisse sollen in einen Leitfaden einfließen, der die hydrologische Wirkung und das Verwitterungspotenzial von Pflanzenbewuchs aufzeigt und damit zu einer besseren Einschätzung der Chancen und Risiken von Begrünung an Kulturgütern beiträgt.

1 2 3 4 5 … 264 265 266