Der Kartendienst (WFS-Gruppe) stellt Daten aus dem Bereich Forstwirtschaft dar:Die Kartierung der Potentiell Natürlichen Vegetation (PNV) ist wesentliches Ergebnis der Waldbiotopkartierung im Staatswald (1990-2008) auf Grundlage der Kartieranleitung „Ganzflächige Waldbiotopkartierung im Saarland - Herausgeber: Minister für Umwelt, Energie und Verkehr des Saarlandes – mit Stand von 1999. Ein differenziertes Spektrum verschiedener Waldgesellschaften wird dabei für den Praxisgebrauch zusammengefasst. Im Vergleich der potentiell natürlichen zur real vorhandenen Vegetation kann die Naturnähe der Vegetationszusammensetzung von Wäldern bewertet werden.
Die Kartierung der Potentiell Natürlichen Vegetation (PNV) ist wesentliches Ergebnis der Waldbiotopkartierung im Staatswald (1990-2008) auf Grundlage der Kartier Anleitung „Ganzflächige Waldbiotopkartierung im Saarland - Herausgeber: Minister für Umwelt, Energie und Verkehr des Saarlandes – mit Stand von 1999. Ein differenziertes Spektrum verschiedener Waldgesellschaften wird dabei für den Praxisgebrauch zusammengefasst. Im Vergleich der potentiell natürlichen zur real vorhandenen Vegetation kann die Naturnähe der Vegetationszusammensetzung von Wäldern bewertet werden. Staatswald und Kommunalwald.
Beschreibung des INSPIRE Download Service (predefined Atom): Die Kartierung der Potentiell Natürlichen Vegetation (PNV) ist wesentliches Ergebnis der Waldbiotopkartierung im Staatswald (1990-2008) auf Grundlage der Kartier Anleitung „Ganzflächige Waldbiotopkartierung im Saarland - Herausgeber: Minister für Umwelt, Energie und Verkehr des Saarlandes – mit Stand von 1999. Ein differenziertes Spektrum verschiedener Waldgesellschaften wird dabei für den Praxisgebrauch zusammengefasst. Im Vergleich der potentiell natürlichen zur real vorhandenen Vegetation kann die Naturnähe der Vegetationszusammensetzung von Wäldern bewertet werden. Staatswald und Kommunalwald. - Der/die Link(s) für das Herunterladen der Datensätze wird/werden dynamisch aus GetFeature Anfragen an einen WFS 1.1.0+ generiert
This pre-study pilot project will be carried out in Kenya and Tanzania and is part of a more extensive remote sensing project (initiated by the European Space Agency, ESA) aiming to develop a monitoring system for the assessment of land cover change of farmlands, rangelands and forest standings (logging, fires, uncontrolled deforestation, new settlements, etc.) at a national regional level. An integrated approach of remote sensing techniques (both through the use of satellite and ground data), physical vegetation models and ground measurements will be adopted. Operatively, the execution will consist of a 6-month period (pre-study) consisting in a ground campaign along a north-south transect, which is almost unknown to the current vegetation cartography. Based on the field results of the pre-study and within an on-going 30 month period (extended study, see Annexed 3), new classification methods and algorithms will be developed for assessment of land use and cover change using ENVISAT-data. An outcoming of this research will be a system capable to monitor and plan the available agricultural food resources for those developing regions.
Veranlassung Methoden des maschinellen Lernens kommen in der gewässerkundlichen Praxis der BfG bisher nur vereinzelt zum Einsatz. Der Einsatz von ML entspricht in vielen Bereichen aber bereits dem Stand von Wissenschaft und Technik und hält zunehmend Einzug auch in gewässerkundliche Fragestellungen. ML besitzt das Potenzial, zum einen bestehende Aufgaben und Methoden qualitativ zu optimieren (z. B. in Form verbesserter Prognosemethoden). Zum anderen werden durch den Einsatz von ML arbeitsaufwändige, mit klassischen Ansätzen nicht leistbare Analysen erst möglich, wodurch auch gänzlich neue oder substanziell erweiterte Leistungen und Produkte entstehen. Der unmittelbare Anwendungs- und Aufgabenbezug von MALPROG lässt diesbezüglich konkrete Ergebnisse für relevante Fachaufgaben sowie zielführende Erkenntnisse für eine Übertragung auf weitere Arbeitsfelder der BfG erwarten. Ziele Die übergeordneten Ziele von MALPROG sind - wissenschaftliche Erkenntnis und Datenharmonisierung: Untersuchung praktischer Anwendbarkeit von Methoden des maschinellen Lernens für ausgewählte BfG-Fachaufgaben (Messdatenplausibilisierung, Abfluss- und Wasserstandsvorhersage, Vegetationskartierung, Ölerkennung) - Technologietransfer: Überführung zielführender Methoden des maschinellen Lernens in zentrale Dienste und Applikationen der BfG - Konsolidierung des Wissens: Initiierung einer BfG-weiten Arbeitsgruppe "KI" zwecks Beratung, Unterstützung, Austausch und Koordination zukünftiger Anwendungen mit Bezug zu Methoden der künstlichen Intelligenz Für die konkrete Anwendung der ML-Methoden für die Fach- und Beratungsaufgaben der BfG sollen - eine weitere Steigerung der Vorhersagegüte erzielt, längerfristige Vorhersageskalen erschlossen und innovative Beratungsprodukte generiert werden, - eine intelligente Vorbeurteilung von Öl-Verschmutzungen ermöglicht werden, die z. B. einen effizienteren Einsatz unbemannter Systeme ermöglicht und den teuren Datentransfer für weitfliegende Systeme wesentlich reduziert, - durch die Anwendung auf digitale Orthofotos eine Identifizierung von Vegetation mit erhöhtem Automatisierungsgrad auf großer Fläche ermöglicht werden, z. B. für eine effiziente Erstellung von Biotoptypenkartierungen und für ein stringentes Vegetationsmonitoring bei Entwicklungsmaßnahmen, - durch Kameraaufnahmen automatisch Makroplastik in fließenden Gewässern identifiziert und klassifiziert werden, - Messfehler von Bodenfeuchtemessungen identifiziert und korrigiert werden. Die vertiefte Befassung mit den Möglichkeiten und Grenzen von ML-Methoden soll die BfG unterstützen, um die rasant zunehmende Menge an (Umwelt-)Daten unter Nutzung steigender Rechenressourcen in eine verbesserte Leistungsfähigkeit ihres Beratungsangebots (z. B. für die WSV, das BMDV, das BMUV) zu überführen. Die Entwicklung von Anwendungsfeldern im Bereich der künstlichen Intelligenz (KI) ist ein zentrales Ziel der Bundesregierung (KI-Strategie für Deutschland), welches das BMDV für den Verkehrssektor in seinem Aktionsplan "Digitalisierung und Künstliche Intelligenz in der Mobilität" aufgegriffen und weiter konkretisiert hat. Pilothafte Anwendungen belegen aber neben dem hohen Bedarf auch das große Potenzial von Methoden des maschinellen Lernens im Bereich der Gewässerkunde (Prognose, Klassifikation, Regression). Im Rahmen von MALPROG wird die Nutzung KI- bzw. ML-basierter Methoden für konkrete Anwendungsfelder in der Gewässerkunde systematisch untersucht. Als zielführend identifizierte Ansätze werden in die praktische Facharbeit integriert, um letztlich deren Potenzial für konkrete Anwendungen in der Analyse- und Beratungspraxis der BfG und WSV ausschöpfen zu können.
Our research efforts intend to contribute to the development of a syntaxonomical vegetation classification system for the entire Arctic territory. Such a system enables a proper identification of the vegetation types and consequently an evaluation of their biological and ecological importance on local, regional and circumpolar scales. We use a modified, modern version of the Braun-Blanquet approach. Special attention is paid to detailed analyses of the composition of the bryophyte and lichen flora within the sample plots as well as to a detailed analysis of habitat and distribution of the vegetation. We focus on Greenland which holds geographically an intermediate position between Eurosiberia and the North-America continent. The syntaxonomical survey includes characterization of the plant communities and their habitat and distribution. Vegetation mapping displays local and regional distribution. Comparative studies are carried out in - Alaska and Canada (Southwest Alaska, Nunuvat) and we closely cooperate with Russian, European and American geobotanists and landscape ecologists. Ongoing research: Survey of the vegetation of Northwest Greenland (between 70-73 degree N)- vegetation of eastern North Greenland (southem Mylius Erichsen Land and southern Kronsprins Christian Land)-classification of dwarf shrub and terricolous lichen vegetation-vegetation mapping (CAVM-project) and characterization and delimination of altitudinal belts in the inland of West Greenland (project AZV Greenland).
Der Kilimanjaro weist zur Zeit noch einen weitgehend geschlossenen Waldgürtel auf. Durch eine stark unterschiedliche Niederschlagsverteilung einerseits und eine ausgeprägte Höhenzonierung andererseits ergibt sich eine hohe Diversität der Waldbestände im Hinblick auf Artenzusammensetzung, Schichtung und Lebensformen. Insbesondere der Bergwald des Südhanges ist in seiner Vielfalt nicht nur wegen seines Epiphyten- und Farnreichtums einzigartig in Ostafrika. Hier finden sich große Gebiete, die aufgrund ihrer Unzugänglichkeit noch unberührt sind. Somit bietet sich die einmalige Gelegenheit, diesen interessanten Lebensraum in natürlicher Ausprägung zu studieren. Dies wurde vom Antragsteller in einem vorangegangenen DFG-Projekt begonnen. Im Rahmen des hier beantragten Habilstipendiums soll dieses umfangreiche Projekt abgeschlossen werden. Erstes Ziel ist die Vervollständigung der vegetationskundlich ökologischen Bestandserfassung aller Waldtypen und ihrer Regeneration. Im Anschluss daran eine Vegetationskarte erstellt werden. Mit diesen Arbeiten wird eine wissenschaftliche Grundlage für die immer dringlicher werdenden gezielten Schutzmaßnahmen geschaffen.
In brachliegenden Streuwiesen (Molinietum) kommt es meist zu starken Bestandsveraenderungen. Es sollen einfache und billige Pflegemassnahmen ermittelt werden, die das typische Artenspektrum von Streuwiesen erhalten. Die Auswirkungen der Pflegemassnahmen auf Vegetation und Standort werden durch jaehrliche Vegetationsaufnahmen auf Dauerflaechen, Ertragsermittlungen, Streumengenmessungen und Bodenuntersuchungen erfasst.
Ziel der Erhebung zu oekologisch-biologisch wertvollen Gebieten ist eine systematisch angelegte und wissenschaftlich begruendete Inventarisierung noch vorhandener biologisch wertvoller Biotope. Dieses ist die Voraussetzung und Grundlage weiterer wichtiger naturschutzbezogener Grundlagenuntersuchungen. Zum anderen als Grundlagenmaterial fuer die Naturschutzbehoerden, mit dessen Hilfe diese in die Lage versetzt werden, rechtzeitig diejenigen Lebensraeume auszumessen, deren Erhaltung im Interesse der Allgemeinheit liegt. Ein weiteres Ziel ist die Erhebung von Grundlagendaten fuer die geplante Schutzgebietskonzeption des Landes Baden-Wuerttemberg.
Fuer die Einrichtung eines repraesentativen Systems von Naturschutzgebieten in der Bundesrepublik Deutschland ist die Kenntnis der vorhandenen botanisch wertvollen Flaechen erforderlich, aus denen die botanischen Schutzgebiete auszuwaehlen sind; die botanisch wertvollen Flaechen werden waehrend der Gelaendearbeiten zur Vegetationskarte der Bundesrepublik Deutschland ermittelt.
| Origin | Count |
|---|---|
| Bund | 479 |
| Land | 68 |
| Schutzgebiete | 1 |
| Wissenschaft | 4 |
| Type | Count |
|---|---|
| Daten und Messstellen | 3 |
| Förderprogramm | 447 |
| Text | 15 |
| unbekannt | 64 |
| License | Count |
|---|---|
| geschlossen | 33 |
| offen | 471 |
| unbekannt | 25 |
| Language | Count |
|---|---|
| Deutsch | 477 |
| Englisch | 81 |
| Resource type | Count |
|---|---|
| Archiv | 8 |
| Datei | 2 |
| Dokument | 33 |
| Keine | 404 |
| Unbekannt | 1 |
| Webdienst | 7 |
| Webseite | 92 |
| Topic | Count |
|---|---|
| Boden | 529 |
| Lebewesen und Lebensräume | 496 |
| Luft | 185 |
| Mensch und Umwelt | 529 |
| Wasser | 226 |
| Weitere | 524 |