Öffentliche Datenbereitstellung über ein CADENZA Themenportal zum Thema:
Erfassung, Überwachung und Bewertung der makrozoobenthischen Lebensgemeinschaften in den Küstengewässer von Schleswig-Holstein im ZeBIS Portal des Landes. | Weitere Informationen: https://www.schleswig-holstein.de/DE/Fachinhalte/M/meeresschutz/biologischesMonitoring.html
Die Daten werden hier zentral angeboten und sind über den Themenbaum im und über passende Filterformulare direkt von aus dem Data Warehouse des Landes SH in harmonisierter und aggregierter Form abrufbar. Für den Nutzer sind bereits vorgefertigte Auswertungen unter "Ansichten" verfügbar.
Das Angebot zum Thema Makrozoobenthos umfasst derzeit die folgenden Zusammenstellungen:
MZB: ein Jahr: Abundanz und Biomasse (Jahresmittel)
MZB: Zeitreihe Abundanz und Biomasse (Jahresmittel)
MZB: eine Messstelle: Abundanz und Biomasse (Jahresmittel)
MZB: Küstenmessstellen
Fachdaten im Landesamt für Landwirtschaft, Umwelt und ländliche Räume (LLUR) zum Thema:
Erfassung, Überwachung und Bewertung der makrozoobenthischen Lebensgemeinschaften in den Küstengewässer von Schleswig-Holstein. | Weitere Informationen: https://www.schleswig-holstein.de/DE/Fachinhalte/M/meeresschutz/biologischesMonitoring.html
Zentral vorgehaltener Datenbestand im Data Warehouse (DWH) der Umweltverwaltung in Schleswig-Holstein zum Thema:
Erfassung, Überwachung und Bewertung der makrozoobenthischen Lebensgemeinschaften in den Küstengewässer von Schleswig-Holstein. | Weitere Informationen: https://www.schleswig-holstein.de/DE/Fachinhalte/M/meeresschutz/biologischesMonitoring.html
Folgende Informationen werden vorgehalten:
Stationsinformationen, Probennahme, Probe, Taxa, Messwert, Jahresmittel Phylum
Seventeen major communities with characteristic species according to hierarchal clustering (based on point data aggregated to 5 km grid cells) and Indicator species analysis based on biomass data. Crosses indicate sampled cells with no benthic infauna recorded (mainly Polish dataset). Full coverage map of biomass-based communities distribution predicted with Random Forest.