API src

Found 1084 results.

Related terms

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Zwickau, 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 Emden, 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 Schwerin, 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.

Konzepte zur Sanierung konventioneller Munitionsaltlasten in Nord- und Ostsee, Vorhaben: Modellierung und Simulation der strömungs- und welleninduzierten Alterung und Ausbreitung von Munitionsobjekten und Sprengstoffpartikeln

Modellierung von Treibhausgasemissionen aus der Land-, Forst- und Viehwirtschaft in Deutschland, Teilprojekt 1: Modellierung von THG-Emissionen terrestrischer Ökosysteme

Saisonale Sensitivität von Ökosystemfunktionen in einer sich erwärmenden Arktis (Svalbard, Vorhaben: Nahrungsnetzmodellierung und Governance

SeeWandel Klima: Modellierung der Folgen von Klimawandel und Neobiota für den Bodensee

«SeeWandel-Klima: Modellierung der Folgen von Klimawandel und Neobiota für den Bodensee» hat zum Ziel, aktualisierte Vorhersagen der Folgen des Klimawandels – unter Einbezug der Auswirkungen von invasiven Arten – auf das Ökosystem Bodensee und dessen nachhaltige Nutzung zu liefern. Hierfür werden praxisbezogene Modelle für Behörden, Organisationen (IGKB, IBKF) und die Öffentlichkeit entwickelt. Die Ergebnisse werden verschiedenen Zielgruppen entsprechend aufbereitet zugänglich gemacht.

SeeWandel Klima: Modellierung der Folgen von Klimawandel und Neobiota für den Bodensee, Teilprojekt 1: Vergangene Klimaänderungen im Bodensee - Lehren für die Zukunft

SeeWandel-Klima: Modellierung der Folgen von Klimawandel und Neobiota für den Bodensee SeeWandel-Klima hat zum Ziel, aktualisierte Vorhersagen der Folgen des Klimawandels - unter Einbezug der Auswirkungen von invasiven Arten - auf das Ökosystem Bodensee und dessen nachhaltige Nutzung zu liefern. Die Projektarbeiten in SeeWandel-Klima sind in 9 Teilprojekten organisiert. Zentral sind Modellierungsarbeiten, mit dem Ziel komplexe Folgen von Faktoren wie Klimaänderungen und invasiven Arten sowie deren Zusammenspiel für das Ökosystem Bodensee und dessen Nutzung vorhersagen zu können. Die dafür notwendige Bereitstellung robuster Parameter und Erkenntnisse zur Entwicklung solch prognosefähiger Modellsysteme erfolgt seitens verschiedener Teams von Forschenden. Teilprojekt 1: Vergangene Klimaänderungen im Bodensee – Lehren für die Zukunft Seesedimente sind ein hochauflösendes Archiv für Umweltänderungen, die nicht mit historischen Quellen und mit Messdaten belegt sind. Sie können darum helfen, das Ausmaß heute beobachteter Veränderungen besser zu verstehen, um sich auf zukünftige Veränderungen sinnvoll vorzubereiten. Das Teilprojekt wird erstmalig eine detaillierte Hochwasserchronologie des Bodensees und damit der Niederschlagshistorie seines alpinen Einzugsgebietes erarbeiten. Heute verwendbare neue Untersuchungsmethoden sollen gezielt genutzt werden, um die Hochwassergeschichte des Bodensees und Alpenrheins mit hohem Detaillierungsgrad in prähistorische Zeiträume zu verlängern. Damit lassen sich extreme Hochwasserereignisse und Jahre mit sehr geringen Zuflüssen durch den Alpenrhein identifizieren. Untersuchungen von Sedimentkernen sind zudem der einzig mögliche Ansatz, um Informationen zum Ökosystem Bodensee aus messtechnisch nicht erfassten Zeiträumen zu gewinnen, und von historischen menschlichen Aktivitäten (Landnutzung, Wasserkraft, Wasserbau, Eutrophierung) unbeeinflusste Zeiträume zu analysieren. So lässt sich aus der Vergangenheit für die zukünftige Entwicklung lernen, um eine nachhaltige Entwicklung zu ermöglichen. Die Brücke in die Ökosysteme der Vergangenheit bilden Schalen von Kieselalgen, Muschelkrebsen und Reste von Cladoceren, die über tausende Jahre im Sediment erhalten sein können und seit etwa 50 Jahren regelmäßig im Wasser untersucht werden. Diese Organismenreste werden in einzelnen Zeitabschnitten im Sediment bestimmt und nach Möglichkeit mit eDNA-Untersuchungen ergänzt. Ziel 1: Eine aus Sedimenten abgeleitete Hochwasserchronologie für die letzten 5000 Jahren soll als Grundlage für Hochwasserstatistiken und -gefährdungen am Bodensee etabliert werden. Ziel 2: Die Reaktion der aquatischen Lebensgemeinschaften auf von menschlichen Aktivitäten unbeeinflusste Klimaveränderungen der Vergangenheit soll für die Bewertung der heute beobachteten Veränderungen erfasst werden.

Nachhaltige Entwicklung der Bundeswasserstraßen, Integriertes Flussauenmodell INFORM

Flussauen mit ihrem typischen Muster von unterschiedlichen Lebensräumen sind in Mitteleuropa stark gefährdet. Die Bundesanstalt für Gewässerkunde (BfG) hat daher das Integrierte Flussauenmodell INFORM (Integrated Floodplain Response Model) für den Einsatz an Bundeswasserstraßen erstellt, mit dem ökologische Modellierungen durchgeführt werden können. Das modular aufgebaute Modellsystem INFORM verknüpft hydrologische, hydraulische, morphologische und bodenkundliche Modelltechniken mit ökologischen Modellen. Dabei werden vor allem sogenannte Lebensraumeignungsmodelle (Habitatmodelle) angewendet. Solche Modelle beschreiben die potentielle Eignung eines Standortes als Lebensraum für bestimmte Arten und / oder Artengruppen anhand der Ausprägung mehrerer abiotischer Standortparameter. Die Bearbeitung folgt prinzipiell dem Wirkungspfad Abfluss - Flusswasser - Grundwasser - Boden - Biotik unter Berücksichtigung morphologischer Einflüsse, des direkten Einflusses der Überflutung und der (landwirtschaftlichen) Nutzung. Die Bewertung der prognostizierten Veränderungen erfolgt an Hand von Gesetzen und Verordnungen und beinhaltet auch die Auswirkungen des menschlichen Handelns.

Integrierte sozial-ökologische Netzwerkanalyse für die transdisziplinäre Entwicklung von Indikatoren und Handlungsempfehlungen zur Reduktion anthropogener Stressoren, Vorhaben: Szenarien des globalen Wandels für die marine Raumplanung

1 2 3 4 5 … 107 108 109