API src

Found 337 results.

Related terms

Einzelbaum Kronenumringe aus Luftbildern (2021) Wuppertal

Der Datensatz umfasst die automatisiert aus Luftbildern (Aufnahmezeitpunkte 30. März und 01./02. Juni 2021) abgeleiteten, zweidimensionalen Baumkronenumringe ("Baumkronenpolygone") von rund 894.000 Bäumen im Stadtgebiet von Wuppertal, ausgeführt durch die EFTAS Fernerkundung Technologietransfer GmbH aus Münster im Rahmen der Forschungskooperation DigiTalZwilling4D innerhalb des Förderprojektes smart.wuppertal / DigiTal Zwilling mit dem in dieser Kooperation entwickelten Verfahren "twin4tree". Hierbei wurde das normalisierte Digitale Oberflächenmodell (nDOM) von Geobasis NRW (Jahrgang 2021) als Höhenmodell verwendet. Um keine Gebäude oder Bauwerke als Baum zu identifizieren, wurden für das Vegetationshöhenmodell nur Bereiche des nDOM innerhalb einer Baummaske berücksichtigt, die zuvor über eine Klassifikation der o. g. Luftbilder mit dem KI-Verfahren "Cop4ALL" erzeugt wurde. Die einzelnen Bäume wurden darin über ein Template-Matching-Verfahren identifiziert, bei dem variable 3D-Schablonen (sphärische und gaußförmige Form für Laubbäume, parabolische, hyperbolische und konische Form für Nadelbäume) über das Vegetationshöhenmodell gelegt werden. Den so gefundenen Baumstandorten wurden mittels einer Segmentierung des Vegetationshöhenmodells Baumkronen zugeordnet, deren senkrechte Projektion auf den Boden zweidimensionale Baumkronenpolygone ergab. Der Datensatz ist im GeoPackage-Format als Original und zur Reduzierung der Dateigröße als Variante mit generalisierten Baumkronenpolygonen unter der Open-Data-Lizenz CC BY 4.0 verfügbar. Wichtiger Hinweis: In dichten Baumbeständen ist die Identifikation einzelner Bäume aufgrund von zusammenwachsenden Baumkronen ("Kronenschluss") erschwert. Auch sogenannte "beherrscht stehende Individuen" unterhalb der aus der Luft sichtbaren Baumkronen lassen sich mit dem twin4tree-Verfahren nicht eindeutig erkennen. Daher unterschätzt das Verfahren die Anzahl von Bäumen in diesen Bereichen deutlich. Aus stichprobenhaften Zählungen in einigen Waldbereichen wurde ein durchschnittlicher Korrekturfaktor von 1,6 abgeleitet.

Methanemissionen aus den saisonalen Überflussingsgebieten des Amazonas

Methan (CH4) ist ein wichtiges Treibhausgas, welches hauptsächlich durch anaerobe Prozesse erzeugt wird. Eine Hauptquelle für Methan sind Feuchtgebiete. Das Amazonasbecken in Südamerika beherbergt viele dieser Feuchtgebiete und ist deshalb eine Schlüsselregion für tropische CH4-Emissionen. Trotz ihrer Bedeutung für den globalen Methanhaushalt, sind die CH4 Emissionen aus dem Amazonasbecken bisher schlecht quantifiziert und die beitragenden CH4 Quellen nicht gut verstanden. Im Amazonasbecken sind die saisonal überschwemmten Wälder potentiell wichtige Regionen für Methanemissionen, aber die wenigen Messungen erlauben es momentan nicht, den Beitrag dieser Regionen ausreichend zu quantifizieren.Das übergeordnete Ziel dieses Antrags ist es, die Rolle der saisonal überschwemmten Wälder für den CH4-Haushalt im Amazonasgebiet zu verstehen. Speziell sollen Austauschflussmessungen von CH4 (und anderen Gasen) über der Baumkrone in einem saisonal überfluteten Wald im Amazonasbecken über den Zeitraum von mindestens einem Jahr durchgeführt werden. Derartige Messungen existieren derzeit in saisonal überfuteten Wäldern im Amazonasgebiet nicht. Die Austauschflussmessungen über der Baumkrone sollen in diesem Projekt durch direkte Messungen der Methan-Quellen und -Senken ergänzt werden. Diese Kombination von Messungen erlaubt es, die Emissionen der einzelnen Quellen und Senken mit den Messungen über der Baumkrone zu verbinden und damit den CH4-Haushalt in dem Bereich des 'Footprints' der Messungen zu verstehen. Dies ist wichtig, weil einige Quellen nicht gut verstanden sind, z.B. wurden vor kurzem hohe Emissionen aus Baumstämmen in saisonal überfluteten Regionen gemessen. Darüberhinaus liefern die CH4 Flussmessungen oberhalb der Baumkrone über einen vollen Jahreszyklus einen Datensatz, der durch 'Upscaling' mit den Austauschflüssen, die man aus der Inversion atmosphärischer Konzentrationsmessungen erhält, verglichen werden kann. Die vorgeschlagenen Messungen sollen an dem Turm K34, welcher in einem saisonal überfluteten Wald nahe Manaus (Brasilien) steht, durchgeführt werden. Wir haben die Genehmigung unsere Instrumente an diesem Turm zu installieren und für das Spektrometer steht ein klimatisierter Raum zur Verfügung. Für die Flussmessungen werden wir die Relaxed Eddy Accumulation (REA) Technik mit einem FTIR-Spektrometer koppeln. Der Aufbau dieses FTIR-REA Flussmesssystems wurde in dem EU-Projekt INGOS entwickelt und das Messsystem steht zur Verfügung. Das System ist in der Lage, die Flüsse von CH4, CO2, N2O, CO und d13CO2 gleichzeitig zu messen. Die einzelnen Emissionsquellen innerhalb des 'Footprints' der Flussmessungen werden mit einem tragbaren Analysator im Rahmen einzelner Kampagnen bestimmt.

Erosionsprozesse in degradierten Arganbeständen in Südmarokko

Boden und Vegetation endemischer Arganbestände in Marokko werden durch Expansion und Intensivierung der Agrarwirtschaft sowie Überweidung zunehmend degradiert. Überschirmte Flächen nehmen ab, unbedeckte Flächenanteile zwischen den Arganien nehmen zu. Infolge verminderter Infiltration steigen Oberflächenabfluss- und Bodenabtragsraten stark an. Auf den degradierten Böden kann sich nur lückenhafter Unterwuchs (Krautige und Gras) und kein Jungwuchs mehr ausbilden. Durch Untersuchungen verschieden stark degradierter Arganbestände werden in diesem Vorhaben Grenzwerte herausgearbeitet, ab denen bodenerodierende Prozesse initiiert werden, sowie solche, ab denen von einer Dynamisierung der Prozesse, insbesondere Rinnen- und Gully-Erosion, auszugehen ist. Dazu werden in drei Testgebieten im Hohen und Anti-Atlas eingezäunte Aufforstungsflächen mit ungeschützten Flächen auf verschiedenen Hangneigungen verglichen. Die Entwicklung der Bestandsdichten wird mit hochauflösenden CORONA-Satellitenbildern aus dem Jahr 1968 und großmaßstäbigen Luftbildern von 2017/18 quantifiziert, welche mit unbemannten Fluggeräten (UAVs) aufgenommen werden. Die Wuchsform der Bäume wird mit Structure from Motion (SfM)-Verfahren (3D-Modelle aus Multikopter-Aufnahmen) dokumentiert und klassifiziert. Untersuchungen zur Korngrößenverteilung, Aggregatstabilität, organischen Bodensubstanz und Bodennährstoffen sollen hypothesengeleitet den - mit steigendem Abstand der Bäume - sinkenden Einfluss der baumüberschirmten Fläche auf die erweiterten Zwischenbaumflächen aufzeigen. Mit Beregnungsversuchen und Infiltrationsmessungen werden Erodibilität und Infiltrationsvermögen der Zwischenbaumflächen in verschiedenen Degradationsstadien untersucht. Der Sedimentaustrag aus linearen Erosionsformen wird durch ein SfM-Monitoring mittels 3D-Modellen quantifiziert. Steinbedeckung und Viehwege lassen sich aus den selbst erstellten Luftbildern ermitteln. Viehzählungen und Interviews mit Schlüsselinformanten ergänzen die Kenntnisse über den Beweidungsdruck durch Schafe und Ziegen auf die Arganbestände. Anhand der Untersuchungen zur Degradation von Bestandsdichten, Zwischenbaum- und baumüberschirmten Flächen können die Arganbestände in mit Werten unterfütterte Stabilitätsklassen unterteilt werden. Die durch das Multi-Methoden-Konzept erarbeiteten Grenzwerte zeigen die Dynamisierung der Bodenerosionsprozesse unter Arganbeständen und belegen, dass bestimmte Erosionsprozesse verschiedenen Degradationszuständen der Fläche sowie unterschiedlichen Bestandsdichten zugeordnet werden können. Dies ist eine notwendige Voraussetzung für die nachhaltige Bewirtschaftung der Arganbestandsflächen.

Saure Niederschlaege im Wald

In diesem Feldversuch wird nach jedem Regenfall der pH-Wert des aufgefangenen Regenwassers von zwei Waldstandorten im Raume der EAFV gemessen. Der pH-Wert wird bestimmt von Wasser, das unter Fichten- bzw. Buchenkronen bzw. im angrenzenden Freiland gewonnen wird.

Die Sanasilva-Inventur

*Der Gesundheitszustand der Bäume im Schweizer Wald wird seit 1985 mit der Sanasilva-Inventur repräsentativ erfasst. Die wichtigsten Merkmale sind die Kronenverlichtung und die Sterberate. Das systematische Probeflächen-Netz der Inventur ist im Laufe der Zeit ausgedünnt worden. In der Periode von 1985 bis 1992 wurden rund 8000 Bäume auf 700 Flächen im 4x4 km-Netz aufgenommen, 1993, 1994 und 1997 rund 4000 Bäume im 8x8 km-Netz und in den Jahren 1995, 1996 und 1998 bis 2002 rund 1100 Bäume im 16x16 km-Netz . Aufnahmemethode Alle drei Jahre (1997, 2000) wird die Sanasilva-Inventur auf dem 8x8-km Netz (ca. 170 Probeflächen ) durchgeführt. In den Jahren dazwischen findet die Inventur auf einem reduzierten 16x16-km Netz (49 Probeflächen) statt. Jede Fläche besteht aus zwei konzentrischen Kreisen. Der äussere Kreis hat ein Radius von 12.62 m (500 m2) und der innere ein Radius von 7.98 m (200 m2). Auf dem inneren Kreis werden alle Bäume mit einem Mindestdurchmesser in Brusthöhe von 12 cm und auf dem äusseren Kreis mit einem Mindestdurchmesser in Brusthöhe von 36 cm aufgenommen. In Nordrichtung wird zusätzlich in 30 m Entfernung eine identische Satellitenprobenfläche eingerichtet. Die Aufnahme findet in Juli und August statt. Eine Aufnahmegruppe besteht aus zwei Personen, von denen eine die Daten erhebt, und die andere die Daten eintippt. Die Daten werden mit dem Feldkomputer Paravant und der Software Tally erfasst. Die Aufgabenteilung wechselt zwischen Probeflächen. Auf dem 8x8-km Netz werden zusätzlich 10 Prozent der Flächen von einer unabhängigen zweiten Aufnahmegruppe zu Kontrollzwecken aufgenommen. Hauptmerkmale der Sanasilva-Inventur: Die Sanasilva-Inventur erfasst vor allem folgende Indikatoren des Baumzustandes: Die Kronenverlichtung wird beschrieben durch den Prozentanteil der Verlichtung einer Krone im Vergleich zu einem Baum gleichen Alters mit maximaler Belaubung/Benadelung an diesem Standort, den Anteil dieser Verlichtung, der nicht durch bekannte Ursachen erklärt werden kann, den Ort der Verlichtung, den Anteil und den Ort von unbelaubten/unbenadelten Ästen und Zweigen. Die Kronenverfärbung wird durch die Abweichung der mittleren Farbe (aufgenommen als Farbton, Reinheit und Helligkeit nach den Munsell Colour Charts) eines Baumes zu der für diese Baumart typischen Normalfarbe (Referenzfarbe) und durch das Vorhandensein, das Ausmass und den Ort der von der Referenzfarbe abweichenden Farben beschrieben. Der Zuwachs eines Baumes wird durch die zeitliche Veränderung der aufgenommen Baumgrössen beschrieben (Brusthöhendurchmesser, Höhe des Baumes, Kronenlänge und Kronenbreite). Weitere Merkmale sind die erkannten Ursachen der Kronenverlichtung, die Kronenkonkurrenz und das Vorkommen von Epiphyten, Mistel und Ranken in der Baumkrone.

Klima

Lufttemperatur, Feuchtigkeit, die Lage, Bebauung, Grünflächen und noch ein paar Dinge mehr sind entscheidend für das Stadtklima. Wie sich das Klima und seine entscheidenden Faktoren in Berlin verhalten und wie ihre Wirkung auf den Menschen positiv beeinflusst werden kann, erfahren Sie hier. Bild: Umweltatlas Berlin Klimaanalyse Immer mehr Menschen leben in Berlin und dadurch wird mehr gebaut – das hat Auswirkungen auf unser Stadtklima. Wie frisch ist unsere Luft? Wie stark heizt sich die Stadt im Sommer auf? Hier finden Sie analytische Karten zum Zustand des Stadtklimas. Weitere Informationen Bild: Umweltatlas Berlin Klimabewertung Wie sollte sich Berlin zukünftig entwickeln, um ein für den Menschen gesundes Klima in der Stadt zu sichern? Ein Baustein dafür ist die sogenannte Planungshinweiskarte Stadtklima, die als Grundlage für bauliche und planerische Entscheidungen dient. Weitere Informationen Bild: Umweltatlas Berlin Entwicklung von Klimaparametern Die langfristige Entwicklung von Klimaparametern wie etwa der Lufttemperatur zeigt, wie sich das Klima zurzeit darstellt und wie es sich zukünftig verändern könnte. Hier finden Sie Analysen zu Klimaparametern der vergangenen Jahrzehnte sowie einen Ausblick zum Klima in Berlin bis 2100. Weitere Informationen Bild: Umweltatlas Berlin Bioklima Vor allem heiße Sommernächte können unseren Kreislauf belasten und Schlaflosigkeit nach sich ziehen. Zur Wärmebelastung in Berlin finden Sie hier ausführliche Informationen, Karten und Daten. Weitere Informationen Bild: Umweltatlas Berlin Klimawandel Im Jahr 2100 haben wir in Berlin südfranzösische Verhältnisse – zumindest was das Klima betrifft. Warum wird die Hauptstadt immer wärmer? Und wieso können wir so weit in die Zukunft blicken? Hier finden Sie die Ergebnisse umfangreicher Modellberechnungen und Karten. Weitere Informationen Bild: Umweltatlas Berlin Oberflächentemperatur Wie warm und kalt ist es eigentlich in Berlin? Eine Möglichkeit, das herauszufinden, ist die Infrarot-Temperaturmessung von einzelnen Oberflächen wie Dächern, Straßen und Baumkronen. Wie das funktioniert und welche Erkenntnisse sich daraus gewinnen lassen, lesen Sie hier. Weitere Informationen Bild: Umweltatlas Berlin Niederschlagsverteilung Wie oft regnet es in Berlin? Und wie viele Tropfen kommen dann herunter? Hier finden Sie umfangreiche Messergebnisse und Karten zur langjährigen Niederschlagsverteilung und erhalten Informationen darüber, wie gut das Regenwasser in Berlin abfließen kann. Weitere Informationen Bild: Umweltatlas Berlin Stadtklimatische Zonen Was macht der asiatische Götterbaum in Berlin? Und was verrät er uns über das Klima in der Stadt? Hier finden Sie Antworten – und dazu einen detaillierten Überblick über die verschiedenen stadtklimatischen Zonen in Berlin. Weitere Informationen

Einzelbaum Baumarten aus Luftbildern (2021) Wuppertal

Der Datensatz enthält Ergebnisse aus der Baumartenableitung im Stadtgebiet Wuppertal. Grundlage bildet der Datensatz „Einzelbaum Kronenumringe aus Luftbildern (2021) Wuppertal“, der aus Luftbilddaten des Jahres 2021 abgeleitet wurde und rund 894.000 Einzelbäume umfasst. Für etwa 870.000 Einzelbaum Kronenumringe konnten Baumarteninformationen projiziert werden. Die Ausführung erfolgte durch die EFTAS Fernerkundung Technologietransfer GmbH aus Münster im Rahmen der Forschungskooperation DigiTalZwilling4D innerhalb des Förderprojektes smart.wuppertal / DigiTal Zwilling mit dem in dieser Kooperation entwickelten Verfahren "twin4tree". Hierzu wurde ein Long Short-Term Memory (LSTM)-Modell auf Basis validierter Baumarten aus dem Straßenbaumkataster des Ressorts Grünflächen und Forsten trainiert. Die Referenzdaten wurden mit zeitlich korrespondierenden PlanetScope-Satellitendaten verknüpft. Das Modell unterscheidet 13 Laubbaumarten: Ahorn, Baumhasel, Birke, Eiche, Esche, Hainbuche, Linde, Mehlbeere, Platane, Robinie, Rosskastanie, Rotbuche und Vogelkirsche. Zur Identifikation von Nadelbäumen wurden ergänzend Landbedeckungsinformationen aus Cop4ALL NRW genutzt. Alle Bäume, die dort als Nadelbäume klassifiziert wurden, erhielten entsprechend diese Klasse. Der Datensatz umfasst somit insgesamt 14 Baumartenklassen (13 Laubbaumarten und eine Nadelbaumklasse). Der Datensatz ist im GeoPackage-Format unter der Open-Data-Lizenz CC BY 4.0 verfügbar. Wichtige Hinweise: (1) In dichten Baumbeständen ist die Identifikation einzelner Bäume aufgrund von zusammenwachsenden Baumkronen ("Kronenschluss") erschwert. Auch sogenannte "beherrscht stehende Individuen" unterhalb der aus der Luft sichtbaren Baumkronen lassen sich mit dem twin4tree-Verfahren nicht eindeutig erkennen. Daher unterschätzt das Verfahren die Anzahl von Bäumen in diesen Bereichen deutlich. Aus stichprobenhaften Zählungen in einigen Waldbereichen wurde ein durchschnittlicher Korrekturfaktor von 1,6 abgeleitet. (2) Die genauen Stammpositionen können aus optischen Fernerkundungsdaten nicht bestimmt werden. Die als Stammpositionen angegebenen Schwerpunkte der Baumkronenpolygone sind Näherungswerte.

Einzelbaum Stammpositionen aus Luftbildern (2025) Remscheid und Solingen

Der Datensatz umfasst die automatisiert aus Luftbildern (Aufnahmezeitpunkte 02. Juli 2025) abgeleiteten, punktförmigen Stammpositionen von rund 464.000 Bäumen im Stadtgebiet von Solingen sowie von rund 406.000 Bäumen im Stadtgebiet von Remscheid, ausgeführt durch die EFTAS Fernerkundung Technologietransfer GmbH aus Münster im Rahmen der Forschungskooperation DigiTalZwilling4D innerhalb des Förderprojektes smart.wuppertal / DigiTal Zwilling mit dem in dieser Kooperation entwickelten Verfahren "twin4tree". Hierbei wurde das normalisierte Digitale Oberflächenmodell (nDOM) von Geobasis NRW (Jahrgang 2025) als Höhenmodell verwendet. Um keine Gebäude oder Bauwerke als Baum zu identifizieren, wurden für das Vegetationshöhenmodell nur Bereiche des nDOM innerhalb einer Baummaske berücksichtigt, die zuvor über eine Klassifikation der o. g. Luftbilder mit dem KI-Verfahren "Cop4ALL" erzeugt wurde. Die einzelnen Bäume wurden darin über ein Template-Matching-Verfahren identifiziert, bei dem variable 3D-Schablonen (sphärische und gaußförmige Form für Laubbäume, parabolische, hyperbolische und konische Form für Nadelbäume) über das Vegetationshöhenmodell gelegt werden. Den so gefundenen Baumstandorten wurden mittels einer Segmentierung des Vegetationshöhenmodells Baumkronen zugeordnet, deren senkrechte Projektion auf den Boden zweidimensionale Baumkronenpolygone ergab. Die Stammposition eines Baumes wurde im geometrischen Schwerpunkt seines Baumkronenpolygons angenommen. Der Datensatz ist im GeoPackage-Format unter der Open-Data-Lizenz CC BY 4.0 verfügbar. Wichtige Hinweise: (1) In dichten Baumbeständen ist die Identifikation einzelner Bäume aufgrund von zusammenwachsenden Baumkronen ("Kronenschluss") erschwert. Auch sogenannte "beherrscht stehende Individuen" unterhalb der aus der Luft sichtbaren Baumkronen lassen sich mit dem twin4tree-Verfahren nicht eindeutig erkennen. Daher unterschätzt das Verfahren die Anzahl von Bäumen in diesen Bereichen deutlich. Aus stichprobenhaften Zählungen in einigen Waldbereichen wurde ein durchschnittlicher Korrekturfaktor von 1,6 abgeleitet. (2) Die genauen Stammpositionen können aus optischen Fernerkundungsdaten nicht bestimmt werden. Die als Stammpositionen angegebenen Schwerpunkte der Baumkronenpolygone sind Näherungswerte.

Einzelbaum Kronenumringe aus Luftbildern (2025) Remscheid und Solingen

Der Datensatz umfasst die automatisiert aus Luftbildern (Aufnahmezeitpunkte 02. Juli 2025) abgeleiteten, zweidimensionalen Baumkronenumringe ("Baumkronenpolygone") von rund 464.000 Bäumen im Stadtgebiet von Solingen sowie von rund 406.000 Bäumen im Stadtgebiet von Remscheid, ausgeführt durch die EFTAS Fernerkundung Technologietransfer GmbH aus Münster im Rahmen der Forschungskooperation DigiTalZwilling4D innerhalb des Förderprojektes smart.wuppertal / DigiTal Zwilling mit dem in dieser Kooperation entwickelten Verfahren "twin4tree". Hierbei wurde das normalisierte Digitale Oberflächenmodell (nDOM) von Geobasis NRW (Jahrgang 2025) als Höhenmodell verwendet. Um keine Gebäude oder Bauwerke als Baum zu identifizieren, wurden für das Vegetationshöhenmodell nur Bereiche des nDOM innerhalb einer Baummaske berücksichtigt, die zuvor über eine Klassifikation der o. g. Luftbilder mit dem KI-Verfahren "Cop4ALL" erzeugt wurde. Die einzelnen Bäume wurden darin über ein Template-Matching-Verfahren identifiziert, bei dem variable 3D-Schablonen (sphärische und gaußförmige Form für Laubbäume, parabolische, hyperbolische und konische Form für Nadelbäume) über das Vegetationshöhenmodell gelegt werden. Den so gefundenen Baumstandorten wurden mittels einer Segmentierung des Vegetationshöhenmodells Baumkronen zugeordnet, deren senkrechte Projektion auf den Boden zweidimensionale Baumkronenpolygone ergab. Der Datensatz ist im GeoPackage-Format als Original und zur Reduzierung der Dateigröße als Variante mit generalisierten Baumkronenpolygonen unter der Open-Data-Lizenz CC BY 4.0 verfügbar. Wichtiger Hinweis: In dichten Baumbeständen ist die Identifikation einzelner Bäume aufgrund von zusammenwachsenden Baumkronen ("Kronenschluss") erschwert. Auch sogenannte "beherrscht stehende Individuen" unterhalb der aus der Luft sichtbaren Baumkronen lassen sich mit dem twin4tree-Verfahren nicht eindeutig erkennen. Daher unterschätzt das Verfahren die Anzahl von Bäumen in diesen Bereichen deutlich. Aus stichprobenhaften Zählungen in einigen Waldbereichen wurde ein durchschnittlicher Korrekturfaktor von 1,6 abgeleitet.

WMS True Orthophoto (NLP) Stand 2014

Das Geländemodell mit einer Bodenauflösung von 0.4 x 0.4 m wurde aus den Daten der Laserscan-Befliegung im Frühjahr 2015 abgeleitet. Genauer: das Geländemodell ist eine Interpolation der Laserstrahlen, die nicht von der Vegetation (Blätter, Äste, Stämme) reflektiert wurden, sondern vom Boden. Die hier gewählte Falschfarben-Kombination (nahes Infrarot an Position des grünen sichtbares Lichts) ermöglicht besser als eine Echtfarbendarstellung eine bessere visuelle Unterscheidung von Baumarten und eine frühe Erkennung von Wasserstress bei Bäumen. True Orthophoto haben den großen Vorteil, dass sie Baumkronen nicht - wie auf den üblichen Orthophotos - verkippt darstellen. Bei der vergleichenden Betrachtung von mehreren Zeitschnitten liegen die Baumkronenspitzen daher exakt an derselben Position. Das ermöglicht die automatische Analyse von Einzelbäumen, was für das detaillierte Monitoring der Walddynamik erforderlich ist. Stand 2014

1 2 3 4 5 … 32 33 34