API src

Found 317 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 stichprobenhafte Zählungen in einigen Waldbereichen wurde ein durchschnittlicher Korrekturfaktor von 1,6 abgeleitet.

Einzelbaum Kronenumringe aus Luftbildern (2021) Wuppertal

<p>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.</p> <p><strong>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 stichprobenhafte Zählungen in einigen Waldbereichen wurde ein durchschnittlicher Korrekturfaktor von 1,6 abgeleitet.</strong></p> <p> </p>

Einzelbaum Stammpositionen aus Luftbildern (2021) Wuppertal

Der Datensatz umfasst die automatisiert aus Luftbildern (Aufnahmezeitpunkte 30. März und 01./02. Juni 2021) abgeleiteten, punktförmigen Stammpositionen 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. 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 stichprobenhafte 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 (2021) Wuppertal

<p>Der Datensatz umfasst die automatisiert aus Luftbildern (Aufnahmezeitpunkte 30. März und 01./02. Juni 2021) abgeleiteten, punktförmigen Stammpositionen 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. 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.</p> <p><strong>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 stichprobenhafte 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.</strong></p> <p> </p>

WMS True Orthophoto (NLP) Stand 2016

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 2016

WMS True Orthophoto (NLP) Stand 2017

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 2017

WMS True Orthophoto (NLP) Stand 2015

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 2015

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

WMS True Orthophoto (NLP) Stand 2019

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 2019

WMS True Orthophoto (NLP) Stand 2021

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 2021

1 2 3 4 5 … 30 31 32