Als Grundlage für die Anpassung der Wälder an den Klimawandel werden verbesserte multikriterielle Eignungsempfehlungen für heute wichtige Baumarten erarbeitet (Fichte, Kiefer, Europäische Lärche, Douglasie, Tanne, Buche, Trauben- und Stieleiche, Birke, Bergahorn, Hainbuche, Roteiche). Hierfür werden existierende Verfahren zur Baumarteneignungsbeurteilung aus allen Bundesländern zusammengestellt und verglichen. Entsprechend ergibt sich eine Pluralität der Eignungseinstufungen in den Ländern, die die Grundlage für die angestrebten Verbesserungen darstellen. An einigen der Länderversuchsanstalten sind zu diesem Zweck in den letzten Jahren bereits standort- bzw. klimasensitive Standort-Leistungs- und Risikomodelle entwickelt worden. Die verbesserten Eignungsempfehlungen sollen für differenziertere strategische Waldbauplanungen und mittelfristige forstbetriebliche Entscheidungen bereitgestellt werden. Das Verwertungsziel liegt in der Abschätzung der Zukunftsfähigkeit von Baumarten und Baumartenmischungen unter sich verändernden Umweltbedingungen. Eignungsempfehlungen und die sie bestimmenden Risiko- und Leistungsprojektionen werden am bundesweiten Punkteraster der Bodenzustandserhebung (BZE), Waldzustandserhebung (WZE) und Bundeswaldinventur (BWI) sowie für einige länderübergreifende 'Nachbarschaftsregionen' flächig abgeleitet bzw. angewendet. Auf dieser Grundlage erfolgen anschließend Vergleiche der Eignungsempfehlungen in den 'Nachbarschaftsregionen' benachbarter Länder sowie zwischen den aktuellen (häufig nur regional gültigen) expertenbasierten Verfahren und den modellgestützt adaptierten Verfahren. Dieser Vergleich wird durch Sensitivitätsanalysen über große Standortgradienten ergänzt. Ausgehend von rezenten Klimabedingungen (1981-2010) werden als zeitliche Korridore die nahe (2021-2050) und ferne Zukunft (2071-2100) unter Berücksichtigung der zwei Klimaszenarien RCP 4.5 und 8.5 betrachtet.
Als Grundlage für die Anpassung der Wälder an den Klimawandel werden verbesserte multikriterielle Eignungsempfehlungen für heute wichtige Baumarten erarbeitet (Fichte, Kiefer, Europäische Lärche, Douglasie, Tanne, Buche, Trauben- und Stieleiche, Birke, Bergahorn, Hainbuche, Roteiche). Hierfür werden existierende Verfahren zur Baumarteneignungsbeurteilung aus allen Bundesländern zusammengestellt und verglichen. Entsprechend ergibt sich eine Pluralität der Eignungseinstufungen in den Ländern, die die Grundlage für die angestrebten Verbesserungen darstellen. An einigen der Länderversuchsanstalten sind zu diesem Zweck in den letzten Jahren bereits standort- bzw. klimasensitive Standort-Leistungs- und Risikomodelle entwickelt worden. Die verbesserten Eignungsempfehlungen sollen für differenziertere strategische Waldbauplanungen und mittelfristige forstbetriebliche Entscheidungen bereitgestellt werden. Das Verwertungsziel liegt in der Abschätzung der Zukunftsfähigkeit von Baumarten und Baumartenmischungen unter sich verändernden Umweltbedingungen. Eignungsempfehlungen und die sie bestimmenden Risiko- und Leistungsprojektionen werden am bundesweiten Punkteraster der Bodenzustandserhebung (BZE), Waldzustandserhebung (WZE) und Bundeswaldinventur (BWI) sowie für einige länderübergreifende 'Nachbarschaftsregionen' flächig abgeleitet bzw. angewendet. Auf dieser Grundlage erfolgen anschließend Vergleiche der Eignungsempfehlungen in den 'Nachbarschaftsregionen' benachbarter Länder sowie zwischen den aktuellen (häufig nur regional gültigen) expertenbasierten Verfahren und den modellgestützt adaptierten Verfahren. Dieser Vergleich wird durch Sensitivitätsanalysen über große Standortgradienten ergänzt. Ausgehend von rezenten Klimabedingungen (1981-2010) werden als zeitliche Korridore die nahe (2021-2050) und ferne Zukunft (2071-2100) unter Berücksichtigung der zwei Klimaszenarien RCP 4.5 und 8.5 betrachtet.
The Tree Species Germany product provides a map of dominant tree species across Germany for the year 2022 at a spatial resolution of 10 meters. The map depicts the distribution of ten tree species groups derived from multi-temporal optical Sentinel-2 data, radar data from Sentinel-1, and a digital elevation model. The input features explicitly incorporate phenological information to capture seasonal vegetation dynamics relevant for species discrimination. A total of over 80,000 training and test samples were compiled from publicly accessible sources, including urban tree inventories, Google Earth Pro, Google Street View, and field observations. The final classification was generated using an XGBoost machine learning algorithm. The Tree Species Germany product achieves an overall F1-score of 0.89. For the dominant species pine, spruce, beech, and oak, class-wise F1-scores range from 0.76 to 0.98, while F1-scores for other widespread species such as birch, alder, larch, Douglas fir, and fir range from 0.88 to 0.96. The product provides a consistent, high-resolution, and up-to-date representation of tree species distribution across Germany. Its transferable, cost-efficient, and repeatable methodology enables reliable large-scale forest monitoring and offers a valuable basis for assessing spatial patterns and temporal changes in forest composition in the context of ongoing climatic and environmental dynamics.
This vector dataset is based on a 10 m resolution raster dataset that shows forest canopy cover loss (FCCL) in Germany at a monthly resolution from September 2017 to September 2024. Results at pixel level were aggregated at municipality, district, and federal state level. For the results at administrative level we differentiate between deciduous and coniferous forests. We use the stocked area map 2018 (Langner et al. 2022, https://doi.org/10.3220/DATA20221205151218 ) as a reference forest mask. We differentiate between deciduous and coniferous forests by intersecting the stocked area map with a tree species map (Blickensdoerfer et al. 2024). Pixels of the classes birch, beech, oak, alder, deciduous trees with long lifespan and deciduous trees with short lifespan were classified as deciduous forest and pixels of the classes Douglas fir, spruce, pine, larch and fir as coniferous forest. The coverage of the two datasets is not identical, which is why a few areas of the forest reference map remained unclassified. These were filled with the dominant leaf type map of the Copernicus Land Monitoring Service (CLMS 2025). Therefore, the vector data at administrative level contains information about unclassified forest areas and the total forest area as the sum of deciduous, coniferous, and unclassified forests. The FCCL confidence at pixel level is lowest at the end of the time series because the number of repeated threshold exceedance is used as a criterion to record forest canopy cover losses. Therefore, we excluded July 2024 through September 2024 from the annual and overall statistics and summarized the respective FCCL as additional attribute. The dataset is a fully reprocessed continuation of the assessment in Thonfeld et al. (2022).
The Tree Species Germany product provides a map of dominant tree species across Germany for the year 2016 at a spatial resolution of 10 meters. The map depicts the distribution of ten tree species groups derived from multi-temporal optical Sentinel-2 data. The input features explicitly incorporate phenological information to capture seasonal vegetation dynamics relevant for species discrimination. A total of over 100,000 training and test samples were compiled from publicly accessible sources, including urban tree inventories, Google Earth Pro, Google Street View, and field observations. The final product was created by majority-voting on annual XGBoost Sentinel-2 tree species classifications (2016–2024) and filtering with forest structure data. If no clear majority vote was achieved, the class uncertain was assigned. The Tree Species Germany 2016 product achieves an overall F1-score of 0.95. For the dominant species pine, spruce, beech, and oak, class-wise F1-scores range from 0.92 to 0.99, while F1-scores for other widespread species such as birch, alder, larch, Douglas fir, fir, and other deciduous species range from 0.85 to 0.96. The product provides a consistent, high-resolution, and up-to-date representation of tree species distribution across Germany. Its transferable, cost-efficient, and repeatable methodology enables reliable large-scale forest monitoring and offers a valuable basis for assessing spatial patterns and temporal changes in forest composition in the context of ongoing climatic and environmental dynamics.
Die Daten enthalten alle Bebauungspläne der Berg- und Universitätsstadt Clausthal-Zellerfeld.
Die Daten enthalten alle Bebauungspläne der Berg- und Universitätsstadt Clausthal-Zellerfeld.
Fuer naehrstoffarme Standorte mit unguenstiger Wasserversorgung fehlt es an verwendbaren Alternativbaumarten. Aus anderen Laendern gibt es Hinweise, dass in der Gattung der Birken Nachkommenschaften gefunden werden koennen, die auf solchen Standorten mit Erfolg angebaut werden koennen. Durch die Aussaat, Anzucht und Ausbringung (auf Versuchsflaechen) von Nachkommenschaften diverser Birkenarten und -herkuenfte und die laufende Erhebung ihrer quantitativen Merkmale sollen Erkenntnisse ueber die Eignung bestimmter Pruefglieder gewonnen werden. Beobachtet werden Nachkommen der Arten B. alleghaniensis, lenta, papyrifera, pubescens und verrucosa bezueglich Wuchsleistung, Phaenologie und Schaeden. Aufbauend auf den Ergebnissen dieser Versuche soll weitere Zuechtungsarbeit (z.B. gelenkte Kreuzungen) geleistet und der Praxis Empfehlungen zur Verwendung geeigneten Saat- und Pflanzengutes gegeben werden.
Mittels Pollen, Grossresten und Geochemie wird die Vegetationsgeschichte des Gebietes untersucht, um die Entwicklung des Moores zu verstehen. Parallel werden die heutige Vegetation und ihre Standortsbedingungen aufgenommen. Anhand von Dauerquadraten wird die Sukzession nach einem Renaturierungsversuch belegt. Das Moor hat seine Anfaenge schon am Ende der letzten Eiszeit. Es beinhaltet die Vegetationsgeschichte bis in die juengste Zeit. Blaetter und Samen der Zwergbirke (Betula nana) und das Moos Drepanocladus tundrae konnten erstmals fuer das Gebiet nachgewiesen werden. Es kam nach dem Aufstau nicht zur schnellen Ausbreitung der Torfmoose, wie man gehofft hatte.
Als Grundlage für die Anpassung der Wälder an den Klimawandel werden verbesserte multikriterielle Eignungsempfehlungen für heute wichtige Baumarten erarbeitet (Fichte, Kiefer, Europäische Lärche, Douglasie, Tanne, Buche, Trauben- und Stieleiche, Birke, Bergahorn, Hainbuche, Roteiche). Hierfür werden existierende Verfahren zur Baumarteneignungsbeurteilung aus allen Bundesländern zusammengestellt und verglichen. Entsprechend ergibt sich eine Pluralität der Eignungseinstufungen in den Ländern, die die Grundlage für die angestrebten Verbesserungen darstellen. An einigen der Länderversuchsanstalten sind zu diesem Zweck in den letzten Jahren bereits standort- bzw. klimasensitive Standort-Leistungs- und Risikomodelle entwickelt worden. Die verbesserten Eignungsempfehlungen sollen für differenziertere strategische Waldbauplanungen und mittelfristige forstbetriebliche Entscheidungen bereitgestellt werden. Das Verwertungsziel liegt in der Abschätzung der Zukunftsfähigkeit von Baumarten und Baumartenmischungen unter sich verändernden Umweltbedingungen. Eignungsempfehlungen und die sie bestimmenden Risiko- und Leistungsprojektionen werden am bundesweiten Punkteraster der Bodenzustandserhebung (BZE), Waldzustandserhebung (WZE) und Bundeswaldinventur (BWI) sowie für einige länderübergreifende 'Nachbarschaftsregionen' flächig abgeleitet bzw. angewendet. Auf dieser Grundlage erfolgen anschließend Vergleiche der Eignungsempfehlungen in den 'Nachbarschaftsregionen' benachbarter Länder sowie zwischen den aktuellen (häufig nur regional gültigen) expertenbasierten Verfahren und den modellgestützt adaptierten Verfahren. Dieser Vergleich wird durch Sensitivitätsanalysen über große Standortgradienten ergänzt. Ausgehend von rezenten Klimabedingungen (1981-2010) werden als zeitliche Korridore die nahe (2021-2050) und ferne Zukunft (2071-2100) unter Berücksichtigung der zwei Klimaszenarien RCP 4.5 und 8.5 betrachtet.
| Origin | Count |
|---|---|
| Bund | 215 |
| Kommune | 4 |
| Land | 186 |
| Wissenschaft | 21 |
| Zivilgesellschaft | 17 |
| Type | Count |
|---|---|
| Agrarwirtschaft | 15 |
| Chemische Verbindung | 27 |
| Daten und Messstellen | 14 |
| Förderprogramm | 137 |
| Gesetzestext | 26 |
| Hochwertiger Datensatz | 4 |
| Taxon | 28 |
| Text | 90 |
| Umweltprüfung | 7 |
| unbekannt | 100 |
| License | Count |
|---|---|
| geschlossen | 235 |
| offen | 173 |
| unbekannt | 9 |
| Language | Count |
|---|---|
| Deutsch | 376 |
| Englisch | 77 |
| Resource type | Count |
|---|---|
| Archiv | 5 |
| Bild | 32 |
| Datei | 22 |
| Dokument | 86 |
| Keine | 200 |
| Multimedia | 1 |
| Unbekannt | 4 |
| Webdienst | 30 |
| Webseite | 113 |
| Topic | Count |
|---|---|
| Boden | 269 |
| Lebewesen und Lebensräume | 417 |
| Luft | 181 |
| Mensch und Umwelt | 386 |
| Wasser | 195 |
| Weitere | 344 |