API src

Found 608 results.

Related terms

Nutzung von Fernerkundungs- und Klimadaten zur Beschreibung von Ertrags- und Qualitätsdynamiken im Grünland (SatGrass)

Zielsetzung: Seit dem Jahr 2014 sind mehrere Satelliten (Sentinel-1, -2, -3, -4 und -5p) des Copernicus-Programms der europäischen Raumfahrtbehörde (ESA) gestartet worden. Diese Satelliten ermöglichen komplexe Erdbeobachtungen in sehr hoher räumlicher Auflösung und in zeitlich kurzen Abständen. In diesem Projekt wird untersucht ob die aufbereiteten Daten der Satellitenpaare Sentinel-1 und -2 Zusammenhänge zu Ertrag und Futterqualität im Grünland zeigen. Mit Hilfe des C-Band SAR (Synthetic Aperture Radar) der Sentinel-1 Satelliten, wird die Erdoberfläche mit einer Wellenlänge von 6 Zentimetern abgetastet. Anhand der Zeitverzögerung sowie der Stärke des reflektierten Signals kann vor allem auf physikalische Eigenschaften der reflektierenden Oberflächen geschlossen werden. Bei den beiden Sentinel-2 Satelliten handelt es sich um optische Erdbeobachtungssatelliten mit einem multispektralen Aufnahmegerät, welches Spektralsignaturen von 13 unterschiedlichen Wellenlängen aufzeichnet. Durch verschiedene Bandkombination stehen Informationen zu physikalischen und chemischen Eigenschaften der reflektierenden Oberflächen zur Verfügung. Wichtige Ertrags und Qualitätsparameter von Grünlandaufwüchsen sollen anhand von diesen Informationen besser und einfacher abgeschätzt werden. Zusätzlich zu den Satellitendaten werden wichtige agrarmeteorologische Kennzahlen wie Niederschlag, Globalstrahlung, Evapotranspiration und die Klimatische Wasserbilanz mit eine mobilen Wetterstation am Versuchsfeld aufgezeichnet. Durch die Kombination dieser Daten soll eine möglichst genaue und einfache, nichtinvasive Methode zur Abschätzung von Ertrag und Qualität im Grünland geschaffen werden. Genaue Informationen über die Wachstumsdynamiken von Grünlandmischbeständen ermöglichen es, wichtige Managementaufgaben, wie Grünlandpflege, Düngung und Nutzung, sehr präzise durchführen zu können. Bedeutung des Projekts für die Praxis: Aufgrund der derzeitig hohen Aktualität der Thematik satellitengestützte Fernerkundung, ist es von großer Bedeutung auch in der Grünlandforschung einen Schwerpunkt in diese Richtung zu setzen. Das offensichtlich enorme Potential, Daten der Sentinel-Mission auch im Grünlandmanagement nutzen zu können, wird mithilfe dieses Projektes überprüft.

ALPCHANGE - Klimawandel und Auswirkungen in Südösterreich

Das Ziel von ALPCHANGE ist die quantitative Erfassung der durch den Klimawandel in der Vergangenheit und aktuell verursachten Landschaftsdynamik im alpinen Raum. ALPCHANGE bietet dabei einen integrativen und interdisziplinären Ansatz, welcher vier dynamische Landschaftsparameter - Permafrost, Schnee, Geomorphologie und Gletscher - unter Berücksichtung eines angenommenen Klimawandels sowohl einzeln als auch gesamt betrachtet. Diese Parameter reagieren auf den Klimawandel in verschiedenen Zeitskalen und liefern dadurch unterschiedliche Informationen: Schnee innerhalb sehr kurzer Zeit, Gletscher innerhalb mehrerer Jahre bis Jahrzehnte (größenabhängig), geomorphologische Formen innerhalb mehrerer Jahre bis Dekaden und Permafrost im Laufe von Dekaden bis Jahrhunderten. Eine komplexe Analyse dieser Prozesse wird mit Hilfe eines qualitativ hochwertigen Monitoringnetzwerkes in Südösterreich ermöglicht. Die Interdisziplinarität dieses Untersuchungsvorhaben erfordert die Verwendung verschiedenster Disziplinen - beispielsweise Fernerkundung, Feldforschung, Modellierungen oder die genaue Analyse von unterschiedlichen historischen und semi-historischen Datenquellen - sowie die Zusammenarbeit von fünf wissenschaftlichen Institutionen. Die Landschaftsdynamik, repräsentiert durch die vier Landschaftsparameter, wird in vier unterschiedlichen räumlichen Dimensionen betrachtet: gesamtes Untersuchungsgebiet (ca. 650km2), unterschiedliche ökologische Höhenzonen (vertikale Gliederung), mittelflächige Untersuchungsgebiete (z.B. Talschlüsse; wenige ha bis km2) sowie schließlich kleinflächige Testgebiete (lokal). Drei meteorologische Stationen, eine permanent eingerichtete DC-Resistivity-Tomograph-Station (Gleichstromwiderstandsmessungen), mehrere Temperatur-sensoren sowie zwei automatische Digitalkamerasysteme bilden die Kerninfrastruktur eines qualitativ hochwertigen Monitoringnetzwerkes, welches Basisdaten für spätere Modellierungen sowie Korrelationen liefert. Die Ergebnisse des Forschungsvorhabens werden ein umfassendes Bild des Gletscherverhaltens (z.B. Veränderung von Gletscherstand, Gleichgewichtslinie oder Gletscheroberflächenstruktur), des Schneedeckenverhaltens (z.B. Erfassen der Schneedeckendynamik mittels automatischer Kamera), der Geomorphodynamik (z.B. Massenbewegungsprozesse an Lockersedimentakkumulationen bzw. Festgesteinen, Solifluktion, Veränderung des Gletschervorfeldes, flächendeckende Erfassung von Murgängen) sowie der Permafrostverbreitung und -dynamik (z.B. Kartierung der permafrostverdächtigen Bereiche mit Hilfe von Methoden der Fernerkundung, Feldmesskampagnen, permanente Gleichstromwiderstandsmessungen, Temperaturverhalten der Geländeoberfläche sowie des bodennahen Untergrundes) ermöglichen. usw.

Neue Strategien zur Anpassung an zukünftige physikalisch-ozeanografische Extremszenarien an deutschen Küsten, Vorhaben: Zeitreihendynamik aus Erdbeobachtungsdaten und Inventarisierung von Infrastruktur'

Luftbilder Hamburg - DOP Zeitreihe Wattenmeer

Der Datensatz zeigt detaillierte Luftbilder (Digitale Orthophotos - DOP) des Hamburgischen Wattenmeeres, einschließlich der Inseln Neuwerk, Nigehörn und Scharhörn. Mit einer Auflösung von <b> 0,20m - 0,25m </b> eine beeindruckende Detailgenauigkeit. Woher kommen die Daten? Die hier enthaltenen Daten wurden mit Spektral- und Multispektral-Sensoriken (RGB/RGBI) via <b>Flugzeug</b> aufgenommen. Für nähere Infos stehen im Downloadbereich Informationen bereit. Die Zusammenführung der Daten in einer Zeitreihe ermöglicht es, Entwicklungen im Landschaftsbild zu identifizieren und über einen Zeitraum hinweg zu beobachten: -Wo liegen Nistplätze? (#Detektion) -Wie verändert sich der Uferverlauf? (#Change Detection) -Wie steht es um die Vegetation? (#Monitoring) Wie das funktioniert? DOP bieten die vorteilhafte Eigenschaft, dass sie wie eine Karte verwendet werden können. Strukturen werden lagerichtig, an Ort und Stelle, dargestellt. Bei Einbindung in Geoinformationssysteme können geometrische Informationen (Maße) und auch spektrale Informationen (RGBI-Werte) abgegriffen und für Analysen verwendet werden. Digitale Orthophotos zählen damit zu den unverzichtbaren Werkzeugen der Erdbeobachtung. Die Daten sind ideal für Anwendungen in der Umweltbeobachtung, Stadtplanung, sowie als Trainingsdaten für KI geeignet.

Luftbilder Hamburg - DOP Zeitreihe unbelaubt

Der Datensatz zeigt detaillierte Luftbilder (Digitale Orthophotos - DOP), die während der unbelaubten Jahreszeit in Hamburg aufgenommen worden sind. Mit einer Auflösung von <b> 0,20m - 0,30m </b> eine beeindruckende Detailgenauigkeit. Woher kommen die Daten? Die hier enthaltenen Daten wurden mit Multispektral-Sensoriken (RGBI) sowohl via <b>Flugzeug</b>, als auch <b>Satellit</b> aufgenommen. Entsprechend variieren einzelne Parameter - für nähere Infos stehen im Downloadbereich Informationen bereit. Die Zusammenführung der Daten in einer Zeitreihe ermöglicht es, Entwicklungen im urbanen Landschaftsbild zu identifizieren und über einen Zeitraum hinweg zu beobachten: -Wie viele Gebäude gibt es? (#Detektion) -Wo entstehen versiegelte Flächen? (#Change Detection) -Wie steht es um die Vegetation? (#Monitoring) Wie das funktioniert? DOP bieten die vorteilhafte Eigenschaft, dass sie wie eine Karte verwendet werden können. Strukturen werden lagerichtig, an Ort und Stelle, dargestellt. Bei Einbindung in Geoinformationssysteme können geometrische Informationen (Maße) und auch spektrale Informationen (RGBI-Werte) abgegriffen und für Analysen verwendet werden. Digitale Orthophotos zählen damit zu den unverzichtbaren Werkzeugen der Erdbeobachtung. Die Daten sind ideal für Anwendungen in der Stadt- und Verkehrsplanung, Umweltbeobachtung und auch als Trainingsdaten für KI geeignet.

Luftbilder Hamburg - DOP Zeitreihe belaubt

Der Datensatz zeigt detaillierte Luftbilder (Digitale Orthophotos - DOP), die während der belaubten Jahreszeit in Hamburg aufgenommen worden sind. Mit einer Auflösung von <b> 0,20m - 0,50m </b> eine beeindruckende Detailgenauigkeit. Woher kommen die Daten? Die hier enthaltenen Daten wurden mit Multispektral-Sensoriken (RGBI) sowohl via <b>Flugzeug</b>, als auch <b>Satellit</b> aufgenommen. Entsprechend variieren einzelne Parameter - für nähere Infos stehen im Downloadbereich Informationen bereit. Die Zusammenführung aller Daten in einer Zeitreihe ermöglicht es, Entwicklungen im urbanen Landschaftsbild zu identifizieren und über einen Zeitraum hinweg zu beobachten: -Wie viele Gebäude gibt es? (#Detektion) -Wo entstehen versiegelte Flächen? (#Change Detection) -Wie steht es um die Vegetation? (#Monitoring) Wie das funktioniert? DOP bieten die vorteilhafte Eigenschaft, dass sie wie eine Karte verwendet werden können. Strukturen werden lagerichtig, an Ort und Stelle, dargestellt. Bei Einbindung in Geoinformationssysteme können geometrische Informationen (Maße) und auch spektrale Informationen (RGBI-Werte) abgegriffen und für Analysen verwendet werden. Digitale Orthophotos zählen damit zu den unverzichtbaren Werkzeugen der Erdbeobachtung. Die Daten sind ideal für Anwendungen in der Stadt- und Verkehrsplanung, Umweltbeobachtung und auch als Trainingsdaten für KI geeignet.

Gebesee Database for the enhancement of crop monitoring applications: evolution of plant physiology, soil moisture, surface reflectance and atmospheric conditions on the agricultural Gebesee test site (central Germany) in 2013 and 2014

Ground reference data are a prerequisite for the calibration, update and validation of land data assimilation systems facilitating large-scale crop monitoring based on Earth Observation data. Here, we provide a comprehensive database which was elaborated to test and validate the recently developed Earth Observation Land Data Assimilation System (EO-LDAS). In situ data was collected for seven crop types cultivated on the agricultural Gebesee test site (central Germany) in 2013 and 2014, i.e., winter barley, winter wheat, spring wheat, durum, winter rape, potato and sugar beet. The database contains information on the evolution of biophysical and biochemical plant parameters, phenology, leaf structure, soil moisture, atmospheric states and illumination conditions. In addition, surface reflectance was recorded with a field spectrometer. Data was collected with an approximately weekly resolution throughout the growing season. In addition, it was attempted to schedule days of field work according to the acquisition plans of RapidEye, SPOT5, Landsat 7 and 8, and on days with a high probability of low cloud coverage. Data was collected on up to three elementary sampling units (ESUs) per acreage. ESUs represent squares with a diagonal length of 24 m and consist of five secondary sampling points (SSPs). This experimental design permits an assessment of spatio-temporal variations of the investigated parameters. Coordinates of survey sites, nearby ground control points (GCPs) and check points (CPs) were recorded with a differential Global Navigation Satellite System (dGNSS) which supports accurate geo-referencing of satellite images. The experimental design of the field campaigns, methods employed in the determination of all parameters, and meteorological conditions in the measurement period are described in detail in Truckenbrodt & Schmullius, 2017.

Gebesee Database for the enhancement of crop monitoring applications: evolution of plant physiology, soil moisture, surface reflectance and atmospheric conditions on the agricultural Gebesee test site (central Germany) in 2016

Ground reference data are essential for the calibration, update and validation of empirically and physically based models as well as hybrid methods that facilitate crop monitoring with the help of Earth Observation data. This database contains in situ measured values from 2016 for various parameters characterizing vegetation, soil and atmosphere conditions all of which are required to test and validate the Earth Observation Land Data Assimilation System (EO-LDAS). This new database is complementary to another database for the growing seasons in 2013 and 2014 that was previously published by Truckenbrodt & Baade (2017; doi:10.1594/PANGAEA.874251) and has been described in detail by Truckenbrodt & Schmullius (2018). In 2016, ground reference data were collected for five crop types (i.e., winter barley, winter wheat, spring wheat, potato and sugar beet) grown on the agricultural Gebesee test site (central Germany). Between May and October, hyperspectral surface reflectance, information on the evolution of biophysical and biochemical plant parameters (like leaf area index, biomass and leaf chlorophyll content), phenology, leaf structure, soil moisture, atmospheric states and illumination conditions were recorded. The field working days were preferentially scheduled for days with expectedly low cloud coverage and close to overflights of Sentinel-2, Landsat 7 and 8. Each crop type was investigated on average every 16 days on at least one elementary sampling unit (ESU). The data collection for potato and winter wheat was complemented with up to two additional ESUs on single field working day. All ESUs are designed as a square with a diagonal length of 24 m. On the diagonal from the most southwestern to the most northeastern corner of the ESU five secondary sampling points (SSPs) are distributed: at 0 m (SSP00), 8 m (SSP08), 12 m (SSP12), 16 m (SSP16), and 24 m (SSP24). The corner coordinates were determined with a differential Global Navigation Satellite System (dGNSS). A set of dGNSS recorded ground control points (GCPs) and check points (CPs) has been provided by Truckenbrodt & Baade (2017; doi:10.1594/PANGAEA.874247) and allows for a solid geo-referencing of satellite images depicting the agricultural Gebesee test site.

Waldstörungen in der Russischen Taiga und ihr Einfluss auf die Kohlenstoffspeicherung

Borealen Wälder speichern fast ein Drittel des weltweiten terrestrischen Kohlenstoffs in Biomasse und Böden. Die Stabilität dieser Kohlenstoffvorräte ist in der jüngsten Zeit intensiv diskutiert worden, denn es wird erwartet, dass Waldstörungen wie etwa Insektenausbrüche, Stürme oder Brände im Klimawandel zunehmen werden. Während für die nordamerikanischen und europäischen borealen Wälder eine solide Wissensbasis über sich verändernde Waldstörungen existiert, gibt es für die russischen borealen Wälder nur wenige Fallstudien. Diese wenigen Fallstudien decken jedoch nur einen sehr kleinen Teil der riesigen Ausdehnung des russischen borealen Waldes ab, was wiederum das Kohlenstoffbudget des russischen borealen Waldes höchst unsicher macht. Im Rahmen des BOFOR-Projekts schlagen wir daher vor, diese Wissenslücke zu schließen, indem wir unser Verständnis der sich veränderte Waldstörungen und deren Einfluss auf den Kohlenstoffhaushalt des russischen borealen Waldes verbessern. Das Projekt verfolgt dabei die folgenden sechs Ziele: (1) Entwicklung eines neuen räumlich expliziten Datensatzes für Waldstörungen für den gesamten russischen borealen Wald unter Verwendung von Erdbeobachtungsdaten. (2) Die Zuordnung von Waldstörungen zu ihren kausalen Verursachern wie Feuer, Wind, Insektenbefall und Holzernte. (3) Quantifizierung der Sensitivität von Störungen in borealen Wäldern gegenüber zunehmenden Klimaextremen im Zuge des Klimawandels. (4) Quantifizierung der Erholungsfunktion nach Störung, mit besonderem Blick auf die Biomasse. (5) Quantifizierung der Sensitivität der Erholungsfunktion gegenüber biotischen, bodenkundlichen und klimatischen Faktoren. (6) Erstellung eines vollständigen Kohlenstoffbudgets für den borealen Wald, einschließlich Störungen und Erholung. Das von uns vorgeschlagene Projekt wird eine wichtige Wissenslücke im globalen Kohlenstoffkreislauf schließen und damit unser Verständnis des Klimaschutzpotenzials der Wälder weltweit erheblich verbessern.

Signaldekomposition hypertemporaler Sentinel-1 Zeitreihen zur Optimierung des Informationsgewinns für Land-Anwendungen

Mit der Initiierung des Europäischen Copernicus Programms zur Erdbeobachtung und dem damit verbundenen Start der Satelliten Sentinel-1A & B stehen erstmals zuverlässig und kostenfrei dichte C-Band Radardatenzeitserien zur Verfügung. Die Kombination beider Schwestersatelliten erlaubt die Datenakquisition mit einer zeitlichen Wiederholrate von sechs Tagen bei gleichbleibender Aufnahmegeometrie. Die nun zur Verfügung stehende zeitliche Dimension der SAR-Datensätze ermöglicht und erfordert innovative Datenauswertestrategien, die zum einen die Vorprozessierung der Daten und zum anderen die Extrahierung des Informationsgehaltes optimieren. Das übergeordnete Ziel dieses Vorhabens ist die Entwicklung und der Test eines geeigneten Verfahrens. Der vorgeschlagene Ansatz basiert auf der temporalen Dekomposition von SAR Zeitreihen. Die extrahierte raumzeitliche Information soll hinsichtlich ihrer Eignung als Datengrundlage für bestimmte Anwendungen untersucht werden. Parallel soll mittels temporaler Dekomposition ein neuartiger Speckle-Filter entwickelt werden. Der Speckle-Filter wird die Eigenschaft besitzen, ausschließlich über die Zeit zu filtern. Somit bleibt die geometrische Auflösung der Eingangsdaten vollständig erhalten. Eine Erweiterung des Filters zur raum-zeitlichen Filterung ist ebenso vorgesehen. Die Zerlegung des zeitlichen Signals erfolgt in einzelne Komponenten unterschiedlicher Frequenz. Komponenten hoher Frequenz bilden zufällige Rückstreuvariationen ab (Speckle, Niederschlagseinflüsse etc.), Komponenten mittlerer oder niedriger Frequenz werden durch biophysikalische Prozesse wie z.B. Bodenfeuchteänderungen oder Pflanzenwachstum dominiert. Welche Komponenten mit welchen biophysikalischen Prozessen zusammenhängen, und welche zeitliche Abtastungsdichte gegeben sein muss, um den Einfluss dieser Steuergrößen abbilden zu können, soll im Rahmen dieses Vorhabens analysiert werden. Bezüglich der Bodenfeuchteableitung soll zudem geprüft werden, inwieweit Sentinel-1 basierte Kohärenzen sowie Phasentriplets geeignete Proxys für die Ableitung von Bodenfeuchteindikatoren sein können. Entsprechend dieser Ergebnisse erfolgt die Erforschung der Nutzbarkeit der zeitlichen Komponenten hinsichtlich der Anwendungsentwicklung. Im Vordergrund stehende Anwendungsfälle sind hier die Kartierung der Landbedeckung und -nutzung inkl. REDD+ Fragestellungen, die Detektion von Landbedeckungsveränderungen, Analysen zur Dynamik von Feuchtgebieten sowie die Ableitung von Bodenfeuchteindikatoren.

1 2 3 4 5 … 59 60 61