Klimamodelle sagen voraus, dass sich in naher Zukunft im Antarktischen Ozean signifikant die Temperatur und der PH-Wert ändern werden, bedingt durch den Anstieg der Konzentrationen troposphärischer Treibhausgase und vor allem durch den erhöhten Kohlenstoffdioxidausstoß aus fossilen Brennstoffen. Solche Änderungen wirken sich auf die Zusammensetzung des Phytoplanktons aus und damit auch auf die Stoffkreisläufe wichtiger Elemente (Kohlenstoff, Stickstoff, usw.). Ziel dieses interdisziplinären Projektes ist die genauere Bestimmung der räumlichen und zeitlichen Variabilität der Biomasse von unterschiedlichen Phytoplanktontypen im Antarktischen Ozean. Einerseits wird hiermit das Verständnis der Rolle des antarktischen Phytoplanktons für das Ökosystem vertieft und andererseits deren Beitrag für den globalen Kohlenstoffzyklus genauer quantifiziert. Durch die einzigartige Kombination von Satellitendaten zweier unterschiedlicher Instrumententypen soll die Konzentration verschiedener Phytoplankton-Typen im Antarktischen Ozean zum ersten Mal mit umfassender zeitlicher und räumlicher Abdeckung bestimmt werden. Die Gesamtbiomasse wird durch eine an die Antarktis angepasste Prozessierung mit Hilfe multispektraler Satellitenmessdaten berechnet. Der Anteil wesentlicher Phytoplanktontypen an der Gesamtbiomasse wird anhand der Auswertung charakteristischer Absorptionsstrukturen von hyperspektralen Messdaten (PhytoDOAS-Methode) ermittelt. Somit soll ein synergetisches Produkt aus sich ergänzenden Informationen multi- und hyperspektraler Satelliteninstrumente entwickelt werden, das auf ähnliche Satelliteninstrumente, deren Messungen in naher Zukunft starten, übertragbar sein wird. Damit kann dann ein Datensatz über die Verteilung von Phytoplanktontypen über Dekaden erstellt werden. Mit dem im Projekt entstehenden Datensatz über die Verteilung der Phytoplanktontypen soll deren Variabilität und Korrelation mit sich ändernden Umweltfaktoren im Antarktischen Ozean in den vergangenen untersucht werden. Darüber hinaus soll unser Datensatz genutzt werden, zur Verbesserung und Evaluierung eines Ökosystem-Models, welches die Biogeographie verschiedener Phytoplanktontypen durch Parametrisierung physiologischer Eigenschaften an ein Ozeanzirkulatonsmodell errechnet. Mit Hilfe des Langzeitdatensatz und dem damit verbundenen Wissen über die Variabilität der Phytoplanktontypen, wird ein Fundament geschaffen, um den Einfluss der Klimaveränderungen im Antarktischen Ozean zu bemessen.
Cosmic Ray neutron sensing (CRNS) is an emerging technology which is used to close the scaling gap between point measurements, such as TDR or soil samples, and the airborne remote sensing data. CRNS estimates the area-average soil water content by the detection of soil-reflected cosmic-ray neutrons in air. This method is characterized by an non-linearly shaped horizontal footprint of hundreds of meters and a vertical footprint of tens of centimetres (Köhli et al. 2015). During the campaign, a portable sensor (the so-called CRNS Rover) was used to study the spatial soil moisture variability in the target area in Hordorf. The rover was equipped with a CRNS-RV unit from Hydroinnova LLC (HI-RC01 detector) and a polyethylene shield below the detector to better reduce local effects of the field track. Neutron count data were processed including several physical, soil, and terrain corrections (see Schrön 2020, cfg file and the software <https://git.ufz.de/CRNS/cornish_pasdy>) to obtain the spatial soil moisture distribution at the Hordorf ground truthing site.
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.
<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>
Das Bundesamt für Kartographie und Geodäsie (BKG) hat ein Verfahren zur bedarfsbezogenen Bereitstellung von Fernerkundungsdaten entwickelt. Für die fernerkundliche Produktion werden derzeit optische Satellitenbilddaten in der Bundesverwaltung bevorzugt eingesetzt. Hierfür ist das sogenannte Mosaik-Verfahren eine wichtige Methode. Das Verfahren wurde mit den von der EU finanzierten Sentinel-2- Daten der europäischen Erdbeobachtungsinitiative Copernicus aufgebaut und kann für jeden optischen Datensatz (inkl. Luftbilder) angewendet werden. Wir stellen mit dieser Methode einen Service zur Verfügung, über den sich optische Fernerkundungsdaten für jedes Gebiet auf der Erde fachlich und bedarfsorientiert aufbereiten lassen. Über den Dienst Web Map Service (WMS) Sen2Europe wird den Bedarfsträgern ermöglicht, vorprozessierte und aufbereitete Fernerkundungsinformationen aus dem Erdbeobachtungsprogramm Copernicus (Sentinel-2, L1C-L2A), für Europa, in bestehende eigene Fachverfahren mit einzubinden. Die Bilddaten des Jahres 2018 wurden jeweils zu einem Mosaik zusammengefügt, welches eine Bodenauflösung von 10m hat. Ein Komposit aus drei Bändern (Sentinel-2 Bänder: 2, 3, 4 (R, G, B)) sowie eine Information zu den Eingangsbilddaten werden angeboten. Die Bilddaten wurden einem radiometrischen Farbausgleichsverfahren unterzogen um ein einheitliches Erscheinungsbild zu erlangen. Für jedes Mosaik beträgt die Wolkenbedeckung über das gesamte Gebiet weniger als 3%. Über den Request-Parameter TIME kann hier gezielt ein spezifischer Jahresstand angezeigt werden (z.B. Time=2018) (ohne TIME-Parameter wird der neueste Stand angezeigt). Die nachfolgende URL des freien Webdienstes können Sie direkt, z.B. in Ihrem Geo-Informationssystem (GIS), verwenden:https://sgx.geodatenzentrum.de/wms_sen2europe
Das Bundesamt für Kartographie und Geodäsie (BKG) hat ein Verfahren zur bedarfsbezogenen Bereitstellung von Fernerkundungsdaten entwickelt. Für die fernerkundliche Produktion werden derzeit optische Satellitenbilddaten in der Bundesverwaltung bevorzugt eingesetzt. Hierfür ist das sogenannte Mosaik-Verfahren eine wichtige Methode. Das Verfahren wurde mit den von der EU finanzierten Sentinel-2- Daten der europäischen Erdbeobachtungsinitiative Copernicus aufgebaut und kann für jeden optischen Datensatz (inkl. Luftbilder) angewendet werden. Wir stellen mit dieser Methode einen Service zur Verfügung, über den sich optische Fernerkundungsdaten für jedes Gebiet auf der Erde fachlich und bedarfsorientiert aufbereiten lassen. Über den Dienst Web Map Service (WMS) Sen2Europe wird den Bedarfsträgern ermöglicht, vorprozessierte und aufbereitete Fernerkundungsinformationen aus dem Erdbeobachtungsprogramm Copernicus (Sentinel-2, L1C-L2A), für Europa, in bestehende eigene Fachverfahren mit einzubinden. Die Bilddaten des Jahres 2021 wurden jeweils zu einem Mosaik zusammengefügt, welches eine Bodenauflösung von 10m hat. Ein Komposit aus drei Bändern (Sentinel-2 Bänder: 2, 3, 4 (R, G, B)) sowie eine Information zu den Eingangsbilddaten werden angeboten. Die Bilddaten wurden einem radiometrischen Farbausgleichsverfahren unterzogen um ein einheitliches Erscheinungsbild zu erlangen. Für jedes Mosaik beträgt die Wolkenbedeckung über das gesamte Gebiet weniger als 3%. Über den Request-Parameter TIME kann hier gezielt ein spezifischer Jahresstand angezeigt werden (z.B. Time=2018) (ohne TIME-Parameter wird der neueste Stand angezeigt). Die nachfolgende URL des freien Webdienstes können Sie direkt, z.B. in Ihrem Geo-Informationssystem (GIS), verwenden:https://sgx.geodatenzentrum.de/wms_sen2europe
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.
WaLKIS ist ein Forschungs- und Entwicklungsvorhaben (Wasserwirtschaftliche Ermittlungen und Anwendung von digitalen Versiegelungsdaten aus amtlichen Liegenschaftskatasterdaten), welches über zwei Phasen von 2017 bis 2024 vom Forschungsinstitut für Wasserwirtschaft und Klimazukunft an der RWTH Aachen (FiW) e. V. - gefördert durch das MUNV NRW - durchgeführt wurde. Im Rahmen des Vorhabens wurde ein Algorithmus zur flächenspezifischen Bestimmung der Belastungskategorien nach DWA-A 102-2/BWK-A 3-2 (Anhang A, Tabelle A.1) entwickelt – u.a. auf Basis von ALKIS®, Verkehrsstärkezählungen und Fernerkundungsdaten. Es wird hiermit ein für NRW einheitlich abgeleitetes Kartenmaterial für eine Ersteinschätzung von flächennutzungsspezifischen Belastungskategorien als Geodateninformationen für AnwenderInnen zur Verfügung gestellt. Diese enthalten zusätzliche Informationen wie die Abflusswirksamkeit und Rauigkeit der befestigten Flächen. Die hier bereitgestellten Daten liegen im Format Geopackage (gpkg) vor. Enthalten sind sowohl Polygondaten auf Kreisebene unter Berücksichtigung der jeweiligen Ortslagen als auch statistische Auswertungen hinsichtlich des Ausmaßes belasteter Flächen innerhalb und außerhalb von Ortslagen in NRW in Form von Tabellen.
Wälder stellen aufgrund ihrer vielfältigen Strukturmerkmale einen wichtigen Lebensraum für eine Vielzahl von Vogelarten dar. In dieser Studie wurde die Bedeutung von Waldstrukturen für die heimische Avifauna durch die Verknüpfung fernerkundungsbasierter Daten zu Waldstrukturparametern mit Vogelmonitoringdaten untersucht. Beobachtungsdaten des Monitorings häufiger Brutvögel (MhB) und flächendeckende Datensätze des Projekts „Monitoring von Biodiversität mit Tools der Fernerkundung“ (MoBiTools) wurden verwendet, um mögliche Treiber für die Vogeldiversität und das Vorkommen von zehn ausgewählten bundesweiten Trigger- und Waldindikatorarten in den Wäldern Baden-Württembergs zu identifizieren. Neben Maßen zu Überschirmung, Baumhöhe und Randliniendichte dienten der Anteil und die Diversität von Waldtypen als erklärende Variablen. Bei den ausgewählten Trigger- und Waldindikatorarten zeigten sich starke artspezifische Unterschiede: Ein Großteil der stärker waldgebundenen Arten reagierte positiv auf die Gesamtwalddeckung, während Baumpieper (Anthus trivialis), Wendehals (Jynx torquilla) und Neuntöter (Lanius collurio) eine erhöhte Vorkommenswahrscheinlichkeit bei mittlerer Walddeckung zeigten. Gleichzeitig hatte bei diesen Arten die Randliniendichte außerhalb geschlossener Wälder einen positiven Effekt. Eine hohe Buchendeckung wirkte sich insbesondere auf das Vorkommen von Kleiber (Sitta europaea), Schwarzspecht (Dryocopus martius) und Sumpfmeise (Poecile palustris) positiv aus. Die Fichtendeckung zeigte bei keiner der untersuchten Arten einen positiven Effekt. Die Diversität der Vogelgemeinschaften wurde v. a. durch die Verfügbarkeit überproportional hoher Buchenbestände gefördert. Die analysierten Zusammenhänge zwischen den Daten zur Waldstruktur aus der Fernerkundung und hochaufgelösten Vogelbeobachtungsdaten zeigen einerseits ein großes Potenzial, aber auch die bestehenden Herausforderungen für eine großflächige Untersuchung aktueller und zukünftiger Veränderungen der Waldökosysteme.
Die bundesweit repräsentativen Stichprobenflächen (SPF) stellen eine wichtige Basis für ein umfassendes nationales Biodiversitätsmonitoring der Gesamtlandschaft in Deutschland dar. Im Jahr 2004 wurden im Auftrag des Bundesamtes für Naturschutz (BfN) für das Monitoring häufiger Brutvögel unter Koordination des Dachverbands Deutscher Avifaunisten (DDA) die heute vorliegenden SPF durch das Statistische Bundesamt (StBA) gezogen. Weitere Anwendung hat das Design der SPF seit 2009 im High-Nature-Value(HNV)-Farmland-Monitoring gefunden sowie nachfolgend auch beim Ökosystem-Monitoring und Insektenmonitoring (beide derzeit im Aufbau befindlich). Der vorliegende Artikel beschreibt das Stichprobendesign und das Verfahren der Stichprobenziehung und erläutert am Beispiel des HNV-Farmland-Monitorings die Anwendung der SPF, um Aussagen auf unterschiedlichen Betrachtungsskalen treffen zu können. Zwei Varianten der Schätzung mit unterschiedlichen Rechenwegen werden vorgestellt: der kombinierte Verhältnisschätzer sowie der modifizierte BfN-Schätzer. Mit Hilfe bundesweit vorliegender Fernerkundungsdaten kann beurteilt werden, wie gut die Hochrechnung auf Grundlage von Daten, die im HNV-Farmland-Monitoring auf den SPF erhoben wurden, die Realität für Gesamtdeutschland abbildet. Die Nutzung der SPF durch mehrere Programme des Biodiversitätsmonitorings lässt erwarten, dass zukünftig über die Erkenntnisse aus den einzelnen Monitoringprogrammen hinaus Synergien genutzt werden können und z. B. Hinweise auf Ursachen des Biodiversitätswandels gefunden werden. Dabei ist darauf zu achten, dass es nicht zur gegenseitigen Beeinträchtigung der Monitoringprogramme kommt und die Repräsentativität der SPF erhalten bleibt. So können nach dem Vorbild des Countryside Survey im Vereinigten Königreich die SPF als wichtiges Instrument für das nationale Biodiversitätsmonitoring genutzt werden.
| Organisation | Count |
|---|---|
| Bund | 1195 |
| Europa | 91 |
| Global | 4 |
| Kommune | 18 |
| Land | 133 |
| Schutzgebiete | 1 |
| Weitere | 17 |
| Wirtschaft | 17 |
| Wissenschaft | 775 |
| Zivilgesellschaft | 10 |
| Type | Count |
|---|---|
| Daten und Messstellen | 19 |
| Ereignis | 1 |
| Förderprogramm | 1138 |
| Hochwertiger Datensatz | 1 |
| Repositorium | 5 |
| Text | 47 |
| unbekannt | 175 |
| License | Count |
|---|---|
| Geschlossen | 57 |
| Offen | 1317 |
| Unbekannt | 12 |
| Language | Count |
|---|---|
| Deutsch | 1013 |
| Englisch | 547 |
| Resource type | Count |
|---|---|
| Archiv | 12 |
| Bild | 2 |
| Datei | 12 |
| Dokument | 31 |
| Keine | 818 |
| Unbekannt | 1 |
| Webdienst | 3 |
| Webseite | 531 |
| Topic | Count |
|---|---|
| Boden | 1129 |
| Lebewesen und Lebensräume | 1291 |
| Luft | 904 |
| Mensch und Umwelt | 1383 |
| Wasser | 891 |
| Weitere | 1386 |