API src

Found 554 results.

Related terms

Indikator: Vermiedene THG-Emissionen durch erneuerbare Energien

<p>Die wichtigsten Fakten</p><p><ul><li>In den Bereichen Strom, Wärme und Verkehr werden fossile Energieträger zunehmend durch erneuerbare Energien ersetzt.</li><li>Etwa vier Fünftel der vermiedenen Emissionen wurden 2024 durch erneuerbaren Strom vermieden.</li><li>Die Bundesregierung will den Anteil erneuerbarer Energien deutlich ausbauen und die ⁠<a href="https://www.umweltbundesamt.de/service/glossar/t?tag=Treibhausgas#alphabar">Treibhausgas</a>⁠-Emissionen damit weiter senken.</li></ul></p><p>Welche Bedeutung hat der Indikator?</p><p>Jeder Wirtschaftsprozess ist mit dem Einsatz von Energie verbunden. Derzeit sind sowohl in Deutschland als auch weltweit fossile Energieträger wie Kohle, Erdöl oder Erdgas die wichtigsten Energiequellen. Bei der Verbrennung fossiler Brennstoffe werden Treibhausgase ausgestoßen. Dies ist der wichtigste Treiber des globalen Klimawandels.</p><p>Ein wesentlicher Ansatz für den ⁠<a href="https://www.umweltbundesamt.de/service/glossar/k?tag=Klimaschutz#alphabar">Klimaschutz</a>⁠ ist deshalb, die Volkswirtschaft auf saubere Energieformen umzustellen, insbesondere auf erneuerbare Energien. Der ⁠<a href="https://www.umweltbundesamt.de/service/glossar/i?tag=Indikator#alphabar">Indikator</a>⁠ zeigt den Beitrag der erneuerbaren Energien zur Vermeidung von ⁠<a href="https://www.umweltbundesamt.de/service/glossar/t?tag=Treibhausgas#alphabar">Treibhausgas</a>⁠-Emissionen und damit zur Erreichung der Klimaschutzziele an.</p><p>Auch der effizientere Einsatz von Energie (Energieeffizienz) spielt eine wichtige Rolle bei der Erreichung der Klimaziele. Jedoch kann Energieeffizienz nur schwer direkt gemessen werden. Mit dem Indikator <a href="https://www.umweltbundesamt.de/daten/umweltindikatoren/indikator-endenergieproduktivitaet">"Energieproduktivität"</a> liegt ein allgemeines Maß für die Energieeffizienz einer Volkswirtschaft vor.</p><p>Wie ist die Entwicklung zu bewerten?</p><p>In den letzten Jahrzehnten wurden die erneuerbaren Energien in Deutschland stark ausgebaut. Im Jahr 2024 konnten durch ihre Nutzung 259 Millionen Tonnen ⁠<a href="https://www.umweltbundesamt.de/service/glossar/k?tag=Kohlendioxid-quivalente#alphabar">Kohlendioxid-Äquivalente</a>⁠ vermieden werden, welche sonst zusätzlich durch die Nutzung fossiler Energieträger entstanden wären. Die Stromerzeugung aus erneuerbaren Energien trug im Jahr 2024 ungefähr 80 % zu der durch erneuerbare Energien insgesamt vermiedenen Menge an Treibhausgasen bei. Der Wärmebereich war für 15 % verantwortlich und die Nutzung von Biokraftstoffen und Strom im Verkehr für etwa 5 %.</p><p>Die Bundesregierung strebt mit dem „<a href="https://www.bundesregierung.de/breg-de/schwerpunkte/klimaschutz/massnahmenprogramm-klima-1679498">Klimaschutzprogramm 2030</a>“ von 2019 an, den Ausstoß von Treibhausgasen bis 2030 um 55 % unter den Wert von 1990 zu senken. Bis 2045 soll der Ausstoß laut dem <a href="https://www.bundesregierung.de/breg-de/themen/klimaschutz/klimaschutzgesetz-2021-1913672">Klimaschutzgesetz 2021</a> von 2021 auf Null sinken. Zur Erreichung dieser Ziele sollen insbesondere die erneuerbaren Energien einen wichtigen Beitrag leisten. Eine Bewertung des deutschen Erneuerbaren-Anteils und der Erneuerbaren-Ziele finden sich in den Indikatoren „<a href="https://www.umweltbundesamt.de/daten/umweltindikatoren/indikator-erneuerbare-energien">Anteil Erneuerbare am Bruttoendenergieverbrauch</a>“ und „<a href="https://www.umweltbundesamt.de/indikator-anteil-erneuerbare-am">Anteil Erneuerbare am Bruttostromverbrauch</a>“. Mit dem Ausbau der Erneuerbaren werden auch die durch sie vermiedenen ⁠<a href="https://www.umweltbundesamt.de/service/glossar/t?tag=Treibhausgas#alphabar">Treibhausgas</a>⁠-Emissionen weiter deutlich zunehmen.</p><p>Wie wird der Indikator berechnet?</p><p>Für die Berechnung des Indikators wird angenommen, dass Energie, die heute aus erneuerbaren Energiequellen gewonnen wird, nicht mehr durch einen fossilen Energiemix bereitgestellt werden muss. Die für diese Energiemenge eingesparten Emissionen werden im ⁠<a href="https://www.umweltbundesamt.de/service/glossar/i?tag=Indikator#alphabar">Indikator</a>⁠ veranschaulicht. Dabei deckt der Indikator auch die Emissionen erneuerbarer Energieträger ab, welche während Produktion, Installation oder Wartung anfallen (sogenannte Vorkettenemissionen). Die detaillierte Methodik zur Berechnung des Indikators wird in der Publikation „<a href="https://www.umweltbundesamt.de/publikationen/emissionsbilanz-erneuerbarer-energietraeger-2023">Emissionsbilanz erneuerbarer Energieträger 2023"</a> beschrieben .</p><p><strong>Ausführliche Informationen zum Thema finden Sie im Daten-Artikel: <a href="https://www.umweltbundesamt.de/daten/energie/erneuerbare-energien-vermiedene-treibhausgase">"Erneuerbare Energien - Vermiedene Treibhausgase"</a>.</strong></p>

MSRL-Bewertung der Weichböden mit M-AMBI und Margalef-Diversität (OSPAR-Indikator BH2b) für die Nordsee 2024 (WFS)

Im Rahmen der MSRL-Bewertung 2024 zur Bewertung der Weichböden mit M-AMBI und Margalef-Diversität (OSPAR-Indikator BH2b) für das Kriterium „Zustand des Lebensraums“ (D6C5) wurden folgende Datensätze für die Nordsee erstellt: Die aufbereiteten Rohdaten (MZB-Daten, Einzelgreifer) sowie die Bewertungsergebnisse der Stationen nach M-AMBI und Margalef-Diversität. Für den M-AMBI wurden die für die WRRL festgelegten Schwellenwerte verwendet und die Ergebnisse als „Schwellenwert eingehalten“ oder „Schwellenwert verfehlt“ klassifiziert. Die Daten werden über diesen WFS-Dienst zum Download bereitgestellt. Daten der Eigentümer AWI, BfN, NLWKN, HPA, Amprion und Tennet stehen zur freien Verfügung, bei Verwendung der Daten ist die Quelle zu zitieren. Bei Nutzung der Daten des LKN-SH ist Rücksprache mit Ulrike Schückel (Ulrike.Schueckel@lkn.landsh.de) zu halten. Erläuterungen zur Bewertungsmethodik und den verwendeten Daten finden sich im Hintergrunddokument zur D6-Bewertung: https://mitglieder.meeresschutz.info/de/berichte/zustandsbewertungen-art8-10.html?file=files/downloads/dokumente2024/Zyklus2024Hintergrunddokumente/Hintergrunddokument-zur%20Bewertung-von-D6_2024.pdf Die Ergebnisse werden zusammenfassend im aktuellen Zustandsbericht der Nordseegewässer dargestellt: BMUV. 2024. Zustand der deutschen Nordseegewässer 2024. Aktualisierung der Anfangsbewertung nach § 45c, der Beschreibung des guten Zustands der Meeresgewässer nach § 45d und der Festlegung von Zielen nach § 45e des Wasserhaushaltsgesetzes zur Umsetzung der Meeresstrategie-Rahmenrichtlinie. Bund/Länder-Arbeitsgemeinschaft Nord- und Ostsee (BLANO), 7. Oktober 2024.

Indikator: Heiße Tage

<p>Die wichtigsten Fakten</p><p><ul><li>2003, 2015, 2018 und 2022 waren, gemittelt über die gesamte Fläche Deutschlands, die Jahre mit der höchsten Zahl Heißer Tage.</li><li>Trotz starker Schwankungen zwischen den Jahren ist der Trend insgesamt deutlich steigend.</li><li>Durch den ⁠<a href="https://www.umweltbundesamt.de/service/glossar/k?tag=Klimawandel#alphabar">Klimawandel</a>⁠ ist in den nächsten Jahrzehnten mit mehr Heißen Tagen in den Sommermonaten zu rechnen.</li></ul></p><p>Welche Bedeutung hat der Indikator?</p><p>Steigende Temperaturen können sich nachteilig auf die Gesundheit des Menschen auswirken. Der Deutsche Wetterdienst hat als Kenngröße den „Heißen Tag“ definiert: Jeder Tag, dessen höchste Temperatur bei 30 °C oder höher liegt, zählt danach als ⁠<a href="https://www.umweltbundesamt.de/service/glossar/h?tag=Heier_Tag#alphabar">Heißer Tag</a>⁠.</p><p>Hohe Lufttemperaturen belasten den menschlichen Körper durch die Hitze nicht nur direkt, wie z.B. in Form von Kreislaufproblemen. Eine heiße ⁠Witterung⁠ kann auch Verunreinigungen der Atemluft auslösen, die wiederum Atemwegs- und Herz-Kreislauf- Erkrankungen verstärken. So begünstigt eine hohe Lufttemperatur zusammen mit intensiver Sonneneinstrahlung die Bildung von Ozon in Bodennähe, welches die Augen und Atemwege reizt. Diese Belastung kann bestehende Krankheiten der Atemwege verschlimmern und auch allergische Reaktionen auslösen.</p><p>Wie ist die Entwicklung zu bewerten?</p><p>Im Jahr 2025 gab es gemittelt über die Fläche Deutschlands etwa 11,1 ⁠<a href="https://www.umweltbundesamt.de/service/glossar/h?tag=Heie_Tage#alphabar">Heiße Tage</a>⁠, an denen Temperaturen von 30 °C oder mehr gemessen wurden.</p><p>Besonders hoch war die Belastung durch Hitze neben 2022 in den Jahren 2003, 2015 und 2018: In diesen Jahren gab es in Deutschland gemittelt zwischen 18 und 20 Heiße Tage. Nach Anzahl der Heißen Tage wurden die zehn wärmsten Jahre alle seit 1994 registriert. Zwar schwanken die Jahreswerte dieses Indikators stark, insgesamt ist der Trend seit Beginn der Aufzeichnungen aber deutlich steigend.</p><p>Klimamodellierungen zeigen, dass in Deutschland zukünftig mit länger anhaltenden Hitzeperioden und somit einer steigenden Anzahl Heißer Tage zu rechnen ist.</p><p>Wie wird der Indikator berechnet?</p><p>Die Temperaturmessungen der Messstationen des <a href="https://www.dwd.de/DE/klimaumwelt/klimaueberwachung/klimaueberwachung.html;jsessionid=B67BF1D0566D6DE0FF14DA87EDEC1075.live21062">Deutschen Wetterdienstes</a> (DWD) sind die Grundlage des Indikators. Für Flächen, die nicht durch Messstationen abgedeckt sind, müssen sowohl die Temperaturwerte wie auch Kennwerte berechnet werden. Im Ergebnis kann die Verteilung in einem Raster (1 mal 1 Kilometer) dargestellt werden. Für jeden Rasterpunkt wird eine Jahressumme der Heißen Tage berechnet. Der Durchschnitt der Jahreswerte aller Rasterpunkte bildet den ⁠<a href="https://www.umweltbundesamt.de/service/glossar/i?tag=Indikator#alphabar">Indikator</a>⁠ (Gebietsmittel). Weitere Informationen zum Berechnungsverfahren finden Sie in einem <a href="http://www.dwd.de/DE/leistungen/pbfb_verlag_berichte/pdf_einzelbaende/193_pdf.pdf">Bericht des DWD</a> (Müller-Westermeier 1995).</p><p><strong>Ausführliche Informationen zum Thema finden Sie in den Daten-Artikeln <a href="https://www.umweltbundesamt.de/daten/klima/trends-der-lufttemperatur">"Trends der Lufttemperatur"</a> und <a href="https://www.umweltbundesamt.de/daten/umwelt-gesundheit/gesundheitsrisiken-durch-hitze">"Gesundheitsrisiken durch Hitze"</a>.<br></strong></p>

MSRL-Bewertung der Weichböden mit M-AMBI und Margalef-Diversität (OSPAR-Indikator BH2b) für die Nordsee 2024 (WMS)

Im Rahmen der MSRL-Bewertung 2024 zur Bewertung der Weichböden mit M-AMBI und Margalef-Diversität (OSPAR-Indikator BH2b) für das Kriterium „Zustand des Lebensraums“ (D6C5) wurden folgende Datensätze für die Nordsee erstellt: Die aufbereiteten Rohdaten (MZB-Daten, Einzelgreifer) sowie die Bewertungsergebnisse der Stationen nach M-AMBI und Margalef-Diversität. Für den M-AMBI wurden die für die WRRL festgelegten Schwellenwerte verwendet und die Ergebnisse als „Schwellenwert eingehalten“ oder „Schwellenwert verfehlt“ klassifiziert. Daten der Eigentümer AWI, BfN, NLWKN, HPA, Amprion und Tennet stehen zur freien Verfügung, bei Verwendung der Daten ist die Quelle zu zitieren. Bei Nutzung der Daten des LKN-SH ist Rücksprache mit Ulrike Schückel (Ulrike.Schueckel@lkn.landsh.de) zu halten. Erläuterungen zur Bewertungsmethodik und den verwendeten Daten finden sich im Hintergrunddokument zur D6-Bewertung: https://mitglieder.meeresschutz.info/de/berichte/zustandsbewertungen-art8-10.html?file=files/downloads/dokumente2024/Zyklus2024Hintergrunddokumente/Hintergrunddokument-zur%20Bewertung-von-D6_2024.pdf Die Ergebnisse werden zusammenfassend im aktuellen Zustandsbericht der Nordseegewässer dargestellt: BMUV. 2024. Zustand der deutschen Nordseegewässer 2024. Aktualisierung der Anfangsbewertung nach § 45c, der Beschreibung des guten Zustands der Meeresgewässer nach § 45d und der Festlegung von Zielen nach § 45e des Wasserhaushaltsgesetzes zur Umsetzung der Meeresstrategie-Rahmenrichtlinie. Bund/Länder-Arbeitsgemeinschaft Nord- und Ostsee (BLANO), 7. Oktober 2024.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Siegen, Germany from 1984 – 2023

The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.

Indikator: Luftqualität in Ballungsräumen

<p>Die wichtigsten Fakten</p><p><ul><li>Die Grundbelastung in deutschen Ballungsräumen überschreitet ⁠<a href="https://www.umweltbundesamt.de/service/glossar/w?tag=WHO#alphabar">WHO</a>⁠-Empfehlungen aus dem Jahr 2021 für Feinstaub (⁠<a href="https://www.umweltbundesamt.de/service/glossar/p?tag=PM25#alphabar">PM2,5</a>⁠) und Stickstoffdioxid (NO₂) deutlich.</li><li>In der Nähe von Schadstoffquellen können die Belastungen sogar wesentlich höher sein.</li><li>Bei NO₂ und PM2,5 hat sich die Situation seit dem Jahr 2000 erheblich verbessert, die WHO-Empfehlungen von 2021 werden aber noch deutlich überschritten.</li><li>Die Belastung durch Ozon und PM2,5 ist stark von der ⁠<a href="https://www.umweltbundesamt.de/service/glossar/w?tag=Witterung#alphabar">Witterung</a>⁠ abhängig. Die Werte schwanken deshalb stark.</li></ul></p><p>Welche Bedeutung hat der Indikator?</p><p>Stickstoffdioxid (NO2), Feinstaub (⁠<a href="https://www.umweltbundesamt.de/service/glossar/p?tag=PM25#alphabar">PM2,5</a>⁠) und Ozon (O3) sind besonders relevant für die menschliche Gesundheit. Alle drei Schadstoffe belasten die Atemorgane. Auch Ökosysteme werden durch Ozon geschädigt.</p><p>Im Jahr 2021 veröffentlichte die ⁠<a href="https://www.umweltbundesamt.de/service/glossar/w?tag=WHO#alphabar">WHO</a>⁠ aktualisierte Empfehlungen zur Luftqualitätsbewertung auf Basis neuester wissenschaftlicher Erkenntnisse zu den gesundheitlichen Wirkungen von Luftschadstoffen (<a href="https://apps.who.int/iris/handle/10665/345329">WHO 2021</a>), die zur Bewertung des Indikators herangezogen werden.</p><p>Prekär ist die Luftqualität vor allem in Ballungsräumen, in denen ein Drittel der deutschen Bevölkerung lebt: Industrie, Verkehr und Wohngebiete liegen hier nah beieinander. Einbezogen werden die Messstationen, die die Belastung im „städtischen Hintergrund“ messen, also die Grundbelastung der Stadt. An verkehrsreichen Standorten in Städten kann die Belastung jedoch deutlich höher sein. Der ⁠<a href="https://www.umweltbundesamt.de/service/glossar/i?tag=Indikator#alphabar">Indikator</a>⁠ stellt den mittleren Abstand aller Messstationen im städtischen Hintergrund von den Richtwerten der WHO dar.</p><p>Wie ist die Entwicklung zu bewerten?</p><p>Seit dem Jahr 2000 ist die Belastung durch Stickstoffdioxid und Feinstaub deutlich zurückgegangen, liegt aber auch aktuell noch weit über dem Ziel, bei Stickstoffdioxid 28 % über dem Ziel und bei ⁠<a href="https://www.umweltbundesamt.de/service/glossar/p?tag=PM25#alphabar">PM2,5</a>⁠ ca. 61 %. Die Ozonbelastung ist stark schwankend. Dies liegt vor allem am Einfluss der ⁠<a href="https://www.umweltbundesamt.de/service/glossar/w?tag=Witterung#alphabar">Witterung</a>⁠: In heißen Sommern wie 2003 oder 2015 steigt die Ozon-Konzentration stark an. Deshalb kann für die letzten Jahre keine Aussage über den Trend der Entwicklung gemacht werden.</p><p>Die EU schrieb ihre Luftqualitäts-Ziele 2008 in der <a href="http://eur-lex.europa.eu/legal-content/DE/TXT/?uri=CELEX:32008L0050">Luftqualitäts-Richtlinie</a> fest (EU-RL 2008/50/EG), im Oktober 2022 legte die Kommission einen Vorschlag zur Revision dieser Richtlinie vor (<a href="https://environment.ec.europa.eu/publications/revision-eu-ambient-air-quality-legislation_en">KOM 2022</a>), der die neuen ⁠<a href="https://www.umweltbundesamt.de/service/glossar/w?tag=WHO#alphabar">WHO</a>⁠-Empfehlungen 2021 berücksichtigen soll. Doch auch einige der weniger ambitionierten Ziele der derzeitigen EU-Richtlinie verfehlt Deutschland noch <a href="https://www.umweltbundesamt.de/publikationen/luftqualitaet-2024">(UBA 2025)</a>. Bis die Luft in den Ballungsräumen wirklich ausreichend „sauber“ ist, ist also noch ein weiter Weg zu gehen.</p><p>Wie wird der Indikator berechnet?</p><p>Der ⁠<a href="https://www.umweltbundesamt.de/service/glossar/i?tag=Indikator#alphabar">Indikator</a>⁠ basiert auf Messdaten der Luftqualitätsmessnetze der Bundesländer. Betrachtet werden alle Messstellen eines Ballungsraums zur Messung der Belastung im städtischen oder vorstädtischen Hintergrund. Für diese Messstellen wird die Über- oder Unterschreitung der ⁠<a href="https://www.umweltbundesamt.de/service/glossar/w?tag=WHO#alphabar">WHO</a>⁠-Empfehlungen 2021 für die drei Schadstoffe NO₂, ⁠<a href="https://www.umweltbundesamt.de/service/glossar/p?tag=PM25#alphabar">PM2,5</a>⁠ und O₃ berechnet. Für jeden Ballungsraum wird der mittlere Abstand der Werte aller Messstationen zur WHO-Empfehlung 2021 errechnet. Die mittleren Abstände werden dann über alle Ballungsräume gemittelt und mit dem Wert der WHO-Empfehlung 2021 normiert.</p><p><strong>Ausführliche Informationen zum Thema finden Sie im Daten-Artikel <a href="https://www.umweltbundesamt.de/daten/luft/luftbelastung-in-ballungsraeumen">„Luftbelastung in Ballungsräumen“</a>.</strong></p>

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Gummersbach, Germany from 1985 – 2023

The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Paderborn, Germany from 1985 – 2023

The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Guben, Germany from 1984 – 2023

The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Quakenbrück, Germany from 1984 – 2023

The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.

1 2 3 4 5 … 54 55 56