Zielsetzung: Klimatische Veränderungen beeinflussen die verfügbare Wassermenge und -qualität in Talsperren, was deutliche Auswirkungen auf die Sicherheit der Trinkwasserversorgung und auf die Ökosysteme der Stauseen und den Landschaftswasserhaushalt hat. Klimaprognosen deuten für Gebiete wie den Harz auf einen Anstieg von Niederschlägen im Winter und häufigere Trockenperioden im Sommer hin, was stärker schwankende Wasserstände bedeutet. Zur Anpassung im Management der Talsperren und deren Ökosystemen mangelt es jedoch oft an präzisen Vorhersagen und den nötigen Instrumenten, um risikobasierte Entscheidungen über notwendige dynamische Betriebsstrategien zu treffen. Vor diesem Hintergrund soll im Rahmen des Projekts ein vorhersagebasiertes, mengen- und gütegewichtetes Entscheidungsunterstützungssystem für Talsperren entwickelt werden, welches auf datengetriebenen Modellen basiert und am Beispiel des Systems der Harzwasserwerke implementiert wird. Das Projekt konzentriert sich darauf, durch die Nutzung moderner Technologien und Methoden der Künstlichen Intelligenz (KI), wie LSTM-Netzwerke (Long Short-Term Memory) und Ensemble-Methoden, zuverlässige Vorhersagen des Wasserbedarfs und -dargebots zu erstellen. Diese Vorhersagen werden in ein hydrodynamisches Optimierungsmodell integriert, um eine flexible und belastbare Entscheidungsunterstützung im Ereignisfall zu ermöglichen. Hierdurch sollen die verschiedenen Bewirtschaftungsziele wie Hochwasserschutz, Versorgungssicherheit, Ökosystemleistungen, Landschaftswasserhaushalt und Energieerzeugung bestmöglich erfüllt werden. Die Kombination von Echtzeit-Sensoren, Open-Source-Datensätzen und fortschrittlichen Datenanalyse-Tools ermöglicht es, komplexe und dynamische Prozesse zu simulieren und in Echtzeit Informationen bereitzustellen. Im Sinne der nachhaltigen Klimawandelanpassung werden so proaktive Maßnahmen zur Unterstützung der Versorgungssicherheit, des Hochwasserschutzes sowie des Landschaftswasserhaushaltes ermöglicht. Die Implementierung des Demonstrators im System der Harzwasserwerke soll die Vorteile einer proaktiven Steuerung demonstrieren und eine multikriterielle Bewertung im Vergleich zu herkömmlichen Methoden ermöglichen. Der Fokus liegt nicht nur auf einem hohen Technology Readiness Level, sondern auch auf der Handhabung von Unsicherheiten und der Berücksichtigung verschiedener Vorhersagehorizonte. Diese sind für die verschiedensten wasserwirtschaftlichen Zielsetzungen von entscheidender Bedeutung.
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.
Web Map Service (WMS) zur Karte der Hintergrundwerte von anorganischen Stoffen in Böden in Deutschland. Durch die LABO wurden 2017 für 16 Elemente neue, bundesweite Hintergrundwerte veröffentlicht. Sie beruhen auf Profilinformationen und Messdaten von Königswasserauszügen, die durch die BGR zusammengeführt und homogenisiert wurden. Daten mit hohen Bestimmungsgrenzen wurden nach bestimmten Kriterien von der weiteren Auswertung ausgeschlossen, damit die Bestimmungsgrenzen nicht die Hintergrundwerte beeinflussen. Um die Hintergrundwerte nicht durch Regionen mit hoher Stichprobendichte überproportional beeinflussen zu lassen, wurde in Teilen eine räumliche Ausdünnung durchgeführt. Die Werte mehrerer Horizonte eines Standortes wurden durch tiefengewichtete Mittelwerte zu einem Wert zusammengezogen. Zur Auswertung wurden die vorhandenen Messwerte verschiedenen Gruppen von Bodenausgangsgesteinen zugeordnet. Zudem wurde unterschieden, ob die Proben im Oberboden, im Unterboden oder im Untergrund genommen wurden. Bei den Oberböden wurde bei der Auswertung auch die unterschiedliche Nutzung (Acker, Grünland, Forst) berücksichtigt. Lockergesteine wurden aufgrund ihrer unterschiedlichen Zusammensetzung getrennt nach Nord- und Süddeutschland ausgewertet. Durch die Aufteilung der Daten in Teilkollektive wurden nicht in allen Fällen verlässliche Fallzahlen erreicht, sodass nur Hintergrundwerte mit Fallzahlen ?20 dargestellt werden. Das genaue Vorgehen bei der Ableitung ist dem Bericht der LABO-Bund/Länder-Arbeitsgemeinschaft Bodenschutz (2017): 'Hintergrundwerte für anorganische und organische Stoffe in Böden', 4. überarbeitete und ergänzte Auflage, zu entnehmen.
Das Produkt Landbedeckung (LB) der AdV (Arbeitsgemeinschaft der Vermessungsverwaltungen der Länder der Bundesrepublik Deutschland) wurde nach dem Cop4ALL-DE Verfahren erzeugt und stellt eine flächendeckende und überschneidungsfreie Erfassung der Landbedeckung in Deutschland bereit. Die Daten werden durch eine kombinierte Analyse von Sentinel-2-Satellitenbildern, Orthophotos, ALKIS / ATKIS und einem normalisierten digitalen Oberflächenmodell (nDOM) erzeugt. Mithilfe künstlicher Intelligenz wird die Landbedeckung klassifiziert. Beginnend mit 2023 wird eine jährliche Ableitung zur Verfügung gestellt werden. Das Produkt Landbedeckung Deutschland steht momentan als WMS-Dienst und die einzelnen Bundesländer als Download zur Verfügung. Unterliegt der CC-BY-4.0
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.
The elemental composition of samples from four sediment cores from the Mayschoß floodplain (Ahr river) was determined by X-ray fluorescence spectrometry (XRF). In the first step of preparation, large organic matter and pebbles were removed from freeze-dried samples (8 g) by sieving (2 mm). Subsequently, the samples were powdered and homogenised with vibratory Retsch mill MM 200. The uniform pills for the analysis were pressed with a carbon-based binding agent by Vaneox press at 20 t for 2 min. The elemental analysis of 50 elements was conducted in a He atmosphere using a Spectro Xepos energy dispersive XRF spectrometer. The surface elevation was extracted from Brell et al. (2023).
Die Elementkarte stellt die räumliche Verteilung der klassifizierten Gehalte des 90. Perzentils von Thallium (in mg/kg) innerhalb der 184 geochemischen Gesteinseinheiten in Bayern dar. In die Auswertung gehen dabei nur die Daten der ersten (von maximal drei) Lithologien einer geochemischen Gesteinseinheit ein. Für Informationen im Hinblick auf die Auswertung der Daten sowie auf die kartenmäßige Darstellung wird auf die Metadaten der digitalen Lithogeochemischen Karte 1:25 000 von Bayern (dLGK25) verwiesen.
Die Elementkarte stellt die räumliche Verteilung der klassifizierten Gehalte des 50. Perzentils von Thallium (in mg/kg) innerhalb der 184 geochemischen Gesteinseinheiten in Bayern dar. In die Auswertung gehen dabei nur die Daten der ersten (von maximal drei) Lithologien einer geochemischen Gesteinseinheit ein. Für Informationen im Hinblick auf die Auswertung der Daten sowie auf die kartenmäßige Darstellung wird auf die Metadaten der digitalen Lithogeochemischen Karte 1:25 000 von Bayern (dLGK25) verwiesen.
Dieser Dienst stellt für das INSPIRE-Thema Verkehrsnetze aus dem Datensatz Wegenetz im saarländischen Wald umgesetzte Daten bereit.:Eine Klassifikation, die auf den physischen Eigenschaften des Straßenabschnitts beruhen.
| Organisation | Count |
|---|---|
| Bund | 3680 |
| Europa | 86 |
| Global | 1 |
| Kommune | 78 |
| Land | 4604 |
| Schutzgebiete | 1 |
| Weitere | 529 |
| Wirtschaft | 56 |
| Wissenschaft | 896 |
| Zivilgesellschaft | 123 |
| Type | Count |
|---|---|
| Agrarwirtschaft | 1 |
| Chemische Verbindung | 53 |
| Daten und Messstellen | 5117 |
| Ereignis | 8 |
| Förderprogramm | 2739 |
| Gesetzestext | 18 |
| Hochwertiger Datensatz | 164 |
| Text | 166 |
| Umweltprüfung | 1 |
| unbekannt | 543 |
| License | Count |
|---|---|
| Geschlossen | 2852 |
| Offen | 5678 |
| Unbekannt | 262 |
| Language | Count |
|---|---|
| Deutsch | 8561 |
| Englisch | 2177 |
| andere | 2 |
| Resource type | Count |
|---|---|
| Archiv | 1595 |
| Bild | 20 |
| Datei | 1208 |
| Dokument | 478 |
| Keine | 4433 |
| Unbekannt | 2 |
| Webdienst | 292 |
| Webseite | 3502 |
| Topic | Count |
|---|---|
| Boden | 7146 |
| Lebewesen und Lebensräume | 7788 |
| Luft | 6467 |
| Mensch und Umwelt | 8719 |
| Wasser | 6305 |
| Weitere | 8605 |