With the introduction of mobile mapping technologies, geomonitoring has become increasingly efficient and automated. The integration of Simultaneous Localization and Mapping (SLAM) and robotics has effectively addressed the challenges posed by many mapping or monitoring technologies, such as GNSS and unmanned aerial vehicles, which fail to work in underground environments. However, the complexity of underground environments, the high cost of research in this area, and the limited availability of experimental sites have hindered the progress of relevant research in the field of SLAM-based underground geomonitoring. In response, we present SubSurfaceGeoRobo, a dataset specifically focused on underground environments with unique characteristics of subsurface settings, such as extremely narrow passages, high humidity, standing water, reflective surfaces, uneven illumination, dusty conditions, complex geometry, and texture less areas. This aims to provide researchers with a free platform to develop, test, and train their methods, ultimately promoting the advancement of SLAM, navigation, and SLAM-based geomonitoring in underground environments. SubSurfaceGeoRobo was collected in September 2024 in the Freiberg silver mine in Germany using an unmanned ground vehicle equipped with a multi-sensor system, including radars, 3D LiDAR, depth and RGB cameras, IMU, and 2D laser scanners. Data from all sensors are stored as bag files, allowing researchers to replay the collected data and export it into the desired format according to their needs. To ensure the accuracy and usability of the dataset, as well as the effective fusion of sensors, all sensors have been jointly calibrated. The calibration methods and results are included as part of this dataset. Finally, a 3D point cloud ground truth with an accuracy of less than 2 mm, captured using a RIEGL scanner, is provided as a reference standard.
Numerische Modelle zur Simulation der Schadstoffausbreitung in der Atmosphaere sind wesentliche Hilfsmittel fuer Immissionsprognosen, Stoerfallanalysen und die Interpretation der Messergebnisse von Luftgueteueberwachungssystemen. Die Modelle beduerfen wegen der Komplexitaet der atmosphaerischen Vorgaenge jedoch einer umfassenden experimentellen Verifikation in ihrem Anwendungsgebiet. Das Vorhaben beinhaltet zum einen die Verifikation und Weiterentwicklung der Simulationsmodelle ATMOS (1) und MODIS (2) mit Hilfe der Messergebnisse der Lidar-Fernmessstationen auf der Georgswerder Hoehe in Hamburg (Vorhaben UFOKAT'79: LU 31-056/DB-Nr:00009829) bzw. auf dem MS TABASIS (Verbrennung chlorierter Kohlenwasserstoffe auf See; Vorhaben UFOKAT'79: AB 52-007/DB-NR: 00009827). Zum anderen dienen die Modelle zur Interpretation und Verallgemeinerung der Feldmessdaten dieser Stationen. Die fuer die Modelle erforderlichen meteorologischen Eingangsdaten werden begleitenden meteorologischen Messungen entnommen bzw. mit Hilfe eines meteorologischen Grenzschichtmodells gewonnen. Ergaenzend werden Labormessungen zur Bestimmung von Washout-Koeffizienten durchgefuehrt.
Hauptziel des Vorhabens der Universität Bremen ist es, im Rahmen der HALO COMET Mission Antworten auf die Frage zu geben, inwieweit sich starke lokale Quellen der Treibhausgase CO2 und CH4 bzgl. ihrer Emissionen mit Hilfe von Flugzeug-gestützten Fernerkundungsmethoden (aktiv und passive) quantifizieren lassen. Um dies zu erreichen, werden aktive (Lidar) und passive (Spektrometer) Fernerkundungsmethoden mit einander kombiniert. Dabei wird mit dem Sensor MAMAP die Region um die Quelle kleinskalig erfasst, während HALO-COMET den großräumigeren Kontext der atmosphärischen CO2 bzw. CH4 Verteilung in der Atmosphäre erfasst. Der Fokus des Beitrages der Universität Bremen liegt dabei in der kleinskaligen Befliegung der Quellregionen. Aussichtsreiche Quellregionen sind für CO2 die Stadt Berlin und den naheliegenden Kohlkraftwerken im Südosten. Für CH4 eignet sich die Region Oberschlesien in Polen mit ihren aktiven Kohlerevieren und den damit verbundenen starken Methanemissionen besonders. Die Daten der Messkampagne im Frühjahr 2017 werden ausgewertet und analysiert, um daraus mit unterschiedlichen Methoden die CO2-bzw. CH4 Emissionen in der Quellregion zu bestimmen. Dabei werden die Daten von MAMAP und HALO COMET auch synergistisch verwendet, wobei insbesondere den in-situ Messungen zur Verifizierung der Fernerkundungsdaten eine wichtige Rolle zukommt (vgl. auch HALO COMET White Paper). Unterstützt wird die Dateninterpretation zudem durch hochaufgelöste Modellierung in Zusammenarbeit mit dem MPI in Jena.Im Rahmen des Vorhabens wird zudem untersucht, inwieweit die im Rahmen von COMET eingesetzten Fernerkundungssensoren (MAMAP, CHARM-F) zur Validation von Satellitensensoren eignen. Dies erfolgt durch die koordinierte Planung der Messkampagne bzgl. der Satellitenüberflüge von OCO-2 (CO2) und Sentienl-5P (CH4).
Forests play a relevant role in mitigation of climate change. A major issue, however, is the scientifically well founded, transparent and verifyable monitoring of achievements in forest carbon sequestration through reduction of deforestation and forest degradation, and through fostering sustainable forest management. Monitoring is particularly difficult in diverse and inaccessible humid tropical forest areas. The proposed research will contribute to the improvement of forest carbon monitoring under the challenging conditions of humid tropical forests. Sample based field observations and model based biomass predictions will be linked to area-wide satellite remote sensing imagery (RapidEye) and to strip samples of LiDAR imagery. Techniques of linking these data sources will be further developed and analysed with respect to (1) precision of carbon estimation and (2) accuracy of carbon regionalization. The proposed project implies research on methodological improvements of both sample based forest inventories (resampling techniques for biomass, imputation of non-response) and remote sensing application to forest monitoring (regionalization, sample based application of LiDAR data). At the core of this research is the analysis of the error variance components that each data source brings into the system. Such error analysis will allow identifying optimal resource allocation for the efficient improvement of forest carbon monitoring systems.
Die Litoralvegetation des Bodensees unterlag in den letzten Jahrzehnten infolge von Trophie-schwankungen massiven Veränderungen. Obwohl die resultierenden Änderungen in der Artenzusammensetzung gut dokumentiert sind existieren große Wissenslücken hinsichtlich der Auswirkungen auf abhängige Biozönosen, Ökosystemprozesse und -funktionen. Gleichermaßenfehlen Langzeitstudien zur Überprüfung theoretischer Konzepte in aquatischen Ökosystemen. Ziel des Verbundvorhabens ist daher die räumlich explizite Erfassung und Analyse der Heterogenität der Makrophytenstrukturen. Aus LiDAR- und Hyperspektraldaten extrahierte Makrophyten-3D-Bestände werden mit GIS-Techniken analysiert, räumliche Muster und Veränderungen der strukturellen Heterogenität und Biomasse quantifiziert. Hieraus werden räumlich explizite Modelle funktionaler Aspekte abgeleitet und die langfristige Resilienzdynamik durch Übertragung der Modelle auf GIS-Daten der Kartierungen von 1993, 1978, 1967 analysiert. Die Integration von Langzeitdaten mit modernen Fernerkundungs- und GIS-Techniken bietet somit die einzigartige Möglichkeit, ein fundiertes Verständnis der Auswirkungen der Eutro-phierung und Oligotrophierung auf die räumliche Heterogenität der submersen Makrophytenbestände und das Resilienzvermögen der Litoralzone hinsichtlich schwerer Störungen. Darüber hinaus werden theoretische Konzepte in Litoralökosystemen geprüft, weiterentwickelt und das junge Forschungsgebiet der landschaftsökologischen Limnologie vorangebracht.
This data collection unites the individual data sets of the COMPEX-EC (Clouds over cOMPlEX environment - EarthCARE) campaign, carried out in Kiruna 2.-16.4.2025. COMPEX-EC has been designed as an EarthCARE validation campaign. For that purpose, Polar 5 (C-GAWI) has been equipped with instrumentation similar to the one operated on EarthCARE (W-band radar, lidar, radiometers, spectral imagers). Seven research flights (summing up to more than 30 flight hours) were conducted each of them underflying the EarthCARE satellite to validate its performance.
For this update of the glacier inventory of the Salzburg region (Austria), 172 glaciers across 7 mountain groups in the state of Salzburg were mapped. Two datasets are presented here: one derived from orthophotos and one from hillshaded digital elevation models (DEMs). The most recent glacier boundaries were primarily derived from orthophotos taken in 2018. Exceptions include glaciers No. 5016 and 5017, for which mapping is based on data from 2013, and several glaciers in the Zillertal Alps (Nos. 5148, 5150, 5152, 5153, 5154, 9002, 9003, 9004, 9005), which were mapped using data from 2016 (see Fig. 4, and table "GI5_Salzburg_Gletscherliste_Orthofotos" in Bertolotti and Fischer, 2020 and 2021, attached). These boundaries were used to calculate area changes. For volume change calculations, glacier boundaries correspond to the most recent available LiDAR flight years: 2008, 2009, 2012, 2013, or 2018, depending on the glacier (see Figs. 1–3 and table "GI5_Salzburg_Gletscherliste_DGM" in Bertolotti and Fischer, 2020 and 2021). The updated glacier outlines were mapped based on the 2009 inventory (GI3, Fischer et al., 2015), digital elevation models from the latest survey years (Figs. 1–3), and orthophotos from 2018 (or 2013/2016 in the exceptions noted above). Volume changes were calculated using elevation models from 1998 (GI2). Area changes were also compared with earlier inventories: GI1 (Groß, 1987) and GI2 (Lambrecht and Kuhn, 2007). Almost all glaciers are located along the main Alpine ridge and are distributed across seven mountain groups: Ankogel-Hochalmspitz Group, Glockner Group, Granatspitz Group, Hochkönig Group (also known as the Salzburg Limestone Alps), Sonnblick Group (also known as the Goldberg Group), Venediger Group, and Zillertal Alps. Only the three glaciers in the Hochkönig Group are located outside the main Alpine ridge.
Die Strömung im Lee eines steilen Berges ist durch hoch-komplexe Wirbelstrukturen charakterisiert. Vorherige Forschungsarbeiten mit idealisierten numerischen Simulationen haben gezeigt, dass die Form dieser Leewirbel empfindlich von der vertikalen Scherung der Umgebungsströmung abhängt; andererseits spielt die Stärke des Umgebungswindes eine untergeordnete Rolle. Hier wird vorgeschlagen, diese Hypothesen durch eine Kombination von numerischen Simulationen und Beobachtungen zu testen. Eine einmonatige Messkampagne wird erstmals das Windfeld in der Umgebung des Matterhorns erkunden, wobei moderne Wind-LiDAR Technologie zum Einsatz kommen soll, in Kombination mit Radiosonden und einem kleinen unbemannten meteorologischen Flugzeug. Außerdem sollen umfangreiche Grobstruktursimulationen der Strömung um einen steilen Berg durchgeführt und ausgewertet werden. Die Verwendung von realistischer Matterhorn-Orographie erlaubt es, optimale Mess-Strategien für die Kampagne zu entwickeln und später die Messungen in den Kontext des bisher Gewussten zu stellen. Außerdem werden die Simulationen dazu benutzt, um die transienten Merkmale des Windfelds im Lee des Berges zu studieren, und zwar sowohl mit idealisierter als auch mit realistischer Orographie. Eine wichtige Bedeutung nimmt dabei die Visualisierung der Leewirbel ein, welche dabei hilft, die anfangs genannten Hypothesen zu testen.
| Origin | Count |
|---|---|
| Bund | 468 |
| Kommune | 15 |
| Land | 23 |
| Wissenschaft | 43 |
| Zivilgesellschaft | 5 |
| Type | Count |
|---|---|
| Daten und Messstellen | 31 |
| Ereignis | 3 |
| Förderprogramm | 442 |
| Text | 9 |
| unbekannt | 35 |
| License | Count |
|---|---|
| geschlossen | 24 |
| offen | 494 |
| unbekannt | 2 |
| Language | Count |
|---|---|
| Deutsch | 391 |
| Englisch | 185 |
| Resource type | Count |
|---|---|
| Archiv | 22 |
| Bild | 1 |
| Datei | 36 |
| Dokument | 2 |
| Keine | 352 |
| Webdienst | 3 |
| Webseite | 133 |
| Topic | Count |
|---|---|
| Boden | 304 |
| Lebewesen und Lebensräume | 384 |
| Luft | 416 |
| Mensch und Umwelt | 511 |
| Wasser | 250 |
| Weitere | 520 |