API src

Found 551 results.

Related terms

Einzelbaum Kronenumringe aus Luftbildern (2021) Wuppertal

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.

Einzelbaum Kronenumringe aus Luftbildern (2021) Wuppertal

<p>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.</p> <p><strong>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.</strong></p> <p> </p>

Einzelbaum Stammpositionen aus Luftbildern (2021) Wuppertal

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.

Vegetationsstruktur des Grünvolumens 2009 (WMS Dienst)

Die vorliegende Vegetationsstruktur des Grünvolumens basiert auf einem Zwischenergebnis aus dem durch das Leibniz-Institut für ökologische Raumentwicklung e.V. (IÖR) erstellten Gutachten "Grünvolumenbestimmung der Stadt Dresden auf der Grundlage von Laserscandaten" vom August 2014. Dieses ist unter dem zugeordneten Dokument einsehbar. Einleitung: Städtisches Grün ist aus stadtökologischer und sozialer Sicht unverzichtbar und erfüllt wichtige Funktionen wie Staubbindung, Temperaturminderung, Winddämpfung oder Grundwasserneubildung. Darüber hinaus bilden öffentliche Grünanlagen Oasen der Ruhe, die der Erholung, Freizeitgestaltung und Kommunikation dienen und wichtige soziale Funktionen erfüllen. Die ökologische Wirksamkeit des städtischen Grüns ist im besonderen Maße von der vorliegenden Vegetionsstruktur abhängig. So besitzt niedrige Vegetation (Rasen und Wiesen) vor allem in den Abend- und Nachtstunden eine abkühlende Wirkung, während hohe Vegetation (mittlere bis große Bäume) vorwiegend am Tag zu einer Absenkung der klimatischen Belastung beiträgt, aber zugleich die Belüftung negativ beeinträchtigen kann. Mittlere Vegetation (Sträucher, Stauden, Hecken und kleine Bäume) verfügt ebenso wie die hohe Vegetation über ein hohes Maß an Staubbindevermögen aus der Luft, während niedrige Vegetation vorwiegend Staub- und Gasteile aus den Niederschlägen bindet und aufgrund der hohen Versickerungsleistung einen großen Anteil zur Grundwasserneubildung beiträgt (siehe auch Metadaten zur Planungshinweiskarte Stadtklima). Hintergrund: Für die Grünvolumenbestimmung war es zwingend erforderlich, Vegetation von anthropogenen Objekten mit einer relevanten Höhe über dem Boden, wie Gebäuden, Laternen, Fahrzeugen etc. zu trennen. Gleichzeitig war für die Anwendung der Kronenformkorrektur (nur auf Laubbäume) und des pauschalen Aufschlages für Rasen und Ackerflächen eine weitere Differenzierung nach Vegetationstypen erforderlich. Folgende Vegetationstypen sollten voneinander getrennt werden: - Laubbaum - Nadelbaum - Sträucher - Rasen - Acker. Datengrundlage/Methodik: Grundlage der Bestimmung der Vegetationsstruktur (als Zwischenergebnis der Grünvolumenbestimmung) sind Laserscandaten, RGBI-Bilddaten sowie Gebäudedaten. Klassifizierung der Vegetationsstruktur des Grünvolumens: - Value 0: vegetationslos => (farblos oder weiß) - Value 1: Laubbaum => (grün) - Value 2: Nadelbaum => (dunkelgrün) - Value 3: Sträucher => (braungrün) - Value 4: Rasen, Wiesen und sonstige niedrige Vegetation => (gelbgrün/hellgrün) - Value 5: Acker => (gelbgrün/hellgrün)

Einzelbaum Stammpositionen aus Luftbildern (2021) Wuppertal

<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>

Vegetationsstruktur des Grünvolumens 2009

Die vorliegende Vegetationsstruktur des Grünvolumens basiert auf einem Zwischenergebnis aus dem durch das Leibniz-Institut für ökologische Raumentwicklung e.V. (IÖR) erstellten Gutachten "Grünvolumenbestimmung der Stadt Dresden auf der Grundlage von Laserscandaten" vom August 2014. Dieses ist unter dem zugeordneten Dokument einsehbar. Einleitung: Städtisches Grün ist aus stadtökologischer und sozialer Sicht unverzichtbar und erfüllt wichtige Funktionen wie Staubbindung, Temperaturminderung, Winddämpfung oder Grundwasserneubildung. Darüber hinaus bilden öffentliche Grünanlagen Oasen der Ruhe, die der Erholung, Freizeitgestaltung und Kommunikation dienen und wichtige soziale Funktionen erfüllen. Die ökologische Wirksamkeit des städtischen Grüns ist im besonderen Maße von der vorliegenden Vegetionsstruktur abhängig. So besitzt niedrige Vegetation (Rasen und Wiesen) vor allem in den Abend- und Nachtstunden eine abkühlende Wirkung, während hohe Vegetation (mittlere bis große Bäume) vorwiegend am Tag zu einer Absenkung der klimatischen Belastung beiträgt, aber zugleich die Belüftung negativ beeinträchtigen kann. Mittlere Vegetation (Sträucher, Stauden, Hecken und kleine Bäume) verfügt ebenso wie die hohe Vegetation über ein hohes Maß an Staubbindevermögen aus der Luft, während niedrige Vegetation vorwiegend Staub- und Gasteile aus den Niederschlägen bindet und aufgrund der hohen Versickerungsleistung einen großen Anteil zur Grundwasserneubildung beiträgt (siehe auch Metadaten zur Planungshinweiskarte Stadtklima). Hintergrund: Für die Grünvolumenbestimmung war es zwingend erforderlich, Vegetation von anthropogenen Objekten mit einer relevanten Höhe über dem Boden, wie Gebäuden, Laternen, Fahrzeugen etc. zu trennen. Gleichzeitig war für die Anwendung der Kronenformkorrektur (nur auf Laubbäume) und des pauschalen Aufschlages für Rasen und Ackerflächen eine weitere Differenzierung nach Vegetationstypen erforderlich. Folgende Vegetationstypen sollten voneinander getrennt werden: - Laubbaum - Nadelbaum - Sträucher - Rasen - Acker. Datengrundlage/Methodik: Grundlage der Bestimmung der Vegetationsstruktur (als Zwischenergebnis der Grünvolumenbestimmung) sind Laserscandaten, RGBI-Bilddaten sowie Gebäudedaten. Klassifizierung der Vegetationsstruktur des Grünvolumens: - Value 0: vegetationslos => (farblos oder weiß) - Value 1: Laubbaum => (grün) - Value 2: Nadelbaum => (dunkelgrün) - Value 3: Sträucher => (braungrün) - Value 4: Rasen, Wiesen und sonstige niedrige Vegetation => (gelbgrün/hellgrün) - Value 5: Acker => (gelbgrün/hellgrün)

Forstflurstücke Eimsbüttel Hamburg

Dieser Datensatz enthält die Forstflurstücke des Bezirks Eimsbüttel und zeigt deren Fläche in Hektar an. Die Forstflurstücke sind nicht verpachtet und damit im alleinigen Besitz des Bezirks (Forst). Die meisten Forstflurstücke sind im Bereich des Niendorfer Geheges verortet, wo sich auch die bezirkliche Revierförsterei befindet. Die Landschaft dieser Forstflurstücke ist eben und auf eine ehemalige Parkanlage zurückzuführen. Hier sind überwiegend Laubbäume gepflanzt, die teilweise bis zu 200 Jahre alt sind.

Windpotenzialflächen im Saarland - Ausschlussflächen Ökologisch wertvolle Waldflächen

Ökologisch wertvolle Waldflächen wurden durch 5 Waldschutzkriterien definiert und in einer Novellierung des LWaldG berücksichtigt. Diese Flächen wurden von der Windenergienutzung ausgeschlossen. Die 5 neuen Waldschutzkriterien werden wie folgt beschrieben und gelten für alle Besitzarten (Privatwald, Kommunalwald, Staatswald). 1. Laubwaldbestände, die in der Hauptschicht mindestens 75 Prozent der Baumartenanteile als mindestens 100 Jahre alte Laubbäume aufweisen, wozu auch Teile eines Bestandes zählen, in denen klein flächig jüngere Bäume des Zwischen- und Unterstandes oder Nadel- holz das Bestandsbild dominieren und die zum Stichtag 1. Januar 2023 in der durch die Forstbehörde in Kraft gesetzten Forsteinrichtung ausgewiesen sind, oder, sofern eine solche nicht vorhanden ist, in der landesweiten Privatwaldinventur des Jahres 2014 in der Behandlungseinheit „Altholz“ oder „mittleres Baumholz“ ausgewiesen sind, 2. Waldbestände, die zum Stichtag 01.01.2023 als Alt- und Totholz Biozönosen Flächen (ATB- Flächen) in der durch die Forstbehörde in Kraft gesetzte Forsteinrichtung kartiert sind, 3. Waldbestände, die der forstlichen Forschung dienen, sowie Marteloskopflächen, (Flächen, die der waldbaulichen Aus- und Weiterbildung dienen), 4. zugelassene Erntegutbestände nach dem Forstvermehrungsgutgesetz, 5. Waldbestände, die zum Stichtag 01.01.2023 in der durch die Forstbehörde in Kraft gesetzten Forsteinrichtung aus der regelmäßigen Bewirtschaftung genommen sind. Quelle: Sammeldokument zur Windflächenpotenzialstudie 2024 bearbeitet durch Bosch und Partner in Koop. mit Fraunhofer IEE.

WMS Baumart (NLP)

Klassifikation der Baumart Stand 2015 für sämtliche Baumindividuen mit Wuchshöhe >15m. Die Klassen sind Fichte, Tanne, Kiefer, Lärche, Douglasie, Laubbaum (unspezifiziert) und stehendes Totholz. Die flächendeckende Kenntnis der Baumart eines jeden Baumindividuums mit einer Wuchshöhe von >15m ist eine im Vergleich zur in der Forstwirtschaft üblichen über statistische Verfahren geschätzten Baumartenverteilung für größere Flächeneinheiten erheblich genauere Information. Diese höhere Genauigkeit ermöglicht die Ableitung einer Vielzahl von räumlichen Analysen in einer bislang ungewohnten räumlichen Exaktheit, wie z.B. Habitatseignungskarten für bestimmten Tierarten. In Kombination mit der Waldstruktur und Vegetationshöhendaten aus den Folgejahren ermöglicht diese Baumartenklassifikation ein auf Einzelbäumen basiertes Monitoring der natürlichen Waldentwicklung.

Staatswald Bestände 2011 Saarland

Waldbestände des SaarForst Landesbetriebes (Staatswald) Die Aussengrenzen (Besitzgrenzen) des Staatswaldes wurden an die ALK angeglichen und sind damit katasterscharf. Die Innengrenzen (Abgrenzungen der Waldbestände eines Eigentümers untereinander) sind anhand der DGK5 und der digitalen Orthofotos mit 40 cm Bodenauflösung digitalisiert. Neben zahlreichen datenbankinternen Attributen ist folgendes Attribut entscheidend: Bestandsname ; landesweit besitzerübergreifend eindeutiger Schlüssel. Felder und ihre Bedeutung: BESTAND: Bestand; ALTSTR: Altersstruktur BALTER: Alter mittel; BALTERMI: Bestandsalter bis; BALTERMA: Bestandsalter von; BEFE: Befundeinheit; BESTLAGE: Lage der Teilfläche; BESTSTR: Bestandesstruktur; ENTWST: Entwicklungsstufe; BESTNAM: Bestandesname; UFLAECHE: Unterfläche; BEFAHRB: Befahrbarkeit in %; DAT: Datum; FLAECHE: Fläche in ha; SEEH: Seehöhe; ARTV_BA: Artenvielfalt der Baumarten; ARTV_BV: Artenvielfalt der Bodenvegetation; BEHVEG1: Behindernde Vegetation 1; BEHVEG2: Behindernde Vegetation 2; BETR_KL: Betriebsklasse; BEST_TYP: Bestandestyp; C: Sonderfeld; D: Driglichkeit; EINZELB: Schützenswerte Einzelbäume; EXPMA: Exposition bis; EXPMI: Exposition von; EXPOS: Exposition; FEINER: Erschließung in %; FORM: Baumform; GATTER: Gatter in %; GELFOMA: Geländeform bis; GELFOMI: Geländeform von; H_PFLZ: Pflegezustand; HOEHLE: Höhlenreichtum; HORIZ: Horizontale Strukturvielfalt; KALK: Kalkung; KONTRNUA: Kontrollnutzungsart; NEIG: Neigung; TOTHOLZ: Totholz stehend; ENTSTEH: Tothol liegend; VERTI: Vertikale Strukturvielfalt; WUCHSB: Wuchsbezirk; WUCHSG: Wuchsgebiet; BESCHRIFT: ; HBA: Dominierende Baumartengruppen; BU: Ateil Buche in %; BL: Anteil Fläche temp. ohne Baumbewuchs in %; DOU: Anteil Douglasie in %; ELB: Anteil Edellaubbäume in %; KI: Anteil Kiefer in %; EI: Anteil Eiche in %; FI: Anteil Fichte in %; LAE: Anteil Lärche in %; SALH: Summe der Laubhölzer in %; SLB: Anteil sonstiger Laubbäume in %; SANH: Summe der Nadelbäume in %; SNB:Anteil sonstiger Nadelbäume in %; UFL: Bestand; SHAPE_Area: Flächengröße ha;

1 2 3 4 5 … 54 55 56