API src

Found 11 results.

Related terms

Stimulating wider uptake of Copernicus Services by making them available as linked open data (Copernicus App Lab)

Das Projekt "Stimulating wider uptake of Copernicus Services by making them available as linked open data (Copernicus App Lab)" wird vom Umweltbundesamt gefördert und von Anwendungszentrum GmbH Oberpfaffenhofen durchgeführt. The Copernicus App Lab aims at bridging the digital divide between the established, science-driven Earth observation community and the young, innovative, entrepreneurial world of mobile developers by establishing of a proof-of-concept for providing the data from the Copernicus Land, Marine Environment and Atmosphere Monitoring Services as Linked Open Data (LOD) for take-up of EO data in mobile applications. The experiences of the consortium as key technology provider in various international competition events, such as the Copernicus Masters, shows that easy access to data is crucial for the success of EO business development. Main benefits: - Empowering the uptake of Copernicus Services in the mobile developer community by offering a one-stop-shop for mobile developers who wish to integrate Copernicus data into their value-added services via the tools needed and in the format known by mobile developers. - Improving data utilization by publishing value-added products from Copernicus data and services as Linked Open Data finally leading to better and more numerous mobile Copernicus apps. - Trigger business opportunities along the value added chain of EO data and services by providing tools for publishing and interlinking EO data, for querying EO data and for visualizing EO data. - Engaging the user community by setting a strong focus on dissemination activities and by collecting user feedback during a virtual beta testing phase and direct exchange with mobile developers during an ESA Space App Camp.

Teilvorhaben RLI: Open Data und Einbindung ins Modellierungs-Framework oemof

Das Projekt "Teilvorhaben RLI: Open Data und Einbindung ins Modellierungs-Framework oemof" wird vom Umweltbundesamt gefördert und von Reiner Lemoine Institut gGmbH durchgeführt. Im Vorhaben geht es um die Entwicklung eines vernetzten Datenbankkonzepts auf Basis der Ideen von Linked Open Data (LOD) und dem Semantic Web für Eingangs- und Ergebnisdaten der Modellierung in der Energiesystemanalyse. Zudem wird eine Anbindung an das globale Erdbeobachtungssystem (GEOSS) vor allem für räumlich-zeitlich aufgelöste Eingangsdaten realisiert. Im Teilvorhaben prüft das RLI bestehende Nutzungsbedingungen der relevanten Datensätze und erarbeitet Empfehlungen für eine offene Lizenzierung. Der Fokus liegt auf der Kompatibilität untereinander und der Verwendung in vernetzt Systemen. Als praktische Anwendung werden die Daten in das open energy modeling framework (oemof) eingebunden und beispielhaft an einem oemof-Modell angewendet. Abschließend werden Best-Practice-Guides entwickelt und diese in der Energiesystemanalyse-Community bekannt gemacht.

Teilvorhaben FZJ: Entwicklung von Schnittstellen mit Fokus auf das Modellframework FINE

Das Projekt "Teilvorhaben FZJ: Entwicklung von Schnittstellen mit Fokus auf das Modellframework FINE" wird vom Umweltbundesamt gefördert und von Forschungszentrum Jülich GmbH, Institut für Energie- und Klimaforschung (IEK), IEK-14: Elektrochemische Verfahrenstechnik durchgeführt. Im Vorhaben geht es um die Entwicklung eines vernetzten Datenbankkonzepts auf Basis der Ideen von Linked Open Data (LOD) und dem Semantic Web für Eingangs- und Ergebnisdaten der Modellierung in der Energiesystemanalyse. Zudem wird eine Anbindung an das globale Erdbeobachtungssystem (GEOSS) vor allem für räumlich-zeitlich aufgelöste Eingangsdaten realisiert. Die entwickelten Werkzeuge sollen in diesem Teilprojekt mit dem Modellframework Fine getestet werden. Abschließend werden Best-Practice Guides entwickelt, welche die weitere Nutzung der Werkzeuge in der Energiesystemanalyse unterstützen. Ziel dieses Teilvorhabens ist die Entwicklung und Demonstration einer möglichen Dateninfrastruktur für die Energiesystemanalyse am Beispiel des Modelleframeworks FINE.

de.NBI - Etablierungsphase - Datenbanken - Vernetzung von Umwelt und molekularen Daten

Das Projekt "de.NBI - Etablierungsphase - Datenbanken - Vernetzung von Umwelt und molekularen Daten" wird vom Umweltbundesamt gefördert und von Universität Bremen, Zentrum für marine Umweltwissenschaften durchgeführt. PANGAEA wird gemeinschaftlich betrieben vom Zentrum für marine Umweltwissenschaften MARUM an der Universität Bremen und dem Alfred Wegner Institute, ein Helmholtz-Zentrum für Polar- und Meeresforschung. PANGAEA stellt eine umfangreiche Sammlung an wissenschaftlichen Daten einer großen multidisziplinären Nutzergemeinde zur Verfügung. Diese umfasst Daten aus Erde und Umwelt, speziell biologische Daten zur Diversität, Vorkommen, und Verteilung sowohl von Organismen als auch von biochemischen Molekülen. Alle Datensätze sind über ein Webportal zugänglich und können zudem auch über eine Reihe von standardisierten Austauschprotokollen genutzt werden. Um den steigenden Bedarf der Biowissenschaften im Hinblick auf die Verknüpfung von Umweltdaten mit molekularen Daten korrekt und effizient zu gewährleisten, wird PANGAEA mit anderen de.NBI Datenbanken enger verknüpft. Dafür werden sowohl im Bereich der Technik als auch in der Datenkuration Neu - und Weiterentwicklungen notwendig sein um zukünftig molekulare- und Umwelt- Daten optimal zu archivieren und miteinander zu verknüpfen. Mithilfe fachspezifischer Ontologien, die in PANGAEA integriert oder neu erstellt werden sollen, werden die biologischen Daten in PANGAEA auf genetische, enzymatische und taxonomische Inhalte analysiert und daraus resultierende Gemeinsamkeiten mit anderen Projektpartnern erfasst. Die Vernetzung mit anderen de.NBI Partner wird unter anderem durch die Verwendung von Webdiensten und permanenten, eindeutigen Objektbezeichnern erfolgen.

Teilvorhaben PIK: Ontologien von Ergebnisdaten mit Fokus auf das Integrated Assessment Model REMIND

Das Projekt "Teilvorhaben PIK: Ontologien von Ergebnisdaten mit Fokus auf das Integrated Assessment Model REMIND" wird vom Umweltbundesamt gefördert und von Potsdam-Institut für Klimafolgenforschung e.V. durchgeführt. Im Vorhaben geht es um die Entwicklung eines vernetzten Datenbankkonzepts auf Basis der Ideen für Linked Open Data und des Semantic Web für Eingangs- und Ergebnisdaten der Energiesystemmodellierung. Das vom PIK durchgeführte Teilprojekt fokussiert auf die Anbindung von Ergebnisdaten auf Energiemodellen in das Semantic Web. Die entwickelten Werkzeuge sollen in diesem Teilprojekt mit dem Integrated Assessment Modell REMIND getestet werden. Abschließend werden Best-Practice Guides entwickelt, welche die weitere Nutzung der Werkzeuge in der Energiesystemanalyse unterstützen. Ziel dieses Teilvorhabens ist die Entwicklung und Demonstration einer möglichen Dateninfrastruktur für die Energiesystemanalyse am Beispiel des Integrated Assessment Modells REMIND.

Understanding forest health with remote sensing, part III

Forest ecosystems fulfill a whole host of ecosystem functions that are essential for life on our planet. However, an unprecedented level of anthropogenic influences is reducing the resilience and stability of our forest ecosystems as well as their ecosystem functions. The relationships between drivers, stress, and ecosystem functions in forest ecosystems are complex, multi-faceted, and often non-linear, and yet forest managers, decision makers, and politicians need to be able to make rapid decisions that are data-driven and based on short and long-term monitoring information, complex modeling, and analysis approaches. A huge number of long-standing and standardized forest health inventory approaches already exist, and are increasingly integrating remote-sensing based monitoring approaches. Unfortunately, these approaches in monitoring, data storage, analysis, prognosis, and assessment still do not satisfy the future requirements of information and digital knowledge processing of the 21st century. Therefore, this paper discusses and presents in detail five sets of requirements, including their relevance, necessity, and the possible solutions that would be necessary for establishing a feasible multi-source forest health monitoring network for the 21st century. Namely, these requirements are: (1) understanding the effects of multiple stressors on forest health; (2) using remote sensing (RS) approaches to monitor forest health; (3) coupling different monitoring approaches; (4) using data science as a bridge between complex and multidimensional big forest health (FH) data; and (5) a future multi-source forest health monitoring network. It became apparent that no existing monitoring approach, technique, model, or platform is sufficient on its own to monitor, model, forecast, or assess forest health and its resilience. In order to advance the development of a multi-source forest health monitoring network, we argue that in order to gain a better understanding of forest health in our complex world, it would be conducive to implement the concepts of data science with the components: (i) digitalization; (ii) standardization with metadata management after the FAIR (Findability, Accessibility, Interoperability, and Reusability) principles; (iii) Semantic Web; (iv) proof, trust, and uncertainties; (v) tools for data science analysis; and (vi) easy tools for scientists, data managers, and stakeholders for decision-making support. Quelle: https://www.mdpi.com

Teilvorhaben DLR: Gesamtkoordination und Modelle REMIX und AMIRIS

Das Projekt "Teilvorhaben DLR: Gesamtkoordination und Modelle REMIX und AMIRIS" wird vom Umweltbundesamt gefördert und von Deutsches Zentrum für Luft- und Raumfahrt e.V., Institut für Technische Thermodynamik durchgeführt. Im Vorhaben geht es um die Entwicklung eines Vernetzten Datenbankkonzepts auf Basis der Ideen von Linked Open Data und dem Semantic Weg für Eingangs- und Ergebnisdaten der Modellierung in der Energiesystemanalyse. Weiterhin soll eine Anbindung an das globale Erdbeobachtungssystem vor allem für räumlich zeitlich aufgelöste Eingangsdaten realisiert werden. Die entwickelten Werkzeuge sollen in diesem Teilprojekt mit den Modellen REMix und AMIRIS getestet werden. Abschließend werden Best-Practice Guides entwickelt, welche die weitere Nutzung der Werk- Demonstration einer möglichen Dateninfrastruktur für die Energiesystemanalyse am Beispiel der Modelle REMix und AMIRIS.

Teilvorhaben DLR-VE: GEOSS-Einbindung und Energiesystemmodellierung

Das Projekt "Teilvorhaben DLR-VE: GEOSS-Einbindung und Energiesystemmodellierung" wird vom Umweltbundesamt gefördert und von Deutsches Zentrum für Luft- und Raumfahrt e.V., Institut für Vernetzte Energiesysteme durchgeführt. Im Vorhaben geht es um die Entwicklung eines vernetzten Datenbankkonzepts auf Basis der Ideen von Linked Open Data (LOD) und dem Semantic Web für Eingangs- und Ergebnisdaten der Modeliierung in der Energiesystemanalyse. Zudem wird eine Anbindung an das globale Erdbeobachtungssystem (GEOSS) vor allem für räumlich-zeitlich aufgelöste Eingangsdaten realisiert. Im Teilvorhaben von DLR-VE sollen die entwickelten Werkzeuge mit den Energiesystem-Modellen des DLR-VE (Stochastic Dispatch Model, PyPSA-basiertes Stromsystemmodell) getestet werden. Ein Schwerpunkt liegt in der Entwicklung von Schnittstellen zu Daten des Globalen Erdbeobachtungssystems GEOSS und von Verfahren zur Homogenisierung zeitlich und räumlich verschieden aufgelöster Daten. In einem Best-Practice-Guide für zeitlich aufgelöste Geodaten soll die Nutzung der Werkzeuge in der Energiesystemanalyse am Beispiel der Energiesystem-Modelle des DLR-VE (Stochastic Dispatch Model, PyPSA-basiertes Stromsystemmodell) demonstriert werden.

Maximising the Exploitation of Linked Open Data In Enterprise and Science (MELODIES)

Das Projekt "Maximising the Exploitation of Linked Open Data In Enterprise and Science (MELODIES)" wird vom Umweltbundesamt gefördert und von University Reading durchgeführt. The European Open Data Strategy establishes important new principles that ensure that European public sector data will be released at no cost (or marginal cost), in machine-readable, commonly-understood formats, and with liberal licenses enabling wide reuse. These data encompass both scientific data about the environment (from Earth Observation and other fields) and other public sector information, including diverse topics such as demographics, health and crime. The intention of the Strategy is to stimulate the growth of research and value-adding services that build upon these data streams; however, researchers and industry are only just beginning to understand the benefits of exploiting Open Data and the value of combining previously-disparate sources of information. This project will develop eight new innovative and sustainable services, based upon Open Data, for users in research, government, industry and the general public. A broad range of societal benefit areas are covered, including agriculture, urban ecosystems, land use management, marine information, desertification, crisis management and hydrology. The long-term sustainability of the services will be assessed critically throughout the project from a number of angles in order to ensure that the full benefits of the project are realised in the long term. A comprehensive and coherent strategy of user engagement and dissemination will ensure that the project develops in response to real user needs. The project will provide the service developers with a collaborative technology platform that gives the computing capability required to handle and process such large and diverse datasets. It will allow them to focus on the design and evolution of their service, enable collaboration on common tasks and will contribute towards the long-term sustainability of the services. The platform will build extensively on previous European investments in cloud and grid computing and Linked Data technologies.

Linked Open Data for environment protection in Smart Regions (SMARTOPENDATA)

Das Projekt "Linked Open Data for environment protection in Smart Regions (SMARTOPENDATA)" wird vom Umweltbundesamt gefördert und von Empresa de Transformacion Agraria SA durchgeführt. The Linked Open Data (LOD) Strategy is becoming a source of unprecedented visibility, enabling the generation of new businesses and significant advances for research in the environmental area. Nevertheless, in order for this strategy to become a reality, it is necessary to advance the publication of existing environmental data, usually owned by public bodies. This proposal is focused on how the LOD Initiative can be linked with INSPIRE, GEOSS Data-CORE, GMES and external third parties and how it can impact on the economic and sustainability progress in European Environmental research and protection. There exists many different information sources for protecting the environment in Europe, mainly focused on Natura 2000 network, and areas where environmental protection and activities like tourism need to be balanced. SmartOpenData aims to define mechanisms for acquiring, adapting and using Open Data provided by existing sources for environment protection in European protected areas. Through target pilots in these areas, the project will harmonise metadata, improve spatial data fusion and visualisation and publish the resulting information according to user requirements and Linked Open Data principles to provide new opportunities for SMEs. The SMEs involved will develop new services based on this data. Public bodies and rural and protected areas will benefit from opening their data by improving their knowledge and environment protection through new innovation ecosystems. SMEs, researchers and citizens and will take a central role in pilots developed to enhance the potential of protected areas. Innovation by third party SMEs will be encouraged by the promotion of royalty-free open standards and best practices initiated by SmartOpenData. SmartOpenData aims to impact in the public and standard availability of data according to the Linked Open Data Strategy for environmental information, addressing globally environmental issues in an affordable and sustainable way.

1 2