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.
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.
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.
Mittlere jährliche Sickerwasserrate [mm/a] aus dem 30 jährigen Mittel 1991-2020 Zur nachhaltigen Bewirtschaftung der Grundwasserreserven muss der gesamte Wasserhaushalt berücksichtigt werden. Dabei spielt die Sickerwasserneubildung eine zentrale Rolle. Bei den Daten handelt es sich um das 30-jährige Mittel (1991 bis 2020). Bitte beachten Sie folgende Hinweise zu Vollständigkeit und Qualität der bereitgestellten Daten: aufgrund von Ungenauigkeiten bei der Erfassung von Fachobjekten kommt es vereinzelt zu nicht validen Geometrien gemäß OGC-Schema-Validierung. Da GIS-Server wie ArcGIS-Server, GeoServer oder UMN MapServer immer genauere Datengrundlagen verwenden/verarbeiten müssen, wird auch die Prüfroutine immer weiterentwickelt und mahnt im Toleranzbereich als auch in der topologischen Erfassung Ungenauigkeiten (bspw. durch Dritt-Software) an. Dies führt dazu, dass Geometrien nicht mehr dargestellt beziehungsweise erfasst werden können. Zu den beanstandeten Geometriefehlern gehören u.a. Selbstüberschneidungen (Selfintersections) oder doppelte Stützpunkte. Die LUBW kann daher keine Garantie für die Vollständigkeit und Stabilität des Download-Dienstes (WFS) geben. Bitte prüfen Sie daher im Bedarfsfall die Vollständigkeit anhand der ebenfalls angebotenen Darstellungsdienste (WMS).
Mittlere jährliche Sickerwasserbildung [mm/a] aus dem 30 jährigen Mittel 1991-2020. Mittlere jährliche Grundwasserneubildung [mm/a] aus dem 30 jährigen Mittel 1991-2020. Zur nachhaltigen Bewirtschaftung der Grundwasserreserven muss der gesamte Wasserhaushalt berücksichtigt werden. Dabei spielt die Sicker- und Grundwasserbildung eine zentrale Rolle. Bei den Daten handelt es sich um das 30-jährige Mittel (1991 bis 2020). Die hier zur Verfügung gestellten Daten der Sicker- und Grundwasserbildung stammen aus der landesweiten Langzeit-Berechnung mit dem Bodenwasserhaushaltsmodell GWN-BW. GWN-BW ist ein modular aufgebautes, deterministisches und flächendifferenziertes Modell zur Berechnung der tatsächlichen Verdunstung, zur Simulation des Bodenwasserhaushaltes und der unterhalb der durchwurzelten Bodenzone gebildeten Sickerwassermenge. Die Berechnungen erfolgen auf insgesamt 102.677 Grundflächen, deren Geometrie auf der Verschneidung von Bodenkarte 1:50.000 und CORINE 2006 Landnutzung beruht.
Das Forschungsvorhaben KNW-Opt II vereint die Lösungsansätze der beiden bundesweit größten kollektorbasierten Kalten Nahwärmenetze (KNW) 'Bad Nauheim Süd' und 'Soester Norden'. Mit Hilfe von wissenschaftlichen Monitorings werden wichtige übertragbare Erkenntnisse für die Planung, den Bau und den Betrieb komplexer kollektorbasierter KNW-Systeme gewonnen. Diese werden im Rahmen des Wissenstransfers für die breite Anwendung verfügbar gemacht. Es werden Softwarelösungen erarbeitet, validiert und bereitgestellt. Im Vorgängerprojekt KNW-Opt wurde in 'Bad Nauheim Süd' ein wissenschaftliches Monitoring implementiert und erste Optimierungen umgesetzt. Diese Arbeiten werden in KNW-Opt II weiter fortgeführt und ergänzend Agraranalysen an diesem Standort durchgeführt. Zudem werden die Untersuchungen durch Aufbau eines wissenschaftlichen Monitorings am aktuell größten kollektorbasierten KNW-Netz im 'Soester Norden' erweitert und die Übertragbarkeit der Erkenntnisse aus KNW-Opt hierfür genutzt. Die beiden Leuchttürme dienen zudem der Entwicklung einer KNW-Energy-Cloud sowie einem KNW Real-Time Twin, mit deren Hilfe die Übertragbarkeit auf andere KNW-Netze im Neubau aber auch Bestand ermöglicht werden soll. Um die Marktdurchdringung zu beschleunigen, erfolgt der Wissens- und Technologietransfer durch die Einbindung der wichtigsten Branchenverbände schon während der Projektlaufzeit. Im Teilvorhaben der Justus-Liebig-Universität Gießen (JLU) wird die nachhaltige Bewirtschaftung doppelgenutzter Agrarflächen adressiert. Das übergeordnete Ziel ist die Maximierung des Energieaustauschs für die Beheizung und Kühlung von Gebäuden, ohne die landwirtschaftliche Produktionskapazität des Feldes zu beeinträchtigen. Hierbei wird betrachtet, wie verschiedene Pflanzenkulturen für den Energieaustausch relevante Bodenparameter wie Temperatur- und Feuchtigkeit beeinflussen sowie die Wasseraufnahme der Pflanzen und die Dynamik der Evapotranspiration
Im Zuge der vierten Bundeswaldinventur (BWI2022) wurden erstmals in ganz Deutschland Proben für die genetische Inventur von sieben Hauptbaumarten gesammelt. Diese durch die Thünen-Institute für Waldökosysteme und Forstgenetik koordinierte deutschlandweite, flächenrepräsentative Probennahme ermöglicht erstmalig einen wirklich fundierten und umfassenden Überblick über die genetische Vielfalt sowie die räumliche Struktur der genetischen Diversität der wichtigsten Waldbaumarten in Deutschland. Anhand der deutschlandweit eingesammelten Proben soll eine hochaufgelöste Karte der genetischen Vielfalt und Struktur der Waldkiefer (Pinus sylvestris L.) erstellt werden. Die Erstellung einer solchen Karte gibt Aufschluss über die aktuelle genetische Vielfalt der Kiefer in Deutschland, die räumliche Verteilung dieser genetischen Vielfalt und den Zusammenhang zwischen genetischer Struktur und Umwelt- sowie Standortfaktoren. Die Kenntnis der genetischen Variation und ihrer Muster ist eine notwendige Grundlage für die nachhaltige Nutzung und Erhaltung forstgenetischer Ressourcen. Das Vorhaben dient damit der genetisch nachhaltigen Bewirtschaftung der Kiefer, dem Schutz ihrer lokalen genetischen Variation und bildet die Grundlage für ein Monitoring künftiger Veränderungen. Es verfolgt somit sowohl forstliche als auch naturschutzfachliche Ziele.
| Organisation | Count |
|---|---|
| Bund | 3014 |
| Europa | 240 |
| Kommune | 42 |
| Land | 265 |
| Weitere | 14 |
| Wirtschaft | 43 |
| Wissenschaft | 1447 |
| Zivilgesellschaft | 166 |
| Type | Count |
|---|---|
| Agrarwirtschaft | 1 |
| Bildmaterial | 1 |
| Daten und Messstellen | 215 |
| Ereignis | 8 |
| Förderprogramm | 2982 |
| Kartendienst | 1 |
| Text | 38 |
| Umweltprüfung | 1 |
| unbekannt | 22 |
| License | Count |
|---|---|
| Geschlossen | 57 |
| Offen | 3206 |
| Unbekannt | 6 |
| Language | Count |
|---|---|
| Deutsch | 2655 |
| Englisch | 1030 |
| Resource type | Count |
|---|---|
| Archiv | 2 |
| Bild | 3 |
| Datei | 220 |
| Dokument | 15 |
| Keine | 1962 |
| Unbekannt | 4 |
| Webdienst | 3 |
| Webseite | 1079 |
| Topic | Count |
|---|---|
| Boden | 2539 |
| Lebewesen und Lebensräume | 3121 |
| Luft | 1787 |
| Mensch und Umwelt | 3269 |
| Wasser | 1725 |
| Weitere | 3215 |