Ziel des Forschungsprojektes ist die wissenschaftliche Auswertung von drei ausgewählten Bauten der öffentlichen Hand hinsichtlich ihrer Nachhaltigkeit in der Nutzungs- und Betriebsphase. Dies erfolgt anhand von 42 Schlüsselindikatoren in Vorbereitung der SB Challenge im Rahmen der globalen Konferenz 'World Sustainable Building WSB 2014' in Barcelona. Die Ergebnisse werden auf der WSB14 im Oktober in Barcelona vorgestellt. Anlass und Ziel: Seit Jahren macht die Bundesregierung Nachhaltigkeit zu einem Grundprinzip ihrer Politik. Um den zukünftigen Anforderungen an ganzheitlich optimierte Gebäude gerecht zu werden, hat das Bundesbauministerium für Bundesgebäude verbindliche Qualitätsvorgaben erarbeitet, die im Leitfaden Nachhaltiges Bauen und im Bewertungssystem Nachhaltiges Bauen (BNB) fortentwickelt werden. Dem Anwender stehen die BNB-Module 'Neubau', 'Nutzen und Betreiben' und 'Komplettmodernisierung' zur Verfügung, sodass ein Gebäude über den gesamten Lebenszyklus bewertet werden kann. Denn ein Gebäude ist nur so nachhaltig, wie es auch nachhaltig genutzt und betrieben wird. Mit der Teilnahme an der SB Challenge 2014 beteiligt sich das Bundesbauministerium am internationalen Diskurs zum nachhaltigen Nutzen und Betreiben. Die Veranstalter der SB Challenge haben für den internationalen Vergleich 42 Schlüsselindikatoren (Key Performance Indicators, KPI) entwickelt, anhand derer nachhaltig geplante Gebäude hinsichtlich ihrer entsprechenden Nachhaltigkeit in der Phase der Gebäudenutzung untersucht werden sollen. Für Deutschland werden die KPI für das Paul-Wunderlich-Haus in Eberswalde, das Hauptzollamt Hamburg und das Bundesministerium für Umwelt, Naturschutz, Bau und Reaktorsicherheit in Berlin ausgewertet. Einzelne Kriterien des Moduls 'Nutzen und Betreiben' sollen im Zuge der Erhebung ebenfalls berücksichtigt werden.
In Nordchina ist im Laufe des letzten halben Jahrhunderts die Nutzung des Grundwassers für die Agrarproduktion rasant gestiegen, allen voran in Gebieten, die zuvor mit Oberflächenwasser bewässert worden waren. Obwohl sich die Grundwasserförderung positiv auf den ländlichen Wohlstand auswirkt, hat sie oft negative Folgen für die Nachhaltigkeit lokaler Wassernutzung. Es wird behauptet, dass ein koordinierteres Management von Regenwasser - und Grundwasservorrat und -aufbewahrung - die sogenannte Verbundwassernutzung (conjunctive management) - zu einer nachhaltigeren, adaptiven Nutzung der Ressourcen führt. Das Forschungsvorhaben analysiert die Auswirkung der lokalen Grund- und Oberflächenwasserpolitik auf die Wassernutzung der Landwirte. Basierend auf einer Haushaltsstudie, welche in drei Binnenflussbecken in Nordwestchina durchgeführt wurde, wird bestimmt, welche physischen und welche institutionellen Wasserzugangsindikatoren am entscheidendsten für die Wahl der Wassernutzung durch die Bauern sind. Zusätzlich zur Haushaltsstudie werden Interviews mit Wasserbehörden und anderen Personen in Schlüsselpositionen geführt, um Einblicke in Politikmaßnahmen und Institutionen im Wassereinzugsgebiet zu erhalten. Durch das Vergleichen der Gewässerpolitiken mit den Produktionsergebnissen auf Betriebsebene, wird untersucht, in welchem Umfang die Verbundwassernutzung in die Praxis umgesetzt wird.
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).
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.
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.
Problemstellung: Aenderungen in der Art der Landnutzung weltweit haben entscheidende Wirkungen auf natuerliche Ressourcen. Moegliche negative Folgen sind Verschlechterung der Land- und Wasserqualitaet, Verlust von Biodiversitaet und globaler Klimawandel. Zwei Haupteffekte unkontrollierter Landnutzung sind Desertifikation und Deforestation. Obwohl diese Prozesse in sehr verschiedenen klimatischen Zonen ablaufen, haben sie doch vergleichbare Ursachen und Effekte. 75 Prozent der Flaeche Argentiniens liegen in ariden und semi-ariden Zonen. Diese Flaeche liefert 50 Prozent der landwirtschaftlichen Produktion Argentiniens. Negativer Einfluss durch die Art der Landnutzung und grossflaechige Abholzung von Naturwaeldern fuehrten zu Bodendegradation, Erosion und Versalzung. Ca. 40 Prozent der Flaeche Argentiniens zeigen Symptome schwerer Degradation. In Patagonien sind bereits 70-80 Prozent der Flaeche schwer oder irreparabel geschaedigt. Ecuador ist ein Land mit grosser agrooekologischer Diversitaet. In der Vergangenheit war die landwirtschaftliche Nutzung auf die dichter besiedelte Andenregion konzentriert. Seit ca. 1900 erfolgte die Besiedelung des tropischen Tieflandes, speziell in der Kuestenregion, gefolgt von einem Anstieg der agrarischen Nutzung der Amazonasregion ab ungefaehr 1970. Den groessten Anteil daran hat eine extensive Viehbeweidung, insbesondere auf ehemaligen Naturwaldflaechen. Durch die Viehweide werden dem Boden Naehrstoffe entzogen, die Produktion sinkt nach relativ kurzer Zeit dramatisch ab. Als Folge dieser nicht nachhaltigen Landnutzung werden viele Flaechen bereits nach wenigen Jahren verlassen. In den letzten Jahren ist das Interesse an forstlichen Plantagen und Sekundaerwaeldern im Zusammenhang mit der Entwicklung von nachhaltigen Landnutzungssystemen gewachsen. Gefoerdert wurde diese Entwicklung durch die Rolle, die diese Landnutzungsformen bei der Festlegung von Kohlenstoff spielen. Die im Rahmen des Kyoto-Protokolls vereinbarten Instrumente lassen eine Einbeziehung der CO2-Senkenfunktion forstlicher Projekte zu. Dies eroeffnet die Moeglichkeit, finanzielle Anreize fuer Aufforstungen und Sekundaerbewaldung zu schaffen und damit der Degradation und Desertifikation entgegenzuwirken. Eine Voraussetzung fuer die internationale Anerkennung der CO2-Senkenfunktion sind die systematische Erfassung, Auswahl, Bewertung und Kontrolle von geeigneten Projekten/Flaechen. Bisher beschraenkten sich die Untersuchungen fast ausschliesslich auf die mengenmaessige Erfassung ueberirdisch gespeicherten Kohlenstoffs. Fuer eine umfassende Beurteilung ist auch die Kohlenstoffspeicherung im Boden zu erfassen und das Gesamtpotential im Rahmen einer Kosten-Nutzen-Analyse zu bewerten. Vorgehensweise: Kosten-Nutzen-Analyse: Eine Kosten-Nutzen-Analyse fuer Sekundaerwaldbewirtschaftung und Baumplantagenwirtschaft in einer bestimmten Region ist durchgefuehrt, und die Ergebnisse sind verglichen.
| Organisation | Count |
|---|---|
| Bund | 2998 |
| Europa | 240 |
| Kommune | 41 |
| Land | 273 |
| Weitere | 13 |
| Wirtschaft | 44 |
| Wissenschaft | 1482 |
| Zivilgesellschaft | 165 |
| Type | Count |
|---|---|
| Agrarwirtschaft | 1 |
| Bildmaterial | 1 |
| Daten und Messstellen | 214 |
| Ereignis | 8 |
| Förderprogramm | 2965 |
| Kartendienst | 1 |
| Text | 38 |
| Umweltprüfung | 1 |
| unbekannt | 22 |
| License | Count |
|---|---|
| Geschlossen | 57 |
| Offen | 3188 |
| Unbekannt | 6 |
| Language | Count |
|---|---|
| Deutsch | 2638 |
| Englisch | 1031 |
| Resource type | Count |
|---|---|
| Archiv | 3 |
| Bild | 5 |
| Datei | 219 |
| Dokument | 16 |
| Keine | 1948 |
| Unbekannt | 3 |
| Webdienst | 2 |
| Webseite | 1076 |
| Topic | Count |
|---|---|
| Boden | 2525 |
| Lebewesen und Lebensräume | 3103 |
| Luft | 1780 |
| Mensch und Umwelt | 3251 |
| Wasser | 1721 |
| Weitere | 3200 |