API src

Found 37 results.

Other language confidence: 0.7849326004186948

INSPIRE-WFS SL Boden ALKIS - Beobachtung - OGC WFS Interface

Dieser Dienst stellt für das INSPIRE-Thema Boden aus ALKIS umgesetzte Daten bereit.:Beobachtung ist eine Handlung ("Ereignis"), deren Ergebnis eine Schätzung des Wertes einer Eigenschaft des interessierenden Merkmals ist. Die beobachtete Eigenschaft kann eine beliebige Eigenschaft sein, die mit dem Typ des interessierenden Merkmals verbunden ist.

GTS Bulletin: SRLV40 UMRR - Surface data (details are described in the abstract)

The SRLV40 TTAAii Data Designators decode as: T1 (S): Surface data T1T2 (SR): Hydrological (river) reports A1A2 (LV): Latvia (Remarks from Volume-C: NilReason)

INSPIRE-WFS SL Boden ALKIS - Beobachtung - OGC API Features

Dieser Dienst stellt für das INSPIRE-Thema Boden aus ALKIS umgesetzte Daten bereit.:Beobachtung ist eine Handlung ("Ereignis"), deren Ergebnis eine Schätzung des Wertes einer Eigenschaft des interessierenden Merkmals ist. Die beobachtete Eigenschaft kann eine beliebige Eigenschaft sein, die mit dem Typ des interessierenden Merkmals verbunden ist.

INSPIRE-WFS SL Boden Erosionsgefährdung landwirtschaftlicher Flächen - Beobachtung - OGC API Features

Dieser Dienst stellt für das INSPIRE-Thema Boden aus dem Geofachdaten umgesetzte Daten der Erosionsgefährdung landwirtschaftlicher Flächen bereit.:Beobachtung ist eine Handlung ("Ereignis"), deren Ergebnis eine Schätzung des Wertes einer Eigenschaft des interessierenden Merkmals ist. Die beobachtete Eigenschaft kann eine beliebige Eigenschaft sein, die mit dem Typ des interessierenden Merkmals verbunden ist.

Vegetation data of four different short rotation coppice (SRC) life stages

<p>The dataset contains vegetation data collected in four different life stages of short rotation coppices (SRC): harvested, young (2 year old), mature (3 year old) and old (4 year old). In each SRC life stage, there were three sites established, in which a plot of 10 x 20 m was searched for vascular plant and fern species (Total = 12 sites). Each site was investigated once in May, June, July and August 2022. In may and June, plants were identified on species level according to the WFO Plant List and classified in terms of their relative ground cover according to a scale presented in Pfadenhauer et al. (1986): "Überlegungen zu einem Konzept geobotanischer Dauerbeobachtungsflächen für Bayern", complemented by an additional class containing single individuum findings. In the harvested SRCs, the plants were also identified in July and August because plant communities were expected to markedly change in these months as the poplars sprout out again and grew. In June, July and August, the number of flowering shoots were recorded for insect pollinated plant species at each site. </p>

Butterfly abundance data of four different short rotation coppice (SRC) life stages

<p>The dataset contains abundance data of butterfly species captured with coloured canopy Malaise traps in four different life stages of short rotation coppices (SRC): harvested, young (2 year old), mature (3 year old) and old (4 year old). In each life stage, three Malaise traps were placed (3 sites per life stage). The traps were active for two weeks, each in May, June, July and August. The samples were collected to compare the butterfly richness and abundance between the life stages. Butterflies were identified by an entomological expert to species level. Furthermore, the dataset comprises the wet mass of the butterfly individuals per species and sample, weighed with a precision scale (0.001 g)</p>

Harmonised freshwater fish occurrence and abundance data for 12 federal states in Germany

<p>This data set contains fish occurrence and abundance data for 72 freshwater fish species (native and non-native) for 12 federal states (Berlin, Brandenburg, Hesse, Mecklenburg- West Pomerania, Lower Saxony, Bremen, North Rhine-Westphalia, Saarland, Saxony-Anhalt, Saxony, Schleswig-Holstein, Thuringia) in Germany, This geographic extent covers mostly middle and north Germany, including the basins of Maas, Weser, Ems, Elbe, Oder, and middle Rhine, while excluding the Danube River Basin and the upper Rhine Basin. The data set has been collected by federal authorities and experts at 12007 sampling sites for the purpose Water Framework or Habitats Directive monitoring across the aforementioned federal states: (1) Berlin 159 sampling sites data provided by „Fischereiamt Berlin“ (2) Brandenburg 1179 sampling sites data provided by „Landesamt fuer Umwelt Brandenburg, Referat W14 (Oberflaechengewaesserguete)“ (3) Bremen 37 sampling sites data provided by „Die Senatorin fuer Klimaschutz, Umwelt, Mobilität, Stadtentwicklung und Wohnungsbau, Contrescape 72, 28195 Bremen“ (4) Hesse 988 sampling sites data provided by "Hessisches Landesamt fuer Naturschutz, Umwelt und Geologie (HLNUG), Dezernat Gewaesseroekologie" (5) Mecklenburg-West Pomerania 260 sampling sites data provided by "Landesamt fuer Umwelt, Naturschutz und Geologie (LUNG) Mecklenburg-Vorpommern" (6) North Rhine-Westphalia 2118 sampling sites data provided by "fischinfo.naturschutzinformationen.nrw.de" (7) Lower Saxony 530 sampling sites data provided by "Niedersaechsisches Landesamt fuer Verbraucherschutz und Lebensmittelsicherheit (LAVES), Dezernat Binnenfischerei, Hannover" (8) Saarland 63 sampling sites data provided by "Landesamt fuer Umwelt und Arbeitsschutz Saarland, Fachbereich Gewaesseroekologie" (9) Saxony 3735 sampling sites data provided by "LfULG (2021): Auszug aus der Fischdatenbank SaFiDB" (10) Saxony-Anhalt 436 sampling sites data provided by "Landesverwaltungsamt Sachsen-Anhalt Halle (Saale) &amp; Institut fuer Binnenfischerei Potsdam-Sacrow e.V.: Fischartenkataster des Landes Sachsen-Anhalt 1992-2021" (11) Schleswig-Holstein 1881 sampling sites data provided by "Landesamt fuer Landwirtschaft, Umwelt und laendliche Raeume des Landes Schleswig-Holstein" (12) Thuringia 621 sampling sites data provided by "Fischdatenbank Thueringen" The whole data set covers a time-span from 1985 to 2020, but the main time span, for which we know that all federal states delivered most of the available data, was 2000 to 2020. However, 6246 of the sites were only sampled once. All other sites have been sampled at least twice and one site was sampled 20 times. For each sampling event, the dataset includes information on species (latin name), number of individuals caught, sampling location (name, type (lake or river)), location (names of broader water-bodies, coordinates), sampling effort (in most cases length, but sometimes duration or area), sampling method (mostly electrofishing, but sometimes others). As most data were collected for Water Framework or Habitats Directive monitoring, it can be expected that all caught species were reported. However, the original dataset only reported detections, and not absences. Hence, here, we included zero values for all species that were not reported at a site in one year, but were present in another year at that site.</p>

Biological invasions in the Anthropocene: Patterns, processes and hidden invasions in an alien amphibian model

<p>Biological invasions are a major challenge for natural systems in the Anthropocene, yet their underlying dynamics often remain insufficiently understood. This project establishes Johnstone’s Whistling Frog (Eleutherodactylus johnstonei) as a new alien amphibian model and reevaluates long-held assumptions about invasion processes and patterns. Native to a small Lesser Antillean island, E. johnstonei has achieved an unexpectedly broad exotic distribution. By integrating ecological, genetic, and microbiome perspectives, this work reveals that the species’ invasion success is driven less by intrinsic biological superiority and more by its compatibility with human-dominated environments.Field surveys conducted 25 years after the frog’s introduction to Colombia demonstrate that its distribution remains tightly associated with urban habitats and their characteristic environmental conditions. Comparative genetic analyses across E. johnstonei, its successful alien congener E. antillensis, and the island endemic E. portoricensis show consistently low genetic diversity in both native and exotic populations, indicating that genetic impoverishment does not preclude invasion success. Instead, species distribution models highlight human footprint as a key predictor of the frog’s wide exotic range. Furthermore, microbiome analyses reveal distinct microbial communities between native and introduced populations, suggesting that microbial restructuring accompanies range expansion and may reflect underlying adaptive or transfer processes.Together, these findings challenge conventional invasion theory by illustrating that islands can act as sources instead of sinks and that species with low genetic diversity can thrive across continents when human-mediated disturbances create favorable conditions. The study argues that conservation strategies should prioritize protecting native habitats over targeting adaptable alien species that succeed largely because of anthropogenic change. More broadly, it calls for a rethinking of "nativeness" in an era of rapid environmental transformation and underscores that the resilience of both macro- and micro-communities - rather than species origin - will shape biodiversity outcomes in the Anthropocene.</p>

Biodiversity data of gravel pit lakes in Northern Germany

This dataset contains information on species presence in and at lakes in Northern Germany. Most of the lakes are gravel pit lakes. All lakes that contain "fish data" only are natural lakes (N=6). Depending on lake and biological taxa, lakes were sampled several times. This datasheet contains information on species presence from the first sampling event to represent roughly equal sampling efforts between the lakes. The complete database with all sampling events is available via www.fred.igb-berlin.de (DOI: 10.18728/igb-fred-807.0) Detailed metadata can be found in the Freshwater Metadatabase (http://data.freshwaterbiodiversity.eu/metadb/bf_mdb_view.php?entryID=FWM_38) and in the Freshwater Metadata Journal (https://doi.org/10.15504/fmj.2023.53).

Crowd-based data collection for hydrology and water resources research (CrowdWater)

Das Projekt CrowdWater hat das Ziel, das Potential sogenannter crowd-based Beobachtungen, also Beobachtungen unter aktiver Beteilung der Öffentlichkeit, im Bereich der Hydrologie zu untersuchen. Konkret wird dies an den Beispielen Abfluss/Wasserstand und Bodenfeuchte untersucht, wobei sowohl die Möglichkeiten der Datenerhebung als auch der potentielle Wert dieser neuartigen Daten für hydrologische Vorhersagen untersucht wird. Das langfristige Ziel ist es, neuartige Beobachtungsdaten erheben zu können, die zu besseren Vorhersagen von hydrologischen Ereignissen wie Trockenheiten oder Überschwemmungen führen. Wasser ist wichtig - dies wird während Trockenheiten deutlich, wenn zu wenig Wasser zur Verfügung steht, aber auch in gegenteiligen Situationen während Überschwemmungen. Kenntnis über die räumliche und zeitliche Variation von Wasser ist daher wichtig. Obwohl in der Schweiz weltweit eins der besten Messnetze für Wasser existiert, ist auch hier die Information durch diese Messnetze lückenhaft, besonders im Hinblick auf die Variation von Ort zu Ort. Die Beteiligung einer interessierten Öffentlichkeit an Messungen hat ein grosses Potential, wie für verschiedene Bereiche bereits gezeigt werden konnte. Das Projekt CrowdWater hat das Ziel, das Potential solcher sogenannten crowd-based Beobachtungen im Bereich der Hydrologie zu untersuchen. Das langfristige Ziel ist es, neue Beobachtungsdaten erheben zu können, die zu besseren hydrologischen Vorhersagen führen. In CrowdWater zwei Ansätze verfolgt: Zum einen wird untersucht, wie die Öffentlichkeit an hydrologischen Beobachtungen beteiligt werden kann. Dies wird konkret an den Beispielen Bodenfeuchte und Abfluss/Wasserstand getestet, wobei ein Geocaching Ansatz unter Verwendung moderner Smartphonetechnik verfolgt wird. Die Idee ist, eine Smartphone-App zu verwenden, so dass einzelne Teilnehmer eigene Messtellen mithilfe von GPS und digitalen Photos einrichten können, und Beobachtungen an diesen Messstellen dann von verschiedenen Teilnehmern eingeschickt werden können. Es ist aber nicht nur wichtig, welche Daten wie gut erhoben werden könnten, sondern auch, welchen potentiellen Nutzen diese Daten haben könnten. Diese Frage wird mithilfe von Computermodellen betrachtet, wobei der Mehrwert für hydrologische Vorhersagen mithilfe verschiedener, teilweise zunächst auch erfundener , Daten unterschiedlicher Qualität verglichen wird. Kreative Lösungen sind in CrowdWater gefragt, um die Herausforderungen anzugehen, wie zum Beispiel die Qualitätssicherung oder die Schaffung von Anreizen zur Beteiligung.

1 2 3 4