API src

Found 1049 results.

RX Bilder für Gesamtdeutschland - RX Images of the German area as a whole

Bilder für Gesamtdeutschland - Images of the German area as a whole

Pictorial information (Binary coded) - Radar data LM AX (local product)

The LMAX radar data is a site reflectivity product (volume scan) Horizontal resolution: 2 km x 2 km Horizontal range: 180 km (200px x 200px) Class size: 70

Bilder aus dem PC Radarkomposit Deutschland - Images from the PC composite Germany

Radarbilder PC des operationellen DWD-Radarverbundes - Radar images PC from the operational DWD radar composite

GTS Bulletin: IUPD55 EDZW - Observational data (Binary coded) - BUFR (details are described in the abstract)

The IUPD55 TTAAii Data Designators decode as: T1 (I): Observational data (Binary coded) - BUFR T1T2 (IU): Upper air T1T2A1 (IUP): Profilers A2 (D): 90°E - 0° northern hemisphere(The bulletin collects reports from stations: 10132;Boostedt (BOO);) (Remarks from Volume-C: DUAL-POLARIZATION RADAR DATA OF BOOSTEDT)

Lokale Radarbilder aus dem RX-Komposit für den internationalen Flughafen EDDN (Nürnberg) - Local rx radar images of the international Airport EDDN (Nuernberg)

Radarkomposit RX (Radardaten ohne Korrektur) des operationellen DWD-Radarverbundes - Radardata RX (Radardata without scaling) from the operational DWD radar composite

Lokale Radarbilder aus dem RX-Komposit für den internationalen Flughafen EDDB (Berlin-Brandenburg) - Local rx radar images of the international Airport EDDB (Berlin-Brandenburg)

Radarkomposit RX (Radardaten ohne Korrektur) des operationellen DWD-Radarverbundes - Radardata RX (Radardata without scaling) from the operational DWD radar composite

PrioBike Hamburg

Der Datensatz enthält die Infrastrukturdaten zum PrioBike-Projekt. Grüne Welle Der bisherige Fokus auf die Priorisierung des motorisierten Individualverkehrs wird aufgebrochen und um den nichtmotorisierten Individualverkehr erweitert. Mit der Hinterlegung verkehrsmittelscharfer Progressionsgeschwindigkeiten und Verkehrsmengen erfolgt eine multimodale Koordinierung der LSA-Steuerung entlang bestimmter Strecken. Eigens für den Radverkehr wurde an ausgewählten Streckenabschnitten eine Koordinierung aufeinander folgenden Ampeln/Ampelphasen geschaltet (auch Grüne Welle genannt). Hierbei wird der Fokus auf stark frequentierte Radfahrrouten gelegt, sodass diese Verbindungsrouten komfortabler und möglichst ohne Stopps durchfahren werden können. Für jede Grüne Welle gelten zum Teil unterschiedliche Geschwindigkeiten und zeitliche Gültigkeiten die in den Attributen des jeweiligen Streckenabschnitts hinterlegt sind. Geschwindigkeitsempfehlung Geschwindigkeitssäule Dammtor Anhand der Geschwindigkeit der Radfahrenden und der Zeit, die vergeht bis die Ampelanlage auf "Grün" schaltet, ermittelt die Säule eine individuelle Geschwindigkeitsempfehlung für jeden Radfahrenden. Das System berechnet die individuelle Ankunftszeit an der Ampelanlage, vergleicht dies mit der aktuellen Ampelphase und spiegelt die Information an die Säule zurück. Anhand von vier Symbolen informiert die Säule Radfahrenden, ob die nächste grüne Ampel rechtzeitig erreicht werden kann oder nicht. Der Anzeiger soll das Fahrradfahren spürbar komfortabler und flüssiger gestalten sowie helfen, Wartezeiten an roten Ampeln zu vermeiden. Visualisierung der Geschwindigkeitsempfehlungen: - Grüner Haken: Geschwindigkeit halten - Gelber Pfeil nach oben/unten: Geschwindigkeit steigern/reduzieren (senken) - Rotes Kreuz: Ampel wird bei Rot erreicht Geschwindigkeitsempfehlung Lauflichter Grün-leuchtende Bodenleuchten zur Geschwindigkeitsempfehlung: Auf dem Pergolenradweg geben 18 Lauflichter Radfahrenden optisch eine Geschwindigkeitsempfehlung, damit sie möglichst bequem und kraftsparend die Grünphase der nächsten Ampel über die Saarlandstraße erreichen können. Durch die in einer Reihe eingelassenen Bodenleuchten entsteht der Eindruck eines durchgehenden grünen Lichtbandes, das sich mit der üblichen Durchschnittsgeschwindigkeit von Radfahrenden (hier 20 km/h) auf die Lichtsignalanlage zu bewegt. Befinden sich Radfahrende innerhalb des leuchtenden „Grünbandes“ (zwischen der ersten und letzten grün-strahlenden Bodenleuchte) und folgen diesem mit entsprechender Geschwindigkeit, erreichen sie die Ampel bei Grün. Das grüne Leuchtband visualisiert somit die Grünphase für Radfahrende. Sicherheitshinweis für Radfahrende Um die Verkehrssicherheit, vor allem für vulnerable Verkehrsteilnehmer:innen (vulnerable road users – VRU) wie Radfahrer:innen oder Fußgänger:innen, zu erhöhen werden die VRUs im Knotenbereich durch Sensorik (z.B. Radare, Lidare oder Kameras) erfasst und als anonyme Objekte an die vernetzten Verkehrsteilnehmer:innen übermittelt. Diese können mit den zusätzlichen Informationen ihr Fahrverhalten anpassen, um Kollisionen zu vermeiden. Um nicht-vernetzten Radfahrenden einen Schutz vor abbiegendem Kfz und Lkw zu bieten, wurde diese Kreuzung mit Radarsensorik ausgerüstet. Die Sensorik detektiert Radfahrende sowie Kfz/Schwerlastverkehr und sendet bei erkannter, bevorstehender Kollision ein Signal an Bodeneinbaulichter die sofort aufleuchten und den Fokus auf die erkannte Gefahr lenken. Optimierte Ampelschaltung für den Radverkehr Die knotenpunktspezifische LSA-Steuerung ermöglicht es Radfahrenden kraftsparender ans Ziel zu kommen, da für Radfahrende in der Grundstellung ein Dauergrün sowie eine variable Freigabezeit je nach Bedarf zur Verfügung gestellt wird. Somit muss seltener am Knoten gebremst werden. Je nach Tag und Tageszeit werden daher verschiedene „Dauergrün-Programme“ geschaltet. Die Steuerung erfolgt verkehrsabhängig und ist mit einer sogenannten Busvorrangschaltung ausgestattet (d.h. der Bus hat oberste Priorität und Vorrang). Das Dauergrün für den Fuß- und Radverkehr besteht solange, bis eine MIV-Anforderung eintritt. Diese liegt dann vor, sobald ein Kfz in den Erfassungsbereich der Ampel einfährt und durch die dortige Wärmebildkamera detektiert wird. Ist dies der Fall, behält der Fuß-/Radverkehr noch eine Freigabezeit. Besonderheiten der einzelnen Standorte sind in den Attributtabellen der jeweiligen Standorte zu finden.

Tree Species - Sentinel-1/2 - Germany, 2022

The Tree Species Germany product provides a map of dominant tree species across Germany for the year 2022 at a spatial resolution of 10 meters. The map depicts the distribution of ten tree species groups derived from multi-temporal optical Sentinel-2 data, radar data from Sentinel-1, and a digital elevation model. The input features explicitly incorporate phenological information to capture seasonal vegetation dynamics relevant for species discrimination. A total of over 80,000 training and test samples were compiled from publicly accessible sources, including urban tree inventories, Google Earth Pro, Google Street View, and field observations. The final classification was generated using an XGBoost machine learning algorithm. The Tree Species Germany product achieves an overall F1-score of 0.89. For the dominant species pine, spruce, beech, and oak, class-wise F1-scores range from 0.76 to 0.98, while F1-scores for other widespread species such as birch, alder, larch, Douglas fir, and fir range from 0.88 to 0.96. The product provides a consistent, high-resolution, and up-to-date representation of tree species distribution across Germany. Its transferable, cost-efficient, and repeatable methodology enables reliable large-scale forest monitoring and offers a valuable basis for assessing spatial patterns and temporal changes in forest composition in the context of ongoing climatic and environmental dynamics.

SubSurfaceGeoRobo: A Comprehensive Underground Dataset for SLAM-based Geomonitoring with Sensor Calibration

With the introduction of mobile mapping technologies, geomonitoring has become increasingly efficient and automated. The integration of Simultaneous Localization and Mapping (SLAM) and robotics has effectively addressed the challenges posed by many mapping or monitoring technologies, such as GNSS and unmanned aerial vehicles, which fail to work in underground environments. However, the complexity of underground environments, the high cost of research in this area, and the limited availability of experimental sites have hindered the progress of relevant research in the field of SLAM-based underground geomonitoring. In response, we present SubSurfaceGeoRobo, a dataset specifically focused on underground environments with unique characteristics of subsurface settings, such as extremely narrow passages, high humidity, standing water, reflective surfaces, uneven illumination, dusty conditions, complex geometry, and texture less areas. This aims to provide researchers with a free platform to develop, test, and train their methods, ultimately promoting the advancement of SLAM, navigation, and SLAM-based geomonitoring in underground environments. SubSurfaceGeoRobo was collected in September 2024 in the Freiberg silver mine in Germany using an unmanned ground vehicle equipped with a multi-sensor system, including radars, 3D LiDAR, depth and RGB cameras, IMU, and 2D laser scanners. Data from all sensors are stored as bag files, allowing researchers to replay the collected data and export it into the desired format according to their needs. To ensure the accuracy and usability of the dataset, as well as the effective fusion of sensors, all sensors have been jointly calibrated. The calibration methods and results are included as part of this dataset. Finally, a 3D point cloud ground truth with an accuracy of less than 2 mm, captured using a RIEGL scanner, is provided as a reference standard.

Arctic PASSION - High Resolution Synthetic Aperture Radar based Risk Index Outcome (AP-RIO)

The Risk Index Outcome (RIO) is a critical component of the Polar Operational Limit Assessment Risk Indexing System (POLARIS) developed by the International Maritime Organization (IMO, 2016). RIO evaluates the operational risks for ships navigating in ice-infested waters by evaluating ice conditions and offers a quantifiable measure of risk that aids in decision-making for safe navigation in polar regions based on ship ice class, sea ice type/stage of development (SOD) and sea ice concentration (SIC). The DMI-led Automated Sea Ice Products (DMI-ASIP; Wulf et al., 2024, dataset) provides daily maps of SOD and SIC based on Sentinel-1 SAR imagery, AMSR-2 Passive Microwave and Ice Charts from the Greenland and Canadian Ice Services, combined with novel AI retrieval and processing techniques. In the framework of EU funded Arctic PASSION project, we produced 10 years of satellite observation based weekly RIO maps referred as the Arctic PASSION-RIO (AP-RIO) by leveraging DMI-ASIP datasets. The AP-RIO dataset will provide weekly risk assessment maps for the given ship classes and will support the establishment of a 10 year climatology thereby enabling the assessment of RIO variability in the years covered by the input DMI-ASIP products. The AP-RIO dataset will enhance the safety and efficiency of maritime operations in the polar seas, providing a robust reference for evaluating normal and extreme ice conditions. AP-RIO is produced in the framework of the Arctic PASSION project (European Union's Horizon 2020 research and innovation program under grant agreement No. 101003472) and supported by the DMI-ASIP development team. Algorithm and Processing Scheme: SIC and SOD from ASIP are processed (by taking the mean and mode respectively) into a weekly field based on the daily files for that week. This is done for the time period of 3 Oct. 2014 - 3 Oct. 2024. The weekly SOD is used to find the Risk Value (RV) by looking at the lookup table (Dybkjær et al. 2025a). Risk Index Outcome (RIO) values are computed for each pixel in the field based on the RIO formula (RIO = SIC x RV) using the SIC from ASIP and the found RV. The meaning of the computed RIO values can be interpreted using the table in (Dybkjær et al. 2025b). The RIO field is finally saved to weekly NetCDF files.

1 2 3 4 5 … 103 104 105