API src

Found 385 results.

Similar terms

s/sce/SCR/gi

Other language confidence: 0.8606033863725883

WMS - Hintergrundwerte von Böden

Der WMS-Dienst Hintergrundwerte von Böden enthält die beiden Layer "Hintergrundwerte Anorganik" und "Hintergrundwerte Organik". Der erste Layer "Hintergrundwerte Anorganik" präsentiert die aggregierten Leitsubstrate der Bodenbildung. Die Leitsubstrate dienen zur Zusammenfassung der Böden nach ihrem Ausgangsgestein bei der Berechnung von Hintergrundwerten für anorganische Stoffe. Für die Auswertung der Hintergrundwerte Anorganik wurden Analysedaten für 16 Elemente von ca. 19.000 Standorten mit bis zu 40.000 Proben aus dem Fachinformationssystem Boden herangezogen. Der zweite Layer "Hintergrundwerte Organik" basiert auf der Karte der Raumkategorien für den Landesentwicklungsplan (LEP) von 2013. Dieser teilt Sachsen in drei Raumkategorien ein, welche die Grundage für die Berechnung von Hintergrundwerten für organische Stoffe bilden. Die Leitsubstrate dienen zur Zusammenfassung der Böden. Für die Auswertung der Hintergrundwerte wurden je nach Stoff Analysedaten aus dem Fachinformationssystem Boden von bis zu 2.300 Proben an 2.200 Standorten für 10 Einzelstoffe bzw. Stoffgruppen herangezogen.

Hintergrundwerte von Böden

Die Karte der Hintergrundwerte von Böden ist eine Übersichtskarte mit den zwei Layern "Hintergrundwerte Anorganik" und "Hintergrundwerte Organik". Der erste Layer "Hintergrundwerte Anorganik" präsentiert die aggregierten Leitsubstrate der Bodenbildung. Die Leitsubstrate dienen zur Zusammenfassung der Böden nach ihrem Ausgangsgestein bei der Berechnung von Hintergrundwerten für anorganische Stoffe. Für die Auswertung der Hintergrundwerte Anorganik wurden Analysedaten für 16 Elemente von ca. 19.000 Standorten mit bis zu 40.000 Proben aus dem Fachinformationssystem Boden herangezogen. Der zweite Layer "Hintergrundwerte Organik" basiert auf der Karte der Raumkategorien für den Landesentwicklungsplan (LEP) von 2013. Dieser teilt Sachsen in drei Raumkategorien ein, welche die Grundage für die Berechnung von Hintergrundwerten für organische Stoffe bilden. Die Leitsubstrate dienen zur Zusammenfassung der Böden. Für die Auswertung der Hintergrundwerte wurden je nach Stoff Analysedaten aus dem Fachinformationssystem Boden von bis zu 2.300 Proben an 2.200 Standorten für 10 Einzelstoffe bzw. Stoffgruppen herangezogen. Die Karte der Hintergrundwerte von Böden ist eine Übersichtskarte mit den zwei Layern "Hintergrundwerte Anorganik" und "Hintergrundwerte Organik". Der erste Layer "Hintergrundwerte Anorganik" präsentiert die aggregierten Leitsubstrate der Bodenbildung. Die Leitsubstrate dienen zur Zusammenfassung der Böden nach ihrem Ausgangsgestein bei der Berechnung von Hintergrundwerten für anorganische Stoffe. Für die Auswertung der Hintergrundwerte Anorganik wurden Analysedaten für 16 Elemente von ca. 19.000 Standorten mit bis zu 40.000 Proben aus dem Fachinformationssystem Boden herangezogen. Der zweite Layer "Hintergrundwerte Organik" basiert auf der Karte der Raumkategorien für den Landesentwicklungsplan (LEP) von 2013. Dieser teilt Sachsen in drei Raumkategorien ein, welche die Grundage für die Berechnung von Hintergrundwerten für organische Stoffe bilden. Die Leitsubstrate dienen zur Zusammenfassung der Böden. Für die Auswertung der Hintergrundwerte wurden je nach Stoff Analysedaten aus dem Fachinformationssystem Boden von bis zu 2.300 Proben an 2.200 Standorten für 10 Einzelstoffe bzw. Stoffgruppen herangezogen.

WFS - Hintergrundwerte von Böden

Der WFS-Dienst Hintergrundwerte von Böden liefert die beiden Layer "Hintergrundwerte Anorganik" und "Hintergrundwerte Organik". Der erste Layer "Hintergrundwerte Anorganik" enthält die aggregierten Leitsubstrate der Bodenbildung. Die Leitsubstrate dienen zur Zusammenfassung der Böden nach ihrem Ausgangsgestein bei der Berechnung von Hintergrundwerten für anorganische Stoffe. Für die Auswertung der Hintergrundwerte Anorganik wurden Analysedaten für 16 Elemente von ca. 19.000 Standorten mit bis zu 40.000 Proben aus dem Fachinformationssystem Boden herangezogen. Der zweite Layer "Hintergrundwerte Organik" basiert auf der Karte der Raumkategorien für den Landesentwicklungsplan (LEP) von 2013. Dieser teilt Sachsen in drei Raumkategorien ein, welche die Grundage für die Berechnung von Hintergrundwerten für organische Stoffe bilden. Die Leitsubstrate dienen zur Zusammenfassung der Böden. Für die Auswertung der Hintergrundwerte wurden je nach Stoff Analysedaten aus dem Fachinformationssystem Boden von bis zu 2.300 Proben an 2.200 Standorten für 10 Einzelstoffe bzw. Stoffgruppen herangezogen.

Digitales Höhenmodell Hamburg DGM 1

Aus Laserscanvermessungen (Airborne Laserscanning) oder photogrammetrischen Produkten abgeleitetes, flächendeckendes digitales Geländemodell mit einer Rasterweite von 1 Meter für die Fläche der Freien und Hansestadt Hamburg. Die Daten stammen jeweils aus den landesweiten 3D-Laserscanbefliegungen aus 2010, 2020 und 2022 und liegen im Lagestatus ETRS89_UTM32 (Lagestatus 310) und mit Höhenangaben über Normalhöhennull (NHN), gemäß DE_DHHN2016_NH vor. Eine punktuelle Aktualisierung dieser Daten erfolgt über photogrammetrische Produkte und ist ggf. in den Metadaten der einzelnen Jahrgänge dokumentiert. Die Genauigkeit eines einzelnen Messpunktes liegt in eindeutig definierten Bereichen, wie z.B. auf Straßenflächen, bei ca. ± 15 cm. In Bereichen von Abschattungen (z. B.: Brücken), dichter Vegetation, insbesondere Flächen in Wald- und Strauchgebieten und bei stark geneigtem Gelände, ist die Genauigkeit geringer. Standardmäßig wird vom LGV ab dem Jahr 2022 folgende Rasterweite angeboten: DGM 1 (Rasterweite 1m). Ältere Jahrgänge haben zusätzlich noch folgende Rasterweiten: DGM 10 (Rasterweite 10m) DGM 25 (Rasterweite 25m) Neben der reinen Bereitstellung der Höheninformation als regelmäßiges Gitter werden die Daten auch als Dienstleistung in einer Dreiecksvermaschung (TIN) abgegeben. Dabei ist ein Datenaustausch mit 2D- und 3D-CAD-Systemen sichergestellt. Als weitere Dienstleistung können z.B. Höhenlinien und Profile abgeleitet oder Volumina und Neigungen errechnet werden. Durch Integration weiterer Geobasis- und Fachdaten (Vektor- und Rasterdaten) können weitere Dienstleistungen z.B. für die Bereiche Wasserwirtschaft, Tiefbau, Umwelt und Stadtplanung sowie Energieversorgung für groß- und kleinräumige Anwendungen abgeleitet werden.

Wasser_Internet - Einzugsgebiete der Oberflächenwasserkörper

Der Kartendienst (WMS Gruppe) stellt ausgewählte Wasserdaten des Saarlandes dar.:Einzugsgebiete der Oberflächenwasserkörper; Betrachtungsobjekt im GDZ; MultiFeatureklasse setzt sich zusammen aus der flächenhaften FeatureklasseGDZ2010.A_blflowk und der entsprechenden Businesstabelle mit den Sachdaten (GDZ2010.blflowk), exportiert in die Filegeodatabase GDZ_GDB.gdb. IDOWK: Oberflächenwasserkörper Nummer

Wasser_Internet - Oberflächenwasserkörper - Linien

Der Kartendienst (WMS Gruppe) stellt ausgewählte Wasserdaten des Saarlandes dar.:Gewässerabschnitte OWK (Oberflächenwasserkörper); Betrachtungsobjekt im GDZ; Aggregation der ATKIS-Gewässer nach OWK-NR, MultiFeatureklasse setzt sich zusammen aus der linienhaften Featureklasse GDZ2010.L_blowk und der flächenhaften Featureklasse GDZ2010.A_blowk und der dazu gehörigen Businessklasse GDZ2010.blowk, exportiert wurden nur die Featureklasse GDZ2010_L_blowk, verknüpft mit der Businesstabelle GDZ2010.w8bwowgz (Handlung Bewertung Gewässerabschnitt OWK Gewässerzustand) in die Filegeodatabase GDZ_GDB.gdb. Oberflächenwasserkörper sind die Gewässer mit Einzugsgebieten größer 10 km² und damit die WRRL (Wasserrahmenrichtlinie) berichtspflichtigen Gewässer. Attribute werden an anderer Stelle erläutert; Aktualisierugszyklus halbjährlich mit dem Export der ATKIS- Daten aus POLYGIS, es werden aber nur Änderungen übernommen, Änderungen der OWK-Nr sind derzeit nicht zu erwarten

Wasser_Internet - Gewässereinzugsgebiete gesamt nach LAWA

Der Kartendienst (WMS Gruppe) stellt ausgewählte Wasserdaten des Saarlandes dar.:Gewässereinzugsgebiete mit LAWA-Gebietskennziffern; Betrachtungsobjekt im GDZ, exportiert in GDZ_GDB.gdb; MultiFeatureklasse setzt sich zusammen aus der flächenhaften Featureklasse und der entsprechenden Businesstabelle mit den Sachdaten , exportiert als einfache Featureklasse in Filegeodatabase; Folgende anwenderrelevante Attribute vorhanden: GWNAM : Gewässername GWNR: Gewässerkennziffer FLAECHE: Flächengröße GR Klasse: Größenklasse

Continuous meteorological observations at DynaCom automatic weather station, Spiekeroog, Germany, 2025-01 to 2025-12

Data presented here were collected between January 2025 to December 2025 within the research unit DynaCom (Spatial community ecology in highly dynamic landscapes: From island biogeography to metaecosystems, https://uol.de/dynacom/ ) of the Universities of Oldenburg, Göttingen, and Münster, the iDiv Leipzig and the Nationalpark Niedersächsisches Wattenmeer. Experimental islands and saltmarsh enclosed plots were created in the back barrier tidal flat and in the saltmarsh zone of the island of Spiekeroog. Meteorological data were collected near the experimental setup, with a locally installed weather station located approximately 500m north of the southern shoreline. The weather station system used here was a ClimaSensor US 4.920x.00.00x that was pre-calibrated by the manufacturer (Adolf Thies GmbH & Co. KG, D-Göttingen). Data were recorded and saved within the Processcontrol Weather (c) -4H- JENA engineering GmbH (v20.1.0.1 2020) software in a sampling interval of 1 min, with an averaging time of 10 s. Date and time were given in UTC and the position was derived from the internal GPS system. Data handling was performed according to Zielinski et al. (2018): Post-processing of collected data was done using MATLAB (R2024b). Quality control was performed by (a) erasing data covering maintenance activities, (b) removing outliers, defined as data exhibiting changes of more than two standard deviations within one time step, and (c) visually checks.

Badestellen (Landkreis Leer)

Badeseen im Kreisgebiet Leer

Global SnowPack - MODIS - Daily

This product shows globally the daily snow cover extent (SCE). The snow cover extent is the result of the Global SnowPack processor's interpolation steps and all data gaps have been filled. Snow cover extent is updated daily and processed in near real time (3 days lag). In addition to the near real-time product (NRT_SCE), the entire annual data set is processed again after the end of a calendar year in order to close data gaps etc. and the result is made available as a quality-tested SCE product. There is also a quality layer for each day (SCE_Accuracy), which reflects the quality of the snow determination based on the time interval to the next "cloud-free" day, the time of year and the topographical/geographical location. The “Global SnowPack” is derived from daily, operational MODIS snow cover product for each day since February 2000. Data gaps due to polar night and cloud cover are filled in several processing steps, which provides a unique global data set characterized by its high accuracy, spatial resolution of 500 meters and continuous future expansion. It consists of the two main elements daily snow cover extent (SCE) and seasonal snow cover duration (SCD; full and for early and late season). Both parameters have been designated by the WMO as essential climate variables, the accurate determination of which is important in order to be able to record the effects of climate change. Changes in the largest part of the cryosphere in terms of area have drastic effects on people and the environment. For more information please also refer to: Dietz, A.J., Kuenzer, C., Conrad, C., 2013. Snow-cover variability in central Asia between 2000 and 2011 derived from improved MODIS daily snow-cover products. International Journal of Remote Sensing 34, 3879–3902. https://doi.org/10.1080/01431161.2013.767480 Dietz, A.J., Kuenzer, C., Dech, S., 2015. Global SnowPack: a new set of snow cover parameters for studying status and dynamics of the planetary snow cover extent. Remote Sensing Letters 6, 844–853. https://doi.org/10.1080/2150704X.2015.1084551 Dietz, A.J., Wohner, C., Kuenzer, C., 2012. European Snow Cover Characteristics between 2000 and 2011 Derived from Improved MODIS Daily Snow Cover Products. Remote Sensing 4. https://doi.org/10.3390/rs4082432 Dietz, J.A., Conrad, C., Kuenzer, C., Gesell, G., Dech, S., 2014. Identifying Changing Snow Cover Characteristics in Central Asia between 1986 and 2014 from Remote Sensing Data. Remote Sensing 6. https://doi.org/10.3390/rs61212752 Rößler, S., Witt, M.S., Ikonen, J., Brown, I.A., Dietz, A.J., 2021. Remote Sensing of Snow Cover Variability and Its Influence on the Runoff of Sápmi’s Rivers. Geosciences 11, 130. https://doi.org/10.3390/geosciences11030130

1 2 3 4 5 … 37 38 39