Multi-level monitoring of destabilized Sahelian regions connects field work in situ with detailed to semi-detailed analysis of vegetation structure (aerial photography), vegetation functional types and units of rational landcover (satellite images). Human impact on Sahelian vegetation in its regional variations is a main reason for continous destruction of former grazing lands. Regional dynamics of impact patterns are analysed by means of multi-stage remote sensing techniques and multi-spectral image classification. Integration of remotely sensed as well as of socio-economic data with geo-information systems is an important tool for modelling regional dynamics of degradation and desertification due to multi-thematic and multi-temporal input parameters. Intersection of geo-informations creates change detection databasas of Sahelian regions. Planning sustainable development will urgently need the appropriate use of the presented facilities of IGIS technology.
tatsächlich überschwemmte Flächen bei den Hochwasserereignissen am 12./13.08.2002 (Gewässer 1. und 2. Ordnung) sowie am 17.08.2002 (Elbe) Inhalt: Die Darstellungen wurden aus Befliegungen der Bundeswehr zum Pegelhöchststand der Elbe (17.08.2002) und Satellitenaufnahmen (18.08.2002) sowie zahlreichen Dokumentationen von Mitarbeitern der Stadtverwaltung und Bürgern unter Nutzung des städtischen Digitalen Geländemodells (DGM) generiert. Die tatsächliche Ausdehnung wurde letztmalig im Juli 2003 im Ergebnis einer per Internet durchgeführten Bürgerbefragung verifiziert. Quelle: Sächsisches Landesamt für Umwelt und Geologie: Vorläufiger Kurzbericht über die meteorologisch-hydrologische Situation beim Hochwasser im August 2002. Dresden, Dezember 2002 Die Karte verdeutlicht die Hochwassergefährdung einzelner Stadtgebiete und ermöglicht es, Maßnahmen der Hochwasservorsorge und -abwehr sowie der gemäß § 99 Absatz 3 Sächsisches Wassergesetz gebotenen Eigenvorsorge vorzubereiten. Dieser Datensatz kann gemäß den Nutzungsbestimmungen Datenlizenz Deutschland - Namensnennung - Version 2.0 (http://www.govdata.de/dl-de/by-2-0) genutzt werden. Eine Haftung für die Richtigkeit der Daten wird nicht übernommen, insbesondere übernimmt die Landeshauptstadt Dresden keine Haftung für mittels dieser Daten erhobene oder berechnete Ergebnisse Dritter.
Mit dem Weißbuch Stadtgrün 2017 hat sich der Bund den Arbeitsauftrag gegeben, urbanes Grün durch eine integrierte und nachhaltige Stadtentwicklungspolitik zu stärken. Valide, zeitreihenfähige und qualifizierte Informationen zur Grünausstattung und zum Grünvolumen fehlen aber bundesweit. Das Projekt zielt darauf ab, die Grünausstattung flächendeckend für alle deutschen Städte mittels Fernerkundung zu erfassen und ein Konzept für ein dauerhaftes Grünmonitoring zu definieren und umzusetzen. Ausgangslage: Zum urbanen Grün zählen grüne Freiräume innerhalb der Städte wie Parkanlagen, Friedhöfe, Kleingärten, Brachflächen, Spielbereiche und Spielplätze, Sportflächen, Straßenbegleitgrün und Straßenbäume. Hinzu kommen Grünflächen an öffentlichen Gebäuden, Naturschutzflächen, Wald und weitere Freiräume, die zur Gliederung und Gestaltung der Städte entwickelt, erhalten und gepflegt werden müssen. Auch private Gärten und landwirtschaftliche Nutzflächen sind ein wesentlicher Teil des städtischen Grünsystems. Bund, Länder und Kommunen benötigen fundierte Informationen, um sachlich-räumliche Defizite und kritische Entwicklungen beobachten und Handlungsbedarfe empirisch untermauern zu können. Grünflächen machen Städte für deren Bewohner attraktiv und steigern die allgemeine Umwelt- und Lebensqualität. Bei Fragen der sozialen Gerechtigkeit in der Stadt wird der Freiraumqualität im Wohnumfeld eine erhebliche Bedeutung beigemessen. Denn gerade Bewohnern sozial benachteiligter Quartiere stehen häufig weniger wohnungsnahe Grünflächen und damit weniger Erholungsmöglichkeiten im direkten Wohnumfeld zur Verfügung. Während einige Städte seit Jahren ein Monitoring ihres Stadtgrüns betreiben und wiederkehrende Erhebungen des städtischen Grünvolumens und Biotopkartierungen durchführen, fehlen auf der bundesweiten Ebene zuverlässige und flächendeckende Informationen zu diesem Thema. Mit diesem Projekt sollen grundlegende Fragen zur Ausstattung deutscher Städte mit urbanem Grün beantwortet werden. Bisher sind gesamtstaatliche Aussagen dazu nur auf der Grundlage von geotopographischen Daten zu treffen. Satellitendaten (Sentinel-2) aus dem europäischen Erdbeobachtungsprogramm Copernicus bieten sich hier als vielversprechende alternative Informationsquelle an. Neben bundesweiten Auswertungen auf Basis der Satellitenbilder wird in diesem Projekt untersucht, welche weiteren Datenquellen zur Informationsgewinnung zum urbanen Grün zur Verfügung stehen und wie stabile Zeitreihen (unterschiedliche Phänologie zum Aufnahmezeitpunkt usw.) aufgebaut werden können. Dazu werden Testgebiete in sieben Fallstudienstädten definiert. Die Betrachtung erfolgt dabei auf unterschiedlichen Maßstabsebenen (Städte, Stadtteile, Quartiere etc.).
Die Beurteilung und Stabilisierung der Dynamik von Landschaftsstrukturveränderungen in tropischen Regenwald-Randzonen erfordert aktuelle und flächendeckende Kartierungen der Landnutzungen als Grundlage von Planungen für zukünftige Maßnahmen. In dem Forschungsvorhaben sollen flächendeckend Landnutzungs- und Vegetationskarten über Randbereiche zu tropischen Regenwäldern mit Hilfe von satellitengetragenen Fernerkundungssensoren (SPOT-PAN + XS/XI oder LANDSAT-TM) hergestellt werden. Durch bestimmte digital durchgeführte Algorithmen sollen die Satellitenbilder zur Herstellung thematischer Karten klassifiziert werden. Die Ergebnisse der Klassifikation werden anhand von Kontrollflächen, für die ebenso wie für die Trainingsgebiete die Landnutzung bekannt sein muss, verifiziert. Der Prozess von Klassifikation und Verifikation ist iterativ und wird durch wiederholte Modifikation des Klassifikationsverfahrens solange fortgeführt, bis keine nennenswerte Steigerung der Klassifikationsgenauigkeit mehr erreichbar ist.
tatsächlich überschwemmte Flächen bei den Hochwasserereignissen am 12./13.08.2002 (Gewässer 1. und 2. Ordnung) sowie am 17.08.2002 (Elbe) Inhalt: Die Darstellungen wurden aus Befliegungen der Bundeswehr zum Pegelhöchststand der Elbe (17.08.2002) und Satellitenaufnahmen (18.08.2002) sowie zahlreichen Dokumentationen von Mitarbeitern der Stadtverwaltung und Bürgern unter Nutzung des städtischen Digitalen Geländemodells (DGM) generiert. Die tatsächliche Ausdehnung wurde letztmalig im Juli 2003 im Ergebnis einer per Internet durchgeführten Bürgerbefragung verifiziert. Quelle: Sächsisches Landesamt für Umwelt und Geologie: Vorläufiger Kurzbericht über die meteorologisch-hydrologische Situation beim Hochwasser im August 2002. Dresden, Dezember 2002
tatsächlich überschwemmte Flächen bei den Hochwasserereignissen am 12./13.08.2002 (Gewässer 1. und 2. Ordnung) sowie am 17.08.2002 (Elbe) Inhalt: Die Darstellungen wurden aus Befliegungen der Bundeswehr zum Pegelhöchststand der Elbe (17.08.2002) und Satellitenaufnahmen (18.08.2002) sowie zahlreichen Dokumentationen von Mitarbeitern der Stadtverwaltung und Bürgern unter Nutzung des städtischen Digitalen Geländemodells (DGM) generiert. Die tatsächliche Ausdehnung wurde letztmalig im Juli 2003 im Ergebnis einer per Internet durchgeführten Bürgerbefragung verifiziert. Quelle: Sächsisches Landesamt für Umwelt und Geologie: Vorläufiger Kurzbericht über die meteorologisch-hydrologische Situation beim Hochwasser im August 2002. Dresden, Dezember 2002
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.
Das Dynamische Mosaik setzt sich aus aktuellen wolkenfreien Aufnahmen von Sentinel-2 Orthobildern zusammen. Die beiden baugleichen Sentinel-2 Satelliten des europäischen Erdbeobachtungsprogramms Copernicus liefern seit 2015 bzw. 2017 kontinuierlich Aufnahmen der Erdoberfläche. Der multispektrale optische Sensor verfügt über 13 Spektralkanäle im sichtbaren und infraroten Bereich. Dabei variiert die räumliche Auflösung von 10 m (Kanäle B02, B03, B04, B08) über 20 m (Kanäle B05, B06, B07, B08A, B11, B12) bis hin zu 60 m (Kanäle B01, B09, B10). Die Sentinel-2 Daten werden originär in den Prozessierungsleveln Level-1C (Top-Of-Atmosphere) und Level-2A (Bottom-Of-Atmosphere) angeboten und in Kachelgrößen von 100 x 100 km2 in UTM/WGS84 Projektion bereitgestellt. Für NRW liegen durch die hohe Wiederkehrrate der Satelliten alle 2-3 Tage flächendeckend aktuelle Aufnahmen vor. Da es sich bei dem Multispektralinstrument um ein passives System handelt, ist die Verwendbarkeit der Aufnahmen allerdings wetterabhängig. Die verfügbaren Orthobilder weisen unterschiedliche Wolkenbedeckungsgrade auf. Zur Ableitung des Dynamischen Mosaiks werden die aktuellen Sentinel-2 Bilder auf Wolkenbedeckung überprüft, so dass die wolkenfreien Bereiche selektiert werden können. Bereiche älterer Aufnahmen werden kontinuierlich durch aktuelle wolkenfreie Bilder ersetzt. Dabei werden die 4 Spektralbänder mit einer räumlichen Auflösung von 10 m (Rot, Grün, Blau, Nahes Infrarot) der Level-2A Daten berücksichtigt. Der Datensatz wird bei Vorliegen eines wolkenfreien Bereichs ab einer Größe von 100 zusammenhängenden 10 m x 10 m Pixeln fortgeschrieben, so dass stets die aktuellen wolkenfreien Aufnahmen im Mosaik enthalten sind. Das Dynamische Mosaik wird als Darstellungsdienst in den Ausprägungen RGB (Komposit aus den Spektralbändern B04-B03-B02) und CIR (Komposit aus den Spektralbändern B08-B04-B03) bereitgestellt. Darüber hinaus wird das Aufnahmedatum der jeweiligen Sentinel-2 Szene für jeden wolkenfreien Bereich zur Verfügung gestellt. Das Aufnahmedatum wird über die Sachdatenabfrage des Metadatenlayers angezeigt.
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.
| Organisation | Count |
|---|---|
| Bund | 566 |
| Europa | 56 |
| Kommune | 14 |
| Land | 61 |
| Schutzgebiete | 2 |
| Weitere | 31 |
| Wirtschaft | 2 |
| Wissenschaft | 474 |
| Zivilgesellschaft | 3 |
| Type | Count |
|---|---|
| Daten und Messstellen | 221 |
| Ereignis | 20 |
| Förderprogramm | 509 |
| Text | 33 |
| unbekannt | 67 |
| License | Count |
|---|---|
| Geschlossen | 32 |
| Offen | 785 |
| Unbekannt | 33 |
| Language | Count |
|---|---|
| Deutsch | 536 |
| Englisch | 340 |
| Resource type | Count |
|---|---|
| Archiv | 7 |
| Datei | 237 |
| Dokument | 20 |
| Keine | 439 |
| Unbekannt | 1 |
| Webdienst | 28 |
| Webseite | 175 |
| Topic | Count |
|---|---|
| Boden | 468 |
| Lebewesen und Lebensräume | 790 |
| Luft | 670 |
| Mensch und Umwelt | 843 |
| Wasser | 336 |
| Weitere | 850 |