Die Karte zeigt eine Auswertung von Satellitenbildern aus dem Jahr 2005 der CORINE-Landbedeckungseinheiten (Ebene 1 für alle Klassen und Ebene 2 für bebaute Flächen). Auswertung von Satellitenbildern aus dem Jahr 2005 hinsichtlich der CORINE-Landbedeckungseinheiten (Ebene 1 für alle Klassen und Ebene 2 für bebaute Flächen): - 11000 Städtisch geprägte Flächen - 12000 Industrie-, Gewerbe- und Verkehrsflächen - 13000 Abbauflächen, Deponien und Baustellen - 14000 Künstl. angelegte, nicht landwirtschaftl. genutzte Grünflächen - 20000 Landwirtschaftliche Flächen - 30000 Wälder und naturnahe Flächen - 40000 Feuchtflächen - 50000 Wasserflächen Die Validierung der Daten erfolgte mittels hochauflösender Orthofotos (punktbasierte Stichprobe: für jeden Punkt einer Stichprobe wird das Kartierungsergebnis mit der realen Landnutzung aus dem Orthofoto verglichen). Die Pixelauflösung beträgt 10 m. In der Klasse „Industrie-, Gewerbe- und Verkehrsflächen“ werden Straßen erst ab einer Breite von 40 m kartiert. Die Positionsgenauigkeit der Satellitendaten liegen entsprechend der Produktspezifikationen bei +/-1 Pixel (d.h. +/-10 m). Die Datengenauigkeit wird mit ca. 90% angegeben. Auswertung: GeoVille Group, Innsbruck; Infoterra GmbH, Friedrichshafen (erstellt im Rahmen des Projektes ESA GSE Stage 2 GSE Land, gefördert durch die Europäische Raumfahrtagentur ESA)
The Dynamic World Training Data is a dataset of over 5 billion pixels of human-labeled ESA Sentinel-2 satellite image, distributed over 24000 tiles collected from all over the world. The dataset is designed to train and validate automated land use and land cover mapping algorithms. The 10m resolution 5.1km-by-5.1km tiles are densely labeled using a ten category classification schema indicating general land use land cover categories. The dataset was created between 2019-08-01 and 2020-02-28, using satellite imagery observations from 2019, with approximately 10% of observations extending back to 2017 in very cloudy regions of the world. This dataset is a component of the National Geographic Society - Google - World Resources Institute Dynamic World project. The dataset consists of two file types: GeoTIFF files of 510x510 pixel 10m resolution satellite image tiles markup provided by human labelers, and Excel (.xlsx) tables of metadata and class statistics for the above GeoTIFF files. The data is organized into three main folders. One folder contains training data labeled by a team of 25 expert human labelers recruited by National Geographic Society specifically for this project. A second folder contains training data labeled by a larger group of commissioned labelers provided by a commercial crowd-labeler service. The data in these folders is organized by hemisphere and biome number from the RESOLVE Ecoregions2017 biomes categories (https://ecoregions2017.appspot.com/). A third folder contains a validation dataset. This is a holdout set of training data for assessing model accuracy. None of this data is intended to be used in the formulation of the model. Each validation tile was independently labeled by three experts. The validation set contains two versions: the individual markup from each expert labeler, and the image composites of the individual markups. Each GeoTIFF file encodes information on the location of landscape feature classes as determined by a given labeler. Classes were labeled by visual examination of true color (RGB) composites of Sentinel-2 MultiSpectral Level-2A scenes. The Tier 1 class values used in this phase of the project are as follows: 0 No data (left unmarked), 1 Water, 2 Trees, 3 Grass, 4 Flooded Vegetation, 5 Crops, 6 Scrub, 7 Built Area, 8 Bare Ground, 9 Snow/Ice, 10 Cloud. This dataset does not include the original Sentinel-2 imagery tiles, but metadata on the exact image ID and date is provided The original Sentinel-2 imagery was obtained via Google Earth Engine. This data is available under a Creative Commons BY-4.0 license and requires the following attribution: This dataset is produced for the Dynamic World Project by National Geographic Society in partnership with Google and the World Resources Institute. Development of the Dynamic World training data was funded in part by the Gordon and Betty Moore Foundation.
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.
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.
Corine Land Cover Change 1990-2000 (CHA9000) is one of the Corine Land Cover (CLC) datasets produced within the frame the Copernicus Land Monitoring Service referring to changes in land cover / land use status between the years 1990 and 2000. CHA is derived from satellite imagery by direct mapping of changes taken place between two consecutive inventories, based on image-to-image comparison. CLC service has a long-time heritage (formerly known as "CORINE Land Cover Programme"), coordinated by the European Environment Agency (EEA). It provides consistent and thematically detailed information on land cover and land cover changes across Europe. CLC datasets are based on the classification of satellite images produced by the national teams of the participating countries - the EEA members and cooperating countries (EEA39). National CLC inventories are then further integrated into a seamless land cover map of Europe. The resulting European database relies on standard methodology and nomenclature with following base parameters: 44 classes in the hierarchical 3-level CLC nomenclature; minimum mapping unit (MMU) for status layers is 25 hectares; minimum width of linear elements is 100 metres. Change layers have higher resolution, i.e. minimum mapping unit (MMU) is 5 hectares for Land Cover Changes (CHA), and the minimum width of linear elements is 100 metres. The CLC service delivers important data sets supporting the implementation of key priority areas of the Environment Action Programmes of the European Union as e.g. protecting ecosystems, halting the loss of biological diversity, tracking the impacts of climate change, monitoring urban land take, assessing developments in agriculture or dealing with water resources directives. part of the European Copernicus Programme coordinated by the European Environment Agency, providing environmental information from a combination of air- and space-based observation systems and in-situ monitoring.
Boden und Vegetation endemischer Arganbestände in Marokko werden durch Expansion und Intensivierung der Agrarwirtschaft sowie Überweidung zunehmend degradiert. Überschirmte Flächen nehmen ab, unbedeckte Flächenanteile zwischen den Arganien nehmen zu. Infolge verminderter Infiltration steigen Oberflächenabfluss- und Bodenabtragsraten stark an. Auf den degradierten Böden kann sich nur lückenhafter Unterwuchs (Krautige und Gras) und kein Jungwuchs mehr ausbilden. Durch Untersuchungen verschieden stark degradierter Arganbestände werden in diesem Vorhaben Grenzwerte herausgearbeitet, ab denen bodenerodierende Prozesse initiiert werden, sowie solche, ab denen von einer Dynamisierung der Prozesse, insbesondere Rinnen- und Gully-Erosion, auszugehen ist. Dazu werden in drei Testgebieten im Hohen und Anti-Atlas eingezäunte Aufforstungsflächen mit ungeschützten Flächen auf verschiedenen Hangneigungen verglichen. Die Entwicklung der Bestandsdichten wird mit hochauflösenden CORONA-Satellitenbildern aus dem Jahr 1968 und großmaßstäbigen Luftbildern von 2017/18 quantifiziert, welche mit unbemannten Fluggeräten (UAVs) aufgenommen werden. Die Wuchsform der Bäume wird mit Structure from Motion (SfM)-Verfahren (3D-Modelle aus Multikopter-Aufnahmen) dokumentiert und klassifiziert. Untersuchungen zur Korngrößenverteilung, Aggregatstabilität, organischen Bodensubstanz und Bodennährstoffen sollen hypothesengeleitet den - mit steigendem Abstand der Bäume - sinkenden Einfluss der baumüberschirmten Fläche auf die erweiterten Zwischenbaumflächen aufzeigen. Mit Beregnungsversuchen und Infiltrationsmessungen werden Erodibilität und Infiltrationsvermögen der Zwischenbaumflächen in verschiedenen Degradationsstadien untersucht. Der Sedimentaustrag aus linearen Erosionsformen wird durch ein SfM-Monitoring mittels 3D-Modellen quantifiziert. Steinbedeckung und Viehwege lassen sich aus den selbst erstellten Luftbildern ermitteln. Viehzählungen und Interviews mit Schlüsselinformanten ergänzen die Kenntnisse über den Beweidungsdruck durch Schafe und Ziegen auf die Arganbestände. Anhand der Untersuchungen zur Degradation von Bestandsdichten, Zwischenbaum- und baumüberschirmten Flächen können die Arganbestände in mit Werten unterfütterte Stabilitätsklassen unterteilt werden. Die durch das Multi-Methoden-Konzept erarbeiteten Grenzwerte zeigen die Dynamisierung der Bodenerosionsprozesse unter Arganbeständen und belegen, dass bestimmte Erosionsprozesse verschiedenen Degradationszuständen der Fläche sowie unterschiedlichen Bestandsdichten zugeordnet werden können. Dies ist eine notwendige Voraussetzung für die nachhaltige Bewirtschaftung der Arganbestandsflächen.
Objectives: Sustainable management of tropical moist forests through private forest owners will become increasingly important. Media report that in Brazil, particularly in Amazonia, approx. 80 percent of the timber harvested is from illegal sources. Private management of forests according to internationally acknowledged standards offers an opportunity to significantly lower the portion of illegally cut timber. Moreover, it contributes significantly to the conservation of the Amazon forest. Private forest owners show a clear long-term commitment towards the implementation of management standards according that is ecologically compatible, socially acceptable and economically viable. The project area, a pristine forest in legal Amazonia in the transition zone between moist tropical forests and savannas (cerrado), is extremely diverse in floristic and faunistic terms. The institute cooperates with the private forest owner. Main tasks are to document the faunistic and floristic diversity, to calculate the Annual Allowable Cut and to elaborate concepts for site-specific silviculture. Results: To date (Oct. 2006) the following activities were started: - a comprehensive inventory system for planning at the FMU-level has been successfully introduced; - the inventory system for the annual coupe area has been designed and data for the first coupe are being processed; - the annual allowable cut is currently calculated based on the results of the above described inventories; - two fauna surveys are completed; one focusing on large mammals and one on the avi-fauna. A long-term monitoring concept to assess the influence of forest management on the faunistic diversity is currently under development; - forest zoning is completed applying terrestrial surveys and interpreting high-resolution satellite images; - a study on the use of Bethollethia excelsa-fruits (Brazil nuts) is currently implemented; - a study on timber properties of lesser known species is currently implemented.
Übersichtskarte Schleswig-Holsteinisches und dänisches Wattenmeer, Polygonshape. Der Wattenmeerbereich beruht vorwiegend auf Tiefeninformationen in Seekarten des BSH. Der Vorlandbereich wird auf Basis der Kartierung der Salzmarschen durch die NP-Verwaltung SH abgeleitet. Die Landbereiche beruhen auf der Interpretation und von Satellitenbildern und Karten und deren Generalisierung.
Sentinel-2 cir- und rgb-Mosaike (10 m Bodenauflösung) in möglichst wolkenfreier Monatsfolge für: 2021-06, 2021-07, 2021-09, 2021-12, 2022-02, 2022-03, 2022-06, 2022-08, 2022-09, 2023-02, 2023-04, 2023-06, 2024-01, 2024-08, 2024-09, 2025-02, 2025-03, 2025-04, 2025-05, 2025-06, 2025-08, 2025-12, 2026-03, 2026-04, 2026-05, 2026-07, 2026-08
Ground reference data are a prerequisite for the calibration, update and validation of land data assimilation systems facilitating large-scale crop monitoring based on Earth Observation data. Here, we provide a comprehensive database which was elaborated to test and validate the recently developed Earth Observation Land Data Assimilation System (EO-LDAS). In situ data was collected for seven crop types cultivated on the agricultural Gebesee test site (central Germany) in 2013 and 2014, i.e., winter barley, winter wheat, spring wheat, durum, winter rape, potato and sugar beet. The database contains information on the evolution of biophysical and biochemical plant parameters, phenology, leaf structure, soil moisture, atmospheric states and illumination conditions. In addition, surface reflectance was recorded with a field spectrometer. Data was collected with an approximately weekly resolution throughout the growing season. In addition, it was attempted to schedule days of field work according to the acquisition plans of RapidEye, SPOT5, Landsat 7 and 8, and on days with a high probability of low cloud coverage. Data was collected on up to three elementary sampling units (ESUs) per acreage. ESUs represent squares with a diagonal length of 24 m and consist of five secondary sampling points (SSPs). This experimental design permits an assessment of spatio-temporal variations of the investigated parameters. Coordinates of survey sites, nearby ground control points (GCPs) and check points (CPs) were recorded with a differential Global Navigation Satellite System (dGNSS) which supports accurate geo-referencing of satellite images. The experimental design of the field campaigns, methods employed in the determination of all parameters, and meteorological conditions in the measurement period are described in detail in Truckenbrodt & Schmullius, 2017.
| Organisation | Count |
|---|---|
| Bund | 558 |
| Europa | 22 |
| Global | 1 |
| Kommune | 9 |
| Land | 57 |
| Schutzgebiete | 2 |
| Weitere | 6 |
| Wirtschaft | 4 |
| Wissenschaft | 460 |
| Zivilgesellschaft | 3 |
| Type | Count |
|---|---|
| Daten und Messstellen | 221 |
| Ereignis | 20 |
| Förderprogramm | 505 |
| Mitmachportal | 1 |
| Text | 38 |
| unbekannt | 54 |
| License | Count |
|---|---|
| Geschlossen | 30 |
| Offen | 781 |
| Unbekannt | 28 |
| Language | Count |
|---|---|
| Deutsch | 523 |
| Englisch | 341 |
| Resource type | Count |
|---|---|
| Archiv | 10 |
| Bild | 3 |
| Datei | 255 |
| Dokument | 18 |
| Keine | 428 |
| Webdienst | 1 |
| Webseite | 177 |
| Topic | Count |
|---|---|
| Boden | 463 |
| Lebewesen und Lebensräume | 774 |
| Luft | 664 |
| Mensch und Umwelt | 833 |
| Wasser | 333 |
| Weitere | 839 |