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.
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)
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
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)
Naturschutzplanung und Monitoring erfordern die wiederholte Kartierung großer Flächen. Regelmäßig wird daher der Einsatz von Fernerkundungsverfahren zur Bewältigung dieser Aufgabe diskutiert. Bisher spielen solche Verfahren in der Praxis jedoch nur eine untergeordnete Rolle. Wir geben in diesem Aufsatz eine Einführung in die Prinzipien der Erdbeobachtung und diskutieren, wie Luft- und Satellitenbilder ergänzend zu Geländedaten in der Naturschutzplanung eingesetzt werden können. Überlegungen zum Kosten-Nutzen-Verhältnis sowie zu neuen Entwicklungen stehen hierbei im Fokus. Angesichts der zunehmend besseren Verfügbarkeit digitaler Bilddaten stellt die Bereitstellung standardisierter Geländedaten zum Training der Erfassungsalgorithmen derzeit die größte Herausforderung für einen effizienten Einsatz von Fernerkundungsverfahren dar.
Klassifikation von Baumartengruppen auf Bestandesebene, basierend auf Sentinel2 - Satellitenaufnahmen Die Klassifikation in die 9 in NRW am häufigsten bzw. bestandesbildend auftretenden Baumartengruppen berücksichtigt folgende Klassen: Eichen (Ei), Buchen (Bu), Buntlaubhölzer (hALH), Weichlaubhölzer (wALN), Pappeln, Kiefern, Lärchen, Fichten und Douglasien (siehe Legende). Die Klassifikation erfolgte durch ein Verfahren künstlicher Intelligenz (rekurrentes neuronales Netzwerk), das anhand von Forsteinrichtungsdaten aus den Waldflächen des landeseigenen Forstbetriebes in NRW trainiert wurde. Das Verfahren wurde im Auftrag des Ministeriums für Landwirtschaft und Verbraucherschutz des Landes NRW (MLV NRW) entwickelt. Zur Erkennung der Baumarten anhand ihrer Phänologie und zur Gewährleistung möglichst wolkenfreier Verhältnisse wurden Zeitreihen von Satellitenaufnahmen aus den Vegetationsperioden zweier Jahre zwischen dem 03.03.2022 und dem 11.07.2023 ausgewertet. Es wurden dafür insgesamt 516 einzelne Szenen ausgewählt und landesweit zu einem wolkenfreien multitemporalen Mosaik zusammengesetzt (https://www.d-copernicus.de/daten/satelliten/satelliten-details/news/sentinel-2/ ). Bedingt durch die räumliche Auflösung der Sentinel2 - Satellitenaufnahmen von ca. 10 m eignet sich diese Kartenebene für eine Betrachtung auf einer Maßstabsebene von bis zu ca. 1:10.000, nicht größer! Die Darstellung berücksichtigt ausschließlich Baumarten in der Hauptschicht und ist nicht vergleichbar mit einer Forsteinrichtungs- oder Forstbetriebskarte. Mischungen von Baumarten sind durch wechselnde Farben auch innerhalb eines Bestandes gekennzeichnet. Die Angaben zu den Blößen basieren insbesondere auf der Aggregierten Kalamitätskarte im Nadelwald (Stand: Sep 2023). Validierung Die Nutzergenauigkeit ist das entscheidende Merkmal für die Zuverlässigkeit der Karteninformation in der fernerkundungsbasierten Baumartenkarte. Die Nutzergenauigkeit beschreibt eine repräsentative Schätzung für die Wahrscheinlichkeit, dass die in der Baumartenkarte dargestellte Karteninformation (Baumartengruppe) an einem Ort mit der Hauptschicht eines dortigen Bestandes übereinstimmt. Die Nutzergenauigkeit ist für jede ausgewiesene thematische Klasse (Baumartengruppe) unterschiedlich und bestimmt sich aus dem Anteil der oben beschriebenen Referenzdaten aus der Forsteinrichtung mit der entsprechenden Baumartengruppe in der Hauptschicht, im Verhältnis zu allen Referenzpunkten in der Validierungsstichprobe, die durch das neuronale Netz in die entsprechende Baumartengruppe klassifiziert wurden. Die Genauigkeiten unterscheiden sich also zwischen den einzelnen Baumarten in Abhängigkeit von der Häufigkeit, mit der die Baumarten in der Forsteinrichtung vertreten sind. Häufig auftretende Baumarten sind für eine künstliche Intelligenz leichter, seltener auftretende Baumarten (z.B. Pappeln, Douglasien) vergleichsweise schwerer zu erkennen. Die Herstellergenauigkeit dient zur Beurteilung der Klassifikationsgüte ausgehend vom Anteil der Referenzdaten in der Validierungsstichprobe mit der entsprechenden Baumartengruppe, die durch das neuronale Netz korrekt dieser Baumartengruppe zugeordnet wurden. Das F-Maß als allgemeines klassenspezifisches Gütemaß wird durch das harmonische Mittel (Durchschnitt) aus Nutzer- und Herstellergenauigkeit gebildet. Die Gesamtgenauigkeit gibt unabhängig von der Klassenzugehörigkeit den Anteil der Referenzpunkte in der Validierungsstichprobe an, der durch das neuronale Netz korrekt klassifiziert wurde. Ein gängiges und weithin anerkanntes Gütemaß ist Cohen’s κ-Koeffizient, der die Übereinstimmung zwischen den Klassenangaben in den Referenzdaten und den Klassifikationen des neuronalen Netzes auf Basis der Validierungsstichprobe beschreibt. In der praktischen Anwendung liegt der Wertebereich des Koeffizienten zwischen 0 und 1, wobei ein Wert von 1 eine völlige Übereinstimmung der Ergebnisse bedeutet, ein Wert von 0 hingegen eine rein zufällige Übereinstimmung ohne erkennbaren Mehrwert einer Entscheidung des neuronalen Netzes. Nutzergenauigkeit (%) Eiche Buche hALH wALN Pappel Kiefer Lärche Fichte Douglasie 93,8 94,7 91,2 89,2 88,8 97,7 95,9 97,1 88,4 Herstellergenauigkeit (%) 91,0 96,0 91,4 92,7 79,0 97,5 90,7 98,0 76,4 F-Maß (%) 92,3 95,4 91,3 90,9 83,6 97,6 93,2 97,6 82,0 Gesamtgenauigkeit: 95,0 % Cohen’s κ-Koeffizient: 0,938 Tabelle 1: Genauigkeitsangaben aus der statistisch unabhängigen Validierung. Die angegebenen Genauigkeiten wurden aus einer statistisch unabhängigen Validierung anhand der Forsteinrichtungsdaten aus den Staatswäldern bestimmt. Dazu wurde das Klassifikationsergebnis in über 15.000 landesweit zufällig ausgewählten Waldbeständen mit der dort ausgewiesenen einheitlichen Baumart in der Hauptschicht verglichen. Dieser Prozess wurde dreimal an jeweils unterschiedlichen Bildelementen wiederholt. Die angegebenen Prozentwerte geben die relative Häufigkeit (statistische Wahrscheinlichkeit) an, mit der das Klassifikationsergebnis und die in der Hauptschicht ausgewiesene Baumart übereinstimmen. Als Voraussetzung für eine unabhängige Validierung gibt es keine Überschneidung zwischen Trainings- und Validierungsdaten (statistische Unabhängigkeit).
Bei dieser Nachtaufnahme handelt es sich um ein Mosaik, welches aus zwei unterschiedlichen Datensätzen besteht. Datensatz 1 [Zentrum und Randgebiete] - Satellitenaufnahmen: Jilin-1 - Spektrale Auflösung: RGB - Aufnahmezeitraum: 12/21 – 01/22 - Quelle: Chang Guang Satellite Technology CO., LTD (CGSTL)/Veritas Imagery Services Ltd Datensatz 2 [vereinzelte Randgebiete] - Astronautenphotographie: NASA - Spektrale Auflösung: RGB - Aufnahmezeitraum: 03/22 - Quelle: Earth Science and Remote Sensing Unit, NASA Johnson Space Center; https://eol.jsc.nasa.gov/ Hinweise: Die Datensätze unterscheiden sich hinsichtlich ihrer geometrischen Auflösung. Die Datensätze sind spektral nicht zueinander kalibriert. Verwendung nur zu Visualisierungszwecken.
Sentinel-2 cir- und rgb-Mosaike 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 in 10m Bodenauflösung.
Die Waldbestockung wurde zusammen mit der Baum- und Waldbedeckung entwickelt, deshalb werden im Folgenden alle drei Themen beschrieben. Die Baumbedeckung identifiziert Einzelbäume innerhalb und außerhalb des Waldes. Die Erkennung von Einzelbäumen erfolgt anhand der Kombination aus Luft- bzw. Satellitenbildern und dem normalisierten Oberflächenmodell (nDSM). Die Mindeshöhe der Baumbedeckung beträgt 3 m. Der Datensatz wurde klassifiziert in die Höhenklassen 3-5 m, 5-8 m und >8 m. Außerhalb des Waldes zeigt der Datensatz Leitlinien und Strukturen für die Bewegung und Migrationen von Arten. Basierend auf den erkannten Einzelbäumen wird nach Parametern der deutschen Walddefinition (Bundeswaldinventur III) die Waldbestockung erstellt: - Kronenschlussgrad > 50% - Mindestbreite: 10 m - Mindestgröße: 0,1 ha Die Waldbestockung dient der Identifikation von bestockten Flächen. Die Mindesthöhe für überschirmte Bereiche der Waldbestockung beträgt 5 m. Die Waldbedeckung wurde als ökologische Waldmaske entwickelt und schließt einzelne Lücken innerhalb von Waldgebieten. Die Waldbedeckung berechnete sich aus der Waldbestockung, wobei alle Lücken, welche sich innerhalb der als Waldbesitz gekennzeichneten Flächen der Landesforstverwaltung befanden, geschlossen wurden. Das Ergebnis ist eine generalisierte, ökologische Waldmaske, welche möglichst alle Waldflächen – inklusive Sturmflächen und Lücken – beinhaltet. Durch Zeitreihen der Baumbedeckung, Waldbestockung und Waldbedeckung kann die Walddynamik sowie die Verschiebung von Landnutzungsklassen beobachtet werden. Die Waldbestockung wird aus Luftbildern von Befliegungen der jeweils letzten 3 Jahre berechnet und jährlich aktualisiert.
Origin | Count |
---|---|
Bund | 560 |
Land | 37 |
Wissenschaft | 9 |
Type | Count |
---|---|
Ereignis | 20 |
Förderprogramm | 499 |
Text | 31 |
unbekannt | 46 |
License | Count |
---|---|
closed | 36 |
open | 538 |
unknown | 22 |
Language | Count |
---|---|
Deutsch | 579 |
Englisch | 98 |
unbekannt | 1 |
Resource type | Count |
---|---|
Archiv | 4 |
Datei | 20 |
Dokument | 23 |
Keine | 422 |
Webdienst | 10 |
Webseite | 157 |
Topic | Count |
---|---|
Boden | 474 |
Lebewesen & Lebensräume | 488 |
Luft | 436 |
Mensch & Umwelt | 596 |
Wasser | 378 |
Weitere | 591 |