API src

Found 1348 results.

Related terms

Versiegelung 2016 (Umweltatlas)

Versiegelung von Block- und Blockteilflächen in 10%-Stufen, ermittelt aus Satellitenbilddaten (Sentinel-2A, unbebauter Anteil) und Gebäudedaten (bebauter Anteil) auf Grundlage der Blockkarte 1 : 5.000 (ISU5), Stand 2015. Die Rasterkarte ist ein unkorrigiertes Zwischenergebnis der Versiegelungskartierung 2016. Dargestellt ist das Ergebnis der regelbasierten Klassifizierung der Satellitendaten (Sentinel-2A-Szene Mai 2016).

Versiegelung 2021 (Umweltatlas)

Versiegelung von Block- und Blockteilflächen in 10%-Stufen, ermittelt aus Satellitenbilddaten (Sentinel-2B, unbebauter Anteil) und Gebäudedaten (bebauter Anteil), sowie von Straßenflächen, ermittelt aus Straßenbefahrungsdaten, auf Grundlage der Blockkarte 1 : 5.000 (ISU5), Stand 2020. Zudem wird die Veränderungskartierung im Vergleich von 2016 zu 2021 dargestellt. Die Rasterkarte ist ein unkorrigiertes Zwischenergebnis der Versiegelungskartierung 2021. Dargestellt ist das Ergebnis der regelbasierten Klassifizierung der Satellitendaten (Sentinel-2B-Szene Juni 2021).

Satellitenbilder Sentinel-2 Hamburg

Die Europäische Weltraumorganisation (ESA) stellt innerhalb des Copernicus-Programms kostenfrei Satellitendaten der Missionen Sentinel (dt. Wächter) zur Verfügung. Der LGV bereitet die Daten zur einfacheren Nutzung quartalsweise auf. Originär können die Satellitendaten über die nationale Plattform CODE-DE (Copernicus Data and Exploitation Platform – Deutschland) bezogen werden. Datengrundlage: - Sentinel-2 L2A: Multispektrale, atmosphärisch korrigierte Daten - Georeferenziertes Mosaik - Kachel-Anzahl: 25 - Kachel-Größe: 8 km x 8 km - Kachel-Auswahl: Aktualität und Grad der Wolkenbedeckung - Farbdarstellung: RGB, CIR, NDVI - Bodenauflösung: 10m - Farbtiefe: 8 bit RGB (Red Green Blue): Die Bandkombination aus Rot (B4), Grün (B3) und Blau (B2) bildet die menschliche Farbwahrnehmung nach. Gesunde Vegetation wird grün, urbane Flächen werden weiß / grau und Wasserflächen werden, abhängig der Trübung, blau dargestellt. CIR (Color Infrared): Die Bandkombination aus nahem Infrarot (B8), Rot (B4) und Grün (B3) hebt die Vegetation hervor. Diese reflektiert aufgrund des Chlorophyllgehalts der Pflanzen im nahen Infrarotbereich besonders stark und wird rötlich dargestellt. Urbane Flächen erscheinen cyan-blau / grau und Wasserflächen dunkelblau. NDVI (Normalized Difference Vegetation Index): Der NDVI ist ein häufig angewendeter Index, welcher zur Einschätzung der Vegetation herangezogen wird. Er berechnet sich aus den Bändern Nahes Infrarot (B8) und Rot (B4): NDVI = (NIR-Rot)/(NIR+Rot) <b>Hinweis</b> "Keine Daten verfügbar": Wenn innerhalb eines Quartals ausschließlich Daten mit hoher Wolkenbedeckung vorliegen, wird kein Mosaik erzeugt. Dies ist insbesondere in Wintermonaten möglich. [© Contains modified Copernicus Sentinel data [2018-2024], processed on CODE-DE]

Struktur der Flächennutzung

Struktur der Flächennutzung Mehr als die Hälfte der deutschen Fläche wird landwirtschaftlich genutzt. Dieser Anteil sinkt langsam, während der für Siedlungen und Verkehr stetig steigt. Ziel einer nachhaltigen Flächennutzung ist daher, den Flächenverbrauch durch Siedlungen und Verkehr zu senken und gleichzeitig vorhandene Flächen für Siedlung und Verkehr optimal zu nutzen und ökologisch aufzuwerten. Die wichtigsten Flächennutzungen Deutschland hatte im Jahr 2023 eine Fläche von 357.682 Quadratkilometern (km²) (siehe Abb. „Flächennutzung in Deutschland“). Zur Gesamtfläche zählen unter anderem landwirtschaftlich genutzte Flächen, Waldflächen, Flächen für Siedlung und Verkehr, sowie Gewässer wie Seen, Flüsse, Kanäle und nahe Küstengewässer. Wie Deutschlands Fläche genutzt wird, steht in den Grundstückskatastern, wird aber auch zunehmend durch Luftbilder und Satellitendaten überprüft. Grundlage der Nutzungsdaten ab 2016 sind die Angaben des amtlichen Liegenschaftskatasterinformationssystems (ALKIS) der Länder: 50,3 % der Gesamtfläche wurden landwirtschaftlich Wälder und Gehölze nahmen zusammen 29,9 % der Gesamtfläche ein, davon Wälder 28,6 %. Die Fläche für Siedlung und Verkehr (SuV-Fläche) ist die drittgrößte Nutzungsart. Sie nahm Ende 2023 14,6 % der Gesamtfläche in Anspruch. Zur SuV-Fläche zählen neben Flächen für Wohnen, öffentliche Zwecke oder Gewerbe auch Erholungsflächen, Friedhöfe und Verkehrsflächen. Seen, Flüsse, Kanäle und nahe Küstengewässer nahmen 2,3 % der deutschen Fläche ein. Die restliche Gesamtfläche sind „sonstige Flächen“ . Dazu zählen „Abbauland“ wie Kies- oder Braunkohlengruben sowie „Unland“ wie Felsen, ehemaliges Militärgelände oder ehemalige Abraumhalden, und seit 2016 auch ungenutzte Vegetationsflächen wie Heideland, Moore, Sümpfe, Gehölze und Gewässerbegleitflächen. Die landwirtschaftlich genutzte Fläche schrumpft Von 2016 bis 2023 sank der Anteil landwirtschaftlicher Nutzfläche um 2.746 Quadratkilometer (km²) von 51,1 auf 50,3 % der Gesamtfläche. Seit dem Jahr 2016 werden Heide und Moor nicht mehr bei den Landwirtschaftsflächen ausgewiesen, sondern bei „sonstigen Flächen“, weshalb der Verlust rein statistisch in den vorherigen Jahren noch höher ausfällt. Diese Abnahme erfolgte besonders im Umland städtischer Verdichtungsräume. Der wichtigste Grund dafür ist die Zunahme der Fläche für Siedlung und Verkehr um 2.820 km² im gleichen Zeitraum (ohne Bergbaubetriebe und ohne Tagebau, Grube, Steinbruch). Aber auch die Zunahme der Wälder und Gehölze erfolgt zum Teil zulasten landwirtschaftlicher Flächen. Weitere Landwirtschaftsfläche fällt dem Tagebau zum Opfer und kann Jahrzehnte später nur teilweise durch ⁠ Rekultivierung ⁠ zurückgewonnen werden. Die meisten landwirtschaftlich genutzten Flächenanteile haben die nördlichen und östlichen Bundesländer; Spitzenreiter ist Schleswig-Holstein mit einem Anteil von 68,2 % Landwirtschaftsfläche. Die geringsten Anteile haben Stadtstaaten wie Berlin mit 3,9 % landwirtschaftlich genutzter Fläche (siehe Abb. „Flächennutzung in den Bundesländern“). Die Art der Flächennutzung beeinflusst die biologische Vielfalt und die Umweltbelastung. Viele Tier- und Pflanzenarten profitieren etwa von einer extensiven Bewirtschaftung von Äckern und Weiden. Intensiv bewirtschaftete landwirtschaftliche Flächen wiederum können die Natur belasten: Sie können Biotope stören, Gewässer im Überfluss mit Nährstoffen anreichern (eutrophieren) sowie Böden und Grundwasser weiteren Belastungen aussetzen. Auch der technische Wandel kann etwa durch große landwirtschaftliche Maschinen zu einer Ausräumung ökologisch wertvoller Landschaftsteile führen, da Knicks, Wälle oder Baumgruppen beseitigt, Gewässer begradigt, Böden verdichtet oder neue landwirtschaftliche Wegenetze angelegt werden. Zunahme der Waldfläche Zwischen 2016 und 2023 nahm die als Waldfläche definierte Fläche um 396 Quadratkilometer (km²) ab. Gehölze werden allerdings seit 2016 nicht mehr unter Waldfläche erfasst, sondern unter den „sonstigen Flächen“ wie zum Beispiel auch ehemalige Übungsplätze oder ehemalige Bergbauflächen und Abraumhalden. Rechnet man Gehölze dennoch dazu, so betrug die Abnahme seit 2016 real 298 km². Auch der Anteil der Waldfläche an der Gesamtfläche nahm leicht ab, und lag 2023 bei 28,6 % (29,9 % mit Gehölzen). Überdurchschnittlich hohe Waldflächenanteile finden sich in siedlungsarmen, für eine intensivere Landwirtschaft weniger geeigneten Mittel- und Hochgebirgslagen, etwa dem Harz, dem Thüringer Wald, dem Sauerland, der Eifel, dem Schwarzwald, dem Bayerischen Wald und in den Alpen. In den Zentren großer Verdichtungsräume und in intensiv landwirtschaftlich genutzten Gebieten sind die Waldanteile dagegen geringer. Wälder haben – ähnlich wie Gewässer, Moore und Heiden – einen besonderen ökologischen Stellenwert. Sie filtern Schadstoffe aus der Luft, schützen Böden vor ⁠ Erosion ⁠, helfen sauberes Grundwasser zu bilden und schützen das ⁠ Klima ⁠, indem sie das ⁠ Treibhausgas ⁠ Kohlendioxid (CO 2 ) aus der Luft binden. Sie dienen auch – abgesehen von einigen Naturschutzgebieten – den Erholungs- und Freizeitbedürfnissen der Bevölkerung. Mehr Betriebs- und Wohngebäude, Straßen und Flugplätze Die Fläche für Siedlung und Verkehr (SuV) ist die am dynamischsten wachsende Nutzungsart in Deutschland. Sie wuchs von 2016 bis 2022 um 0,8 %, also um 2.820 Quadratkilometer. Der SuV-Anteil an der Gesamtfläche fällt regional unterschiedlich aus. In den Zentren der Verdichtungsräume erreicht ihr Anteil mehr als 50 %. Neben den Stadtstaaten weisen Nordrhein-Westfalen mit 23,9 % und das Saarland mit 21,8 % besonders hohe Siedlungs- und Verkehrsflächenanteile auf. Die zunehmende Flächennutzung für Gebäude und Verkehrswege hat viele negative Auswirkungen auf die Umwelt. Nennenswert ist der direkte Verlust der vorher meist landwirtschaftlich genutzten Böden. Hinzu kommt etwa der Rohstoff- und Energieaufwand für Bau und Erhalt neuer Gebäude und Infrastruktur , ein höherer Kraftstoffverbrauch mit einem höheren Ausstoß an Schadstoffen durch mehr Verkehr sowie mehr Lärm und die Zerschneidung und Verinselung der Lebensräume für die wildlebende ⁠ Flora ⁠ und ⁠ Fauna ⁠. Leichte Abnahme der Gewässerfläche Der Anteil der Gewässer an der deutschen Gesamtfläche blieb vom Jahr 2016 bis zum Jahr 2023 weitgehend konstant und stieg nur leicht um 29 Quadratkilometer.

Operationalisierung von DAS-Indikatoren mit Fernerkundungsdaten (DASIF)

Im Vorhaben „Operationalisierung von ⁠ DAS ⁠-Indikatoren mit Fernerkundungsdaten" (DASIF) wurden ausgewählte Indikatoren der Deutschen ⁠ Anpassungsstrategie ⁠ ⁠ Klimawandel ⁠ (DAS) mittels Verfahren aus dem Bereich Satellitenfernerkundung weiterentwickelt. Im Fokus der Studie standen die fünf Indikatoren „Cyanobakterienbelastung von Badegewässern“, „Frühjahrsalgenblüte in Seen“, „Wassertemperatur in stehenden Gewässern“, „Eisbedeckung von Seen und „Gründächer“. Neben einer Lückenanalyse zu bestehenden Indikatoren, wurde eine Validierung von Algorithmen und Satellitendaten anhand von Fallstudien vorgenommen sowie Verfahren für die bundesweite Ableitung von Indikatoren entwickelt. Drei der DASIF-Indikatoren wurden als fernerkundungsbasierte Klimawandel-Indikatoren in den DAS-Monitoringbericht 2023 aufgenommen. Mithilfe eines interaktiven Dashboards lassen sich die Ergebnisse visualisieren und vergleichen. Das Vorhaben konnte für die Indikatoren aufzeigen, dass die Satellitenfernerkundung eine effektive und präzise Methode darstellt, um die Datenbasis für Klimawandelindikatoren zu verbessern. Veröffentlicht in Climate Change | 50/2024.

Anwendungslabor für Künstliche Intelligenz und Big Data am UBA

Anwendungslabor für Künstliche Intelligenz und Big Data am UBA Das Anwendungslabor für Künstliche Intelligenz und Big Data (KI-Lab) am Umweltbundesamt macht Methoden von KI und Big Data für Umwelt- und Nachhaltigkeitsanwendungen nutzbar. Als Innovations- und Experimentierraum für das Umweltressort fokussiert es den Mehrwert von KI für Mensch und Umwelt und forscht zur nachhaltigen Nutzung und Betrieb von KI- und Big Data-Anwendungen. Das KI-Lab am Umweltbundesamt Das KI-Lab mit 32 Mitarbeitenden nutzt KI und Big Data für Umwelt- und Nachhaltigkeitsanwendungen. Es dient als Innovations- und Experimentierraum für Behörden des BMUV , um den Mehrwert von KI für Mensch und Umwelt zu zeigen und Forschungsfragen zur nachhaltigen und verantwortungsvollen Nutzung von KI zu bearbeiten. Ziel ist es, KI als Schlüsseltechnologie nicht nur für die Industrie, sondern auch für Politik und Forschung insbesondere im Bereich des Umwelt- und Klimaschutzes zu erschließen. Das KI-Lab entwickelt Anwendungen, welche die vielfältigen Aufgaben des Umweltressorts unterstützen – von Arten- bis Strahlenschutz, von nuklearer Sicherheit bis zur Klimawandelanpassung und Umweltmonitoring. Erste umgesetzte Beispiele von KI-Anwendungen sind etwa das Identifizieren von Windkraftanlagen in Satellitendaten für eine bessere Planung der Energiewende, das Aufspüren auf Online-Handelsplattformen angebotener geschützter Tierarten oder die Gefahrgutüberwachung und Gefahrenabwehr durch Identifikation radioaktiver Nuklide mittels Analyse von Gammaspektren. Im externen Link öffnet sich die Webseite des BMUV mit dem Impressions-Film von der Eröffnung des KI-Labs in Dessau am 13.10.2023. Impressions-Film der KI-Lab-Eröffnung Unsere Handlungsfelder Prototypisierung und Beratung Das KI-Lab entwickelt Anwendungen und begleitet den gesamten Prozess von der Idee bis zur Umsetzung. Quelle: Stephan Klingner / KI-Lab am UBA Das KI-Lab entwickelt Anwendungen und begleitet den gesamten Prozess von der Idee bis zur Umsetzung. Kompetenzaufbau Das KI-Lab bietet Schulungen zu Daten und KI an. Auf Anfrage werden spezifische Formate entwickelt. Quelle: Stephan Klingner / KI-Lab am UBA Das KI-Lab bietet Schulungen zu Daten und KI an. Auf Anfrage werden spezifische Formate entwickelt. Vernetzung und Kollaboration Das KI-Lab ist zentraler Akteur für nationale und internationale Netzwerke zu KI im Umweltressort. Quelle: Stephan Klingner / KI-Lab am UBA Das KI-Lab ist zentraler Akteur für nationale und internationale Netzwerke zu KI im Umweltressort. Organisationsentwicklung Das KI-Lab strebt ein agiles Mindset mit einem interdisziplinären Team im Behördenumfeld an. Quelle: Claudius Wehner / KI-Lab am UBA Das KI-Lab strebt ein agiles Mindset mit einem interdisziplinären Team im Behördenumfeld an. Forschung Das KI-Lab nutzt Forschungsergebnisse und betreibt eigene Forschung für nachhaltige, ethische KI. Quelle: scharfsinn86 für Adobestock Das KI-Lab nutzt Forschungsergebnisse und betreibt eigene Forschung für nachhaltige, ethische KI. IT-Infrastruktur Das KI-Lab baut eine IT-Infrastruktur für Entwicklung von KI-Anwendungen im Behördenkontext auf. Quelle: Stephan Klingner / KI-Lab am UBA Das KI-Lab baut eine IT-Infrastruktur für Entwicklung von KI-Anwendungen im Behördenkontext auf. Der Weg zu den Anwendungen (Use Cases) Um Ideen und Bedarfe für KI- und datenbasierte Anwendungen in den Fachabteilungen zu identifizieren, für eine Bearbeitung durch das KI-Lab aufzubereiten und für eine Prototypisierung zu priorisieren, wurde der behördenübergreifende Prozess der sogenannten Use Case Discovery entworfen. Als zyklischer Ablauf strukturiert die Use Case Discovery die Zusammenarbeit des KI-Labs und der Fachseite der Behörden im Umweltressort. Sie gewährleistet eine effiziente Ressourcennutzung im KI-Lab und stellt Transparenz sowie Vergleichbarkeit zwischen den unterschiedlichen Anwendungsfällen her. Aktuelle Use Cases Das Internet durchsuchen – für die Bewahrung der Artenvielfalt Dieser Use Case setzt ein KI-gestütztes Analysetool um, welches das Auffinden potentiell illegaler Verkaufsanzeigen geschützter Tierarten auf gängigen Onlinehandelsplattformen erleichtert, indem Angebote erfasst sowie nach bestimmten Kriterien gefiltert und analysiert werden. Quelle: Foto von David Courbit (https://unsplash.com/de/@jetlag) auf Unsplash Dieser Use Case setzt ein KI-gestütztes Analysetool um, welches das Auffinden potentiell illegaler Verkaufsanzeigen geschützter Tierarten auf gängigen Onlinehandelsplattformen erleichtert, indem Angebote erfasst sowie nach bestimmten Kriterien gefiltert und analysiert werden. Objekterkennung automatisieren – für eine erfolgreiche Energiewende Dieser Use Case ermöglicht die automatische Detektion und geographische Verortung von Windenergie- und Freiflächen-PV-Anlagen im Bundesgebiet mithilfe von Satellitenbildern. Weiterhin sollen automatisiert Informationen zu Anlagenparametern abgeschätzt werden. Quelle: Stephan Klingner / KI-Lab am UBA Dieser Use Case ermöglicht die automatische Detektion und geographische Verortung von Windenergie- und Freiflächen-PV-Anlagen im Bundesgebiet mithilfe von Satellitenbildern. Weiterhin sollen automatisiert Informationen zu Anlagenparametern abgeschätzt werden. Gammaspektren analysieren – für den Schutz vor Radioaktivität Dieser Use Case unterstützt die Datenauswertung zur nuklearen Gefahrenabwehr. Radioaktive Stoffe emittieren Gammastrahlung, die in Spektren erfasst werden kann. Diese werden durch KI entrauscht und Elementen zugeordnet, was den Prozess schneller und zuverlässiger macht. Quelle: KI-Lab / Umweltbundesamt Dieser Use Case unterstützt die Datenauswertung zur nuklearen Gefahrenabwehr. Radioaktive Stoffe emittieren Gammastrahlung, die in Spektren erfasst werden kann. Diese werden durch KI entrauscht und Elementen zugeordnet, was den Prozess schneller und zuverlässiger macht. Bürger*innen-Kommunikation gestalten – für einen leistungsfähigen Staat Das KI-Lab berät und unterstützt in diesem Use Case bei der Einrichtung eines verantwortungsvollen Chatbots für die Krisenkommunikation in radiologischen Bedrohungslagen. Dieser soll sichere und informative Antworten auf Bürger*innen-Fragen liefern, die Hotline entlasten und bei Bedarf auf menschliche Ansprechpartner*innen verweisen. Quelle: KI-Lab / Umweltbundesamt Das KI-Lab berät und unterstützt in diesem Use Case bei der Einrichtung eines verantwortungsvollen Chatbots für die Krisenkommunikation in radiologischen Bedrohungslagen. Dieser soll sichere und informative Antworten auf Bürger*innen-Fragen liefern, die Hotline entlasten und bei Bedarf auf menschliche Ansprechpartner*innen verweisen. Interdisziplinäre Zusammenarbeit Die Use Cases erfordern eine enge Zusammenarbeit und einen intensiven Austausch zwischen dem KI-Lab und den Fachabteilungen der verschiedenen Behörden. Der Erfolg eines Projekts hängt von beiden Beteiligten gleichermaßen ab. Die Fachseite profitiert vielfältig von dieser Zusammenarbeit, z.B. durch Kompetenzvermittlung, die Begleitung von Ausschreibungen oder die Umsetzung von Software. Der geschaffene Mehrwert lässt sich demnach am besten über die Wahrnehmung auf der Fachseite illustrieren. „ Mit geballter interdisziplinärer Expertise hilft uns das KI-Lab, ein lange erhofftes Projekt endlich in die Tat umzusetzen. “ Wissenschaftliche Referentin, Bundesamt für Strahlenschutz „ Das KI-Lab erarbeitet Skripte, mit Hilfe derer ich die statistischen Zusammenhänge zwischen Luftschadstoffen und meteorologischen Variablen besser untersuchen kann. Weil es zwischen der Quelle eines Luftschadstoffs und dem Einwirken auf die Menschen eine Vielzahl verschiedenster Umwandlungs- und Transportprozesse gibt, bin ich sehr froh über die methodische Unterstützung und Beratung. “ Technische Angestellte, Umweltbundesamt „ Die wertvollen Anregungen und Erfahrungen aus den kooperativen Workshops des Labors unterstützen bereits jetzt aktiv unsere internen Projektentwicklungsprozesse, auch über unsere gemeinsamen Use-Cases hinaus. Wir freuen uns auf die bevorstehenden ersten Prototypen und die weitere Zusammenarbeit. “ Fachgebietsleiter, Bundesamt für Naturschutz „ Signifikante Zeitersparnis! Für das ⁠ BfN ⁠ relevante KI-Entwicklungen können auf kurzem Wege prototypisch entwickelt und auf ihre Nutzbarkeit hin getestet werden. Aufwendige Forschungsprojekte mit langen Laufzeiten und Anbahnungsphasen können so im KI-Umfeld reduziert werden. “ Digitalstratege, Bundesamt für Naturschutz Responsible AI Das KI-Lab hat sich einer verantwortungsbewussten, wertebasierten Softwareentwicklung verschrieben, die Mensch und Umwelt sowie mögliche Implikationen und Wechselwirkungen berücksichtigt. So werden neben der technologischen Machbarkeit auch potentielle Auswirkungen eines Entwicklungsvorhabens auf sozio-ökologische Aspekte betrachtet. Alle Anwendungsfälle werden in dieser Hinsicht analysiert, mit dem Verständnis von Ethik als Prozess und nicht als Checkliste, d.h. alltagstaugliche Ethik wird in der täglichen Arbeit mitgedacht. Das KI-Lab legt besonderen Wert auf den verantwortungsvollen Umgang mit Daten und entwickelt Lösungen zur ressourcenschonenden Nutzung von KI und Big Data (Responsible & Green AI). Dabei stehen verschiedene Aspekte nachhaltiger Software im Raum: Vom möglichst energieeffizienten Einsatz der Hardware, über passgenaue und ethische Auswahl der Daten und Algorithmen, einer Verbesserung der Energieeffizienz bestehender KI-Modelle, bis zur Verwertbarkeit durch Dritte im Rahmen von Open Source. Politischer Rahmen Das KI-Lab ist eine Initiative im Rahmen der Umweltpolitischen Digitalagenda des BMUV und Teil des BMUV 5-Punkte-Programms „Künstliche Intelligenz für Umwelt und Klima“ . Hierfür stehen aus Mitteln des Konjunktur- und Zukunftspaketes der Bundesregierung (2021) 26,4 Millionen Euro zur Verfügung. Es werden rund 30 Mitarbeitende, zunächst befristet bis 2025, an den Standorten Leipzig, Berlin und Dessau-Roßlau beschäftigt. Zu dem interdisziplinären Team gehören u.a. Expert*innen aus den Bereichen Projektmanagement, Data Science, Data Engineering, High Performance Computing, KI-Ethik, Remote Sensing, User Experience und Interface Design. Das KI-Lab ist als Maßnahme in der Fortschreibung der KI-Strategie 2020 , der Datenstrategie der Bundesregierung 2021 und als Meilenstein im Deutschen Aufbau- und Resilienzplan (DARP) verankert.

UV -Messnetz: Ergebnisse der Langzeitmessreihe in Dortmund und Uccle (Belgien)

UV -Messnetz: Ergebnisse der Langzeitmessreihe in Dortmund und Uccle (Belgien) Anfang 10.04.2025 10:30 Uhr Ende 10.04.2025 11:30 Uhr In einer umfangreichen Studie wurden präzise Messdaten in erdbodennähe der solarer UV -Strahlung und weiterer Parameter aus 26 Jahren in Dortmund und Uccle (Belgien) analysiert. In dem Online-Vortrag am 10. April 2025 präsentieren Dr. Sebastian Lorenz und Dr. Felix Heinzl vom Bundesamt für Strahlenschutz ( BfS ) die Ergebnisse und beantworten Fragen. Bei Interesse an diesem Vortrag bitten wir um eine E-Mail-Anfrage an kolloquium@bfs.de . Der Link zum Vortrag wird Ihnen dann per E-Mail mitgeteilt. Sie möchten über anstehende Vorträge im BfS -Kolloquium informiert werden und wünschen die Aufnahme in unseren E-Mail Verteiler? Dann schreiben Sie bitte eine E-Mail (mit der Angabe Ihrer Kontaktdaten) an kolloquium@bfs.de . Sie erhalten anschließend eine Bestätigungs-E-Mail von uns. Sonnenbrandwirksame UV-Tagesdosis im Jahresmittel für Dortmund von 1997 bis 2022 Übermäßige UV -Bestrahlung erhöht das Risiko für akute und spätere Erkrankungen an Haut und Augen. Präzise Messungen der solaren UV -Strahlung am Erdboden liefern wichtige Erkenntnisse über deren Intensität und Zusammensetzung, sowie kurz- und langfristige Veränderungen. In einer umfangreichen Studie wurden über eine Million UV -Datensätze aus 26 Jahren in Dortmund und Uccle (Belgien) aufbereitet und analysiert. Zusätzlich zu UV -Spektren wurden Daten zur Globalstrahlung, Sonnenscheindauer und Satellitendaten des täglichen Ozongehalts betrachtet, um Einflussfaktoren auf die UV -Strahlung zu untersuchen. Daten- und Trendanalyse Die Ergebnisse verdeutlichen nicht nur den Einfluss des saisonalen Ozonverlaufs oder von Niedrigozon-Ereignissen auf die UV -Strahlung, sondern auch den der Bewölkung. Der Vergleich der Daten aus Dortmund und Uccle liefert wichtige Erkenntnisse zur regionalen Übertragbarkeit der lokalen Daten. Eine neuartige Trendanalyse berücksichtigt Autokorrelation und Varianzheterogenität von UV -Monatsmitteln. Eine spezielle Imputationsmethode verhindert, dass Datenlücken die Ergebnisse verfälschen. Die Ergebnisse der Trendanalyse zeigen einen signifikanten Anstieg der monatlichen UV -Strahlung von 1997 bis 2022. Der Anstieg lässt sich in der Gesamtschau aller Trendergebnisse und Einflussparameter auf eine veränderte Bewölkung zurückführen. Bedeutung Diese Erkenntnisse sind essenziell für Strahlenschutzkonzepte und präventive Strategien zur Minimierung der Gesundheitsrisiken im Kontext des Klimawandels. In dem Online-Vortrag am 10. April 2025 präsentieren Dr. Sebastian Lorenz und Dr. Felix Heinzl vom Bundesamt für Strahlenschutz ( BfS ) die Ergebnisse und beantworten Fragen wie: Was sagen uns die Daten? Warum diese Stationen? Wie gingen wir mit Datenlücken um und warum entwickelten wir ein Trendmodell weiter? Wie lässt sich der signifikante Anstieg erklären und sehen ihn andere auch? Wie steht es um die Übertragbarkeit der Ergebnisse? Adresse Bundesamt für Strahlenschutz Dienststelle München (Neuherberg) Ingolstädter Landstraße 1 85764 Oberschleißheim Deutschland Kontakt Bundesamt für Strahlenschutz Kolloquium E-Mail kolloquium@bfs.de Stand: 27.03.2025

Was ist der UV -Index?

Was ist der UV -Index? Der UV -Index beschreibt den am Boden erwarteten Tagesspitzenwert der sonnenbrandwirksamen UV - Strahlung . Je höher der UV -Index ist, desto schneller kann bei ungeschützter Haut ein Sonnenbrand auftreten. Der UV -Index ist eine Orientierungshilfe zur Beantwortung der Frage, welche Sonnenschutzmaßnahmen wann ergriffen werden sollten. Der UV-Index Der UV -Index beschreibt den am Boden erwarteten Tagesspitzenwert der sonnenbrandwirksamen UV -Bestrahlungsstärke. Ähnlich wie die Richterskala bei Erdbeben ist der UV -Index als nach oben offene Skala zu verstehen, die Richtwerte für die UV -Bestrahlungsstärke angibt. Je höher der UV -Index ist, desto höher ist die UV -Bestrahlungsstärke, desto schneller kann bei ungeschützter Haut ein Sonnenbrand auftreten. Der UV -Index wurde von der WHO definiert und ist weltweit einheitlich. Daher bedeutet zum Beispiel ein UV -Index von 7 in Deutschland genau dasselbe wie der gleiche Wert in Kenia oder Kanada. Einflussfaktoren Der UV -Index hängt vor allem vom Sonnenstand ab; er ändert sich daher am stärksten mit der Jahreszeit, der Tageszeit und der geografischen Breite. Die Gesamtozonkonzentration in der Atmosphäre, die Bewölkung und die Höhenlage eines Ortes spielen ebenfalls eine Rolle. Leichte Bewölkung verringert den UV -Index kaum. Dagegen kann er sich bei besonderen Bewölkungssituationen durch zusätzliche Streustrahlung gegenüber dem UV -Index bei klarem Himmel sogar kurzfristig erhöhen. In Deutschland werden im Sommer Werte von 8 bis 9, in den Hochlagen der süddeutschen Gebirgsregionen sogar bis 11 erreicht. Am Äquator können Werte von 12 und höher auftreten. Der UV -Index: Orientierungshilfe für Sonnenschutzmaßnahmen Die UV -Index-Skala ist in verschiedene Bereiche unterteilt, für die unterschiedliche Schutzempfehlungen gelten. Der UV -Index ist somit nicht nur ein Maß für die zu erwartende UV -Belastung. Er dient darüber hinaus als Orientierungshilfe für Empfehlungen, welche Sonnenschutzmaßnahmen ergriffen werden sollten. UV -Index und empfohlene Schutzmaßnahmen UV -Index Belastung Schutzmaßnahmen 1 - 2 niedrig Normalerweise keine Schutzmaßnahmen erforderlich.* 3 - 5 mittel Schutz erforderlich: während der Mittagsstunden Schatten aufsuchen entsprechende Kleidung, Hut und Sonnenbrille tragen für unbedeckte Haut Sonnenschutzmittel mit ausreichendem Lichtschutzfaktor verwenden. 6 - 7 hoch 8 - 10 sehr hoch Schutz absolut notwendig: In der Mittagszeit möglichst nicht draußen aufhalten! Unbedingt Schatten aufsuchen! Entsprechende Kleidung, Hut, Sonnenbrille und Sonnencreme mit ausreichendem Lichtschutzfaktor sind dringend nötig. 11 und höher extrem * Im Sommer kann an bewölkten Tagen ein UV-Index 2 über mehrere Stunden bestehen. Dann sind bei langen Aufenthalten im Freien Sonnenbrände nicht ausgeschlossen und Sonnenschutzmaßnahmen sollten angewendet werden. Achtung: Schnee, Wasser und helle Oberflächen wie helle, blendende Hausfassaden, Asphalt oder helle Sandflächen reflektieren UV-Strahlung und verstärken sie dadurch. Die UV-Belastung kann dann höher als der angegebene UV-Index sein. In solchen Situationen ist ein ausreichender Sonnenschutz besonders wichtig. UV -Index – gemessen oder modelliert? Der UV -Index basiert entweder auf bodennah gemessenen oder auf aus Satellitendaten berechneten Werten der UV -Bestrahlungsstärke. Für Deutschland veröffentlicht das BfS Messwerte des UV-Messnetzes und UV-Index-Prognosen für 10 Prognosegebiete auf Basis der Messnetzdaten. Der Deutsche Wetterdienst ( DWD ) veröffentlicht auf Basis von Satellitendaten modellierte Prognosen des UV -Index . Der UV -Index im Tagesverlauf Der UV -Index kann auch als Tagesverlauf, also als eine über den Tag variierende Größe, dargestellt werden. In diesem Fall wird die tatsächlich gemessene, über den Tag ansteigende und fallende sonnenbrandwirksame UV -Bestrahlungsstärke in Form des UV -Index angezeigt. Die Tagesverläufe des UV -Index an den einzelnen Stationen des UV -Messnetzes werden unter UV-Index aktuell und im BfS-Geoportal veröffentlicht. Stand: 12.02.2025

Mahddetektion Grünland – Fernerkundungsatlas des Thünen-Instituts

Der Atlas bietet Rasterdaten zur Grünlandmahd in Deutschland basierend auf Satellitendaten ab 2017 und zusätzlichen Umweltdaten. Abgebildet werden beispielsweise Parameter wie die Häufigkeit der Mahdereignisse pro Jahr sowie der Zeitpunkt der ersten Mahd.

Waldschadflächen

Layer enthält Waldflächen, die in Folge der Extremwetterereignisse und nachfolgender Schädlingsbefall im Zeitraum 01.07.2018 bis 15.04.2024 abgestorben oder bereits geräumt sind. Diese Flächen müssen wieder bewaldet und von Wildverbis geschützt werden. Enthalten sind Schadflächen unabhängig von Baumart und Schadensursache (Borkenkäfer bei Fichte und Lärche, Trockenschäden bei Buche, Eschentriebsterben, Diplodia-Pilzbefall bei Kiefer, Eichen-Frassschäden u.v.a.m) Die Daten sind aus der Auswertung der Satellitenbilder der Senthinel-Mission entstanden.

1 2 3 4 5 … 133 134 135