With the introduction of mobile mapping technologies, geomonitoring has become increasingly efficient and automated. The integration of Simultaneous Localization and Mapping (SLAM) and robotics has effectively addressed the challenges posed by many mapping or monitoring technologies, such as GNSS and unmanned aerial vehicles, which fail to work in underground environments. However, the complexity of underground environments, the high cost of research in this area, and the limited availability of experimental sites have hindered the progress of relevant research in the field of SLAM-based underground geomonitoring. In response, we present SubSurfaceGeoRobo, a dataset specifically focused on underground environments with unique characteristics of subsurface settings, such as extremely narrow passages, high humidity, standing water, reflective surfaces, uneven illumination, dusty conditions, complex geometry, and texture less areas. This aims to provide researchers with a free platform to develop, test, and train their methods, ultimately promoting the advancement of SLAM, navigation, and SLAM-based geomonitoring in underground environments. SubSurfaceGeoRobo was collected in September 2024 in the Freiberg silver mine in Germany using an unmanned ground vehicle equipped with a multi-sensor system, including radars, 3D LiDAR, depth and RGB cameras, IMU, and 2D laser scanners. Data from all sensors are stored as bag files, allowing researchers to replay the collected data and export it into the desired format according to their needs. To ensure the accuracy and usability of the dataset, as well as the effective fusion of sensors, all sensors have been jointly calibrated. The calibration methods and results are included as part of this dataset. Finally, a 3D point cloud ground truth with an accuracy of less than 2 mm, captured using a RIEGL scanner, is provided as a reference standard.
Gewinnung von analytischen Daten ueber die Schadstoffbelastung von Oberflaechengewaessern in Zusammenhang mit der Sicherung der Trinkwasserversorgung und zur Verbesserung der Wasseraufbereitungstechnologie durch Identifizierung und quantitative Bestimmung organischer Mikroverunreinigungen. Selektive quantitative Analyse von Schadstoffen, die Heteroelemente enthalten (z.B. F, Cl, Br, N, P, S) durch spezifische Detektoren (Mikrowellenplasmadetektor). Dadurch besteht die Moeglichkeit, gezielt spezielle Substanzklassen von hygienischer und toxikologischer Bedeutung zu analysieren.
Im Rahmen des Forschungsprojekts "Klimaerlebnis Würzburg" am Zentrum Stadtnatur und Klimaanpassung (ZSK) wurden im Jahr 2018 acht Messstationen in Würzburg und Gerbrunn eingerichtet. Diese zeichnen seitdem an jedem Standort das Wetter und/oder die Leistungen der dortigen Bäume auf. Das Forschungsprojekt endete im Jahr 2022. Die Messstationen, durch orangefarbene Baumfässer erkennbar, werden seitdem aber weitergeführt.Das Projekt sollte aufzeigen,inwieweit sich das Klima und die Leistung der Bäume an verschiedenen Standorten in der Stadt unterscheiden undinwieweit sich Stadtbäume und Klima an einem Standort gegenseitig beeinflussen.Die bis heute weiter aufgezeichneten Messergebnisse sollen verdeutlichen, wie mit Hilfe von Bäumen und ihrer Ökosystemdienstleistungen die nachhaltige Stadt der Zukunft an die Folgen des Klimawandels angepasst werden kann. Zudem kann die Öffentlichkeit mit diesen Datenreihen für das Thema Stadtklima und Stadtgrün sensibilisiert werden. Um dies voranzutreiben, werden davon ausgewählte Datenspalten seit November 2024, unbereinigt und zu stündlichen Daten automatisiert zusammengefasst, hier auf dem Open Data Portal Würzburg veröffentlicht.An der Station am Ludwigkai sind mehrere Linden der Art Tilia mit Sensoren versehen. Die Daten eines dieser Bäume stehen in diesem Datensatz in der oben beschriebenen, verarbeiteten Form zur Verfügung.Allgemeines zu den Standorten wie der grobe Messaufbau, Hinweise zur Datennutzung und Verlinkungen zu weiterführenden Papern finden Sie im Folgenden.Messaufbau des Baumlabors und der WetterstationMithilfe des Saftflusssensors (1) kann der Wasserverbrauch des Baums bestimmt werden. Davon lässt sich die Kühlleistung durch Verdunstung ableiten und der Trockenstress abschätzen. Im Kronenraum wird die Temperatur für den Vergleich mit der Klimastation gemessen (2), um die Abkühlwirkung des Baumes zu bestimmen. Das Dendrometer (3) misst das Dickenwachstum des Stammes. Dadurch kann man berechnen, wieviel der gesamte Baum an Biomasse zunimmt und an CO2speichert. Der Bodenfeuchtesensor (4) misst den Wassergehalt im Wurzelraum. Damit kann auf die Wasserversorgung des Baumes geschlossen werden.Der Temperatur- und Feuchtesensor (6) misst die Lufttemperatur und die relative Luftfeuchtigkeit. Der Windsensor (7) erfasst Windrichtung und Windgeschwindigkeit. Mit diesen beiden Messgrößen kann der Frischlufteintrag, aber auch die Anströmungsrichtung festgestellt werden. Der Strahlungssensor (8) misst, wieviel Energie die Sonne am Erdboden freisetzt. Mit diesem Wert lässt sich feststellen, wie stark sich Flächen aufheizen. Ebenso lässt sich hiermit die photosynthetische Leistung des Baumes bestimmen. Aus Temperatur, Luftfeuchte, Windgeschwindigkeit und Solarstrahlung lässt sich die gefühlte Temperatur berechnen. Der Niederschlagssensor (9) erfasst Regen und Schnee.In den Datenloggern (10) werden die Messwerte gesammelt, gespeichert und alle 10 Minuten online versendet, um sie auf dem Smart City Hub Würzburg zu speichern und hier auf dem Open Data Portal stündlich aggregiert darzustellen. Bei einigen der Wetterstationen ist zudem ein Luftdruck-Barometer verbaut.Hinweis:Bei den zur Verfügung gestellten Daten handelt es sich um eine automatisiert abgeänderte Version der Rohdaten der einzelnen Stationen. Eine Qualitätskontrolle durch den Plattformbetreiber findet vorab nicht statt. Es ist daher punktuell mit Messfehlern und Messlücken zu rechnen. Für die Korrektheit der Daten wird keine Haftung übernommen. Quellenangabe:Quelle im Rohdatenformat: [Bis 13.11.2024 13 Uhr](https://opendata.smartandpublic.eu/datasets/a879dea4-b157-4cac-9144-ce3d3e65e862?locale=en), [ab 13.11.2024 14 Uhr](https://opendata.smartandpublic.eu/datasets/338fe900-beac-4406-bdb8-b32c0e058cdb?locale=en)Autor(en): Projekt Klimaerlebnis Würzburg (2018-2022), Stadt Würzburg (2023-jetzt)Hinweis: Es gelten keine zusätzlichen Bedingungen.Für weiterführende Informationen, lesen Sie die aus dem Projekt "Klimaerlebnis Würzburg" hervorgegangenen Paper:Hartmann, Christian, et al. "The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020; The footprint of heat waves and dry spells in the urban climate of Würzburg, Germany, deduced from a continuous measurement campaign during the anomalously warm years 2018–2020." Meteorologische Zeitschrift 32.1 (2023): 49-65.Rahman, M.A., Franceschi, E., Pattnaik, N. et al. Spatial and temporal changes of outdoor thermal stress: influence of urban land cover types. Sci Rep 12, 671 (2022). [https://doi.org/10.1038/s41598-021-04669-8](https://doi.org/10.1038/s41598-021-04669-8)Rahman, Mohammad A., et al. "Tree cooling effects and human thermal comfort under contrasting species and sites." Agricultural and Forest Meteorology 287 (2020): 107947.Rötzer, T., et al. "Urban tree growth and ecosystem services under extreme drought." Agricultural and Forest Meteorology 308 (2021): 108532.Bildquelle und mehr Informationen zu den Messstationen: [Webarchiv: Klimaerlebnis Würzburg](https://webarchiv.it.ls.tum.de/klimaerlebnis.wzw.tum.de/das-projekt/index.html)
Stäube sind feste Teilchen der Außenluft, die nicht sofort zu Boden sinken, sondern eine gewisse Zeit in der Atmosphäre verweilen. Nach ihrer Größe werden Staubpartikel in verschiedene Klassen eingeteilt. Als Feinstaub (PM10) bezeichnet man Partikel mit einem aerodynamischen Durchmesser von weniger als 10 Mikrometer (µm). Dargestellt wird der letzte Messwert eines Sensors. Die dargestellten Messwerte wurden auf hohe und niedrige Ausreißer gefiltert. - Hohe Ausreißer sind alles jenseits des 3. Quartils + 1,5 * des Inter-Quartils-Bereichs (IQB) - Niedrige Ausreißer sind alles unterhalb des 1. Quartils - 1,5 * IQB
Conductivity-temperature-depth profiles were measured using a Seabird SBE 911plus CTD during RV HEINCKE cruise HE656. The CTD was equipped with duplicate sensors for temperature (SBE3plus), conductivity (SBE4) and oxygen (SBE43). Additional sensors such as a WET Labs C-Star transmissometer, a WET Labs ECO-AFL fluorometer and an altimeter (PSA-916 Teledyne (Benthos)) were mounted to the CTD. Temperature, conductivity and oxygen sensors are calibrated by the manufacturer once a year before being mounted in January. They are used throughout the year and no post-cruise or in-situ calibration is applied. All other sensors are calibrated irregularly. Data were connected to the station book of the specific cruise as available in the DSHIP database. Processing of the data including removal of obvious outliers followed the procedures described in CTD Processing Logbook of RV HEINCKE (hdl:10013/epic.47427). The processing report for this dataset is linked below.
Die Messwerte wurden mittels des Sensor-Modells "Plantower PMS6003" erfasst.
Allgemeine Informationen: Der Datensatz umfasst Verkehrsdaten aller Standorte in Hamburg, an denen der Kraftfahrzeugverkehr (Kfz-Verkehr) mittels Infrarotdetektoren an 24h am Tag und allen Tagen des Jahres erfasst wird. Die Daten enthalten Verkehrsstärken in Echtzeit und werden an für den Straßenquerschnitt zusammengefassten Zählstellen in 15-Minuten, 60-Minuten, Tages- und Wochen-Intervallen zur Verfügung gestellt. Die Daten der Zählstellen werden außerdem in den entsprechenden Geoportalen der FHH, z.B. in Geo-Online und dem Verkehrsportal, visualisiert. Neben den Echtzeitdaten sind auch historische Daten in folgendem Umfang verfügbar: alle Daten für die letzten zwei Wochen in 15-Minuten-Intervallen, alle Daten für die letzten zwei Monate für die 60-Minutenintervalle, alle Daten für das aktuelle und das letzte Jahr in Tagesintervallen sowie alle Daten seit Beginn der Erfassung in Wochenintervallen. Informationen zur Technik: Die Infrarotdetektoren sind in der Regel an Lichtsignalanlagen, zu einem geringen Teil aber auch an anderen Masten, installiert. Die Detektoren erfassen und zählen den Verkehr über die Wärmeabstrahlung der einzelnen Verkehrsteilnehmenden. Da ausschließlich Infrarotbilder ausgewertet werden, ist der Datenschutz zu jeder Zeit gewährleistet. Hinweise zur Datenqualität: Die Daten werden in Echtzeit an die Urban Data Platform der FHH übertragen. So sind diese zeitnah für alle Nutzenden und Interessierten verfügbar. Durch die Echtzeitkomponente sind allerdings verschiedene Rahmenbedingungen zu beachten: Die Daten sind nicht umfassend qualitätsgesichert. Ungewöhnliche Abweichungen von den zu erwartenden Daten und Datenlücken werden zwar automatisch vom System erkannt, können aber nicht in Echtzeit korrigiert werden. Lücken, die z.B. durch einen Abriss der Datenübertragung auftreten, können im Nachhinein noch nachgeliefert werden. Unter Umständen und bei längeren Ausfällen können folglich noch nach ein paar Tagen Änderungen in den historischen Daten erfolgen. Die Daten erhalten deswegen täglich eine Aktualisierung für die folgenden Zeiträume: Vortag: 15-Min-Intervalle Tag vor sechs Tagen: 15-Min-Intervalle und Tages-Intervalle Tag vor 28 Tagen: Tages-Intervalle Die Wochenwerte erhalten wöchentlich eine Aktualisierung für die Werte der Vorwoche und der Woche vor vier Wochen. Es handelt sich bei den hier veröffentlichten Daten nicht um amtlich geprüfte Daten der FHH. Werden derartige Daten benötigt, kann z.B. der Datensatz "Verkehrsstärken Hamburg" herangezogen werden, der die „Durchschnittlichen (werk)täglichen Verkehre“ in der Entwicklung der letzten Jahre enthält. Wie bei jeder Verkehrszählung, egal ob automatisiert oder manuell, gibt es gewisse Toleranzen in der Messgenauigkeit. Anspruch an das hier verwendete System sind Genauigkeiten von +/- 5% bei der Erfassung der Kfz-Verkehrsstärken. Weitere Informationen zum Echtzeitdienst: Der Echtzeitdatendienst enthält die Standorte der Zählstellen für das Kfz-Aufkommen, das mit Infrarotdetektoren erfasst wird. Die Daten werden im JSON-Format über die SensorThings API (STA) bereitgestellt . Für jede Zählstelle in der SensorThings API (STA) wurde ein Objekt in der Entität "Thing" angelegt. Für jede zeitliche Auflösungsebene bei den Zählstellen bzw. jeder verkehrlichen Bezugsgröße steht ein Objekt in der Entität "Datastreams". Die Echtzeitdaten zur Anzahl Kfz je Zählstelle und Zeitintervall wird in der STA in der Entität "Observations" veröffentlicht. Es werden folgende räumlichen und zeitlichen Ebenen differenziert: -Zählstelle 15-Min, 1-Stunde, 1-Tag, 1-Woche: Anzahl Kfz Alle Zeitangaben sind in der koordinierten Weltzeit (UTC) angegeben. In der Entität Datastreams gibt es im JSON-Objekt unter dem "key" "properties" weitere "key-value-Paare". In Anlehnung an die Service- und Layerstruktur im GIS haben wir Service und Layer als zusätzliche "key-value-Paare" unter dem JSON-Objekt properties eingeführt. Hier ein Beispiel: { "properties":{ "serviceName": "HH_STA_AutomatisierteVerkehrsmengenerfassung", "layerName": "Anzahl_Kfz_Zaehlstelle_15-Min", "key":"value"} } Verfügbare Layer im layerName sind: * Anzahl_Kfz_Zaehlstelle_15-Min * Anzahl_Kfz_Zaehlstelle_1-Stunde * Anzahl_Kfz_Zaehlstelle_1-Tag * Anzahl_Kfz_Zaehlstelle_1-Woche Mit Hilfe dieser "key-value-Paare" können dann Filter für die REST-Anfrage definiert werden, bspw. https://iot.hamburg.de/v1.1/Datastreams?$filter=properties/serviceName eq 'HH_STA_AutomatisierteVerkehrsmengenerfassung' and properties/layerName eq 'Anzahl_Kfz_Zaehlstelle_15-Min' Die Echtzeitdaten kann man auch über einen MQTT-Broker erhalten. Die dafür notwendigen IDs können über eine REST-Anfrage bezogen werden und dann für das Abonnement auf einen Datastream verwendet werden: MQTT-Broker: iot.hamburg.de Topic: v1.1/Datastream({id})/Observations
Zielsetzung: Ausgehend von einem im Vorgängerprojekt (Az. 34737/01) entwickelten Prototypen soll ein System für eine umfassende automatische akustische Erfassung von Wiesenbrütern erarbeitet und in verschiedenen Anwendungszusammenhängen (Schutzgebietsmanagement, Monitoring, gutachterliche Praxis) getestet werden. Im Zuge der Prototyp-Entwicklung konnten das Anforderungsprofil an ein automatisiertes Erfassungssystem konkretisiert und bereits erste Teile davon umgesetzt werden. Für eine zukünftige Serienproduktion sowie einen flächendeckenden Einsatz in der gutachterlichen Praxis, sind weitere Arbeitsschritte notwendig, die insbesondere die Qualität der Erfassung und die Anwenderfreundlichkeit erhöhen sollen. Durch eine Erweiterung der Erkenner- und Lokalisationsalgorithmen wird es möglich werden, alle relevanten Vertreter der Wiesenbrüter sicher nachzuweisen. Die Erkennung gleichzeitig rufender Tiere und die Ortsbestimmung von Rufen im Flug können nähere Angaben zum Brutbestand und Details zur Habitatnutzung liefern. Aufgrund des hohen Schutz- und Monitoringbedarfs für diese Artengruppe, können damit die Sensoren bereits in naher Zukunft einen wichtigen Beitrag zum Artenschutz liefern. Das Sensorsystem soll zukünftig umfassend für die Erfassung von lauterzeugenden Tierarten einsetzbar sein, die im Bereich der umweltbezogenen Planung und Forschung eine Rolle spielen. Mit Hilfe des innovativen Ansatzes zur Informationsbereitstellung für Fachbehörden, Planungsbüros, aber auch Privatpersonen, erlebt die Erfassung von Biodiversität einen digitalen Wandel. Im Projekt sollen benutzerfreundliche Benutzeroberflächen und Schnittstellen entwickelt werden, die eine unkomplizierte Integration der digitalen Erfassungsmethoden in Planungs- und Entscheidungsprozesse aus artenschutzrechtlicher Sicht ermöglichen. Aufgrund seiner Modellhaftigkeit können im Laufe des Projektes bereits die zukünftigen Verbesserungen und Erleichterungen gegenüber herkömmlichen Erfassungsmethoden im Rahmen mehrerer praxisnaher Kartierungen identifiziert werden.
| Origin | Count |
|---|---|
| Bund | 5246 |
| Global | 96 |
| Kommune | 31 |
| Land | 187 |
| Wirtschaft | 4 |
| Wissenschaft | 1671 |
| Zivilgesellschaft | 9716 |
| Type | Count |
|---|---|
| Daten und Messstellen | 11142 |
| Ereignis | 2 |
| Förderprogramm | 4914 |
| Gesetzestext | 1 |
| Hochwertiger Datensatz | 7 |
| Repositorium | 4 |
| Text | 190 |
| unbekannt | 457 |
| License | Count |
|---|---|
| geschlossen | 235 |
| offen | 16328 |
| unbekannt | 154 |
| Language | Count |
|---|---|
| Deutsch | 14490 |
| Englisch | 2642 |
| andere | 2 |
| Resource type | Count |
|---|---|
| Archiv | 379 |
| Bild | 16 |
| Datei | 8329 |
| Dokument | 100 |
| Keine | 3360 |
| Unbekannt | 3 |
| Webdienst | 25 |
| Webseite | 11909 |
| Topic | Count |
|---|---|
| Boden | 14145 |
| Lebewesen und Lebensräume | 13800 |
| Luft | 13561 |
| Mensch und Umwelt | 16640 |
| Wasser | 8625 |
| Weitere | 16717 |