API src

Found 227 results.

Other language confidence: 0.6099245994425915

Tree Species - Sentinel-1/2 - Germany, 2022

The Tree Species Germany product provides a map of dominant tree species across Germany for the year 2022 at a spatial resolution of 10 meters. The map depicts the distribution of ten tree species groups derived from multi-temporal optical Sentinel-2 data, radar data from Sentinel-1, and a digital elevation model. The input features explicitly incorporate phenological information to capture seasonal vegetation dynamics relevant for species discrimination. A total of over 80,000 training and test samples were compiled from publicly accessible sources, including urban tree inventories, Google Earth Pro, Google Street View, and field observations. The final classification was generated using an XGBoost machine learning algorithm. The Tree Species Germany product achieves an overall F1-score of 0.89. For the dominant species pine, spruce, beech, and oak, class-wise F1-scores range from 0.76 to 0.98, while F1-scores for other widespread species such as birch, alder, larch, Douglas fir, and fir range from 0.88 to 0.96. The product provides a consistent, high-resolution, and up-to-date representation of tree species distribution across Germany. Its transferable, cost-efficient, and repeatable methodology enables reliable large-scale forest monitoring and offers a valuable basis for assessing spatial patterns and temporal changes in forest composition in the context of ongoing climatic and environmental dynamics.

Beobachtung Pflanzlicher Photosynthese mit satellitengestützten Messungen der Sonnen Induzierten Fluoreszenz (CropSIF)

Neben Maßnahmen, die die Produktivität von Agrarflächen erhöhen, werden neue objektive Methoden zur kontinuierlichen Überwachung globaler landwirtschaftlicher Ressourcen dringend benötigt. Eine besondere Rolle nimmt dabei die Photosyntheseleistung (gemessen als Bruttoprimärproduktion) der Kulturpflanzen ein, da sie die maximal mögliche Menge an Nahrung und Treibstoff darstellt, die durch landwirtschaftliche Systeme bereit gestellt werden kann. Desweiteren ist sie ein guter Indikator für Ernteerträge und Stress. In den vergangenen Jahrzehnten wurden auf Reflektivitätsdaten beruhende optische Fernerkundungsmethoden benutzt um landwirtschaftliche Ressourcen abzuschätzen. Spektral aufgelöste Reflektivitätsdaten lassen auf biochemische und strukturelle Eigenschaften der Vegetation schließen, die wiederum auf die potentielle Photosyntheseleistung hindeuten, und sie sind die Grundlage zur Bewertung des Zustands der Pflanzen und ihrer phenologischen Entwicklungsstufe in hoher räumlicher Auflösung. Basierend auf diesem Messprinzip sollen die Sentinel-2 Satelliten (2015 gestartet) die Zugpferde der operationellen Agrarüberwachung in den kommenden Jahrzehnten werden. Es ist jedoch bekannt, dass Vegetationsparameter aus der Fernerkundung, die auf spektralen Reflektanzen beruhen, nicht die komplexen und hoch variablen physiologischen Abläufe der Photosynthese erfassen können. Ergänzend zu Reflektivitätsmessungen sind seit Kurzem globale weltraumgestützte Messungen von sonneninduzierter Chlorophyllfluoreszenz (Englisch sun-induced chlorophyll fluorescence, SIF) möglich. Wie gezeigt werden konnte, besitzt SIF eine höhere Sensitivität gegenüber der Photosyntheseaktivität auf Agrarflächen als andere Parameter oder Modelle. Das Instrument TROPOMI (Tropospheric Monitoring Instrument), das ab Mitte 2017 auf dem EU Copernicus Sentinel 5-Vorläufersatelliten fliegen wird, wird die Messung von SIF in einer sehr viel höheren räumlichen und zeitlichen Auflösung als alle bisherigen Instrumente/Missionen ermöglichen. Somit stellt TROPOMI einen Meilenstein für die Einschätzung von Photosynthese im Allgemeinen, und der Produktivität von Nutzpflanzen im Besonderen, dar. Die Kombination von TROPOMI und Sentinel-2 Daten wird eine auf Beobachtungen basierende, globale Beobachtung der Photosyntheseaktivität auf Agrar-, Gras- und Weideflächen mit einer bisher nie dagewesenen räumlichen und zeitlichen Auflösung und Genauigkeit erlauben. Das Projekt CropSIF wird Nutzen aus den besonderen Möglichkeiten ziehen, die diese Konstellation von Instrumenten in naher Zukunft bieten wird, um die Produktivität von Agrarpflanzen und klimatischer Einflüsse darauf abzuschätzen. Wir werden zeitlich aufgelöste Karten der Bruttoprimärproduktion der Nutzpflanzen erstellen, die dann der Analyse von Effekten extremer Klimaereignisse auf die Produktivität in verschiedenen Agrargebieten der Erde dienen werden.

SWIM Water Extent - Sentinel-1/2 - Daily

SWIM Water Extent is a global surface water product at 10 m pixel spacing based on Sentinel-1/2 data. The collection contains binary layers indicating open surface water for each Sentinel-1/2 scene. Clouds and cloud shadows are removed using ukis-csmask (see: https://github.com/dlr-eoc/ukis-csmask ) and are represented as NoData. The water extent extraction is based on convolutional neural networks (CNN). For further information, please see the following publications: https://doi.org/10.1016/j.rse.2019.05.022 and https://doi.org/10.3390/rs11192330

Tree Species - Sentinel-2 - Germany, 2016

The Tree Species Germany product provides a map of dominant tree species across Germany for the year 2016 at a spatial resolution of 10 meters. The map depicts the distribution of ten tree species groups derived from multi-temporal optical Sentinel-2 data. The input features explicitly incorporate phenological information to capture seasonal vegetation dynamics relevant for species discrimination. A total of over 100,000 training and test samples were compiled from publicly accessible sources, including urban tree inventories, Google Earth Pro, Google Street View, and field observations. The final product was created by majority-voting on annual XGBoost Sentinel-2 tree species classifications (2016–2024) and filtering with forest structure data. If no clear majority vote was achieved, the class uncertain was assigned. The Tree Species Germany 2016 product achieves an overall F1-score of 0.95. For the dominant species pine, spruce, beech, and oak, class-wise F1-scores range from 0.92 to 0.99, while F1-scores for other widespread species such as birch, alder, larch, Douglas fir, fir, and other deciduous species range from 0.85 to 0.96. The product provides a consistent, high-resolution, and up-to-date representation of tree species distribution across Germany. Its transferable, cost-efficient, and repeatable methodology enables reliable large-scale forest monitoring and offers a valuable basis for assessing spatial patterns and temporal changes in forest composition in the context of ongoing climatic and environmental dynamics.

Forest Canopy Cover Loss (FCCL) - Germany - Monthly, Administrative Level

This vector dataset is based on a 10 m resolution raster dataset that shows forest canopy cover loss (FCCL) in Germany at a monthly resolution from September 2017 to September 2024. Results at pixel level were aggregated at municipality, district, and federal state level. For the results at administrative level we differentiate between deciduous and coniferous forests. We use the stocked area map 2018 (Langner et al. 2022, https://doi.org/10.3220/DATA20221205151218 ) as a reference forest mask. We differentiate between deciduous and coniferous forests by intersecting the stocked area map with a tree species map (Blickensdoerfer et al. 2024). Pixels of the classes birch, beech, oak, alder, deciduous trees with long lifespan and deciduous trees with short lifespan were classified as deciduous forest and pixels of the classes Douglas fir, spruce, pine, larch and fir as coniferous forest. The coverage of the two datasets is not identical, which is why a few areas of the forest reference map remained unclassified. These were filled with the dominant leaf type map of the Copernicus Land Monitoring Service (CLMS 2025). Therefore, the vector data at administrative level contains information about unclassified forest areas and the total forest area as the sum of deciduous, coniferous, and unclassified forests. The FCCL confidence at pixel level is lowest at the end of the time series because the number of repeated threshold exceedance is used as a criterion to record forest canopy cover losses. Therefore, we excluded July 2024 through September 2024 from the annual and overall statistics and summarized the respective FCCL as additional attribute. The dataset is a fully reprocessed continuation of the assessment in Thonfeld et al. (2022).

Dynamisches Mosaik aus Sentinel-2 Daten NW

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.

WMS SL Sentinel-2 TCI - Sentinel-2 TCI 2024

Sentinel-2 Echtfarbenbild (TCI), Kombination der Spektralkanäle B4 (rot), B3 (grün) und B2 (blau), räumliche Auflösung 10 m (2019):Dieser Layer visualisiert das Sentinel-2 Echtfarbenbild (TCI) des Jahr 2024.

WMS SL Sentinel-2 TCI - Sentinel-2 TCI 2025

Sentinel-2 Echtfarbenbild (TCI), Kombination der Spektralkanäle B4 (rot), B3 (grün) und B2 (blau), räumliche Auflösung 10 m (2019):Dieser Layer visualisiert das Sentinel-2 Echtfarbenbild (TCI) des Jahr 2025.

WMS SL Sentinel-2 TCI - Sentinel-2 TCI 2022

Sentinel-2 Echtfarbenbild (TCI), Kombination der Spektralkanäle B4 (rot), B3 (grün) und B2 (blau), räumliche Auflösung 10 m (2019):Dieser Layer visualisiert das Sentinel-2 Echtfarbenbild (TCI) des Jahr 2022.

WMS SL Sentinel-2 TCI - Sentinel-2 TCI 2017

Sentinel-2 Echtfarbenbild (TCI), Kombination der Spektralkanäle B4 (rot), B3 (grün) und B2 (blau), räumliche Auflösung 10 m (2019):Dieser Layer visualisiert das Sentinel-2 Echtfarbenbild (TCI) des Jahr 2017.

1 2 3 4 5 … 21 22 23