API src

Found 233 results.

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.

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 CIR - Sentinel-2 CIR 2016

Sentinel-2 Falschfarbenbild (ColoredInfraRed), Kombination der Spektralkanäle B8 (rot), B4 (grün) und B3 (blau), räumliche Auflösung 10 m (2019):Dieser Layer visualisiert die Sentinel-2 Falschfarbenbilder(CIR) des Jahr 2016.

WMS SL Sentinel-2 CIR - Sentinel-2 CIR 2020

Sentinel-2 Falschfarbenbild (ColoredInfraRed), Kombination der Spektralkanäle B8 (rot), B4 (grün) und B3 (blau), räumliche Auflösung 10 m (2019):Dieser Layer visualisiert die Sentinel-2 Falschfarbenbilder(CIR) des Jahr 2020.

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.

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

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).

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.

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.

Satellitenbilder Sentinel-2 Hamburg

**Hinweis** Dieser Datensatz wird bis zur Fertigstellung der neuen Version (2026) nicht mehr aktualisiert. 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]

1 2 3 4 5 … 22 23 24