API src

Found 2904 results.

Similar terms

s/tras/Gras/gi

Verkehrsdaten Rad (Infrarotdetektoren) Hamburg

Allgemeine Informationen: Der Datensatz umfasst Verkehrsdaten aller Standorte in Hamburg, an denen der Radverkehr mittels Infrarotdetektoren an 24h am Tag und allen Tagen des Jahres erfasst wird. Der Datensatz enthält sowohl die Verkehrsstärken einzelner Zählfelder als auch aus mehreren Zählfeldern aggregierte Zählstellen in Echtzeit. Der schematische Aufbau der Datenerfassung und Datenaggregation ist in einem separaten Dokument beschrieben, welches in den Verweisen zu finden ist. Die Daten der Zählfelder werden in 5-Minuten-Intervallen bereitgestellt. Die Daten der Zählstellen liegen aggregiert in 5-Minuten, 15- und 60-Minuten-Intervallen sowie in Tages- und Wochenwerten vor. Die Daten der Zählstellen werden außerdem in den entsprechenden Geoportalen der FHH, z.B. in Geo-Online und dem Verkehrsportal, visualisiert. Die Daten der Zählfelder sowie die Daten der 5-Minuten-Aggregate der Zählstellen werden nicht visualisiert. Neben den Echtzeitdaten sind auch historische Daten in folgendem Umfang verfügbar: Zählfelder: Die Daten der 5-Minuten-Intervalle für die letzten 8 Wochen Zählstellen: alle Daten für die letzten sieben Tage in 5-Minten-Intervallen, 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 Beleuchtungsmasten, zum 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: Es handelt sich bei den hier veröffentlichten Daten nicht um amtlich geprüfte Daten der FHH. Wie bei jeder Verkehrszählung, egal ob automatisiert oder manuell, gibt es gewisse Toleranzen in der Messgenauigkeit. Anspruch an das hier verwendete System sind Genauigkeiten für die Zählfelder von +/- 10% bei der Erfassung des Radverkehrs auf Gehwegen, Radwegen und Radverkehrsstreifen sowie +/-20% bei der Erfassung des Radverkehrs im Mischverkehr mit Kraftfahrzeugen. Da Zählstellen aus einer Kombination verschiedener Zählfelder gebildet werden, kann die Abweichung bis zu +/-20% betragen. Weitere Informationen zum Echtzeitdienst: Der Echtzeitdatendienst enthält die aktiven Standorte der Zählfelder und Zählstellen über die mittels Infrarotdetektoren das aktuelle Fahrradaufkommen am Standort ermittelt wird. Die Daten werden im JSON-Format über die SensorThings API (STA) bereitgestellt . Für jedes Zählfeld und jede Zählstelle in der SensorThings API (STA) steht ein Objekt in der Entität "Thing". Für jede zeitliche (jeweiliges Zeitintervall) und räumliche Auflösungsebene (Zählfelder/Zählstellen) steht ein Objekt in der Entität "Datastreams". Die Echtzeitdaten zur Anzahl Fahrräder je Zeitintervall und Raumeinheit wird in der STA in der Entität "Observations" veröffentlicht. -Zählfeld 5-Min -Zählstelle 5-Min, 15-Min, 1-Stunde, 1-Tag, 1-Woche: Anzahl Fahrräder 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_Verkehrsdaten_Rad_Infrarotdetektoren", "layerName": "Anzahl_Fahrraeder_Zaehlfeld_5-Min", "key":"value"} } Verfügbare Layer im layerName sind: * Anzahl_Fahrraeder_Zaehlfeld_5-Min *Anzahl_Fahrraeder_Zaehlstelle_5-Min * Anzahl_Fahrraeder_Zaehlstelle_15-Min * Anzahl_Fahrraeder_Zaehlstelle_1-Stunde * Anzahl_Fahrraeder_Zaehlstelle_1-Tag * Anzahl_Fahrraeder_Zaehlstelle_1-Woche Mit Hilfe dieser "key-value-Paare" können dann Filter für die REST-Anfrage definiert werden, bspw. https://iot.hamburg.de/v1.0/Datastreams?$filter=properties/serviceName eq 'HH_STA_Verkehrsdaten_Rad_Infrarotdetektoren' and properties/layerName eq 'Anzahl_Fahrraeder_Zaehlfeld_5-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: v1.0/Datastream({id})/Observations

Tägliche Raster der mittleren Bodenfeuchte unter Gras für Deutschland

Die täglichen Raster der Bodenfeuchte werden für 10 cm Schichten bis zu einer Tiefe von 2 Meter und für vordefiniert Schichtdicken von 0-30, 0-60 und 0-90 cm für drei unterschiedliche landwirtschaftliche Kulturarten mit dem Modell AMBAV 2.0 V1.5 berechnet. Die für die Berechnung nötigen meteorologischen Eingabefelder müssen in stündlicher Auflösung vorliegen und werden von interpolierten Wetterstationsdaten abgeleitet. Des Weiteren wird das Modell mit Bodeninformationen aus den Bodenleitprofilen der nutzungsdifferenzierten Bodenübersichtskarte (BÜK 1000 N) der Bundesanstalt für Geowissenschaften und Rohstoffe (BGR) parametrisiert. Bei gleicher Bodenart unterscheiden sich die Böden je nach Nutzung. Es wird zwischen Wald-, Grünland- und Ackerbaunutzung unterschieden. Außerdem ist die Gründigkeit der Böden, sowie der Skelettanteil (Grobboden > 2 mm) in den verschiedenen Bodenschichten berücksichtigt. Die Daten haben eine räumliche Auflösung von 1 x 1 km und decken ganz Deutschland ab. Daten außerhalb von Deutschland oder in Siedlungsgebieten mit versiegelten Flächen haben eine Fehlkennung -9999. Alle Angaben zum Raster sind in den Metadaten des netcdf Files hinterlegt.

Schwerpunktprogramm (SPP) 1374: Biodiversitäts-Exploratorien; Exploratories for Long-Term and Large-Scale Biodiversity Research (Biodiversity Exploratories), Teilprojekt: EXClAvE - Landnutzungseffekte auf Pflanzen- und Bakteriengemeinschaften in einem experimentellen 'common garden' Ansatz

In der nächsten Phase der Biodiversitäts Exploratorien sollen Experimente dabei helfen die Effekte verschiedener Landnutzungskomponenten auf Ökosysteme zu ermitteln. 'Common garden' Experimente werden genutzt, um die Umweltheterogenität zu minimieren, die ansonsten interessante Effekte verschleiert. Wir planen Grasnarben, die von n = 42 Plots der Biodiversitäts Exploratorien entnommen werden, in einem 'common garden' auszubringen wo die Intensität der Mahd und der Düngung manipuliert werden soll. In den nächsten drei bis 15 Jahren werden die Veränderungen in den Pflanzen- und Bakteriengemeinschaften auf den Grasnarben verfolgt. Hierfür wird die Zusammensetzung und Diversität der Pflanzen und Bakterien (next-generation 16S rRNA gene amplicon sequencing) ermittelt. Zusätzlich werden noch 3D-Modelle der Pflanzengemeinschaften, die durch multispektrale Information ergänzt werden, erstellt (PlantEye F500, Phenospex, Heerlen, The Netherlands). Diese Modelle erlauben die Errechnung von Parametern, die ganze Pflanzengemeinschaften charakterisieren. Änderungen in den Pflanzen- und Bakteriengemeinschaften werden mit der Landnutzung der Plots in den vergangenen Jahren ins Verhältnis gesetzt. Wir erwarten, dass Gemeinschaften, die aus verschiedenen Plots stammen, aber die gleiche Landnutzung erfahren in Ihrer Zusammensetzung und Diversität konvergieren; Gemeinschaften aus den gleichen Plots, die aber unterschiedliche Landnutzung erfahren, sollten divergieren. Das Projekt nutzt das Vorwissen zu den einzelnen Plots in Bezug auf Landnutzung und Artenzusammensetzung, liefert neuartige Daten für die Biodiversitäts Exploratorien, und stellt einen unabhängigen und neuartigen Beitrag zu der Frage, wie Landnutzug Ökosysteme beeinflusst, dar.

hvv switch Punkte Hamburg

Der Datensatz enthält die Standorte aller geplanten und in Betrieb befindlichen hvv switch Punkte in Hamburg. hvv switch Punkte verbinden das klassische Angebot des ÖPNV mit alternativen Mobilitätsangeboten, wie Carsharing, Scooter und Leihräder. Details sind auch auf der Internetseite https://www.hvv-switch.de/de/hvv-switch-punkte/ des HVV zu finden. Der Datensatz enthält die folgenden Attribute: Bezeichnung, Adresse, Einrichtungszeitraum, Status (in Betrieb ja/nein), Anzahl der vorhandenen Stellplätze, Anzahl der vorhandenen Ladesäulen/Ladepunkte, Verfügbarkeit verschiedener Anbieter (Freefloating: MILES, SIXT share, Free2move, jeweils ja/nein, Stationsbasiert: Cambio und Dorfstromer, jeweils Anzahl Fahrzeuge oder 0/nein). Der Datensatz wird der Behörde für Verkehr und Mobilitätswende durch die Hochbahn für die Veröffentlichung zur Verfügung gestellt. Hinsichtlich der Aktualität (z.B. des Status) ist ein Versatz von mehreren Wochen möglich.

Ladebedarf Elektromobilität Schwerlastverkehr Hamburg

Der Datensatz stellt die im Rahmen des Hamburger „Ladeinfrastrukturkonzepts für schwere Nutzfahrzeuge“ ermittelten Gebiete dar, in denen die höchsten Ladebedarfe schwerer Nutzfahrzeuge der Fahrzeugklassen N2 (LKW > 3,5t bis 12t) und N3 (LKW > 12t) - gemäß StVZO - innerhalb der Stadt Hamburg zu erwarten sind. Die Ergebnisse basieren dabei auf einer Analyse der Quell- und Zielverkehre von Schwerlastverkehren. Alle hier eingefärbten 36 Gebiete weisen einen überdurchschnittlich hohen zu erwartenden Ladebedarf gegenüber den nicht eingefärbten Gebieten auf. Die farbliche Abstufung erfolgt auf Basis der Stärke der analysierten Verkehrsaktivitäten je Gebietseinheit. Der Datensatz dient zum bedarfsgerechten Ausbau der öffentlich zugänglichen Ladeinfrastruktur für schwere Nutzfahrzeuge in Hamburg und bietet z.B. Ladeinfrastrukturbetreibern eine Hilfestellung bei der Identifikation von relevanten Standorten innerhalb des Stadtgebiets

Einzugsbereiche von HVV-Haltestellen Hamburg

Der Datensatz enthält die Einzugsbereiche von Haltestellen des Hamburger Verkehrsverbunds (HVV) im Hamburger Stadtgebiet. Der Einzugsbereich (Realfußwegdistanz) von Fernverkehr, Regionalbahn (RE/RB/AKN), S-Bahn und U-Bahn beträgt 720 m um die Haltestellen, der Einzugsbereich von Bushaltestellen beträgt 480 m um die Haltestellen. Für die zugehörigen Haltestellen ist der Haltestelleneingang bzw. der Bahnsteigzugang maßgeblich. Bei großen Haltestellen gibt es entsprechend z.T. mehrere Haltestellenbereiche je Haltestelle. Der Datensatz enthält zudem verschiedene Attribute, wie z.B. den zugehörigen Haltestellennamen, die HaltestellenID, die Art des Transportmittels, die jeweiligen anfahrenden Liniennummern, die Anzahl der anfahrenden Linien (nur bei den Haltestellen), die Anzahl der Anfahrten pro Tag (nur bei den Haltestellen) und die Anzahl der erschlossenen Einwohner (nur bei den Einzugsbereichen). Der Datensatz wird vom HVV bereitgestellt und jährlich im Laufe des Frühjahrs auf den aktuellen Jahresfahrplan aktualisiert. Quellen für die Auswertung der Einzugsbereiche: Haltestellen des HVV mit dem Stand des jeweiligen Jahresfahrplans Fahrplandaten des HVV mit dem Stand des jeweiligen Jahresfahrplans zugrundeliegendes Fußwegenetz: OSM Aufbereitung aus 2020 zugrundeliegende Einwohnerdaten: Adressdaten aus Melderegister, Statistisches Amt für Hamburg und Schleswig-Holstein, Stand 31.12.2021

Park + Ride Anlagen Hamburg

Der Datensatz enthält die Park + Ride Anlagen an Schnellbahnstationen im Hamburger Stadtgebiet mit Informationen u.a. über die Lage, die Anzahl der Stellplätze und die Anzahl von Behinderten- und Frauenstellplätzen. Weiterhin werden aktuelle Belegungsinformationen zu den Anlagen im 5-Minuten Aktualisierungsintervall angegeben.

Dynamic World training dataset for global land use and land cover categorization of satellite imagery

The Dynamic World Training Data is a dataset of over 5 billion pixels of human-labeled ESA Sentinel-2 satellite image, distributed over 24000 tiles collected from all over the world. The dataset is designed to train and validate automated land use and land cover mapping algorithms. The 10m resolution 5.1km-by-5.1km tiles are densely labeled using a ten category classification schema indicating general land use land cover categories. The dataset was created between 2019-08-01 and 2020-02-28, using satellite imagery observations from 2019, with approximately 10% of observations extending back to 2017 in very cloudy regions of the world. This dataset is a component of the National Geographic Society - Google - World Resources Institute Dynamic World project. The dataset consists of two file types: GeoTIFF files of 510x510 pixel 10m resolution satellite image tiles markup provided by human labelers, and Excel (.xlsx) tables of metadata and class statistics for the above GeoTIFF files. The data is organized into three main folders. One folder contains training data labeled by a team of 25 expert human labelers recruited by National Geographic Society specifically for this project. A second folder contains training data labeled by a larger group of commissioned labelers provided by a commercial crowd-labeler service. The data in these folders is organized by hemisphere and biome number from the RESOLVE Ecoregions2017 biomes categories (https://ecoregions2017.appspot.com/). A third folder contains a validation dataset. This is a holdout set of training data for assessing model accuracy. None of this data is intended to be used in the formulation of the model. Each validation tile was independently labeled by three experts. The validation set contains two versions: the individual markup from each expert labeler, and the image composites of the individual markups. Each GeoTIFF file encodes information on the location of landscape feature classes as determined by a given labeler. Classes were labeled by visual examination of true color (RGB) composites of Sentinel-2 MultiSpectral Level-2A scenes. The Tier 1 class values used in this phase of the project are as follows: 0 No data (left unmarked), 1 Water, 2 Trees, 3 Grass, 4 Flooded Vegetation, 5 Crops, 6 Scrub, 7 Built Area, 8 Bare Ground, 9 Snow/Ice, 10 Cloud. This dataset does not include the original Sentinel-2 imagery tiles, but metadata on the exact image ID and date is provided The original Sentinel-2 imagery was obtained via Google Earth Engine. This data is available under a Creative Commons BY-4.0 license and requires the following attribution: This dataset is produced for the Dynamic World Project by National Geographic Society in partnership with Google and the World Resources Institute. Development of the Dynamic World training data was funded in part by the Gordon and Betty Moore Foundation.

Lichtsignalanlagen Hamburg

Der Datensatz enthält Lage, Namen und Knotennummer aller Lichtsignalanlagen im Hamburger Stadtgebiet (ohne Hamburg Port Authority [HPA]). Signalisierte Übergänge/Einmündung etc., die als Teilknoten der LSA festgelegt sind, werden nicht als gesonderter Punkt dargestellt.

Bike + Ride Anlagen Hamburg

Der Datensatz enthält die Lage der Fahrradabstellanlagen an Schnellbahnhaltestellen im Hamburger Stadtgebiet. Für jede Abstellanlage wird die Anzahl der öffentlichen Stellplätze (überdacht und nicht überdacht) und, wenn vorhanden, die Anzahl der abschließbaren Mietplätze angegeben.

1 2 3 4 5 … 289 290 291