API src

Found 1141 results.

Related terms

Verbreitung der Tiere Hamburgs

Das Artenkataster enthält alle Fundortdaten zu Tierarten aus beauftragten Kartierungen und von ehrenamtlich Tätigen, die der Behörde für Umwelt, Klima, Energie und Agrarwirtschaft, Abteilung Naturschutz, vorliegen. Die veröffentlichten Daten beinhalten Beobachtungen von Tierarten auf ein 2x2 km Raster. Der Downloaddienst stellt das Raster im Shape-Format in ETRS89/UTM- Abbildung bereit.

WMS Baumart (NLP)

Klassifikation der Baumart Stand 2015 für sämtliche Baumindividuen mit Wuchshöhe >15m. Die Klassen sind Fichte, Tanne, Kiefer, Lärche, Douglasie, Laubbaum (unspezifiziert) und stehendes Totholz. Die flächendeckende Kenntnis der Baumart eines jeden Baumindividuums mit einer Wuchshöhe von >15m ist eine im Vergleich zur in der Forstwirtschaft üblichen über statistische Verfahren geschätzten Baumartenverteilung für größere Flächeneinheiten erheblich genauere Information. Diese höhere Genauigkeit ermöglicht die Ableitung einer Vielzahl von räumlichen Analysen in einer bislang ungewohnten räumlichen Exaktheit, wie z.B. Habitatseignungskarten für bestimmten Tierarten. In Kombination mit der Waldstruktur und Vegetationshöhendaten aus den Folgejahren ermöglicht diese Baumartenklassifikation ein auf Einzelbäumen basiertes Monitoring der natürlichen Waldentwicklung.

WMS Waldstruktur (NLP)

Die flächendeckende Klassifikation der Waldstruktur Stand 2015 für die Klassen 1) Offenfläche, 2) Lücke, 3) Dickung, 4) schwach-dimensioniert stufig, 5) medium-dimensioniert einschichtig homogen, 6) medium- bis stark-dimensioniert 2-schichtig (mit Unterwuchs), 7) multi-dimensioniert stufig. Die flächendeckende Kenntnis der Waldstruktur für Einheiten von 400m² ist eine im Vergleich zur in der Forstwirtschaft üblichen über statistische Verfahren geschätzten Waldstruktur für größere Flächeneinheiten erheblich genauere Information. Diese höhere Genauigkeit ermöglicht die Ableitung einer Vielzahl von räumlichen Analysen in einer bislang ungewohnten räumlichen Exaktheit, wie z.B. Habitatseignungskarten für bestimmten Tierarten. In Kombination mit der Baumartenklassifikation und Vegetationshöhendaten aus den Folgejahren ermöglicht dieser Datensatz ein detailliertes Monitoring der natürlichen Waldentwicklung.

Tierfundorte Saarland

Fundorte Tiere des Saarlandes (ABDS-Daten) Außer zahlreichen Datenbankinternen Attributen sind folgende anwenderrelevante Attribute vorhanden: OBJBEZ: Objektbezeichnung OBJART: Objektart OBJBEM: Bemerkung TOORT: Tatbestandort TFINFO: Zusatzinfo zu Pflanzenfundort TFGAT: Gattung TFART: Tierart TFDAT: Erfassungsdatum TFBEM: Bemerkung zu Fledermausdaten METHODE: Methode METHODELG: Methode Langtext AUTOR: Autor DETM: Determination gesichert STATUS: Status/Verhalten HGEMSKK: Häufigkeit HGEMSKL: Häufigkeitsskala ABSHAEUF: Anzahl GESCHL: Geschlecht BELEG: Beleg QUELLE: Quelle RAND: ? Betrachtungsobjekt im GDZ; MultiFeatureklasse setzt sich zusammen aus flächenhaften Featureklasse GDz2010.A_ntoft und der Businesstabelle mit den Sachdaten (GDZ2010.ntoft)

WMS MRH Ergebniskarte Leitprojekt Biotopverbund (2019)

Dieser Web Map Service (WMS) stellt die Ergebniskarte des Leitprojektes Biotopverbund (2019) in der Metropolregion Hamburg dar. Die genauere Beschreibung entnehmen Sie bitte dem Verweis auf die Datensatzbeschreibung.

Fachkulissen der KULAP-Naturschutzmaßnahmen in der neuen Förderperiode (ab 2023)

Die freiwilligen KULAP-Maßnahmen sind in der Regel innerhalb von festgelegten Gebieten (Fachkulissen) beantragbar. Im folgenden erfahren Sie bei welchen Maßnahmen ein Antrag an die Fachkulissen des TLUBN gebunden ist, bzw. in welchen Fällen die Förderwürdigkeit auch außerhalb der Fachkulisse bestätigt werden kann. Für den Fall, dass der Umfang der Anträge die finanziellen Möglichkeiten übersteigt, wird anhand von Prioritäten eine Rangfolge der zu bewilligenden Anträge festgelegt. Die Prioritäten sind teilweise als Attribute in dem Datensatz der Maßnahme hinterlegt, aber auch im Folgenden angegeben. Informationen zu den Inhalten der Fördermaßnahmen, wie den Zuwendungsvoraussetzungen, erhalten Sie auf der Homepage des TLUBN: https://tlubn.thueringen.de/naturschutz/landschaftspflege/kulap-vertragsnaturschutz-fuer-landwirte Weitere Informationen zur Agrarförderung und der KULAP-Antragstellung 2022 finden Sie auf der Homepage Thüringer Landwirtschaftsministeriums: https://wirtschaft.thueringen.de/landwirtschaft/agrarfoerderung Hinweise zu den einzelnen Maßnahmen und deren Fachkulissen (Stand Mai 2022) Maßnahme R – Rotmilanschutz Anträge auf die Maßnahme Rotmilanschutz müssen innerhalb der Kulisse liegen. Priorisierung: 1. Flächen in EU-Vogelschutzgebieten (SPA); 2. Flächen außerhalb von EU-Vogelschutzgebieten (SPA). Maßnahme B - mehrjährige Blühflächen mit gebietseigenem Saatgut Die Maßnahme mehrjährige Blühflächen wird ohne Kulissenbindung angeboten und ist somit thüringenweit beantragbar. Priorisierung: 1. Rebhuhn- und Grauammer-Kulisse des TLUBN, 2. Sonstige Flächen. Maßnahme RA - Ackerrandstreifen / Extensiväcker Anträge auf die Maßnahme RA sind grundsätzlich an die Fachkulisse des TLUBN gebunden, die UNB kann jedoch auch die Förderwürdigkeit von Einzelflächen bestätigen, die nicht in der Kulisse liegen. Priorisierung: 1. Flächen mit wertvoller Segetalflora; 2. Flächen mit hoher Bedeutung für den Feldvogelschutz; 3. Bestätigung der Förderwürdigkeit durch UNB (die im Datensatz dargestellte Priorität 3 stellt einen ersten Suchraum dar, in welchem die UNB die Möglichkeit hat, mit Kenntnissen zu aktuellen Art-Vorkommen die Förderwürdigkeit der Fläche zu bestätigen). Maßnahme ST - Schonstreifen / Schonfläche Anträge auf die Maßnahme ST sind an die Kulisse gebunden, die UNB kann jedoch auch die Förderwürdigkeit von Einzelflächen bestätigen, die nicht in der Kulisse liegen. Die in der Karte dargestellte Fachkulisse des TLUBN stellt nur die 1. Priorität (Rebhuhn-/ Grauammer-Kulisse) bei der Fördermittelvergabe dar. Entsprechend sind die Prioritäten 3 und 4 (Gewässerrandstreifen nach §29 ThürWG sowie Überschwemmungsgebiete) nicht in der Fachkulisse der Maßnahme ST dargestellt. Diese Daten finden Sie im Thüringen Viewer: Gewässerrandstreifen nach §29 ThürWG in der Kartenebene ‚Fachdaten‘, dann ‚Landwirtschaft – InVeKoS‘; Bewirtschaftungsauflagen an Gewässern‘ und Überschwemmungsgebiete in der Kartenebene ‚Fachdaten‘, dann ‚Natur und Umwelt‘; ‚Wasser‘. Priorisierung: 1. Rebhuhn-/ Grauammer-Kulisse, 2. Bestätigung der Förderwürdigkeit durch UNB bei Natura 2000 Bezug, 3. Gewässerrandstreifen (10 m) nach § 29 ThürWG im Überschwemmungsgebiet, 4. Gewässerrandstreifen (10 m) nach § 29 ThürWG außerhalb Überschwemmungsgebiet, 5. Bestätigung der Förderwürdigkeit durch UNB bei Insektenschutz. Maßnahme F – Feldhamsterschutz Die drei Maßnahmen zum Feldhamsterschutz sind an die Feldhamsterschutz-Fachkulisse des TLUBN gebunden, die UNB kann zusätzlich die Förderwürdigkeit von Einzelflächen bestätigen, die nicht in der Kulisse liegen. Hierzu muss die betreffende Fläche als Habitatfläche für den Feldhamster von Bedeutung sein. Priorisierung: 1. ausgewählte Feldhamster-Schwerpunktgebiete; 2. restliche Feldhamster-Schwerpunktgebiete; 3. Feldhamster-Verbreitungsgebiete; 4. Bestätigung der Förderwürdigkeit durch UNB. Maßnahme U - dauerhafte Umwandlung von Ackerland in Dauergrünland Anträge auf die Maßnahme U müssen innerhalb der Kulisse liegen. Die Gewässerrandstreifen nach §29 ThürWG (Teil der Priorität 2) sind nicht in der Fachkulisse dargestellt. Diese Daten finden Sie im Thüringen Viewer in der Kartenebene ‚Fachdaten‘, dann ‚Landwirtschaft – InVeKoS‘; Bewirtschaftungsauflagen an Gewässern‘. Priorisierung: 1. Wiesenbrütergebiete, Flächen der FFH- und SPA-Planung; 2. Überschwemmungsgebiete und Gewässerrandstreifen nach §29 ThürWG; 3. Sonstige sensible Gebiete. Maßnahme K2 Artenreiches Grünland 8 Kennarten (in Kulissen) Diese Maßnahme Artenreiches Grünland mit 8 Kennarten ist an die Fachkulisse des TLUBN gebunden, die UNB kann zusätzlich die Förderwürdigkeit von Einzelflächen bestätigen, die nicht in der Kulisse liegen. Die Angaben zur optimalen und optionalen Nutzung bedeuten: M= Mahd, W= Weide mit Rindern, Pferden, Schafen und/oder Ziegen und H= Hüteschafhaltung. Priorisierung der Einzelflächen entsprechend ihrer naturschutzfachlichen Wertigkeit abfallend von Bewertungsstufe 1 bis Bewertungsstufe 7. Die Priorisierung je Fläche kann in der Kulisse der M, W, H-Maßnahme eingesehen werden und wird im Fall einer Überzeichnung entsprechend genutzt. Maßnahmen M, W, H – Mahd, Weide und Hüteschafhaltung auf Biotop-Grünland Die KULAP-Biotopgrünlandmaßnahmen sind grundsätzlich an die Fachkulisse des TLUBN gebunden, die UNB kann jedoch auch die Förderwürdigkeit von Einzelflächen bestätigen, die nicht in der Kulisse liegen. Die Angaben zur optimalen und optionalen Nutzung bedeuten: M= Mahd, W= Weide mit Rindern, Pferden, Schafen und/oder Ziegen und H= Hüteschafhaltung. Die Auswahl der empfohlenen Nutzungsarten erfolgte anhand der vorkommenden Pflanzen- oder Tierarten und der für diese Arten förderlichen Nutzung. Priorisierung der Einzelflächen entsprechend ihrer naturschutzfachlichen Wertigkeit abfallend von Bewertungsstufe 1 bis Bewertungsstufe 7: 1. Biotop-Grünland in FFH-Gebieten; 2. Grünland in Wiesenbrütergebieten; 3. Habitatflächen; 4. Biotopgrünland außerhalb von FFH-Gebieten; 5. Sonstiges Grünland in FFH- Gebieten; 6. Sonstiges Grünland innerhalb NSG, Pflegezonen der BR, FND, GLB und Grünes Band; 7. Bestätigung der Förderwürdigkeit durch UNB Maßnahme S - Streuobstpflege Diese Maßnahme ist an die Fachkulissen des TLUBN gebunden, die UNB kann zusätzlich die Förderwürdigkeit von Einzelflächen bestätigen, die nicht in der Kulisse liegen. Priorisierung der Einzelflächen entsprechend ihrer naturschutzfachlichen Wertigkeit abfallend von Bewertungsstufe 1 bis Bewertungsstufe 7. Die Priorisierung je Fläche kann in der Kulisse der M, W, H-Maßnahme eingesehen werden und wird im Fall einer Überzeichnung entsprechend genutzt. Maßnahme G - Ganzjahresbeweidung Die Maßnahme Ganzjahresbeweidung ist an die Fachkulisse des TLUBN gebunden, die UNB kann zusätzlich die Förderwürdigkeit von Einzelflächen bestätigen, die nicht in der Kulisse liegen. Priorisierung: 1. Wiesenbrütergebiete; 2. Überschwemmungsgebiete; 3. Grünes Band; 4. Sonstige Zielflächen des Naturschutzes.

Automatische Klassifizierung von Fotofallenbildern mithilfe künstlicher Intelligenz: Benutzerfreundlichkeit und Effektivität des Programms „DeepFaune“

Der Einsatz künstlicher Intelligenz (KI) hat sich bei der Analyse großer Mengen an Fotofallenbildern als fester Bestandteil in der Wildtierforschung etabliert. Dennoch existieren zum jetzigen Zeitpunkt unserer Kenntnis nach keine Untersuchungen, die für die Analyse von Fotofallendaten in mitteleuropäischen Regionen neben der Güte der Algorithmen auch die Benutzerfreundlichkeit betrachten. Vor diesem Hintergrund untersucht die vorliegende Studie die Effektivität, Effizienz und Anwendbarkeit des KI-Algorithmus DeepFaune> (DF) in der Auswertung von Fotofallenbildern im Vergleich zu menschlichen Bearbeiterinnen und Bearbeitern. Dafür wurden 1.013 Fotofallenbilder von drei Standorten in Deutschland manuell von fünf kundigen Personen sowie durch DF klassifiziert. Zuvor wurden 20 Klassen von Tierarten, Tierartengruppen, weiteren Objekten sowie die Klassen "Nicht erkennbar" und "Leer" festgelegt. Anschließend wurde ein korrekter Datensatz erstellt, der als Referenz für die Bewertung der Güte der menschlichen und der durch den Algorithmus generierten Analyseergebnisse diente. Die menschliche Vergleichsgruppe erreichte im Mittel eine korrekte Klassifikation von 91,9% der Bilder, während DF 72,85% der Bilder richtig klassifizierte. Im Durchschnitt brauchten die Personen 5,75h und DF 15min für die Klassifikation des Datensatzes. Die Genauigkeit ist momentan für seltene Arten in vielen Fällen noch gering, wird aber durch die schnelle Weiterentwicklung der KI-Technologie in Zukunft zunehmen. Algorithmen wie DF bieten daher ein hohes Potenzial für eine automatisierte Auswertung großer Mengen von Fotofallenbildern.

Alles beim Alten? – Erfassung des Artenwissens von Besucherinnen und Besuchern auf einer Bundesgartenschau mit lebenden Pflanzen, echten Tieren und Dermoplastiken

Die vorgestellte Studie beschäftigte sich mit der Frage, welches nominelle Artenwissen Besucherinnen und Besucher der Bundesgartenschau (BUGA) 2023 in Mannheim abrufen können. 389 Besucherinnen und Besucher wurden zu ihrem Artenwissen zu ausgewählten Wild-, Kultur- und Zierpflanzenarten sowie zu ausgewählten Tierarten, die im Rhein-Neckar-Raum häufig sind, befragt. Ihnen wurden 18 Pflanzen verschiedener Arten (krautige und verholzte Blütenpflanzen) als lebende Originale im Topf präsentiert. Die 18 Tiere verschiedener Arten (Wirbeltiere und Wirbellose) wurden als Balgpräparate, naturnahe Replikate im Maßstab 1:1 (Lurche, Mollusken) oder als genadelte tote Insekten in Dioramen bereitgestellt. Mittels Fragebogen wurde dokumentiert, welche Tier- und Pflanzenarten mit ihrem deutschen oder wissenschaftlichen Artnamen richtig benannt und welche Arten häufig verwechselt wurden. Darüber hinaus wurde geprüft, inwiefern Zusammenhänge zwischen dem nominellen Artenwissen, dem Lebensalter, Geschlecht, Bildungsabschluss oder Wohnort bestehen. Ergänzend wurde mittels Fragebogen erhoben, wo die Befragten ihr Artenwissen erworben haben. Allgemein zeigen die Daten große Defizite der nominellen Artenkenntnis bei Wirbellosen, Singvögeln und manchen Pflanzen. Viele Teilnehmerinnen und Teilnehmer konnten z.B. Molche und Reptilien, Wanzen und Käfer oder Kaninchen und Hasen nicht voneinander unterscheiden. Das Artenwissen korrelierte positiv mit dem Lebensalter der Befragten.

Baumart (NLP)

Klassifikation der Baumart Stand 2015 für sämtliche Baumindividuen mit Wuchshöhe >15m. Die Klassen sind Fichte, Tanne, Kiefer, Lärche, Douglasie, Laubbaum (unspezifiziert) und stehendes Totholz. Die flächendeckende Kenntnis der Baumart eines jeden Baumindividuums mit einer Wuchshöhe von >15m ist eine im Vergleich zur in der Forstwirtschaft üblichen über statistische Verfahren geschätzten Baumartenverteilung für größere Flächeneinheiten erheblich genauere Information. Diese höhere Genauigkeit ermöglicht die Ableitung einer Vielzahl von räumlichen Analysen in einer bislang ungewohnten räumlichen Exaktheit, wie z.B. Habitatseignungskarten für bestimmten Tierarten. In Kombination mit der Waldstruktur und Vegetationshöhendaten aus den Folgejahren ermöglicht diese Baumartenklassifikation ein auf Einzelbäumen basiertes Monitoring der natürlichen Waldentwicklung.

Waldstruktur (NLP)

Die flächendeckende Klassifikation der Waldstruktur Stand 2015 für die Klassen 1) Offenfläche, 2) Lücke, 3) Dickung, 4) schwach-dimensioniert stufig, 5) medium-dimensioniert einschichtig homogen, 6) medium- bis stark-dimensioniert 2-schichtig (mit Unterwuchs), 7) multi-dimensioniert stufig. Die flächendeckende Kenntnis der Waldstruktur für Einheiten von 400m² ist eine im Vergleich zur in der Forstwirtschaft üblichen über statistische Verfahren geschätzten Waldstruktur für größere Flächeneinheiten erheblich genauere Information. Diese höhere Genauigkeit ermöglicht die Ableitung einer Vielzahl von räumlichen Analysen in einer bislang ungewohnten räumlichen Exaktheit, wie z.B. Habitatseignungskarten für bestimmten Tierarten. In Kombination mit der Baumartenklassifikation und Vegetationshöhendaten aus den Folgejahren ermöglicht dieser Datensatz ein detailliertes Monitoring der natürlichen Waldentwicklung.

1 2 3 4 5 … 113 114 115