API src

Found 2432 results.

Related terms

Lärmpegel MRoad L_Night 2022 im Saarland

Der Lärmindex LNight spiegelt die Lärmbelastung für die Nacht wider und wird für die Ausarbeitung von strategischen Lärmkarten verwendet. Diese Isophonen Karten stellen flächenhaft die Berechnungsergebnisse der Umgebungslärmkartierung 2022 an den Hauptverkehrsstraßen im Saarland dar. Entsprechend § 4 Abs. 4 der 34. BImSchV wird die Geräuschsituation für den LNight in den folgenden Isophonen Bändern mit einer Klassenbreite von 5 dB dargestellt: 45 dB(A) LNight 50 dB(A), 50 dB(A) LNight 55 dB(A), 55 dB(A) LNight 60 dB(A), 60 dB(A) LNight 65 dB(A), 65 dB(A) LNight 70 dB(A) sowie 70 dB(A) LNight. Die zentrale landesweite Strategische Lärmkartierung an Hauptverkehrsstraßen wurde im Saarland für die betroffenen und zuständigen Städte und Gemeinden durch den Saarländischen Städte- und Gemeindetag beauftragt. Das Ministerium für Umwelt, Klima, Mobilität, Agrar und Verbraucherschutz hat sich anteilig an den Kosten beteiligt und die Kartierung koordiniert.

Lärmpegel MRoad L_Den 2022 im Saarland

Der Lärmindex LDEN spiegelt die Lärmbelastung für den gesamten Tag (24 Stunden) wider und wird für die Ausarbeitung von strategischen Lärmkarten verwendet. Diese Isophonen Karten stellen flächenhaft die Berechnungsergebnisse der Umgebungslärmkartierung 2022 an den Hauptverkehrsstraßen im Saarland dar. Entsprechend § 4 Abs. 4 der 34. BImSchV wird die Geräuschsituation für den LDEN in den folgenden Isophonen Bändern mit einer Klassenbreite von 5 dB dargestellt: 55 dB(A) LDEN 60 dB(A), 60 dB(A) LDEN 65 dB(A), 65 dB(A) LDEN 70 dB(A), 70 dB(A) LDEN 75 dB(A) sowie 75 dB(A) LDEN. Die Lärmkarten müssen überprüft und bei Bedarf alle fünf Jahre überarbeitet werden. Die zentrale landesweite Strategische Lärmkartierung an Hauptverkehrsstraßen wurde im Saarland für die betroffenen und zuständigen Städte und Gemeinden durch den Saarländischen Städte- und Gemeindetag beauftragt. Das Ministerium für Umwelt, Klima, Mobilität, Agrar und Verbraucherschutz hat sich anteilig an den Kosten beteiligt und die Kartierung koordiniert.

Kartenlayer Alleen-Kataster NRW

Wichtiger Hinweis: Der Datensatz wird unter OpenData NRW täglich aktualisiert! Mit der Novelle des Landschaftsgesetzes im Jahr 2007 wurde auch in Nordrhein-Westfalen der gesetzliche Schutz von Alleen eingeführt (Landschaftsgesetz NRW, § 47a, Schutz der Alleen). Demnach führt das Landesamt für Natur, Umwelt und Verbraucherschutz (LANUV) ein landesweites Kataster der gesetzlich geschützten Alleen. Bei den gesetzlich geschützten Alleen handelt es sich nach Absatz 1 des Gesetzes um Alleen, die an öffentlichen oder privaten Verkehrsflächen und Wirtschaftswegen stehen. Beim Alleenkataster handelt sich um die zurzeit im Aufbau befindliche Datensammlung der gesetzlich geschützten Alleen in Nordrhein-Westfalen. Die Informationen zu den hier erfassten Alleen wurden aus verschiedensten Datenquellen zusammengetragen und in einem geografischen Informationssystem vereinheitlicht dargestellt. Alle Alleen werden graphisch verortet und über Sachinformationen, wie etwa Länge, Pflanzzeitraum, Baumartenzusammensetzung oder Schutzstatus beschrieben.

Kartenlayer Wildnisgebiete NRW

Der Karten-Layer Wildnisgebiete NRW umfasst die seit dem Jahr 2011 in Nordrhein-Westfalen ausgewiesenen Wildnisentwicklungsgebiete im Staatswald Nordrhein-Westfalens. Diese Buchen- und Eichenaltholzbestände wurden vom Landesamt für Natur, Umwelt und Verbraucherschutz (LANUV NRW) und dem Landesbetrieb Wald und Holz NRW auf der Grundlage einer fachlich abgeleiteten Konzeption ermittelt. In den Wildnisentwicklungsgebieten findet keine forstliche Nutzung mehr statt, die natürlichen Entwicklungen werden zugelassen. Auf diese Weise werden internationale und nationale Vorgaben erfüllt und ein Beitrag zur Erhöhung der Biodiversität geleistet. Im Dienst enthalten sind gut 300 einzelne Flächen – so genannte Wildnisbiotope, die sich auf rund 100 Wildnisentwicklungsgebiete - im Regelfall FFH- und/oder Naturschutzgebiete - verteilen. Insgesamt werden damit etwa 7.800 ha Staatswald aus der forstlichen Nutzung genommen. Darüber hinaus werden im Karten-Layer weitere ungenutzte Waldgebiete wie die Prozessschutzzone des Nationalparks Eifel und zwei größere aus der Nutzung genommene Gebiete eines privaten Naturschutzvereins bzw. eines Privatwaldbesitzers aufgeführt.

Karte Planung Windenergie NRW

Das Landesamt für Natur, Umwelt und Verbraucherschutz NRW (LANUV NRW) veröffentlicht im Energieatlas NRW (www.energieatlas.nrw.de) die Planungskarte Wind (www.planungwind.nrw.de). Hier werden der aktuelle Ausbaustand der Windenergie in NRW sowie die Ergebnisse der Flächenanalyse Windenergie 2023 veröffentlicht. Zahlreiche Planungskarten zu Siedlung, Artenschutz, Natur und Landschaft, Gewässer, Infrastruktur, Verkehr und Wald grenzen über das Ausschlussverfahren die Flächensuche für den weiteren Ausbau der Windenergie ein. Über die Windhöffigkeiten lässt sich ein Ertragspotenzial für geplante Windenergieanlagen abschätzen. In der hier zum download zur Verfügung gestellten gdb und der mxd sind alle Layer der Planungskarte Wind enthalten, für die eine Freigabe zur Datenweitergabe vorliegt. Die Potenzialflächen der Flächenanalyse Windenergie NRW (LANUV 2023) finden Sie hier: https://open.nrw/dataset/2350e4dd-8455-4498-b8dd-5581a335d539.

Nitratkonzentration im Sickerwasser 2014-2016 (Modellergebnis), 100 x 100 m-Raster NRW

Bezugszeitraum 2014-2016, berechnet durch Forschungszentrum Jülich (Stand 2018), Die Karte der Nitratkonzentration im Sickerwasser 2014-2016 ist ein im Rahmen des Koope-rationsprojekts GROWA+NRW2021 erstelltes Berechnungsergebnis der Modellkette RAUMIS-mGROWA-DENUZ-WEKU. Grundlage für die enthaltenen Ergebniswerte sind die flächendifferenzierten Werte des verlagerbaren Stickstoffgehalts im Boden, die Denitrifikati-onsbedingungen der Böden, die nutzbare Feldkapazität des effektiven Wurzelraumes auf Basis der Bodeneinheiten der BK50 (Stand 2016) sowie die auf Basis des Wasserhaushalts-modells mGROWA berechnete Sickerwasserrate. Als Zwischenergebnis wurde aus der Si-ckerwasserrate und der nFKWe die Verweilzeit im Boden berechnet. Mit Hilfe des reaktiven Transportmodells DENUZ wurden ausgehend von den flächendifferenzierten Werten des ver-lagerbaren Stickstoffgehalts im Boden, der Denitrifikationsbedingungen der Böden und der Verweilzeit des Sickerwassers im Boden der Nitratabbau im Boden berechnet. Zu dem aus der Differenz aus verlagerbarer N-Menge im Boden und Nitratabbau im Boden berechneten Stickstoffaustrag aus dem Boden werden zusätzlich N-Einträge aus Kleinkläranlagen sowie aus urbanen Quellen addiert. Die so gebildete Summe wurde nachfolgend über die Sicker-wasserrate und entsprechende Faktoren in die Nitratkonzentration im Sickerwasser umge-rechnet. Die in der Karte dargestellten Werte können für das Grundwasser als potentielle Nitrateintrags¬konzentration angesehen werden, sofern im entsprechenden Gebiet Grundwasser neu gebil¬det wird und ein Nitratabbau in den Grundwasserdeckschichten unwahrscheinlich ist. Auf Flä¬chen bzw. in Gebieten mit überwiegendem Direktabflussanteil wird die entsprechende Nitrat¬fracht direkt in die Oberflächengewässer eingetragen. Eine detaillierte Beschreibung der Methodik enthält: LANUV (2021): Kooperationsprojekt GROWA+ NRW 2021 Teil VII - Minderungsbedarf der Stickstoffeinträge zur Erreichung der Ziele für das Grundwasser und für den Meeresschutz. LANUV-Fachbericht 110, Landesamt für Natur, Umwelt und Verbraucherschutz Nordrhein-Westfalen, Recklinghausen 2021. https://www.lanuv.nrw.de/fileadmin/lanuvpubl/3_fachberichte/30110h.pdf

MGrowa - Potentiell Drainierte Flächen NRW

Die Rasterkarte enthält die potentiell dränierten Flächen in NRW (Modellergebnis). Die Karte wurde im Rahmen des Kooperationsprojekts GROWA+ NRW 2021 NRW-weit auf Basis der Bodenkarte (BK50) und lokalen Informationen über Dränagen neu abgeleitet und aufgrund von Luftbildauswertungen plausibilisiert. Die potentiell dränierten Flächen dienen als Grundlage für die Berechnung des Dränageabflusses im Wasserhaushaltsmodell mGROWA. Eine detaillierte Beschreibung der Methodik enthält: LANUV (2021): Kooperationsprojekt GROWA+ NRW 2021 - Teil IIb Ausweisung potenziell dränierter Flächen unter landwirtschaftlicher Nutzung in Nordrhein-Westfalen. LANUV-Fachbericht 110, Landesamt für Natur, Umwelt und Verbraucherschutz Nordrhein-Westfalen, Recklinghausen 2021. https://www.lanuv.nrw.de/fileadmin/lanuvpubl/3_fachberichte/30110c.pdfDokumentation

Anbau Gentechnisch veränderter Organismen (GVO) im Land Brandenburg

Die Daten enthalten die Anbauflächen im Land Brandenburg, auf denen kein Anbau von gentechnisch verändertem Mais erfolgen darf. Sie dienen lediglich der Übersicht und besitzen keine Rechtsverbindlichkeit. Für die Anforderung rechtsverbindlicher Angaben sind ggf. Angaben des Antragstellers einzelfallbezogen erforderlich. Die Anbauflächen von GVO werden in einem zentralen Melderegister vom Bundesamt für Verbraucherschutz und Lebensmittelsicherheit (BVL) als deskriptiver Datenbestand erfasst. Dieser Datenbestand lässt derzeit eine Visualisierung der Anbauflächen über ein GIS nicht zu. Das Bundesland Brandenburg beabsichtigt im Rahmen der Pflichten u.a. des Umweltinformationsgesetzes (UIG) diesen Datenbestand den Bürgern zugänglich zu machen. Des Weiteren soll ein auswertbarer geographischer Grundlagendatenbestand angelegt werden, der z.B. für Wirkungsabschätzungen (z.B. Umweltverträglichkeitsprüfungen) auf Schutzgebiete des Europäischen Schutzgebietssystems Natura 2000 vorbereitet. Die Daten enthalten die Anbauflächen im Land Brandenburg, auf denen kein Anbau von gentechnisch verändertem Mais erfolgen darf. Sie dienen lediglich der Übersicht und besitzen keine Rechtsverbindlichkeit. Für die Anforderung rechtsverbindlicher Angaben sind ggf. Angaben des Antragstellers einzelfallbezogen erforderlich. Die Anbauflächen von GVO werden in einem zentralen Melderegister vom Bundesamt für Verbraucherschutz und Lebensmittelsicherheit (BVL) als deskriptiver Datenbestand erfasst. Dieser Datenbestand lässt derzeit eine Visualisierung der Anbauflächen über ein GIS nicht zu. Das Bundesland Brandenburg beabsichtigt im Rahmen der Pflichten u.a. des Umweltinformationsgesetzes (UIG) diesen Datenbestand den Bürgern zugänglich zu machen. Des Weiteren soll ein auswertbarer geographischer Grundlagendatenbestand angelegt werden, der z.B. für Wirkungsabschätzungen (z.B. Umweltverträglichkeitsprüfungen) auf Schutzgebiete des Europäischen Schutzgebietssystems Natura 2000 vorbereitet.

Standorte Energieerzeugende Anlagen Strom und Wärme NRW (Erneuerbare und konventionelle Energien)

Das Landesamt für Natur, Umwelt und Verbraucherschutz NRW (LANUV NRW) stellt im Energieatlas NRW (www.energieatlas.nrw.de) die Standorte der Erneuerbaren Energien, der fossilen Kraftwerke und der Elektrotankstellen in NRW dar. Folgende Energieträger werden dargestellt: Biomasse/Bioenergie, Deponiegas, Grubengas, Klärgas, Photovoltaik Freifläche, Wasserkraft, Windenergie, Windenergieanlagen in Planung, stillgelegte Windenergieanlagen, E-Tankstellen, Braunkohle, Steinkohle, Erdgas, Mineralöl, Müllverbrennungsanlagen, Grubenwasser, Industrielle Abwärme und KWK-relevante Industriestandorte. Die Excel-Tabelle fasst die Standorte aller Energieträger zusammen

Baumartenklassifikation NRW

Klassifikation von Baumartengruppen auf Bestandesebene, basierend auf Sentinel2 - Satellitenaufnahmen Die Klassifikation in die 9 in NRW am häufigsten bzw. bestandesbildend auftretenden Baumartengruppen berücksichtigt folgende Klassen: Eichen (Ei), Buchen (Bu), Buntlaubhölzer (hALH), Weichlaubhölzer (wALN), Pappeln, Kiefern, Lärchen, Fichten und Douglasien (siehe Legende). Die Klassifikation erfolgte durch ein Verfahren künstlicher Intelligenz (rekurrentes neuronales Netzwerk), das anhand von Forsteinrichtungsdaten aus den Waldflächen des landeseigenen Forstbetriebes in NRW trainiert wurde. Das Verfahren wurde im Auftrag des Ministeriums für Landwirtschaft und Verbraucherschutz des Landes NRW (MLV NRW) entwickelt. Zur Erkennung der Baumarten anhand ihrer Phänologie und zur Gewährleistung möglichst wolkenfreier Verhältnisse wurden Zeitreihen von Satellitenaufnahmen aus den Vegetationsperioden zweier Jahre zwischen dem 03.03.2022 und dem 11.07.2023 ausgewertet. Es wurden dafür insgesamt 516 einzelne Szenen ausgewählt und landesweit zu einem wolkenfreien multitemporalen Mosaik zusammengesetzt (https://www.d-copernicus.de/daten/satelliten/satelliten-details/news/sentinel-2/ ). Bedingt durch die räumliche Auflösung der Sentinel2 - Satellitenaufnahmen von ca. 10 m eignet sich diese Kartenebene für eine Betrachtung auf einer Maßstabsebene von bis zu ca. 1:10.000, nicht größer! Die Darstellung berücksichtigt ausschließlich Baumarten in der Hauptschicht und ist nicht vergleichbar mit einer Forsteinrichtungs- oder Forstbetriebskarte. Mischungen von Baumarten sind durch wechselnde Farben auch innerhalb eines Bestandes gekennzeichnet. Die Angaben zu den Blößen basieren insbesondere auf der Aggregierten Kalamitätskarte im Nadelwald (Stand: Sep 2023). Validierung Die Nutzergenauigkeit ist das entscheidende Merkmal für die Zuverlässigkeit der Karteninformation in der fernerkundungsbasierten Baumartenkarte. Die Nutzergenauigkeit beschreibt eine repräsentative Schätzung für die Wahrscheinlichkeit, dass die in der Baumartenkarte dargestellte Karteninformation (Baumartengruppe) an einem Ort mit der Hauptschicht eines dortigen Bestandes übereinstimmt. Die Nutzergenauigkeit ist für jede ausgewiesene thematische Klasse (Baumartengruppe) unterschiedlich und bestimmt sich aus dem Anteil der oben beschriebenen Referenzdaten aus der Forsteinrichtung mit der entsprechenden Baumartengruppe in der Hauptschicht, im Verhältnis zu allen Referenzpunkten in der Validierungsstichprobe, die durch das neuronale Netz in die entsprechende Baumartengruppe klassifiziert wurden. Die Genauigkeiten unterscheiden sich also zwischen den einzelnen Baumarten in Abhängigkeit von der Häufigkeit, mit der die Baumarten in der Forsteinrichtung vertreten sind. Häufig auftretende Baumarten sind für eine künstliche Intelligenz leichter, seltener auftretende Baumarten (z.B. Pappeln, Douglasien) vergleichsweise schwerer zu erkennen. Die Herstellergenauigkeit dient zur Beurteilung der Klassifikationsgüte ausgehend vom Anteil der Referenzdaten in der Validierungsstichprobe mit der entsprechenden Baumartengruppe, die durch das neuronale Netz korrekt dieser Baumartengruppe zugeordnet wurden. Das F-Maß als allgemeines klassenspezifisches Gütemaß wird durch das harmonische Mittel (Durchschnitt) aus Nutzer- und Herstellergenauigkeit gebildet. Die Gesamtgenauigkeit gibt unabhängig von der Klassenzugehörigkeit den Anteil der Referenzpunkte in der Validierungsstichprobe an, der durch das neuronale Netz korrekt klassifiziert wurde. Ein gängiges und weithin anerkanntes Gütemaß ist Cohen’s κ-Koeffizient, der die Übereinstimmung zwischen den Klassenangaben in den Referenzdaten und den Klassifikationen des neuronalen Netzes auf Basis der Validierungsstichprobe beschreibt. In der praktischen Anwendung liegt der Wertebereich des Koeffizienten zwischen 0 und 1, wobei ein Wert von 1 eine völlige Übereinstimmung der Ergebnisse bedeutet, ein Wert von 0 hingegen eine rein zufällige Übereinstimmung ohne erkennbaren Mehrwert einer Entscheidung des neuronalen Netzes. Nutzergenauigkeit (%) Eiche Buche hALH wALN Pappel Kiefer Lärche Fichte Douglasie 93,8 94,7 91,2 89,2 88,8 97,7 95,9 97,1 88,4 Herstellergenauigkeit (%) 91,0 96,0 91,4 92,7 79,0 97,5 90,7 98,0 76,4 F-Maß (%) 92,3 95,4 91,3 90,9 83,6 97,6 93,2 97,6 82,0 Gesamtgenauigkeit: 95,0 % Cohen’s κ-Koeffizient: 0,938 Tabelle 1: Genauigkeitsangaben aus der statistisch unabhängigen Validierung. Die angegebenen Genauigkeiten wurden aus einer statistisch unabhängigen Validierung anhand der Forsteinrichtungsdaten aus den Staatswäldern bestimmt. Dazu wurde das Klassifikationsergebnis in über 15.000 landesweit zufällig ausgewählten Waldbeständen mit der dort ausgewiesenen einheitlichen Baumart in der Hauptschicht verglichen. Dieser Prozess wurde dreimal an jeweils unterschiedlichen Bildelementen wiederholt. Die angegebenen Prozentwerte geben die relative Häufigkeit (statistische Wahrscheinlichkeit) an, mit der das Klassifikationsergebnis und die in der Hauptschicht ausgewiesene Baumart übereinstimmen. Als Voraussetzung für eine unabhängige Validierung gibt es keine Überschneidung zwischen Trainings- und Validierungsdaten (statistische Unabhängigkeit).

1 2 3 4 5 … 242 243 244