API src

Found 63 results.

Other language confidence: 0.8281384156144016

Geförderte Wegenetzkonzepte in Nordrhein-Westfalen

Der Datensatz enthält die Gemeindegeometrien der Kommunen, die ein gefördertes Wegenetzkonzept aus dem NRW-Programm ländlicher Raum erstellt haben.

Flurbereinigungsverfahren in Nordrhein-Westfalen nach dem FlurbG

Der Datensatz enthält die Grenzen der Bodenordnungsverfahren nach dem Flurbereinigungsgesetz, Gemeinheitsteilungsgesetz und Gemeinschaftswaldgesetz im Land Nordrhein-Westfalen.

Wasserlaufverzeichnis der Flußgebiete

Tabelle über wichtige Parameter aller Wasserläufe der Flussgebiete in Sachsen

Atom-Feed Wegenetzkonzepte NRW

Download des Datenbestandes der geförderten Wegenetzkonzepte als Atom-Feed.

E-Government-Schnittstelle Analyseschnittstelle

Die E-Government-Schnittstelle Analyseschnittstelle ist ein Webservice, welcher über die E-Government-Basiskomponente Geodaten (GeoBAK) bereitgestellt wird. Die Analyseschnittstelle gibt für ein oder mehrere Grafik-Objekte (Punkt, Linie, Polygon, Kreis als Polygon) nach einer wählbaren räumlichen Zuordnung Sachdaten zu verschiedenen, hauptsächlich flächenhafte Objektarten (z.B. Landkreise/kreisfreie Städte, Flurstücke) zurück. Der Webservice ist hinsichtlich Performance optimiert und überträgt deshalb im Gegensatz zu einem WFS keine Geometrie. Einen Überblick über die bei der Analyseschnittstelle abfragbaren Objektarten und deren Attributstruktur gibt das Dokument „GeoBAK Analyseschnittstelle – Übersicht Geodatenthemen“. Schwerpunktmäßig werden INSPIRE Themen verwendet. Als räumlichen Zuordnungen (Operatoren) sind bisher intersect, within, nearestneighbour und valuesatpoint eingerichtet. Die Operationen intersect und within sind so definiert, dass sich beide ausschließen. Intersect (Standardwert): Gibt alle Features zurück die von den übergebenen Geometrien berührt werden. Within: Gibt alle Features zurück, in dem die übergebenen Geometrien vollständig enthalten sind. Nearestneighbour: Rückgabe von Features mit der kürzest möglichen Distanz. Verwendung für die Ermittlung der nächsten Adresse (Reverse Geocoding). Valuesatpoint: Es werden die Werte am übergebenen Punkt zurückgegeben. Es erfolgt eine Verschneidung mit Rasterdaten. Als Antwort liefert die Analyseschnittstelle ein JSON-Array mit ggf. mehreren Objekten zusammengefasst für die verschiedenen Objektarten. Eine Durchnummerierung der Objekte (objectNo) erfolgt in analoger Weise, wie die Objekte übergeben worden sind. Dies ermöglicht es Anwendungen und elektronischen Fachverfahren Koordinaten und Geoobjekte zu übergeben und zahlreiche Informationen eines Objektes abzurufen.

6-Wochen-Vorhersage für ausgewählte Rheinpegel, Wasserstand

Seit Juli 2022 veröffentlicht die BfG eine wahrscheinlichkeitsbasierte 6-Wochen-Vorhersage des Wasserstandes für schifffahrtsrelevante Pegel am Rhein. Die 6-Wochen-Vorhersage wird für die Rhein-Pegel Maxau, Kaub, Köln und Duisburg-Ruhrort analog zur 4-Tage Niedrig- und Mittelwasservorhersage über ELWIS bereitgestellt. Eine Aktualisierung der 6-Wochen-Vorhersage erfolgt zweimal wöchentlich (Dienstags und Freitags), jeweils am späten Vormittag. Die 6-Wochen-Vorhersage basiert auf aktuellen Messwerten der Pegel im Rheineinzugsgebiet und den Informationen von über 1000 Wetterstationen. Die Vorhersage wird unter anderem auf Grundlage der ENS extended Ensemble-Vorhersagen des Europäischen Zentrums für mittelfristige Wettervorhersagen (EZMW / ECMWF) berechnet. Auf Grundlage dieser umfangreichen Echtzeitdaten ermittelt die BfG mit einem hydrologischen Modell ein Ensemble von Wasserstandsvorhersagen über die kommenden 6 Wochen. Auf dieser Basis werden in Kombination mit statistischen Methoden an den oben genannten Rheinpegeln Wahrscheinlichkeitsverteilungen von Wochenmittelwerten für die Trendvorhersage ermittelt. Die Darstellung dieser Vorhersage erfolgt als Boxplots. Nähere Erläuterungen sind unter https://www.bafg.de/DE/08_Ref/M2/04_Vorhersagen/6wRheinElbe/6w_node.html zu finden. Der Dateiname der der Boxplot-Quantile entspricht folgendem Schema: <Fluss>_<Pegelname>_6Wochen_Wasserstand_QuansBox.csv, Zusätzlich wird eine 4-Klassenvorhersage veröffentlicht, die anhand von Kuchendiagrammen zeigt, ob für die kommenden Wochen im Vergleich zum langjährigem Mittel eher niedrigere oder höhere Abflüsse vorhergesagt sind. Der Dateiname der Grenzen und Wahrscheinlichkeiten der Kuchendiagramme entspricht dem folgendem Schema: <Fluss>_<Pegelname>_6Wochen_Wasserstand_Pie.csv. Die Stammdaten der Vorhersage-Pegel (z.B. Koordinaten) können über PEGELONLINE https://www.pegelonline.wsv.de/ abgerufen werden.

Laserscanaufnahmen des Freistaates Sachsen ab 2005

Der Datensatz enthält die Grenzen der Laserscanaufnahmen seit 2005.

Bildflüge des Freistaates Sachsen ab 1995

Der Datensatz enthält die Grenzen der Bildflüge seit 1995.

Monthly time series of spatially enhanced relative humidity for Europe at 30 arc seconds resolution (2000 - 2023) derived from ERA5-Land data

Overview: ERA5-Land is a reanalysis dataset providing a consistent view of the evolution of land variables over several decades at an enhanced resolution compared to ERA5. ERA5-Land has been produced by replaying the land component of the ECMWF ERA5 climate reanalysis. Reanalysis combines model data with observations from across the world into a globally complete and consistent dataset using the laws of physics. Reanalysis produces data that goes several decades back in time, providing an accurate description of the climate of the past. Processing steps: The original hourly ERA5-Land air temperature 2 m above ground and dewpoint temperature 2 m data has been spatially enhanced from 0.1 degree to 30 arc seconds (approx. 1000 m) spatial resolution by image fusion with CHELSA data (V1.2) (https://chelsa-climate.org/). For each day we used the corresponding monthly long-term average of CHELSA. The aim was to use the fine spatial detail of CHELSA and at the same time preserve the general regional pattern and fine temporal detail of ERA5-Land. The steps included aggregation and enhancement, specifically: 1. spatially aggregate CHELSA to the resolution of ERA5-Land 2. calculate difference of ERA5-Land - aggregated CHELSA 3. interpolate differences with a Gaussian filter to 30 arc seconds. 4. add the interpolated differences to CHELSA Subsequently, the temperature time series have been aggregated on a daily basis. From these, daily relative humidity has been calculated for the time period 01/2000 - 12/2023. Relative humidity (rh2m) has been calculated from air temperature 2 m above ground (Ta) and dewpoint temperature 2 m above ground (Td) using the formula for saturated water pressure from Wright (1997): maximum water pressure = 611.21 * exp(17.502 * Ta / (240.97 + Ta)) actual water pressure = 611.21 * exp(17.502 * Td / (240.97 + Td)) relative humidity = actual water pressure / maximum water pressure The resulting relative humidity has been aggregated to monthly averages. Resultant values have been converted to represent percent * 10, thus covering a theoretical range of [0, 1000]. File naming scheme (YYYY = year; MM = month): ERA5_land_rh2m_avg_monthly_YYYY_MM.tif Projection + EPSG code: Latitude-Longitude/WGS84 (EPSG: 4326) Spatial extent: north: 82:00:30N south: 18N west: 32:00:30W east: 70E Spatial resolution: 30 arc seconds (approx. 1000 m) Temporal resolution: Monthly Pixel values: Percent * 10 (scaled to Integer; example: value 738 = 73.8 %) Software used: GDAL 3.2.2 and GRASS GIS 8.0.0/8.3.2 Original ERA5-Land dataset license: https://apps.ecmwf.int/datasets/licences/copernicus/ CHELSA climatologies (V1.2): Data used: Karger D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E, Linder, H.P., Kessler, M. (2018): Data from: Climatologies at high resolution for the earth's land surface areas. Dryad digital repository. http://dx.doi.org/doi:10.5061/dryad.kd1d4 Original peer-reviewed publication: Karger, D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E., Linder, P., Kessler, M. (2017): Climatologies at high resolution for the Earth land surface areas. Scientific Data. 4 170122. https://doi.org/10.1038/sdata.2017.122 Processed by: mundialis GmbH & Co. KG, Germany (https://www.mundialis.de/) Reference: Wright, J.M. (1997): Federal meteorological handbook no. 3 (FCM-H3-1997). Office of Federal Coordinator for Meteorological Services and Supporting Research. Washington, DC Data is also available in EU LAEA (EPSG: 3035) projection: https://data.mundialis.de/geonetwork/srv/eng/catalog.search#/metadata/ab06ed25-84af-43c9-b1c3-57e3b6ad8d29 Acknowledgements: This study was partially funded by EU grant 874850 MOOD. The contents of this publication are the sole responsibility of the authors and don't necessarily reflect the views of the European Commission.

Monthly time series of spatially enhanced relative humidity for Europe at 1000 m resolution (2000 - 2022) derived from ERA5-Land data

Overview: ERA5-Land is a reanalysis dataset providing a consistent view of the evolution of land variables over several decades at an enhanced resolution compared to ERA5. ERA5-Land has been produced by replaying the land component of the ECMWF ERA5 climate reanalysis. Reanalysis combines model data with observations from across the world into a globally complete and consistent dataset using the laws of physics. Reanalysis produces data that goes several decades back in time, providing an accurate description of the climate of the past. Processing steps: The original hourly ERA5-Land air temperature 2 m above ground and dewpoint temperature 2 m data has been spatially enhanced from 0.1 degree to 30 arc seconds (approx. 1000 m) spatial resolution by image fusion with CHELSA data (V1.2) (https://chelsa-climate.org/). For each day we used the corresponding monthly long-term average of CHELSA. The aim was to use the fine spatial detail of CHELSA and at the same time preserve the general regional pattern and fine temporal detail of ERA5-Land. The steps included aggregation and enhancement, specifically: 1. spatially aggregate CHELSA to the resolution of ERA5-Land 2. calculate difference of ERA5-Land - aggregated CHELSA 3. interpolate differences with a Gaussian filter to 30 arc seconds. 4. add the interpolated differences to CHELSA Subsequently, the temperature time series have been aggregated on a daily basis. From these, daily relative humidity has been calculated for the time period 01/2000 - 12/2023. Relative humidity (rh2m) has been calculated from air temperature 2 m above ground (Ta) and dewpoint temperature 2 m above ground (Td) using the formula for saturated water pressure from Wright (1997): maximum water pressure = 611.21 * exp(17.502 * Ta / (240.97 + Ta)) actual water pressure = 611.21 * exp(17.502 * Td / (240.97 + Td)) relative humidity = actual water pressure / maximum water pressure The resulting relative humidity has been aggregated to monthly averages. Resultant values have been converted to represent percent * 10, thus covering a theoretical range of [0, 1000]. The data have been reprojected to EU LAEA. File naming scheme (YYYY = year; MM = month): ERA5_land_rh2m_avg_monthly_YYYY_MM.tif Projection + EPSG code: EU LAEA (EPSG: 3035) Spatial extent: north: 6874000 south: -485000 west: 869000 east: 8712000 Spatial resolution: 1000 m Temporal resolution: Monthly Pixel values: Percent * 10 (scaled to Integer; example: value 738 = 73.8 %) Software used: GDAL 3.2.2 and GRASS GIS 8.0.0/8.3.2 Original ERA5-Land dataset license: https://apps.ecmwf.int/datasets/licences/copernicus/ CHELSA climatologies (V1.2): Data used: Karger D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E, Linder, H.P., Kessler, M. (2018): Data from: Climatologies at high resolution for the earth's land surface areas. Dryad digital repository. http://dx.doi.org/doi:10.5061/dryad.kd1d4 Original peer-reviewed publication: Karger, D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E., Linder, P., Kessler, M. (2017): Climatologies at high resolution for the Earth land surface areas. Scientific Data. 4 170122. https://doi.org/10.1038/sdata.2017.122 Processed by: mundialis GmbH & Co. KG, Germany (https://www.mundialis.de/) Reference: Wright, J.M. (1997): Federal meteorological handbook no. 3 (FCM-H3-1997). Office of Federal Coordinator for Meteorological Services and Supporting Research. Washington, DC Data is also available in Latitude-Longitude/WGS84 (EPSG: 4326) projection: https://data.mundialis.de/geonetwork/srv/eng/catalog.search#/metadata/b9ce7dba-4130-428d-96f0-9089d8b9f4a5 Acknowledgements: This study was partially funded by EU grant 874850 MOOD. The contents of this publication are the sole responsibility of the authors and don't necessarily reflect the views of the European Commission.

1 2 3 4 5 6 7