Filter
  • Zeitbezug (63)
    -
  • Frequenz (105)
  • Kategorien
  • Datenanbieter
  • Art des Zugangs
  • Lizenzen

163 Datensätze

Luft- und Raumfahrt

Alles zurücksetzen

This collection contains monthly mean surface NO2 concentrations for Germany derived from Sentinel-5P/TROPOMI data.
The Sentinel-5P NO2 data is generated by DLR and provided in the framework of the mFUND-Project "S-VELD".
The surface NO2 data are concentrations with the unit "μg/m3".
Sentinel-5P observes Germany once per day at ~12:00 UTC and only cloud-free measurements (cloud fraction less than ~0.2) are used.
The Sentinel-5P surface NO2 data within each month are averaged and gridded onto a regular UTM grid.
The number of measurements used in the calculation of the averaged value are included in this collection as well.

mFUND-Projekt: S-VELD, FKZ: 19F2065A

Straßen
Luft- und Raumfahrt
Bereitgestellt durch

German Aerospace Center (DLR)

Art des Datenzugangs

WWW / WMS

Aktualität der Datensatzbeschreibung

02.08.2021

Zeitbezug der Daten

01.02.2018 — 30.12.2020

Aktualisierungsfrequenz

Unregelmäßig

Raumbezug

This collection contains surface NO2 concentrations for Germany derived from Sentinel-5P/TROPOMI data.
The Sentinel-5P NO2 data is generated by DLR and provided in the framework of the mFUND-Project "S-VELD".
The surface NO2 data are concentrations with the unit "µg/m3".
Sentinel-5P observes Germany once per day at ~12:00 UTC. These daily observations are gridded onto a regular UTM grid.
The day and measurement time are included in the netCDF data file.
Only surface NO2 data for cloud-free Sentinel-5P measurements are provided (cloud fraction less than ~0.2).
Sentinel-5P cloud fraction data is included in this collection as well.

mFUND-Projekt: S-VELD, FKZ: 19F2065A

Straßen
Luft- und Raumfahrt
Bereitgestellt durch

German Aerospace Center (DLR)

Art des Datenzugangs

WWW / WMS

Aktualität der Datensatzbeschreibung

02.08.2021

Zeitbezug der Daten

01.02.2018 — 30.12.2020

Aktualisierungsfrequenz

Unregelmäßig

Raumbezug

This change map was produced on the basis of a classification method developed in the project incora (Inwertsetzung von Copernicus-Daten für die Raumbeobachtung, mFUND Förderkennzeichen: 19F2079C) in cooperation with ILS (Institut für Landes- und Stadtentwicklungsforschung gGmbH) and BBSR (Bundesinstitut für Bau-, Stadt- und Raumforschung) funded by BMVI (Federal Ministry of Transport and Digital Infrastructure). The goal of incora is an analysis of settlement and infrastructure dynamics in Germany based on Copernicus Sentinel data.

The map indicates land cover changes between the years 2019 and 2020. It is a difference map from two classifications based on Sentinel-2 MAJA data (MAJA L3A-WASP: https://geoservice.dlr.de/web/maps/sentinel2:l3a:wasp; DLR (2019): Sentinel-2 MSI - Level 2A (MAJA-Tiles)- Germany). More information on the two basis classifications can be found here:

https://data.mundialis.de/geonetwork/srv/eng/catalog.search#/metadata/36512b46-f3aa-4aa4-8281-7584ec46c813
https://data.mundialis.de/geonetwork/srv/eng/catalog.search#/metadata/9246503f-6adf-460b-a31e-73a649182d07

To keep only significant changes in the change detection map, the following postprocessing steps are applied to the initial difference raster:
- Modefilter (3x3) to eliminate isolated pixels and edge effects
- Information gain in a 4x4 window compares class distribution within the window from the two timesteps. High values indicate that the class distribution in the window has changed, and thus a change is likely. Gain ranges from 0 to 1, all changes < 0.5 are omitted.
- Change areas < 1ha are removed

The resulting map has the following nomenclature:
0: No Change
1: Change from low vegetation to forest
2: Change from water to forest
3: Change from built-up to forest
4: Change from bare soil to forest
5: Change from agriculture to forest
6: Change from forest to low vegetation
7: Change from water to low vegetation
8: Change from built-up to low vegetation
9: Change from bare soil to low vegetation
10: Change from agriculture to low vegetation
11: Change from forest to water
12: Change from low vegetation to water
13: Change from built-up to water
14: Change from bare soil to water
15: Change from agriculture to water
16: Change from forest to built-up
17: Change from low vegetation to built-up
18: Change from water to built-up
19: Change from bare soil to built-up
20: Change from agriculture to built-up
21: Change from forest to bare soil
22: Change from low vegetation to bare soil
23: Change from water to bare soil
24: Change from built-up to bare soil
25: Change from agriculture to bare soil
26: Change from forest to agriculture
27: Change from low vegetation to agriculture
28: Change from water to agriculture
29: Change from built-up to agriculture
30: Change from bare soil to agriculture

- Contains modified Copernicus Sentinel data (2019/2020), processed by mundialis

Incora report with details on methods and results: pending

mFUND-Projekt: incora, FKZ: 19F2079C

Luft- und Raumfahrt
Bereitgestellt durch

mundialis GmbH & Co. KG

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

29.07.2021

Zeitbezug der Daten

01.01.2019 — 31.12.2020

Aktualisierungsfrequenz

Unregelmäßig

Raumbezug

This landcover map was produced as an intermediate result in the course of the project incora (Inwertsetzung von Copernicus-Daten für die Raumbeobachtung, mFUND Förderkennzeichen: 19F2079C) in cooperation with ILS (Institut für Landes- und Stadtentwicklungsforschung gGmbH) and BBSR (Bundesinstitut für Bau-, Stadt- und Raumforschung) funded by BMVI (Federal Ministry of Transport and Digital Infrastructure). The goal of incora is an analysis of settlement and infrastructure dynamics in Germany based on Copernicus Sentinel data.

This classification is based on a time-series of monthly averaged, atmospherically corrected Sentinel-2 tiles (MAJA L3A-WASP: https://geoservice.dlr.de/web/maps/sentinel2:l3a:wasp; DLR (2019): Sentinel-2 MSI - Level 2A (MAJA-Tiles)- Germany). It consists of the following landcover classes:
10: forest
20: low vegetation
30: water
40: built-up
50: bare soil
60: agriculture

Potential training and validation areas were automatically extracted using spectral indices and their temporal variability from the Sentinel-2 data itself as well as the following auxiliary datasets:
- OpenStreetMap (Map data copyrighted OpenStreetMap contributors and available from htttps://www.openstreetmap.org)
- Copernicus HRL Imperviousness Status Map 2018 (© European Union, Copernicus Land Monitoring Service 2018, European Environment Agency (EEA))
- S2GLC Land Cover Map of Europe 2017 (Malinowski et al. 2020: Automated Production of Land Cover/Use Map of Europe Based on Sentinel-2 Imagery. Remote Sens. 2020, 12(21), 3523; https://doi.org/10.3390/rs12213523)
- Germany NUTS administrative areas 1:250000 (© GeoBasis-DE / BKG 2020 / dl-de/by-2-0 / https://gdz.bkg.bund.de/index.php/default/nuts-gebiete-1-250-000-stand-31-12-nuts250-31-12.html)
- Contains modified Copernicus Sentinel data (2019), processed by mundialis

Processing was performed for blocks of federal states and individual maps were mosaicked afterwards.
For each class 100,000 pixels from the potential training areas were extracted as training data.

An exemplary validation of the classification results was perfomed for the federal state of North Rhine-Westphalia as its open data policy allows for direct access to official data to be used as reference. Rules to convert relevant ATKIS Basis-DLM object classes to the incora nomenclature were defined. Subsequently, 5.000 reference points were randomly sampled and their classification in each case visually examined and, if necessary, revised to obtain a robust reference data set. The comparison of this reference data set with the incora classification yielded the following results:

overall accurary: 91.9%

class: user's accuracy / producer's accurary (number of reference points n)
forest: 98.1% / 95.9% (1410)
low vegetation: 76.4% / 91.5% (844)
water: 98.4% / 92.8% (69)
built-up: 99.2% / 97.4% (983)
bare soil: 35.1% / 95.1% (41)
agriculture: 95.9% / 85.3% (1653)

Incora report with details on methods and results: pending

mFUND-Projekt: incora, FKZ: 19F2079C

Luft- und Raumfahrt
Bereitgestellt durch

mundialis GmbH & Co. KG

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

29.07.2021

Zeitbezug der Daten

01.01.2019 — 31.12.2019

Aktualisierungsfrequenz

Unregelmäßig

Raumbezug

This landcover map was produced with a classification method developed in the project incora (Inwertsetzung von Copernicus-Daten für die Raumbeobachtung, mFUND Förderkennzeichen: 19F2079C) in cooperation with ILS (Institut für Landes- und Stadtentwicklungsforschung gGmbH) and BBSR (Bundesinstitut für Bau-, Stadt- und Raumforschung) funded by BMVI (Federal Ministry of Transport and Digital Infrastructure). The goal of incora is an analysis of settlement and infrastructure dynamics in Germany based on Copernicus Sentinel data.

This classification is based on a time-series of monthly averaged, atmospherically corrected Sentinel-2 tiles (MAJA L3A-WASP: https://geoservice.dlr.de/web/maps/sentinel2:l3a:wasp; DLR (2019): Sentinel-2 MSI - Level 2A (MAJA-Tiles)- Germany). It consists of the following landcover classes:
10: forest
20: low vegetation
30: water
40: built-up
50: bare soil
60: agriculture

Potential training and validation areas were automatically extracted using spectral indices and their temporal variability from the Sentinel-2 data itself as well as the following auxiliary datasets:
- OpenStreetMap (Map data copyrighted OpenStreetMap contributors and available from htttps://www.openstreetmap.org)
- Copernicus HRL Imperviousness Status Map 2018 (© European Union, Copernicus Land Monitoring Service 2018, European Environment Agency (EEA))
- S2GLC Land Cover Map of Europe 2017 (Malinowski et al. 2020: Automated Production of Land Cover/Use Map of Europe Based on Sentinel-2 Imagery. Remote Sens. 2020, 12(21), 3523; https://doi.org/10.3390/rs12213523)
- Germany NUTS administrative areas 1:250000 (© GeoBasis-DE / BKG 2020 / dl-de/by-2-0 / https://gdz.bkg.bund.de/index.php/default/nuts-gebiete-1-250-000-stand-31-12-nuts250-31-12.html)
- Contains modified Copernicus Sentinel data (2020), processed by mundialis

Processing was performed for blocks of federal states and individual maps were mosaicked afterwards.
For each class 100,000 pixels from the potential training areas were extracted as training data.

An exemplary validation of the classification results was perfomed for the federal state of North Rhine-Westphalia as its open data policy allows for direct access to official data to be used as reference. Rules to convert relevant ATKIS Basis-DLM object classes to the incora nomenclature were defined. Subsequently, 5.000 reference points were randomly sampled and their classification in each case visually examined and, if necessary, revised to obtain a robust reference data set. The comparison of this reference data set with the incora classification yielded the following results:

overall accurary: 88.4%

class: user's accuracy / producer's accurary (number of reference points n)
forest: 95.0% / 93.8% (1410)
low vegetation: 73.4% / 86.5% (844)
water: 98.5% / 92.8% (69)
built-up: 98.9% / 95.8% (983)
bare soil: 23.9% / 82.9% (41)
agriculture: 94.6% / 83.2% (1653)

Incora report with details on methods and results: pending

mFUND-Projekt: incora, FKZ: 19F2079C

Luft- und Raumfahrt
Bereitgestellt durch

mundialis GmbH & Co. KG

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

29.07.2021

Zeitbezug der Daten

01.01.2020 — 31.12.2020

Aktualisierungsfrequenz

Unregelmäßig

Raumbezug

This landcover map was produced as an intermediate result in the course of the project incora (Inwertsetzung von Copernicus-Daten für die Raumbeobachtung, mFUND Förderkennzeichen: 19F2079C) in cooperation with ILS (Institut für Landes- und Stadtentwicklungsforschung gGmbH) and BBSR (Bundesinstitut für Bau-, Stadt- und Raumforschung) funded by BMVI (Federal Ministry of Transport and Digital Infrastructure). The goal of incora is an analysis of settlement and infrastructure dynamics in Germany based on Copernicus Sentinel data.

This classification is based on a time-series of monthly averaged, atmospherically corrected Sentinel-2 tiles (MAJA L3A-WASP: https://geoservice.dlr.de/web/maps/sentinel2:l3a:wasp; DLR (2019): Sentinel-2 MSI - Level 2A (MAJA-Tiles)- Germany). It consists of the following landcover classes:
10: forest
20: low vegetation
30: water
40: built-up
50: bare soil
60: agriculture

Potential training and validation areas were automatically extracted using spectral indices and their temporal variability from the Sentinel-2 data itself as well as the following auxiliary datasets:
- OpenStreetMap (Map data copyrighted OpenStreetMap contributors and available from htttps://www.openstreetmap.org)
- Copernicus HRL Imperviousness Status Map 2018 (© European Union, Copernicus Land Monitoring Service 2018, European Environment Agency (EEA))
- S2GLC Land Cover Map of Europe 2017 (Malinowski et al. 2020: Automated Production of Land Cover/Use Map of Europe Based on Sentinel-2 Imagery. Remote Sens. 2020, 12(21), 3523; https://doi.org/10.3390/rs12213523)
- Germany NUTS administrative areas 1:250000 (© GeoBasis-DE / BKG 2020 / dl-de/by-2-0 / https://gdz.bkg.bund.de/index.php/default/nuts-gebiete-1-250-000-stand-31-12-nuts250-31-12.html)
- Contains modified Copernicus Sentinel data (2016), processed by mundialis

Processing was performed for blocks of federal states and individual maps were mosaicked afterwards.
For each class 100,000 pixels from the potential training areas were extracted as training data.

An exemplary validation of the classification results was perfomed for the federal state of North Rhine-Westphalia as its open data policy allows for direct access to official data to be used as reference. Rules to convert relevant ATKIS Basis-DLM object classes to the incora nomenclature were defined. Subsequently, 5.000 reference points were randomly sampled and their classification in each case visually examined and, if necessary, revised to obtain a robust reference data set. The comparison of this reference data set with the incora classification yielded the following results:

overall accurary: 88.4%

class: user's accuracy / producer's accurary (number of reference points n)
forest: 96.7% / 94.3% (1410)
low vegetation: 70.6% / 84.0% (844)
water: 98.5% / 94.2% (69)
built-up: 98.2% / 89.8% (983)
bare soil: 19.7% / 58.5% (41)
agriculture: 91.7% / 85.3% (1653)

Incora report with details on methods and results: pending

mFUND-Projekt: incora, FKZ: 19F2079C

Luft- und Raumfahrt
Bereitgestellt durch

mundialis GmbH & Co. KG

Art des Datenzugangs

Dateidownload

Aktualität der Datensatzbeschreibung

28.07.2021

Zeitbezug der Daten

01.01.2016 — 31.12.2016

Aktualisierungsfrequenz

Unregelmäßig

Raumbezug

Der interoperable INSPIRE-Downloaddienst (WFS) Bewirtschaftungsgebiete/Schutzge-biete/geregelte Gebiete und Berichterstattungseinheiten gibt einen Überblick über die Lärm-schutzbereiche am Flughafen Berlin Brandenburg (BER). Dies umfasst laut Gesetz zum Schutz gegen Fluglärm (FlugLärmG) die Tag-Schutzzonen 1 und 2 sowie eine Nacht-Schutzzone. Gemäß der INSPIRE-Datenspezifikation Area Management/Restriction/Regu-lation Zones and Reporting Units (D2.8.III.11_v3.0) liegen die Inhalte INSPIRE-konform vor. Der WFS beinhaltet den FeatureType Bewirtschaftungsgebiet, Schutzgebiet oder geregel-tes Gebiet (am:ManagementRestrictionOrRegulationZone) mit Angaben zum speziellen Ge-bietstyp (SpecialisedZoneTypeCode).

Straßen
Bahn
Luft- und Raumfahrt
Bereitgestellt durch

Landesamt für Umwelt Brandenburg (LfU)

Art des Datenzugangs

WFS / Unbekannt

Aktualität der Datensatzbeschreibung

28.07.2021

Raumbezug

Der interoperable INSPIRE-Downloaddienst (WFS) Gesundheit und Sicherheit gibt einen Überblick über die Isophonenkarten des Straßenverkehrslärms in Brandenburg gemäß der Richtlinie 2002/49/EG (Umgebungslärmrichtlinie). Diese fordert von den EU-Mitgliedstaaten die Bewertung und Bekämpfung von Umgebungslärm. Demzufolge waren bis zum 30. Juni 2007 im Rahmen der 1. Stufe strategische Lärmkarten auszuarbeiten. Diese sind in einem Fünf-Jahres-Turnus zu überarbeiten und zu aktualisieren. Die gegenständlichen Daten umfassen die 3. Stufe der EU-Lärmkartierung (2017). Untersucht wurden alle Gemeinden des Landes Brandenburg mit Straßen > 3 Mio. Kfz/d. Wie in § 2 der 34. BImSchV gefordert
umfasst dies die beiden Lärmindizes LDEN und LNight.

Gemäß der INSPIRE-Datenspezifikation Human Health And Safety(D2.8.III.5_v3.0) liegen die Inhalte der Karte INSPIRE-konform vor. Der WFS beinhaltet den FeatureType‚ Messwerte für umweltbedingte Gesundheitsfaktor‘ (hh:EnvHealthDeterminantMeasure) mit Angaben zum Typ des Umweltgesundheitsfaktors (EnvHealthDeterminantTypeValue).

Straßen
Bahn
Luft- und Raumfahrt
Bereitgestellt durch

Landesamt für Umwelt Brandenburg (LfU)

Art des Datenzugangs

ZIP / WFS

Aktualität der Datensatzbeschreibung

28.07.2021

Raumbezug

Der interoperable INSPIRE-Darstellungsdienst (WMS) Bewirtschaftungsgebiete/Schutzge-biete/geregelte Gebiete und Berichterstattungseinheiten gibt einen Überblick über die Lärm-schutzbereiche am Flughafen Berlin Brandenburg (BER). Dies umfasst laut Gesetz zum Schutz gegen Fluglärm (FlugLärmG) die Tag-Schutzzonen 1 und 2 sowie eine Nacht-Schutzzone. Gemäß der INSPIRE-Datenspezifikation Area Management/Restriction/Regu-lation Zones and Reporting Units (D2.8.III.11_v3.0) liegen die Inhalte der Karte INSPIRE-konform vor. Der WMS beinhaltet den folgenden Layer:
- AM.NoiseRestrictionZone: Der festgesetzte Lärmschutzbereich mit den Tag-Schutzzonen 1 und 2 sowie einer Nacht-Schutzzone.

Der WebMapService (WMS) wird in den Versionen 1.1.1 und 1.3.0 bereitgestellt.

Straßen
Bahn
Luft- und Raumfahrt
Bereitgestellt durch

Landesamt für Umwelt Brandenburg (LfU)

Art des Datenzugangs

Unbekannt / WMS

Aktualität der Datensatzbeschreibung

28.07.2021

Raumbezug

Der interoperable INSPIRE-Darstellungsdienst (WMS) Gesundheit und Sicherheit gibt einen Überblick über die Umgebungslärmkartierung für Großflughäfen in Brandenburg gemäß der Richtlinie 2002/49/EG (Umgebungslärmrichtlinie). Diese fordert von den EU-Mitgliedstaaten die Bewertung und Bekämpfung von Umgebungslärm. Demzufolge waren bis zum 30. Juni 2007 im Rahmen der 1. Stufe strategische Lärmkarten auszuarbeiten. Diese sind in einem Fünf-Jahres-Turnus zu überarbeiten und zu aktualisieren. Die gegenständlichen Daten um-fassen die 3. Stufe der EU-Lärmkartierung (2017). Gemäß der INSPIRE-Datenspezifikation Human Health (D2.8.III.5_v3.0) liegen die Inhalte der Karte INSPIRE-konform vor. Der WMS beinhaltet folgende Layer:

- HH.HealthDeterminantMeasure: enthält Isophonen der Lärmbelastung im Bereich des Flughafens Berlin-Tegel und des Flughafens Berlin Brandenburg für den Tag (lden) und die Nacht (lnight)
- HH.HealthDeterminantMeasure.MAir.lden: enthält Isophonen der Lärmbelastung im Be-reich des Flughafens Berlin-Tegel und des Flughafens Berlin Brandenburg für den Tag (lden)
- HH.HealthDeterminantMeasure.MAir.lnight: enthält Isophonen der Lärmbelastung im Be-reich des Flughafens Berlin-Tegel und des Flughafens Berlin Brandenburg für die Nacht (lnight)

Der WebMapService (WMS) wird in den Versionen 1.1.1 und 1.3.0 bereitgestellt.

Straßen
Bahn
Luft- und Raumfahrt
Bereitgestellt durch

Landesamt für Umwelt Brandenburg (LfU)

Art des Datenzugangs

Unbekannt / WMS

Aktualität der Datensatzbeschreibung

28.07.2021

Raumbezug