Suchergebnisse

Die Urbanisierung und die damit verbundenen Effekte wie Bevölkerungswachstum und Verstädterung führen zu negativen Auswirkungen auf die Umwelt und Gesellschaft und stellen die globale Geo- und Statistikgemeinschaft vor große Herausforderungen. Daher haben sich die Stakeholder des Themas angenommen und suchen nach nachhaltigen Lösungen zur Umsetzung der Agenda 2030. Dieser Beitrag diskutiert und charakterisiert die kollaborative Analyse von SDG-Indikatoren mit Geo- und Fernerkundungsdaten am Beispiel eines urbanen SDG-Indikators (11.7.1: "Siedlungsfläche in Städten, die der Öffentlichkeit zugänglich ist"). Untersucht wird, ob es für bestimmte Indikatoren nur eine Analysemethode gibt oder ob auch mehrere Methoden verwendet werden können, wie z.B. bei statistischen Daten oder Fernerkundungsdaten. Anhand der verschiedenen Ansätze wird die Bedeutung von Kooperationen und der gemeinsamen Nutzung von Daten durch verschiedene Geo- und Statistikbehörden aufgezeigt.

Das Forschungs- und Entwicklungsprojekt mit dem Namen Landschaftsveränderungsdienst (LaVerDi) wurde vom Bundesamt für Kartographie und Geodäsie (BKG) im Jahr 2017 initiiert. Im Rahmen des Projekts wurde eine Webanwendung zum Monitoring von Landschaftsveränderungen entwickelt und implementiert, die freie Copernicus-Satellitendaten für eine automatisierte Ableitung von potenziellen Landbedeckungsänderungen nutzt. Diese Veränderungshinweise sollen u.a. dazu dienen, BKG-eigene Produkte, wie das Digitale Landbedeckungsmodell Deutschland (LBM-DE), umfassend und in einer einheitlichen Qualität fortzuführen. Als Eingangsdaten verwendet LaVerDi vorprozessierte Sentinel-2-Daten des europäischen Copernicus-Satellitenprogramms sowie einen Bildsegmentierungsansatz zur Extraktion von Veränderungsobjekten. Unter Verwendung modifizierter Wolkenmasken werden Sentinel-2-Szenen mit einer maximalen Wolkenbedeckung von 60% für die Analyse verwendet. LaVerDi wurde (inkl. Datenverarbeitung, Veränderungserkennung, Visualisierung) auf der deutschen Copernicus Data and Exploitation Platform (CODE-DE) implementiert. Die thematische Genauigkeit der generierten Veränderungslayer liegt über den gestellten Anforderungen von mindestens 80%. Der bundesweit verfügbare Ergebnisdatensatz erfasst zuverlässig sowohl langfristige als auch saisonale Veränderungen.