Das Produkt Landbedeckung (LB) der AdV (Arbeitsgemeinschaft der Vermessungsverwaltungen der Länder der Bundesrepublik Deutschland) wurde nach dem Cop4ALL-DE Verfahren erzeugt und stellt eine flächendeckende und überschneidungsfreie Erfassung der Landbedeckung in Deutschland bereit. Die Daten werden durch eine kombinierte Analyse von Sentinel-2-Satellitenbildern, Orthophotos, ALKIS / ATKIS und einem normalisierten digitalen Oberflächenmodell (nDOM) erzeugt. Mithilfe künstlicher Intelligenz wird die Landbedeckung klassifiziert. Beginnend mit 2023 wird eine jährliche Ableitung zur Verfügung gestellt werden. Das Produkt Landbedeckung Deutschland steht momentan als WMS-Dienst und die einzelnen Bundesländer als Download zur Verfügung. Unterliegt der CC-BY-4.0
Die Daten sind urheberrechtlich geschützt. Die Daten werden geldleistungsfrei gemäß der Creative Commons Namensnennung 4.0 International Lizenz (https://creativecommons.org/licenses/by/4.0/) zur Verfügung gestellt. Daten, die unter der Lizenz CC BY 4.0 stehen, dürfen unter einer Namensnennung geteilt, vervielfältigt und bearbeitet werden. Die Namensnennung ist im Quellenvermerk enthalten. Der Quellenvermerk ist zu beachten.
Klimatope sind räumliche Einheiten, die mikroklimatisch einheitliche Gegebenheiten aufweisen. Die Ableitung der Klimatope basiert in erster Linie auf der Flächennutzung. Es werden keine Daten der landesweiten FITNAH-Modellierung verwendet, um die Klimatope einzuteilen. Das Mikroklima wird vor allem durch die Faktoren Flächennutzung, Bebauungsdichte, Versiegelungsgrad, Oberflächenstruktur, Relief sowie Vegetationsart beeinflusst (VDI 2015). Die Ausweisung der Klimatope (nach VDI 2015) erfolgte anhand der im Arbeitspaket 1 des „Handbuch Stadtklima Teil II – Methoden“ entwickelten Methode zur automatisierten Ableitung von Klimatopen aus flächendeckend vorliegenden Geodaten (GEO-NET 2014, MKULNV 2014). Als Eingangsdaten für die Ausweisung der Klimatope dienten Flächennutzungs-, Bebauungs- sowie Versiegelungsdaten. Die VDI-Richtlinie 3787, Blatt 1 definiert folgende unterschiedliche Klimatoptypen: Gewässerklimatop, Freilandklimatop, Waldklimatop, Klimatop innerstädtischer Grünflächen, Vorstadtklimatop, Stadtrandklimatop, Stadtklimatop , (Innen)-Stadtklimatop und Gewerbe-/Industrieklimatop. Gewerbe-/Industrieklimatope können dabei weiter in offenere und dichtere Strukturen untergliedert werden. Zusätzlich werden Bahnverkehr und Straßenverkehr in der Karte dargestellt.
In der Klimaanalysekarte werden klimaökologisch relevante Strukturen voneinander abgegrenzt und dargestellt. Im Gegensatz zur Klimatopkarte, die sich aus rein statischen Faktoren ableitet (z. B. Flächennutzung, Versiegelungsgrad), werden in der Klimaanalysekarte die thermischen Verhältnisse und das klimaökologische Prozessgeschehen einer Region für eine bestimmte thermische Situation modelliert und beschrieben. Da sich die thermischen Gegebenheiten im Tagesverlauf unterscheiden, wurde die Klimaanalysekarte einmal für die Tagsituation (14 Uhr MEZ) sowie einmal für die Nachtsituation (4 Uhr MEZ) ausgewertet und dargestellt. Es wurden zwei meteorologische Situationen modelliert: Zum einen wurde ein typischer Sommertag untersucht, der eine durchschnittliche sommerliche Strahlungswetterlage in NRW abbildet. Zum anderen wurde auf Basis bereits aufgetretener Höchstwerte ein extremer Sommertag bei Strahlungswetterlage betrachtet, wobei davon ausgegangen wird, dass diese zukünftig häufiger auftreten werden. Als Eingangsdaten für die Modellsimulationen dienten neben den meteorologischen Rand- und Startbedingungen, Informationen zur Geländestruktur (DGM 1), Flächennutzungs-, Bebauungs- und Versiegelungsdaten sowie Strukturhöhen und Bodenfeuchtedaten. Für die Tagsituation wird keine Unterscheidung in Wirk- und Ausgleichsraum vorgenommen, da tagsüber das Prozessgeschehen zwischen Wirk- und Ausgleichsraum keine relevante Rolle spielt. In der Klimaanalysekarte Tag wird die thermische Belastung anhand des Parameters physiologisch-äquivalente Temperatur (PET – von engl. Physiological Equivalent Temperature) aufgezeigt. Die PET ist ein thermischer Index, bei dem die thermische Belastung anhand verschiedener, auf das thermische Wohlbefinden einwirkender Parameter berechnet wird, z. B. Lufttemperatur, Windgeschwindigkeit, Strahlung und Feuchte. Die PET wird auf Basis verschiedener Ausgabegrößen aus dem Modell FITNAH-3D berechnet und anhand der VDI-Richtlinie 3787, Blatt 2 (2022, Tabelle 1) klassifiziert.
In der Klimaanalysekarte werden klimaökologisch relevante Strukturen voneinander abgegrenzt und dargestellt. Im Gegensatz zur Klimatopkarte, die sich aus rein statischen Faktoren ableitet (z. B. Flächennutzung, Versiegelungsgrad), werden in der Klimaanalysekarte die thermischen Verhältnisse und das klimaökologische Prozessgeschehen einer Region für eine bestimmte thermische Situation modelliert und beschrieben. Da sich die thermischen Gegebenheiten im Tagesverlauf unterscheiden, wurde die Klimaanalysekarte einmal für die Tagsituation (14 Uhr MEZ) sowie einmal für die Nachtsituation (4 Uhr MEZ) ausgewertet und dargestellt. Es wurden zwei meteorologische Situationen modelliert: Zum einen wurde ein typischer Sommertag untersucht, der eine durchschnittliche sommerliche Strahlungswetterlage in NRW abbildet. Zum anderen wurde auf Basis bereits aufgetretener Höchstwerte ein extremer Sommertag bei Strahlungswetterlage betrachtet, wobei davon ausgegangen wird, dass diese zukünftig häufiger auftreten werden. Als Eingangsdaten für die Modellsimulationen dienten neben den meteorologischen Rand- und Startbedingungen, Informationen zur Geländestruktur (DGM 1), Flächennutzungs-, Bebauungs- und Versiegelungsdaten sowie Strukturhöhen und Bodenfeuchtedaten. Für die Tagsituation wird keine Unterscheidung in Wirk- und Ausgleichsraum vorgenommen, da tagsüber das Prozessgeschehen zwischen Wirk- und Ausgleichsraum keine relevante Rolle spielt. In der Klimaanalysekarte Tag wird die thermische Belastung anhand des Parameters physiologisch-äquivalente Temperatur (PET – von engl. Physiological Equivalent Temperature) aufgezeigt. Die PET ist ein thermischer Index, bei dem die thermische Belastung anhand verschiedener, auf das thermische Wohlbefinden einwirkender Parameter berechnet wird, z. B. Lufttemperatur, Windgeschwindigkeit, Strahlung und Feuchte. Die PET wird auf Basis verschiedener Ausgabegrößen aus dem Modell FITNAH-3D berechnet und anhand der VDI-Richtlinie 3787, Blatt 2 (2022, Tabelle 1) klassifiziert.
Die Planungshinweiskarte für Nordrhein-Westfalen stellt eine Neuerung im Rahmen der Klimaanalyse 2026 dar. Gemäß der VDI Richtlinie 3787, Blatt 1 handelt es sich bei der Planungshinweiskarte um eine „informelle Hinweiskarte, die eine integrierende Bewertung der in der Klimaanalysekarte dargestellten Sachverhalte im Hinblick auf planungsrelevante Belange enthält“ (VDI 2015). Kerngegenstand der Planungshinweiskarte ist also die klimaökologische Bewertung von Flächen im Hinblick auf die menschliche Gesundheit bzw. auf gesunde Wohn- und Arbeitsverhältnisse. Grundlage für die Planungshinweiskarte sind die Ergebnisse der landesweiten Klimamodellierung bzw. der Klimaanalysekarten für die Nachtsituation. Analog zur Klimaanalysekarte Nacht wird in der Planungshinweiskarte eine Unterscheidung in Wirk- und Ausgleichsraum vorgenommen. In der vorliegenden Planungshinweiskarte wird der Wirkraum in sechs Kategorien, sogenannte „Handlungsprioritäten“, unterteilt. Hinsichtlich der Anzahl der Bewertungsklassen wird dabei leicht von der VDI-Richtlinie abgewichen. Die Kategorisierung basiert auf der kombinierten Bewertung der nächtlichen Überwärmung für die beiden Szenarien „typischer Sommertag“ und „extremer Sommertag“. Dazu wird zunächst auf die Gesamtdaten des Wirkraums für beide Szenarien eine z-Transformation zur statistischen Normalisierung angewandt. Anschließend werden die normalisierten Werte in fünf Bewertungsklassen von sehr günstig bis sehr ungünstig eingeteilt. Die Bewertung wird getrennt für die Szenarien „typischer Sommertag“ und „extremer Sommertag“ angewandt. Mithilfe einer Matrix werden die so gebildeten Klassen in die kombinierte Bewertung der Szenarien und Ableitung der Handlungsprioritäten im Wirkraum überführt. Zusätzlich zur Kategorisierung werden auch textliche Planungshinweise gegeben. Diese sind als Empfehlungen für die entsprechenden Gebiete zu verstehen. Sie stammen im Wesentlichen aus der VDI-Richtlinie 3787, Blatt 1 (VDI 2015), wurden jedoch leicht durch Kürzungen und Umformulierungen angepasst. Sie erscheinen bei Klick in die Karte in einem Pop-Up-Fenster. Während in den Klimaanalysekarten Nacht die dem Ausgleichsraum zugehörigen Grün- und Freiflächen vornehmlich auf Grundlage ihres siedlungsunabhängigen, auf das Prozessgeschehen fokussierten Kaltluftliefervermögens gekennzeichnet werden, steht in der Planungshinweiskarte deren stadtklimatische Bedeutung und Bewertung sowie die Ableitung der Empfindlichkeit gegenüber Nutzungsänderungen im Mittelpunkt. In der Planungshinweiskarte wird der Ausgleichsraum in vier Bewertungsklassen unterteilt, die sich in erster Linie auf die Nähe zu Kaltluftleitbahnen und -systemen bezieht. Auch für die Flächen des Ausgleichsraums werden textliche Planungshinweise aufgeführt, die ebenfalls bei Klick in die Karte in einem Pop-Up-Fenster erscheinen. Die Planungshinweise zu den Bewertungskategorien des Ausgleichsraumes stammen ebenso wie beim Wirkraum aus der VDI-Richtlinie 3787, Blatt 1 (VDI 2015). Auch hier wurden die in der VDI hinterlegten Planungshinweise durch Kürzungen und Umformulierungen leicht verändert.
Die Betroffenheitsanalyse dient der Identifikation von Räumen, in denen eine erhöhte thermische Belastung mit einer erhöhten Sensitivität der Bevölkerung gegenüber Hitze zusammenfällt. Sie stellt damit ein zentrales Instrument zur Ableitung von Handlungsschwerpunkten im Kontext der Klimaanpassung dar. Der konzeptionelle Ansatz basiert auf der Annahme, dass sich gesundheitliche Risiken durch Hitze insbesondere dort verstärken, wo physische Belastung (Hitze) und gesellschaftliche Verwundbarkeit räumlich überlagert sind. Die Betroffenheit ergibt sich somit aus dem Zusammenwirken von: thermischer Belastung (z. B. hohe Lufttemperaturen, reduzierte nächtliche Abkühlung) und Sensitivität der Bevölkerung gegenüber diesen Belastungen. Dazu wird in Anlehnung an den Handlungsleitfaden zur kommunalen Klimaanpassung in Hessen „Hitze und Gesundheit“ des Hessischen Landesamtes für Naturschutz, Umwelt und Geologie (HLNUG) (HLNUG 2019) vorgegangen. In NRW wird die Betroffenheitsanalyse auf Basis der ZENSUS 2022-Daten durchgeführt, die für die Betroffenheitsanalyse landesweit auf der Ebene von Baublöcken ausgewertet wurden (IT.NRW 2025). Es kommt daher zu leichten Anpassungen aufgrund der Datenverfügbarkeiten gegenüber dem Ansatz des HLNUG. So werden in der Betroffenheitsanalyse der Klimaanalyse NRW 2026 folgende Basisindikatoren betrachtet: Hochaltrigendichte (ab 80 Jahre), Kinderdichte (unter 6 Jahre) und die durchschnittliche Nettokaltmiete. Die durchschnittliche Nettokaltmiete wird verwendet, da für NRW keine räumlich ausreichend differenzierten Informationen zur Armutsgefährdung wie z. B. zu Empfängern nach SGB vorliegen. Bei der durchschnittlichen Nettokaltmiete wird davon ausgegangen, dass in der Regel eine hohe Miete mit einer hohen Kaufkraft und eine geringe Miete zumindest tendenziell mit einer niedrigen Kaufkraft und damit einer potenziellen Armutsgefährdung einher geht. Die Basisindikatoren werden zunächst einzeln betrachtet (Einzelsensitivität) bevor sie zu einer Gesamtbetrachtung zusammengeführt werden. Bei der Einzelauswertung wird zunächst die Personenanzahl der Basisindikatoren Hochaltrige und kleine Kinder auf die Fläche des Baublocks bezogen. Bei der Nettokaltmiete kann auf diesen Schritt verzichtet werden, da die Daten schon auf eine Flächeneinheit bezogen (m²) vorliegen. Die Sensitivitätsanalyse soll die räumliche Verteilung der vulnerablen Bevölkerungsgruppen in NRW aufzeigen. Jeder der drei Indikatoren wird in Dezilen eingeteilt (10 gleich groß besetzte Klassen). Die Dezile werden für jede Gemeinde separat bestimmt und ermöglichen damit eine Vergleichbarkeit der Gemeinden untereinander. Die Dezile (Klassen) werden wie folgt bewertet: Klassen 1 bis 7: weniger sensitive Gebiete , Klasse 8: sensitive Gebiete, Klasse 9: hoch sensitive Gebiete, Klasse 10: extrem sensitive Gebiete. Die Nettokaltmiete wurde so eingeteilt, dass eine niedrige durchschnittliche Nettokaltmiete die höchste Bewertung (Dezil 10) erhält. Die Einzelsensitivitäten werden anschließend kombiniert, um die Gesamtbetrachtung zu erhalten. Dabei wurde die Bewertung nach folgender Einteilung vorgenommen. Extrem sensitives Gebiet: Hochaltrigendichte: Klassen 8 bis 10 UND Kinderdichte: Klasse 10 UND Durch Armut Gefährdete (Nettokaltmiete): Klasse 10; Hoch sensitives Gebiet: Hochaltrigendichte: Klassen 8 bis 10 UND Kinderdichte Klasse: 10 ODER Durch Armut Gefährdete (Nettokaltmiete) Klasse: 10; Sensitives Gebiet: Hochaltrigendichte: Klassen 8 bis 10 ODER Kinderdichte Klasse 10 ODER Durch Armut Gefährdete (Nettokaltmiete) Klasse 10; Weniger sensitives Gebiet: Keines der Kriterien ist zutreffend. Die Gesamtbetrachtung wird zusätzlich mit den hitzebelasteten Quartieren aus der Planungshinweiskarte „Handlungspriorität 1 + 2“ (dringender Handlungsbedarf) verschnitten, so dass die Mehrfachbelastungen ablesbar sind und Quartiere, für die Maßnahmen zur Klimaanpassung eine besonders hohe Priorität haben, ermittelt werden können.
Die Landnutzung (LN) beschreibt die „Charakterisierung von Flächen anhand ihrer derzeitigen, respektive ihrer in der örtlichen Umsetzung befindlichen Funktion oder ihres sozioökonomischen Zwecks. Beispiele dafür sind Wohn-, Industrie- oder Gewerbegebiete, land- oder forstwirtschaftlich genutzte Flächen sowie Freizeitgebiete“ (vgl. INSPIRE-Richtlinie). Der Begriff Landnutzung wird synonym zum Begriff der Bodennutzung verwendet. Der Objektartenkatalog der LN beinhaltet die fünf Objektartengruppen Siedlung, Verkehr und Infrastruktur, Land-, Forst- und Fischereiwirtschaft, Gewässer sowie Keine primäre Nutzung, welche sich weiter untergliedern in Objekt-, Attribut- und Wertearten. Grundlage hierfür ist das AAA®-Basisschema.
Dieser Datensatz kann gemäß den Nutzungsbestimmungen von Datenlizenz Deutschland – Namensnennung – Version 2.0 (https://www.govdata.de/dl-de/by-2-0) unter Angabe der Quelle: GeoSN genutzt werden.
Der Datensatz umfasst die automatisiert aus Luftbildern (Aufnahmezeitpunkte 30. März und 01./02. Juni 2021) abgeleiteten, punktförmigen Stammpositionen von rund 894.000 Bäumen im Stadtgebiet von Wuppertal, ausgeführt durch die EFTAS Fernerkundung Technologietransfer GmbH aus Münster im Rahmen der Forschungskooperation DigiTalZwilling4D innerhalb des Förderprojektes smart.wuppertal / DigiTal Zwilling mit dem in dieser Kooperation entwickelten Verfahren "twin4tree". Hierbei wurde das normalisierte Digitale Oberflächenmodell (nDOM) von Geobasis NRW (Jahrgang 2021) als Höhenmodell verwendet. Um keine Gebäude oder Bauwerke als Baum zu identifizieren, wurden für das Vegetationshöhenmodell nur Bereiche des nDOM innerhalb einer Baummaske berücksichtigt, die zuvor über eine Klassifikation der o. g. Luftbilder mit dem KI-Verfahren "Cop4ALL" erzeugt wurde. Die einzelnen Bäume wurden darin über ein Template-Matching-Verfahren identifiziert, bei dem variable 3D-Schablonen (sphärische und gaußförmige Form für Laubbäume, parabolische, hyperbolische und konische Form für Nadelbäume) über das Vegetationshöhenmodell gelegt werden. Den so gefundenen Baumstandorten wurden mittels einer Segmentierung des Vegetationshöhenmodells Baumkronen zugeordnet, deren senkrechte Projektion auf den Boden zweidimensionale Baumkronenpolygone ergab. Die Stammposition eines Baumes wurde im geometrischen Schwerpunkt seines Baumkronenpolygons angenommen. Der Datensatz ist im GeoPackage-Format unter der Open-Data-Lizenz CC BY 4.0 verfügbar. Wichtige Hinweise: (1) In dichten Baumbeständen ist die Identifikation einzelner Bäume aufgrund von zusammenwachsenden Baumkronen ("Kronenschluss") erschwert. Auch sogenannte "beherrscht stehende Individuen" unterhalb der aus der Luft sichtbaren Baumkronen lassen sich mit dem twin4tree-Verfahren nicht eindeutig erkennen. Daher unterschätzt das Verfahren die Anzahl von Bäumen in diesen Bereichen deutlich. Aus stichprobenhaften Zählungen in einigen Waldbereichen wurde ein durchschnittlicher Korrekturfaktor von 1,6 abgeleitet. (2) Die genauen Stammpositionen können aus optischen Fernerkundungsdaten nicht bestimmt werden. Die als Stammpositionen angegebenen Schwerpunkte der Baumkronenpolygone sind Näherungswerte.
Das ATKIS® Basis-DLM beschreibt die topographischen Objekte der Landschaft im Vektorformat. Die Objekte werden durch ihre räumliche Lage, ihren geometrischen Typ, beschreibende Attribute und Beziehungen zu anderen Objekten (Relationen) definiert. Jedes Objekt besitzt deutschlandweit eine eindeutige Identifikationsnummer (Identifikator). Welche Objektarten das ATKIS® Basis-DLM beinhaltet und wie die Objekte zu bilden sind, ist im ATKIS-Objektartenkatalog (ATKIS®-OK nach AAA Anwendungsschema 7.1.2) festgelegt. Die einzelnen Objektarten werden zu verschiedenen Objektartengruppen (z. B. Siedlung, Verkehr) zusammengefasst, die wiederum zu Objektbereichen (z. B. Tatsächliche Nutzung) zusammengefasst werden.
Nutzungsbedingungen: Der Datensatz/Dienst steht unter der folgender Lizenz: Creative Commons Namensnennung 4.0 (CC BY 4.0). Die Namensnennung hat in folgender Weise zu erfolgen: "Datenquelle: Bayerische Vermessungsverwaltung – www.geodaten.bayern.de".
Der Datensatz umfasst die automatisiert aus Luftbildern (Aufnahmezeitpunkte 30. März und 01./02. Juni 2021) abgeleiteten, zweidimensionalen Baumkronenumringe ("Baumkronenpolygone") von rund 894.000 Bäumen im Stadtgebiet von Wuppertal, ausgeführt durch die EFTAS Fernerkundung Technologietransfer GmbH aus Münster im Rahmen der Forschungskooperation DigiTalZwilling4D innerhalb des Förderprojektes smart.wuppertal / DigiTal Zwilling mit dem in dieser Kooperation entwickelten Verfahren "twin4tree". Hierbei wurde das normalisierte Digitale Oberflächenmodell (nDOM) von Geobasis NRW (Jahrgang 2021) als Höhenmodell verwendet. Um keine Gebäude oder Bauwerke als Baum zu identifizieren, wurden für das Vegetationshöhenmodell nur Bereiche des nDOM innerhalb einer Baummaske berücksichtigt, die zuvor über eine Klassifikation der o. g. Luftbilder mit dem KI-Verfahren "Cop4ALL" erzeugt wurde. Die einzelnen Bäume wurden darin über ein Template-Matching-Verfahren identifiziert, bei dem variable 3D-Schablonen (sphärische und gaußförmige Form für Laubbäume, parabolische, hyperbolische und konische Form für Nadelbäume) über das Vegetationshöhenmodell gelegt werden. Den so gefundenen Baumstandorten wurden mittels einer Segmentierung des Vegetationshöhenmodells Baumkronen zugeordnet, deren senkrechte Projektion auf den Boden zweidimensionale Baumkronenpolygone ergab. Der Datensatz ist im GeoPackage-Format als Original und zur Reduzierung der Dateigröße als Variante mit generalisierten Baumkronenpolygonen unter der Open-Data-Lizenz CC BY 4.0 verfügbar. Wichtiger Hinweis: In dichten Baumbeständen ist die Identifikation einzelner Bäume aufgrund von zusammenwachsenden Baumkronen ("Kronenschluss") erschwert. Auch sogenannte "beherrscht stehende Individuen" unterhalb der aus der Luft sichtbaren Baumkronen lassen sich mit dem twin4tree-Verfahren nicht eindeutig erkennen. Daher unterschätzt das Verfahren die Anzahl von Bäumen in diesen Bereichen deutlich. Aus stichprobenhaften Zählungen in einigen Waldbereichen wurde ein durchschnittlicher Korrekturfaktor von 1,6 abgeleitet.
