Filter
  • Zeitbezug (2828)
    -
  • Frequenz (438)
  • Kategorien
  • Datenanbieter
  • Art des Zugangs
  • Lizenzen
Alles zurücksetzen

4247 Datensätze

Straßen

Alles zurücksetzen

Strandübergang Seebrücke (aggregiert)

Dieser Metadatensatz wurde von der mCLOUD generiert und fasst alle einzelnen Metadatensätze dieser Datenserie zusammen.

Anzahl der Personen auf der Seebrücke

Der Datensatz enthält folgende Felder

- `timestamp` - Zeit im Format `dd.MM.yyyy HH:mm:ss
- `area` - Name der Zählstelle
- `in`- Anzahl der Personen, die die Seebrücke betreten haben
- `out` - Anzahl der Personen, die die Seebrücke verlassen haben
- `value` - Summe aus den beiden vorherigen Werten

Spaltentrenner ist Semikolon. Dezimaltrennzeichen ist Komma.

Straßen
Bereitgestellt durch

OpenData Schleswig-Holstein: Tourismus-Zentrale St. Peter-Ording

Art des Datenzugangs

CSV / JSON

Aktualität der Datensatzbeschreibung

Fri Mar 17 04:11:38 GMT 2023

Zeitbezug der Daten

Thu Dec 31 23:00:00 GMT 2020 — Wed Mar 15 23:00:00 GMT 2023

Raumbezug

World Settlement Footprint (WSF) 2019 - Sentinel-1/2 - Global

The World Settlement Footprint (WSF) 2019 is a 10m resolution binary mask outlining the extent of human settlements globally derived by means of 2019 multitemporal Sentinel-1 (S1) and Sentinel-2 (S2) imagery. Based on the hypothesis that settlements generally show a more stable behavior with respect to most land-cover classes, temporal statistics are calculated for both S1- and S2-based indices. In particular, a comprehensive analysis has been performed by exploiting a number of reference building outlines to identify the most suitable set of temporal features (ultimately including 6 from S1 and 25 from S2). Training points for the settlement and non-settlement class are then generated by thresholding specific features, which varies depending on the 30 climate types of the well-established Köppen Geiger scheme. Next, binary classification based on Random Forest is applied and, finally, a dedicated post-processing is performed where ancillary datasets are employed to further reduce omission and commission errors. Here, the whole classification process has been entirely carried out within the Google Earth Engine platform. To assess the high accuracy and reliability of the WSF2019, two independent crowd-sourcing-based validation exercises have been carried out with the support of Google and Mapswipe, respectively, where overall 1M reference labels have been collected based photointerpretation of very high-resolution optical imagery.

Luft- und Raumfahrt
Straßen
Bereitgestellt durch

German Aerospace Center (DLR)

Art des Datenzugangs

WWW / WMS

Aktualität der Datensatzbeschreibung

Tue Mar 14 11:05:48 GMT 2023

Zeitbezug der Daten

Mon Dec 31 23:00:00 GMT 2018 — Tue Dec 31 22:59:00 GMT 2019

Aktualisierungsfrequenz

Unregelmäßig

Raumbezug

World Settlement Footprint (WSF) 2015 v2 - Landsat-8/Sentinel-1 - Global

The World Settlement Footprint WSF 2015 version 2 (WSF2015 v2) is a 10m resolution binary mask outlining the extent of human settlements globally for the year 2015. Specifically, the WSF2015 v2 is a pilot product generated by combining multiple datasets, namely:
• The WSF2015 v1 derived at 10m spatial resolution by means of 2014-2015 multitemporal Landsat-8 and Sentinel-1 imagery (of which ~217K and ~107K scenes have been processed, respectively); https://doi.org/10.1038/s41597-020-00580-5
• The High Resolution Settlement Layer (HRSL) generated by the Connectivity Lab team at Facebook through the employment of 2016 DigitalGlobe VHR satellite imagery and publicly released at 30m spatial resolution for 214 countries; https://arxiv.org/pdf/1712.05839.pdf
• The novel WSF2019 v1 derived at 10m spatial resolution by means of 2019 multitemporal Sentinel-1 and Sentinel-2 imagery (of which ~ 1.2M and ~1.8M scenes have been processed, respectively); https://doi.org/10.1553/giscience2021_01_s33
The WSF2015 v1 demonstrated to be highly accurate, outperforming all similar existing global layers; however, the use of Landsat imagery prevented a proper detection of very small structures, mostly due to their reduced scale. Based on an extensive qualitative assessment, wherever available the HRSL layer shows instead a systematic underestimation of larger settlements, whereas it proves particularly effective in identifying smaller clusters of buildings down to single houses, thanks to the employment of 2016 VHR imagery. The WSF2015v v2 has been then generated by: i) merging the WSF2015 v1 and HRSL (after resampling to 10m resolution and disregarding the population density information attached); and ii) masking the outcome by means of the WSF2019 product, which exhibits even higher detail and accuracy, also thanks to the use of Sentinel-2 data and the proper employment of state-of-the-art ancillary datasets (which allowed, for instance, to effectively mask out all roads globally from motorways to residential).

Luft- und Raumfahrt
Straßen
Bereitgestellt durch

DLR/EOC Land Surface Dynamics

Art des Datenzugangs

WWW / WMS

Aktualität der Datensatzbeschreibung

Tue Mar 14 11:04:01 GMT 2023

Zeitbezug der Daten

Mon Dec 31 23:00:00 GMT 2018 — Tue Dec 31 22:59:00 GMT 2019

Aktualisierungsfrequenz

Unregelmäßig

Raumbezug

Tree Canopy Cover Loss Monthly - Landsat-8/Sentinel-2 - Germany, 2018-2021

The product shows tree canopy cover loss in Germany between January 2018 and April 2021 at monthly temporal and 10 m spatial resolution. The basic principle behind this map is to compute monthly composites of the disturbance index (DI, Healey et al. 2005), a spectral index sensitive to forest disturbance, from all available Sentinel-2 and Landsat-8 data with less than 80 % cloud cover. These monthly composites are then compared to a median composite of the DI for 2017, which serves as a reference. After applying a threshold to the difference image, the time series of detected losses is checked for consistency. Only losses recorded continuously in all observations of a pixel until the end of the time series are considered. The dataset does not differentiate between the drivers of the losses. It depicts areas of natural disturbances (windthrow, fire, droughts, insect infestation) as well as sanitation and salvage logging, and regular forest harvest. The full description of the method and results can be found in Thonfeld et al. (2022).

Luft- und Raumfahrt
Straßen
Bereitgestellt durch

German Aerospace Center (DLR)

Art des Datenzugangs

WWW / WMS

Aktualität der Datensatzbeschreibung

Tue Mar 14 11:02:19 GMT 2023

Zeitbezug der Daten

Sun Dec 31 23:00:00 GMT 2017 — Fri Apr 30 21:59:59 GMT 2021

Aktualisierungsfrequenz

Unregelmäßig

Raumbezug

Rhein-Kreis Neuss: 2022 Fahrzeugbestand

Dieser Datensatz enthält einen anonymisierten Auszug aus dem lokalen Fahrzeugregister (angemeldete Fahrzeuge zum Stichtag 01.01.2022).

Straßen
Bereitgestellt durch

Open NRW: Neuss

Art des Datenzugangs

FGB / PARQUET / N3 / TURTLE / CSV / JSON / JSONL / JSONLD / XLS / RDFXML

Aktualität der Datensatzbeschreibung

Fri Mar 10 11:56:47 GMT 2023

Raumbezug

Neuss

Rhein-Kreis Neuss: 2021 Fahrzeugbestand

Dieser Datensatz enthält einen anonymisierten Auszug aus dem lokalen Fahrzeugregister (angemeldete Fahrzeuge zum Stichtag 01.01.2021).

Straßen
Bereitgestellt durch

Open NRW: Neuss

Art des Datenzugangs

FGB / PARQUET / N3 / CSV / TURTLE / JSON / JSONLD / JSONL / XLS / RDFXML

Aktualität der Datensatzbeschreibung

Fri Mar 10 11:52:28 GMT 2023

Raumbezug

Neuss

Rhein-Kreis Neuss: 2020 Fahrzeugbestand

Dieser Datensatz enthält einen anonymisierten Auszug aus dem lokalen Fahrzeugregister (angemeldete Fahrzeuge zum Stichtag 01.01.2020).

Straßen
Bereitgestellt durch

Open NRW: Neuss

Art des Datenzugangs

FGB / PARQUET / N3 / CSV / TURTLE / JSON / JSONL / JSONLD / XLS / RDFXML

Aktualität der Datensatzbeschreibung

Fri Mar 10 11:49:04 GMT 2023

Raumbezug

Neuss

Rhein-Kreis Neuss: 2019 Fahrzeugbestand

Dieser Datensatz enthält einen anonymisierten Auszug aus dem lokalen Fahrzeugregister (angemeldete Fahrzeuge zum Stichtag 01.01.2019).

Straßen
Bereitgestellt durch

Open NRW: Neuss

Art des Datenzugangs

FGB / PARQUET / N3 / CSV / TURTLE / JSON / JSONL / JSONLD / XLS / RDFXML

Aktualität der Datensatzbeschreibung

Fri Mar 10 11:33:09 GMT 2023

Raumbezug

Neuss

Dormagen: Unfallstatistik

Unfallstatistik von Dormagen ab 2019

Straßen
Bereitgestellt durch

Open NRW: Neuss

Art des Datenzugangs

FGB / Shape / N3 / CSV / JSON / OV2 / KML / GEOJSON / GPX / RDFXML / PARQUET / TURTLE / JSONL / JSONLD / XLS

Aktualität der Datensatzbeschreibung

Fri Mar 10 10:56:26 GMT 2023

Raumbezug

Neuss

Rhein-Kreis Neuss: 2023 Fahrzeugbestand

Dieser Datensatz enthält einen anonymisierten Auszug aus dem lokalen Fahrzeugregister (angemeldete Fahrzeuge zum Stichtag 01.01.2023).

Straßen
Bereitgestellt durch

Open NRW: Neuss

Art des Datenzugangs

FGB / PARQUET / N3 / TURTLE / CSV / JSON / JSONLD / JSONL / XLS / RDFXML

Aktualität der Datensatzbeschreibung

Fri Mar 10 06:59:29 GMT 2023

Raumbezug

Neuss

1881 - 1890 von 4247 Datensätzen

Ergebnisse als CSV oder RDF/XML