Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen angezeigt.

--- indicators:gruenausstattung [2023/07/24 08:51] – goat30
+++ indicators:gruenausstattung [2024/10/09 23:31] (aktuell) – Externe Bearbeitung 127.0.0.1
@@ Zeile 1: / Zeile 1: @@
-====== Grünausstattung (IÖR, PSU) ======
+====== Grünausstattung ======
-Unter Grünausstattung wird eine quantitative Betrachtung der Grünflächen bezogen auf eine Bezugsfläche verstanden ((Bundesinstitut für Bau-, Stadt- und Raumforschung, Wie grün sind deutsche Städte?. BBSR-Online-Publikation, 03/2022)).
-===== Hintergrund =====
+----
-Reine quantitative Beschreibung bezogen auf eine Bezugsfläche. Die Quantifizierung kann in 2D (Grünflächen) oder in 3D (Grünvolumen) erfolgen. Es können bei der Quantifizierung auch verschiedene Vegetationsformen betrachtet werden (Wiese, Wald, Strauch, etc.).
+Unter Grünausstattung wird eine quantitative Betrachtung der Grünflächen bezogen auf eine Bezugsfläche verstanden ((Bundesinstitut für Bau-, Stadt- und Raumforschung (2022): Wie grün sind deutsche Städte?. BBSR-Online-Publikation, 03/2022)). Die Quantifizierung kann in 2D (Grünflächen) oder in 3D (Grünvolumen) erfolgen. Es können bei der Quantifizierung auch verschiedene Vegetationsformen betrachtet werden (Wiese, Wald, Strauch, etc.).
 ===== Datengrundlage =====
   * Bezugsflächenpolyone: OSM, ATKIS
   * Grün: Fernerkundungsdaten (Ortholuftbilder, RGBI-Bilder, Sentinel-2 o.ä)
-===== Berechnungsschritte =====
-  - Definition/Ableitung der Grünflächen entweder pixelbasiert ((Weigand, Matthias; Staab, Jeroen; Wurm, Michael; Taubenböck, Hannes (2020): Spatial and semantic effects of LUCAS samples on fully automated land use/land cover classification in high-resolution Sentinel-2 data. In: International Journal of Applied Earth Observation and Geoinformation 88, S. 102065. https://doi:10.1016/j.jag.2020.102065.)) oder polygonbasiert ((Ludwig, C.; Hecht, R.; Lautenbach, S.; Schorcht, M.; Zipf, A. Mapping Public Urban Green Spaces Based on OpenStreetMap and Sentinel-2 Imagery Using Belief Functions. ISPRS Int. J. Geo-Inf. 2021, 10, 251. https://doi.org/10.3390/ijgi10040251))
-  - Definition der Bezugseinheit (Stadtteil, Raster, etc.)
-  - Berechnung des Grünflächenanteils in % (2D) oder des spezifischen Grünvolumens in m³/m² (3D) bezogen auf das Bezugseinheit ((R. Hecht, G. Meinel and M. F. Buchroithner, "Estimation of Urban Green Volume Based on Single-Pulse LiDAR Data," in IEEE Transactions on Geoscience and Remote Sensing, vol. 46, no. 11, pp. 3832-3840, Nov. 2008, https://doi: 10.1109/TGRS.2008.2001771.))
-===== Umsetzung in GOAT =====
+===== Berechnungsschritte =====
-#Kommentar: Kann man ergänzen, wenn der Indikator in GOAT eingefügt wurde, ansonsten wohl erst einmal wieder löschen
+  - Definition/Ableitung der Grünflächen entweder pixelbasiert ((Weigand, M.; Staab, J.; Wurm, M.; Taubenböck, H. (2020): Spatial and semantic effects of LUCAS samples on fully automated land use/land cover classification in high-resolution Sentinel-2 data. In: International Journal of Applied Earth Observation and Geoinformation 88, S. 102065. https://doi:10.1016/j.jag.2020.102065)) oder polygonbasiert ((Ludwig, C.; Hecht, R.; Lautenbach, S.; Schorcht, M.; Zipf, A. (2021): Mapping Public Urban Green Spaces Based on OpenStreetMap and Sentinel-2 Imagery Using Belief Functions. ISPRS Int. J. Geo-Inf. 2021, 10, 251. https://doi.org/10.3390/ijgi10040251))
+  - Definition der Bezugseinheit (Stadtteil, Raster, etc.)
+  - Berechnung des Grünflächenanteils in % (2D) oder des spezifischen Grünvolumens in m³/m² (3D) bezogen auf die Bezugseinheit ((Hecht, R.; Meinel, G.; Buchroithner, M. F. (2008): "Estimation of Urban Green Volume Based on Single-Pulse LiDAR Data," in IEEE Transactions on Geoscience and Remote Sensing, vol. 46, no. 11, pp. 3832-3840, Nov. 2008, https://doi:10.1109/TGRS.2008.2001771))
 ===== Praxisbeispiele =====
 z.B. Umweltmonitoring der Städte [[https://vv.potsdam.de/vv/Umweltmonitoring_-_Flyer_Dez2018.pdf|Potsdam]], Berlin, [[https://www.lup-umwelt.de/umweltmonitoring-potsdam/|Dresden]].