ASDI-Datenkatalog – Übersicht

Die Amazon Sustainability Data Initiative bietet über das AWS Public Dataset Programm mehrere nachhaltigkeitsorientierte Datensätze an. Weitere Informationen zu diesen Daten und technische Hinweise für den Zugriff darauf finden Sie im Registry of Open Data on AWS (RODA). Wenn Sie sich beteiligen möchten, senden Sie bitte eine E-Mail an sustainability-data-initiative@amazon.com.

Vorgestellter Datensatz: Sentinel-2

Die Mission Sentinel-2 ist eine Landüberwachungskonstellation aus zwei Satelliten, die alle fünf Tage eine globale Abdeckung der Landoberfläche der Erde liefert. Diese Daten werden in laufenden Studien von Organisationen wie dem Blue Dot Observatory verwendet, das ein globales Überwachungssystem für alle gefährdeten Gewässer einrichtet. Auch die Radiant Earth Foundation nutzt sie in Datensätzen für die Schulung maschineller Lernlösungen für die weltweite Entwicklergemeinde.

Die vorgestellten Daten werden in zwölf Hauptkategorien unterteilt:

Wettervorhersagemodelle

Die Wettervorhersagedaten werden durch Computermodelle erzeugt und prognostizieren den zukünftigen Wetterzustand. Diese Modelle geben Variablen wie Temperatur, Niederschlag und andere meteorologische Daten über Meere, Land und die Atmosphäre aus. Diese sind für die Nachhaltigkeitsgemeinschaft wertvoll, da sie die Prognosemöglichkeiten von Notfallmanagern und Krisenplanern verbessern können.

HIRLAM (High Resolution Limited Area Model) Wettermodell | unter Leitung des Finnischen Meteorologischen Instituts: HIRLAM ist ein von vielen Wetterdiensten eingesetztes synoptisches und mesoskaliges Wettervorhersagemodell für die Europäische Union und Grönland.

Global Forecast System (GFS) | V2.0 und V3.0 verwaltet von der NOAA: GFS ist ein Wettervorhersagemodell von den National Centers for Environmental Prediction (Nationale Zentren zur Umweltvorhersage, NCEP). Über diesen Datensatz stehen Dutzende von Variablen zur Atmosphäre und zum Boden zur Verfügung, die Werte von Temperaturen, Winden und Niederschlägen bis hin zu Bodenfeuchtigkeit und Ozongehalt der Atmosphäre abdecken. Der gesamte Globus wird vom GFS mit einer horizontalen Basismaschenweite von 28 Kilometern (18 Meilen) im Ausgabegitter abgedeckt und von den operativen Meteorologen verwendet, die das Wetter bis zu 16 Tage in der Zukunft vorhersagen. Die horizontale Maschenweite sinkt bei Vorhersagen zwischen einer Woche und zwei Wochen auf 70 Kilometer (44 Meilen) im Ausgabegitter.

Unidata NOAA Global Forecast System (GFS) Modell | verwaltet von Unidata: Das GFS ist ein Wettervorhersagemodell von den National Centers for Environmental Prediction (Nationale Zentren zur Umweltvorhersage, NCEP). Über diesen Datensatz stehen Dutzende von Variablen zur Atmosphäre und zum Boden zur Verfügung, die Werte von Temperaturen, Winden und Niederschlägen bis hin zu Bodenfeuchtigkeit und Ozongehalt der Atmosphäre abdecken. Der gesamte Globus wird vom GFS mit einer horizontalen Basismaschenweite von 28 Kilometern (18 Meilen) im Ausgabegitter abgedeckt und von den operativen Meteorologen verwendet, die das Wetter bis zu 16 Tage in der Zukunft vorhersagen. Die horizontale Maschenweite sinkt bei Vorhersagen zwischen einer Woche und zwei Wochen auf 70 Kilometer (44 Meilen) im Ausgabegitter.

NOAA High-Resolution Rapid Refresh (HRRR): Das HRRR ist ein stündlich aktualisiertes, wolkenauflösendes, konvektionsfähiges Echtzeit-Atmosphärenmodell der NOAA (National Oceanic and Atmospheric Administration, die Wetter- und Ozeanografie­behörde der Vereinigten Staaten) mit einer Maschenweite von 3 Kilometern (2 Meilen), initialisiert durch 3-Kilometer-Gitter mit 3-Kilometer-Radarassimilation. Die Radardaten werden alle 15 Minuten über einen Zeitraum von einer Stunde in das HRRR aufgenommen und ergänzen die stündliche Datenassimilation aus dem 13 Kilometer (8 Meilen) langen, radarverstärkten Rapid Refresh um weitere Details. Es deckt Kontinental-USA ab.

NOAA National Digital Forecast Data (NDFD) | verwaltet von Cornell: Der Fachbereich „Earth and Atmospheric Sciences“ der Cornell University hat einen öffentlichen Datenpool mit Klimadaten erstellt. Diese werden in spaltenorientierten Datenspeicherformaten (ORC) gespeichert, um eine einfache Abfrage mit Standardtools wie Amazon Athena oder Apache Spark zu ermöglichen. Ursprünglich sollten die Daten dem Aufbau von Entscheidungshilfen für Landwirte und die digitale Landwirtschaft dienen. Der erste Datensatz umfasst die historischen Daten der NDFD/NDGD (National Digital Guidance Database), die von den NCEP, der NOAA und dem NWS verteilt werden. Die NDFD/NDGD enthalten Vorhersagen und Beobachtungen mit einer Maschenweite von 2,5 Kilometern (1,5 Meilen) im Ausgabegitter für die Continental United States (Kontinentale Vereinigte Staaten, CONUS). Es gibt auch 5 Kilometer (3 Meilen) große Gitter für mehrere kleinere US-Regionen und nicht zusammenhängende Gebiete wie Hawaii, Guam, Puerto Rico und Alaska. Die NOAA verbreitet Archive der NDFD/NDGD über ihr NOAA Operational Model Archive and Distribution System (NOMADS) im GRIB2-Format. Die Daten wurden in ORC konvertiert, um den Speicherplatz zu optimieren und vor allem den Datenzugriff über Standard-Datenanalysetools zu vereinfachen.

NOAA Global Ensemble Forecast System (GEFS) | verwaltet von der NOAA: Das GEFS, ehemals GFS Global ENSemble (GENS), ist ein Wettervorhersagemodell, das aus 21 einzelnen Vorhersagen oder Ensemblemitgliedern besteht. Die National Centers for Environmental Prediction (NCEP) haben das GEFS ins Leben gerufen, um die Art der Unsicherheit bei Wetterbeobachtungen zu untersuchen, die zur Initialisierung von Wettervorhersagemodellen verwendet wird. Das GEFS zielt darauf ab, den Grad an Unsicherheit in einer Vorhersage zu beziffern, indem es ein Ensemble mehrerer Vorhersagen erzeugt, die sich jeweils geringfügig von den ursprünglichen Beobachtungen unterscheiden oder von diesen abweichen. Die Abdeckung des GEFS ist global. Es wird viermal täglich produziert, wobei sich die Wettervorhersagen auf bis zu 16 Tage in die Zukunft erstrecken.

DWD COSMO-D2 | verwaltet vom Deutschen Wetterdienst: COSMO-D2 ist ein hochauflösendes, numerisches Wettervorhersagemodell mit kurzer Reichweite für Deutschland und angrenzende Länder; regelmäßiges Gitter mit einer Maschenweite von 2,2 Kilometern (1,3 Meilen) und 65 Schichten; aktualisiert um 00 UTC und nachfolgend alle drei Stunden; Vorhersagebereich 27 Stunden (45 Stunden um 03 UTC); Auswahl häufig verwendeter Parameter.

DWD COSMO-D2 EPS Ensemble | verwaltet vom Deutschen Wetterdienst: COSMO-D2 EPS ist ein hochauflösendes, numerisches Wetterensemblevorhersagemodell mit kurzer Reichweite für Deutschland und angrenzende Länder; 20 Ensemblemitglieder, regelmäßiges Gitter mit einer Maschenweite von 2,2 Kilometern (1,3 Meilen) und 65 Schichten; aktualisiert um 00 UTC und nachfolgend alle drei Stunden; Vorhersagebereich 27 Stunden (45 Stunden um 03 UTC); Auswahl häufig verwendeter Parameter; Ensemblemitglieder werden in gemeinsamen GRIB-Dateien zusammengefasst.

DWD ICON Global | verwaltet vom Deutschen Wetterdienst: ICON ist ein globales numerisches Wettervorhersagemodell; durchschnittliche Maschenweite von 13 Kilometern (8 Meilen) mit 90 Schichten; aktualisiert um 00 UTC und nachfolgend alle sechs Stunden mit einem Vorhersagebereich von 120 Stunden (180 Stunden um 00 UTC und 12 UTC); Auswahl der am häufigsten verwendeten Parameter.

DWD ICON Global EPS Ensemble | verwaltet vom Deutschen Wetterdienst: ICON ist ein globales EPS Ensemble-Wettervorhersagemodell; 40 Ensemblemitglieder, durchschnittliche Maschenweite von 40 Kilometern (25 Meilen); aktualisiert um 00 UTC und nachfolgend alle sechs Stunden mit einem Vorhersagebereich von 120 Stunden (erweitert auf 180 Stunden um 00 UTC und 12 UTC); Auswahl der am häufigsten verwendeten Parameter; Ensemblemitglieder werden in gemeinsamen GRIB-Dateien zusammengefasst.

DWD ICON-EU | verwaltet vom Deutschen Wetterdienst: ICON-EU ist ein regionales numerisches Wettervorhersagemodell; EU-Nest-Bereich mit erhöhter Maschenweite von ca. 6,5 Kilometern (4 Meilen) mit 60 Schichten; aktualisiert um 00 UTC und nachfolgend alle drei Stunden mit einem Vorhersagebereich von 120 Stunden; Auswahl der am häufigsten verwendeten Parameter.

DWD ICON-EU EPS Ensemble | verwaltet vom Deutschen Wetterdienst: ICON-EU EPS regionales Ensemble-Wettervorhersagemodell; 40 Ensemblemitglieder; EU-Nest-Bereich mit erhöhter Maschenweite von ca. 20 Kilometern (12 Meilen); aktualisiert um 00 UTC und nachfolgend alle drei Stunden mit einem Vorhersagebereich von 120 Stunden; Auswahl der am häufigsten verwendeten Parameter; Ensemblemitglieder werden in gemeinsamen GRIB-Dateien zusammengefasst.

Globale und regionale Wettervorhersagen des UK Met Office: Archivdaten des Vereinigten Königreichs. Met Office Global and Regional Ensemble Prediction System (MOGREPS) erhältlich auf Amazon S3. Es sind Daten von zwei Modellen verfügbar: MOEGREPS-UK, ein hochauflösendes Wettervorhersagemodell, welches das Vereinigte Königreich abdeckt, und MOGREPS-G, ein globales Wettervorhersagemodell.

Atmosphärische Modelle von Météo-France | verwaltet von OpenMeteoData: Globale und hochauflösende regionale atmosphärische Modelle von Météo-France. Umfasst Dutzende von Variablen zur Atmosphäre, die über diesen Datensatz verfügbar sind, einschließlich Temperaturen, Winde und Niederschläge. Unsere Arbeit basiert auf offenen Daten von Météo-France, aber wir sind Météo-France nicht angeschlossen und werden von ihnen nicht unterstützt.

WetterbeobachtungenWetterbeobachtungen sind die grundlegenden Daten, die zur Überwachung des Wetters verwendet werden. Mit ihnen werden potenzielle Risiken aufgrund extremer Wetterbedingungen eingeschätzt, um Unwetterwarnungen auszusprechen. Sie werden auch als Eingaben für Wettervorhersagen genutzt. Die Daten werden manuell von einem Wetterbeobachter oder in Wetterstationen automatisch durch Instrumente bzw. durch eine hybride Vorgehensweise erfasst, also mit Wetterbeobachtern, die ansonsten automatisierte Wetterstationsdaten ergänzen.

NEXRAD on AWS | verwaltet von der NOAA: Echtzeit- und Archivdaten vom Next Generation Weather Radar (NEXRAD) Netzwerk der USA.

Global Surface Summary of Day (GSOD) | verwaltet von der NOAA: GSOD ist eine Sammlung von täglichen Wettermessungen einschließlich Temperatur, Windgeschwindigkeit, Luftfeuchtigkeit, Druck und anderen Daten von mehr als 9000 Wetterstationen auf der ganzen Welt.

NOAA Integrated Surface Database (ISD) | verwaltet von der NOAA: Die ISD besteht aus globalen stündlichen und synoptischen Beobachtungen, die aus zahlreichen Quellen in GZIP-Format mit fester Breite zusammengestellt wurden. Die ISD wurde als gemeinsame Aktivität innerhalb des Asheville Federal Climate Complex entwickelt. Die Datenbank umfasst über 35.000 Stationen weltweit, von denen einige bereits über Daten aus dem Jahr 1901 verfügen. Die größten Datenmengen finden sich allerdings in den 1940er und den frühen 1970er Jahren. Derzeit werden über 14.000 „aktive“ Stationen täglich in der Datenbank aktualisiert. Das gesamte unkomprimierte Datenvolumen beträgt rund 600 Gigabyte, wächst dadurch aber kontinuierlich weiter. Die ISD beinhaltet zahlreiche Parameter wie Windgeschwindigkeit und -richtung, Windböen, Temperatur, Taupunkt, Wolkendaten, barometrischer Luftdruck, Höhenmessereinstellung, Stationsdruck, aktuelles Wetter, Sichtweiten, Niederschlagsmengen für verschiedene Zeiträume, Schneehöhe und verschiedene andere Elemente, die von jeder Station beobachtet werden.

Klimawandel

Klimadaten umfassen sowohl Beobachtungen als auch Daten aus Modellen. Datenbeobachtungen müssen aus einer zeitlichen Abfolge von Messungen ausreichender Länge (in der Regel 30 Jahre oder mehr), Konsistenz und Kontinuität bestehen, um als relevant für Klimaangaben zu gelten. Erst dann werden diese Informationen zur Bestimmung von Klimaschwankungen und des Klimawandels verwendet. Klimamodelldaten sind am häufigsten als Hochrechnungen von Klimadaten verfügbar. Anhand dieser Informationen lässt sich das Verhalten des globalen Klimasystems einschätzen. Sie sind recht hilfreich bei der Simulation globaler klimatischer Merkmale wie der weltweiten Temperatur- und der allgemeinen Umlaufmuster.

NASA NEX: Eine Sammlung von geowissenschaftlichen Datensätzen der NASA, einschließlich Hochrechnungen zum Klimawandel und Satellitenbilder der Erdoberfläche. Es handelt sich hier um globale tägliche, herunterskalierte Klimahochrechnungen.

CCAFS-Klimadaten: Hochauflösende Klimadaten, mit deren Hilfe die Auswirkungen des Klimawandels vor allem auf die Landwirtschaft abgeschätzt werden können. Diese frei zugänglichen Datensätze von Klimaprognosen helfen den Forschern, die Folgen des Klimawandels abzuschätzen.

Global Historical Climatology Network Daily (GHCN-D) | verwaltet von der NOAA: GHCN-D ist eine integrierte Datenbank mit Überblicksdaten zum Klima, die aus von Oberflächenstationen auf der ganzen Welt stammen und einer allgemein gültigen Folge von Qualitätssicherungsprüfungen unterzogen wurden. Einige Daten umfassen mehr als 175 Jahre. Dies ist die tägliche durchschnittliche Version des Datensatzes; wird täglich aktualisiert. Die Datensätze werden nach Jahren gruppiert.

NOAA Global Historical Climatology Network Hourly (GHCN-H) | verwaltet von der NOAA: GHCN-H ist ein Datensatz der NOAA, der tägliche Beobachtungen über globale Landflächen umfasst. Er enthält stationsbasierte Messungen von Landstationen auf der ganzen Welt, von denen etwa zwei Drittel nur für die Niederschlagsmessung bestimmt sind. Zu den meteorologischen Elementen gehören unter anderem die tägliche Höchst- und Niedrigtemperatur, die Temperatur zum Zeitpunkt der Beobachtung, Schneemengen und Schneehöhe. Es handelt sich um eine Zusammenstellung von Klimaaufzeichnungen aus zahlreichen Quellen, die zusammengeführt und einer allgemein gültigen Folge von Qualitätssicherungsprüfungen unterzogen wurden. Einige Daten sind älter als 175 Jahre. Die Daten liegen im CSV-Format vor. Jede Datei entspricht einem Jahr (von 1763 bis heute) und ist dementsprechend benannt.

ECMWF ERA5 | verwaltet von Intertrust: ERA5 ist die fünfte Generation der atmosphärischen Neu-Analysen des ECMWF zum globalen Klima und die erste davon, die als operative Dienstleistung erstellt wurde. Es nutzt die besten verfügbaren Beobachtungsdaten von Satelliten und In-situ-Stationen, die mit dem Integrated Forecast System (IFS) Zyklus 41r2 des ECMWF aufgenommen und verarbeitet werden. Der Datensatz stellt alle wesentlichen atmosphärischen meteorologischen Parameter wie unter anderem Lufttemperatur, Druck und Wind in verschiedenen Höhenlagen sowie Oberflächenparameter wie Regenmengen, Bodenfeuchtegehalt und Meeresparameter wie Oberflächentemperatur und Wellenhöhe bereit. ERA5 liefert Daten mit einer wesentlich höheren räumlichen und zeitlichen Maschenweite als sein altes Gegenstück ERA-Interim. ERA5 besteht aus einer hochauflösenden Version mit einer horizontalen Maschenweite von 31 Kilometern (19 Meilen) und einer Ensemble-Version mit reduzierter Maschenweite und 10 Mitgliedern. Derzeit ist es bis ins Jahr 2008 verfügbar, wird aber kontinuierlich in die Vergangenheit erweitert, zunächst bis ins Jahr 1979 und dann bis ins Jahr 1950.

Downscaled Climate Data for Alaska | verwaltet von Scenarios Network for Alaska and Arctic Planning am International Arctic Research Center, University of Alaska, Fairbanks: Dieser Datensatz umfasst historische und prognostizierte, dynamisch herunterskalierte Klimadaten für den US-Bundesstaat Alaska und die umliegenden Regionen mit einer räumlichen Maschenweite von 20 Kilometern (12 Meilen) und einer stündlichen zeitlichen Auflösung. Diese Daten wurden mit dem Weather Research and Forecasting (WRF) Modell (Version 3.5) erstellt. Wir haben sowohl die historischen Daten der Neu-Analyse von ERA-Interim (1979–2015) als auch die historischen und prognostizierten Durchläufe von zwei GCMs aus dem Coupled Model Inter-comparison Project 5 (CMIP5) herunterskaliert: GFDL-CM3 und NCAR-CCSM4 (historischer Durchlauf: 1970–2005 und RCP 8.5: 2006–2100).

Scientific Information for Land Owners (SILO) | verwaltet von der Regierung von Queensland: SILO ist eine Datenbank mit australischen Klimadaten von 1889 bis heute. Sie bietet kontinuierliche, tägliche Zeitschritt-Datenprodukte in einsatzbereiten Formaten für die Forschung und operative Anwendungen. SILO-Ausgabegitterdaten im jährlichen NetCDF-Format sind auf AWS verfügbar. Punktdaten sind auf der SILO-Website verfügbar.

Energie

Die Energiekategorie umfasst Datensätze, die nachhaltige Energiearbeit unterstützen, wie etwa Wind- und Solarklimatologie, Energieintensitätsindikatoren oder Jahresverbrauch.

Wind Integration National Dataset (WIND) | verwaltet vom NREL: Der WIND ist eine Aktualisierung und Erweiterung des Eastern Wind Integration Data Set und des Western Wind Integration Data Set. Er unterstützt die nächste Generation der Studien zur Windeinspeisung.

National Solar Radiation Data Base | verwaltet vom NREL: Die National Solar Radiation Data Base (NSRDB) ist eine seriell vollständige Sammlung von stündlichen- und halbstündlichen Werten der drei gängigsten Messungen der Sonneneinstrahlung – globale horizontale, direkte normale und diffuse horizontale Einstrahlung – und meteorologischen Daten. Diese Daten wurden an einer ausreichenden Anzahl von Standorten sowie zeitlichen und räumlichen Skalen gesammelt, um das regionale Sonneneinstrahlungsklima genau wiederzugeben.

Landhydrologie

Hydrologische Daten umfassen sowohl Beobachtungen als auch Daten aus Modellen. Hydrologische Modelldaten helfen bei der Überwachung und Vorhersage von hydrologischen Variablen im realen System, die nicht leicht zu beobachten sind (z. B. Oberflächenwasser, Bodenfeuchte, Abfluss und Grundwasser). Diese Daten helfen den Nachhaltigkeitsgemeinschaften Wasserressourcen besser zu verstehen und zu verwalten.

NOAA National Water Model Reanalysis | verwaltet von der NOAA: Der NOAA National Water Model Reanalysis Datensatz umfasst die Ergebnisse einer 25-jährigen retrospektiven Simulation (Januar 1993 bis Dezember 2017) der Version 1.2 des National Water Model. Eine Anwendung dieses Datensatzes ist es, den historischen Kontext für die aktuellen Echtzeit-Abflussmengen-, Bodenfeuchte- und Schneedecken-NWM-Bedingungen bereitzustellen. Die Neu-Analysedaten können verwendet werden, um Abflussfrequenzen abzuleiten und zeitliche Analysen mit stündlichen Abflussmengenergebnissen und dreistündigen Landoberflächenergebnissen durchzuführen. Der Langzeitdatensatz kann auch bei der Entwicklung von Endbenutzeranwendungen genutzt werden, die eine lange Datengrundlage für Systemschulungen oder Verifizierungszwecke benötigen.

NOAA National Water Model (NWM) Short-Range Forecast | verwaltet von der NOAA: Das NWM ist ein Wasserressourcenmodell, das Wasserhaushaltsvariablen wie Schneedecke, Evapotranspiration, Bodenfeuchte und Abflussmengen über die gesamten kontinentalen Vereinigten Staaten (CONUS) simuliert und prognostiziert. Das im August 2016 eingeführte Modell soll die Fähigkeit der NOAA verbessern, die Bedürfnisse ihrer Interessengruppen (Meteorologen, Notfallmanager, Stauseebetreiber, Ersthelfer, Erholungssuchende, Landwirte, Binnenschifffahrtsbetreiber sowie Manager von bestimmten Ökosystemen oder Überflutungsgebieten) zu erfüllen, indem es bessere Genauigkeit, mehr Details und häufigere Wasserinformationen bietet. Es wird vom Office of Water Prediction der NOAA betrieben. Dieser Bereich enthält einen vierwöchigen Überschlag der Ergebnisse des Short-Range Forecast-Modells und der entsprechenden Antriebsdaten für das Modell. Das Modell wird von meteorologischen Daten aus den High Resolution Rapid Refresh (HRRR) und Rapid Refresh (RAP) Modellen angetrieben. Die Short-Range Forecast-Konfiguration hat einen stündlichen Zyklus und erzeugt in diesem Rhythmus deterministische Vorhersagen von Abflussmengen und hydrologischen Zuständen von bis zu 18 Stunden.

Prognosemodelle für die Weltmeere

Meeresmodelle sind numerisch und legen den Fokus auf die Merkmale der Weltmeere und ihre Strömungen. Sie tragen wesentlich dazu bei, dass wir den Einfluss der Meere auf Wetter und Klima besser verstehen.

NOAA Ocean Forecast System (OFS) | verwaltet von der NOAA: Das OFS wurde für die maritime Nutzergemeinschaft in einem gemeinsamen Projekt von NOAA/National Ocean Service (NOS)/Office of Coast Survey, NOAA/NOS/Center for Operational Oceanographic Products and Services (CO-OPS) und NOAA/National Weather Service (NWS)/National Centers for Environmental Prediction (NCEP) Central Operations (NCO) entwickelt. Das OFS erzeugt viermal täglich Orientierungswerte für den jetzigen Stand und den zukünftigen Stand des Wasserstands, der Wasserströmung, der Wassertemperatur, des Wassersalzgehalts (mit Ausnahme der Großen Seen in Nordamerika) sowie der Windverhältnisse.

Luftqualität

Luftqualitätsdaten umfassen sowohl Beobachtungen als auch Daten aus Modellen. Damit werden die Auswirkungen der Luftqualität auf den Menschen und seine Gesundheit sowie die Umwelt überwacht und prognostiziert. Darüber hinaus lassen sie sich zur Überwachung der Einhaltung von Vorschriften verwenden.

OpenAQ: Globale, kumulierte physikalische Luftqualitätsdaten aus öffentlichen Datenquellen, die von Behörden, Forschungseinrichtungen und anderen Quellen bereitgestellt werden.

GEOS-Chem Eingabedaten: Eingabedaten für das GEOS-Chem Chemical Transport Modell. Umfasst die meteorologischen Produkte von NASA/GMAO MERRA-2 und GEOS-FP, die HEMCO Emissionskataster und andere kleine Daten, wie etwa Modell-Anfangsbedingungen.

Environmental Protection Agency Risk-Screening Environmental Indicators: Detaillierte Modellergebnisse des Risk-Screening Environmental Indicators (RSEI) der EPA.

Safecast | verwaltet von Safecast: Eine laufende Sammlung von Strahlungs- und Luftqualitätsmessungen von Geräten, die am Safecast-Projekt beteiligt sind.

Erdbeobachtungen

Erdbeobachtungsdatensätze bestehen hauptsächlich aus Informationen, die aus Satellitenbeobachtungen gewonnen wurden, können aber auch Bilder aus Flugzeugen beinhalten. Die Daten werden typischerweise verwendet, um die Veränderung der Landnutzung für die Umweltüberwachung, die landwirtschaftliche Anwendungen (z. B. Anbaumanagement zur Unterstützung der Ernährungssicherung), die Überwachung der Binnengewässer sowie die Kartierung und das Management von Hochwasser (z. B. nach der Überflutung: Risikoanalyse, Schadensbegutachtung und Katastrophenmanagement) zu überwachen.

Sentinel-1 | verwaltet von Sinergize: Sentinel-1 ist ein Paar europäischer bildgebender Synthetic Aperture Radar (SAR)-Satelliten, die in den Jahren 2014 und 2016 ins All geschossen wurden. Durch den sechstägigen Überflugszyklus und die Möglichkeit, durch Wolken hindurch zu beobachten, eignen sie sich perfekt für die See- und Landüberwachung, für Notfallmaßnahmen aufgrund von Umweltkatastrophen und wirtschaftliche Anwendungen. (Requester Pays Modell)

Sentinel-1 Single Look Complex (S1 SLC) Datensatz für Südasien, Südostasien, Taiwan und Japan | verwaltet von der Nanyang Technological University in Singapur: Der S1 SLC Datensatz umfasst Synthetic Aperture Radar (SAR) Daten in C-Band-Wellenlänge. Die SAR-Sensoren sind auf einer Konstellation von zwei Satelliten (Sentinel-1A und Sentinel-1B) installiert, die die Erde mit einer kombinierten Umlaufzeit von sechs Tagen umkreisen und von der Europäischen Weltraumorganisation ESA betrieben werden. Die S1 SLC-Daten sind ein Level-1-Produkt, das Radaramplituden- und Phaseninformationen bei jedem Wetter sowie bei Tag und Nacht sammelt. Damit eignen sie sich ideal für die Untersuchung von natürlichen Risiken und Krisenreaktionen, Landanwendungen, Überwachung von Ölverschmutzungen, Meereisbedingungen und damit verbundenen Auswirkungen des Klimawandels. (Requester Pays Modell)

Sentinel-2 | verwaltet von Sinergize: Die Sentinel-2 Mission ist eine Konstellation von zwei Satelliten, die hochauflösende optische Bilder und Kontinuität für die aktuellen SPOT- und Landsat-Missionen liefern. Die Mission stellt alle fünf Tage eine globale Abdeckung der Landoberfläche der Erde bereit, die sich hervorragend für laufende Studien eignet. (Requester Pays Modell)

Landsat 8 | verwaltet von Planet: Eine fortlaufende Sammlung von Satellitenbildern der gesamten Landflächen auf der Erde, die vom Satelliten Landsat 8 produziert werden.

Moderate Resolution Imaging Spectroradiometer (MODIS) | verwaltet vom U.S. Geological Survey und der NASA: MODIS ist ein Sensor der Terra- und Aqua-Satelliten. MODIS hat eine niedrige räumliche Auflösung, aber eine hohe zeitliche Auflösung, ideal für die Erkennung von Landveränderungen. Es wird auch zur Erkennung von Waldbränden eingesetzt.

GOES | verwaltet von der NOAA: GOES bietet kontinuierliche Wetterbilder und die Überwachung von meteorologischen und weltraumgestützten Daten in ganz Nordamerika. Es handelt sich dabei um einen geostationärer Satelliten, dessen Hauptfunktion darin besteht, die Wettervorhersage zu unterstützen. Wir hosten Daten von GOES 17 und GOES 18.

Unidata GOES-16 | verwaltet von Unidata: GOES bietet kontinuierliche Wetterbilder und die Überwachung von meteorologischen und weltraumgestützten Daten in ganz Nordamerika.

National Agricultural Imagery Program (NAIP): Hochwertige 1-Meter-Luftbilder (aus Flugzeugen), die während der landwirtschaftlichen Anbausaison in Kontinental-USA aufgenommen wurden. (Requester Pays Modell)

China-Brazil Earth Resources Satellite (CBERS) | verwaltet von AMS Kepler: Die von dem CBERS aufgenommenen Bilder nehmen multispektrale Beobachtungen auf, die zur Erkennung von Landnutzung verwendet werden können. (Requester Pays Modell)

DigitalGlobe Open Data Program | verwaltet von DigitalGlobe: Hochauflösende Satellitenbilder vor und nach Ereignissen zur Unterstützung der Notfallplanung, der Risikobewertung, der Überwachung von Bereitstellungsbereichen und Krisenreaktionen, der Schadensbewertung und der Wiederaufbereitung. Umfasst auch Schadensbewertungen aus allgemeinen Quellen bei großen, plötzlich auftretenden Katastrophen.

OpenStreetMap (OSM): OSM ist eine kostenlose, editierbare Weltkarte, die von Freiwilligen erstellt und gepflegt wird. Reguläre OSM-Datenarchive sind in Amazon S3 verfügbar.

OpenStreetMap (OSMLR) Linear Referencing: OSMLR ist ein lineares Referenzsystem, das auf OpenStreetMap basiert. OSM verfügt über umfangreiche Informationen über Straßen auf der ganzen Welt und deren Verbindungen, aber dem Programm fehlt es an Mitteln, einzelnen Straßenabschnitten eine stabile Kennung zu geben. OSMLR bietet einen stabilen Satz numerischer IDs für jeden einen Kilometer (0,6 Meilen) langen Abschnitt von Straßen auf der ganzen Welt. In städtischen Gebieten werden wichtige Kreuzungen an jedem Straßenblock mit OSMLR-IDs versehen.

Terrain Tiles: Ein globaler Datensatz mit Höhenangaben für unbesiedeltes Gelände; zur einfacheren Verwendung im Kachel-Design.

USGS 3DEP LiDAR Point Clouds | verwaltet von Hobu, Inc.: Das Ziel von 3DEP ist es, Höhendaten in Form von Lichtdetektions- und Abstandsdaten (light detection and ranging data, LiDAR) über die angrenzenden Gebiete der Vereinigten Staaten, Hawaiis und der US-Gebiete zu sammeln, wobei die Daten über einen Zeitraum von 8 Jahren erfasst werden. Dieser Datensatz umfasst zwei Realisierungen der 3DEP-Punktwolkendaten. Die erste Ressource ist eine Organisation für den öffentlichen Zugang, die im Entwine Point Tiles-Format bereitgestellt wird, einem verlustfreien, volldichten, streamfähigen Octree, der auf LASzip (LAZ)-Kodierung basiert. Die zweite Ressource ist ein Requester Pays der gleichen Daten im LAZ-Format (Compressed LAS). Ressourcennamen in beiden Bereichen entsprechen den USGS-Projektnamen.

NOAA Global Hydro Estimator (GHE) | verwaltet von der NOAA: Der GHE liefert ein globales Mosaikabbild von Schätzwerten über Regenmengen aus multinationalen Satelliten, zu denen derzeit GOES-16, GOES-15, Meteosat-8, Meteosat-11 und Himawari-8 gehören Zu den GHE-Produkten gehören: momentane Regenrate, 1-Stunden-, 3-Stunden-, 6-Stunden-, 24-Stunden- und Mehrtages-Regenmengenakkumulation.

Indikatoren in Natur, Gesellschaft und Wirtschaft

Zu den Datensätzen über Natur, Gesellschaft und Humankapital gehören soziale, ökologische und wirtschaftliche Indikatoren. Beispiele für solche Indikatoren sind der ökologische Fußabdruck, die Armutsquote, Lebenserwartung und Arbeitslosenquote. Diese Informationen sind für die Nachhaltigkeitsgemeinschaft wertvoll, um den aktuellen Status einer Region, eines Landes oder Kontinents und die Änderungsrate für ökologische, gesellschaftliche und wirtschaftliche Maßnahmen zu verstehen.

NFA 2017 – Ökologische Ressourcennutzung und Ressourcenkapazität der Nationen von 1961 bis 2013: Ökologischer Fußabdruck im Verhältnis zum BIP. Die National Footprint Accounts (NFAs) messen den ökologischen Ressourcenverbrauch und die Ressourcenkapazität der Nationen von 1961 bis 2013. Die Berechnungen in den NFAs basieren hauptsächlich auf Datensätzen der Vereinten Nationen, einschließlich derjenigen, die von der Ernährungs- und Landwirtschaftsorganisation, der Datenbank des Rohstoffhandels der Vereinten Nationen, der Statistikabteilung der Vereinten Nationen sowie der Internationalen Energieagentur veröffentlicht wurden.

U.S. Census Bureau American Community Survey (ACS): U.S. Census Bureau ACS Public Use Microdata Sample (PUMS), in einem verknüpften Datenformat unter Verwendung des Resource Description Framework (RDF) Datenmodells verfügbar.

High Resolution Population Density Maps + Demographic Estimates von CIESIN und Facebook | verwaltet von Facebook: Bevölkerungsdaten für eine Auswahl von Ländern, die 1-Bogensekunden-Blöcken zugeordnet und in einer Kombination aus CSV- und Cloud-optimierten GeoTIFF-Dateien bereitgestellt werden. Verfeinert CIESINs Gridded Population of the World mit Hilfe von maschinellen Lernmodellen auf hochauflösenden, weltweiten Digital Globe Satellitenbildern. CIESIN-Bevölkerungszahlen, die aus weltweiten Volkszählungsdaten kumuliert wurden, werden Blöcken zugeordnet, in denen die Abbildungen wie Gebäude wirken.

Katastrophen

Zu den Katastrophendatensätzen gehören Daten, die zur Katastrophenhilfe und -prävention verwendet werden.

Open Earthquake Early-Warnings (OpenEEW) | verwaltet von Grillo: Grillo hat ein auf dem Internet der Dinge basierendes Erdbebenfrühwarnsystem in Mexiko und Chile entwickelt und stellt nun sein gesamtes Archiv unverarbeiteter Beschleunigungssensordaten zur Verfügung, um die Entwicklung neuer Algorithmen zur schnellen Erkennung und Bestimmung von Erdbeben in Echtzeit zu fördern.

Artenvielfalt

Datensätze zur Artenvielfalt überwachen die Anzahl und Variabilität lebender Organismen (terrestrische, marine und andere aquatische Ökosysteme) und ihrer Ökosysteme.

eBird Status and Trends Modellergebnisse | verwaltet vom Cornell Lab of Ornithology: Das Projekt „eBird Status and Trends“ erstellt Schätzungen über das Vorkommen und die Häufigkeit von Vögeln mit einer hohen räumlich-zeitlichen Auflösung. Dieser Datensatz stellt die primär modellierten Ergebnisse aus dem Analyse-Workflow dar und ist für die weitere Analyse, Synthese, Visualisierung und Exploration ausgelegt.

Maschinelles Lernen

Maschinelle Lerndatensätze werden für die maschinelle Lernforschung zum Thema Nachhaltigkeit verwendet. Sie umfassen markierte Trainingsdatensätze für überwachte und teilüberwachte maschinelle Lernalgorithmen.

Africa Soil Information Service (AfSIS) Soil Chemistry | verwaltet von Quantitative Engineering Design: Dieser Datensatz umfasst Boden-Infrarot-Spektraldaten und gepaarte Bodeneigenschaften-Referenzmessungen für georeferenzierte Bodenproben, die im Rahmen des AfSIS-Projekts von 2009 bis 2018 gesammelt wurden. In dieser Version sind Daten enthalten, die während der Phase I (2009–2013) gesammelt wurden. Georeferenzierte Proben wurden mit einem statistisch fundierten Probenahmeverfahren aus 19 Ländern in Subsahara-Afrika entnommen. Ihre Bodeneigenschaften wurden sowohl mit herkömmlichen Bodenprüfmethoden als auch mit spektralen Methoden (Infrarot-Reflexionsspektroskopie) analysiert. Die beiden Datentypen können zu einem Trainingsdatensatz für das maschinelle Lernen zusammengeführt werden, sodass bestimmte Bodeneigenschaften durch kostengünstigere Spektraltechniken gut vorhergesagt werden können.

Aktuelles
Erfahren Sie, wie wir unser Potenzial, unseren Einfluss und unsere Innovationskraft für den Aufbau einer nachhaltigen Zukunft einsetzen.