Esri Ressourcen rund um die Meeresforschung
Diese neun Videos, die ursprünglich im Rahmen der Konferenz zum Pristine Seas-Programm von National Geographic im Jahr 2020 aufgezeichnet wurden, sind hervorragende Beispiele für die Anwendung der ArcGIS-Software von Esri in den Bereichen Meeresforschung, Meereserhaltung und wissenschaftliche Kommunikation.
Schauen Sie sich darüber hinaus die Demos zum Esri Ocean, Weather, and Climate GIS Forum aus dem Jahr 2020 an. Diese halten die neuesten Meeres-, Wetter- und Klimainformationen für Sie bereit.
Esri Oceans Hub
Der neue Hub von Esri für Meeresressourcen beinhaltet Apps für die Meeresanalyse, informative Blogbeiträge, Story Maps und Lernprogramme sowie Informationen zum jährlich stattfindenden Esri Ocean, Weather, and Climate Forum, damit über die verschiedenen Teildisziplinen der Meeresforschung hinweg kooperiert werden kann.
Ecological Marine Units: Eine 3D-Grundkarte zur Analyse des Meeres
Ecological Marine Units (EMUs) sind aufbereitete Beobachtungen der Meereseigenschaften in 3D. EMUs dienen weltweit in über 15 Projekten als Grundlage für eine standardisierte und praktische globale Klassifizierung und Karte der Meeresökosysteme. Die Daten sind kostenlos in ArcGIS Living Atlas of the World verfügbar.
Eine globale 3D-Meeresgrundkarte
EMUs leisten einen großen Beitrag zur Meeresforschung, zur Konzeption von Meeresschutzgebieten (Marine Protected Areas, MPAs) und zum Unterricht.
Kostenloses neues EMU-Lernmodul
Lernen Sie, wie Sie mit EMUs in Form von 3D-Voxel-Layern und analytischen Blockbildern arbeiten.
Ein Ozean
Erfahren Sie, wie Sie globale EMU-Daten als Punkte laden und im auf die Spilhaus-Ozean-Weltkarte projizierten Koordinatensystem nutzen.
Die Malediven erkunden
Eine Teilmenge der EMUs bestehend aus dem Indischen Ozean können Sie mithilfe der Javascript-API in einer benutzerdefinierten Web-App erkunden.
Einführung in Meeresökosysteme
Erkunden Sie eine neue Ressource für Küstenmanager*innen und -forschende, die standardisierte Charakterisierungen und Vergleiche von küstennahen Lagen und Prozessen ermöglicht. Zu jedem einzelnen Kilometer Küstenlinie auf der Erde können 11 Variablen abgefragt werden, die die Eigenschaften der Küste, der Landseite und der Küstenlinie charakterisieren. Diese Ressource wird durch Esri, die US-Bundeshörde USGS (United States Geological Survey) und ein Team internationaler Fachleute bereitgestellt.
Ein Meer aus Story Maps
Mit den Storytelling-Werkzeugen in ArcGIS erzählt die Meeres-Community eindrucksvolle Storys über die Erforschung, Erhaltung und Erkundung der Meere und die Arbeit vor Ort. Lassen Sie sich für Ihre Story durch die StoryMaps in dieser einzigartigen Sammlung herausragender Beispiele wissenschaftlicher Kommunikation motivieren, die sowohl Forschende und Naturschützer*innen als auch Entscheidungstragende und die Öffentlichkeit informieren, weiterbilden und inspirieren.
Erweiterte Meeresgrundkarten
Die Ocean Basemap beinhaltet einen Vektorkachel-Layer für bathymetrische Daten, Feature-Namen von Oberflächen-Features und Features unterhalb der Oberfläche sowie abgeleitete Tiefen. Sie wurde für Meeres-GIS-Fachleute oder für all diejenigen konzipiert, die sich für Meeresdaten interessieren. Neue Inhalte sind in allen Styles von Vektorkachel-Layern verfügbar. Mit ihnen lassen sich sowohl die Layer-Inhalte auch das Aussehen der Anzeige anpassen.
UNH/CCOM-JHC-Datenportal
Das Center for Coastal and Ocean Mapping (UNH/CCOM), die National Oceanic and Atmospheric Administration (NOAA) und das Joint Hydrographic Center (JHC) der University of New Hampshire stellen seit 2012 Karten bereit, die über das Internet zugänglich sind. Dieses Portal beinhaltet eine große Bandbreite an Meereskarten und -anwendungen, die in Zusammenarbeit mit dem General Bathymetric Chart of the Oceans (GEBCO) und Seabed 2030 angeboten werden.
Benthic Terrain Modeler
Der Benthic Terrain Modeler ist ein Python-3-basierter Satz Geoverarbeitungswerkzeuge für die Analyse von benthischem Terrain zur Klassifizierung der Eigenschaften der Oberfläche des Meeresbodens. Derzeit führt er die blockbasierte Verarbeitung für große Rasterberechnungen mithilfe der wissenschaftlichen Bibliotheken NumPy und SciPy durch.