Tetteh GO, Schwieder M, Pham VD, Blickensdörfer L, Gocht A, Neuenfeldt S, van der Linden S, Erasmi S (2024) Agrarflächennutzung aus dem All kartiert: Daten zur Quantifizierung von Klimaschutzmaßnahmen. In: Köchy M (ed) Agrarforschung zum Klimawandel : Konferenz der Deutschen Agrarforschungsallianz, 11.-14.03.2024, Potsdam, unter der Schirmherrschaft des Bundesministeriums für Ernährung und Landwirtschaft ; Programm und Beiträge, Stand: 18. April 2024. [in Press]. Braunschweig: DAFA

https://literatur.thuenen.de/digbib_extern/dn068079.pdf

Schwieder M, Tetteh GO, Blickensdörfer L, Gocht A, Erasmi S (2024) Agricultural land use (raster) : National-scale crop type maps for Germany from combined time series of Sentinel-1, Sentinel-2 and Landsat data (2017 to 2021) [Datenpublikation] [online]. 5 TIFF-Dateien, 1 PDF-Datei, 2 CLR-Dateien. Genève: Zenodo, zu finden in <https://zenodo.org/records/10617623> [zitiert am 07.03.2024], DOI:10.5281/zenodo.10617623

Schwieder M, Tetteh GO, Blickensdörfer L, Gocht A, Erasmi S (2024) Agricultural land use (raster) : National-scale crop type maps for Germany from combined time series of Sentinel-1, Sentinel-2 and Landsat data (2022) ; Version v201 [Datenpublikation] [online]. 6 TIFF-Dateien, 1 PDF-Datei, 2 CLR-Dateien. Genève: Zenodo, zu finden in <https://zenodo.org/records/10628809> [zitiert am 07.03.2024], DOI:10.5281/zenodo.10628809

Schwieder M, Tetteh GO, Blickensdörfer L, Gocht A, Erasmi S (2024) Agricultural land use (raster) : National-scale crop type maps for Germany from combined time series of Sentinel-1, Sentinel-2 and Landsat data (2022) ; Version v202 [Datenpublikation] [online]. 1 TIFF-Dateien, 1 PDF-Datei, 2 CLR-Dateien. Genève: Zenodo, zu finden in <https://zenodo.org/records/10645427> [zitiert am 07.03.2024], DOI:10.5281/zenodo.10645427

Tetteh GO, Schwieder M, Blickensdörfer L, Gocht A, Erasmi S (2024) Agricultural land use (vector) : National-scale crop type maps for Germany from combined time series of Sentinel-1, Sentinel-2 and Landsat data (2017 to 2021) [Datenpublikation] [online]. 2 PDF-Dateien, 5 FGB-Dateien, 1 SLD-Datei. Genève: Zenodo, zu finden in <https://zenodo.org/records/10619783> [zitiert am 07.03.2024], DOI:10.5281/zenodo.10619783

Tetteh GO, Schwieder M, Blickensdörfer L, Gocht A, Erasmi S (2024) Agricultural land use (vector) : National-scale crop type maps for Germany from combined time series of Sentinel-1, Sentinel-2 and Landsat data (2022) [Datenpublikation] [online]. 1 FGB-Datei, 1 PDF-Datei, 1 SLD-Datei. Genève: Zenodo, zu finden in <https://zenodo.org/records/10621629> [zitiert am 07.03.2024], DOI:10.5281/zenodo.10621629

Wenzel A, Westphal C, Ballauff J, Berkelmann D, Brambach F, Buchori D, Camaretta N, Corre MD, Daniel R, Darras K, Erasmi S, Formaglio G, Hölscher D, Al-Amin Iddris N, Irawan B, Knohl A, Kotowska MM, Krashevska V, Kreft H, Mulyani Y, et al (2024) Balancing economic and ecological functions in smallholder and industrial oil palm plantations. Proc Nat Acad Sci USA 121(17):e2307220121, DOI:10.1073/pnas.2307220121

https://literatur.thuenen.de/digbib_extern/dn068122.pdf

Schwieder M, Lobert F, Tetteh GO, Erasmi S (2024) Grassland mowing events across Germany detected from combined Sentinel-2 and Landsat time series for the year 2022 [Datenpublikation] [online]. 1 TIFF-Datei. Genève: Zenodo, zu finden in <https://zenodo.org/records/10610283> [zitiert am 07.03.2024], DOI:10.5281/zenodo.10610283

Schwieder M, Lobert F, Tetteh GO, Erasmi S (2024) Grassland mowing events across Germany detected from combined Sentinel-2 and Landsat time series for the years 2017 - 2021 [Datenpublikation] [online]. 5 TIFF-Dateien. Genève: Zenodo, zu finden in <https://zenodo.org/records/10609590> [zitiert am 07.03.2024], DOI:10.5281/zenodo.10609590

Saggau P, Brög T, Gocht A, Erasmi S, Steinhoff-Knopp B (2024) HotSpots der Bodenerosionsgefährdung durch Wasser in Deutschland. In: Köchy M (ed) Agrarforschung zum Klimawandel : Konferenz der Deutschen Agrarforschungsallianz, 11.-14.03.2024, Potsdam, unter der Schirmherrschaft des Bundesministeriums für Ernährung und Landwirtschaft ; Programm und Beiträge, Stand: 18. April 2024. [in Press]. Braunschweig: DAFA

https://literatur.thuenen.de/digbib_extern/dn068077.pdf

Erasmi S, Muro J, Brög T, Blickensdörfer L, Fuß R, Gocht A, Don A, Schwieder M (2024) KlimaFern - Fernerkundung für eine Verbesserung der Klimaberichterstattung. In: Köchy M (ed) Agrarforschung zum Klimawandel : Konferenz der Deutschen Agrarforschungsallianz, 11.-14.03.2024, Potsdam, unter der Schirmherrschaft des Bundesministeriums für Ernährung und Landwirtschaft ; Programm und Beiträge, Stand: 18. April 2024. [in Press]. Braunschweig: DAFA

https://literatur.thuenen.de/digbib_extern/dn068078.pdf

Brög T, Don A, Gocht A, Scholten T, Taghizadeh-Mehrjardi R, Erasmi S (2024) Using local ensemble models and Landsat bare soil composites for large-scale soil organic carbon maps in cropland. Geoderma 444:116850, DOI:10.1016/j.geoderma.2024.116850

https://literatur.thuenen.de/digbib_extern/dn067810.pdf

Lobert F, Löw J, Schwieder M, Gocht A, Schlund M, Hostert P, Erasmi S (2023) A deep learning approach for deriving winter wheat phenology from optical and SAR time series at field level. Remote Sens Environ 298:113800, DOI:10.1016/j.rse.2023.113800

https://literatur.thuenen.de/digbib_extern/dn066907.pdf

Schwieder M, Tetteh GO, Blickensdörfer L, Gocht A, Erasmi S (2023) Agricultural land use (raster) : National-scale crop type maps for Germany from combined time series of Sentinel-1, Sentinel-2 and Landsat data (2017 to 2021) [Datenpublikation] [online]. 5 TIFF-Dateien, 2 Textdateien. Braunschweig: Thünen-Atlas, zu finden in <https://www.openagrar.de/receive/openagrar_mods_00087489> [zitiert am 10.07.2023], DOI:10.3220/DATA20230707103051-0

Schwieder M, Tetteh GO, Blickensdörfer L, Gocht A, Erasmi S (2023) Agricultural land use (vector) : National-scale crop type maps for Germany from combined time series of Sentinel-1, Sentinel-2 and Landsat data (2017 to 2021) [Datenpublikation] [online]. 5 Geopackages, 2 Textdateien. Braunschweig: Thünen-Atlas, zu finden in <https://www.openagrar.de/receive/openagrar_mods_00087490> [zitiert am 10.07.2023], DOI:10.3220/DATA20230707103117-0

Erasmi S, Ackermann A, Bolte A, Dunger K, Elsasser P, Fuß R, Gocht A, Hoedt F, Klimek S, Neumeier S, Osterburg B, Röder N, Strer M, Weingarten P, Isermeyer F (2023) Bundesweite Landnutzungsdaten am Thünen-Institut : Sachstand und Perspektiven. Braunschweig: Johann Heinrich von Thünen-Institut, 41 p, Thünen Working Paper 213, DOI:10.3220/WP1683702994000

https://literatur.thuenen.de/digbib_extern/dn066325.pdf

Tetteh GO, Schwieder M, Erasmi S, Conrad C, Gocht A (2023) Comparison of an optimised multiresolution segmentation approach with deep neural networks for delineating agricultural fields from Sentinel-2 images. J Photogramm Remote Sensing Geoinf Sci 91(4):295-312, DOI:10.1007/s41064-023-00247-x

https://literatur.thuenen.de/digbib_extern/dn066421.pdf

Osterburg B, Ackermann A, Böhm J, Bösch M, Dauber J, Witte T de, Elsasser P, Erasmi S, Gocht A, Hansen H, Heidecke C, Klimek S, Krämer C, Kuhnert H, Moldovan A, Nieberg H, Pahmeyer C, Plaas E, Rock J, Röder N, Söder M, Tetteh GO, Tiemeyer B, Tietz A, Wegmann J, Zinnbauer M (2023) Flächennutzung und Flächennutzungsansprüche in Deutschland. Braunschweig: Johann Heinrich von Thünen-Institut, 98 p, Thünen Working Paper 224, DOI:10.3220/WP1697436258000

https://literatur.thuenen.de/digbib_extern/dn067046.pdf

Holtgrave A-K, Lobert F, Erasmi S, Röder N, Kleinschmit B (2023) Grassland mowing event detection using combined optical, SAR, and weather time series. Remote Sens Environ 295:113680, DOI:10.1016/j.rse.2023.113680

https://literatur.thuenen.de/digbib_extern/dn066527.pdf

Schlund M, Erasmi S, Knohl A (2023) High-resolution true-color orthophotos with 10 cm resolution 2022 [Datenpublikation] [online]. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/S6JS8E> [zitiert am 18.10.2023], DOI:10.25625/S6JS8E

Hauck M, Klinge M, Erasmi S, Dulamsuren C (2023) No signs of long-term greening trend in Western Mongolian Grasslands. Ecosystems 26(5):1125-1143, DOI:10.1007/s10021-023-00819-3

https://literatur.thuenen.de/digbib_extern/dn066009.pdf

Schlund M, Erasmi S, Knohl A (2023) Rasters for ALS metrics at 1000m² resolution 2022 [Datenpublikation] [online]. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/J93NG5> [zitiert am 18.10.2023], DOI:10.25625/J93NG5

Schlund M, Erasmi S, Knohl A (2023) Rasters for ALS metrics at 10m resolution 2022 [Datenpublikation] [online]. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/39VQPW> [zitiert am 18.10.2023], DOI:10.25625/39VQPW

Schlund M, Erasmi S, Knohl A (2023) Rasters for ALS metrics at 50m resolution 2022 [Datenpublikation] [online]. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/KBPPPL> [zitiert am 18.10.2023], DOI:10.25625/KBPPPL

Wenzel A, Westphal C, Ballauff J, Berkelmann D, Brambach F, Buchori D, Camaretta N, Corre MD, Darras K, Erasmi S, Formaglio G, Hölscher D, Al-Amin Iddris N, Irawan B, Knohl A, Kotowska MM, Krashevska V, Kreft H, Mulyani Y, Mußhoff O, et al (2023) Trade-offs and synergies of economic and ecological functions across oil palm systems. In: Brückner D, Kietzmann K (eds) Book of abstracts : 52nd Annual Meeting of the Ecological Society of Germany, Austria and Switzerland ; Leipzig - 12-16 September 2023. Berlin: Gesellschaft für Ökologie, p 148

Schlund M, Wenzel A, Camarretta N, Stiegler C, Erasmi S (2023) Vegetation canopy height estimation in dynamic tropical landscapes with TanDEM-X supported by GEDI data. Methods Ecol Evol 14(7):1639-1656, DOI:10.1111/2041-210X.13933

https://literatur.thuenen.de/digbib_extern/dn065101.pdf

Schlund M, Erasmi S, Knohl A (2022) Airborne acquisition extent 2020 [Datenpublikation] [online]. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/EKRJI2> [zitiert am 16.11.2023], DOI:10.25625/EKRJI2

Camarretta N, Knohl A, Erasmi S, Schlund M (2022) Core plots hyperspectral vegetation indices [Datenpublikation] [online]. 1 TAB-File, 43.2 KB. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/BXLGQJ> [zitiert am 16.11.2023], DOI:10.25625/BXLGQJ

Schlund M, Erasmi S, Knohl A (2022) High-resolution true-color orthophotos with 5 cm resolution [Datenpublikation] [online]. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/1RB4CC> [zitiert am 16.11.2023], DOI:10.25625/1RB4CC

Schlund M, Erasmi S, Knohl A (2022) Land use maps 2020 based on LiDAR [Datenpublikation] [online]. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/LOPQ2K> [zitiert am 16.11.2023], DOI:10.25625/LOPQ2K

Camarretta N, Knohl A, Erasmi S, Schlund M (2022) Landscape Assessment (LA) hyperspectral vegetation indices [Datenpublikation] [online]. 1 TAB-File, 114.1 KB. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/1LI57Z> [zitiert am 16.11.2023], DOI:10.25625/1LI57Z

Schlund M, Erasmi S, Knohl A (2022) Landscape Assessment plots maps (with RGB, canopy height, NDVI and 3d point cloud) [Datenpublikation] [online]. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/MDWJR3> [zitiert am 16.11.2023], DOI:10.25625/MDWJR3

Schwieder M, Wesemeyer M, Frantz D, Pfoch K, Erasmi S, Pickert J, Nendel C, Hostert P (2022) Mapping grassland mowing events across Germany based on combined Sentinel-2 and Landsat 8 time series. Remote Sens Environ 269:112795, DOI:10.1016/j.rse.2021.112795

https://literatur.thuenen.de/digbib_extern/dn064247.pdf

Blickensdörfer L, Schwieder M, Pflugmacher D, Nendel C, Erasmi S, Hostert P (2022) Mapping of crop types and crop sequences with combined time series of Sentinel-1, Sentinel-2 and Landsat 8 data for Germany. Remote Sens Environ 269:112831, DOI:10.1016/j.rse.2021.112831

https://literatur.thuenen.de/digbib_extern/dn064297.pdf

Lobert F, Röder N, Gocht A, Schwieder M, Erasmi S (2022) Mowing detection from combined Sentinel-1, Sentinel-2, and Landsat 8 time series on fallow cropland with transfer learning. Publikationen der DGPF eV 30:117-126

Camarretta N, Knohl A, Erasmi S, Schlund M (2022) Normalized Difference Vegetation Indices (NDVIs) at 1 m resolution [Datenpublikation] [online]. 4 TIFF-Files. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/AIDFG2> [zitiert am 16.11.2023], DOI:10.25625/AIDFG2

Schlund M, Erasmi S, Knohl A (2022) Rasters for ALS metrics at 1000m² resolution [Datenpublikation] [online]. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/TJNWUI> [zitiert am 18.10.2023], DOI:10.25625/TJNWUI

Camarretta N, Knohl A, Erasmi S, Schlund M (2022) Rasters for ALS metrics at 10m resolution [Datenpublikation] [online]. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/HWTBW5> [zitiert am 16.11.2023], DOI:10.25625/HWTBW5

Camarretta N, Knohl A, Erasmi S, Schlund M (2022) Rasters for ALS metrics at 50m resolution [Datenpublikation] [online]. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/6JQDNA> [zitiert am 16.11.2023], DOI:10.25625/6JQDNA

Schlund M, Erasmi S (2022) Rasters of vegetation canopy height estimated with spaceborne TanDEM-X data [Datenpublikation] [online]. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/QJZ9XI> [zitiert am 16.11.2023], DOI:10.25625/QJZ9XI

Nketia KA, Asabere SB, Ramcharan A, Herbold S, Erasmi S, Sauer D (2022) Spatio-temporal mapping of soil water storage in a semi-arid landscape of northern Ghana - A multi-tasked ensemble machine-learning approach. Geoderma 410:115691, DOI:10.1016/j.geoderma.2021.115691

Camarretta N, Knohl A, Erasmi S, Schlund M, Seidel D, Ehbrecht M (2021) ALS metrics for core plots [Datenpublikation] [online]. 1 TAB-File, 25.9 KB. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/AIKOI9> [zitiert am 16.11.2023], DOI:10.25625/AIKOI9

Camarretta N, Knohl A, Erasmi S, Schlund M, Seidel D, Ehbrecht M (2021) ALS metrics for Landscape Assessment (LA) plots within LiDAR boundaries [Datenpublikation] [online]. 1 TAB-File, 69.1 KB. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/NWX23T> [zitiert am 16.11.2023], DOI:10.25625/NWX23T

Camarretta N, Ehbrecht M, Seidel D, Wenzel A, Zudhi M, Merk MS, Schlund M, Erasmi S, Knohl A (2021) ALS-derived metrics used in the manuscript "Using Airborne Laser Scanning to characterize land-use systems in a tropical landscape based on vegetation structural metrics" [Datenpublikation] [online]. 1 TAB-File, 39.5 KB. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/TH5KEX> [zitiert am 16.11.2023], DOI:10.25625/TH5KEX

Lobert F, Holtgrave A-K, Schwieder M, Pause M, Gocht A, Vogt J, Erasmi S (2021) Detection of mowing events from combined Sentinel-1, Sentinel-2, and Landsat 8 time series with machine learning. Grassl Sci Europe 26:123-125

Tetteh GO, Gocht A, Erasmi S, Schwieder M, Conrad C (2021) Evaluation of sentinel-1 and sentinel-2 feature sets for delineating agricultural fields in heterogeneous landscapes. IEEE Access 9:116702-116719, DOI:10.1109/ACCESS.2021.3105903

https://literatur.thuenen.de/digbib_extern/dn063902.pdf

Klinge M, Dulamsuren C, Schneider F, Erasmi S, Bayarsaikhan U, Sauer D, Hauck M (2021) Geoecological parameters indicate discrepancies between potential and actual forest area in the forest-steppe of Central Mongolia. For Ecosyst 8:55, DOI:10.1186/s40663-021-00333-9

https://literatur.thuenen.de/digbib_extern/dn063892.pdf

Camarretta N, Knohl A, Erasmi S, Schlund M (2021) Landscape Assessment (LA) centre plot coordinates [Datenpublikation] [online]. Göttingen: GROdata, zu finden in <https://data.goettingen-research-online.de/dataset.xhtml?persistentId=doi:10.25625/SSN6RO> [zitiert am 16.11.2023], DOI:10.25625/SSN6RO

Erasmi S, Klinge M, Dulamsuren C, Schneider F, Hauck M (2021) Modelling the productivity of Siberian larch forests from Landsat NDVI time series in fragmented forest stands of the Mongolian forest-steppe. Environ Monit Assessm 193:200, DOI:10.1007/s10661-021-08996-1

https://literatur.thuenen.de/digbib_extern/dn063505.pdf

Lobert F, Holtgrave A-K, Schwieder M, Pause M, Vogt J, Gocht A, Erasmi S (2021) Mowing event detection in permanent grasslands: Systematic evaluation of input features from Sentinel-1, Sentinel-2, and Landsat 8 time series. Remote Sens Environ 267:112751, DOI:10.1016/j.rse.2021.112751

https://literatur.thuenen.de/digbib_extern/dn064075.pdf

Schlund M, Lobert F, Erasmi S (2021) Potential of Sentinel-1 time series data for the estimation of season length in winter wheat phenology. In: Institute of Electrical and Electronics Engineers (ed) IGARSS 2021 - 2021 IEEE International Geoscience and Remote Sensing Symposium : proceedings ; 12-16 July 2021, Virtual Symposium, Brussels, Belgium. IEEE, pp 5917-5920, DOI:10.1109/IGARSS47720.2021.9554454

Schlund M, Kotowska MM, Brambach F, Hein J, Wessel B, Camarretta N, Silalahi M, Surati Jaya IN, Erasmi S, Leuschner C, Kreft H (2021) Spaceborne height models reveal above ground biomass changes in tropical landscapes. Forest Ecol Manag 497:119497, DOI:10.1016/j.foreco.2021.119497

https://literatur.thuenen.de/digbib_extern/dn063766.pdf

Camarretta N, Ehbrecht M, Seidel D, Wenzel A, Zuhdi M, Merk MS, Schlund M, Erasmi S, Knohl A (2021) Using airborne laser scanning to characterize land-use systems in a tropical landscape based on vegetation structural metrics. Remote Sensing 13:4794, DOI:10.3390/rs13234794

https://literatur.thuenen.de/digbib_extern/dn064242.pdf

Holtgrave A-K, Röder N, Ackermann A, Erasmi S, Kleinschmit B (2020) Comparing Sentinel-1 and -2 data and indices for agricultural land use monitoring. Remote Sensing 12:2919, DOI:10.3390/rs12182919

https://literatur.thuenen.de/digbib_extern/dn062663.pdf

Schlund M, Erasmi S (2020) Sentinel-1 time series data for monitoring the phenology of winter wheat. Remote Sens Environ 246:111814, DOI:10.1016/j.rse.2020.111814

Tetteh GO, Gocht A, Schwieder M, Erasmi S, Conrad C (2020) Unsupervised parameterization for optimal segmentation of agricultural parcels from satellite images in different agricultural landscapes. Remote Sensing 12(18):3096, DOI:10.3390/rs12183096

https://literatur.thuenen.de/digbib_extern/dn062673.pdf

Erasmi S, Semmler M, Schall P, Schlund M (2019) Sensitivity of bistatic TanDEM-X data to stand structural parameters in temperate forests. Remote Sensing 11(24):2966, DOI:10.3390/rs11242966

https://literatur.thuenen.de/digbib_extern/dn061759.pdf

Schneider J, Jungkunst HF, Wolf U, Schreiber P, Gazovic M, Miglovets M, Mikhaylov O, Grunwald D, Erasmi S, Wilmking M, Kutzbach L (2016) Russian boreal peatlands dominate the natural European methane budget. Environ Res Lett 11(1):14004, DOI:10.1088/1748-9326/11/1/014004

https://literatur.thuenen.de/digbib_extern/dn061770.pdf