Bevorstehende Veranstaltungen

FDM-NDS Sonderpreis Datensatz 2025: „Wie schnell erholt sich der Wind hinter Offshore-Windparks? Daten von Flugzeug-Messungen über der Nordsee“

Die Gewinnerinnen und Gewinner des Sonderpreis des FAIR Data and Software Award Lower Saxony 2025 in der Kategorie Datensatz werden Einblicke in die veröffentlichten und ausgezeichneten Daten, sowie in die Forschung geben.

Abstract:

Offshore-Windenergie bietet viele Vorteile – auf der Nordsee ist die Windgeschwindigkeit höher als an Land, es ist Platz, und die Anlagen stehen großenteils außerhalb der Sichtweite. Die Windkraftanlagen entziehen dem Wind Energie, und reduzieren damit die Windgeschwindigkeit. Offshore gibt es in bestimmten Fällen lange Nachläufe, es dauert also lange, bis sich die Windgeschwindigkeit wieder erholt hat. Zur Untersuchung des Phänomens im Projekt X-Wakes setzte das Institut für Flugführung der TU Braunschweig sein Forschungsflugzeug für Messungen über der Nordsee ein. Verschienene internationale Forschungsgruppen nutzen die Daten, um die Prozesse zu verstehen und Simulationen zu verbessern.

In-situ airborne measurements of atmospheric and sea surface parameters related to offshore wind parks in the German Bight: https://doi.org/10.1594/PANGAEA.955382

Mehr Informationen zum FAIR Data and Software Award Lower Saxony 2025 finden Sie auf unserer Webseite: https//fdm-nds.de/index.php/fair_award/

FDM-NDS Software Award 2025: Pipeline for the automatic identification and annotation of the bHLH gene family

The recipient of the FAIR Data and Software Award Lower Saxony 2025 in the Software category will present insights into the published and award-winning software as well as their research. 

Abstract:
The increasing availability of sequence data makes functional gene annotation the new central challenge in bioinformatics. The bHLH_annotator combines multiple annotation steps and an extensive collection of reference sequences to efficiently identify and characterize bHLH transcription factors in plant genomes. Owing to the modular design of the pipeline, both the reference sequences and the applied tools used can be flexibly adapted to the specific annotation goals.

basic helix-loop-helix (bHLH) annotator: https://doi.org/10.5281/zenodo.7903959

You can find more information about the FAIR Data and Software Award Lower Saxony 2025 on our website: https://fdm-nds.de/index.php/fair_award/

FDM-NDS Dataset Award 2025: Semantische Transformation großräumiger 3D-Gebäudemodelle für stadtplanerische Anwendungen

Der Gewinner des FAIR Data and Software Award Lower Saxony 2025 in der Kategorie Datensatz wird Einblicke in die veröffentlichten und ausgezeichneten Daten, sowie in die Forschung geben.

Abstract:

Die Digitalisierung des Gebäudebestands ist zunehmend integraler Bestandteil stadtplanerischer Entscheidungsprozesse. 3D-Gebäudemodelle spielen dabei eine zentrale Rolle, da sie sowohl die physische Form der Städte als auch ihre komplexe semantische Struktur abbilden und damit präzise stadtplanerische Analysen oder energetische Bewertungen ermöglichen. Das LGLN stellt über das OpenGeoData.NI-Portal ein flächendeckendes 3D-Gebäudemodell in hohem Detaillierungsgrad (Level of Detail 2 – LoD2) im CityGML-Format bereit. Das CityGML-Format eignet sich hervorragend zur detaillierten und hierarchisch strukturierten Modellierung von Gebäuden, einschließlich Dach-, Wand- und Bodenflächen, stellt jedoch aufgrund seiner verschachtelten Strukturen erhebliche Herausforderungen für großräumige Analysen dar. Besonders in Open-Source-GIS-Umgebungen oder datenwissenschaftlichen Workflows, die flache, tabellarische Daten wie Shapefiles, GeoPackages oder CSV-Dateien erwarten, erzeugen die komplexen 3D-Geometrien hohen Rechenaufwand, sodass Analysen über Millionen von Gebäuden landesweit sehr ressourcenintensiv sind.

Anwender:innen ohne Erfahrung im Bulk-Downloading sind im Portal zusätzlich auf den manuellen Download von 1×1 km²-Kacheln angewiesen, sodass ihnen die großflächige Beschaffung und Verarbeitung der Daten stark eingeschränkt und weder praktikabel noch reproduzierbar ist. Zur Lösung wurde das Massendownload-Verfahren mithilfe der Python-Bibliotheken requests, urllib und os implementiert, womit für ganz Niedersachsen 11.707 CityGML-Dateien (ca. 138 GB) heruntergeladen werden konnten. Die Daten wurden anschließend über einen Parsing- und Umwandlungsprozess mit GDAL/OGR innerhalb der OSGeo4W-Distribution semantisch transformiert und generalisiert: 3D-Geometrien wurden auf 2D-Flächen reduziert, zentrale Attribute wie Gebäudehöhe, Nutzungsart und Dachform blieben erhalten, und die Daten wurden zu einer einzigen GeoPackage-Datei (76 GB) zusammengeführt. Ein weiterer automatisierter QGIS-Workflow mit über 70 Rechenprozessen wurde auf einem Hochschul-Supercomputer (512 GB RAM) ausgeführt und umfasste u. a. die Zuordnung 3D-semantischer Attribute, Berechnung von Neigung und Orientierung, Ableitung nutzungsspezifischer Gebäudemerkmale sowie 3D-Flächenberechnungen.

Abschließend wurde der Datensatz auf Wohngebäude beschränkt und redundante Inhalte entfernt, wodurch die Datenmenge auf 2,4 GB (GeoPackage) bzw. 1,8 GB (CSV) reduziert wurde. Die Verarbeitung dauerte etwa 15 Stunden. Der resultierende Datensatz vereint die semantische Tiefe der 3D-Modelle mit der Effizienz flacher Datenstrukturen, ermöglicht erstmals reproduzierbare, flächendeckende Analysen aller Wohngebäude Niedersachsens ohne proprietäre Software und eröffnet neue Potenziale für stadtplanerische Anwendungen sowie für Energie- und Umweltforschung.

Semantically enriched statewide building dataset based on the Lower Saxony 3D Building Model for urban planning applications: https://doi.org/10.5281/zenodo.16741445

Mehr Informationen zum FAIR Data and Software Award Lower Saxony 2025 finden Sie auf unserer Webseite: https//fdm-nds.de/index.php/fair_award/

Train-the-Trainer-Workshop on RDM (english)