Das Forschungsprojekt verfolgt das Ziel, beobachtbare Änderungen in der Geomorphodynamik und im Landschaftshaushalt nordpolarer Räume systematisch zu erfassen und deren Verursachung zu ergründen. Als Arbeitshypothese dient die Diskussion und Szenarienentwicklung des globalen Klimawandels ('Global Warming'), wobei von einer natürlichen Erwärmung seit der Mitte des 19. Jahrhunderts und einer potentiellen, progressiven und anthropogenen Klimabeeinflussung ('Treibhauseffekt') der letzten 60 Jahre ausgegangen wird. Als Modellregion wurde dafür das Adventtal und Umgebung in West-Spitzbergen ausgewählt. Kriterien waren dabei ein weit ausgedehntes, facettenreiches Periglazialrelief, gute Erreichbarkeit und Zugänglichkeit, die Verfügbarkeit von Karten- und Luftbildmaterial sowie die Zugriffsmöglichkeiten auf meteorologische Daten. Mit Hilfe einer detaillierten Kartierung und Dokumentation sollen subrezente, rezente und aktuell sich verändernde geomorphodynamische Prozesse als Indikatoren für Klimaänderungen (insbesondere Erwärmung) systematisch getestet, klassifiziert und bewertet werden. Weiterhin wird versucht, mögliche Auswirkungen einer Klimaveränderung im Landschaftshaushalt polarer Regionen als Szenario zu ermitteln.
Struktur- und Funktionsbeschreibung des Modell-Oekosystems Breitenbach bei Schlitz/Hessen. Ausgangsinformationen: physikochemische Rahmenbedingungen, Fauna im einzelnen bekannt. Jetzige Aktivitaeten: 1) Praezise Messung physikochemischer Parameter, teils durch staendige automatische Registrierung, Erfassung diurnaler und saisonaler Variationen. 2) Analyse der Primaerproduzenten: Erfassung der Algenflora: Bestandsaufnahme, Standortansprueche, Produktionsleistung dominanter Vertreter (z.Zt. nicht besetzt). Allochthone Nahrungsbasis der Biozoenose: Partikulaeres organisches Material in fliessender Welle und Sediment im Jahresgang. 4) Gehalt an geloesten organischem C, als Nahrungsbasis der Bakterienflora; dessen Festlegung in Bakterienbiomasse. 5) Bakterienzahlen und Aktivitaeten in freier Welle und Sedimenten. 6) Emergenz der Wasserinsekten. 7) Zusammenhang zwischen Emergenz und benthischer Produktion. 8) Laengsverteilung der Zoenose und jaehrliche Unterschiede im Emergenzerfolg der Wasserinsekten in Abhaengigkeit von abiotischen und biotischen Faktoren (Nahrungsversorgung, Konkurrenz). 9) Interaktionen zwischen Aufwuchs und Weidegaengern. 10) Experimentelle Untersuchungen zur Autooekologie dominanter Taxa, vor allem der Wasserinsekten und Amphipoda. 1-9 als Bausteine fuer eine synoekologische Gesamtbetrachtung des Systems.
Mit dem am Institut fuer Hydrobiologie entwickelten dynamischen Oekosystemmodell SALMO laesst sich der Einfluss externer Belastungsquellen (Naehrstoffe, organische Belastung) und gewaesserinterner Massnahmen (Stauspiegelabsenkung, Teilzirkulation, Biomanipulation) auf die Wasserqualitaet von Talsperren und Seen (Phytoplanktonbiomasse, Sauerstoff, Nitratkonzentration) abschaetzen. So half das Modell in einer Studie der IDUS-GmbH bei der Charakterisierung von Einfluss und Wechselwirkungen unterschiedlicher Belastungskomponenten (Naehrstoffe, lichtabsorbierende Stoffe) bezueglich der Wasserguete der Talsperre Bleiloch. Unter massgeblicher Beteiligung des Instituts fuer Automatisierungs- und Systemtechnik der TU Ilmenau entstand eine komplette Neuimplementierung des Gleichungssystems mit dem Simulationssystem Matlab/Simulink sowie in der objektorientierten Programmiersprache JAVA. Diese ermoeglicht die Simulation raeumlich kompartimentierter Gewaesser, eine einfachere Handhabbarkeit des Gleichungssystems und eine betraechtliche Erweiterung des Anwendungsspektrums von SALMO als Werkzeug fuer Forschung, Lehre und Entscheidungsfindung.
An der Eidgenössischen Forschungsanstalt für Wald, Schnee und Landschaft (WSL) in Birmensdorf, Schweiz, wird von 2000 bis 2004 ein multidisziplinäres Modell Ökosystem-Experiment durchgeführt. Ziel dieses Großprojekts ist es, Stoffflüsse zu untersuchen und die Reaktionen von Pflanzen- und Organismengemeinschaften auf chronische Belastungen (Cd, Cu, Zn, sauerer Regen) zu verfolgen bzw. zu verstehen. Mit den Resultaten sollen die Risiken von Begrünung, Aufforstung und Bodenstabilisierung mit Pflanzen abgeschätzt werden können. Der verwendete landwirtschaftliche Oberboden wurde mit Filterstaub aus der metallverarbeitenden Industrie vermischt. Die daraus resultierenden Schwermetallbelastungen des Versuchsbodens betragen für Cd 10 ppm, für Cu 400 ppm und für Zn 2700 ppm. Das Projekt 'Einfluss des Abbaus von Laubstreu auf den Transport von Schwermetallen im Boden' untersucht die Änderung der Metall-Komplexbildung für Kupfer und Zink während des Streuabbaus. In wässrigen Streuextrakten wird das Ausmaß der Komplexierung mit Hilfe der Gleichgewichts-Ionenaustausch-Methoden bestimmt. Die Charakterisierung der Bindung erfolgt mit Infrarotspektroskopie (FTIR), die organischen Säuren im Extrakt werden mit der Gaschromatographie bestimmt. Untersucht werden Proben aus Freilandversuchen.
The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.
The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.
The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.
Lebende Zellen des Menschen, der Tiere und z.B. der Mikroorganismen des Bodens haben eine Zellmembran, die sie von der Aussenwelt (ihrer Umwelt) abgrenzt. Abgrenzung und Schutz des Zellinneren - neben Versorgung und Entsorgung - ist die Aufgabe der Zellmembran. Auf diese Membran koennen von aussen kommende Stoffe einwirken und ihr Abschirmverhalten schwaechen ('Wegbereiter'). Schadstoffe und systemveraendernde Stoffe (genetic engeneering) koennen nun eindringen. - Im gegenwaertigen Vorhaben werden in-vitro-Medien und darin befindliche lebende Zellen als definiertes variierbares kuenstliches Modell eines Oekosystems verwendet, in dem das Verhalten definierter 'Wegbereiter' und 'Eindringlinge' erforscht wird.
| Organisation | Count |
|---|---|
| Bund | 849 |
| Europa | 106 |
| Kommune | 7 |
| Land | 33 |
| Wirtschaft | 5 |
| Wissenschaft | 667 |
| Zivilgesellschaft | 13 |
| Type | Count |
|---|---|
| Daten und Messstellen | 216 |
| Förderprogramm | 835 |
| Text | 8 |
| unbekannt | 21 |
| License | Count |
|---|---|
| Geschlossen | 15 |
| Offen | 1056 |
| Unbekannt | 9 |
| Language | Count |
|---|---|
| Deutsch | 704 |
| Englisch | 465 |
| Resource type | Count |
|---|---|
| Archiv | 2 |
| Bild | 2 |
| Datei | 214 |
| Dokument | 7 |
| Keine | 643 |
| Webdienst | 5 |
| Webseite | 221 |
| Topic | Count |
|---|---|
| Boden | 660 |
| Lebewesen und Lebensräume | 1054 |
| Luft | 806 |
| Mensch und Umwelt | 1080 |
| Wasser | 648 |
| Weitere | 1070 |