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.
Das Ziel dieses Projektes ist es, die Funktion von Bodenmikroorganismen für die Mineralisierung von organischen Substanzen an der Grenzfläche zwischen Boden und Streustoffen zu ermitteln. Mikrokosmos-Experimente im Labor sollen den Zusammenhang zwischen der Sukzession von mikrobiellen Lebensgemeinschaften, der Substratverfügbarkeit an der Grenzfläche zwischen Streu und Boden und der Produktion von Bodenenzymen, die für den Abbau von organischen Verbindungen verantwortlich sind klären. Ein besonderer Schwerpunkt soll darauf gelegt werden, den Zusammenhang zwischen Lokalisation und Funktion der Bodenorganismen in ihrem Habitat zu erfassen. Die Übertragbarkeit der in den Laborexperimenten gewonnenen Daten auf die Situation im Freiland soll durch die Untersuchung der kleinräumigen Variabilität bodenmikrobiologischer Prozesse im Freiland (jeweils zwei ackerbauliche und zwei forstlich genutzte Standorte) überprüft werden.
Das vorliegende Forschungsprojekt zielt auf die Verknüpfung zweier, bisher als unabhängig angesehener, aquatischer Transport- und Transformationsprozesse:(a) In tiefen Gewässern können sich Wasserkörper unterschiedlicher Dichte stabil übereinander schichten. Die dort ablaufenden Umsatzprozesse werden so räumlich entkoppelt und es kommt zur Bildung einer aquatischen Grenzzone. Bei deren Durchtritt können sich physikochemische Parameter, wie etwa die Sauerstoffverfügbarkeit, abrupt ändern.(b) Die Verfügbarkeit des Elektronen-Akzeptors Sauerstoff entscheidet über die Reaktionspfade, auf denen aquatische Mikroorganismen Energie gewinnen. Unter Ausschluss von Sauerstoff können sie gelöstes organisches Material als alternativen Elektronen-Akzeptor nutzen. Die Elektronen werden von redox-aktiven Verbindungen innerhalb des organischen Materials (Quinone) aufgenommen die daraufhin antioxidativ, also empfindlich auf Änderungen der Sauerstoffverfügbarkeit reagieren. Die hohe räumliche- und zeitliche Dynamik aquatischer Grenzzonen in Binnengewässern haben zur Folge, dass antioxidatives organisches Material vom sauerstoffarmen in sauerstoffreiche Wasserkörper transportiert werden kann. Die dort rasch ablaufende Re Oxidation macht gelöstes organisches Material daher zu einem vollständig regenerierbaren Elektronenakzeptorsystem. Mikrobielle Konsortien, die ihre Energiegewinnung an diesen zyklisch regenerierten organischen Elektronenakzeptor koppeln, könnten einen entscheidenden Beitrag zum Kohlenstoffumsatz in aquatischen Grenzzonen leisten. Mikroorganismen beeinflussen maßgeblich, zu welchem Anteil umgesetztes organisches Material als Kohlendioxid oder als Methan in die Atmosphäre entweicht oder stattdessen dem Kohlenstoffkreislauf durch Sedimentation entzogen wird. Da Grenzzonen durch überproportional hohe Reaktionsraten und Biodiversität gekennzeichnet sind, ist die Kenntnis der dort ablaufenden Material- und Energieflüsse von großer Bedeutung für das grundlegende Verständnis des Kohlenstoffumsatzes in Binnengewässern. Die Binnenseen der borealen Zone haben großen Anteil an den globalen Süßwasservorräten und sind durch zukünftig steigende Frachten terrestrischen organischen Kohlenstoffs gefährdet. Das beantragte Forschungsprojekt hat daher zum Ziel, durch Prozessstudien auf verschiedenen Skalen und mechanistische Modellierung einen wichtigen Beitrag zu einem besseren Verständnis der Rolle organischen Materials als Elektronendonor und -akzeptor in diesen dynamischen Ökosystemen zu leisten.
Ausgehend von der Analyse bestehender oekologischer Bewertungsverfahren und der Modellbildung mittels Fuzzy Logic wird ein fuzzybasiertes Modell zur Oekobilanzierung entwickelt. Durch die Nutzung fuzzybasierter Methoden koennen die in einer Datenlage vorhandenen Vagheiten beruecksichtigt und nur verbal verfuegbare Aussagen direkt in den Modellansatz integriert werden. Durch Auswertung der im Modell entwickelten Kennzahlen wird die Bewertung des Bilanzergebnisses und die Ermittlung der fuer die Bilanz wesentlichen Einflussgroessen ermoeglicht. Mittels theoretischer Ueberlegungen und exemplarischer Anwendungen fuer ausgewaehlte Prozesse der Gussteilfertigung wird gezeigt, dass die Erstellung von Oekobilanzen mit dem entwickelten Modell sinnvoll und gegenueber herkoemmlichen Methoden vorteilhaft ist. In den Modellrechnungen erfolgt ein Vergleich von Sandformverfahren in unterschiedlichen Umweltkategorien und fuer verschiedene Bilanzrahmen. Die erzielten Ergebnisse verdeutlichen, dass durch das fuzzybasierte Modell die oekologischen Aspekte der betrachteten Prozesse plausibel wiedergegeben werden und das Modell insbesondere eine bessere Interpretation und objektivere Bewertung des Bilanzergebnisses ermoeglicht.
Übergreifendes Ziel des Vorhabens ist es, die Rolle der Turbulenz für die Populationsdynamik des Phytoplanktons in marinen Systemen zu untersuchen. Im Zentrum des Projektes steht die zu überprüfende Hypothese, dass Ausprägung und Sukzession morphofunktionaler Lebensformen im Phytoplankton nicht ausschließlich Ausdruck unterschiedlicher Nährstoff-, Licht- und Temperaturregime im Milieu sind, sondern im entscheidenden Maße von direkten Turbulenzeffekten abhängen, die unmittelbar das Wachstum einzelner Arten regulieren und mit den anderen Steuerfaktoren interagieren. Im vorliegenden Projekt werden Auswirkungen unterschiedlicher kleinskaliger Turbulenzintensitäten auf die Phytoplanktonzuammensetzung im Feld, in Mesokosmen und Laborexperimenten untersucht und das Wachstum dominanter Arten auf seine Turbulenzsensitivität hin getestet. Eine praktische Herausforderung hierbei ist darüber hinaus die Beantwortung der Frage, wie zuverlässig und reproduzierbar Turbulenzintensitäten im experimentellen Modellsystemen erzeugt werden können.
Zunehmende Landnutzungsintensität (LUI) verursacht umweltrelevante Stickstoff (N)-Verluste und den Rückgang von Artenvielfalt und Multifunktionalität in Grünlandökosystemen. Gezielte Minderungsstrategien werden jedoch durch ein mangelhaftes mechanistisches Verständnis der Wechselwirkungen zwischen LUI, ober- und unterirdischer Biodiversität und dem N-Kreislauf verhindert. BE_BioMON will über die interdisziplinäre Integration von molekularbiologischer Bodenökologie, biogeochemischer Prozessforschung zur kurzfristigen N-Allokation im System Pflanze-Boden-Mikroorganismen und physikochemischer Prozessforschung zur langfristigen Retention von organischem Stickstoff (SON) diese Wissenslücke schließen. Dabei werden Messungen und Modellierungen verknüpft. Wir erwarten, dass sich mit abnehmendem LUI und einem artenreicheren Mikrobiom die N-Verteilung von Nitrifikation/Denitrifikation zu biotischer Assimilation verschiebt. Dies fördert die N-Retention durch Nekromassestabilisierung in partikulärem und mineralassoziiertem SON in Abhängigkeit von Aggregatumsatz und mikroskaliger Bodenarchitektur. Wir nehmen zudem an, dass eine Erhöhung der LUI zu einer Verschiebung von symbiotischer zu assoziativer N-Fixierung führt, was das N2:N2O-Emissionsverhältnis aufgrund verkürzter Denitrifikation bei symbiotischen N-Fixierern erhöhen wird. Darüber hinaus erwarten wir, dass d15N im Boden einen Fingerabdruck der Auswirkungen der LUI auf den N-Kreislauf liefert und somit als prozessintegrierende Bezugsgröße für Ökosystemmodelle dienen kann. Wir erwarten uns hiervon eine verbesserte räumlich-zeitliche Skalierung von LUI-Effekten auf den N-Kreislauf. Um die Hypothesen zu testen, werden wir 15N-Dünger-Tracing-Experimente auf ausgewählten Parzellen unterschiedlicher LUI in allen 3 Biodiversitätsexploratorien (BE) durchführen (WP1). In WP2 werden Mesokosmen-Experimente unter 15N2-Exposition durchgeführt, um die Auswirkungen von LUI auf Umsetzung von BNF-N zu untersuchen. WP3 zielt darauf, den N-Kreislauf im Rahmen der BE-Bodenbeprobungskampagne auf allen Grünland-EPs durch vertikale d15N-Bodenprofile, Metagenomik und SON-Fraktionierung zu bestimmen. Die gewonnenen Erkenntnisse aus WP1-3 und aus bereits verfügbaren BExIS-Daten werden zum Testen und Weiterentwickeln der N-Routinen des prozessbasierten Ökosystemmodells LandscapeDNDC verwendet. Dieses Modell, erweitert um ein dynamisches Vegetationsmodell CoSMo, wird dann verwendet, um den N-Kreislauf für die sämtliche BE-Grünlandparzellen zu simulieren (WP4). In WP5 (Synthese) werden wir LUI und Biodiversität, gemessene und modellierte biogeochemischen N-Umsetzungen, N-Retention durch organo-mineralische Interaktionen und vollständige N-Bilanzen auf Skalen von Tagen bis Jahren mechanistisch verknüpfen. Wir erwarten somit, dass diese Synthese ein mechanistisches und funktionales Verständnis des N-Kreislaufs unter dem Einfluss von LUI, ober- und unterirdischer Biodiversität sowie standortspezifischen Eigenschaften ermöglicht.
SeeWandel-Klima: Modellierung der Folgen von Klimawandel und Neobiota für den Bodensee SeeWandel-Klima hat zum Ziel, aktualisierte Vorhersagen der Folgen des Klimawandels - unter Einbezug der Auswirkungen von invasiven Arten - auf das Ökosystem Bodensee und dessen nachhaltige Nutzung zu liefern. Die Projektarbeiten in SeeWandel-Klima sind in 9 Teilprojekten organisiert. Zentral sind Modellierungsarbeiten, mit dem Ziel komplexe Folgen von Faktoren wie Klimaänderungen und invasiven Arten sowie deren Zusammenspiel für das Ökosystem Bodensee und dessen Nutzung vorhersagen zu können. Die dafür notwendige Bereitstellung robuster Parameter und Erkenntnisse zur Entwicklung solch prognosefähiger Modellsysteme erfolgt seitens verschiedener Teams von Forschenden. Teilprojekt 1: Vergangene Klimaänderungen im Bodensee – Lehren für die Zukunft Seesedimente sind ein hochauflösendes Archiv für Umweltänderungen, die nicht mit historischen Quellen und mit Messdaten belegt sind. Sie können darum helfen, das Ausmaß heute beobachteter Veränderungen besser zu verstehen, um sich auf zukünftige Veränderungen sinnvoll vorzubereiten. Das Teilprojekt wird erstmalig eine detaillierte Hochwasserchronologie des Bodensees und damit der Niederschlagshistorie seines alpinen Einzugsgebietes erarbeiten. Heute verwendbare neue Untersuchungsmethoden sollen gezielt genutzt werden, um die Hochwassergeschichte des Bodensees und Alpenrheins mit hohem Detaillierungsgrad in prähistorische Zeiträume zu verlängern. Damit lassen sich extreme Hochwasserereignisse und Jahre mit sehr geringen Zuflüssen durch den Alpenrhein identifizieren. Untersuchungen von Sedimentkernen sind zudem der einzig mögliche Ansatz, um Informationen zum Ökosystem Bodensee aus messtechnisch nicht erfassten Zeiträumen zu gewinnen, und von historischen menschlichen Aktivitäten (Landnutzung, Wasserkraft, Wasserbau, Eutrophierung) unbeeinflusste Zeiträume zu analysieren. So lässt sich aus der Vergangenheit für die zukünftige Entwicklung lernen, um eine nachhaltige Entwicklung zu ermöglichen. Die Brücke in die Ökosysteme der Vergangenheit bilden Schalen von Kieselalgen, Muschelkrebsen und Reste von Cladoceren, die über tausende Jahre im Sediment erhalten sein können und seit etwa 50 Jahren regelmäßig im Wasser untersucht werden. Diese Organismenreste werden in einzelnen Zeitabschnitten im Sediment bestimmt und nach Möglichkeit mit eDNA-Untersuchungen ergänzt. Ziel 1: Eine aus Sedimenten abgeleitete Hochwasserchronologie für die letzten 5000 Jahren soll als Grundlage für Hochwasserstatistiken und -gefährdungen am Bodensee etabliert werden. Ziel 2: Die Reaktion der aquatischen Lebensgemeinschaften auf von menschlichen Aktivitäten unbeeinflusste Klimaveränderungen der Vergangenheit soll für die Bewertung der heute beobachteten Veränderungen erfasst werden.
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.
| Organisation | Count |
|---|---|
| Bund | 852 |
| Europa | 28 |
| Global | 1 |
| Kommune | 3 |
| Land | 24 |
| Wirtschaft | 3 |
| Wissenschaft | 603 |
| Zivilgesellschaft | 15 |
| Type | Count |
|---|---|
| Daten und Messstellen | 216 |
| Förderprogramm | 834 |
| Text | 18 |
| unbekannt | 16 |
| License | Count |
|---|---|
| Geschlossen | 19 |
| Offen | 1055 |
| Unbekannt | 10 |
| Language | Count |
|---|---|
| Deutsch | 704 |
| Englisch | 469 |
| Resource type | Count |
|---|---|
| Archiv | 2 |
| Bild | 2 |
| Datei | 219 |
| Dokument | 8 |
| Keine | 648 |
| Webseite | 219 |
| Topic | Count |
|---|---|
| Boden | 664 |
| Lebewesen und Lebensräume | 1057 |
| Luft | 813 |
| Mensch und Umwelt | 1084 |
| Wasser | 649 |
| Weitere | 1073 |