API src

Found 1086 results.

Related terms

Mikrokalorimetrische Modelluntersuchungen zum Einfluss der Aggregierung auf die Steuerung mikrobieller Stoffwechselprozesse in Böden bei unterschiedlichen O2-Partialdrücken

Der Wechsel zwischen aerober und anaerober Stoffwechselprozesse in Böden findet überwiegend in Mikrohabitaten statt. Bodenaggregate stellen solche Mikrohabitate dar, in denen Sauerstoffverfügbarkeit durch Diffusionsbarrieren (wassergefülltes Porenvolumen) und die Sauerstoffzehrung durch mikrobielle Aktivität (Substrat) bestimmt wird. Ziel des Vorhabens ist es, auf mikroskaliger Ebene kritische Werte der Sauerstoffverfügbarkeit zu ermitteln, unter denen vorwiegend anaerobe Stoffwechselprozesse stattfinden. Dazu wird ein Durchflussmikrokalorimeter genutzt, in dem die unmittelbare Reaktion der mikrobiellen Aktivität auf stufenlos veränderbare Sauerstoffpartialdrücke bei einer gleichzeitigen Analyse von isotopenmarkierten Gasverbindungen (CO2, N2O, CH4) bestimmt werden kann. In Parallelansätzen in Mikrokosmen werden weitere wichtige Kenngrößen anaerober Stoffwechselprozesse wie organische Säuren und reduzierte Eisen- und Manganverbindungen ermittelt. Die Ergebnisse aus diesem Vorhaben sollen dazu beitragen, Prognosen über ablaufende Stoffwechselprozesse im Grenzbereich aerober und anaerober Zustände in Bodenaggregaten und bei natürlich oder anthropogen verursachten Veränderungen von Umweltbedingungen zu erstellen.

Oekosystemmodelle und Modelloekosysteme - Simulationen und Mikrokosmen in der Risikoanalyse fuer aquatische Oekosysteme

Ziel: Untersuchung und Beurteilung der moeglichen Rolle von Oekosytemmodellen in der oekologischen Risikoanalyse; Geleistete Arbeiten: Entwicklung eines Modells der Planktonlebensgemeinschaft in 5000L-Freilandmikrokosmen; - Erweiterung eines existerenden generellen Pelagialmodells (SWACOM, O Neill et al. 1982). Anwendungsbeispiele der Modelle fuer: Kausale Analyse eines Mikrokosmosversuchs mit einem Insektizid; - Planung von Mikrokosmosversuchen (statistische Auswirkung der Probenahme); - Extrapolation von Labortoxizitaetsdaten auf die Oekosystemebene; - Risikocharakterisierung bei Unsicherheiten ueber Exposition, direkte Effekte und unbelastete Oekosystemdynamik.

Effizienzsteigerung des polyphagen Parasitoiden Aphelinus abdominalis durch Ausnutzung des Lernvermögens bei der Wirtssuche mit Hilfe von Infochemikalien des Pflanze-Wirt-Systems

Aphelinus abdominalis, ein Parasitoid der Familie Aphelinidae, wird seit mehreren Jahren als Nützling zur Blattlausbekämpfung in Unterglaskulturen angeboten. Das Potential seiner Effizienz wird aber im Vergleich zu den Blattlausparasitoiden der Aphidiinae häufig unterschätzt. Das Verhalten der Aphelinidae im Wirtshabitat ist in der Literatur gut dokumentiert, doch der Kenntnisstand über ihre Fernorientierung bei der Wirtssuche ist noch lückenhaft. In dem hier beantragten Forschungsvorhaben sollen in einer Verbindung von Laborexperimenten und anwendungsorientierten Gewächshausversuchen die Möglichkeiten für eine Effizienzsteigerung von A. abdominalis ausgelotet werden. Ein Schwerpunkt der geplanten Verhaltensstudien liegt dabei auf einer Aufklärung der Mechanismen des Lernvermögens. In zahlreichen Arbeiten wurde in den vergangenen Jahren gezeigt, daß sich die meisten Parasitoiden flexibel den wechselnden Umweltbedingungen anzupassen vermögen, indem sie bestimmte Duftstoffe ihrer Wirtspflanzen erlernen und für die Wirtssuche nutzen. Da Schlupfwespen mit einem breiten Wirtsspektrum auch im Gewächshaus mit einer Vielzahl unterschiedlicher Pflanze-Wirt-Systeme konfrontiert werden, ist es das Ziel dieses Projekts, anhand den Modellsystems A. abdominalis - Macrosiphum euphorbiae - Paprika/Aubergine sinnvolle Strategien für eine praktische Nutzbarmachung dieser Lernfähigkeit zu erarbeiten.

Auswirkungen physikalisch-ozeanographischer Extremereignisse auf Ökosystemdienstleistungen im Elbe-Ästuar-Küstensystem, Vorhaben: Auswirkungen von Extremereignissen auf Fische

SeeWandel Klima: Modellierung der Folgen von Klimawandel und Neobiota für den Bodensee

«SeeWandel-Klima: Modellierung der Folgen von Klimawandel und Neobiota für den Bodensee» 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. Hierfür werden praxisbezogene Modelle für Behörden, Organisationen (IGKB, IBKF) und die Öffentlichkeit entwickelt. Die Ergebnisse werden verschiedenen Zielgruppen entsprechend aufbereitet zugänglich gemacht.

Räumliche Lösungen für eine Nachhaltigkeitstransformation der Fischerei in der Westlichen Ostsee, Vorhaben: Ökologische Lösungen-Identifizierung von räumlichen Möglichkeiten und Schutzbedürfnissen

Sonderforschungsbereich (SFB) 1076: Forschungsverbund zum Verständnis der Verknüpfungen zwischen der oberirdischen und unterirdischen Biogeosphäre, Teilprojekt A03: Reaktion der mikrobiellen Gemeinschaft auf den Eintrag von Oberflächensignalen in Grundwässer des Hainich CZE

Dieses Projekt erforscht die Bedeutung von Chemolithoautotrophie und Oberflächeneintrag als Quellen von reduziertem Kohlenstoff für die mikrobielle Gemeinschaft in den Hainich-Aquiferen mittels Mikrokosmen-Experimenten. Basierend auf Raman-Mikrospektroskopie in Kombination mit Isotopenmarkierungs-Experimenten wird eine neue Methode zur Hochdurchsatzsortierung von Zellen etabliert um metabolisch aktive mikrobielle Subpopulationen zu isolieren. Mittels Metagenomanalyse kann dann gezielt deren Rolle in den biogeochemischen Kreisläufen im Grundwasser untersucht werden.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Siegen, Germany from 1984 – 2023

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.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Neu-Ulm, Germany from 1984 – 2023

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.

Modelling vegetation dynamics and biomass in semiarid ecosystems (Eastern Africa) using remote sensing multisensor approaches

This pre-study pilot project will be carried out in Kenya and Tanzania and is part of a more extensive remote sensing project (initiated by the European Space Agency, ESA) aiming to develop a monitoring system for the assessment of land cover change of farmlands, rangelands and forest standings (logging, fires, uncontrolled deforestation, new settlements, etc.) at a national regional level. An integrated approach of remote sensing techniques (both through the use of satellite and ground data), physical vegetation models and ground measurements will be adopted. Operatively, the execution will consist of a 6-month period (pre-study) consisting in a ground campaign along a north-south transect, which is almost unknown to the current vegetation cartography. Based on the field results of the pre-study and within an on-going 30 month period (extended study, see Annexed 3), new classification methods and algorithms will be developed for assessment of land use and cover change using ENVISAT-data. An outcoming of this research will be a system capable to monitor and plan the available agricultural food resources for those developing regions.

1 2 3 4 5 … 107 108 109