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.
Die gegenwärtigen europäischen Vorschriften zur Zulassung von Pflanzenschutzmitteln sehen auf der ersten Stufe Einzelartentests unter Laborbedingungen vor. Sie sollen worst-case Szenarien der Exposition abbilden und können keinen Aufschluß über die vielfältigen Wechselbeziehungen sowie über Änderungen im strukturellen Gefüge der Bodenorganismen verschiedener trophischer Ebenen geben. Höherstufige Testverfahren sind mit Ausnahme des funktionellen Streubeuteltests nicht standardisiert. Nur großangelegte und damit kostenintensive Feldstudien liefern strukturelle Endpunkte und können zur adäquaten Beschreibung der komplexen Wirkzusammenhänge in der heterogenen Bodenmatrix beitragen. In der aktuellen Diskussion um die Revision der bestehenden EU-Richtlinien zeichnet sich ab, daß künftig zunehmend strukturelle Endpunkte, auch auf dem Niveau des Halbfreilandes, einbezogen werden sollen, um eine realitätsnahe Bewertungsgrundlage zu bilden. Im Kontext der bestehenden internationalen Leitlinien ist am Institut für Umweltforschung ein TME-System entwickelt worden, das unter natürlichen Witterungsbedingungen und über einen Zeitraum von bis zu einem Jahr artenreiche Gemeinschaften von Bodenorganismen weitgehend in ihrer ursprünglichen Zusammensetzung beherbergen kann. Im Mittelpunkt stehen dabei vier der abundantesten Gruppen der Meso- und Mikrofauna: Collembolen, Oribatiden, Enchytraeen und Nematoden. Diese Systeme sollen ausreichend empfindlich reagieren, um Effekte auf der Ebene von Organismengemeinschaften oder Populationen statistisch nachzuweisen. Umfangreiche Vorstudien befassen sich mit der Variabilität im Boden und der Stabilität der Biozönosen in TMEs, um das Design von Effektstudien den speziellen Gegebenheiten von Wiesenökosystemen anzupassen. Die TMEs bestehen aus großen, intakten und ungestörten Bodenkernen mit einer Höhe von 40 Zentimetern und einem Durchmesser von bis zu 47 Zentimetern. Sie werden unter natürlichen Witterungsbedingungen betrieben, bieten aber die Möglichkeit bei langandauernden Extremverhältnissen (vor allem Dürre) steuernd einzugreifen. Um möglichst empfindliche und diverse Lebensgemeinschaften vorzufinden, wurden die Bodenkerne nicht einem Agrarökosystem entnommen, sondern einer regelmäßig gemähten Wiese, die über Jahrzehnte nicht mit Pflanzenschutzmitteln behandelt worden sind. In Vorstudien im Freiland konnte gezeigt werden, daß die geklumpte Verteilung der Organismen über die Entnahmefläche Anpassungen bei der Gewinnung der Bodenkerne erfordert, welche die Variabilität in nachfolgenden Versuchen senken können. Nach dem Stechen der Bodenkerne werden die TMEs in die Versuchsanlage der RWTH Aachen transportiert, welche eine ausreichende Drainage in Verbindung mit einer intakten Wasserspannung gewährleisten soll, um sowohl Staunässe als auch ein Austrocknen der Kerne zu verhindern. U.s.w.
Die Begrenzung der Länge von Nahrungsketten ist eine der klassischen, aber immer noch unbeantworteten Fragen der Ökologie von Lebensgemeinschaften. In diesem Projekt und in einem parallelen Projekt limnologischer Ausrichtung (Antragsteller: Dr. H. Stibor, LMU München) soll versucht werden, zwei zentrale Hypothesen zu überprüfen: Die Omnivorie-Hypothese und die Hypothese der energetischen Begrenzung. Omnivore sind Organismen, die ihre Nahrung mindestens zwei tropischen Ebenen entnehmen. Dadurch werden sie gleichzeitig zu Nahrungskonkurrenten ihrer Beuteorganismen auf der unmittelbar unter den Omnivoren angesiedelten tropischen Ebene. Diese können dem doppelten Druck (Konkurrenz, Fraß) nicht widerstehen und werden aus dem System verdrängt, wodurch es zu einer Verkürzung der Nahrungskette kommt. Hypothese der energetischen Begrenzung. Wegen der Energieverluste, die bei jedem Transferschritt in der Nahrungskette auftreten, begrenzt die Höhe der Primärproduktion die Länge von Nahrungsketten, da bei zu langen Ketten die Energiezufuhr zu niedrig wäre, um die tropische Ebene der terminalen Räuber zu unterhalten. Überprüfung der Omnivorie-Hypothese. In künstlich zusammengestellte Modell-Nahrungsnetze im Labor (Mikrokosmen) werden an der Basis (mixotrophe Algen) und in der Mitte (omnivore Zooplankter) Omnivore eingefügt und die Struktur der Nahrungsnetze mit Kontroll-Nahrungsnetzen ohne Omnivore verglichen. Überprüfung der Hypothese der energetischen Begrenzung. Die Entwicklung der omnivorenhaltigen und omnivorenfreien Modell-Nahrungsnetze wird bei unterschiedlicher Trophie und damit Primärproduktion verfolgt.
Die Nahrungsstrategien vieler Bodentiere, insbesondere der Mikrofauna, sind nur unzureichend bekannt. Meist erfolgt eine generelle Einteilung nach vorwiegend morphologischen Kriterien. Nahrungsnetzanalysen und Modelle verlangen jedoch nach einer genauen trophischen Klassifizierung. Im geplanten Forschungsprojekt werden zwei biochemische Methoden eingesetzt: Phospholipidfettsäuren als Biomarker für den Transfer von Kohlenstoff in der Nahrungskette und das 15N/14N-Isotopenverhältnis als Indikator für die trophische Stellung der Bodenfauna. Vergleichende Analysen sollen Aufschluss geben über Herkunft und trophische Anreicherung von Stickstoff und Fettsäuren, sowie physiologische Aspekte (z.B. Biosynthese) untersuchen. In Mikrokosmen werden hierzu Nahrungsketten simuliert (Mikroflora (Bakterien, Pilze), Sekundärzersetzer (Nematoden), Räuber (Milben, Collembolen). Daneben erfolgen Manipulationen des physiologischen Stoffwechselzustandes (Proteingleichgewicht, Nahrungsmangel) und Untersuchungen an Freilandfauna. Die zugrunde liegenden biochemischen und physiologischen Mechanismen der trophischen Anreicherung von 15N in einer Nahrungskette wurden bisher nur in wenigen kontrollierten Laborstudien untersucht. Zudem sind Fettsäuremuster von Bodentieren kaum bekannt. Letztere zur Klassifizierung von Nahrungsstrategien zu nutzen, bietet einen neuen und viel versprechenden Ansatz zur Analyse von Bodennahrungsnetzen.
Das Projekt HUMUS hat zum Ziel, die Wasserbindung der organischen Bodensubstanz urbaner Böden zu charakterisieren. Im Zentrum stehen Geleigenschaften und der Nachweis eines Glasüberganges in der organischen Bodensubstanz. Die meisten Untersuchungen erfolgen mit Hilfe der Differential Scanning Kalorimetrie (DSC). Sie werden durch dielektrische Messungen und 1H-NMR-Relaxation (TP GEO) sowie kinetische Untersuchungen zur DOC-Freisetzung und Quellung ergänzt. Die Feldexperimente und Mikrokosmen der Forschergruppe dienen zur Verknüpfung der Wasserbindung der organischen Bodensubstanz mit Faktoren des Wasserhaushaltes (TP BODEN), Mikroorganismen und ihren Biofilmen (TP MIKRO), der Bodenmesofauna (TP FAUNA) sowie unterschiedlichen Elektrolytbedingungen. In der zweiten Projektphase werden Auswirkungen der urban beeinflußten Humuseigenschaften auf die kleinräumige Variabilität und auf den Wasser- und Stofftransport der urbanen Standorte untersucht werden.
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.
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.
Origin | Count |
---|---|
Bund | 846 |
Europa | 10 |
Land | 3 |
Wissenschaft | 221 |
Type | Count |
---|---|
Daten und Messstellen | 216 |
Förderprogramm | 833 |
Text | 7 |
unbekannt | 22 |
License | Count |
---|---|
geschlossen | 14 |
offen | 1054 |
unbekannt | 10 |
Language | Count |
---|---|
Deutsch | 703 |
Englisch | 461 |
Resource type | Count |
---|---|
Archiv | 2 |
Bild | 2 |
Datei | 214 |
Dokument | 6 |
Keine | 642 |
Webdienst | 5 |
Webseite | 215 |
Topic | Count |
---|---|
Boden | 676 |
Lebewesen und Lebensräume | 1035 |
Luft | 814 |
Mensch und Umwelt | 1078 |
Wasser | 676 |
Weitere | 1065 |