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.
Der Flechtenbesatz bestimmter Lebensraeume gestattet weitreichende chorologische und oekologische Aussagen. Nicht zuletzt aus diesem Grunde wurde von 1960-1965 erstmalig versucht, die chilenische Flechtenflora und die entsprechenden Flechtengesellschaften systematisch zu erfassen. Durch den Vergleich dieser Florenlisten und Vegetationstabellen liess sich waehrend dieser drei 1989, 1990 und 1991 durchgefuehrter Forschungsreisen unschwer ermitteln, dass die Flechtenflora und Flechtenvegetation Mittel- und Nordchiles im Verlauf des vergangenen Vierteljahrhunderts drastisch verarmte. Der Befund ist insofern aufschlussreich, als bisher meist angenommen wurde, der notorische Flechtenrueckgang betraefe vor allem Ballungsraeume der Industrienationen. Hier handelt es sich dagegen um einen sehr duenn besiedelten Kuestenstreifen von rund 2500 km Nordsuedausdehnung ohne nennenswerte Industrialisierung oder Landwirtschaft, der geradezu als oekologisches Modellsystem angesprochen werden kann. Die Auswertung im Gelaende durchgefuehrter Populationsstudien und Produktivitaetsmessungen soll in Verbindung mit allen verfuegbaren Umweltdaten zur Kausalanalyse des Rezessionsphaenomens beitragen.
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.
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.
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.
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.
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 | 850 |
| Europa | 106 |
| Kommune | 4 |
| Land | 32 |
| Wirtschaft | 3 |
| Wissenschaft | 668 |
| Zivilgesellschaft | 13 |
| Type | Count |
|---|---|
| Daten und Messstellen | 216 |
| Förderprogramm | 836 |
| Text | 8 |
| unbekannt | 21 |
| License | Count |
|---|---|
| Geschlossen | 15 |
| Offen | 1057 |
| Unbekannt | 9 |
| Language | Count |
|---|---|
| Deutsch | 705 |
| Englisch | 465 |
| Resource type | Count |
|---|---|
| Archiv | 2 |
| Bild | 2 |
| Datei | 214 |
| Dokument | 7 |
| Keine | 645 |
| Webdienst | 4 |
| Webseite | 220 |
| Topic | Count |
|---|---|
| Boden | 660 |
| Lebewesen und Lebensräume | 1058 |
| Luft | 806 |
| Mensch und Umwelt | 1081 |
| Wasser | 644 |
| Weitere | 1071 |