Die Erforschung von Artbildungs- und Anpassungsprozessen ist zentral, um zu verstehen, wie Biodiversität entsteht und auf wechselnde Umweltbedingungen reagiert.. Ein idealer Ort für solche Studien ist das Südpolarmeer: Es beherbergt eine reiche und hochgradig endemische Fauna. Neuere Studien zeigen, dass viele benthische Arten aus Gruppen von genetisch distinkten Kladen bestehen, die als früher übersehene Arten pleistozänen Ursprungs interpretiert werden. Diese kryptischen Arten können durch molekulare Methoden (z. B. DNA-Barcoding) und z.T. auch durch morphologische Analysen unterschieden werden. Es wird angenommen, dass die Artbildung per Zufall erfolgte, als ehemals große Populationen während glazialer Maxima in kleinen allopatrischen Refugien isoliert wurden, wo sie starker genetischer Drift ausgesetzt waren. Alternative Artbildungsmodelle wurden bislang wegen fehlender molekularer Methoden kaum erforscht. Studien aus anderen Ökosystemen zeigen, dass ökologische Artbildung, d.h. Aufspaltungsereignisse durch unterschiedliche Selektion, ein naheliegendes alternatives Artbildungsmodell ist. In dem hier vorgestellten Projekt sollen erstmals hochauflösende genomische Methoden zusammen mit morphologischen Analysen benutzt werden, um konkurrierende Artbildungsmodelle für das Südpolarmeer zu testen. Als Fallstudie sollen hierfür Muster genetischer Drift und Selektion in einer besonders erfolgreichen Gruppe benthischer Arten des Südpolarmeeres untersucht werden, den Asselspinnen (Pycnogonida). Aufbauend auf vorangehenden Studien sollen genomische Muster neutraler und nicht neutraler Marker bei zwei Artkomplexen untersucht werden: Colossendeis megalonyx und Pallenopsis patagonica. Diese beiden Artkomplexe von Asselspinnen sind aufgrund mehrerer Merkmale hervorragende Modelle für die Themen dieses Antrages: 1) Es existieren zahlreiche genetisch divergente kryptische Arten, 2) erste morphologische Unterschiede wurden gefunden, 3) die weite Verbreitung der Vertreter sowohl auf dem antarktischen Kontinentalschelf als auch in weniger von den Vereisungen betroffenen subantarktischen Regionen, 4) ihre geringe Mobilität. Sollte eine durch genetische Drift bedingte allopatrische Artbildung in glazialen Refugialpopulationen der Hauptantrieb der Evolution sein, ist zu erwarten, dass Zufallsfixierung neutraler Allele und Signaturen von Populations-Bottlenecks in stark vereisten Gebieten am höchsten sind. Wenn andererseits natürliche Selektion der Hauptantrieb der Artbildung war, so sind starke Signaturen von Selektion auf Geno- und Phänotyp zu erwarten. Diese sollte am stärksten bei sympatrischen Arten sein (Kontrastverstärkung). Die Variation entlang von Genomen soll untersucht werden, um das Ausmaß zufälliger bzw. nicht zufälliger Variation einzuschätzen. Das vorgeschlagene Projekt wird ein wichtiger erster Schritt einer systematischen Erforschung der relativen Bedeutung von genetischer Drift und Selektion für die Evolution im Südpolarmeer sein.
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.
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.
Während die Auswirkungen von Klimawandel auf physiologische und ökologische Prozesse das Thema zahlreicher Untersuchungen waren, sind evolutionäre Prozesse im Zusammenhang mit Klimawandel weit weniger gut untersucht. Insbesondere mangelt es an Studien zu möglichen komplexen Wechselwirkungen zwischen ökologischen und evolutionären Prozessen in einer sich ändernden Umwelt. Artspezifische Unterschiede in Anpassungsraten könnten die Dynamik der gesamten Art-Gemeinschaft beeinflussen, umgekehrt könnten sich ökologische Prozesse wie Interaktionen zwischen Arten, Immigration und Emigration auf das Anpassungspotential von Arten auswirken. Die Tatsache, dass Klimawandel zu Veränderungen in mehreren Umweltfaktoren führt, macht Vorhersagen über mögliche Auswirkungen noch schwieriger, da sich Veränderungen in mehreren Stressoren interaktiv auf ökologische und evolutionäre Prozesse auswirken könnten. Die Ziele des vorgeschlagenen Projektes sind die Analyse von ökologischen und evolutionären Prozessen und deren Wechselwirkung (1) bei Veränderung von mehreren Stressoren, (2) bei Umweltveränderung in trophisch einfachen versus trophisch komplexen Gemeinschaften, und (3) bei Umweltveränderung in isolierten versus verbundenen Habitaten. Diese Fragestellungen sollen mit einer Kombination aus Modellierung, Mikrokosmen- und Mesokosmen-Experimenten untersucht werden. In einem Selektionsexperiment über hunderte von Generationen werden mehrere Algenarten bei konstanten bzw. steigenden CO2- und/oder Temperatur-Werten exponiert. Ebenso werden mehrere Ciliatenarten bei konstanter bzw. steigender Temperatur gehalten. Reziproke Transplantationsexperimente testen, ob eine mögliche Anpassung von Algen an steigende CO2-Werte durch gleichzeitige Erhöhung der Temperatur beeinflusst wird. Weiters wird getestet, ob sich Arten von verschiedenen trophischen Ebenen (Algen versus Ciliaten) in ihrer Anpassungsfähigkeit unterscheiden. Reziproke Transplantationsexperimente der gesamten Gemeinschaft werden testen, ob evolutionäre Prozesse die Dynamik der Gemeinschaft beeinflussen. Interaktive Effekte von Umweltveränderung und Habitatkonnektivität auf ökologische und evolutionäre Prozesse werden sowohl in einem Mikrokosmenexperiment als auch in einem Mesokosmenexperiment untersucht. Der Effekt von steigender Temperatur (Mikrokosmenexperiment) bzw. abnehmendem pH-Wert (Mesokosmenexperiment) wird in isolierten bzw. verbundenen Habitaten verglichen. In einem theoretischen Ansatz werden die drei Fragestellungen in einem Modell verknüpft. Zunächst werden Evolution und Umweltveränderung in ein Metagemeinschaftsmodell integriert. Entlang eines Konnektivitäts-Gradienten wird die relative Bedeutung von lokaler Anpassung im Vergleich zu Wanderungsprozessen untersucht. usw.
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.
«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.
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.
| Organisation | Count |
|---|---|
| Bund | 849 |
| Europa | 28 |
| Global | 1 |
| Kommune | 3 |
| Land | 24 |
| Wirtschaft | 3 |
| Wissenschaft | 593 |
| Zivilgesellschaft | 15 |
| Type | Count |
|---|---|
| Daten und Messstellen | 216 |
| Förderprogramm | 831 |
| Text | 18 |
| unbekannt | 16 |
| License | Count |
|---|---|
| Geschlossen | 19 |
| Offen | 1052 |
| Unbekannt | 10 |
| Language | Count |
|---|---|
| Deutsch | 701 |
| Englisch | 469 |
| Resource type | Count |
|---|---|
| Archiv | 2 |
| Bild | 2 |
| Datei | 219 |
| Dokument | 8 |
| Keine | 645 |
| Webseite | 219 |
| Topic | Count |
|---|---|
| Boden | 662 |
| Lebewesen und Lebensräume | 1054 |
| Luft | 811 |
| Mensch und Umwelt | 1081 |
| Wasser | 647 |
| Weitere | 1070 |