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.
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.
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.
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.
Der Klimawandel während der mittelalterlichen Klimaanomalie (MCA) und der kleinen Eiszeit (LIA) führte zur Ausdehnung bzw. Verringerung der hypoxischen Bodenbedeckung in der Ostsee. Hier schlagen wir eine Modellierungsstudie vor, um Mechanismen, durch die der Klimawandel zu den beobachteten Trends geführt hat, systematisch zu analysieren und Modellergebnisse anhand von geochemischen Sedimentkerndaten zu validieren. Das Zusammenspiel zwischen physikalischen und biogeochemischen Prozessen führt zu einer komplexen Dynamik, die den Sauerstoffgehalt in der Ostsee steuert. Die Sedimente spielen eine wichtige Rolle, indem sie sowohl als Quelle als auch als Senke für Phosphat fungieren, das den wichtigsten biolimitierenden Nährstoff bildet. Es ist jedoch kaum bekannt, wie der Klimawandel während der MCA zur Ausbreitung von Hypoxie führte. Es wurden bereits verschiedene Auslöser vorgeschlagen, um die Ausbreitung der Hypoxie während der MCA zu erklären, wie z.B. eine erhöhte Produktion von Cyanobakterien unter wärmeren Bedingungen, eine erhöhte / verringerte Stratifikation aufgrund sich ändernder Niederschlagsmuster und eine sedimentäre Freisetzung von Phosphaten. Im ersten Teil des Projekts (Arbeitspaket AP1) werden wir ein modernes Ökosystemmodell verwenden, um Szenarien zu identifizieren, die den Zusammenhang zwischen Klimawandel und Hypoxie im Mittelalter erklären können. Das Modell wird durch die Implementierung eines frühen diagenetischen Moduls verbessert, das chemische Profile im Sediment vertikal auflösen kann (AP2). Für biogeochemische Reaktionen werden temperaturabhängige Ratenausdrücke implementiert. Das Sedimentmodul wird zunächst auf den aktuellen Zustand der Sedimente kalibriert (AP3). Szenarien aus AP1, die die Sauerstofftrends erfolgreich erklären können, werden anschließend in Modellläufen vom Mittelalter bis zur Gegenwart getestet (AP4). Die Simulation des Mittelalters kann durch verschiedene Sedimentproxies validiert werden, die Trends in den Redoxbedingungen des Tiefenwassers, in der Zufuhr von Metallen aus Schelfe in tiefere Becken, welche die Sequestrierung von Phosphat beeinflusst, und in der Menge an in Sedimenten erhaltenem Phosphor und organischer Substanz rekonstruieren können. Die erwarteten Ergebnisse des Projekts sind die Zuordnung der Ausbreitung von Hypoxie während der MCA zu einem Mechanismus und ein verbessertes Verständnis der Rolle der benthischen Dynamik, die die Eutrophierung als Reaktion auf den Klimawandel beeinflusst.
| Organisation | Count |
|---|---|
| Bund | 850 |
| Europa | 104 |
| Kommune | 5 |
| Land | 33 |
| 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 | 644 |
| Webdienst | 5 |
| Webseite | 221 |
| Topic | Count |
|---|---|
| Boden | 660 |
| Lebewesen und Lebensräume | 1055 |
| Luft | 806 |
| Mensch und Umwelt | 1081 |
| Wasser | 649 |
| Weitere | 1071 |