API src

Found 1081 results.

Related terms

Funktion und Struktur subsystemspezifischer mikrobieller Gemeinschaften im Benthos der südlichen und zentralen Nordsee und deren Rolle in Stoff- und Energieaustauschprozessen

Aktuelle Modelle zur Beschreibung benthischer Prozesse in der Nordsee behandeln nur unvollständige Ausschnitte aus dem Gesamtsystem. Dies ist auf eine nur lückenhafte Kenntnis über die im Benthos ablaufenden Prozesse zurückzuführen. Im beantragten Forschungsvorhaben soll die strukturelle und funktionelle Charakterisierung benthischer mikrobieller Gemeinschaften in verschiedenen durch die Markofauna definierten Subsysteme der südlichen und zentralen Nordsee (Deutsche Bucht, Niederländische Küste, Oyster Ground, Doggerbank, östliche Nordsee, Skagerrak und Kattegat) untersucht werden. Zum Verständnis benthischer Prozesse soll zusätzlich der qualitative und quantitative Eintrag von organischem Material sowie dessen Umsetzung im System betrachtet werden. Durch parallele Untersuchungen der Makrofaunastruktur (Dr. I. Kröncke, Forschungsinstitut Senckenberg) werden Aufschlüsse über die Wechselwirkungen zwischen verschiedenen Größenklassen und deren Rolle am Transfer von organischem Material in den einzelnen Subsystemen erwartet. Aus dem Zusammenhang von Struktur und Funktion komplexer Gemeinschaften, die in diesem Umfang bislang noch nicht in der Nordsee untersucht wurden, werden Hinweise auf die Bedeutung verschiedenen benthischer Systeme für den Stoff- und Energieaustausch erwartet. Daher können die aus dem beantragten Forschungsvorhaben erwarteten Ergebnisse maßgeblich zum Verständnis benthischer Prozesse beitragen und der Modellierung zugeführt werden. Hauptauftragnehmer im Ausland: University Northeastern Boston; Boston.

Anwendung räumlich expliziter landschaftsökologischer Simulationsmodelle zur Bestimmung optimaler anthropogener Nutzung von Ökosystemen

Regionalisierte Agrarökosystemmodelle sind in der Lage die Konsequenzen menschlichen Wirtschaftens auf den Flächen in Bezug auf Stoffhaushalt und Stoffdynamik der Region zu beschreiben, zu analysieren und zu bewerten. Systematische Vergleiche zwischen Nutzungsarten werden i.d.R. mittels des Konzeptes der Szenariensimulationen untersucht. In diesem Projekt soll die Technik der Szenariensimulation für agrarökologische Standortmodell ersetzt werden durch die Integration der Simulationsmodell in Methoden der numerischen Kontrolltheorie. Die Anwendung der Kontrolltheorie liefert neben Aussagen über Stoffhaushalt und -dynamik auch Aussagen über die standortspezifisch optimale Managementstrategie und erlaubt so unterschiedliche Managementziele zu vergleichen und zu bewerten. Diese Methode soll systematisch für ein regionales Modell weiterentwickelt und angewendet werden. Konkreter Untersuchungsgegenstand ist das regionale Patuxent Watershed Landscape Modell der University of Maryland, USA. Die nötigen Methoden zur optimalen Kontrolle ökologischer Modelle sind in der Arbeitsgruppe des Antragstellers im Rahmen des SFB 179 'Wasser- und Stoffdynamik in Agrarökosystemen' entwickelt und validiert worden.

Die Funktion von Bodenmikroorganismen bei der Mineralisierung und Stabilisierung der organischen Substanz in Mikrohabitaten

Das Ziel dieses Projektes ist es, die Funktion von Bodenmikroorganismen für die Mineralisierung von organischen Substanzen an der Grenzfläche zwischen Boden und Streustoffen zu ermitteln. Mikrokosmos-Experimente im Labor sollen den Zusammenhang zwischen der Sukzession von mikrobiellen Lebensgemeinschaften, der Substratverfügbarkeit an der Grenzfläche zwischen Streu und Boden und der Produktion von Bodenenzymen, die für den Abbau von organischen Verbindungen verantwortlich sind klären. Ein besonderer Schwerpunkt soll darauf gelegt werden, den Zusammenhang zwischen Lokalisation und Funktion der Bodenorganismen in ihrem Habitat zu erfassen. Die Übertragbarkeit der in den Laborexperimenten gewonnenen Daten auf die Situation im Freiland soll durch die Untersuchung der kleinräumigen Variabilität bodenmikrobiologischer Prozesse im Freiland (jeweils zwei ackerbauliche und zwei forstlich genutzte Standorte) überprüft werden.

Schwerpunktprogramm (SPP) 1685: Ecosystem nutrition: forest strategies for limited phosphorus resources; Ökosystemernährung: Forststrategien zum Umgang mit limitierten Phosphor-Ressourcen, Mikrobieller Phosphorumsatz in akquirierenden und rezyklierenden Ökosystemen (Micro P Cycling)

Phosphor wird auf verschiedensten Skalen rezykliert: Diese reichen von der Ökosystemebene über Kreisläufe innerhalb der mikrobiellen Gemeinschaft bis hin zu Kreisläufen innerhalb von Einzelorganismen. Ziel des Projektes ist es, mikrobielle P-Umsatzmodelle auf der Organismenebene und auf der Ebene mikrobieller Gemeinschaften zu unterscheiden. Es wird davon ausgegangen, dass P-Kreisläufe auf der Organismenebene überwiegend zur Aufrechterhaltung (Maintenance) der eigenen Zellfunktionen erfolgen. Dagegen umfassen P-Kreisläufe auf der Ebene mikrobieller Gemeinschaften i) die P-Freisetzung durch Absterben und Zelllyse mit anschließendem ii) mikrobiellem Wachstum und P-Aufnahme. Unserem Vorhaben liegen folgende Hypothesen zugrunde: 1) Erfogen P-Umsätze überwiegend aufgrund von Zelltod und Wachstum, so sind diese wesentlich schneller als Kreisläufe zur Aufrechterhaltung der Zellfunktion. 2) In P-reichen Böden (akquirierenden Ökosystemen) erfolgt mikrobieller P-Umsatz schneller und vor allem durch Zelltod und Wachstum, während in P-armen Böden (rezyklierenden Ökosystemen) P-Umsatz überwiegend zur Aufrechterhaltung und langsamer erfolgt, da die eingeschränkte P-Verfügbarkeit eine effizientere Ressourcennutzung fordert. 3) Eine hohe C- und N-Verfügbarkeit stimuliert P-Umsatz vor allem in Folge von Zelltod und Wachstum, 4) was in bakteriellen Gemeinschaften schneller als in pilzlichen erfolgt.Fünf unabhängige Ansätze ermöglichen die Untersuchung und Unterscheidung von P-Umsätzen auf Organismen- und Gemeinschaftsebene: 1) Unterschiedlicher Einbau von 33P, 14C und 13C in Phospholipide , 2) Unterschiedlicher Einbau von 33P und 14C in DNA, 3) ATP-Gehalt und Adenylat-Energie-Ladung, 4) Modifikation der CO2-Freisetzung durch P-Applikation und 5) Wärmeabgabe (Kalorimetrie) des Bodens. Zudem wird ein neuer präperativer Ansatz entwickelt, um den 33P-, 14C- und 13C-Einbau in Phospholipide individueller Mikrobengruppen zu analysieren. Die Hypothesen werden an Böden getestet, die sich hinsichtlich ihres P-Gehaltes (Luess vs. Bad Brückenau) und ihrer P-Speziierung (Mittelfels vs. Achenpass) unterscheiden. Hierfür werden Mikrokosmen- und Feldexperimente durchgeführt. Aus der Dynamik von Einbau und Freisetzung von 33P und 14C in spezifische Mikrobengruppen lassen sich P-Umsätze infolge von Zelllyse und Wachstum von solchen zur Aufrechterhaltung in akquirierenden und rezyklierenden Ökosystemen unterscheiden und abschätzen. In Kooperation werden Mikrokosmen- und Feldexperimente durchgeführt um den Einfluss der C-Freisetzung in die Rhizosphäre bei variabler P-Verteilung auf die P-Rezyklierung zu untersuchen. Der Effekt von P- und N-Addition auf mikrobielle P-Kreisläufe wird in einem faktoriellen NxP-Düngungsversuch unter Freilandbedingungen analysiert.Diese Untersuchungen werden neue Wege zur Unterscheidung der P- und Nährstoffkreisläufe zwischen Gemeinschafts- und Organismusebene weisen und den Beitrag von Tod/Wachstum vs. Aufrechterhaltung in Ökosystemen bestimmen.

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.

Scenarioanalyse mit dem dynamischen Gewaessermodell SALMO zur Prognose der Wassergueteentwicklung in stehenden und gestauten Gewaessern

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.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Darmstadt, Germany from 1985 – 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 Eisenach, 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 Bremen, 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 Neuwied, Germany from 1985 – 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.

1 2 3 4 5 … 107 108 109