API src

Found 1082 results.

Related terms

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Gummersbach, 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.

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.

Oekologische Untersuchungen an Modelltropfkoerpern und Modellbelebtschlammanlagen

Artenzusammensetzung im Verlauf des Fliessweges und in Abhaengigkeit der Naehrstoffsituation; Leistungsfaehigkeit des biologischen Bewuchses.

Langfristige radiooekologische Umgebungsbelastung durch eine Anhaeufung von nuklearen Anlagen

Ziel des Vorhabens ist die modelltheoretische Beschreibung langfristiger oekologischer Auswirkungen - ueber Zeitraeume von 20-30 Jahren - von radioaktiven Freisetzungen aus kerntechnischen Anlagen bei Normalbetrieb und Stoerfaellen unter Beruecksichtigung der Konzentrierung dieser Anlagen in bestimmten Gebieten.

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.

Saisonale Sensitivität von Ökosystemfunktionen in einer sich erwärmenden Arktis (Svalbard, Vorhaben: Charakterisierung saisonaler Sensitivität von Schlüsselarten des Benthos (Seeigel und Muscheln)

Räumliche Lösungen für eine Nachhaltigkeitstransformation der Fischerei in der Westlichen Ostsee, Vorhaben: Ökologische Lösungen-Identifizierung von räumlichen Möglichkeiten und Schutzbedürfnissen

Schwerpunktprogramm (SPP) 1374: Biodiversitäts-Exploratorien; Exploratories for Long-Term and Large-Scale Biodiversity Research (Biodiversity Exploratories), Teilprojekt: Verknüpfung von Landnutzungsintensität, Biodiversität, bodenmikrobiellen Prozessen und organo-mineralischen Interaktionen für ein mechanistisches Verständnis des Stickstoffumsatzes in Grünlandökosystemen

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.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Bad-Kreuznach, 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 Bocholt, 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