Flache Süßwasser-Lebensräume bieten wichtige Ökosystem-Funktionen, sind aber von multiplen Stressoren bedroht. Während die Reaktion auf den globalen Klimawandel wahrscheinlich eher graduell ist, sind abrupte Veränderungen möglich, wenn kritische Schwellenwerte durch zusätzliche Effekte lokaler Stressoren überschritten werden. Die Analyse dieser Effekte ist komplex, da Stressoren additiv, synergistisch oder antagonistisch wirken können. CLIMSHIFT zielt auf ein mechanistisches Verständnis von Stressor-Interaktionen, die auf flache aquatische Ökosysteme wirken. Diese sind aufgrund ihrer hohen Oberfläche-zu-Volumen-Verhältnisse, der großen Ufer-Grenzfläche und der Grundwasser-Konnektivität besonders anfällig für Klimaerwärmung und Stoffeinträge aus landwirtschaftlichen Einzugsgebieten. Die komplexen Wechselwirkungen zwischen verschiedenen Primärproduzenten sowie assoziierten Konsumenten führen zum Auftreten stabiler Regime, und multiple Stressoren können nichtlineare Übergänge zwischen diesen Regimen auslösen, mit weitreichenden Folgen für entscheidende Ökosystemprozesse und -funktionen. Unsere Haupthypothese ist, dass erhöhte Temperaturen die negativen Auswirkungen der landwirtschaftlichen Stoffeinträge, die Nitrat, organische Pestizide und Kupfer enthalten, verstärken. Submerse Makrophyten, Periphyton und Phytoplankton als Primärproduzenten werden kombiniert mit Schnecken, die Periphyton und Pflanzen fressen, sowie benthischen und pelagischen Phytoplankton-Filtriern, Dreissena und Daphnien. Wir testen unterschiedliche Expositionsszenarien auf zwei räumlichen Skalen, Mikrokosmen im Labor und Mesokosmen im Freiland, um Effekte auf individueller, gemeinschaftlicher und ökosystemarer Ebene zu verstehen. Während des gesamten Projekts werden die Experimente durch Modellierungen ergänzt, um kritische Schwellwerte zu simulieren und Stress-Interaktionen vorherzusagen. Die Modellentwicklung wird in Zusammenarbeit mit allen Arbeitspaketen durchgeführt, um empirische Ergebnisse zu integrieren, unterschiedliche räumliche und zeitliche Skalen zu verknüpfen und Ergebnisse zu extrapolieren. Wir erwarten, dass kombinierte Stressoren zu plötzlichen Verschiebungen der Gemeinschaftsstruktur führen. Submerse Makrophyten werden voraussichtlich durch Phytoplankton oder benthische Algen ersetzt, mit Konsequenzen für wichtige Ökosystemfunktionen. Die Stärke unseres Antrages liegt darin, dass ökotoxikologische Stressindikatoren der Organismen wie Wachstum und Biomarker mit funktionalen Gemeinschafts-/Ökosystemansätzen kombiniert werden, die den Metabolismus und die Dynamik des Ökosystems betrachten. Das kombinierte Know-how von 5 Laboren mit komplementärem Fachwissen und allen notwendigen Einrichtungen wird die spezifische Projektfähigkeit sicherstellen. Unsere Ergebnisse sollen dazu beitragen, safe operating spaces/sichere Handlungsräume für eine nachhaltige Landwirtschaft und das Management von flachen aquatischen Ökosystemen in einer sich verändernden Welt zu definieren.
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.
Das Forschungsprojekt verfolgt das Ziel, beobachtbare Änderungen in der Geomorphodynamik und im Landschaftshaushalt nordpolarer Räume systematisch zu erfassen und deren Verursachung zu ergründen. Als Arbeitshypothese dient die Diskussion und Szenarienentwicklung des globalen Klimawandels ('Global Warming'), wobei von einer natürlichen Erwärmung seit der Mitte des 19. Jahrhunderts und einer potentiellen, progressiven und anthropogenen Klimabeeinflussung ('Treibhauseffekt') der letzten 60 Jahre ausgegangen wird. Als Modellregion wurde dafür das Adventtal und Umgebung in West-Spitzbergen ausgewählt. Kriterien waren dabei ein weit ausgedehntes, facettenreiches Periglazialrelief, gute Erreichbarkeit und Zugänglichkeit, die Verfügbarkeit von Karten- und Luftbildmaterial sowie die Zugriffsmöglichkeiten auf meteorologische Daten. Mit Hilfe einer detaillierten Kartierung und Dokumentation sollen subrezente, rezente und aktuell sich verändernde geomorphodynamische Prozesse als Indikatoren für Klimaänderungen (insbesondere Erwärmung) systematisch getestet, klassifiziert und bewertet werden. Weiterhin wird versucht, mögliche Auswirkungen einer Klimaveränderung im Landschaftshaushalt polarer Regionen als Szenario zu ermitteln.
Das Projekt HUMUS hat zum Ziel, die Wasserbindung der organischen Bodensubstanz urbaner Böden zu charakterisieren. Im Zentrum stehen Geleigenschaften und der Nachweis eines Glasüberganges in der organischen Bodensubstanz. Die meisten Untersuchungen erfolgen mit Hilfe der Differential Scanning Kalorimetrie (DSC). Sie werden durch dielektrische Messungen und 1H-NMR-Relaxation (TP GEO) sowie kinetische Untersuchungen zur DOC-Freisetzung und Quellung ergänzt. Die Feldexperimente und Mikrokosmen der Forschergruppe dienen zur Verknüpfung der Wasserbindung der organischen Bodensubstanz mit Faktoren des Wasserhaushaltes (TP BODEN), Mikroorganismen und ihren Biofilmen (TP MIKRO), der Bodenmesofauna (TP FAUNA) sowie unterschiedlichen Elektrolytbedingungen. In der zweiten Projektphase werden Auswirkungen der urban beeinflußten Humuseigenschaften auf die kleinräumige Variabilität und auf den Wasser- und Stofftransport der urbanen Standorte untersucht werden.
Den Ausgangspunkt für RESOILIENCE bildet das Konzept der Resilienz als Voraussetzung für die Entwicklung nachhaltiger Managementstrategien. Vor diesem Hintergrund sollen die bislang völlig unbekannten Mechanismen der Resilienz und Resistenz von Bodentiergemeinschaften erforscht werden. Wesentliche Ziele sind: (1) die Eröffnung innovativer Wege zum wissenschaftlichen Verständnis struktureller und funktioneller Reaktionen der Bodenfauna auf Management-bedingte Störungen, und (2) die Analyse grundlegender Prozesse, welche die Strukturierung von Invertebratengemeinschaften unter den variablen Umweltbedingungen im Boden steuern. Die Untersuchungen konzentrieren sich auf das Spektrum der Managementintensitäten, die auf den Grünlandflächen der DFG Biodiversitätsexploratorien auftreten. Dies bietet die einmalige Chance für eine großflächige Langzeituntersuchung, weil wir so die Ergebnisse unserer Freilanderfassungen aus den Jahren 2009 und 2011 mit den Ergebnissen einer erneuten Erfassung, die für das Jahr 2018 geplant ist, vergleichen können. Aufwändige Feld- und Mikrokosmos-Experimente zur gezielten Analyse wichtiger Aspekte der Erholung nach Bodenstörungen dienen der Spezifizierung, Generalisierung und Validierung der Befunde aus den Freilanduntersuchungen. Der für RESOILIENCE entwickelte konzeptionelle Rahmen basiert auf drei Bausteinen: Merkmalsbasierte Assembly Analyse, die Ergän-zung störungsbedingter Assembly-Prozesse um die zeitliche Dimension ('successional assembly') und Transient Population Dynamics. Die wesentlichen Messgrößen umfassen nahezu alle Taxa der Bodenfauna (überwiegend auf Artniveau), Struktur des Bodennahrungsnetzes, Isotopensignatur der Konsumenten, Bodenprozesse (z.B. Spurengasfreisetzung, C- und N-Umsatz) und mikrobielle Parameter (PLFA). Ein inhärentes Ziel ist es, die Möglichkeiten, die sich aus dem beispiellosen Datensatz von RESOILIENCE ergeben, für die Weiterentwicklung statistischer Verfahren und Messgrößen zur Analyse biologischer Erholungsprozesse im Boden zu nutzen.
Flussauen mit ihrem typischen Muster von unterschiedlichen Lebensräumen sind in Mitteleuropa stark gefährdet. Die Bundesanstalt für Gewässerkunde (BfG) hat daher das Integrierte Flussauenmodell INFORM (Integrated Floodplain Response Model) für den Einsatz an Bundeswasserstraßen erstellt, mit dem ökologische Modellierungen durchgeführt werden können. Das modular aufgebaute Modellsystem INFORM verknüpft hydrologische, hydraulische, morphologische und bodenkundliche Modelltechniken mit ökologischen Modellen. Dabei werden vor allem sogenannte Lebensraumeignungsmodelle (Habitatmodelle) angewendet. Solche Modelle beschreiben die potentielle Eignung eines Standortes als Lebensraum für bestimmte Arten und / oder Artengruppen anhand der Ausprägung mehrerer abiotischer Standortparameter. Die Bearbeitung folgt prinzipiell dem Wirkungspfad Abfluss - Flusswasser - Grundwasser - Boden - Biotik unter Berücksichtigung morphologischer Einflüsse, des direkten Einflusses der Überflutung und der (landwirtschaftlichen) Nutzung. Die Bewertung der prognostizierten Veränderungen erfolgt an Hand von Gesetzen und Verordnungen und beinhaltet auch die Auswirkungen des menschlichen Handelns.
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.
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.
| Organisation | Count |
|---|---|
| Bund | 755 |
| Europa | 24 |
| Kommune | 3 |
| Land | 20 |
| Wirtschaft | 2 |
| Wissenschaft | 563 |
| Zivilgesellschaft | 13 |
| Type | Count |
|---|---|
| Daten und Messstellen | 216 |
| Förderprogramm | 736 |
| Text | 19 |
| unbekannt | 15 |
| License | Count |
|---|---|
| Geschlossen | 20 |
| Offen | 957 |
| Unbekannt | 9 |
| Language | Count |
|---|---|
| Deutsch | 622 |
| Englisch | 440 |
| Resource type | Count |
|---|---|
| Archiv | 2 |
| Bild | 2 |
| Datei | 218 |
| Dokument | 9 |
| Keine | 569 |
| Webseite | 200 |
| Topic | Count |
|---|---|
| Boden | 589 |
| Lebewesen und Lebensräume | 963 |
| Luft | 740 |
| Mensch und Umwelt | 986 |
| Wasser | 572 |
| Weitere | 975 |