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.
Die gegenwärtigen europäischen Vorschriften zur Zulassung von Pflanzenschutzmitteln sehen auf der ersten Stufe Einzelartentests unter Laborbedingungen vor. Sie sollen worst-case Szenarien der Exposition abbilden und können keinen Aufschluß über die vielfältigen Wechselbeziehungen sowie über Änderungen im strukturellen Gefüge der Bodenorganismen verschiedener trophischer Ebenen geben. Höherstufige Testverfahren sind mit Ausnahme des funktionellen Streubeuteltests nicht standardisiert. Nur großangelegte und damit kostenintensive Feldstudien liefern strukturelle Endpunkte und können zur adäquaten Beschreibung der komplexen Wirkzusammenhänge in der heterogenen Bodenmatrix beitragen. In der aktuellen Diskussion um die Revision der bestehenden EU-Richtlinien zeichnet sich ab, daß künftig zunehmend strukturelle Endpunkte, auch auf dem Niveau des Halbfreilandes, einbezogen werden sollen, um eine realitätsnahe Bewertungsgrundlage zu bilden. Im Kontext der bestehenden internationalen Leitlinien ist am Institut für Umweltforschung ein TME-System entwickelt worden, das unter natürlichen Witterungsbedingungen und über einen Zeitraum von bis zu einem Jahr artenreiche Gemeinschaften von Bodenorganismen weitgehend in ihrer ursprünglichen Zusammensetzung beherbergen kann. Im Mittelpunkt stehen dabei vier der abundantesten Gruppen der Meso- und Mikrofauna: Collembolen, Oribatiden, Enchytraeen und Nematoden. Diese Systeme sollen ausreichend empfindlich reagieren, um Effekte auf der Ebene von Organismengemeinschaften oder Populationen statistisch nachzuweisen. Umfangreiche Vorstudien befassen sich mit der Variabilität im Boden und der Stabilität der Biozönosen in TMEs, um das Design von Effektstudien den speziellen Gegebenheiten von Wiesenökosystemen anzupassen. Die TMEs bestehen aus großen, intakten und ungestörten Bodenkernen mit einer Höhe von 40 Zentimetern und einem Durchmesser von bis zu 47 Zentimetern. Sie werden unter natürlichen Witterungsbedingungen betrieben, bieten aber die Möglichkeit bei langandauernden Extremverhältnissen (vor allem Dürre) steuernd einzugreifen. Um möglichst empfindliche und diverse Lebensgemeinschaften vorzufinden, wurden die Bodenkerne nicht einem Agrarökosystem entnommen, sondern einer regelmäßig gemähten Wiese, die über Jahrzehnte nicht mit Pflanzenschutzmitteln behandelt worden sind. In Vorstudien im Freiland konnte gezeigt werden, daß die geklumpte Verteilung der Organismen über die Entnahmefläche Anpassungen bei der Gewinnung der Bodenkerne erfordert, welche die Variabilität in nachfolgenden Versuchen senken können. Nach dem Stechen der Bodenkerne werden die TMEs in die Versuchsanlage der RWTH Aachen transportiert, welche eine ausreichende Drainage in Verbindung mit einer intakten Wasserspannung gewährleisten soll, um sowohl Staunässe als auch ein Austrocknen der Kerne zu verhindern. U.s.w.
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.
Die Nahrungsstrategien vieler Bodentiere, insbesondere der Mikrofauna, sind nur unzureichend bekannt. Meist erfolgt eine generelle Einteilung nach vorwiegend morphologischen Kriterien. Nahrungsnetzanalysen und Modelle verlangen jedoch nach einer genauen trophischen Klassifizierung. Im geplanten Forschungsprojekt werden zwei biochemische Methoden eingesetzt: Phospholipidfettsäuren als Biomarker für den Transfer von Kohlenstoff in der Nahrungskette und das 15N/14N-Isotopenverhältnis als Indikator für die trophische Stellung der Bodenfauna. Vergleichende Analysen sollen Aufschluss geben über Herkunft und trophische Anreicherung von Stickstoff und Fettsäuren, sowie physiologische Aspekte (z.B. Biosynthese) untersuchen. In Mikrokosmen werden hierzu Nahrungsketten simuliert (Mikroflora (Bakterien, Pilze), Sekundärzersetzer (Nematoden), Räuber (Milben, Collembolen). Daneben erfolgen Manipulationen des physiologischen Stoffwechselzustandes (Proteingleichgewicht, Nahrungsmangel) und Untersuchungen an Freilandfauna. Die zugrunde liegenden biochemischen und physiologischen Mechanismen der trophischen Anreicherung von 15N in einer Nahrungskette wurden bisher nur in wenigen kontrollierten Laborstudien untersucht. Zudem sind Fettsäuremuster von Bodentieren kaum bekannt. Letztere zur Klassifizierung von Nahrungsstrategien zu nutzen, bietet einen neuen und viel versprechenden Ansatz zur Analyse von Bodennahrungsnetzen.
Dieses Projekt erforscht die Bedeutung von Chemolithoautotrophie und Oberflächeneintrag als Quellen von reduziertem Kohlenstoff für die mikrobielle Gemeinschaft in den Hainich-Aquiferen mittels Mikrokosmen-Experimenten. Basierend auf Raman-Mikrospektroskopie in Kombination mit Isotopenmarkierungs-Experimenten wird eine neue Methode zur Hochdurchsatzsortierung von Zellen etabliert um metabolisch aktive mikrobielle Subpopulationen zu isolieren. Mittels Metagenomanalyse kann dann gezielt deren Rolle in den biogeochemischen Kreisläufen im Grundwasser untersucht 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 | 747 |
| Europa | 28 |
| Global | 1 |
| Kommune | 2 |
| Land | 22 |
| Wirtschaft | 3 |
| Wissenschaft | 551 |
| Zivilgesellschaft | 13 |
| Type | Count |
|---|---|
| Daten und Messstellen | 216 |
| Förderprogramm | 729 |
| Text | 18 |
| unbekannt | 16 |
| License | Count |
|---|---|
| Geschlossen | 19 |
| Offen | 950 |
| Unbekannt | 10 |
| Language | Count |
|---|---|
| Deutsch | 612 |
| Englisch | 449 |
| Resource type | Count |
|---|---|
| Archiv | 2 |
| Bild | 2 |
| Datei | 219 |
| Dokument | 8 |
| Keine | 555 |
| Webseite | 207 |
| Topic | Count |
|---|---|
| Boden | 597 |
| Lebewesen und Lebensräume | 955 |
| Luft | 744 |
| Mensch und Umwelt | 979 |
| Wasser | 583 |
| Weitere | 970 |