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.
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.
Pruefung von vorhandenen sowie Entwicklung von verbesserten Modellen der unteren trophischen Stufen des marinen Oekosystems an Daten aus Labor-, Folientank- und Feldexperimenten (Fladengrund-Experiment).
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.
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.
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.
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 | 853 |
| Europa | 31 |
| Global | 1 |
| Kommune | 3 |
| Land | 24 |
| Wirtschaft | 3 |
| Wissenschaft | 603 |
| Zivilgesellschaft | 15 |
| Type | Count |
|---|---|
| Daten und Messstellen | 216 |
| Förderprogramm | 834 |
| Text | 19 |
| unbekannt | 16 |
| License | Count |
|---|---|
| Geschlossen | 20 |
| Offen | 1055 |
| Unbekannt | 10 |
| Language | Count |
|---|---|
| Deutsch | 704 |
| Englisch | 470 |
| Resource type | Count |
|---|---|
| Archiv | 2 |
| Bild | 2 |
| Datei | 219 |
| Dokument | 9 |
| Keine | 648 |
| Webseite | 220 |
| Topic | Count |
|---|---|
| Boden | 664 |
| Lebewesen und Lebensräume | 1058 |
| Luft | 812 |
| Mensch und Umwelt | 1085 |
| Wasser | 649 |
| Weitere | 1074 |