Die Begrenzung der Länge von Nahrungsketten ist eine der klassischen, aber immer noch unbeantworteten Fragen der Ökologie von Lebensgemeinschaften. In diesem Projekt und in einem parallelen Projekt limnologischer Ausrichtung (Antragsteller: Dr. H. Stibor, LMU München) soll versucht werden, zwei zentrale Hypothesen zu überprüfen: Die Omnivorie-Hypothese und die Hypothese der energetischen Begrenzung. Omnivore sind Organismen, die ihre Nahrung mindestens zwei tropischen Ebenen entnehmen. Dadurch werden sie gleichzeitig zu Nahrungskonkurrenten ihrer Beuteorganismen auf der unmittelbar unter den Omnivoren angesiedelten tropischen Ebene. Diese können dem doppelten Druck (Konkurrenz, Fraß) nicht widerstehen und werden aus dem System verdrängt, wodurch es zu einer Verkürzung der Nahrungskette kommt. Hypothese der energetischen Begrenzung. Wegen der Energieverluste, die bei jedem Transferschritt in der Nahrungskette auftreten, begrenzt die Höhe der Primärproduktion die Länge von Nahrungsketten, da bei zu langen Ketten die Energiezufuhr zu niedrig wäre, um die tropische Ebene der terminalen Räuber zu unterhalten. Überprüfung der Omnivorie-Hypothese. In künstlich zusammengestellte Modell-Nahrungsnetze im Labor (Mikrokosmen) werden an der Basis (mixotrophe Algen) und in der Mitte (omnivore Zooplankter) Omnivore eingefügt und die Struktur der Nahrungsnetze mit Kontroll-Nahrungsnetzen ohne Omnivore verglichen. Überprüfung der Hypothese der energetischen Begrenzung. Die Entwicklung der omnivorenhaltigen und omnivorenfreien Modell-Nahrungsnetze wird bei unterschiedlicher Trophie und damit Primärproduktion verfolgt.
This pre-study pilot project will be carried out in Kenya and Tanzania and is part of a more extensive remote sensing project (initiated by the European Space Agency, ESA) aiming to develop a monitoring system for the assessment of land cover change of farmlands, rangelands and forest standings (logging, fires, uncontrolled deforestation, new settlements, etc.) at a national regional level. An integrated approach of remote sensing techniques (both through the use of satellite and ground data), physical vegetation models and ground measurements will be adopted. Operatively, the execution will consist of a 6-month period (pre-study) consisting in a ground campaign along a north-south transect, which is almost unknown to the current vegetation cartography. Based on the field results of the pre-study and within an on-going 30 month period (extended study, see Annexed 3), new classification methods and algorithms will be developed for assessment of land use and cover change using ENVISAT-data. An outcoming of this research will be a system capable to monitor and plan the available agricultural food resources for those developing regions.
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.
Artenzusammensetzung im Verlauf des Fliessweges und in Abhaengigkeit der Naehrstoffsituation; Leistungsfaehigkeit des biologischen Bewuchses.
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.
The gross carbon uptake of terrestrial vegetation through photosynthesis is a crucial parameter in climate change research. A global, observation-based characterization of ecosystem gross primary production can only be performed with satellite measurements. However, the traditional description of vegetation from space is based on the so-called spectral vegetation indices, which are not able to provide a reliable indication of photosynthetic efficiency driving carbon assimilation by vegetation. This results in an inherent limitation of existing satellite products to provide an accurate description of ecosystem functioning. By contrast, ongoing developments in instrument design and modelling approaches have very recently made possible the retrieval of vegetation chlorophyll fluorescence from space measurements. A vast number of laboratory and field experiments have demonstrated that fluorescence is a direct proxy to vegetation light use efficiency which can therefore enable a much more accurate description of gross primary production. This project proposes the implementation of a research group with focus on the global monitoring and interpretation of chlorophyll fluorescence from existing and upcoming Earth Observation missions. This task will imply the development of a variety of atmospheric-surface radiative transfer modelling approaches, data processing, retrieval techniques and ecosystem modelling tools, with the ultimate objective of developing a new approach to the observation of carbon assimilation by vegetation from space.
Struktur- und Funktionsbeschreibung des Modell-Oekosystems Breitenbach bei Schlitz/Hessen. Ausgangsinformationen: physikochemische Rahmenbedingungen, Fauna im einzelnen bekannt. Jetzige Aktivitaeten: 1) Praezise Messung physikochemischer Parameter, teils durch staendige automatische Registrierung, Erfassung diurnaler und saisonaler Variationen. 2) Analyse der Primaerproduzenten: Erfassung der Algenflora: Bestandsaufnahme, Standortansprueche, Produktionsleistung dominanter Vertreter (z.Zt. nicht besetzt). Allochthone Nahrungsbasis der Biozoenose: Partikulaeres organisches Material in fliessender Welle und Sediment im Jahresgang. 4) Gehalt an geloesten organischem C, als Nahrungsbasis der Bakterienflora; dessen Festlegung in Bakterienbiomasse. 5) Bakterienzahlen und Aktivitaeten in freier Welle und Sedimenten. 6) Emergenz der Wasserinsekten. 7) Zusammenhang zwischen Emergenz und benthischer Produktion. 8) Laengsverteilung der Zoenose und jaehrliche Unterschiede im Emergenzerfolg der Wasserinsekten in Abhaengigkeit von abiotischen und biotischen Faktoren (Nahrungsversorgung, Konkurrenz). 9) Interaktionen zwischen Aufwuchs und Weidegaengern. 10) Experimentelle Untersuchungen zur Autooekologie dominanter Taxa, vor allem der Wasserinsekten und Amphipoda. 1-9 als Bausteine fuer eine synoekologische Gesamtbetrachtung des Systems.
Denitrifizierer (reduzieren N-Oxide zu N2O und/ oder N2), nicht-denitrifizierende N2O-Reduzierer (reduzieren N2O zu N2) und dissimilatorische Nitratreduzierer (DNRA; reduzieren N-Oxides zu NH4+) sind fakultative oder obligate Anaerobier, welche die Emission des Treibhausgases N2O genauso wie die Stickstoffretention beeinflussen. Nicht-denitrifizierende N2O-Reduzierer und dissimilatorische Nitratreduzierer stehen mit Denitrifizierern im Wettbewerb um Elektronendonatoren. Definierte mikrobielle Taxa haben definierte ökophysiologische Eigenschaften, welche ihre Wettbewerbsfähigkeit und Fähigkeit zur N-Gasproduktion bestimmen und werden daher unterschiedlich auf Umweltfaktoren reagieren. Solche Eigenschaften sind jedoch im Wesentlichen für unkultivierte Taxa unbekannt, obwohl diese für die N-Gas Emissionen und Stickstoffretention in Böden bedeutend sind. Daher werden folgende Hypothesen untersucht: (i) Die Denitrifikationsantwort auf Umweltfaktoren wird durch gegensätzliche mikrobielle Gemeinschaften, einschließlich bislang unbekannter Arten, bestimmt und kann durch deren intrinsische ökophysiologische Eigenschaften erklärt werden. (ii) Denitrifikations-, N2O-Reduktions- und DNRA-assoziierte Genexpression und Gemeinschaftsstruktur spiegeln metabolische Zustände und Potenziale wider, weshalb diese zu einer besseren Vorhersagbarkeit von N2O und N2 Flüssen führen. Hochdurchsatzinkubationen unter verschiedensten Bedingungen (einschließlich von 15N-Tracersubstanzen) kombiniert mit funktioneller Genexpression, sowie Gen- und Transkript-basierter Next-Generation-Sequencing-Methodik werden eingesetzt um apparente Michaelis-Menten-Kinetiken und physiologische Parameter stimulierter Taxa zu bestimmen. Funktionelle Gene von Denitrifizierern (nirK/S kodierend für dissimilatorische NO-bildende Nitritreduktasen; nosZI kodierend für N2-bildende dissimilatorische N2O-Reduktasen), nicht denitrifizierenden N2O-Reduzierern (nosZII kodierend für N2-bildende dissimilatorische N2O-Reduktasen der Nichtdenitrifizierer) und DNRA (nrfA kodierend für NH4+-bildende dissimilatorische Nitritreduktasen) werden bevorzugt analysiert. Reaktionsmuster der Zielgemeinschaften und/ oder funktionellen Genexpression auf definierte Umweltparameter werden in Mikrokosmen bestimmt. Der Effekt von Kontrollfaktoren der N-Gasdynamik und Pflanzen auf die Zielgemeinschaften wird in Mesokosmen analysiert. Die Daten werden in der Entwicklung eines erweiterten Denitrifier-regulatory-phenotype-Konzeptes zusammengeführt und werden Einblicke in die Ökophysiologie und Wettbewerbsfähigkeit von Denitrifikanten, nicht-denitrifizierenden N2O-Reduzierern und DNRA unter vielfältigen Bedingungen geben. Antwortfunktionen der Aktivitäten dieser Gruppen auf organischen Kohlenstoff (d.h. Elektronendonatoren), Nitrat und Distickstoffmonoxid, deren Wachstumsraten, Erhaltungsraten und Gemeinschaftsstruktur werden für die Modellierung von Denitrifikation und N-Gasflüssen zur Verfügung gestellt.
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 | 852 |
| Europa | 27 |
| Global | 1 |
| Kommune | 7 |
| Land | 31 |
| Wirtschaft | 5 |
| Wissenschaft | 748 |
| Zivilgesellschaft | 14 |
| Type | Count |
|---|---|
| Daten und Messstellen | 216 |
| Förderprogramm | 836 |
| Text | 8 |
| unbekannt | 23 |
| License | Count |
|---|---|
| Geschlossen | 17 |
| Offen | 1057 |
| Unbekannt | 9 |
| Language | Count |
|---|---|
| Deutsch | 705 |
| Englisch | 467 |
| Resource type | Count |
|---|---|
| Archiv | 2 |
| Bild | 2 |
| Datei | 218 |
| Dokument | 7 |
| Keine | 647 |
| Webseite | 220 |
| Topic | Count |
|---|---|
| Boden | 662 |
| Lebewesen und Lebensräume | 1057 |
| Luft | 808 |
| Mensch und Umwelt | 1083 |
| Wasser | 651 |
| Weitere | 1072 |