Robuste Datensätze zur Validierung von N2 Flüssen aus Denitrifikationsmodellen sind rar, vor allem wegen der begrenzten Verfügbarkeit geeigneter Methoden, aber auch aufgrund der extremen raum-zeitlichen Heterogenität der Denitrifikation. Der anaerobe Volumenanteil im Boden, eine wesentliche Steuergröße der Denitrifikation, ist bekanntlich von der räumlichen Verteilung der Gasdiffusivität und der Respiration abhängig. Durch die begrenzte Messbarkeit seiner Regelfaktoren wurde der anaerobe Volumenanteil im Boden bisher kaum quantifiziert. Heute stehen jedoch besser geeignete Methoden zur Verfügung. Diese Aspekte werden wir in vier Abschnitten behandeln. 1. Neue und verbesserte Stabilisotopenmethoden sollen eingesetzt werden, um Datensätze zu erheben, die die Aktivität der Denitrifikation und ihre Regelung in hoher räumlichen und zeitlichen Genauigkeit und Auflösung abbilden. Diese Datensätze dienen der Validierung bestehender und Kalibrierung neuer Denitrifikationsmodelle, die in Teilprojekten von DASIM (P7, P8, PC) angewendet und/oder entwickelt werden sollen. 2. Durch Inkubationsversuche mit variierter Bodenmenge unter standardisierten Bedingungen werden wir das für die Denitrifikation repräsentative Elementarvolumen als Grundlage für das Hochskalieren bei der Modellierung untersuchen. 3. Zur Bestimmung des anaeroben Bodenvolumenanteils werden wir in Kooperation mit P1 und P8 die räumliche Verteilung der Gasdiffusivität sowie Denitrifikationsaktivitäten unter definierten Sauerstoffverhältnissen messen. Diese verschiedenen Ansätze werden kreuzvalidiert und der aussichtsreichste wird bei der Validierung des anaeroben Volumens in den neuen Denitrifikationsmodellen (P8) Anwendung finden. 4. Wir werden testen, ob die räumlichen Verteilungen der Denitrifikationsaktivität sowie ihrer Kontrollfaktoren mit NanoSIMS bestimmt werden können und ob NanoSIMS geeignet ist, um in Phase 2 von DASIM heterogene mikroskalige Prozesse in größerem Umfang zu untersuchen. Diese Tests beinhalten die Messung der Verteilung der organischen Substanz in ausgewählten Bodenaggregaten und eine neue 15N-Tracermethode zur Lokalisierung von Nitratabbau in Aggregaten.
Terrestrische Grünalgen sind typische und häufige Komponenten biologischer Bodenkrusten der Polarregionen. Biologische Bodenkrusten bilden wasserstabile Aggregate und üben ökologisch wichtige Funktionen hinsichtlich Primärproduktion, Stickstofffixierung, Nährstoffkreislauf, Wasserretention und Bodenstabilisierung aus. Obwohl kaum Daten über Grünalgen in der Arktis und Antarktis vorliegen, wird ihre funktionelle Bedeutung als Ökosystem-Entwickler nährstoffarmer Gebiete als sehr hoch eingeschätzt. Die Biodiversität der Algen und Cyanobakterien polarer Bodenkrusten ist in den letzten Jahren zum ersten Mal von uns mit klassischen und molekularen Methoden (Metatranskriptomik und Metabarcoding) untersucht worden. In dem neuen Projekt wollen wir nun den physiologischen Zustand von Bodenkrusten der Antarktis aus Metatranskriptomen ermitteln. Dazu wollen wir die Sequenzen der Metatranskriptome einzelnen Arten (Gattungen, Familien oder anderen systematischen Kategorien) zuordnen und funktionell qualitativ und quantitativ untersuchen. Neben Datenbankvergleichen (KOG, KEGG, GO) können die spezifischen Submetatranskriptome auch mit den unter unterschiedlichen Laborbedingungen (Flüssigkultur/Agarplatten Kultur, Trockenstress, Temperaturstress, Lichtstress) gewonnenen Transkriptomen von Klebsormidium und sowie den in diesem Projekt geplanten neuen Transkriptomen je zweier antarktischer Klebsormidium und Coccomyxa Arten verglichen werden. Diese Daten werden erstmals einen molekularen Einblick in die Physiologie arktischen Arten in-situ im natürlichen Habitat zum Zeitpunkt der Probennahme und die Identifizierung von Schlüsselgenen für das Überleben in der Antarktis ermöglichen.
Die 4D-Var Datenassimilation (4D-var DA) ist eine spezielle Methode, die zur Initialisierung von Klima- und Wettervorsagen durch die Schätzung von Klimamodellparametern benutzt wird, in dem Modelle an beobachtende Daten angepasst werden. Aus verschiedenen Gründen führen DA unvermeidliche methodische Fehler ein, die sich auf die Genauigkeit der Modellvorhersagen auswirken. Aktuelle Methoden zur Fehlerkorrektur brauchen erhebliche Computerressourcen. Dies ist ein Grund, warum die Verwendung dieser Methoden in der Klimamodellierung begrenzt ist und sie nur in vereinfachten Versionen angewandt werden. Die Entwicklung einer konzeptuell neuartigen, robusten und effizienten, nichtlinear-variationellen Fehlerschätzungsmethode (NOVFEM) ist Ziel dieses Projekts. Diese Methode wird Fehler von DA Methoden schätzen und die notwendigen Korrekturen bestimmen. Im Besonderen ist es geplant, VOVFEM im Rahmen einer Anwendung in Klimavorhersagesystemen zu entwickeln. Der Vorteil der vorgeschlagenen Methode ist, dass der Algorithmus auf einer abstrakten mathematischen Formulierung basiert und deshalb in vielen geophysikalischen Bereichen angewandt werden kann. Eine weitere Innovation dieses Projekts ist die Entwicklung einer Methode zur schnellen und einfachen Berechnung von inversen Kovarianzmatrizen, die z. B. Anwendung in DA finden. Die vorgeschlagenen Methode ist im Vergleich mit existieren Methoden effizienter. Es wird erwartet, dass die theoretischen Ergebnisse dieses Projekt national und international veröffentlicht werden und ein freier Zugang zur NOVFEM Software wird bereitgestellt werden.
Verbreitung der Arten im Land Brandenburg. Die räumliche Verortung erfolgt auf Basis eines Gitters (oder Rasterzellenbelegung) mit Lambert Azimuthal Equal Area (LAEA) Projektion. Der Datensatz enthält drei Gittergrößen (1x1 km, 5x5 km und 10x10 km), welche in Abhängigkeit zur Sensibilität der Art erzeugt werden. Zugehörige Sachdaten werden als qualifizierte Artenliste ausgegeben. Diese bestehen aus einer Liste aller durch das LfU geführten Monitoringarten über einen Zeitraum der letzten 10 Jahre. Alle Jahre, aus denen Nachweise vorliegen, werden genannt. Als qualifizierende Information wird für jede Art der höchste festgestellte Reproduktionsstatus angegeben. Jede Art wird in dieser Liste für jeden Quadranten in den oben genannten Gittergrößen separat aufgeführt. Verbreitung der Arten im Land Brandenburg. Die räumliche Verortung erfolgt auf Basis eines Gitters (oder Rasterzellenbelegung) mit Lambert Azimuthal Equal Area (LAEA) Projektion. Der Datensatz enthält drei Gittergrößen (1x1 km, 5x5 km und 10x10 km), welche in Abhängigkeit zur Sensibilität der Art erzeugt werden. Zugehörige Sachdaten werden als qualifizierte Artenliste ausgegeben. Diese bestehen aus einer Liste aller durch das LfU geführten Monitoringarten über einen Zeitraum der letzten 10 Jahre. Alle Jahre, aus denen Nachweise vorliegen, werden genannt. Als qualifizierende Information wird für jede Art der höchste festgestellte Reproduktionsstatus angegeben. Jede Art wird in dieser Liste für jeden Quadranten in den oben genannten Gittergrößen separat aufgeführt.
Das Amphibien- und Reptilienkataster wird in der Datenbank MultiBaseCS erfasst und verwaltet. Bei diesen Daten handelt es sich um Daten die im Auftrag der Landesbehörden (z. B. Landesamt für Umwelt, Landesbetrieb Forst Brandenburg) im Rahmen von z.B. Forstkartierungen, Fauna-Flora-Habitat-Monitoring, Managementpläne erhoben wurden. Die Datenbank enthält die Nachweise der Arten in den betreffenden Gebieten. Auszüge daraus können bei der auskunftsgebenden Person auch in einem Shape zur Verfügung gestellt werden.
Das Auskunfts- und Informationssystem für Vogelarten erfasst Brut- und Rastvorkommen ausgewählter Vogelarten. In diesem System werden Artdateninformationen zu Vogelvorkommen einschließlich geographischer Informationen gehalten.
Radarbilder PC des operationellen DWD-Radarverbundes - Radar images PC from the operational DWD radar composite
Radarbilder PC des operationellen DWD-Radarverbundes - Radar images PC from the operational DWD radar composite
Radarbilder PC des operationellen DWD-Radarverbundes - Radar images PL from the operational DWD radar composite
Radarbilder PC des operationellen DWD-Radarverbundes - Radar images PL from the operational DWD radar composite
| Origin | Count |
|---|---|
| Bund | 1276 |
| Europa | 6 |
| Kommune | 2 |
| Land | 643 |
| Wissenschaft | 28 |
| Zivilgesellschaft | 5 |
| Type | Count |
|---|---|
| Chemische Verbindung | 21 |
| Daten und Messstellen | 594 |
| Ereignis | 3 |
| Förderprogramm | 922 |
| Gesetzestext | 9 |
| Hochwertiger Datensatz | 1 |
| Software | 2 |
| Taxon | 2 |
| Text | 229 |
| unbekannt | 134 |
| License | Count |
|---|---|
| geschlossen | 173 |
| offen | 1546 |
| unbekannt | 185 |
| Language | Count |
|---|---|
| Deutsch | 1721 |
| Englisch | 292 |
| Resource type | Count |
|---|---|
| Archiv | 48 |
| Bild | 3 |
| Datei | 79 |
| Dokument | 649 |
| Keine | 776 |
| Multimedia | 2 |
| Unbekannt | 3 |
| Webdienst | 29 |
| Webseite | 1020 |
| Topic | Count |
|---|---|
| Boden | 1358 |
| Lebewesen und Lebensräume | 1605 |
| Luft | 1266 |
| Mensch und Umwelt | 1883 |
| Wasser | 1193 |
| Weitere | 1838 |