Die Analyse stabiler Isotope ist ein leistungsfähiges und inzwischen unersetzliches Werkzeug in der Ökologie und Biogeochemie. Sie ermöglicht ein umfassendes Verständnis von Ökosystemprozessen über räumliche und zeitliche Skalen hinweg. Gleichzeitig entwickeln sich innovative Technologien rasch weiter. Das breite Spektrum von Anwendungsgebieten erlaubt in einzigartiger Weise, Prozesse und Wechselwirkungen in komplexen natürlichen Systemen zu identifizieren und zu quantifizieren.Die Universität Bayreuth vernetzt in ihrem Profilfeld „Ökologie & Umweltwissenschaften“ Forschende aus verschiedenen Disziplinen, die in der jeweiligen Anwendung stabiler Isotope führend sind. Isotope haben unser Verständnis von Stoffflüssen in Ökosystemen, trophischen Interaktionen in Nahrungsnetzen, sowie Mensch-Umwelt-Beziehungen entscheidend geprägt. Die Expertise in der Isotopenanalytik in Bayreuth wurde in den letzten Jahren erheblich erweitert und um neue innovative Spitzentechnologien ergänzt. Diese sind explizit auf die Identifizierung und Quantifizierung von Prozessen in terrestrischen und aquatischen Ökosystemen ausgerichtet.Ziel dieses Antrags ist es, Service und Lehre in einem neuen „Bayreuther Zentrum für Stabile Isotope in der Ökologie und Biogeochemie“ (BayCenSI) zu bündeln, mit Schwerpunkt auf der räumlichen und zeitlichen Dynamik ökosystemarer Prozesse. Das BayCenSI wird methodische Innovationen und Spitzenforschung vorantreiben und internen und externen Forschenden Zugang zu einzigartigen Technologien ermöglichen. Um diese Ziele zu erreichen, wird ein Lenkungsausschuss die strategische und wissenschaftliche Ausrichtung des Zentrums festlegen und deren Umsetzung überwachen. Das BayCenSI wird Isotopenanalytik für eine Vielzahl an Probenmatrizes anbieten, von natürlicher Häufigkeit bis hin zu sehr hoch angereicherten Proben aus Markierungsexperimenten. Neueste Technologien, wie die Visualisierung stabiler Isotope auf der µm-Skala, die Aufklärung mikrobieller Umsatzprozesse mittels gepulster Markierungen, sowie die zeitlich hochauflösende Erfassung von Gasisotopen werden in das Zentrum integriert. Dies erfordert die Implementierung eines Labormanagementsystems, um die Arbeitsabläufe zu strukturieren und hochwertige Analysen auf Basis von Qualitätsstandards zu gewährleisten. Ein/e Nachwuchswissenschaftler/in soll als Leiter/in der Core Facility eingesetzt werden, mit attraktiver Karriereperspektive. Das BayCenSI wird Forschende beraten und durch die Finanzierung explorativer Experimente unterstützen. Die Lehre im Bereich stabiler Isotope wird neben der theoretischen und praktischen Ausbildung auch Workshops, Summer Schools und Öffentlichkeitsarbeit umfassen.Unsere Vision ist es, Anwendern aus transdisziplinären Bereichen Zugang zu hochentwickelter, innovativer Analytik stabiler Isotope zu bieten, um die Forschung zu Ökosystemprozessen, mit Stoffumsätzen von Sekunden bis hin zu Jahrhunderten und von der Molekül-Skala bis zum globalen Raum, voranzutreiben.
Auf Grund ihrer Bedeutung für die Anpassung der Wälder an Umweltänderungen und ihrer Widerstandsfähigkeit gegenüber Störungen ist die Naturverjüngung zu einem Schwerpunkt der ökologischen Waldforschung geworden. Trotz der jüngsten technologischen Entwicklungen bleibt dies eine große Herausforderung. Insbesondere sehr kleine Pflanzen mit einer Höhe von weniger als 1,30 m und entsprechend kleinen Durchmessern sind mit photogrammetrischen Methoden schwer zu identifizieren. Manuelle Inventurmethoden, wie z. B. die klassische Vollinventur sind aber arbeitsintensiv und zu teuer, um sie auf großen Flächen anzuwenden. Das Projekt möchte dazu beitragen, dieses Problem zu lösen, in dem es ein Simulationswerkzeug zur Rekonstruktion von Punktmustern vorstellt und seine Qualität systematisch untersucht. Es basiert auf einem Forschungsansatz der drei Arbeitsschritte umfasst (1) die Erfassung der räumlichen Daten aller Bäume einschließlich der Verjüngung auf einer kleinen Teilfläche (= Referenzfläche), (2) die Erfassung des Oberstandes im gesamten Bestand (=Untersuchungsfläche) und (3) die Rekonstruktion der Verjüngung im gesamten Untersuchungsgebiet, wobei davon ausgegangen wird, dass überall die gleichen Beziehungen zwischen den Bäumen des Oberstandes und der Verjüngung wie in der Referenzfläche bestehen. Dieser Ansatz erlaubt es, die heutigen logistischen Möglichkeiten zu kombinieren: (a) die manuelle Erfassung der Verjüngung auf kleiner Fläche ist machbar, und (b) die Inventur des Oberstandes mit modernen Fernerkundungs- oder photogrammetrischen Methoden ist relativ einfach und weniger arbeitsintensiv. Indem das Projekt einen vorhanden und in den Forstwissenschaften bekannten Datensatz nutzt (Trainingsgrundlage wird der Datensatz des saisonalen tropischen Regenwaldes der Insel Barro Colorado (BCI) in Panama sein), kann es sich auf Schritt (3) beschränken. Ziel ist es systematisch zu untersuchen, welchen Einfluss eine höhere Strukturvielfalt und das Größenverhältnis von Referenz- und Prädiktionsflächen (= die gesamte Untersuchungsfläche) auf die Ergebnisse der Punktmuster-Rekonstruktion von Verjüngungspflanzen (=Unterstand) hat und welche räumlichen Statistiken besonders geeignet sind, diesen Einfluss quantitativ oder qualitativ zu bewerten. Die numerischen Methoden werden in einem dokumentierten R-Skript (bzw. R-Package) als zuverlässiges und effizientes Werkzeug für die Waldökologie und die forstliche Praxis zur Verfügung gestellt.
Die Landwirtschaft steht vor enormen Herausforderungen: Die Erträge müssen gesteigert werden, während der Einsatz von Düngemitteln und Pestiziden reduziert werden muss, und das in einer Zeit zunehmender klimatischer Unsicherheit. Diversifizierung im landwirtschaftlichen Anbau ist eine der wenigen bekannten Möglichkeiten, alle diese Herausforderungen gleichzeitig zu bewältigen. Traditionell wird die Diversifizierung "zeitlich" in Form von Fruchtfolgen erreicht. Dagegen wird die "räumliche" Diversifizierung auf dem Feld, z. B. in Form von Mischkulturen, seltener angewandt, weil sie selten mit den gängigen mechanisierten Verfahren kompatibel ist. Sortenmischungen stellen einen interessanten Mittelweg zwischen Rein- und Mischkulturen dar, da sie es ermöglichen, die genetische Vielfalt und die Merkmalsvielfalt innerhalb des Feldes zu erhöhen, während sie in Bezug auf die Verarbeitung mit Reinkulturen vergleichbar sind. Derzeit ist jedoch noch nicht genau bekannt, wie Mischungen zusammengesetzt sein müssen, um den Ertrag und die ökologische Funktion zu optimieren. In diesem Projekt wollen wir die positiven Auswirkungen der Sortenvielfalt in Weizenmischungen untersuchen und einfache, aber wirksame Vorhersagemethoden für eine optimale Mischungszusammenstellung entwickeln. Wir werden das Fachwissen, die Ideen und die technologischen Ressourcen von fünf Forschungsteams aus den Bereichen molekulare Züchtung, Ökologie, Computerwissenschaften, Genetik und Phänomik zusammenführen. Im Rahmen einer internationalen Zusammenarbeit werden wir die Mechanismen untersuchen, die den Vorteilen von Sortenmischungen zugrunde liegen - insbesondere Ertrag und Krankheitsunterdrückung -, und zwar auf verschiedenen Ebenen: (1) mit nischenbasierten Ansätzen, die von der Koexistenztheorie inspiriert sind, (2) unter Verwendung von Hochdurchsatz-phänotypisierung und so-genannten "trait-based" methods, (3) mit Schwerpunkt auf der Pflanzenproduktivität durch Mischung von Komponenten mit unterschiedlichen Umweltoptima (d.h. Reaktions-Normen) und (4) auf der Ebene von Genen und Gen-Umwelt-Interaktionen. Die Prüfung von Hypothesen und die Entwicklung von Modellen werden sowohl durch große historische Felddatensätze als auch durch neue, systematisch angelegte Feldexperimente unterstützt. Das Projekt besteht aus mehreren Arbeitspaketen (WP), die sich auf eine gemeinsame Plattform von Daten und Experimenten sowie auf fortschrittliche Methoden zur Phänotypisierung im Feld stützen. Die Kombination von Ressourcen, Analysemethoden und synergetischem Fachwissen wird es uns ermöglichen, die wissenschaftlichen und logistischen Herausforderungen dieses Projekts zu meistern und wichtige ungelöste ökologische und agronomische Fragen anzugehen. Es ist zu hoffen, dass dieses ehrgeizige Projekt den Grundstein für die Förderung leistungsfähiger Sortenmischungen als Schlüsselkomponente des agrarökologischen Anbaus legt.
Stressoren kaskadieren in komplexer Art und Weise durch Ökosysteme. Zum Beispiel führt Nährstoffeintrag in Seen zu erhöhten Chlorophyll-a-Konzentrationen; in der Folge entstehen Trübungen und kleine Makrophyten können durch Beschattung verschwinden; gleichzeitig nimmt die Kohlendioxidkonzentration durch Photosynthese ab, wodurch Makrophyten, die ausschließlich Kohlendioxid verwenden können, beeinträchtigt werden. Viele Studien behandeln einzelne Teile solcher komplexen Beziehungen, aber bisher ist es nicht möglich, aus Einzelstudien resultierende Funktionen meta-analytisch zu einem kausalen Netzwerk zu kombinieren. Dieses Projekt wird eine neue Methode entwickeln um die Ergebnisse zahlreicher Studien zu integrieren und so komplexe Folgen von Stressoren in Ökosysteme vorherzusagen. Zwar gibt es bereits einige prinzipiell geeignete Modelltypen, aber alle haben Schwächen: Mechanistische Modelle treffen Vorhersagen, aber ihnen fehlt ein meta-analytischer Ansatz; Bayesische Strukturgleichungsmodelle integrieren Pfade, aber ebenfalls ohne meta-analytische Komponente; Bayesian Belief Networks sind zwar flexibel, können aber nichtlineare Funktionen nicht integrieren; Bayesische meta-analytische Strukturgleichungsmodelle verwenden standardisierte Effektgrößen, können aber keinen Stressor-Gradienten vorhersagen. In dem beantragten Vorhaben wird ein neuer Ansatz entwickelt (Posterior Predictive Meta-Analytic Networks), der Vorteile existierender Ansätze kombiniert und ihre Schwächen umgeht. Die Methode basiert auf absoluten Effektgrößen, die meta-analytisch kombiniert werden und kann gleichermaßen lineare, Kurven- und nichtlineare Funktionen verwenden. Sie generalisiert direkte und indirekte kausale Beziehungen zwischen Stressoren und ihren Effekten und ist in der Lage, die Folgen mehrschrittige Reaktionen vorherzusagen. Die PPMN-Syntax wird in R entwickelt, auf GitHub und schließlich auf CRAN verfügbar gemacht. Ein Netzwerk zu den Folgen der Eutrophierung in flachen Seen wird aufgebaut und in zwei Richtungen (Stressorenwirkung auf Effekte; und Vorhersage der Stressorenstärke durch Indikatoren) modelliert. Die etablierte Modellstruktur ist auf viele andere ökologische Fragen anwendbar.
Die Verteilung von Kohlenstoff (C), die Umwandlung organischer Stoffe und die Immobilisierung von Nährstoffen folgen vermutlich bestimmten räumlichen Mustern im Wurzel-Boden-System. Gemäß dem grundliegenden Verständnis der Rhizosphärendynamik beginnt die räumliche Verteilung mit der Wurzelexsudation an der Pflanzenwurzel und führt zu allmählichen Veränderungen in der Chemie und Biologie der Rhizosphäre. In Phase 1 stellten wir die Hypothese auf, dass die Morphologie der Wurzeln und die Eigenschaften des Bodens, insbesondere seine Textur, die Verteilung von C steuern. Wir erarbeiten Mittel zur Analyse der C-Ausbreitung im Mikrometerbereich und beobachteten erhebliche Unterschiede, die überwiegend durch die Wurzelmorphologie gesteuert wurden. Wir stellten ferner die Hypothese auf, dass die Umwandlung von C durch Mikroben erfolgt, die organische Substanzen wie Polysaccharide, Phospholipidfettsäuren und Fettsäuren bilden, und konnten dies im Millimeterbereich verfolgen.Diese Ergebnisse führen nun zu folgenden neuen Hypothesen, dass i) der C-Ausbreitung durch Wurzelexsudation die Immobilisierung organisch gebundener Nährstoffe an Orten mit geringem Umsatz, sogenannten cold spots, folgt, und dass diese Stellen in bestimmten Regionen der Rhizosphäre auftreten, ii ) in Böden mit geringem Abbau der Wurzelbiomasse (wie in Phase 1 für sandigen Boden beobachtet) die Immobilisierung von Nährstoffen in der Rhizosphäre zunimmt und so mit der Pflanzenernährung konkurriert, und iii) bei Trockenheit sich die Mobilisierungsprozesse von Nährstoffen von der Bodenlösung zu Pilznetzwerken verlagert.Wir werden weiterhin Ansätze im 2D-Mikrometerbereich wie die Überwachung des Laserablations-Isotopenverhältnisses für C-Umsatzanalysen verwenden (LA-IRMS), und auf NanoSIMS für N-Verteilungsanalysen erweitern sowie SEM-EDX/WDX einbeziehen, um die Immobilisierung von Nährstoffen wie N und P über einen räumlich-stöchiometrischen Ansatz zu verfolgen. Unseren in Phase 1 etablierten Ansatz zur Probenahme im Millimeterbereich, der uns ermöglicht die organische Substanz in Rhizosphärengradienten chemisch zu charakterisieren, nutzen wir nun um immobilisierten N und P mithilfe von komponenten- oder fraktionsspezifischen d13C- und d15N-Analysen an mikrobieller Nekromasse zu analysieren (Aminozucker und organisch gebundener P). Mit diesen Hypothesen haben wir enge Anknüpfung zu den Projekten P3, P8, P13, P19, P21, P24 und P25. Wir werden einen neuen räumlichen Datensatz zur Verteilung organischer Stoffe in Rhizosphären erstellen, um die Prozesse der C-Verteilung, Nährstoffimmobilisierung und -mobilisierung unter verschiedenen externen und internen Kontrollen wie z.B. Bodeneigenschaften, Wurzelmorphologie und Dürre, zu verstehen. Diese Daten können dann in Simulations- und Modellierungsansätze implementiert werden, die ebenfalls im SPP 2089 integriert sind, so dass unser neues Wissen auch auf andere Böden und Pflanzenarten übertragen werden kann.
Ein erheblicher Teil des Kohlenstoffs im Tundra-Taiga-Ökoton (engl. ‚Tundra Taiga Ecotone‘, TTE) wird als oberirdische Biomasse (engl. ‚Above-Ground Biomass‘, AGB) in Bäumen und Sträuchern durch Photosynthese gespeichert, wobei Kohlenstoffdioxid aus der Atmosphäre während der kurzen Wachstumsperiode in hohen Breiten entzogen wird. Dies führt zu geringer Kohlenstoffspeicherung im TTE. Der Klimawandel könnte die Produktivität beeinflussen und Vegetationsmuster verändern. Die Rolle abiotischer Faktoren in der Kohlenstoffspeicherung borealer Wälder ist ungenügend verstanden. Eine Neubewertung der Vegetationsorganisation muss hinsichtlich statischer Modulatoren erfolgen. Topografie, ein wichtiger Faktor für Wasser- und Nährstoffverfügbarkeit, ist ein statischer abiotischer Faktor, der die lokalen Wachstumsbedingungen beeinflusst. Mit steigenden Temperaturen wird erwartet, dass Niederschlag intensiver und häufiger wird, was zu Wasserstau oder Nährstoffauswaschung an bestimmten topografischen Positionen führen kann und den Rückgang bestimmter Baumarten zur Folge haben könnte. Daher könnte der Klimawandel lokale Reaktionen auf die topografische Position verändern und Wechselwirkungen mit Wetterbedingungen beeinflussen. Die Topografie könnte die Auswirkungen des Klimawandels mildern und anpassungsfähigen Arten zugutekommen, während andere unter veränderten Bedingungen leiden. Das Verständnis der Beziehung zwischen Topografie und Biomasseakkumulation ist entscheidend für die Bewertung der zukünftigen Rolle borealer Wälder im globalen Kohlenstoffhaushalt. Das BToBE-Projekt zielt darauf ab, Wissenslücken hinsichtlich des Einflusses der Topografie auf die Biomasseakkumulation im TTE zu schließen und deren Auswirkungen durch Vorwärtssimulation mit einem prozessbasierten Vegetationsmodell zu bewerten. Die zentrale Hypothese ist, dass sich die Reaktionen der Vegetation auf topografische Bedingungen im TTE aufgrund starker globaler Erwärmung verändert haben. Kürzlich wurden drohnenbasiert 3D-Punktwolken gesammelt, die verarbeitet werden, um Waldbiomasse zu ermitteln. Diese hochauflösenden Referenzdaten erfassen den bioklimatischen Gradienten des TTE, wobei die nördliche Baumgrenze in Niederungen mit Permafrost und im gebirgigen Terrain verläuft. Die drohnenbasierten AGB-Daten werden verwendet, um ein AGB-Modell für das großflächige Ableiten (engl. ‚upscaling‘) mit Landsat- und Sentinel-2-Multispektralsensoren zu entwickeln. Das Ziel ist dreistufig: Erstens sollen die Beziehungen zwischen AGB und Topografie mithilfe von verallgemeinerten additiven Modellen aufgeklärt werden; zweitens soll die Stabilität dieser Abhängigkeiten durch Rekonstruktion langfristiger AGB-Daten aus den vergangenen Jahrzehnten untersucht werden. Dies wird für die Verbesserung und Implementierung des Individuen-basierten und räumlich expliziten borealen Waldvegetationsmodells LAVESI genutzt, zur Ableitung von AGB-Trajektorien im TTE in den kommenden Jahrzehnten.
Landnutzung und Niederschlagsbedingungen sind wichtige Faktoren für die Diversität und Ökosystemfunktion von Grassländern weltweit, und sind zwei der wichtigsten Treiber des globalen Wandels. Ökosysteme werden gleichzeitig Änderungen von Bodennährstoffen (z.B. durch Düngung) und im Rahmen des Klimawandels häufigeren und intensiveren Trockenheitereignissen ausgesetzt sein. In Kombination können die beiden Faktoren additiv wirken, oder sich gegenseitig verstärken oder abschwächen. Demzufolge variiert die Gemeinschafts- und Ökosystemreaktion auf Trockenheit je nach den Nährstoffbedingungen. Die Mechanismen von Interaktionen von Nährstoffen und Trockenheit bleiben bisher unverstanden, und wir können daher derzeit nicht vorhersagen, bei welcher Landnutzung Grassländer mehr oder weniger sensitiv auf Trockenheit reagieren.Das Hauptziel des Projektes ist es, unsere Vorhersagen für die Konsequenzen von Globalem Wandel auf Grassländer zu verbessern. Dazu werden die kombinierten Effekte von Nährstoffen und Trockenheit auf der Ebene von einzelnen Pflanzenmerkmalen und von Gesamtpflanzen untersucht, und integriert mit Effekten von Trockenheit auf die Zusammensetzung und Produktivität von Pflanzengemeinschaften entlang von Landnutzungsgradienten in Grassländern.In einem Gewächshausexperiment werden wir für 16 Arten, die in den Exploratorien häufig sind, vergleichend die Plastizität im Hinblick auf Nährstoffe für einen umfassenden Satz von mehr als 20 physiologischen, morphologischen und Gesamtpflanzen-Merkmalen untersuchen, die relevant für den Wasserhaushalt von Pflanzen sind. In einem 'common garden' Experiment werden wir die kombinierten Effekte von Nährstoffen und Trockenheit (und ihre Interaktionen) für Gesamtpflanzen dieser Arten quantifizieren. Zusätzlich werden wir die Effekte von experimenteller und natürlicher Trockenheit entlang von Gradienten der Nährstoffverfügbarkeit und Landnutzung (insbesondere Düngung) in den Exploratorien bestimmen. Die direkte Verknüpfung der Daten auf Ebene von Merkmalen, Gesamtpflanzen, Gemeinschaften und Ökosystemen wird unser mechanistisches Verständnis von kombinierten Effekten von Nährstoffen und Trockenheit auf Grassländer unter derzeitigen und zukünftigen Bedingungen verbessern. Die Ergebnisse werden sowohl in angewandter als auch in wissenschaftlicher Hinsicht wichtige neue Erkenntnisse liefern.
Viele Prozesse, die an der Verbreitung von Pflanzenarten und der Funktion von Ökosystemen beteiligt sind, finden unter der Erde statt. Da sich jedoch die meisten Studien mit oberirdischen Pflanzenmerkmalen auseinandersetzten, wurden die unterirdischen Merkmale bislang weitestgehend ignoriert. Die Biodiversitätsforschung bedarf demnach noch großer Mengen an Wurzeldaten vieler Pflanzenarten. Deshalb möchten wir Wurzelmerkmale und Daten über Pilzendophyten für die ca. 350 Blütenpflanzen, die in den 150 experimentellen Grasslandflächen (EPs) der Biodiversitätsexploratorien vorkommen, aufnehmen. In mehreren Experimenten sollen Pflanzen dieser Arten kultiviert und Daten zu Wurzelmorphologie, Plastizität der Wurzelmorphologie (in Abhängigkeit von Düngerzugabe), Aufnahmekapazität von Stickstoff in unterschiedlicher Form sowie Infektion durch Pilzendophyten bestimmt werden. Wir möchten die so erhobenen Daten gemeinsam mit anderen Daten aus den Biodiversitätsexploratorien nutzen, um zu untersuchen, inwieweit das Auftreten und die Abundanz der betrachteten Arten durch ihre Wurzelmerkmale bestimmt werden. Dabei interessiert uns der Zusammenhang der Wurzelmerkmale mit Umweltfaktoren wie der Landnutzung und die Frage, inwieweit die unterirdische Merkmalsdiversität mit der oberidischen Merkmalsdiversität und den Ökosystemfunktionen zusammenhängt.
Räumliche Heterogenität in Standorteigenschaften ist ein Hauptfaktor für das Entstehen von Biodiversität, er wurde jedoch in den Biodiversitätsexploratorien kaum untersucht. Wir wollen diese Lücke füllen, indem wir theoretische, experimentelle und beobachtenden Studien integrieren, um die Mechanismen zu untersuchen, durch welche Habitatheterogenität von Landnutzung und Heterogenität durch Landnutzung Artenvielfalt im Grünland beeinflussen. Ein zugrunde liegendes Modell ist, dass Heterogenität sowohl positive als auch negative Effekte hat, bewirkt durch einen immanenten trade-off zwischen dem Heterogenitätsniveau und der effektiven Fläche, welche für Individuen in der Gemeinschaft zur Verfügung steht (AHTO-area-heterogeneity trade-off). In Phase 1 verwenden wir analytische Modelle, um einige simplifizierende Annahmen voriger AHTO-Modelle zu erweitern. Gleichzeitig diente ein einmaliges neues experimentelles System dem Test einiger Grundvorhersagen der Modelle. In Phase 2 erweitern wir unsere Arbeit in 3 Richtungen. 1) Wir skalieren unsere Modelle sowohl hoch (durch Erweitern des lokalen Modells zu einem Meta-Gemeinschaftsmodell) als auch herunter (durch explizite Modellierung von ober- und unterirdischen Konkurrenzeffekten bei individuellen Pflanzen). Die größere Skala wird das Modell an die Struktur der empirischen Arbeiten angleichen, die kleine Skala erfasst die eigentlichen Mechanismen, welche Landnutzung (insbesondere Düngung, Mahd, Beweidung) mit Konkurrenz und Artenvielfalt verbindet. 2) Um die empirisch beobachteten Diversitätsmuster besser zu verstehen, etablieren wir ein neues Experiment, in welchem wir das Wachstum der Zielarten ohne Konkurrenz messen, sowie unter Simulation von Düngung, Mahd und Tritt auf flachen und tiefen Böden. Die Ergebnisse gehen auch als realistischere Parameter in unsere Modelle ein. 3) Wir etablieren ein neues skalenübergreifendes Beobachtungssystem, um Landnutzung, Habitatheterogenität und Diversität zu verknüpfen. Die Untersuchungseinheit entspricht dabei derjenigen in den Experimenten, und das Design umfasst einen sehr großen Bereich von Skalen (vom Zentimeterbereich bis hin zu vielen Hundert Kilometern). Zudem nutzen wir neue Kooperationen in den Exploratorien, insbesondere mit CP3, um mit Fernerkundungsmethoden umfassende Daten zu kleinskaliger Habitatheterogenität und beta-Diversität für alle Grünland-EPs zu generieren. Die skalenübergreifenden theoretischen, experimentellen, beobachtenden und Fernerkundungsmethoden tragen signifikant zum Kausalverständnis darüber bei, wie Landnutzung Biodiversität indirekt, nämlich durch Modifikation von Habitatheterogenität, beeinflusst. Zudem liefern wir Daten für umfassende neue Syntheseprojekte.
Anders als bei Pflanzen und Tieren ist die Fähigkeit der europäischen Schutzgebiete, die biologische Vielfalt des Bodens und die Ökosystemleistungen unter den verschiedenen Stressfaktoren des globalen Wandels zu erhalten, praktisch unbekannt. Natürliches und landwirtschaftlich genutztes Grünland spielt eine grundlegende Rolle für die Erhaltung der biologischen Vielfalt und die nachhaltige Nahrungsmittelproduktion. Die verschiedenen Arten von Grünland (Schutzgebiete, naturnahes Grünland und Ackerland) erfüllen eine Vielzahl von Ökosystemfunktionen, aber es gibt auch wichtige Kompromisse (z. B. Nahrungsmittelproduktion vs. Kohlenstoffbindung im Boden). Es ist auch immer noch nicht ganz klar, welches Grünlandsystem besser gegen Störungen und den Klimawandel schützt. Dieser Wissensmangel ist vor allem vor dem Hintergrund der anthropogenen Klimaerwärmung und als Reaktion auf andere, gleichzeitig auftretende Stressfaktoren, die die Erhaltung der biologischen Vielfalt und der Funktion des Bodens bedrohen, wie Trockenheit, Pestizide und Überdüngung, von Bedeutung. GRASS4FUN zielt darauf ab, die biologische Vielfalt des Bodens, die ökologischen Netzwerke und die Ökosystemleistungen, die von Grünland über einen Gradienten der Landnutzungsintensität und als Reaktion auf Landschaftsmerkmale unterstützt werden, zu vergleichen und ihren Erhaltungszustand (zeitliche Dynamik) und ihre Widerstandsfähigkeit gegen mehrere Stressfaktoren des globalen Wandels zu untersuchen. Zu diesem Zweck werden wir bestehende europäische Erhebungen mit der Überwachung der biologischen Vielfalt und der Funktion des Bodens auf 300 Grünlandflächen (geschütztes Grünland, naturnahes Grünland und Ackerland) über einen europaweiten Gradienten kombinieren und die Zukunft der biologischen Vielfalt des Bodens, der Ökosystemleistungen und der grundlegenden Kompromisse zwischen den drei Landnutzungsarten unter verschiedenen Szenarien des globalen Wandels und auf europäischer Ebene modellieren. Anschließend werden Gewächshausexperimente durchgeführt, um die Reaktionen der biologischen Vielfalt und der Funktionen des Bodens auf verschiedene globale Stressfaktoren wie Trockenheit, Pestizideinsatz, Stickstoffverschmutzung und Schwermetalle zu testen. Wir werden insbesondere auch prüfen, ob Landschaftsmerkmale (z. B. Landschaftsheterogenität) die ober- und unterirdische Biodiversität und ihre Fähigkeit zur Abfederung von Belastungen durch den globalen Wandel beeinflussen. GRASS4FUN wird von Hand zu Hand mit mehreren Interessengruppen durchgeführt, um den Transfer zu Interessengruppen, politischen Entscheidungsträgern und der Gesellschaft zu erleichtern, mit dem grundlegenden Ziel, bahnbrechendes Wissen bereitzustellen, um Ökosysteme widerstandsfähiger gegen globale Stressfaktoren zu machen und die biologische Vielfalt in Europa zu schützen, einschließlich der in Böden lebenden Organismen.
| Organisation | Count |
|---|---|
| Bund | 128 |
| Europa | 1 |
| Land | 1 |
| Wissenschaft | 94 |
| Type | Count |
|---|---|
| Förderprogramm | 128 |
| License | Count |
|---|---|
| Offen | 128 |
| Language | Count |
|---|---|
| Deutsch | 107 |
| Englisch | 125 |
| Resource type | Count |
|---|---|
| Webseite | 128 |
| Topic | Count |
|---|---|
| Boden | 103 |
| Lebewesen und Lebensräume | 127 |
| Luft | 59 |
| Mensch und Umwelt | 128 |
| Wasser | 50 |
| Weitere | 128 |