A4.1 Ökosystemreaktionen und Rückkopplungen im Ökosystem-Atmosphäre-Austausch von CO2, H2O und VOCs in einem heterogenen Waldökosystem Um die Lücke zwischen der relativ kleinen Skala eines einzelnen Baumes und einem Waldbestand zu schließen, analysiert A4.1 den Austausch zwischen Ökosystem und Atmosphäre durch Eddy-Kovarianz Messungen von H2O, CO2 und dessen Isoflux (13CO2). Somit lassen sich die Flüsse auf einer integrierten Skala in ihre Komponenten (Ökosystematmung und Bruttoprimärproduktion) auftrennen. Darüber hinaus messen wir die Aufnahme und Freisetzung von VOC durch unsere Wälder und bringen sie mit wichtigen Ökosystemfunktionen in Verbindung, die stark auf Umweltveränderungen reagieren. A4.2 Entwicklung eines auf einem Interbandkaskadenlaser basierenden Messsystems zur Untersuchung des Austauschs zwischen Ökosystem und Atmosphäre von VOCs. Hier entwickeln wir erstmals eine optische spektroskopische Sensortechnologie, um VOCs mit Hilfe der durchstimmbaren Laserabsorptionsspektroskopie (TLAS) zu messen. Dies soll entlang der Konzentrationsgradienten am Messturm und in Verbindung mit Einzelblattküvetten (A3.2) erfolgen.
A2.1 Ökohydrologische Flüsse und Prozesse in einem Mischwald-Ökosystem. Wir wollen die Wasser- und Kohlenstoffflüsse in heterogenen Baumbeständen und deren Auswirkung auf die räumlichen Muster der Bodenwasserflüsse analysieren. Dazu untersuchen wir ökohydrologische Prozesse, die Dynamik der Wasseraufnahme durch die Wurzeln, den Saftfluss der Bäume sowie den Zuckertransport im Phloem und dessen Kohlenstoffisotope. Weiterhin analysieren wir die Rückkopplungen auf die räumlich-zeitliche Variabilität und Heterogenität der Bodenfeuchte und deren Einfluss auf die Wassernutzungseffizienz der Bäume und den Zuckertransport im Phloem. A2.2 In-situ Flow-MRI und NMR zur Messung des Wasser- und Phloemzuckertransport. Wir entwickeln eine völlig neuartige Methodik mit kompakten Magnetresonanztomographie (MRT)- / Kernspinresonanz (NMR)- Sensoren, die auf Permanentmagneten basieren. Diese ermöglichen die In-situ-Bildgebung der H2O-Flüsse an Zweigen, ohne diese zu beeinträchtigen, sowie die NMR-Analyse der Wasser- und Phloem-Saftflüsse. Kontinuierliche In-situ-NMR-Messungen des Phloemsaftes erlauben eine neue Dimension der Quantifizierung des integrierten Kohlenstofftransports in Bäumen.
Ziel dieser Studie ist es zu verstehen, wie sich Unterschiede im chemischen Aufbau baumbürtiger DOM (treeDOM; Kronendurchlass, Stammabfluss, Streulösungen, Wurzelexsudate) auf die Bodenvegetation und mikrobiell-ökologische Prozesse in Boden und Untergrund auswirken. Neben der Erfassung von Baumarten- und Landnutzungseffekten auf DOM und Nährstoffe vom Kronenraum bis in die Wurzelzone, werden DOM und Wurzelexsudate aus dem Freiland analysiert und ihre Wirkung auf bodenmikrobiologische Prozesse ermittelt. Mesokosmenversuche testen die Interaktionen zwischen DOM, Pflanzenwachstum und Prozessen der bodenmikrobiellen Gemeinschaft. Die Kombination dieser sich ergänzenden experimentellen Ansätze erlaubt neue Einblicke in die Beziehung zwischen treeDOM und ökologischen Prozessen am Waldboden.
C4.1 Prozess-basierte Modelsimulationen. Wir entwickeln prozessbasierte Modellsimulationen und Deep-Learning-Tools für die Datenanalyse, um mit dem Sensornetzwerk zu interagieren und die Messungen zu optimieren. Dies ermöglicht ein vertieftest Verständnis der Auswirkungen der räumlich-zeitlichen Heterogenität und Dynamik auf den gesamten Wasser- und Kohlenstoffaustausch im Ökosystem. Wir werden ein bestehendes prozessbasiertes 2D-Modell erweiterten, kalibrierten und in einem 3D Gegenwarts- und Vorhersagemodus betreiben, der die räumlich-zeitliche Heterogenität kleinräumiger Prozesse abdeckt und neue Skalierungsgesetze für nichtlineare Wechselwirkungen integriert.C4.2 Deep-LearningMit Hilfe von Deep-Learning-Algorithmen soll die Fülle an Daten effizient ausgewertet werden, um zwischen wichtigen und redundanten Daten zu unterscheiden. Ziel ist es, eine ausreichende räumlich-zeitliche Auflösung zu erreichen, Energie für die Sensorknoten zu sparen und die Anhäufung redundanter Daten zu reduzieren. Dabei interagieren Deep-Learning und Prozesssimulationen mit dem Sensornetz durch i) Datenassimilation aus dem Sensornetz und ii) Anpassung und Optimierung des Messdesigns auf Basis der simulierten Ergebnisse und Vorhersagen
Anthropogene Landnutzungsänderungen verursachen den Verlust und die Fragmentierung natürlicher Habitate und sind eine Hauptursache für den Rückgang der Biodiversität. Es besteht Konsens über die negativen Auswirkungen von Habitatverlusten auf die Biodiversität. Die Konsequenzen der Fragmentierung, d. h. der Zerteilung einer bestimmten Gesamthabitatfläche in kleinere Fragmente (Patches), werden jedoch immer noch kontrovers diskutiert. Das Verständnis von Fragmentierungseffekten ist insbesondere für den Erhalt der Biodiversität in anthropogen veränderten Landschaften von entscheidender Bedeutung.In diesem Projekt wollen wir bisherige widersprüchliche Ergebnisse durch ein verbessertes mechanistisches Verständnis und durch die explizite Berücksichtigung der räumlichen Skala in Einklang bringen. Für diesen Zweck unterscheiden wir zwei Arten von Fragmentierungseffekten: (i) geometrische und (ii) demografische Effekte. Geometrische Fragmentierungseffekte ergeben sich aus der räumlichen Konfiguration von Habitatveränderungen im Verhältnis zu Verbreitungsmustern von Arten. Demografische Effekte hingegen beziehen sich auf Änderungen der Geburts-, Sterbe- oder Migrationsraten in modifizierten Landschaften.Im Arbeitspaket (AP) 1 werden wir Simulationsmodelle entwickeln, um das Zusammenspiel zwischen geometrischen und demografischen Fragmentierungseffekten besser zu verstehen. Wir werden untersuchen, unter welchen Bedingungen negative Effekte auf Biodiversität auf der Patch-Skala mit positiven Fragmentierungseffekten auf der Landschaftsskala in Einklang gebracht werden können. Zudem werden wir anhand unterschiedlicher Stärken von geometrischen und demografischen Fragmentierungseffekten eine Erklärung für die positiven, neutralen und negativen Beziehungen zwischen Fragmentierung und Biodiversität auf der Landschafts-Skala herleiten.Im AP2 werden wir mithilfe simulierter Daten analytische Ansätze entwickeln, um geometrische und demografische Fragmentierungseffekte zu separieren. Wir werden drei verschiedene Ansätze testen. Durch die Verwendung simulierter Daten aus AP1 mit bekannter Stärke von geometrischen und demografischen Effekte können wir die statistische „Power“ der Ansätze für die Unterscheidung der beiden Effekte quantifizieren.Im AP3 werden wir die Methoden aus AP2 für eine Meta-Analyse früherer Studien nutzen. Dafür werden wir räumliche Biodiversitätsdaten aus Datenbanken und Primärstudien zusammentragen. In der Meta-Analyse werden wir den Einfluss des Habitat-Typs, der taxonomischen Gruppe und der Zeit seit der Landnutzungsänderung auf die relative Stärke geometrischer und demografischer Effekte quantifizieren.Die explizite Berücksichtigung geometrischer und demografischer Fragmentierungseffekte wird unser grundlegendes Verständnis der räumlichen Biodiversitätsmuster und der Dynamik von Artengemeinschaft voranbringen und ist ein Schlüssel für verbesserte Vorhersagen von Biodiversitätsveränderungen in anthropogen veränderten Landschaften.
Die Verschmutzung durch Kunststoffe hat sich zu einer anerkannten Bedrohung für terrestrische Ökosysteme entwickelt. Sobald Kunststoffe in die Umwelt gelangen, kommt es zu einem Abbau, der die Eigenschaften des Plastikmülls verändert (z. B. Sorptionsfähigkeit, Sprödigkeit, Flexibilität), was Auswirkungen auf Pflanzen-Boden-Systeme haben kann. Die Photodegradation kann als einer der häufigsten Prozesse des Kunststoffabbaus weltweit angesehen werden. Dadurch wird Kunststoff spröde und zersplittert in kleine Stücke (Mikroplastik), erhöht seine Sorptionskapazität für Metalle und organische Verbindungen und kann potenziell das Sickerwasser oder gefährliche Chemikalien in den Boden erhöhen. Der Abbau von Mikroplastik kann nicht nur die Bodenfunktionalität und die Struktur von Lebensgemeinschaften verändern, sondern auch die Leistung von Pflanzen, so dass die jüngsten Forschungen, die scheinbar positive Auswirkungen von Mikroplastik auf die Pflanzenproduktivität und die Bodeneigenschaften beschreiben, möglicherweise nur einen Teil der Wahrheit erfassen, da sie nur die Auswirkungen von unberührtem Mikroplastik (bevor es abgebaut wurde) auf Pflanzen-Boden-Systeme berücksichtigen. Das Ziel dieses Projekts ist es zu verstehen, wie abgebautes Mikroplastik (das echte Mikroplastik, das tatsächlich in die Bodenmatrix gelangt) die Pflanzen-Boden-Funktionalität unter Verwendung von Mikrokosmen beeinflusst. Konkret möchte ich i) die Mechanismen entwirren, durch die sich der Abbau von Mikroplastik (Mikroplastik, Form, Polymertyp, Größe und Sickerwasser) auf Pflanzen-Boden-Systeme auswirkt, und ii) die Auswirkungen auf die Struktur der Pflanzengemeinschaften testen, die sie haben können. Um dies zu wissen, werde ich eine Reihe von Experimenten entwickeln, um dies zu untersuchen. Zunächst möchte ich den Abbau von Mikroplastik in Abhängigkeit von der Form des Mikroplastiks (Fasern, Folien, Schäume) und dem Polymertyp (z.B. Polyethylen, Polypropylen) untersuchen. Dann möchte ich die Mechanismen des Mikroplastikabbaus in Abhängigkeit von der Größe des Mikroplastiks und den chemischen Sickerstoffen entschlüsseln, und schließlich möchte ich verstehen, welche Auswirkungen die Form des Mikroplastiks, der Polymertyp, die Größe und die Sickerstoffe auf wichtige Lebensstadien der Pflanzenentwicklung haben. Das heißt, Samenkeimung, Pflanzenwachstum und Pflanzenfitness. Darüber hinaus möchte ich die potenziellen Auswirkungen verstehen, die all dies auf die Konkurrenzfähigkeit von Pflanzenarten haben kann.
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.
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.
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.
| Organisation | Count |
|---|---|
| Europa | 1 |
| Global | 1 |
| Land | 1 |
| Weitere | 15 |
| Wissenschaft | 112 |
| 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 | 60 |
| Mensch und Umwelt | 128 |
| Wasser | 50 |
| Weitere | 128 |