Auf Basis eines Fachgutachtens über Bereiche in Hamburg mit Böden hoher Ausprägung der Archiv- und Lebensraumfunktionen werden Gebiete ausgewiesen, die bei Inanspruchnahme durch Stadtplanungsprozesse hinsichtlich der Beeinträchtigung von Bodenfunktionen besonders sensibel sind. Flächensteckbriefe fassen die Bodeninformationen gebietsbezogen zusammen. In weiteren dazugehörigen Layern werden Gebiete mit naturnahen Böden und hochentwickelter Lebensraumfunktion sowie Moorböden gezeigt.
The SoilSuite contains a collection of different image data products that provide information about the spectral and statistical properties of European soils and other bare surfaces such as rocks. It is created using DLR's Soil Composite Mapping Processor (ScMAP), which utilises the Sentinel-2 data archive. SCMaP is a specialised processing chain for detecting and analysing bare soils/surfaces on a large (continental) scale. Bare surface and soil pixels are selected using a combined NDVI and NBR index (PVIR2) that optimises the exclusion of photosynthetically active and non-active vegetation. The index is calculated and applied for each individual pixel. All SoilSuite products are calculated based on the available Sentinel-2 scenes recorded between January 2018 and December 2022 in Europe. The data package excludes all scenes with a cloud cover of > 80 % and a sun elevation of < 20°. The spectral composite products are calculated from the mean value after extensive removal of clouds, haze and snow effects at both scene and pixel level. The spectral data products are available at a pixel size of 20 m and contain 10 Sentinel-2 bands (B02, B03, B04, B05, B06, B07, B08, B08a, B11, B12). The SoilSuite comprises: (a) “Bare Surface Reflectance Composite – Mean” that provides the spectral properties of soils that vary due to different soil organic carbon (SOC) content, soil moisture and soil minerology. This product is often used for spectral and digital soil mapping approaches, (b) “Bare Surface Reflectance Composite - Standard deviation” informing about the spectral dynamic of bare surfaces and soils, (c) “Bare Surface Reflectance Composite – 95% Confidence” contains information about the reliability of the spectral information due to the number of valid observations per pixel, (d) “Bare Surface Statistics Product” provides the number of bare soil occurrences over the total number of valid observations (Band 1), the number of bare soil occurrences (Band 2) and the total number of valid observations (Band 3), (e) “Mask” is a product that aggregates simple landcover classes that occur during the time period between 2018 - 2022 (Sentinel-2). The three-class Mask contains bare surface occurrences (1), permanent vegetation (2) and other surfaces such as water bodies, urban areas, roads (3). Additionally, the SoilSuite provides (f) “Reflectance Composite – Mean” that represents the mean reflectance of all valid Sentinel-2 observations between 2018 – 2022 including vegetation, bare and other surfaces, and (g) “Reflectance Composite – Standard deviation”, which contains the standard deviation per band for all valid Sentinel-2 observations between 2018 – 2022.
Water Permeability (hydraulic conducivity) is an important soil physical property describing the speed at which water moves through a fully saturated soil. Hydraulic conductivity values (kf values) as shown in this dataset are added up for all soil horizons down to 1 m below the surface. They are then classified into six groups ranging from very low to extremely high. For mineral soils, kf values are computed by pedotransfer functions using soil texture type, humus content and effective packing density information. These input parameter are themselves estimates made by soil surveyors in the field from soil material collected using soil augers.
Eine zuverlässige Vorhersage von landwirtschaftlichen Erträgen ist für Landwirte, Behörden und Entscheidungsträger in einer Vielzahl von thematischen Institutionen von großem Interesse. Mechanistische Simulationsmodelle wurden entwickelt, um das komplexe System der Wechselwirkung zwischen Pflanzen, Boden und Atmosphäre zu beschreiben, das auch die Entwicklung von Ernteerträgen umfasst. Theoretisch sollten solche Modelle in der Lage sein, den Ertrag jeder einzelnen Kulturpflanze in jedem Winkel der Welt zu simulieren, da die zugrunde liegende Physik überall auf diesem Planeten gilt. Modellvergleichsstudien haben jedoch gezeigt, dass keines der vielen Modelle dieser Erwartung gerecht wird. Zwei Hauptgründe werden für diese Beobachtung verantwortlich gemacht: (i) die Beschreibung der Prozesse, die für das Verhalten des Systems in den Modellen verantwortlich sind, ist unvollständig oder fehlerhaft, und (ii) die Informationen, die die Modelle verwenden, um zu einer Vorhersage zu gelangen, sind unzureichend oder nicht genau genug. Die Zahl der Anwendungen von Simulationsmodellen in einem Raster-Design für Ertragsvorhersagen über große zusammenhängende Gebiete nimmt zu, aber eine angemessene Validierung fehlt derzeit. Bei der Kalibrierung zur bestmöglichen Reproduktion dieser beobachteten Ertragsmuster bleibt unklar, ob die zugrunde liegenden Prozesse und ihre repräsentativen Zustandsvariablen ebenso gut simuliert werden. Die Tatsache, dass für die überwiegende Mehrheit der landwirtschaftlichen Felder in Deutschland keine Informationen über Sorten, Düngepläne und feinräumige Bodeninformationen verfügbar sind, schränkt das Potenzial der Verwendung von Simulationsmodellen für Ertragsvorhersagen ein. In diesem Projekt wird vorgeschlagen, Simulationsmodelle zur inversen Schätzung einiger der Eingangsparameter und treibenden Variablen zu verwenden, indem beobachtete Ernteerträge auf einer feinen Skala und zusätzliche Informationen verwendet werden, die die inverse Parameterschätzung einschränken. Unter Verwendung eines mehrjährigen und multilokalen Datensatzes von Winterweizenerträgen für 100 Kacheln mit einer Größe von 10 × 10 m², die von Multisensor-Satellitenbildern auf einer Skala von 10 m begleitet werden, schlägt dieses Projekt vor, (i) die derzeitigen Grenzen von AEMs für die genaue Reproduktion von beobachteten Winterweizenerträgen in Deutschland zu untersuchen, (ii) die interne Validität von drei AEMs bei der Reproduktion dieser Erträge zu verbessern und (iii) Prioritäten für die weitere Forschung zur Verbesserung zukünftiger Ertragsvorhersagen unter Verwendung von AEM zu identifizieren. Die übergreifende Hypothese ist, dass die Genauigkeit aktueller mechanistischer Agrarökosystemmodelle bei der blinden Simulation von Winterweizenerträgen über den Boden-Klima-Raum in Deutschland hauptsächlich durch unzureichende Informationen über Genotyp × Umwelt × Bewirtschaftung und nicht durch die Modellstruktur begrenzt ist.
Nutrient and water supply for organisms in soil is strongly affected by the physical and physico-chemical properties of the microenvironment, i.e. pore space topology (pore size, tortuosity, connectivity) and pore surface properties (surface charge, surface energy). Spatial decoupling of biological processes through the physical (spatial) separation of SOM, microorganisms and extracellular enzyme activity is apparently one of the most important factors leading to the protection and stabilization of soil organic matter (SOM) in subsoils. However, it is largely unknown, if physical constraints can explain the very low turnover rates of organic carbon in subsoils. Hence, the objective of P4 is to combine the information from the physical structure of the soil (local bulk density, macropore structure, aggregation, texture gradients) with surface properties of particles or aggregate surfaces to obtain a comprehensive set of physical important parameters. It is the goal to determine how relevant these physical factors in the subsoil are to enforce the hydraulic heterogeneity of the subsoil flow system during wetting and drying. Our hypothesis is that increasing water repellency enforces the moisture pattern heterogeneity caused already by geometrical factors. Pore space heterogeneity will be assessed by the bulk density patterns via x-ray radiography. Local pattern of soil moisture is evaluated by the difference of X-ray signals of dry and wet soil (project partner H.J. Vogel, UFZ Halle). With the innovative combination of three methods (high resolution X-ray radiography, small scale contact angle mapping, both applied to a flow cell shaped sample with undisturbed soil) it will be determined if the impact of water repellency leads to an increase in the hydraulic flow field heterogeneity of the unsaturated sample, i.e. during infiltration events and the following redistribution phase. An interdisciplinary cooperation within the research program is the important link which is realized by using the same flow cell samples to match the spatial patterns of physical, chemical, and biological factors in undisturbed subsoil. This cooperation with respect to spatial pattern analysis will include the analysis of enzyme activities within and outside of flow paths and the spatial distribution of key soil properties (texture, organic carbon, iron oxide content) evaluated by IR mapping. To study dissolved organic matter (DOM) sorption in soils of varying mineral composition and the selective association of DOM with mineral surfaces in context with recognized flow field pattern, we will conduct a central DOM leaching experiment and the coating of iron oxides which are placed inside the flow cell during percolation with marked DOM solution. Overall objective is to elucidate if spatial separation of degrading organisms and enzymes from the substrates may be interconnected with defined physical features of the soil matrix thus explaining subsoil SOM stability and -dynami
Die Folgen des Klimawandels, z.B. Starkregenereignisse, Hitzeperioden, Trockenheit und Dürre haben negative Auswirkungen auf die Pflanzenproduktion. Es gilt, diese negativen Folgen des Klimawandels bei der Pflanzenproduktion durch eine klima-angepasste Produktionsweise abzumildern. Für die Landwirt:innen gilt es, Maßnahmen zu ergreifen, um den Pflanzenbau klimaresilient zu gestalten. Mögliche Maßnahmen sind variable Aussaattiefe, Aussaatstärke, Sortenwahl - trockenheitstolerante oder ertragreiche Sorten - ,Düngeintensität, Pflanzenschutz-Strategie oder alternative Nutzung auf Teilflächenbasis. Für die Umsetzung solcher Maßnahmen werden praxistauglich-aufbereitete, kleinräumige und pflanzenbauliche relevante Bodeninformationen benötigt, um den Pflanzenbauer bei einer Entscheidungsfindung für eine Klimanpassungsstrategien zu unterstützen. Für die Landwirt:innen besteht zur Zeit die Herausforderung, diese entsprechenden kleinräumigen und pflanzenbaulich-relevanten Bodeninformationen für solch eine Nutzung zu erhalten bzw. anwenden zu können. In soil4climate werden kleinräumige Bodeninformationen erfasst und in praxis-relevante digitale Bodenkarten für die Bewirtschaftung ausgegeben. Dazu wird ein geoelektrisches Messsystem in einen handelsüblichen Grubber implementiert mit dem Ziel, sehr kleinräumige Unterschiede im Prozess (und damit ohne Mehraufwand für den Landwirt) zu kartieren. Neben dieser Datenquelle werden weitere relevante Datenquellen (bspw. Schlepper-, Drohnen- und Satellitendaten) herangezogen, um homogene kleinräumige Strukturen im Boden zu identifizieren. Die Erstellung der Bodenkarten wird sowohl automatisch, KI-gestützt als auch manuell erfolgen, so dass eine Evaluierung der KI-gestützten Kartenerstellung möglich ist. Diese Evaluierung wird durch Feldtest und Laborversuche in Interaktion mit Praktikern und Experten im Projekt realisiert.
Die Folgen des Klimawandels, z.B. Starkregenereignisse, Hitzeperioden, Trockenheit und Dürre haben negative Auswirkungen auf die Pflanzenproduktion. Es gilt diese negativen Folgen des Klimawandels bei der Pflanzenproduktion durch eine klima-angepasste Produktionsweise abzumildern. Für die Landwirt:innen gilt es Maßnahmen zu ergreifen, um den Pflanzenbau klimaresilient zu gestalten. Mögliche Maßnahmen sind variable Aussaattiefe, Aussaatstärke, Sortenwahl - trockenheitstolerante oder ertragreiche Sorten - , Düngeintensität, Pflanzenschutz-strategie oder alternative Nutzung auf Teilflächenbasis. Für die Umsetzung solcher Maßnahmen werden praxistauglich-aufbereitete, kleinräumige und pflanzenbauliche relevante Bodeninformationen benötigt, um den Pflanzenbauer bei einer Entscheidungsfindung für eine Klimanpassungsstrategien zu unterstützen. Für die Landwirt:innen besteht zur Zeit die Herausforderung diese entsprechenden kleinräumige und pflanzenbauliche-relevante Bodeninformationen für solche eine Nutzung zu erhalten bzw. anwenden zu können. In soil4climate werden kleinräumige Bodeninformationen erfasst und in praxis-relevante digitale Bodenkarten für die Bewirtschaftung ausgegeben. Dazu wird ein geoelektrisches Messsystem in einen handelsüblichen Grubber implementiert mit dem Ziel sehr kleinräumig Unterschiede im Prozess (und damit ohne Mehraufwand für den Landwirt) zu kartieren. Neben dieser Datenquelle werden weitere relevante Datenquellen (bspw. Schlepper-, Drohnen- und Satellitendaten) herangezogen, um homogene kleinräumige Strukturen im Boden zu identifizieren. Die Erstellung der Bodenkarten wird sowohl automatisch, KI-gestützt als auch manuell erfolgen, so dass eine Evaluierung der KI-gestützten Kartenerstellung möglich ist. Diese Evaluierung wird durch Feldtest und Laborversuche in Interaktion mit Praktikern und Experten im Projekt realisiert.
Die Folgen des Klimawandels, z.B. Starkregenereignisse, Hitzeperioden, Trockenheit und Dürre haben negative Auswirkungen auf die Pflanzenproduktion. Es gilt diese negativen Folgen des Klimawandels bei der Pflanzenproduktion durch eine klima-angepasste Produktionsweise abzumildern. Für die Landwirt:innen gilt es Maßnahmen zu ergreifen, um den Pflanzenbau klimaresilient zu gestalten. Mögliche Maßnahmen sind variable Aussaattiefe, Aussaatstärke, Sortenwahl - trockenheitstolerante oder ertragreiche Sorten -, Düngeintensität, Pflanzenschutz-strategie oder alternative Nutzung auf Teilflächenbasis. Für die Umsetzung solcher Maßnahmen werden praxistauglich-aufbereitete, kleinräumige und pflanzenbauliche relevante Bodeninformationen benötigt, um den Pflanzenbauer bei einer Entscheidungsfindung für eine Klimanpassungsstrategien zu unterstützen. Für die Landwirt:innen besteht zur Zeit die Herausforderung diese entsprechenden kleinräumige und pflanzenbauliche-relevante Bodeninformationen für solche eine Nutzung zu erhalten bzw. anwenden zu können. In soil4climate werden kleinräumige Bodeninformationen erfasst und in praxis-relevante digitale Bodenkarten für die Bewirtschaftung ausgegeben. Dazu wird ein geoelektrisches Messsystem in einen handelsüblichen Grubber implementiert mit dem Ziel sehr kleinräumig Unterschiede im Prozess (und damit ohne Mehraufwand für den Landwirt) zu kartieren. Neben dieser Datenquelle werden weitere relevante Datenquellen (bspw. Schlepper-, Drohnen- und Satellitendaten) herangezogen, um homogene kleinräumige Strukturen im Boden zu identifizieren. Die Erstellung der Bodenkarten wird sowohl automatisch, KI-gestützt als auch manuell erfolgen, so dass eine Evaluierung der KI-gestützten Kartenerstellung möglich ist. Diese Evaluierung wird durch Feldtest und Laborversuche in Interaktion mit Praktikern und Experten im Projekt realisiert.
Die Folgen des Klimawandels, z.B. Starkregenergebnisse, Hitzeperioden, Trockenheit und Dürre haben negative Auswirkungen auf die Pflanzenproduktion. Es gilt diese negativen Folgen des Klimawandels bei der Pflanzenproduktion durch eine klimaangepasste Produktionsweise abzumildern. Für die Landwirt:innen gilt es Maßnahmen zu ergreifen, um den Pflanzenbau klimaresilient zu gestalten. Mögliche Maßnahmen sind variable Aussaattiefe, Aussaatstärke, Sortenwahl - trockenheitstolerante oder ertragreiche Sorten -,Düngeintensität, Pflanzenschutz-strategie oder alternative Nutzung auf Teilflächenbasis. Für die Umsetzung solcher Maßnahmen werden praxistauglich-aufbereitete, kleinräumige und pflanzenbauliche relevante Bodeninformationen benötigt, um den Pflanzenbauer bei einer Entscheidungsfindung für eine Klimanpassungsstrategien zu unterstützen. Für die Landwirt:innen besteht zur Zeit die Herausforderung diese entsprechenden kleinräumige und pflanzenbauliche-relevante Bodeninformationen für solche eine Nutzung zu erhalten bzw. anwenden zu können. In soil4climate werden kleinräumige Bodeninformationen erfasst und in praxis-relevante digitale Bodenkarten für die Bewirtschaftung ausgegeben. Dazu wird ein geoelektrisches Messsystem in einen handelsüblichen Grubber implementiert mit dem Ziel sehr kleinräumig Unterschiede im Prozess (und damit ohne Mehraufwand für den Landwirt) zu kartieren. Neben dieser Datenquelle werden weitere relevante Datenquellen (bspw. Schlepper-, Drohnen- und Satellitendaten) herangezogen, um homogene kleinräumige Strukturen im Boden zu identifizieren. Die Erstellung der Bodenkarten wird sowohl automatisch, KI-gestützt als auch manuell erfolgen, so dass eine Evaluierung der KI-gestützten Kartenerstellung möglich ist. Diese Evaluierung wird durch Feldtest und Laborversuche in Interaktion mit Praktikern und Experten im Projekt realisiert.
Die Folgen des Klimawandels, z.B. Starkregenereignisse, Hitzeperioden, Trockenheit und Dürre haben negative Auswirkungen auf die Pflanzenproduktion. Es gilt diese negativen Folgen des Klimawandels bei der Pflanzenproduktion durch eine klima-angepasste Produktionsweise abzumildern. Für die Landwirt:innen gilt es Maßnahmen zu ergreifen, um den Pflanzenbau klimaresilient zu gestalten. Mögliche Maßnahmen sind variable Aussaattiefe, Aussaatstärke, Sortenwahl - trockenheitstolerante oder ertragreiche Sorten - , Düngeintensität, Pflanzenschutz-strategie oder alternative Nutzung auf Teilflächenbasis. Für die Umsetzung solcher Maßnahmen werden praxistauglich-aufbereitete, kleinräumige und pflanzenbauliche-relevante Bodeninformationen benötigt, um den Pflanzenbauer bei einer Entscheidungsfindung für eine Klimanpassungsstrategien zu unterstützen. Für die Landwirt:innen besteht zur Zeit die Herausforderung diese entsprechenden kleinräumige und pflanzenbauliche-relevante Bodeninformationen für solche eine Nutzung zu erhalten bzw. anwenden zu können. In soil4climate werden kleinräumige Bodeninformationen erfasst und in praxis-relevante digitale Bodenkarten für die Bewirtschaftung ausgegeben. Dazu wird ein geoelektrisches Messsystem in einen handelsüblichen Grubber implementiert mit dem Ziel sehr kleinräumig Unterschiede im Prozess (und damit ohne Mehraufwand für den Landwirt) zu kartieren. Neben dieser Datenquelle werden weitere relevante Datenquellen (bspw. Schlepper-, Drohnen- und Satellitendaten) herangezogen, um homogene kleinräumige Strukturen im Boden zu identifizieren. Die Erstellung der Bodenkarten wird sowohl automatisch, KI-gestützt als auch manuell erfolgen, so dass eine Evaluierung der KI-gestützten Kartenerstellung möglich ist. Diese Evaluierung wird durch Feldtest und Laborversuche in Interaktion mit Praktikern und Experten im Projekt realisiert.
| Origin | Count |
|---|---|
| Bund | 122 |
| Europa | 3 |
| Kommune | 4 |
| Land | 61 |
| Wissenschaft | 23 |
| Zivilgesellschaft | 1 |
| Type | Count |
|---|---|
| Daten und Messstellen | 13 |
| Förderprogramm | 96 |
| Hochwertiger Datensatz | 3 |
| Text | 40 |
| unbekannt | 43 |
| License | Count |
|---|---|
| geschlossen | 46 |
| offen | 145 |
| unbekannt | 4 |
| Language | Count |
|---|---|
| Deutsch | 120 |
| Englisch | 102 |
| Resource type | Count |
|---|---|
| Archiv | 2 |
| Bild | 1 |
| Datei | 13 |
| Dokument | 31 |
| Keine | 91 |
| Unbekannt | 2 |
| Webdienst | 17 |
| Webseite | 76 |
| Topic | Count |
|---|---|
| Boden | 191 |
| Lebewesen und Lebensräume | 191 |
| Luft | 142 |
| Mensch und Umwelt | 193 |
| Wasser | 126 |
| Weitere | 195 |