Der Klimawandel bewirkt auch eine Erwärmung des Bodens, wodurch es zu einem verstärkten Abbau der organischen Substanz kommt. Dies könnte zu einem der stärksten Feedback-Mechanismen des Klimawandels werden, da durch diesen Prozess große Mengen CO2 emittiert würden. Ob tatsächlich Böden in sämtlichen Ökosysteme bei anhaltender Erwärmung zu Netto-CO2 Quellen werden, ist allerdings umstritten und sehr unsicher. Die am Umsatz der organischen Substanz beteiligten biogeochemischen Prozesse, und deren Änderung durch Erwärmung sind nicht im Detail verstanden. Dies liegt vor allem an den Schwierigkeiten der experimentellen Umsetzung von Bodenerwärmung. Besonders über lange Zeiträume, sowie in Unterböden, gibt es global kaum Beobachtungen zur Wirkung von Bodenerwärmung. Gerade ersteres erschwert die Abschätzung von neuen Gleichgewichtszuständen. Auch sogenannte Kipppunkte sind mit einer einzigen Erwärmungsstufe nicht zu ermitteln. Im Projekt AWESOME soll ein natürlicher (geothermaler) Erwärmungsgradient im kanadischen Yukon Territory genutzt werden, um wesentliche Erkenntnisse über die komplexen Wirkungen von Erwärmung auf die Interkation zwischen autotrophen und heterotrophen Organismen und der Mineralphase zu gewinnen. Erste Ergebnisse aus Voruntersuchungen zeigten, dass sich in dem geothermal erwärmten Boden unter subarktischem Laubwald Kohlenstoff um bis zu 22% reduziert war, während der Gesamtstickstoff im Boden unverändert blieb. Dabei kam es allerdings zu einer Stabilisierung des Stickstoffs in organischer Substanz an der Mineralphase. Vier Erwärmungsstufen mit einer Temperaturspanne von 8°C sind bereits etabliert und ein in-situ Mikrokosmenexperiment mit isotopisch markierter Streu wurde bereits im Sommer 2019 gestartet. Ein grundlegend verbessertes Verständnis dieser Beobachtungen und der Wirkung von jahrhundertelanger Erwärmung im Boden auf Umsetzungsprozesse der organischen Bodensubstanz soll durch dieses Projekt gewonnen werden. Sowohl Veränderungen der Vegetation und des Kohlenstoffeintrags, als auch der mikrobiellen Physologie, Gemeinschaft, deren Anpassung sowie der Qualität der organischen Bodensubstanz stehen im Fokus. Änderungen der Hydrologie (Bodenfeuchte) sowie der Mineralogie (Verwitterung) sollen als erklärende Variablen ebenfalls über den gesamten Erwärmungsgradienten abgebildet werden. Mit Hilfe mehrerer Kooperationspartner, modernsten Methoden der bodenkundlichen und mikrobiellen Forschung sowie einem idealen Versuchsstandort soll das Projekt AWESOME wichtige Fortschritte in einem zentralen Zukunftsthema liefern. Die Ergebnisse werden schließlich in Bezug zu einem weiteren geothermalen Erwärmungsexperiment auf Island gesetzt, um Unterschiede und Gemeinsamkeiten herauszuarbeiten.
Die anthropogenen Kohlendioxidemissionen (CO2) sind für den größten Teil der jüngsten globalen Oberflächenerwärmung der Erde um etwa 1°C gegenüber dem vorindustriellen Niveau verantwortlich. Das Land und die Ozeane nehmen derzeit etwa die Hälfte unserer Emissionen durch komplexe Prozesse des Kohlenstoffkreislaufs auf. Der Klimaantrieb durch anthropogene CO2-Emissionen hört erst auf, wenn ein Gleichgewicht zwischen CO2-Quellen und -Senken erreicht ist. Da es nicht realisierbar ist, alle CO2-Emissionen bis Mitte des 21. Jahrhunderts zu eliminieren, bestehen alle plausiblen zukünftigen Emissionsszenarien, die auf eine mit dem Pariser Abkommen übereinstimmende Temperaturstabilisierung anstreben, aus einem Portfolio menschlicher Aktivitäten, die Emissionssenkungen mit Maßnahmen zur so genannten Kohlendioxidentnahme (CDR) kombinieren, die die verbleibenden positiven Emissionen kompensieren sollen.Allerdings werden CDR-Maßnahmen wie die meisten anderen menschlichen Aktivitäten durch Emissionen von andere Treibhausgase als CO2 (z.B. Methan oder Distickstoffoxid), Aerosolen oder durch Landnutzungsänderungen zusätzliche Klimaveränderungen verursachen. Gegenwärtig machen diese weiteren Treibhausgase mehr als 40% der globalen Oberflächenerwärmung aus, während Aerosole einen Teil der Erwärmung ausgleichen. Darüber hinaus beeinflussen diese zusätzlichen Klimaeinflüsse den Kohlenstoffkreislauf, der wiederum Einfluss auf die atmosphärische CO2-Konzentration und damit auf die Oberflächentemperatur nimmt (Abb. 1). Diese Wechselwirkung beeinflusst die Menge der CO2-Entnahme, die durch CDR-Maßnahmen erforderlich ist, um eine Temperaturstabilisierung zu erreichen.Es ist daher wichtig, die vollständige Reaktion des Klimas auf spezifische menschliche Aktivitäten, einschließlich CDR-Maßnahmen, zu erfassen, um gut informiert Maßnahmen zur Temperaturstabilisierung ein zu leiten. Insbesondere die Untersuchung der Reaktion des Erdsystems auf realistische Portfolios künftiger anthropogener Aktivitäten erfordert die Einbeziehung aller damit verbundenen Klimafaktoren - CO2, andere Treibhausgase als CO2, Aerosole und Landnutzungsänderungen - um bestmögliche Einschätzungen der möglichen Wege zur Temperaturstabilisierung zu erhalten.
Global change not only affects the long-term mean temperature, but may also lead to further changes in the frequency distribution and especially in their tails. The study of the whole frequency distribution is important as, e.g., heat and cold waves are responsible for a considerable part of morbidity and mortality due to meteorological events. Daily datasets are essential for studying such extremes of weather and climate and therefore the basis for political decisions with enormous socio-economic consequences. Reliably assessing such changes requires homogeneous observational data of high quality. Unfortunately, however, the measurement record contains many non-climatic changes, e.g. homogeneities due to relocations, new weather screens or instruments. Such changes affect not only the means, but the whole frequency distribution. To increase the quality and reliability of global daily temperature records, we propose to develop an automatic homogenisation method for daily temperature data that corrects the frequency distribution. We propose to describe homogenisation as an optimisation problem and solve it using a genetic algorithm. In this way, entire temperature networks can be homogenised simultaneously leading to an increase in sensitivity, while avoiding setting false (spurious) breaks. By not homogenising the daily data directly, but by homogenising monthly indices (probably the monthly moments), the full power and understanding of monthly homogenization methods can be carried over to the homogenisation of daily data. Furthermore, in an optimisation framework, the optimal temporal correction scale can be determined objectively and straightforwardly, that is whether the corrections are best applied annually (all twelve months get the same correction), semi-annually, seasonally or monthly. All three aspects are new: the simultaneous homogenisation of an entire network, the objective selection of the degrees of freedom of the adjustments and of the temporal averaging scale of the correction model. This new method will be applied to homogenise the temperature datasets of the International Surface Temperature Initiative. This large dataset necessitates an automatic homogenisation method. To validate the method, we will generate an artificial climate dataset with known inhomogeneities. To be able to generate such a validation dataset with realistic inhomogeneities, we need to understand the nature of inhomogeneities in daily data much better. Therefore, we intend to collect and study parallel measurements (two set-ups at one location), which allow us to study the changes in the frequency distribution if one set-up is replaced by the other. Finally, we will study and quantify the uncertainties due to persistent errors remaining in the dataset after homogenisation and utilise this to improve the accuracy of the homogenisation algorithm. The knowledge of uncertainties is also indispensable for climatologists using the homogenised data.
As part of PhytOakmeter (www.phytoakmeter.de), time-domain transmission, soil moisture and -temperature sensors with custom-made logger systems were used to measure time series of soil state variables. The aim of these investigations was to provide data on environmental properties used in a cross-disciplinary approach. The measurement device consisted of two sensors at three different depths. The dataset contains the values of time (UTC), relative permittivity, soil moisture (in % vol) derived from permittivity and soil temperature (in °C). Determination of soil moisture was done using the formula of Topp et al. (1980). As sensors, the SMT100 soil moisture sensors with integrated temperature measurement were used. All sensors were installed within the upper 50cm below ground. The exact depths for each sensor are listed in the dataset and parameter comment.
Äthiopien erhält den Großteil seiner Niederschläge durch Winde aus dem Süden die der Ostafrikanische Sommermonsun in den Nordhemisphärischen Sommermonaten bringt. Die Stärke der Ostafrikanischen Monsunniederschläge variierte jedoch zum Teil erheblich im Verlaufe des Quartärs und auch der Anteil von Niederschlägen durch die Westerlies könnte in der Vergangenheit sehr variabel gewesen sein. Während der vergangenen Jahre entwickelten sich einige neue Biomarker- und Stabilisotopenmethoden zu hochinnovativen und viel versprechenden (semi-)quantitativen Paläoklima-Proxies. Durch die Entwicklung und Anwendung solcher Biomarker- und Stabilisotopenmethoden zielt das beantragte Projekt darauf ab, einen Beitrag zur (semi-)quantitativen Paläoklimarekonstruktion der Bale Mountains in Äthiopien zu leisten. Im Speziellen sollen Temperatur, relative Luftfeuchte, Niederschlagsmenge und Änderungen im Quellgebiet der Niederschläge rekonstruiert werden.Im Rahmen eines der Arbeitspakete wird der rezente Niederschlag räumlich und zeitlich aufgelöst auf seine Isotopensignatur (2H/1H and 18O/16O) untersucht. Diese Daten sollen u.a. helfen die für die Bale Mountains relevanten atmosphärischen Zirkulationssysteme und deren spezifische Isotopensignaturen besser zu verstehen. In einem zweiten Arbeitspaket wird untersucht wie akkurat sich die Isotopensignatur des Niederschlags wie auch die relative Luftfeuchte und Temperatur in den Biomarker- und Stabilisotopensignaturen von Pflanzen und Böden widerspiegeln. Hierzu werden Klimagradienten entlang von Höhentransekten auf die Bale Mountains untersucht. Der methodische Schwerpunkt wird auf der Untersuchung von komponenten-spezifischen 2H-Analysen von Pflanzenwachs-bürtigen n-Alkan- und Fettsäurebiomarkern, auf komponenten-spezifischen 18O-Analysen von Hemizellulose-bürtigen Zuckerbiomarkern und auf Bodenbakterien-bürtigen Glycerol Dialkyl Glycerol Tetraether (GDGT) Lipidbiomarkern liegen. Das dritte Arbeitspaket trägt zur Gewinnung von Sedimentbohrkernen und Aufstellung von dazugehörigen Chronostratigraphien bei. Diese Sedimentbohrkerne werden gemeinsam mit den Teilprojekten P2-Antrosole und P4-Paläoökologie als Archive genutzt um die menschliche Besiedelungsgeschichte wie auch die Spätquartäre Klima- und Landschaftsgeschichte der Bale Mountains zu rekonstruieren. Das Teilprojekt P5-Paläoklimatologie wird hierzu die oben spezifizierten Biomarker- und Stabilisotopenmethoden anwenden.
As part of PhytOakmeter (www.phytoakmeter.de), time-domain transmission, soil moisture and -temperature sensors with custom-made logger systems were used to measure time series of soil state variables. The aim of these investigations was to provide data on environmental properties used in a cross-disciplinary approach. The measurement device consisted of two sensors at three different depths. The dataset contains the values of time (UTC), relative permittivity, soil moisture (in % vol) derived from permittivity and soil temperature (in °C). Determination of soil moisture was done using the formula of Topp et al. (1980). As sensors, the SMT100 soil moisture sensors with integrated temperature measurement were used. All sensors were installed within the upper 50cm below ground. The exact depths for each sensor are listed in the dataset and parameter comment.
As part of PhytOakmeter (www.phytoakmeter.de), time-domain transmission, soil moisture and -temperature sensors with custom-made logger systems were used to measure time series of soil state variables. The aim of these investigations was to provide data on environmental properties used in a cross-disciplinary approach. The measurement device consisted of two sensors at three different depths. The dataset contains the values of time (UTC), relative permittivity, soil moisture (in % vol) derived from permittivity and soil temperature (in °C). Determination of soil moisture was done using the formula of Topp et al. (1980). As sensors, the SMT100 soil moisture sensors with integrated temperature measurement were used. All sensors were installed within the upper 50cm below ground. The exact depths for each sensor are listed in the dataset and parameter comment.
This dataset provides monthly maximum Land Surface Temperature (LST) values over Europe, derived from 1-km AVHRR observations. The data is generated by DLR and provided in the framework of the TIMELINE project. LST values are retrieved using physically-based split- and mono-window algorithms and corrected for atmospheric influences and surface emissivity. Only cloud-free observations with sensor view angles below 50 degrees are used. Due to reliance on infrared observations, data may be limited under persistent cloud cover. To ensure temporal consistency across sensors and overpass times, an orbit drift correction method was applied. This method harmonizes LST values to a fixed reference time of 13:00 local solar time, approximating the daily maximum temperature. The dataset is gridded in a 1-km LAEA ETRS89 projection. The product is provided in four tiles, covering the extent of the European Environmental Agency (EEA) reference grid, which includes the area from 900 000 m East and 900 000m North to 7 400 000m East and 5 500 000m North. The TIMELINE (TIMe Series Processing of Medium Resolution Earth Observation Data assessing Long-Term Dynamics In our Natural Environment) project, led by the German Remote Sensing Data Center (DFD) of the German Aerospace Center (DLR), focuses on generating a consistent, multi-decadal time series derived from NOAA and Metop AVHRR data. Spanning more than 40 years from the early 1980s to the present this dataset covers Europe and North Africa. TIMELINE establishes an operational environment for the systematic reprocessing of AVHRR raw data into Level 1b, Level 2, and Level 3 geoinformation products at 1.1 km spatial resolution. These products maintain uniform standards in format, projection, and spatial coverage. The dataset includes a comprehensive suite of land and atmospheric parameters such as atmospherically corrected surface reflectance, NDVI, snow cover, fire hotspots, burnt area, land and sea surface temperatures, and various cloud physical properties (e.g., cloud top temperature). By combining traditional and innovative remote sensing products with robust processing algorithms and state-of-the-art validation techniques, TIMELINE provides a unique, high-quality dataset for global change research.
Das ist eine senseBox der Humboldt Explorers. Weitere Informationen unter: https://www.humboldt-explorers.de/
| Organisation | Count |
|---|---|
| Bund | 398 |
| Europa | 33 |
| Kommune | 3 |
| Land | 109 |
| Weitere | 16 |
| Wirtschaft | 5 |
| Wissenschaft | 281 |
| Zivilgesellschaft | 359 |
| Type | Count |
|---|---|
| Agrarwirtschaft | 1 |
| Daten und Messstellen | 402 |
| Ereignis | 2 |
| Förderprogramm | 358 |
| Hochwertiger Datensatz | 1 |
| Repositorium | 1 |
| Taxon | 1 |
| Text | 40 |
| unbekannt | 108 |
| License | Count |
|---|---|
| Geschlossen | 71 |
| Offen | 788 |
| Unbekannt | 54 |
| Language | Count |
|---|---|
| Deutsch | 701 |
| Englisch | 269 |
| Resource type | Count |
|---|---|
| Archiv | 16 |
| Bild | 5 |
| Datei | 40 |
| Dokument | 27 |
| Keine | 310 |
| Multimedia | 1 |
| Unbekannt | 6 |
| Webdienst | 2 |
| Webseite | 537 |
| Topic | Count |
|---|---|
| Boden | 913 |
| Lebewesen und Lebensräume | 870 |
| Luft | 784 |
| Mensch und Umwelt | 901 |
| Wasser | 705 |
| Weitere | 905 |