API src

Found 238 results.

Related terms

Other language confidence: 0.589193042768245

Entnahme pflanzlicher Biomasse aus der Landwirtschaft nach Art - Jahr - regionale Tiefe: Bundesländer

Teil der Statistik "Entnahme" Erläuterung Die Umweltökonomischen Gesamtrechnungen der Länder (UGRdL) beschreiben die Wechselwirkungen zwischen Umwelt, Wirtschaft und privaten Haushalten und liefern Daten zu einer Vielfalt an Themen – wie Abfall, Energie, Fläche und Raum, Gase, Rohstoffe und Materialflüsse, Umweltschutz, Verkehr und Umwelt oder Wasser. Grundlage dafür ist das international vereinbarte System of Environmental-Economic Accounting (SEEA), welches einheitliche Konzepte, Definitionen und Klassifikationen verwendet. Damit werden wichtige statistische Informationen zur Umwelt und Nachhaltigkeit für die Gesellschaft, die politische Diskussion und das Monitoring von Klima-, Umwelt- und Nachhaltigkeitszielen geliefert. Die UGRdL zählt aus folgenden Gründen zum Zusatzangebot der Regionaldatenbank (Ergänzung des Regio-Stat-Angebots) und wird daher durch ein „Z“ im Tabellencode gekennzeichnet: 1. Die Ergebnisse liegen meistens nur bis zur Ebene der Bundesländer vor. 2. Aus methodischen Gründen (Nichtadditivität einiger Aggregate) werden Ergebnisse nicht nur für die einzelnen Bundesländer und Deutschland, sondern auch für die Stadtstaaten und alle Bundesländer zusammen (Summe der Länder) ausgewiesen. Methodische Erläuterungen und das Glossar finden Sie hier: https://www.statistikportal.de/de/ugrdl/glossar-und-methoden Mit dem Dashboard der UGRdL unter https://www.giscloud.nrw.de/ugrdl-dashboard.html können Sie ausgewählte Indikatoren und deren Entwicklung in den Bundesländern vergleichen. Mit der Status- und Trendanalyse unter https://www.statistikportal.de/de/ugrdl/ergebnisse/status-und-trendanalyse bieten die UGRdL darüber hinaus eine Methode für objektive und statistisch fundierte Aussagen zur Entwicklung von Umweltindikatoren. Weitere Informationen zu den UGRdL finden Sie im Statistikportal des Bundes und der Länder unter https://www.statistikportal.de/de/ugrdl. Kontakt: ugrdl@it.nrw.de

Entnahme pflanzlicher Biomasse aus der Forstwirtschaft nach Art - Jahr - regionale Tiefe: Bundesländer

Teil der Statistik "Entnahme" Erläuterung Die Umweltökonomischen Gesamtrechnungen der Länder (UGRdL) beschreiben die Wechselwirkungen zwischen Umwelt, Wirtschaft und privaten Haushalten und liefern Daten zu einer Vielfalt an Themen – wie Abfall, Energie, Fläche und Raum, Gase, Rohstoffe und Materialflüsse, Umweltschutz, Verkehr und Umwelt oder Wasser. Grundlage dafür ist das international vereinbarte System of Environmental-Economic Accounting (SEEA), welches einheitliche Konzepte, Definitionen und Klassifikationen verwendet. Damit werden wichtige statistische Informationen zur Umwelt und Nachhaltigkeit für die Gesellschaft, die politische Diskussion und das Monitoring von Klima-, Umwelt- und Nachhaltigkeitszielen geliefert. Die UGRdL zählt aus folgenden Gründen zum Zusatzangebot der Regionaldatenbank (Ergänzung des Regio-Stat-Angebots) und wird daher durch ein „Z“ im Tabellencode gekennzeichnet: 1. Die Ergebnisse liegen meistens nur bis zur Ebene der Bundesländer vor. 2. Aus methodischen Gründen (Nichtadditivität einiger Aggregate) werden Ergebnisse nicht nur für die einzelnen Bundesländer und Deutschland, sondern auch für die Stadtstaaten und alle Bundesländer zusammen (Summe der Länder) ausgewiesen. Methodische Erläuterungen und das Glossar finden Sie hier: https://www.statistikportal.de/de/ugrdl/glossar-und-methoden Mit dem Dashboard der UGRdL unter https://www.giscloud.nrw.de/ugrdl-dashboard.html können Sie ausgewählte Indikatoren und deren Entwicklung in den Bundesländern vergleichen. Mit der Status- und Trendanalyse unter https://www.statistikportal.de/de/ugrdl/ergebnisse/status-und-trendanalyse bieten die UGRdL darüber hinaus eine Methode für objektive und statistisch fundierte Aussagen zur Entwicklung von Umweltindikatoren. Weitere Informationen zu den UGRdL finden Sie im Statistikportal des Bundes und der Länder unter https://www.statistikportal.de/de/ugrdl. Kontakt: ugrdl@it.nrw.de

Funktionelle Differenzierung von arbuskulären Mykorrhizapilzen im Ober- vs. Unterboden: beherbergen Unterböden Eigenschaften zur Nährstoffgewinnung, die eine nachhaltige Landwirtschaft unterstützen?

Monokulturen und ineffiziente Ressourcennutzung, begleitet von Bodendegradation und Verlust der biologischen Vielfalt in konventionell bewirtschafteten Agrarsystemen, stellen eine Herausforderung für eine stabile Nahrungsmittelproduktion dar. Um die Nahrungsmittelproduktion zu sichern, ohne die Gesundheit und Funktionalität der Agrarökosysteme (weiter) zu gefährden, sind nachhaltige Strategien erforderlich. Arbuskuläre Mykorrhizapilze (AMF) sind die am weitesten verbreiteten Symbionten unter den Nutzpflanzen. Die meisten Studien zum Nutzen der AMF für die Pflanzenproduktion konzentrieren sich jedoch auf den Oberboden, d. h. die dünne Pflugschicht in konventionell bewirtschafteten Systemen. Das Potenzial von AMF in Unterböden (d.h. dem Mineralboden unterhalb der Pflugschicht) wird nur selten untersucht. Dabei hat sich gezeigt, dass Unterböden spezifische AMF-Arten beherbergen können, von denen man annimmt, dass sie sich in ihren Eigenschaften und Funktionalität von den Arten im Oberbodens unterscheiden. Das Hauptziel dieses Projekts ist eine funktionelle Differenzierung der AMF-Gemeinschaften im Ober- und Unterboden hinsichtlich ihrer Strategien zur Nährstoffakquise und -allokation. Das Projekt zielt auf die Beantwortung der Frage ab, (i) ob Unterböden AMF-Gemeinschaften mit funktionellen Eigenschaften beherbergen, die sich von denen der AMF-Gemeinschaften im Oberbodens unterscheiden oder sogar vielfältiger sind, und (ii) ob diese Eigenschaften für eine nachhaltige Bewirtschaftung von Nutzen sein können. Die DNA Amplikon Sequenzierung und Metatranskriptomanalyse von AMF-Gemeinschaften, die mit Pflanzen verschiedener funktioneller Pflanzengruppen assoziiert sind, erlaubt eine erste Bewertung der funktionellen Vielfalt von AMF Unterbodengemeinschaften. Dies beruht auf der Annahme einer merkmalsbasierten Partnerwahl zwischen Pflanze und Pilz. Zur weiteren funktionellen Charakterisierung wird die Aufnahme und der Transfer von leicht verfügbarem N und K durch AMF Gemeinschaften mit Hilfe von 15N-angereicherten Verbindungen sowie Spurenelementen untersucht, die bei der Nährstoffaufnahme als K-Analoga agieren. Die Anregung der N- und P-Mobilisierung aus organischem Material durch AMF-Gemeinschaften wird unter Verwendung von zweifach isotopisch markiertem (15N, 33P) Pflanzenbiomasse untersucht. Durch 13CO2-Pulsmarkierung der Wirtspflanzen wird die Kohlenstoffallokation der Pflanzen in verschiedene AMF-Gemeinschaften analysiert. Dadurch sollen Erkenntnisse über das Potenzial von Unterböden als Reservoir für funktionell vielfältige AMF-Gemeinschaften und deren Potenzial zur Verbesserung der Nährstoffverwertung in Agrarsystemen gewonnen werden. Das Projekt wird damit zur Klärung der Frage beitragen, ob eine angemessene Bewirtschaftung des Unterbodens geeignet ist, die funktionelle Vielfalt von AMF oder sogar gezielt bestimmte funktionelle Eigenschaften von AMF in landwirtschaftlichen Systemen zu fördern, um die Nahrungsmittelproduktion zu stabilisieren.

MINCA - MItigation der StickstoffbelastuNg auf der CAtchment-Skala

Die Intensivierung der Landwirtschaft und insbesondere der Einsatz von Düngemitteln ist der Schlüssel zur Ernährungssicherung einer wachsenden Weltbevölkerung. Der im Dünger enthaltene Stickstoff geht jedoch nicht nur in die pflanzliche Biomasse ein und wird schließlich geerntet, sondern wird auch als reaktiver Stickstoff (Nr) über verschiedene gasförmige und hydrologische Pfade in die Umwelt abgegeben. Dies führt zu gravierenden Umweltproblemen wie Eutrophierung, Treibhausgasemissionen oder Grundwasserverschmutzung. Wir gehen davon aus, dass wissenschaftlich fundierte Stickstoffminderungsstrategien es ermöglichen, die N2O- und NH3-Emissionen zu reduzieren und die NO3-Einträge in die Gewässer zu verringern, während die Erträge erhalten bleiben. Ziel des MINCA-Projekts ist daher die Etablierung eines gekoppelten, prozessbasierten hydro-biogeochemischen Modells zur Identifizierung von Feldbewirtschaftungsstrategien zu nutzen, die es ermöglichen, den Nr-Überschuss zu reduzieren und damit die N-Belastung in landwirtschaftlich dominierten Landschaften zu mindern. Unser besonderes Interesse gilt den Nr-Umwandlungsmechanismen an den Schnittstellen von Feldern, Grundwasser, Uferzone und Bächen. Um das derzeit begrenzte Verständnisses der zeitlichen und räumlichen hydro-biogeochemischen Flüsse bei der Nr-Transformation in der Landschaft zu überwinden, werden wir innovative Feldexperimente mit einem prozessbasierten Modellierungsansatz kombinieren. Der N-Zyklus in hydro-biogeochemischen Modellen ist jedoch komplex und die Validierung der zugrunde liegenden Prozesse datenintensiv. Die Messungen werden daher auf vier verschiedenen landwirtschaftlichen-, einem Grünland- und einem Waldgebiet durchgeführt. MINCA besteht aus vier eng miteinander verbundenen Arbeitspaketen (WP). In WP1 werden bereits laufende Messung der Wasser- und Stickstoffflüsse im Vollnkirchener Bach Studiengebiet beschrieben. Die bereits relativ umfangreichen kontinuierlichen Messungen, z.B. N2O-Emissionen, Bodenfeuchte, Abfluss und Gewässerqualität, sollen durch weitere Messungen wie NO3-Auswaschung und -Konzentrationen, saisonale Blattflächenindices, Erträge, Biomasse und deren C- und N-Gehalt ergänzt werden. Zusätzlich werden 15N2O und 15NO3 Isotopomer in Feldkampagnen gemessen. Komplexe Messungen für Modellversuche in WP1, modellbasierte hochskalierungs-Methoden im Rahmen von WP2 und Parameterreduktion, Unsicherheitsanalyse und Prozessplausibilitätsprüfung von WP3 erlauben es uns zu erkennen, wann und wo N-Belastung in der Landschaft auftreten. Dieses vertiefte Wissen wird die Grundlage für die Entwicklung von wissenschaftlich fundierten Mitigationsszenarien im WP4 bilden. Das gekoppelte Modell wird im Echtzeit-Modus ausgeführt, um die vom Bundesministerium für Ernährung und Landwirtschaft erstrebten Zielwerte von reduziertem Nr-Überschuss zu erreichen. Maßgeschneiderte in-situ-Experimente zu N2O-Emissionen und NO3-Auswaschung werden die Wirksamkeit des Minderungspotenzials aufzeigen.

Entnahme pflanzlicher Biomasse aus der Landwirtschaft nach Art - Land - Jahr

Teil der Statistik "Entnahme" Raum: Land Die Umweltökonomischen Gesamtrechnungen der Länder (UGRdL) beschreiben die Wechselwirkungen zwischen Umwelt, Wirtschaft und privaten Haushalten und liefern Daten zu einer Vielfalt an Themen – wie Abfall, Energie, Fläche und Raum, Gase, Rohstoffe und Materialflüsse, Umweltschutz, Verkehr und Umwelt oder Wasser. Grundlage dafür ist das international vereinbarte System of Environmental-Economic Accounting (SEEA), welches einheitliche Konzepte, Definitionen und Klassifikationen verwendet. Damit werden wichtige statistische Informationen zur Umwelt und Nachhaltigkeit für die Gesellschaft, die politische Diskussion und das Monitoring von Klima-, Umwelt- und Nachhaltigkeitszielen geliefert. Methodische Erläuterungen und das Glossar finden Sie hier: https://www.statistikportal.de/de/ugrdl/glossar-und-methoden Mit dem Dashboard der UGRdL unter https://www.giscloud.nrw.de/ugrdl-dashboard.html können Sie ausgewählte Indikatoren und deren Entwicklung in den Bundesländern vergleichen. Mit der Status- und Trendanalyse unter https://www.statistikportal.de/de/ugrdl/ergebnisse/status-und-trendanalyse bieten die UGRdL darüber hinaus eine Methode für objektive und statistisch fundierte Aussagen zur Entwicklung von Umweltindikatoren. Weitere Informationen zu den UGRdL finden Sie im Statistikportal des Bundes und der Länder unter https://www.statistikportal.de/de/ugrdl. Kontakt: ugrdl@it.nrw.de

Verwertete inländische Entnahme biotischer und abiotischer Rohstoffe in Sachsen-Anhalt

Teil der Statistik "Entnahme" Raum: Sachsen-Anhalt Gesamt Die Rohstoffentnahme ist eine Position der Entnahmeseite des Materialkontos der UGR. Sie umfasst alle abiotischen und biotischen Rohstoffe, die der inländischen Natur entnommen werden. Unterschieden wird in verwertetet Entnahmen (gehen in den Produktions- und Konsumprozess der Volkswirtschaft ein) und nicht verwertete Entnahme von Rohstoffen. Zur verwerteten Entnahme gehören beispielsweise fossiler Energieträger, Erze und sonstige mineralische Rohstoffe, pflanzliche Biomasse aus der Landwirtschaft, Biomasse aus der Forstwirtschaft (Holz) und Biomasse von Tieren (Hochsee- und Küstenfischerei und Jagdstrecke). Die nicht verwerteten Rohstoffe werden zusammen mit den verwerteten Rohstoffen (außer Bodenaushub) der inländischen Natur entnommen jedoch wieder in die Natur eingebracht, ohne in den Produktions- und Konsumprozess gelangt zu sein. Hierunter werden z. B. der Abraum der Braunkohle, das Bergematerial von Energieträgern und mineralischen Rohstoffen, Beifang aus der Hoch-see- und Küstenfischerei oder Stroh, das bei der Getreideernte anfällt, jedoch auf dem Feld verbleibt und wieder in den Boden eingearbeitet wird, ausgewiesen.

Ecosystem functions of rare arable plants - field experiment: Plants biomass data

Taken from the methods of https://doi.org/10.1016/j.agee.2020.107237: Vegetation surveys were performed once in July for both study years. Plant species were classified and each species' percent cover for both the arable plant community and the crop were visually estimated per plot. Species were divided into rare arable plants, other spontaneously occurring arable plants, the sown crop species, and volunteer crops that re-emerged after cultivation in previous years. To measure the productivity of our plots, both the crop biomass and arable plant biomass (rare arable plants + volunteer crops + spontaneous arable plants) were collected in July and August in both study years. For the arable plant biomass, three 0.5 m × 0.5 m sampling quadrats were randomly placed in the plot, harvested, and dried at 65 °C for 48 h. Crop biomass was measured after cutting, drying, and weighing three randomly selected crop rows per plot. To minimize edge effects, the outmost crop rows were excluded from the sampling. Arable plants and crop biomasses were projected as g m ⁻².

Entnahme pflanzlicher Biomasse aus der Forstwirtschaft nach Art - Land - Jahr

Teil der Statistik "Entnahme" Raum: Land Die Umweltökonomischen Gesamtrechnungen der Länder (UGRdL) beschreiben die Wechselwirkungen zwischen Umwelt, Wirtschaft und privaten Haushalten und liefern Daten zu einer Vielfalt an Themen – wie Abfall, Energie, Fläche und Raum, Gase, Rohstoffe und Materialflüsse, Umweltschutz, Verkehr und Umwelt oder Wasser. Grundlage dafür ist das international vereinbarte System of Environmental-Economic Accounting (SEEA), welches einheitliche Konzepte, Definitionen und Klassifikationen verwendet. Damit werden wichtige statistische Informationen zur Umwelt und Nachhaltigkeit für die Gesellschaft, die politische Diskussion und das Monitoring von Klima-, Umwelt- und Nachhaltigkeitszielen geliefert. Methodische Erläuterungen und das Glossar finden Sie hier: https://www.statistikportal.de/de/ugrdl/glossar-und-methoden Mit dem Dashboard der UGRdL unter https://www.giscloud.nrw.de/ugrdl-dashboard.html können Sie ausgewählte Indikatoren und deren Entwicklung in den Bundesländern vergleichen. Mit der Status- und Trendanalyse unter https://www.statistikportal.de/de/ugrdl/ergebnisse/status-und-trendanalyse bieten die UGRdL darüber hinaus eine Methode für objektive und statistisch fundierte Aussagen zur Entwicklung von Umweltindikatoren. Weitere Informationen zu den UGRdL finden Sie im Statistikportal des Bundes und der Länder unter https://www.statistikportal.de/de/ugrdl. Kontakt: ugrdl@it.nrw.de

Ecosystem functions of rare arable plants - field study: Plants biomass data

Taken from the methods of https://doi.org/10.1016/j.agee.2020.107237: Vegetation surveys were performed once in July for both study years. Plant species were classified and each species' percent cover for both the arable plant community and the crop were visually estimated per plot. Species were divided into rare arable plants, other spontaneously occurring arable plants, the sown crop species, and volunteer crops that re-emerged after cultivation in previous years. To measure the productivity of our plots, both the crop biomass and arable plant biomass (rare arable plants + volunteer crops + spontaneous arable plants) were collected in July and August in both study years. For the arable plant biomass, three 0.5 m × 0.5 m sampling quadrats were randomly placed in the plot, harvested, and dried at 65 °C for 48 h. Crop biomass was measured after cutting, drying, and weighing three randomly selected crop rows per plot. To minimize edge effects, the outmost crop rows were excluded from the sampling. Arable plants and crop biomasses were projected as g m ⁻².

Synthesis data on plant community composition, plant traits and ecosystem properties from the Jena Main experiment

Data on plant communities (biomass and relative cover of all target species), plant traits (41 different traits, measured on 59 species), and 42 ecosystem properties/functions, measured between 2003 and 2012 in the Jena Main Biodiversity experiment. In floodplain grasslands of the Saale river, near Jena (Germany) 78 20x20 m grassland plots were set up, in which combinations of 1, 2, 4, 8 or 16 species were sown, from a species pool of 60. Thereby, the aim was to create a gradient in plant species richness and functional composition. In each year from 2003-2012, relative cover (in %) of each target species was estimated within 3x3 m subplots. In addition, plant biomass was measured in both spring and summer. In addition, we compiled trait data for 59 of the 60 sown species, based on a combination of existing literature, pot experiments and measurements in the Jena Main Biodiversity experiment monoculture (1-species) plots. Data on 41 traits was collected. Finally, we measured in 41 different ecosystem functions in the Jena Main Biodiversity experiment. Each ecosystem function was measured in at least 3 different years between 2003 and 2012. The "R2.model.random.text[x]" (where x is a number from 1 to 40) are secondary data files, and the outcome of statistical models. In these, 100 times a random subset of 1 to 40 (out of the 41) plant traits were analysed as predictors of the 42 ecosystem functions, in order to assess how the proportion of variance in ecosystem functioning explained by traits (R2 values) depends on the number of traits analysed.

1 2 3 4 5 … 22 23 24