The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.
'- Physiologische Anpassungen an den Langstreckenflug. - Fettaufbaurate und Rastdauer von ziehenden Singvoegeln in Rastgebieten in Abhaengigkeit von Umweltfaktoren. - Zugstrategien von Singvoegeln.
Intracellulaere Lokalisierung von Metallionen; Wirkungen auf den Zellstoffwechsel, vor allem den Photosyntheseapparat unter besonderer Beruecksichtigung spezifischer Enzyme; bisher gepruefte Elemente: Blei, Zink, Cadmium und Aluminium.
6 Varianten organische Duengung, 1 Variante ohne organische Duengung in Kombination mit 4 Varianten Mineralduengung = 28 Varianten. Organische Varianten: I = 250 dt/ha Tiefstallmist, II = 300 dt/ha Stapelmist, III = 300 dt/Ha Frischmist, IV = 60 dt/ha Gerstenstroh, V = 250 dt/ha Kompostmist, VI = 17-stuendiger Schafpferch, VII = ohne organische Duengung. Die organische Duengung erfolgt jedes dritte Jahr zur Hackfrucht. In der Fruchtfolge Zuckerrueben - Weizen - Hafer werden folgende Parameter erfasst: Ertraege, Naehrstoffumsatz, Naehrstoffbilanz, Naehrstoffuntersuchungen im Boden, bodenbiologische Untersuchungen, Klimafaktoren.
Seit kurzem werden ökologisch wirksame Konzentrationen von antibakteriellen Tierarzneimitteln auch im Boden nachgewiesen. Für eine umfassende Analyse des Risikos fehlen jedoch grundlegende Modellvorstellungen. Hierbei ist zu berücksichtigen, dass die Tierarzneimittel i.d.R. mit Wirtschaftsdüngern auf die Böden gelangen. Zwar gibt es Modellvorstellungen zum Umweltverhalten hydrophober Schadstoffe und zur Wirkung von Wirtschaftsdüngern auf die Bodenlebewelt, doch sind diese nur bedingt übertragbar auf die Dynamik der teilweise polaren Tierarzneimittel im Boden und ihre spezifischen Effekte auf Bodenorganismen. Auch die in der Literatur beschriebenen Effekte von zusätzlichen C-Quellen und Co-Solventien auf Bindung, Abbau und Transport sind aufgrund der komplexen Zusammensetzung von Wirtschaftsdüngern nicht direkt auf Tierarzneimittel übertragbar. Effekte der komplexen Wechselwirkungen von Wirtschaftsdüngern auf die Wirkung der Stoffe im Boden sind unseres Wissens überhaupt nicht untersucht. Übergeordnetes Ziel dieser Forschergruppe ist es daher, anhand mindestens zweier unterschiedlicher Zielstoffe (Sulfadiazin und Difloxacin) erstmals aufzuklären, wie unter dem Einfluss von Wirtschaftsdüngern die Wirkung dieser Stoffe im Boden an ihre Dynamik gekoppelt ist. Wir sehen hierbei mehrere offene Fragen in den Bereichen Dynamik (z.B. Abbau und Metabolisierung, Sequestration sowie skalenabhängige Umverteilung), Wirkung (z.B. auf Struktur und Funktion der Mikroorganismen sowie auf Resistenzbildung) und v.a. bezüglich der Mechanismen der raum-zeitlichen Kopplung von Dynamik und Wirkung der Problemstoffe im Boden (von ms bis Jahren und von der Mineraloberfläche bis zum Bodenprofil). Zur Beantwortung dieser Fragen erscheint es uns in der 1. Projektphase notwendig, vorwiegend anhand von Laborversuchen die relevanten Skalen und Prozesse zu identifizieren sowie die Raten zu quantifizieren, welche die Dynamik und Wirkung der Stoffe im Boden allein und unter dem Einfluss tierischer Exkremente steuern. In einer 2. Phase werden die Prozesse gekoppelt und ihre Relevanz in einem gemeinsamen Freilandversuch überprüft. Damit können wir die für das Umweltverhalten der Zielstoffe wesentlichen Steuergrößen und -mechanismen erstmals aufdecken und quantifizieren. Ziel des TP in Bonn ist die Aufklärung der Bindungsstärke und Verfügbarkeit von Tierarzneimitteln in zwei Referenzböden. Um die 'chemische Verfügbarkeit der Substanzen im Boden zu erfassen, wird eine sequentielle Extraktionsmethode für die Analyten entwickelt und auf eine Alterungszeitreihe der Tierantibiotika im Boden angewandt. Die Bindung der Stoffe an Bodenbestandteile (Mineralphasen, org. Substanz, Gülle-DOC) wird mittels batch-Sorptionsversuchen untersucht; dies wird wiederum an frisch kontaminierten und gealterten Proben durchgeführt. Die Ergebnisse werden mit den anderen Projekten der Forschergruppe vernetzt, um auf die 'Bioverfügbarkeit von sorbierten Fraktionen der Tierarzneimittel rückzuschließen.
Analyse des Vorkommens von Mykotoxinen. Entwicklung neuer Nachweistechniken fuer Mykotoxine. Erforschung der Stoffwechselwege von Aflatoxin.
Meeressedimente enthalten schätzungsweise größer als 10^29 mikrobielle Zellen, welche bis zu 2.500 Meter unter dem Meeresboden vorkommen. Mikrobielle Zellen katabolisieren unter diesen sehr stabilen und geologisch alten Bedingungen bis zu einer Million mal langsamer als Modellorganismen in nährstoffreichen Kulturen und wachsen in Zeiträumen von Jahrtausenden, anstelle von Stunden bis Tagen. Aufgrund der extrem niedrigen Aktivitätsraten, ist es eine Herausforderung die metabolische Aktivität von Mikroorganismen unterhalb des Meeresbodens zu untersuchen. Die Transkriptionsaktivität von diesen mikroben kann seit Kurzem metatranskriptomisch untersucht werden, z.B. durch den Einsatz von Hochdurchsatzsequenzierung von aktiv transkribierter Boten-RNA (mRNA), die aus Sedimentproben extrahiert wird. Tiefseetone zeigen ein Eindringen von Sauerstoff bis zum Grundgebirge, welches auf eine geringe Sedimentationsrate im ultra-oligotrophen Ozean zurückzuführen ist. Der Sauerstoffverbrauch wird durch langsam respirierende mikrobielle Gemeinschaften geprägt, deren Zellzahlen und Atmungsraten sehr niedrig gehalten werden durch die äußerst geringe Menge organischer Substanz, die aus dem darüber liegendem extrem oligotrophen Ozean abgelagert wird. Die zellulären Mechanismen dieser aeroben mikroben bleiben unbekannt. Im Jahr 2014 hat eine Expedition erfolgreich Sedimentkerne von sauerstoffangereichertem Tiefseeton genommen. Vorläufige metatranskriptomische Analysen dieser Proben zeigen, dass der metatranskriptomische Ansatz erfolgreich auf die aeroben mikrobiellen Gemeinschaften in diesen Tiefseetonen angewendet werden kann. Wir schlagen daher vor diese Methode mit einem hohen Maß an Replikation, in 300 Proben von vier Standorten, anzuwenden. Dieser Einsatz wird es uns ermöglichen, Hypothesen in Bezug auf zelluläre Aktivitäten unterhalb des Meeresbodens, mit einer beispiellosen statistischen Unterstützung, zu testen.Wir warden den aeroben Stoffwechsel, welcher die langfristige Existenz von Organismen in Tiefseetonen unterstützt, bestimmen, Subsistenzstrategien identifizieren in aeroben und anaeroben Gemeinden unterhalb des Meeresbodens, und extrazelluläre Enzyme und ihr Potenzial für den organischen Substanzabbau charakterisieren. Die folgenden Fragen werden damit beantwortet: Wie das Leben im Untergrund über geologische Zeiträume unter aeroben Bedingungen überlebt? Was die allgegenwärtigen und einzigartigen Mechanismen sind, die langfristiges Überleben in Zellen unter aeroben und anaeroben Bedingungen fördert? Was die Auswirkungen von Sedimenttiefe und Verfügbarkeit von organischer Substanz auf die mikrobielle Produktion von extrazellulären Hydrolasen unter aeroben und anaeroben Bedingungen sind? Dies wird sowohl ein besseres Verständnis dafür liefern, wie mikrobielle Aktivitäten unterhalb des Meeresbodens verteilt sind und was ihre Rolle in biogeochemischen Zyklen ist, als auch wie das Leben über geologische Zeiträume unter extremer Energiebegrenzung überlebt.
Denitrifizierer (reduzieren N-Oxide zu N2O und/ oder N2), nicht-denitrifizierende N2O-Reduzierer (reduzieren N2O zu N2) und dissimilatorische Nitratreduzierer (DNRA; reduzieren N-Oxides zu NH4+) sind fakultative oder obligate Anaerobier, welche die Emission des Treibhausgases N2O genauso wie die Stickstoffretention beeinflussen. Nicht-denitrifizierende N2O-Reduzierer und dissimilatorische Nitratreduzierer stehen mit Denitrifizierern im Wettbewerb um Elektronendonatoren. Definierte mikrobielle Taxa haben definierte ökophysiologische Eigenschaften, welche ihre Wettbewerbsfähigkeit und Fähigkeit zur N-Gasproduktion bestimmen und werden daher unterschiedlich auf Umweltfaktoren reagieren. Solche Eigenschaften sind jedoch im Wesentlichen für unkultivierte Taxa unbekannt, obwohl diese für die N-Gas Emissionen und Stickstoffretention in Böden bedeutend sind. Daher werden folgende Hypothesen untersucht: (i) Die Denitrifikationsantwort auf Umweltfaktoren wird durch gegensätzliche mikrobielle Gemeinschaften, einschließlich bislang unbekannter Arten, bestimmt und kann durch deren intrinsische ökophysiologische Eigenschaften erklärt werden. (ii) Denitrifikations-, N2O-Reduktions- und DNRA-assoziierte Genexpression und Gemeinschaftsstruktur spiegeln metabolische Zustände und Potenziale wider, weshalb diese zu einer besseren Vorhersagbarkeit von N2O und N2 Flüssen führen. Hochdurchsatzinkubationen unter verschiedensten Bedingungen (einschließlich von 15N-Tracersubstanzen) kombiniert mit funktioneller Genexpression, sowie Gen- und Transkript-basierter Next-Generation-Sequencing-Methodik werden eingesetzt um apparente Michaelis-Menten-Kinetiken und physiologische Parameter stimulierter Taxa zu bestimmen. Funktionelle Gene von Denitrifizierern (nirK/S kodierend für dissimilatorische NO-bildende Nitritreduktasen; nosZI kodierend für N2-bildende dissimilatorische N2O-Reduktasen), nicht denitrifizierenden N2O-Reduzierern (nosZII kodierend für N2-bildende dissimilatorische N2O-Reduktasen der Nichtdenitrifizierer) und DNRA (nrfA kodierend für NH4+-bildende dissimilatorische Nitritreduktasen) werden bevorzugt analysiert. Reaktionsmuster der Zielgemeinschaften und/ oder funktionellen Genexpression auf definierte Umweltparameter werden in Mikrokosmen bestimmt. Der Effekt von Kontrollfaktoren der N-Gasdynamik und Pflanzen auf die Zielgemeinschaften wird in Mesokosmen analysiert. Die Daten werden in der Entwicklung eines erweiterten Denitrifier-regulatory-phenotype-Konzeptes zusammengeführt und werden Einblicke in die Ökophysiologie und Wettbewerbsfähigkeit von Denitrifikanten, nicht-denitrifizierenden N2O-Reduzierern und DNRA unter vielfältigen Bedingungen geben. Antwortfunktionen der Aktivitäten dieser Gruppen auf organischen Kohlenstoff (d.h. Elektronendonatoren), Nitrat und Distickstoffmonoxid, deren Wachstumsraten, Erhaltungsraten und Gemeinschaftsstruktur werden für die Modellierung von Denitrifikation und N-Gasflüssen zur Verfügung gestellt.
The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.
The "Germany Mosaic" is a time series of Landsat satellite images and vectorized segments covering the entirety of Germany from 1984 to 2023. The image data are divided into TK100 sheet sections (see further details: Blattschnitt der Topographischen Karte 1:100 000). The dataset provides optimized 6-band imagery for each year, representing summer (May to July) and autumn (August to October) seasons, along with vegetation indices such as NDVI (Normalized Difference Vegetation Index) and NirV (Near-Infrared Reflectance of Vegetation) for the same periods. Additionally, vectorized "zones" of approximately homogeneous pixels are available for each year. The spectral properties of the image data and the morphological characteristics of these zones are included as vector attributes (see Documentation: "Mosaic (1984–2023) - Data Description"). An overview of the coverage and quality of all sheet sections is provided as a vector layer titled D-Mosaik_Sheet-Sections within this document. The Germany Mosaic can also be considered a spatial-temporal Data Cube, enabling advanced analysis and integration into workflows requiring multi-dimensional data. This structure allows users to perform operations such as querying data across specific time periods, analyzing trends over decades, or aggregating spatial information to generate tailored insights for a wide range of research applications. In mid-latitudes, seasonal variations in vegetation—and consequently in the image data—are typically more pronounced than changes occurring over several years. The temporal segmentation of the dataset has been designed to encompass the entire vegetation period (May to October), with the division into summer and autumn periods capturing seasonal metabolic shifts in natural biotopes. This segmentation also records most agricultural changes, including sowing and harvesting activities. Depending on weather conditions, the individual image data represent either the median, mean value, or the best available image for the specified time period (see Documentation: "Mosaic (1984–2023) - Data Description). Remote sensing has become an indispensable tool for environmental research, particularly in landscape analysis. Beyond conventional applications, the Germany Mosaic supports the development of digital twins in environmental system research. By providing detailed spatial and temporal data, this dataset enables the modeling of virtual ecosystems, facilitating simulations, scenario testing, and predictive analyses for sustainable management. Moreover, the spatial and temporal trends captured by remotely sensed parameters complement traditional approaches in biological, ecological, geographical, and epidemiological research.
| Organisation | Count |
|---|---|
| Bund | 1748 |
| Europa | 70 |
| Kommune | 5 |
| Land | 52 |
| Weitere | 1 |
| Wirtschaft | 5 |
| Wissenschaft | 1145 |
| Zivilgesellschaft | 20 |
| Type | Count |
|---|---|
| Daten und Messstellen | 228 |
| Ereignis | 1 |
| Förderprogramm | 1729 |
| Taxon | 1 |
| Text | 3 |
| unbekannt | 17 |
| License | Count |
|---|---|
| Geschlossen | 20 |
| Offen | 1958 |
| Language | Count |
|---|---|
| Deutsch | 1591 |
| Englisch | 561 |
| Resource type | Count |
|---|---|
| Archiv | 8 |
| Bild | 1 |
| Datei | 219 |
| Dokument | 4 |
| Keine | 1206 |
| Unbekannt | 1 |
| Webseite | 544 |
| Topic | Count |
|---|---|
| Boden | 1136 |
| Lebewesen und Lebensräume | 1978 |
| Luft | 1102 |
| Mensch und Umwelt | 1972 |
| Wasser | 973 |
| Weitere | 1956 |