API src

Found 1978 results.

Related terms

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Bautzen, Germany from 1985 – 2023

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.

Bestimmung partikelgebundener PAK, NPAK und 3-Nitrobenzanthron sowie ihre Verteilung auf verschiedene Ultrafeinstaubfraktionen von Emissionsquellen

Als ultrafeine Partikel werden Teilchen mit Durchmessern kleiner als 100 nm bezeichnet. Die ultrafeinen Partikel entstehen in Verbrennungsprozessen, die unter Sauerstoffmangel stattfinden. Hierbei sind u.a. der Straßenverkehr mit seinen unzähligen instationären Verbrennungen, Industrieprozesse und Hausbrand zu nennen. Partikel dieses Größenbereichs können sehr spezielle chemische oder physikalische Wechselbeziehungen mit der Umgebung eingehen. Man beobachtet bei ultrafeinen Partikeln vorwiegend Diffusion, wogegen sich größere Teilchen eher durch Anlagerung bzw. Sedimentation auszeichnen (Limbach, 2005). In der Europäischen Union gilt seit Januar 2005 ein Grenzwert für Feinstaub, d.h. für Partikel kleiner als 10ìm (PM10), vorgeschrieben. Für ultrafeine Partikel gibt es in Europa bisher keine eigenen Grenzwerte. In einem bis dahin einmaligen Projekt wurde die Entwicklung der Belastung mit ultrafeinen Partikeln in Erfurt über zehn Jahre quantitativ bestimmt. Dabei wurde ein deutlicher Anstieg festgestellt (Krug, 2005). Die Korngrößen des Ultrafeinstaubs können das menschliche Respirationssystem erreichen. Man spricht daher vom inhalierbaren Anteil des Feinstaubs. Partikel kleiner als 100 nm werden als noch gefährlicher eingestuft, da sie lungengängig sind. Wegen ihrer geringen Größe können einzelne ultrafeine Partikel ein Lungenepithel durchqueren. Ein Weitertransport zu Leber, Knochenmark oder Herz ist möglich. Die Ultrafeinpartikel können sich in der Lunge bis zu mehreren Monaten ablagern bzw. verbleiben (WHO,1997). Es sind einige Verfahren entwickelt worden, um die PAK-Belastung auf Menschen zu erfassen und ihre Auswirkungen zu beschreiben. Dabei wurde Benzo(a)Pyren oft als Indikator für die Präsenz von karzinogenen PAK in der Umwelt genutzt. Verbreitet ist zum Beispiel die Bestimmung von PAK in Blut oder Urin und die Untersuchung der Auswirkungen von PAK auf den Metabolismus in Organen wie Niere und Leber (Larsen, 1995). Die Exposition durch NPAK erfolgt hauptsächlich über die Luft. Es gibt bislang wenige Studien, welche die Langzeitwirkung der inhalativen Aufnahme untersuchen. Darüber hinaus gelten auch die Metaboliten der NPAK als kanzerogen (Uhl, 2007). Laut WHO gibt es erheblichen Forschungsbedarf hinsichtlich der Exposition der Menschen und der Wirkungen von NPAK auf die menschliche Gesundheit (IPCS 2003). Obwohl die NPAK nur einen Bruchteil (1 bis 10Prozent) der PAK ausmachen (Nielsen, 1984), ist spezielle Aufmerksamkeit wegen ihrer hohen biologischen Aktivität notwendig. Zahlreiche NPAK wirkten in Tierversuchen deutlich mutagen und kanzerogen (Fiedler et.al, 1990). Über ihr Verhalten und ihre Anreicherung in Boden und Staub ist bis jetzt noch sehr wenig bekannt. Ebenso wenig wie über deren Metabolismus und Akkumulation in biologischem Gewebe (Fiedler et al., 1991, Fieder und Mücke 1990). (...)

Studien zur Wirkung von Nitrosaminen auf den DNA-Stoffwechsel, bzw. die DNA-Methylierung

Seit einigen Jahren interessiert uns die Frage, in welcher Weise die Wirkung von Nitrosaminen zustande kommt. Dabei haben wir aufzeigen koennen, dass schon relativ bald nach Verabreichung von Nitrosaminen Regulations-Stoerungen in der Leber auftreten. Wir haben diese nachgewiesen ueber einen Einfluss auf die Induktion der Tyrosin-Aminotransferase und der Tryptophan-Oxygenase. Wir haben uns dann mit der Ursache dieser Stoerung befasst und dabei besonders die Methylierung von Nucleinsaeuren analysiert. Weiterhin interessiert uns der NAD-Poly-ADPR-Stoffwechsel. Schon wenige Minuten nach der Verabreichung von Nitrosaminen kommt es zu einem NAD-Abfall und zu einer Beeinflussung der Poly (ADPR)-Synthetase.

Akkumulation und Abbau polyzyklischer aromatischer Kohlenwasserstoffe in Zellen

Viele polyzyklische aromatische Kohlenwasserstoffe sind krebserregend. Einige dieser kanzerogenen Kohlenwasserstoffe sind in unserer Umwelt allgegenwaertig, z.B. Benzpyren. Der Wirkungsmechanismus dieser Kohlenwasserstoffe im Organismus ist noch nicht vollstaendig aufgeklaert. Hier wird versucht, durch mikroskop-fluoreszenz-spektralphotometrische Messungen an lebenden Zellen Information ueber die Verteilung des Kohlenwasserstoffs und bestimmter Abbauprodukte innerhalb der Zelle zu erhalten.

Forschergruppe (FOR) 2337: Denitrifikation in landwirtschaftlichen Böden: Prozesssteuerung und Modellierung auf verschiedenen Skalen (DASIM), Teilprojekt: Regulation, Ökophysiologie und kinetische Parameter unkultivierter, N-Gas-Flux assoziierter, anaerober mikrobieller Gemeinschaften in landwirtschaftlich genutzten Böden

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.

Sonderforschungsbereich (SFB) 924: Molekulare Mechanismen der Ertragsbildung und Ertragssicherung bei Pflanzen; Molecular Mechanisms Regulating Yield and Yield Stability in Plants, Schwerpunktprogramm SFB 924: Molekulare Mechanismen der Ertragsbildung und Ertragssicherung bei Pflanzen - Teilprojekt B05: Ökophysiologie transgener Pflanzen, die einen fremdartigen Abwehrmechanismus exprimieren

Wir möchten mit Hilfe von QTL-Kartierung Regulationselemente des Bx-Genclusters lokalisieren. Kandidatengene der Feinkartierung werden funktionell untersucht (Ko-Regulation, Mutantenanalyse, transgene Ansätze). Die Konsequenzen der Expression eines fremden sekundären Biosynthesewegs werden mit transgener A. thaliana untersucht. Kombinationen funktioneller Module der Biosynthese werden transgen exprimiert und Metabolomics- und Transcriptomics-Analysen ausgeführt. Der Einfluss von Benzoxazinoiden in transgener A. thaliana auf Pathogen- und Herbivor-Resistenz wird analysiert.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Halle, Germany from 1985 – 2023

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.

Satellite Color Images, Vegetation Indices, and Metabolism Indices from Hannover-Nord, Germany from 1984 – 2023

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.

Metabolismus von 3,4-Benzpyren in der Saeugerlunge und dessen Beeinflussung durch andere luftverunreinigende Schadstoffe

Beeinflussung der Abbauwege von Kanzerogenen durch andere Schadstoffe der Aussenluft.

Visualisierung mikrobieller Gemeinschaften auf marinem Mikroplastik: Identifikation, Interaktionen und Auswirkungen

Marines Mikroplastik (MMP) ist eine zunehmende anthropogene Verschmutzung in den Meeren. Der Einfluss auf marine Tiere, durch Verfangen und verschlucken von Plastikmüll, ist bekannt. Aber der Einfluss von MMP auf Mikroorganismen, wie Bakterien, Archaeen und Protisten, die die Basis der Nahrungsnetze bilden, ist kaum verstanden. Auf Grund der besonderen Eigenschaften von MMP, kann es als neues Habitat und als Transportmittel für bestimmte u.a. auch gesundheitsgefährdende Mikroorganismen dienen, die über lange Distanzen bis in entlegene Regionen transportiert werden können. Darüber hinaus kann MMP das Zusammenleben von Mikroorganismen in enger Nachbarschaft ermöglichen und die Stoffwechselwege vieler verschiedener Verbindungen beeinflussen. Um den Einfluss von MMP und ihrer assoziierten Mikroorgansimen auf marine Ökosysteme zu verstehen, müssen wir die Zusammensetzung und Interaktionen von mikrobiellen Gemeinschaften auf MMP identifizieren und ihre globale Ausbreitung untersuchen. Ich möchte die Diversität und die räumliche Verteilung von mikrobiellen Gemeinschaften auf MMP charakterisieren. Proben von MMP wurde bereits von meinem Gastinstitut in verschiedenen Meeresregionen (Atlantik, Pazifik, Indischer Ozean) gesammelt. Mein Ziel ist es: 1) zu identifizieren, welche Mikroorganismen auf MMP vorkommen; 2) die lokale Verteilung und Struktur der mikrobiellen Gemeinschaft auf MMP und in Experimenten auf Bioplastikpartikeln zu untersuchen; 3) zu verstehen, welche Mikroorganismen am stärksten mit der Polymer Oberfläche assoziiert sind; 4) herauszufinden, ob es charakteristische Mikrobiome auf MMP in verschiedenen Meeresregionen gibt und 5) zu untersuchen, welche Mikroorganismen MMP abbauen können. Die Chancen für die erfolgreiche Durchführung des vorgeschlagenen Projekts ist hoch, da präperierte Proben bereits in meinem Gastlabor vorhanden sind, an denen die innovative Mikroskopiertechnik namens CLASIFISH (Combinatorial Labelling and Spectral Imaging Fluorescence In Situ Hybridization) angewandt werden kann. Diese Methode ermöglicht es viele verschiedene Mikroorganismen und ihre räumliche Verteilung auf einem Plastikpartikel schnell und präzise zu identifizieren. Ich möchte diese Methode an Proben aus dem Atlantik und Pazifik anwenden, sowie Mikroben identifizieren, die im offenen Ozean Plastik abbauen. Zusätzlich möchte ich Inkubationsexperimente mit Bakterienkulturen, die bereits auf Plastik identifiziert wurden und in meinem Gastinstitut zur Verfügung stehen, auf Bioplastikpartikeln durchführen. Mit diesen Experimenten möchte ich herausfinden, wie sich mikrobielle Gemeinschaften auf Bioplastik über die Zeit entwickeln und ob bzw. wie diese Mikroben Plastik abbauen. Für diese Inkubationsexperimente möchte ich FISH, CLASIFISH, scanning electron microscopy sowie metagenomische und metatranscriptomische Ansätze verwenden.

1 2 3 4 5 … 196 197 198