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.
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.
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.
Bei der Benutzung von Organochlorverbindungen als Schaedlingsbekaempfungsmittel geraten diese Substanzen an und in die Augen der Landarbeiter. Es ist das Ziel der vorliegenden Studie, den Einfluss dieser Verbindungen auf den Stoffwechsel und die Funktion des Auges zu untersuchen; Rinderlinsen dienen dabei als Testobjekt.
Wirkung von Schwefeldioxid auf Nettophotosynthese und Atmung von Flechten; Kartierung von Flechten im Stadtgebiet; Schwefel-Analysen in Flechten.
Das Spurenelement Eisen (Fe) ist an vielen essentiellen Stoffwechselvorgängen in Pflanzen beteiligt. Daher ist eine ausreichende Fe-Konzentration in pflanzlichen Geweben von außerordentlicher Bedeutung. Gramineen, die im Hinblick auf die Sicherung der Welternährung zu den wichtigsten Kulturpflanzen gehören, geben zur Aneignung von Fe Schwermetallchelatoren, sogenannte Phytosiderophore (PS), ab und nehmen Fe(III)-PS-Komplexe auf. Während das Transportprotein des Fe(III)-PS-Komplexes in Mais, eine der Modellpflanze der Gramineen, bereits molekular charakterisiert wurde, sind die Komponenten, die an der Abgabe der PS beteiligt sind, noch nicht isoliert worden. Ziel dieses Projektes ist es daher, das YS3-Gen, welches direkt oder indirekt an der Abgabe von PS in Mais beteiligt ist, zu klonieren und charakterisieren. Hierzu soll ein kartengestützter Klonierungsansatz verwendet werden. Parallel dazu soll ein direktes Transposon-tagging mit Mutator- (Mu) und Activator/Dissociator- (Ac/Ds) Transposons durchgeführt werden. Mit den in diesen Experimenten unabhängig generierten ys3-Allelen, soll schließlich der Nachweis geführt werden, dass das richtige Gen kloniert wurde. Zum Abschluss der ersten Förderperiode soll eine erste funktionelle Charakterisierung des YS3 Gens durchgeführt werden.
Entwicklung, Verbesserung, Anpassung und Erprobung von Verfahren zur Bestimmung von Alphastrahlern und anderen Radionukliden in Luft, Wasser, Bewuchs, Boden und Nahrungsmitteln. Ueberwachung von Alpha-Strahlern, insbesondere Transuranen, in Abluft, Primaer- und Abwasser kerntechnischer Anlagen (mit BGA). Messung des natuerlichen Untergrundes einzelner Radionuklide in Luftstaub und Niederschlag (teilweise mit Usaec). Ausscheidungsanalyse von Radionukliden bei Stoffwechseluntersuchungen an Kleinkindern (mit Kinderklinik der Uni Muenchen). Ueberwachung von Elementspuren in Luftstaub durch Atomabsorptions-, Aktivierungs- und Elektroanalyse sowie Ir-Spektroskopie. Bestimmung von Nullpegel- und Intoxikationsgehalten an Pb und cd in Schlachtrindern zur Festlegung von Toleranzwerten (mit Institut fuer Nahrungsmittelkunde der Uni Muenchen) sowie in Zaehnen (mit Zahnklinik der Uni Muenchen). Ueberwachung von PO-210 in verschiedenen Nahrungsmitteln. Abgabe toxischer Elemente aus Gebrauchsgeschirr.
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.
| 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 |