Seit Beginn der 80er Jahre wird in der Ursachenforschung der Waldschaeden bestimmten Luftschadstoffen eine entscheidende Rolle beigemessen. Aus diesem Grund wurde von der Forstlichen Versuchs- und Forschungsanstalt Baden-Wuerttemberg ein Pilotprojekt begonnen. Ziel dieses Vorprojektes war die Entwicklung und Erprobung einer Grosskammer zur Untersuchung von Filterwirkung, Wintertauglichkeit und Kammerklima. Solche 'oben offenen Experimentierkammern' bieten die Moeglichkeit, Luftschadstoffe der Umgebungsluft auszuschliessen. Aus den Kontrollen mit den jeweiligen Freiluftbaeumen lassen sich dann Rueckschluesse auf die Auswirkungen der verschiedenen Schadstoffe ziehen. Dieses Pilotprojekt wurde im Muenstertal im Suedschwarzwald in 850 m ue NN durchgefuehrt. Die praktische Erprobung waehrend zweier Betriebsjahre zeigte einen weitgehend stoerungsfreien Kammerbetrieb. Die hoelzerne Konstruktion und die Folienbespannung widerstanden allen Belastungen durch Wind und Schnee. Lueftungs- und Filterungssystem arbeiteten befriedigend. Im Gegensatz zum technischen Kammerbetrieb bleiben die qualitativen Kammerbedingungen hinter den Erfordernissen zurueck. Eine wesentliche Abweichung von den Freilandbedingungen stellten die fehlenden Nebel- und Tauereignisse dar. Aus immissionsoekologischer Sicht entfielen hierdurch Depositionen, die fuer das aktuelle Schadensphaenomen der montanen Nadelvergilbung von besonderer Bedeutung sein koennten. Die nahezu lueckenlosen Messreihen der Klimawerte belegten ferner, dass die grundlegende Forderung nach einem freilandaehnlichen Kammerklima in den getesteten Kammern nur bedingt erfuellt werden konnte. Dies traf insbesondere fuer Luft- und Bodentemperaturen, fuer die relative Luftfeuchtigkeit und die Strahlungsverhaeltnisse zu. Aufgrund der beobachteten Klimaeffekte sowie des Fehlens wesentlicher immissionsoekologischer Feuchtefaktoren lassen die Testpflanzen sowohl kurz- als auch langfristig Wuchs- und Symptomreaktionen erwarten, die nicht mit denen des Freilandes vergleichbar sind. Unter diesen Bedingungen ist nur der Vergleich von Kammer zu Kammer statthaft. Die Durchfuehrung spezieller Kurzzeitexperimente (zB waehrend einer Vegetationsperiode) mit den Behandlungsvarianten Rein- und Umgebungsluft scheiterte an der relativ geringen Luftschadstoffbelastung des Projektstandortes. Gegen Langzeit-Experimente sprachen die nicht vergleichbaren Wachstumgsbedingungen innerhalb und ausserhalb der Kammern. Um uebertragbare Kammerergebnisse zu erzielen, muessten kostenintensive Optimierungsmassnahmen vorgenommen werden. Vorrangige Verbesserungen waeren im Bereich der Lichtbedingungen und der Temperaturreduktion angezeigt. Die Steuerungsgruppe kam zu dem abschliessenden Ergebnis, dass das Projekt im Vorprojektstadium abgeschlossen und am Standort 'Muenstertal' nicht in ein langfristiges Abschlussprojekt uebergeleitet werden sollte.
Der zip-Ordner enthält 30-jährige Rastermittel für Beobachtungs- (1881-1910 bis 1991-2020) und die Ergebnisbandbreite mit Mittelwert der Absolutwerte und Änderungssignale zu 1971-2000 für Projektionszeiträume der Klimaszenarien RCP8.5 und RCP2.6 (2031-2060 und 2071-2100) im Koordinatensystem epsg:4647 (UTM32) für die Zeiteinheiten: - yr: Kalenderjahr (Jan. - Dez.) - sp: Frühling (Mär. - Mai) - su: Sommer (Jun. - Aug.) - au: Herbst (Sep. - Nov.) - wi: Winter (Dez. - Feb.) - hyr: Hydrologisches Jahr (Nov. - Okt.) - hsu: Hydrologisches Sommerhalbjahr (Mai - Okt.) - hwi: Hydrologisches Winterhalbjahr (Nov. - Apr.) - gs: Vegetationsperiode (Apr. - Sep.) - vd: Vegetationsruhe (Okt. - Mär.) - m01.. Monate Januar bis Dezember Neben den Rasterdaten ist eine Information zu den Dateinamen und für eine Darstellung im GIS eine Klassifizierung der Rasterdaten mit Klassenname und hexcolor-code gegeben.
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.
Unser Wissen zur Ökologie und Bedeutung von Mikroorganismen in Böden ist umfassend. Dies gilt im Gegensatz dazu nicht für die Ökologie der Viren. Erkenntnisse dazu hinken dem Kenntnisstand aus aquatischen Lebensräumen weit hinterher. Böden beherbergen eine große Anzahl an Viren und das Viren - Wirt Verhältnis liegt meist deutlich über jenem in aquatischen Systemen. Unterschiede in den Virenpopulationen können teilweise auf unterschiedliche Bodencharakteristika (pH, Wassergehalt, Anteil an organischem Material) erklärt werden. Dies lässt den Schluss zu, dass Unterschiede in der Landnutzung entsprechend die Virenabundanz als auch Viren - Wirt Interaktionen beeinflussen. In Böden tragen bis zu 68% aller Bakterien induzierbare Prophagen, ein Hinweis darauf, dass die Heterogenität im Boden und die ungleiche Verteilung der Mikroorganismen eine lysogene Vermehrung von Viren selektiert. Dies hat zur Folge, dass der Austausch von genetischer Information zwischen Virus und Wirt vorwiegend durch Transduktion stattfindet. Bis dato analysierte Virenmetagenome aus dem Boden bestanden bis zu 50% aus transduzierten Genen prokaryotischen Ursprungs. Obwohl davon ausgegangen werden kann, dass Viren im Boden, wie für aquatische Lebensräume gezeigt, einen signifikanten Einfluss auf die räumliche und zeitliche Dynamik ihrer Wirte (Killing the Winner Hypothese) und deren kontinuierliche Anpassung (Red Queen Hypothese), wichtige Ökosystemfunktionen und biogeochemische Prozesse haben, kennen wir die Art und Häufigkeit der Interaktionen nicht und empirische Daten fehlen. Wir postulieren, dass Transduktion eine wichtige Rolle für die Resilienz von Böden unter intensiver Landnutzung spielt, da in diesen Böden i) die mikrobielle Diversität vergleichsweise niedrig ist, was zu einer erhöhten Sensitivität gegenüber Veränderungen in den Umweltbedingungen führt. Andererseits, ii) hat die durch Düngung erhöhte spezifische Aktivität von Mikroorganismen eine erhöhte Transduktionsrate zur Folge, da Viren für ihre Vervielfältigung auf metabolisch aktive Wirte angewiesen sind. Um unsere Hypothese zu überprüfen, werden wir an 150 Standorten der Biodiversitäts-Exploratorien und im Detail an einer Auswahl an Grünlandstandorten mit unterschiedlicher Intensität der Bewirtschaftung Untersuchungen durchführen. Analysiert wird die Beziehung zwischen Virenabundanzen und VBRs mit der Bewirtschaftung, der Vegetationsperiode und den vorherrschenden Umweltbedingungen. Zusätzlich untersuchen wir mit Hilfe moderner molekularer Methoden die Zusammensetzung der Virengemeinschaften und ihre Diversität, sowie viren-assoziierte Funktionen prokaryotischen Ursprungs. Experimente zu Virus-Wirt Interaktionen und die Analyse von CRISPR like structures in den prokaryotischen Wirten werden Erkenntnisse zu der Ökologie bakterieller Gemeinschaften liefern. Nicht zuletzt werden wir Viren von abundanten Bodenbakterien (z.B. Pseudomonaden) für vergleichende Genomanalysen und Kreuzinfektionsversuche isolieren.
Die Karte zeigt die mittlere Veränderung des potenziellen Zusatzwasserbedarfs (in mm) 2031-2060 gegenüber 1971-2000 unter dem „Kein-Klimaschutz“-Szenario (RCP8.5). Unter Zusatzwasserbedarf wird die mittlere Wassermenge innerhalb der Vegetationsperiode (April-September) verstanden, die zur Aufrechterhaltung von 40 % nutzbarer Feldkapazität (nFK) im effektiven Wurzelraum (nFKWe) erforderlich ist. Berechnet wird die mittlere Wassermenge für einen Mittelwert der Fruchtarten Winterweizen, Wintergerste, Wintergerste mit Zwischenfrucht, Sommergerste, Mais, Zuckerrüben und Kartoffeln. Die Klimamodelle sind mit dem „Kein-Klimaschutz“-Szenario (RCP8.5) angetrieben. Dabei handelt es sich um ein Szenario des IPCC (Weltklimarat), welches einen kontinuierlichen Anstieg der globalen Treibhausgasemissionen beschreibt, der bis zum Ende des 21. Jahrhunderts einen zusätzlichen Strahlungsantrieb von 8,5 Watt pro m² gegenüber dem vorindustriellen Niveau bewirkt. Die Ergebnisse aller Klimamodelle sind gleich wahrscheinlich. Daher kann neben dem Mittelwert, der eine Tendenz aufzeigt, auch der obere (Maximum) und untere (Minimum) Rand der Ergebnisbandbreite über den MapTip abgerufen werden.
Die Karte zeigt die mittlere Veränderung des potenziellen Zusatzwasserbedarfs (in mm) 2071-2100 gegenüber 1971-2000 unter dem „Kein-Klimaschutz“-Szenario (RCP8.5). Unter Zusatzwasserbedarf wird die mittlere Wassermenge innerhalb der Vegetationsperiode (April-September) verstanden, die zur Aufrechterhaltung von 40 % nutzbarer Feldkapazität (nFK) im effektiven Wurzelraum (nFKWe) erforderlich ist. Berechnet wird die mittlere Wassermenge für einen Mittelwert der Fruchtarten Winterweizen, Wintergerste, Wintergerste mit Zwischenfrucht, Sommergerste, Mais, Zuckerrüben und Kartoffeln. Die Klimamodelle sind mit dem „Kein-Klimaschutz“-Szenario (RCP8.5) angetrieben. Dabei handelt es sich um ein Szenario des IPCC (Weltklimarat), welches einen kontinuierlichen Anstieg der globalen Treibhausgasemissionen beschreibt, der bis zum Ende des 21. Jahrhunderts einen zusätzlichen Strahlungsantrieb von 8,5 Watt pro m² gegenüber dem vorindustriellen Niveau bewirkt. Die Ergebnisse aller Klimamodelle sind gleich wahrscheinlich. Daher kann neben dem Mittelwert, der eine Tendenz aufzeigt, auch der obere (Maximum) und untere (Minimum) Rand der Ergebnisbandbreite über den MapTip abgerufen werden.
Die Karte zeigt die mittlere Veränderung des potenziellen Zusatzwasserbedarfs (in mm) 2071-2100 gegenüber 1971-2000 unter dem „Kein-Klimaschutz“-Szenario (RCP8.5). Unter Zusatzwasserbedarf wird die mittlere Wassermenge innerhalb der Vegetationsperiode (April-September) verstanden, die zur Aufrechterhaltung von 40 % nutzbarer Feldkapazität (nFK) im effektiven Wurzelraum (nFKWe) erforderlich ist. Berechnet wird die mittlere Wassermenge für einen Mittelwert der Fruchtarten Winterweizen, Wintergerste, Wintergerste mit Zwischenfrucht, Sommergerste, Mais, Zuckerrüben und Kartoffeln. Die Klimamodelle sind mit dem „Kein-Klimaschutz“-Szenario (RCP8.5) angetrieben. Dabei handelt es sich um ein Szenario des IPCC (Weltklimarat), welches einen kontinuierlichen Anstieg der globalen Treibhausgasemissionen beschreibt, der bis zum Ende des 21. Jahrhunderts einen zusätzlichen Strahlungsantrieb von 8,5 Watt pro m² gegenüber dem vorindustriellen Niveau bewirkt. Die Ergebnisse aller Klimamodelle sind gleich wahrscheinlich. Daher kann neben dem Mittelwert, der eine Tendenz aufzeigt, auch der obere (Maximum) und untere (Minimum) Rand der Ergebnisbandbreite über den MapTip abgerufen werden.
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.
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 | 1980 |
| Europa | 26 |
| Kommune | 4 |
| Land | 228 |
| Weitere | 51 |
| Wirtschaft | 1 |
| Wissenschaft | 477 |
| Zivilgesellschaft | 11 |
| Type | Count |
|---|---|
| Agrarwirtschaft | 3 |
| Daten und Messstellen | 1627 |
| Ereignis | 2 |
| Förderprogramm | 501 |
| Hochwertiger Datensatz | 1 |
| Kartendienst | 1 |
| Text | 103 |
| Umweltprüfung | 5 |
| unbekannt | 144 |
| License | Count |
|---|---|
| Geschlossen | 1528 |
| Offen | 842 |
| Unbekannt | 17 |
| Language | Count |
|---|---|
| Deutsch | 2100 |
| Englisch | 1368 |
| Resource type | Count |
|---|---|
| Archiv | 37 |
| Bild | 13 |
| Datei | 1617 |
| Dokument | 79 |
| Keine | 460 |
| Multimedia | 1 |
| Unbekannt | 6 |
| Webdienst | 61 |
| Webseite | 1255 |
| Topic | Count |
|---|---|
| Boden | 1385 |
| Lebewesen und Lebensräume | 2387 |
| Luft | 1446 |
| Mensch und Umwelt | 2146 |
| Wasser | 1183 |
| Weitere | 2373 |