Zielsetzung: Das Projektziel ist es, Strategien zur Erhöhung der Ertragssicherheit im Zuckerrübenanbau unter Trockenbedingungen zu entwickeln. Das Projekt strebt dabei eine Integration züchterischer und agronomischer Ansätze an. Für die gezielte Sortenwahl und -entwicklung werden Optimierungspotentiale über wassersparende Blattarchitektur sowie verbesserte Nutzung von Winter-niederschlägen aus tieferen Bodenschichten untersucht. Die unterschiedlichen Sortentypen werden unter zwei Anbausystemen (Pflug vs. Mulchsaat) und zwei Standortbedingungen (hohe vs. niedrige nutzbare Feldkapazität) geprüft, um damit angepasst Systemlösungen für die Zuckerrübenproduktion im semiariden Klimaraum (nordöstliches Flach- und Hügelland) Österreichs zu entwickeln. Die konkreten Ziele des Projekts sind: (1) In-situ Bewertung von Sorten-Unterschieden in der Bodenwassernutzung auf Grundlage der Analyse von Wasserisotopensignaturen. (2) Definition trockenheitsresistenter Sortenideotypen hinsichtlich Blattapparat und Wurzelleistung als strategischer Rahmen für Sortenempfehlung und Züchtung. (3) Quantifizierung des Reduktionspotentials von Evaporationsverlusten durch Mulchsaat bei unterschiedlichem standörtlichem Wasserspeichervermögen des Bodens. (4) Untersuchung von Wechselwirkungen zwischen Sortentyp, Anbausystem und Standortbedingungen und modellbasierte Entwicklung von Strategien zur Anpassung an Trockenheit unter künftigen Klimabedingungen im österreichischen Zuckerrübenbau. Dem Projekt liegen folgende Hypothesen zugrunde: (1) Sorten mit tieferen Wurzelsystemen nutzen anteilig mehr Bodenwasser, das durch Winterniederschläge neugebildet wurde, und weisen in tieferen Bodenschichten daher eine stärkere Veränderung der Wasserisotopensignatur auf als Sorten, die auf oberflächennahe Bodenwasserressourcen angewiesen sind. (2) Auf Standorten mit hoher Wasserspeicherfähigkeit haben Zuckerrübensorten mit hohem Potential der Winterfeuchtenutzung (tiefes Wurzelsystem) eine höhere Ertragsfähigkeit als Sorten mit sparsamer Wassernutzung. Auf Standorte mit geringerer Wasserspeicherfähigkeit dagegen sind Sorten mit sparsamer Wassernutzung (reduzierter Blattapparat) ertragsfähiger. (4) Auf Standorte mit geringer Speicherfähigkeit hängt die Ertragsfähigkeit vor allem von der produktiven Nutzung der Niederschläge in der Vegetationszeit ab. Auf diesen Standorten ist die Reduktion von Evaporationsverlusten durch Mulchsaatsystemen von größerer Bedeutung für die Ertragsfähigkeit als auf gut speicherfähigen Standorten. Es wird erwartet, dass die Ergebnisse des Forschungsprojekts eine verbesserte, standortangepasste Sortenempfehlung sowie optimierte Anbausysteme für die Rohstoffaufbringung in der österreichischen Zuckerrübenproduktion erlauben und damit die Zuckerrübe als wichtiges Fruchtfolgeglied in den Ackerbausystemen in Österreich auch zukünftig sichern. (Text gekürzt)
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.
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.
a) Evaluierungsuntersuchungen, um das Genmaterial in die Arbeiten der Zuechtungsforschung und praktischen Zuchtbetriebe einbeziehen zu koennen. b) Zusammenarbeit bzw. Abstimmung mit einschlaegigen Fachinstituten zur Durchfuehrung von Freiland-, Gewaechshaus- und Laborversuchen bzw. -untersuchungen. c) Freilandversuche waehrend der Vegetationsperiode in Abhaengigkeit von der betr. Pflanzenart; Gewaechshausversuche ueber das ganze Jahr, ebenso Laboruntersuchungen; langfristig.
Im Grossen Moor bei Gifhorn wurden umfangreiche Vernaessungsmassnahmen durchgefuehrt mit dem Ziel eine bodenebene Vernaessung der abgetorften Bereiche zu erreichen. Zur Kontrolle der pflanzensoziologischen Entwicklung durch die Vernaessung wurden Transsekte in den Versuchsflaechen angelegt und waehrend 2 Vegetationsperioden die Veraenderungen aufgenommen. Parallel zu den laufenden Beobachtungen des Wasserstandes wurden ueber 2 Jahre pH-Wert-Messungen vorgenommen. Ueber ein Jahr wurden Niederschlags- und Klimamessungen durchgefuehrt, deren Werte mit denen benachbarter meteorologischer Stationen verglichen werden sollen. Stichprobenartig wurden Temperaturen der bodennahen Luftschichten als Lebensraum der Kueken des Birkhuhns erfasst. Laufende Telemetrierungsarbeiten und die Bestimmung der vom Birkwild bevorzugt aufgesuchten Bereiche erlauben erste Aussagen ueber die fuer das Birkhuhn wichtige Gliederung der Landschaft. Ergaenzend zu den durch die Telemtrierungsarbeiten gewonnenen Erkenntnisse werden Beobachtungen aus verschiedenen Mooren Niedersachsens in denen Restbestaende des Birkhuhns vertreten sind, aufgenommen.
Außer dem bekannten Treibhausgas Kohlendioxid (CO2) existieren weitere stark klimawirksame Spurengase biologischen Ursprungs, z.B. Lachgas (N2O) und Methan (CH4), die mikrobiell im Boden produziert (N2O, CH4) oder im Falle des Methans auch verbraucht (oxidiert) werden. Die steigende atmosphärische CO2-Konzentration kann sich über die Pflanzen in vielfacher Weise auf die bodenmikrobiellen, Spurengasproduzierenden Prozesse auswirken. So ist beispielsweise nachgewiesen worden, dass der Wasserverbrauch der Pflanzen unter erhöhtem CO2 häufig sinkt und die Abgabe von leicht zersetzbarem Kohlenstoff an den Boden (Wurzelexudation) steigt. Beides könnte die Denitrifikation und damit die N2O-Produktion begünstigen, ebenso die Methanproduktion, wenn im Boden anaerobe Bedingungen (z.B. durch Überflutung) eintreten. Steigende Bodenfeuchte würde zugleich die Sauerstoff-abhängige Methanoxidation im Oberboden hemmen. Zu diesem Thema existieren bislang weltweit nur Kurzzeit- und Laborstudien. Im hier vorgestellten Projekt werden im Freilandexperiment die Langzeitauswirkungen steigender atmosphärischer CO2-Konzentrationen über das System Pflanze-Boden auf die Flüsse der klimawirksamen Spurengase N2O und CH4 in einem artenreichen Dauergrünland untersucht. Hierzu gelangt ein im Institut für Pflanzenökologie neuentwickeltes Freiland-CO2-Anreicherungssystem (FACE) zur Anwendung, bei dem die CO2-Konzentration in drei Anreicherungsringen seit Mai 1998 um etwa 20 Prozent gegenüber den drei Kontrollringen erhöht wurde. Über die Jahresbilanzierungen der Spurengasflüsse sowie über begleitende Prozessstudien soll geklärt werden, wie und auf welche Weise erhöhtes CO2 auf die N2O- und CH4-Spurengasflüsse rückwirkt. Die ersten Ergebnisse zeigen deutlich, dass in einem etablierten artenreichen Ökosystem wie dem untersuchten Feuchtgrünland zuerst die unterirdischen Prozesse auf die steigenden CO2-Konzentrationen reagierten (Bestandesatmung). Die oberirdische Biomasse zeigte erst nach etwa 1,5 Jahren der CO2-Anreicherung einen signifikanten Zuwachs gegenüber den Kontrollflächen. Im Jahr 1997, vor dem Beginn der CO2 -Anreicherung, waren sowohl die N2O-Emissionen als auch die CH4 Flüsse auf den (späteren) Anreicherungs- und den Kontrollflächen fast identisch. Seit Beginn der Anreicherung hingegen sind die N2O-Emissionen vor allem während der Vegetationsperiode dramatisch angestiegen: auf 278 Prozent der Emissionen der Kontrollflächen. Die Methanoxidation war rückläufig unter erhöhtem CO2: Mittlerweile oxidieren die CO2 Anreicherungsflächen 20 Prozent weniger CH4 als die Kontrollflächen (Jahr 2000), wobei auch hier der größte Unterschied während der Vegetationsperiode auftrat. Eine erhöhte Bodenfeuchte kommt als Erklärung nicht in Frage, da sich diese nicht geändert hat.
Ethylen spielt eine bedeutsame Rolle in Bildungs- und Abbauprozessen troposphärischen Ozons. Zudem kommt Ethylen in der Wechselwirkung zwischen Biosphäre und Atmosphäre eine besondere Bedeutung zu. So kann es durch Bildung von Ozon indirekt zu einer Schädigung von pflanzen führen, andererseits wird unter Stressbedingungen, z.B. unter erhöhten ambienten Ozonkonzentrationen, Ethylen von Pflanzen abgegeben. Ethylen wird jedoch auch von anthropogenen Quellen emittiert. Ziel des Vorhabens ist die Untersuchung des biogenen und anthropogenen Anteils der Ethylenemission und -immission in einem unter Ozonstress stehendem Waldgebiet. Das Vorhaben wird im besonderen auf die Ethylenemission von Buchen eingehen. Mittels gaschromatographischer Online-Messung von Ethylen, Isopren sowie Acetylen sollen die Emissions- und Immissionsgänge im Tagesverlauf sowie während einer Vegetationsperiode erfasst werden. Isopren wird nur durch biogene Prozesse emittiert. Für Acetylen sind keine biogenen Quellen bekannt. Somit ist über die gleichzeitige Messung von Acetylen und Isopren eine Diskriminierung des biogenen Anteils der Ethylenemissionen und -immissionen möglich. Als weitere Absicherung des biogenen Ethylenanteils soll die in der Ethylenbiosynthese wichtige Ethylenvorstufe 1-Aminocyclopropan1-Carboxylsäure berücksichtigt werden.
| Organisation | Count |
|---|---|
| Bund | 2009 |
| Europa | 26 |
| Kommune | 7 |
| Land | 249 |
| Weitere | 35 |
| Wirtschaft | 1 |
| Wissenschaft | 486 |
| Zivilgesellschaft | 11 |
| Type | Count |
|---|---|
| Agrarwirtschaft | 2 |
| Daten und Messstellen | 1682 |
| Ereignis | 2 |
| Förderprogramm | 498 |
| Hochwertiger Datensatz | 1 |
| Kartendienst | 1 |
| Text | 118 |
| Umweltprüfung | 5 |
| unbekannt | 127 |
| License | Count |
|---|---|
| Geschlossen | 1580 |
| Offen | 839 |
| Unbekannt | 17 |
| Language | Count |
|---|---|
| Deutsch | 2149 |
| Englisch | 1421 |
| Resource type | Count |
|---|---|
| Archiv | 38 |
| Bild | 13 |
| Datei | 1678 |
| Dokument | 84 |
| Keine | 454 |
| Multimedia | 1 |
| Unbekannt | 3 |
| Webdienst | 52 |
| Webseite | 1318 |
| Topic | Count |
|---|---|
| Boden | 1373 |
| Lebewesen und Lebensräume | 2436 |
| Luft | 1446 |
| Mensch und Umwelt | 2141 |
| Wasser | 1184 |
| Weitere | 2423 |