Other language confidence: 0.898879347183042
Wie das jüngste dürrebedingte Waldsterben und der Waldwachstumsrückgang in Europa und auf der ganzen Welt zeigen, hat der Klimawandel verheerende Auswirkungen auf die Waldökosysteme. Daher werden dringend neue Strategien zur Stabilisierung bestehender Wälder benötigt. Eine zentrale Herausforderung für die Waldbewirtschaftung besteht darin, dass die meisten Vorhersagen zur Abschätzung des Trockenstresses in Wäldern auf vereinfachten Ansätzen auf der Bestandsebene beruhen, wodurch verschiedene potenziell wichtige unterirdische Prozesse vernachlässigt werden. In diesem Projekt werden die Auswirkungen zweier solcher unterirdischer Prozesse—(i) die Dynamik des tiefen Wassers und (ii) die Artenmischung—auf die Widerstandsfähigkeit von Waldökosystemen gegenüber Wasserstress mit Hilfe eines gekoppelten ökohydrologisch-pflanzenhydraulischen Modells untersucht, das durch Felddaten zu stabilen Wasserisotopen, Wasserstress der Bäume und Saftfluss, die in diesem Projekt gesammelt wurden, sowie durch Synergien mit laufenden Projekten aus Deutschland und Frankreich ergänzt wird. Die Innovation dieses gekoppelten Modells besteht darin, dass der Schwerpunkt auf trockenheitsbedingten Prozessen in den Pflanzen und im Boden liegt. Das Projekt besteht aus vier Arbeitspaketen (APs), die von vier Arbeitsgruppen (zwei in Deutschland und zwei in Frankreich) geleitet werden. Das erste AP wird stabile Wasserisotopenmessungen nutzen, um unterirdische Prozesse im Feld zu untersuchen. Diese Messungen werden zur Information und Validierung der Berechnungsmodelle verwendet, die im zweiten und dritten Arbeitspaket entwickelt werden. Darüber hinaus werden Daten, die im Rahmen laufender Forschungsprojekte gesammelt wurden, für die Modellierung herangezogen. Das zweite AP wird ein ökohydrologisches und ein pflanzenhydraulisches Modell miteinander koppeln, um die topographischen Einflüsse auf das tiefe Wasser in einer räumlich verteilten Weise zu untersuchen. Das dritte AP wird ein pflanzenhydraulisches Multispeziesmodell entwickeln, um die Auswirkungen der Artenmischung auf die Widerstandsfähigkeit der Wälder gegen Trockenheit zu untersuchen. Schließlich wird das vierte AP eine detaillierte modellgestützte Fallstudie in den Vogesen, Frankreich, durchführen, wo sowohl topografische Einflüsse als auch interindividueller Wettbewerb eine wichtige Rolle für die Muster der Baumsterblichkeit spielen dürften. Das Projekt wird wertvolle Einblicke in zwei bisher wenig erforschte Komponenten der Widerstandsfähigkeit von Wäldern gegen Trockenheit liefern und mit dem gekoppelten ökohydrologisch-pflanzenhydraulischen Modell ein neuartiges Instrument für zukünftige Trockenheitsstudien bereitstellen. Außerdem erwarten wir, dass dieses Projekt die Zusammenarbeit zwischen den französischen und deutschen Gruppen stärkt, was zu künftigen gemeinsamen Forschungsanstrengungen führen soll.
Seen gelten als Hauptverursacher von atmosphärischem Methan (CH4). CH4-Emmissionen entstehen durch Blasenbildung und diffusiven Transport von CH4 über die Wasser-Atmosphären-Grenzfläche. Letzteres beruht auf einer Übersättigung von gelöstem CH4 im Oberflächenwasser. Während der geschichteten Periode kann die CH4 Konzentration im oxischen Epilimnion die Konzentration des oxischen Hypolimnios übersteigen. Diese Anreicherung von CH4 im Epilimnion ist bisher noch nicht gänzlich verstanden und wird häufig als „Methanparadox“ bezeichnet, da: (i) die vertikale CH4 Diffusion diese Anreicherung nicht verursachen kann, da die CH4 Konzentration niedriger in tieferen Wasserschichten als im Epilimnion ist, und (ii) die CH4 Produktion (Methanogenese) in oxischen Umgebungen normalerweise nicht vermutet wird. Daher gibt es zwei Haupthypothesen bezüglich des Methanparadox, die darauf hindeuten, dass die Hauptquelle für das angereicherte CH4 in den oxischen Schichten entweder (i) der laterale Transport von CH4 aus hochproduktiven Uferzonen ist oder (ii) die Methanogenese, die im oxischen Wasser des Epilimnions stattfindet. Trotz der Bemühungen, die in den letzten Jahren unternommen wurden, um die Hauptquelle(n) und Pfade des angereicherten CH4 im Epilimnion von Seen aufzuklären, fehlt beide Hypothesen immer noch starke Unterstützung durch experimentelle Beweise. Für das beantragte Projekt, werden wir detaillierte Feld- und Labormessungen durchführen, um beide dieser Hypothesen zu testen. Räumliche Verteilungen von CH4konzentrationen, CH4 flüsse, oxische CH4 Produktion sowie Oxidationsraten werden verwendet, um unbekannte CH4 Quellen im Epilimnion zu quantifizieren. Transekte von Vertikalprofilen von gelöstem CH4 die Bestimmung des CH4 Transports innerhalb der litoralen Zone sowie aus der litoralen Zone in die pelagische Zone hinein. Die Erhebung solcher detaillierten Daten, welche für diese Analyse erforderlich sind, wird durch die Verwendung eines hochsensitiven Messystems gewährleistet, welches eine schnelle Erfassung von räumlich hochaufgelösten Verteilungen von gelöstem CH4 ermöglicht. Die CH4 Flüsse sowie Produktions- und Oxidationsraten werden mit Hilfe der Flusskammer Methode und Respirationsassays bestimmt. Unterstützend werden stabile Isotopenanalysen und molekularbiologische Werkzeuge verwendet um die wichtigsten biochemischen Wege und Aktanten zu identifizieren. Die Untersuchungen werden im Untersee (Bodensee) und im Überlingersee durchgeführt. Beide dieser Seen besitzen eine ähnliche Wasserchemie, unterscheiden sich jedoch hinsichtlich ihrer CH4 Konzentrationen, was eine vergleichende Bewertung der CH4 Dynamiken ermöglicht. Insgesamt zielt dieses Projekt darauf ab, das „Methanparadox“ zu enthüllen, indem es nicht nur die Hauptquelle(n) des CH4 im übersättigten Epilimnion entschlüsselt, sondern ebenfalls die Massenbilanz des CH4 in Seen mit ähnlichen Eigenschaften schließt.
Das Projekt "Quantifying the Influence of SnowmelT on RIVEr Hydrology in High Mountain Asia (STRIVE)" fokussiert sich auf alpine Flüsse und dem Zeitpunkt und Menge der Schneeschmelze im Himalaya . In vielen alpinen Einzugsgebieten stammt ein signifikanter Teil des jährlichen Wasserhaushalts aus der Schneeschmelze, insbesondere während der Monate vor dem Beginn des Monsuns. Da die Gletscher in vielen hochgelegenen Bergregionen weiter schmelzen werden, wird der saisonale Wasserpuffer durch die Schneeschmelze in Zukunft noch wichtiger werden. Auch die Gefahr von Überschwemmungen wird zunehmen, da die steigenden Temperaturen die Schneeschmelze im Frühjahr beschleunigen. Trotz der Bedeutung des Schneewasserhaushalts für viele besiedelte Gebiete sind Zeitpunkt und Volumen der Schneeschmelze nach wie vor nur unzureichend bekannt - insbesondere in Einzugsgebieten in großer Höhe. Um besser quantifizieren zu können, wann und wo das Wasser der Schneeschmelze die alpinen Flüsse erreicht, wird das STRIVE-Projekt einen kombinierten in-situ- und satellitenbasierten Ansatz verwenden, um (1) den Zeitpunkt und die räumliche Verteilung der Schneeschmelze zu überwachen, (2) den Einfluss der Schneeschmelze auf die Flusshöhen und (3) Flusstemperaturen zu bewerten. Die im Rahmen des STRIVE-Projekts gesammelten neuen Daten mit hoher zeitlicher Auflösung werden mit lokalen und regionalen hydrologischen Daten kombiniert, um (4) ein umfassenderes Verständnis der aktuellen Schneeschmelze und deren Wassermenge für alpine Flüsse zu entwickeln. Hier spielen insbesondere die sich verändernden Klimabedingungen eine große Rolle. Die Ergebnisse des STRIVE-Projekts werden für Forscher verschiedener Fachbereiche in der physischen Geographie, Hydrologie und Geomorphologie, zum Einschätzen von Naturgefahren und für Manager sowie Entwickler von Wasserkraftwerken im gesamten Himalaya und in ähnlichen, von der Schneeschmelze angetriebenen alpinen Ökosystemen, von großem Nutzen sein. Um die Forschungszusammenarbeit und den Austausch mit den nepalesischen Partnern zu erleichtern und nachhaltiger zu machen, wird das STRIVE-Projekt zwei Workshops für Nachwuchswissenschaftlerinnen durchführen, die sich mit der Sammlung und Verarbeitung von in-situ- und Fernerkundungsdaten beschäftigen. Diese Workshops werden dazu beitragen, die Ergebnisse und Erkenntnisse des STRIVE-Projekts zu verbreiten und sicherzustellen, dass die entwickelten Methoden und Daten auch nach dem Ende des Projekts in die Forschung und in wasserpolitische Entscheidungen im Himalaya einfließen.
Ausreichende Verfügbarkeit von Trinkwasser und entsprechende Langzeitplanung sind wesentliche Voraussetzungen für eine nachhaltige Zukunft. Dazu bedarf es verlässlicher Langzeitprognosen des zukünftigen Wasserbedarfs. Stündliche und tägliche Bedarfsprognosen mithilfe von maschinellem Lernen (ML) sind wohletabliert, sofern ausreichend Daten vorhanden sind. Dennoch gibt es einige Herausforderungen. Erstens verfügen viele lokale Wasserversorger lediglich über monatliche Bedarfsdaten. Zweitens ist das System wegen des Klimawandels und wegen sozialer, rechtlicher und wirtschaftlicher Veränderungen instationär. Drittens sind zukünftige Wetter- und Klimabedingungen sowie die genannten Wandelprozesse unsicher. Insgesamt führt dies zu hoch volatilen und unsicheren Szenarien mit begrenzten Daten, was eine große Herausforderung für Modellierung und ML-Methoden darstellt. Dennoch sollten diese Methoden breit in verschiedenen Klima- und Wirtschaftsregionen anwendbar sein, zuverlässige Vorhersagen über Jahrzehnte ermöglichen und für Experten in Planungsbüros handhabbar sein. Dieses Projekt zielt darauf ab, Langzeitprognosen des Wasserbedarfs zu verbessern, indem wir folgende vier Forschungsfragen bearbeiten: Welche ML-Modelle für datenarme Probleme beschreiben den Wasserbedarf am besten, und kann die Modellauswahl automatisiert werden? Welche erklärenden Variablen sind notwendig, und wie sind diese zukünftig verteilt? Wie können wir der variierenden Aussagekraft von Daten in instationären Problemen begegnen? Wie können wir sinnvolle Unsicherheitsintervalle für Risikobewertungen erreichen? Um diese Fragen zu beantworten, werden wir speziell für datenarme Situationen entwickelte ML-Modelle entwickeln, kombinieren und bewerten sowie deren Auswahl automatisieren. Dies umfasst auch die Auswahl der erklärenden Variablen und die Untersuchung ihrer Wahrscheinlichkeitsverteilungen. Wir werden auf zwei Zeitskalen arbeiten: kurzfristig (lokal Wetter) und langfristig (Klima). Für die kurze Zeitskala werden wir statistische Wettergeneratoren verwenden, während wir für die langfristige Skala Langzeit-Wettervorhersagen des DWD unter verschiedenen Klimaszenarien nutzen werden. Da technische, gesellschaftliche oder wirtschaftliche Veränderungen und ihre Auswirkungen auf den Wasserbedarf schwer vorhersehbar und allgemein modellierbar sind, müssen sie als exogene oder festgesetzte Variablen behandelt werden. Sie können die Aussagekraft von Daten, die unter aktuellen Bedingungen erhoben werden, beeinflussen. Daher werden wir Multi-Fidelity-Ansätze entwickeln, die aus kürzeren Zeitreihen größerer räumlicher Gebiete lernen können. Für das Projekt bauen wir auf Vorarbeiten im Bereich des Polynomiellen Chaos und der Gauß-Prozess-Regression auf. Alle Methoden werden open-source verfügbar gemacht, um Transparenz in der Bedarfsvorhersage zu fördern und somit verbesserte Vorhersagen und Entscheidungsunterstützung öffentlich verfügbar zu machen.
Mehrere tausend Gletscherseen sind durch die beschleunigte Gletscherschmelze in den Hochgebirge der Erde entstanden, von denen einige rasch an Volumen zunehmen. Vereinzelt kommt es immer wieder zu unvorhergesehenen Dammbrüchen mit teils katastrophalen Folgen für die talabwärts siedelnde Bevölkerung. Die Abflussspitzen solcher Gletscherseeausbrüche oder GLOFs (glacier lake outburst floods) können meteorologische Fluten lokal um ein Vielfaches übersteigen, und eventuell durch anhaltendes Wachstum von Gletscherseen in Zukunft noch höher werden. Die Gefährdung, oder Eintretenswahrscheinlichkeit, eines GLOFs ist jedoch weitestgehend unbekannt, weil bisher möglicherweise nur die größeren, schadensreichen Fluten dokumentiert wurden. Dieser Forschungslücke wollen wir begegnen, indem wir die räumliche und zeitliche Verteilung von Gletscherseen und deren Ausbrüche systematisch untersuchen. Unser Ziel ist es, durch die Erstellung von Inventaren von Gletscherseen und GLOFs zu quantifizieren, wie sich die GLOF-Gefahr zwischen 1985 und 2020 verändert hat. Unsere Untersuchungsregion sind die Gebirge des Pacific Northwest (NW-Amerika). Die dortigen Gletscher hatten in den vergangenen beiden Jahrzehnten eine der höchsten Schmelzraten weltweit. Jedoch blieb das Wachstum und Ausbrüche der zumeist eis- und moränen-gedämmten Seen regional nahezu unerforscht. Wir werden automatisch Gletscherseen aus Landsat-Satellitenbildern in mehreren Zeitschritten ab Mitte der 1980er Jahre kartieren. Aus diesen Seeninventaren und klimatischen, glaziologischen und morphologischen Variablen werden wir Bayes‘sche Modelle lernen, um die Entstehung von Gletscherseen vorhersagen zu können. Plötzlich auftretende Sedimentverfrachtungen unterhalb von Seen können auf bisher unerkannte GLOFs hinweisen, welche wir aus Landsat-Bildern automatisch detektieren werden. Diese Ereignisse werden wir mit verfügbaren Abflusszeitreihen und Feldarbeit an zwei ausgewählten Gletscherseen validieren werden. Somit erhalten wir ein regional konsistentes Inventar von GLOFs, aus dem wir ableiten können, wie stark sich deren Raten und Magnituden in den letzten 35 Jahren verändert haben. Schließlich werden wir Zeitreihen aus gemessenen und simulierten GLOF-Abflüssen zusammenführen, sodass wir die Jährlichkeit eines GLOFs abschätzen können. Mit Hilfe eines nicht-stationären Extremwertmodells werden wir zeigen, wie sich die Gefährdung durch GLOFs in den letzten Jahrzehnten verändert hat und wie sie sich bei anhaltender Gletscherschmelze verändern könnte. Wir sind zuversichtlich, dass unsere computer-gestützte Arbeit die Veränderungen der GLOF-Gefährdung vom Einzugsgebiet bis zur lokalen Ebene zuverlässig aufzeigen wird. Wir werden unsere Modelle frei zugänglich machen, was für Entscheidungsträger und Regionalplaner angesichts einer wachsenden Bevölkerung und Ressourcengewinnung im Pacific Northwest von Bedeutung sein wird.
Digital verfügbare Datensätze in der terrestrischen Wasser- und Umweltforschung werden immer zahlreicher und umfangreicher, sind allerdings oft nicht ohne Weiteres zugänglich und wissenschaftlich verwendbar. Häufig sind sie unzureichend mit Metadaten beschrieben und in unterschiedlichsten Datenformaten abgelegt, dazu oftmals nicht in Datenportalen/-repositorien, sondern auf lokalen Speichermedien vorgehalten. Basierend auf der in einem Vorgängerprojekt entwickelten virtuellen Forschungsumgebung V-FOR-WaTer ist es das Ziel von ISABEL, dieses Datenangebot in einem Webportal verfügbar zu machen. Hier sollen Umweltwissenschaftler auf Daten aus unterschiedlichen Quellen wie z.B. Landesämtern oder Hochschulprojekten einfach und schnell zugreifen, aber auch eigene Daten teilen können. Zusätzlich sind Schnittstellen zu bestehenden Datenportalen geplant, damit bereits veröffentlichte Datensätze mit einbezogen werden können. Mithilfe integrierter Werkzeuge sollen diese Daten leicht skaliert werden und in einem einheitlichen Format verfügbar sein. Außerdem stehen Analysewerkzeuge für weitere Auswertungen zur Verfügung. Diese werden vom Entwicklerteam beständig für den Bedarf der Community erweitert, können aber auch direkt von Nutzern beigetragen werden. Ein leichtes Abspeichern der Analyseschritte und verwendeten Werkzeuge macht die Berechnungen reproduzierbar, zudem wird durch die Anbindung an vorhandene Datenrepositorien die Publikation eigener Daten vereinfacht. Damit adressiert ISABEL den Bedarf von Forschenden aus den Wasser- und Umweltwissenschaften, Daten nicht nur aufzufinden und darauf zugreifen zu können, sondern mit standardisierten Werkzeugen für reproduzierbare Datenanalyseschritte effizient datengetrieben zu lernen.
Gewässerrenaturierungsprojekte zielten bisher hauptsächlich darauf ab, natürliche lokale Habitatbedingungen wiederherzustellen und dadurch die Biodiversität zu erhöhen. Dieser habitatbasierte Ansatz auf lokaler Ebene vernachlässigt den starken Einfluss von großräumigen Umweltfaktoren. Außerdem sind die gesellschaftlichen Bedürfnisse und der Nutzen von Renaturierungen bislang kaum untersucht und ihre Beziehung zum lokalen und regionalen Umweltkontext unklar. In letzter Zeit wurden Konzepte zu den relevanten räumlichen Skalen für die Gewässerrenaturierung entwickelt, diese wurden aber noch nicht an großen Datensätzen getestet. Das COSAR-Projekt untersucht den Einfluss des gegenwärtigen und historischen räumlichen Kontextes von Renaturierungsprojekten auf die ökologischen und gesellschaftlichen Renaturierungsergebnisse. Die Projektpartner kombinieren ihre vorhandenen ökologischen Monitoringdaten von 200 Restaurierungsprojekten aus Mittel- und Nordeuropa. Zusätzlich werden Social-Media-Posts von renaturierten Standorten analysiert, um Rückschlüsse auf Ökosystemleistungen und die Interaktion der Menschen mit renaturierten Standorten zu ziehen. Das Projekt besteht aus drei Arbeitsschritten. Erstens definieren und quantifizieren wir ökologische und gesellschaftliche Indikatoren für den Erfolg von Renaturierungen und untersuchen ihre Synergien und Zielkonflikte. Zweitens kontextualisieren wir die ökologischen und gesellschaftlichen Restaurierungsergebnisse mit biotischen und abiotischen Umwelt- und sozioökonomischen Daten auf verschiedenen räumlichen Skalen, um die relevanten Treiber und Skalen zu identifizieren, die den Renaturierungserfolg fördern oder verhindern. In diesen Analysen berücksichtigen wir auch historische Umweltbedingungen. Drittens entwickeln und verbreiten wir ein interaktives Online-Werkzeug, das während der Restaurierungsplanung genutzt werden kann, um das in den ersten beiden Stufen gewonnene Wissen auf eigene Restaurierungsszenarien anzuwenden. Zusätzlich stellen wir Faktenblätter zur Verfügung und zeigen Best-Practice-Beispiele für die Renaturierungsplanung auf. Wir wenden einen transdisziplinären Ansatz an und legen großen Wert auf die Einbindung von Stakeholdern in allen Projektphasen. Diese Stakeholder vertreten verschiedene Interessengruppen aus allen am Projekt beteiligten Nationalitäten. Sie helfen bei der Identifizierung der relevanten Erfolgsindikatoren, gestalten den Fokus der Kontextanalysen, geben Ratschläge, um die Relevanz und Benutzerfreundlichkeit der Projektergebnisse sicherzustellen und fungieren als Botschafter bei der Verbreitung der Projektergebnisse. Mit diesem Projektdesign stellen wir neues Wissen und Werkzeuge zur Verfügung, um den ökologischen und gesellschaftlichen Nutzen von Renaturierungsprojekten zu fördern, die Planung vielversprechender Renaturierungsprojekte zu erleichtern um die Ziele der Wasserrahmenrichtlinie und die Sustainable Development Goals 3, 6, 14 &15 zu erreichen.
Methan (CH4) ist ein potentes Treibhausgas, das zur globalen Erwärmung beiträgt und eine wichtige Rolle in der Atmosphärenchemie spielt. Aquatische Systeme wurden kürzlich als bedeutende Quellen von CH4 identifiziert, die bis zu 50 % zu den globalen CH4-Emissionen ausmachen. Es besteht jedoch weiterhin erhebliche Unsicherheit über das Ausmaß dieser Emissionen, insbesondere über deren räumliche und zeitliche Treiber. Dies gilt besonders für CH4-Emissionen aus den aquatischen Systemen der Arktis, die bisher kaum untersucht wurden. Um das Verständnis des globalen CH4-Budgets zu verbessern, ist es daher entscheidend die Quellen von CH4 in aquatischen Systemen genau zu charakterisieren und zu klassifizieren. Aktuelle Methoden zur Klassifizierung von CH4-Quellen nutzen stabile Isotopenverhältnisse wie stabile Kohlenstoff- (delta13C) und Wasserstoff- (delta2H) Isotopenwerte von CH4 (13C vs. 2H Diagramme) sowie geochemische Bernard-Verhältnisse, welche die molaren Verhältnisse von CH4 zu Ethan und Propan gegen delta13C-CH4 Werte darstellt (Bernard-Diagramme). Beide Diagramme werden verwendet, da verschiedene CH4-Quellen durch spezifische Bereiche von delta13C- und delta2H-CH4-Werten sowie Bernard-Verhältnissen charakterisiert sind. Eine wesentliche Einschränkung ergibt sich aus der CH4-Oxidation (MOx) durch methanotrophe Bakterien, die in aquatischen Umgebungen weit verbreitet sind. Dieser Prozess verändert die CH4-Konzentrationen und stabilen Isotopenwerte sowie die Ethan- und Propankonzentrationen, wobei die Oxidation dieser Gase bezüglich der CH4-Quellenklassifizierung bisher unberücksichtigt bleibt. Dies kann zu einer erschwerten Klassifizierung von CH4-Quellen bis hin zu Fehlinterpretationen führen. Ein vielversprechender neuer Parameter, um die Klassifizierung von CH4-Quellen in dieser Hinsicht zu verbessern, ist der sogenannte Delta(2,13)-Parameter, der auf den delta13C- und delta2H-Werten von CH4 basiert, jedoch zusätzlich für die durch MOx verursachte Isotopenfraktionierung korrigiert. Derzeit beeinträchtigen jedoch die begrenzte Nutzung des Delta(2,13) Parameters sowie fehlendes Wissen über potenzielle Einflussfaktoren seine Zuverlässigkeit und erfordern eine systematische Untersuchung. Das Ziel von AMIOX ist es, das Verständnis des aquatischen CH4-Kreislaufs zu vertiefen, indem die Klassifizierung von CH4-Quellen und -Senken in gemäßigten und arktischen aquatischen Systemen verbessert wird. Dies soll durch die Einführung des neuen Delta(2,13)-Parameters in Kombination mit Bernard- und 13C vs. 2H-CH4 Diagrammen erreicht werden. Um diese Ziele zu erreichen, werde ich den Einfluss von MOx auf die Delta(2,13)-Werte und Bernard-Verhältnisse durch drei weit verbreitete methanotrophe Spezies in Laborstudien unter verschiedenen Umweltbedingungen untersuchen. Schließlich werde ich die erworbenen Erkenntnisse im Feld anwenden, um das Verständnis des CH4-Kreislaufs in Seen in gemäßigten Breiten in Deutschland und arktischen Seen in Grönland zu verbessern.
| Organisation | Count |
|---|---|
| Bund | 193 |
| Wissenschaft | 107 |
| Type | Count |
|---|---|
| Daten und Messstellen | 2 |
| Förderprogramm | 193 |
| License | Count |
|---|---|
| Offen | 195 |
| Language | Count |
|---|---|
| Deutsch | 189 |
| Englisch | 190 |
| Resource type | Count |
|---|---|
| Datei | 1 |
| Dokument | 1 |
| Keine | 1 |
| Webseite | 192 |
| Topic | Count |
|---|---|
| Boden | 195 |
| Lebewesen und Lebensräume | 173 |
| Luft | 129 |
| Mensch und Umwelt | 195 |
| Wasser | 195 |
| Weitere | 195 |