Landesweite Kulisse des FFH-Lebensraumtyps (LRT) 4030 - Trockene Heiden zur Anerkennung als landwirtschaftliche Bruttofläche. Der LRT 4030 befindet sich in Baden-Württemberg in einem ungünstig-schlechten Erhaltungszustand. Zur Erhaltung dieses wertvollen Lebensraumtyps ist eine Nutzung oder Pflege notwendig, welche i.d.R. in Form einer Beweidung durchgeführt wird. Um die Nutzung auf diesen extensiven Flächen attraktiver zu gestalten werden die Vorkommen des LRT 4030 als landwirtschaftliche Bruttofläche anerkannt. Dadurch kann ihre Nutzung über die Gelder der 1. Säule der Gemeinsamen Agrarumweltpolitik (GAP) gefördert werden. Voraussetzung dafür ist allerdings die regelmäßige Erstellung einer landesweit lebensraumtypscharf abgegrenzten Kulisse der Trockenen Heiden alle 3 Jahre, diese wurde im Jahr 2018 erstmals erstellt. Aufgrund der zahlreichen und kleinflächigen Bestände des LRTs und der Vorgabe einer regelmäßigen Wiederholungskartierung hat bei der Zusammenstellung der zu kartierenden Bestände eine Selektion stattgefunden. Die Kulisse umfasst somit die wesentlichen aber nicht alle Bestände des LRTs in Baden-Württemberg. Die erstellte Kulisse wurde dem Ministerium für ländlichen Raum und Verbraucherschutz Baden-Württemberg (MLR) zur Verfügung gestellt und wird in die landwirtschaftliche Bruttofläche als Dauergrünland unter etablierten lokalen Praktiken eingespeist, sodass für diese Flächen die Beantragung von Fördergeldern über die 1. Säule der GAP möglich ist. Weiterhin werden innerhalb der FFH-Gebiete alle Bestände des LRT 4030 lebensraumtypscharf über die Managementplan-Kartierungen erfasst. Außerdem findet landesweit eine vollständige Erfassung der Bestände als Flächenschätzung der LRTs innerhalb der Biotope im Rahmen der Biotopkartierung statt. Dabei erfolgt jedoch keine lebensraumtypscharfe Abgrenzung des LRTs. Die dazugehörigen Daten sind unter den entsprechenden Objektartklassen 4.1.3. Managementpläne Natura 2000 und 4.1.1 Biotopkartierungen abfragbar.
This raster dataset shows the main type of crop grown on each field in Germany each year. Crop types and crop rotation are of great economic importance and have a strong influence on the functions of arable land and ecology. Information on the crops grown is therefore important for many environmental and agricultural policy issues. With the help of satellite remote sensing, the crops grown can be recorded uniformly for whole Germany. Based on Sentinel-1 and Sentinel-2 time series as well as LPIS data from some Federal States of Germany, 21 different crops or crop groups were mapped per pixel with 10 m resolution for Germany on an annual basis since 2017. These data sets enable a comparison of arable land use between years and the derivation of crop rotations on individual fields. More details and the underlying methodology can be found in Gessner et al. 2025 and Asam et al. 2022.
Die Gemeinsame EU-Agrarpolitik (GAP) ist einer der größten Einzelposten im EU-Haushalt. Der Klimaschutz, die Pflege der Umwelt und der Erhalt von Landschaften und biologischer Vielfalt gehören zu ihren Hauptzielen. In dem Vorhaben wird untersucht werden: - welche Gelder in welcher Menge für Maßnahmen zum Schutz der Umwelt (hinsichtlich der Luftreinhaltung, des Boden-, Gewässer- und Klimaschutz sowie zum Schutz der Biodiversität) eingesetzt werden, - wie diese Gelder hinsichtlich ökologischer Effektivität und Effizienz einzuschätzen sind und - wie der Schutz von Wasser, Boden, Luft, Klima und Biodiversität über Maßnahmen in der GAP zukünftig effizienter gestaltet werden kann.
The impacts of climate change pose one of the main challenges for agriculture in Central Europe. In particular, an increase of extreme and compound extreme climate events is expected to strongly impact economic revenues and the provision of ecosystem services by agroecosystems. A highly relevant, still open question is how grassland farming systems can cope best with these climate risks to adapt to climate change. A prominently discussed economic instrument to relieve income risks is the formal insurance, but natural and social insurances are newly under discussion as well. Natural insurances include specific grassland management practises such as maintaining species-rich grasslands. Social insurances, in our terminology, comprise all forms of societal support for farmers’ climate risk management. This includes in particular arrangements of community-supported agriculture that reduce income risks for farmers, or payments for ecosystem services if their design takes risk into account. Formal, natural and social insurances may be substitutes or complements, and affect farmer behaviour in different ways. Thus, policy support for any of the three forms of insurance will have effects on the others, which need to be understood. InsuranceGrass takes an innovative interdisciplinary view and assesses formal, natural and social insurances: on how to cope best with impacts of climate extremes on grasslands, integrating social and natural sciences perspectives and feedbacks between them. Based on this holistic analysis, InsuranceGrass will provide recommendations for policy and insurance design to ensure effective risk-coping of farmers and to enhance sustainable grassland farming, considering economic, environmental and social aspects. Impacts of extreme and compound extreme events on the provision of ecosystem services (e.g. magnitude and quality of yield, climate regulation via carbon sequestration, plant diversity) by permanent grasslands in Germany and Switzerland are quantified based on long-term observations and field experiments. Cutting-edge model-based approaches will be based on behavioural theories and empirically calibrated. With the help of social-ecological modelling, InsuranceGrass explicitly incorporates feedbacks between farmers’ and households’ decision, grassland management options, and ecosystem service provision in a dynamic manner. The contributions of different insurance types are developed, discussed and evaluated jointly with different groups of stakeholders (i.e., farmers, insurance companies, public administration). A scientifically sound and holistic assessment of the role of formal, natural, and social insurances for the sustainability of grassland farming under extreme events requires both disciplinary excellence and seamless interdisciplinary collaboration. InsuranceGrass brings together four groups from Zürich and Leipzig, with unique disciplinary expertise and a track record of successful collaboration.
Im Zusammenhang mit der Aenderung der 'Effizienzverordnung'hat die EG-Kommission ihre Vorschlaege fuer die zunaechst vorgesehenen Massnahmen zur Vorruhestandsregelung erweitert. Danach koennten Landwirte im Alter von 55 Jahren und mehr im Falle einer freiwilligen Teilnahme an der Vorruhestandsregelung entweder ihren Betrieb stillegen oder aber verpachten. Der Beschluss dieses Vorschlages ist von dem EG-Agrarministerrat zunaechst zurueckgestellt worden (hauptsaechlich aufgrund der Einwaende der Bundesrepublik Deutschland). Gegenwaertig wird ueber den Vorschlag in Bruessel verhandelt. Es ist zu erwarten, dass in irgend einer Form eine Vorruhestandsregelung noch in diesem Jahr beschlossen wird. Nach vorliegenden Untersuchungen koennten Betriebsstillegungen - je nach Ausgestaltung des Programmes - unerwuenschte raeumliche Entwicklungsprozesse einleiten. Forschungsfragen sind: Welche Merkmale sollen Regionen aufweisen, in die Betriebsstillegungen hineingelenkt werden sollten und wo sollten diese nicht stattfinden ? In welchen Raeumen sind ggf. Betriebsverpachtungen im Zusammenhang mit Vorruhestand vor Betriebsstillegung vorzuziehen ? Ist aus raumordnerischer Sicht eine Beschleunigung oder eine Verzoegerung des Strukturwandels anzustreben ? Arbeitsschritte sind: Identifikation von Raeumen zu Fragen eins und zwei; Szenarien zu Frage drei; Durchfuehrung eines Expertengespraeches zu dem gesamten Fragenkomplex.
Von der Digitalisierung in der Landwirtschaft werden sich viele Vorteile für den landwirtschaftlichen Sektor versprochen. Dazu gehören unter anderem die Erhöhung der Produktivität, der Lebensmittelqualität, des Tierwohls sowie des Einkommens der landwirtschaftlichen Betriebe bei gleichzeitiger Reduzierung negativer Externalitäten der landwirtschaftlichen Produktion durch den Einsatz digitaler Technologien. Dennoch sind die Nutzungsraten in der Landwirtschaft zum Teil deutlich geringer als erwartet, was, trotz der Vorteile, auch auf Barrieren bei der Verwendung der digitalen Technologien hindeutet. Die Fragen, welche Faktoren die Einführung digitaler Technologien in der Landwirtschaft beeinflussen sowie die Kosten und nutzerfreundliche Handhabung der Technologien gehören daher zu den vorrangigsten Handlungs- und Forschungsfeldern aus Sicht der Praxis und Wissenschaft. Deshalb sollen im Rahmen des Projektes folgende Forschungsfragen beantwortet werden: Was ist der aktuelle Stand der Diffusion und Verbreitung von Anwendungen der PAT bzw. digitaler Lösungen für die Landwirtschaft in Deutschland? Wie bewerten die Landwirte*innen die Reifegrade von Anwendungen der PAT bzw. digitaler Lösungen für die Landwirtschaft anhand eines entwickelten Reifegradbewertungsrahmen? Welche latenten Faktoren beeinflussen im Rahmen eines integrierten UTAUT-TTF Modell die Nutzungsabsicht für eine Pflanzenschutz-App? Welche Faktoren beeinflussen die konkrete Zahlungsbereitschaft in Euro für eine Pflanzenschutz-App? Wie hoch ist die Zahlungsbereitschaft für eine Drohnen-Serviceleistung zur Düngemittelkartierung? Welche Faktoren beeinflussen die Zahlungsbereitschaft für einen Drohnen-Serviceleistung zur Düngemittelkartierung? Die Beantwortung der Forschungsfragen ist somit nicht nur für das finanzielle Wohlergehen der Landwirte*innen von Relevanz, sondern hat auch eine gesellschaftliche und politische Bedeutung, da sie zur Erleichterung der Diffusion digitaler Technologien und der damit einhergehenden externen Vorteile beitragen kann. Die Ergebnisse sind dementsprechend für politische Entscheidungsträger*innen sowie Berater*innen von landwirtschaftlichen Betrieben aber auch für Entwickler*innen und Anbieter*innen von digitalen Lösungen in der Landwirtschaft von Bedeutung. Durch die methodisch innovativen Ansätze sind die Ergebnisse auch für Wissenschaftler*innen von Interesse.
Das Forschungsprojekt „Das agrarpolitische Trilemma in Staaten der ehemaligen Sowjetunion“ zielt darauf ab, das makroökonomische Politiktrilemma auf den Bereich der Agrarpolitik anzuwenden und die Rolle von Politiken für die Agrarentwicklung zu bewerten. Es enthält einen theoretischen und einen empirischen Teil. Potenzielle Zielkonflikte werden aus einem theoretischen Blickwinkel bewertet. Je nachdem, inwieweit die Prioritäten der Agrarpolitiken auf der Stimulierung der heimischen Produktion, der Integration in internationale Märkte oder nichtwirtschaftlichen Zielen liegt, können Staaten räumlich abgebildet werden. Bei drei miteinander konfligierenden Zielen ergibt sich die Darstellung in Form eines Dreiecks. Die theoretischen Ansätze zur Modellierung des Wachstums des Agrarsektors werden systematisiert und die Rolle der Agrarpolitik für das Wachstum aus einer komparativ-statischen Perspektive analysiert. Die empirische Projektkomponente umfasst eine Analyse der Entwicklung der Agrarpolitik in den Nachfolgestaaten der Sowjetunion und die Quantifizierung ihrer Rolle für das landwirtschaftliche Wachstum. In diesem Projekt werden verschiedene Indizes entwickelt bzw. angepasst, die eine Quantifizierung der Agrarpolitik der Länder ermöglichen. Statistische und ökonometrische Methoden werden angewendet, um erstens die Beziehungen zwischen Zielen zu testen und zweitens den Beitrag politischer Maßnahmen zum Wachstum abzuschätzen. Schließlich werden Methoden des maschinellen Lernens eingesetzt, um das landwirtschaftliche Wachstum unter verschiedenen Politik-Szenarien vorherzusagen. Das Projekt wird die Ergebnisse in mehreren begutachteten Publikationen veröffentlichen und die generierten Daten einem breiteren Publikum über Repositorien zugänglich machen.
Klimawandel kann die menschliche Gesundheit auf verschiedenen Wegen beeinflussen: Typische Wirkungspfade in Sub-Sahara Afrika sind verringerte Erträge in der Landwirtschaft, Hitzestress und Änderungen in der Malariaprävalenz. Diese biophysikalischen und Gesundheitseffekte haben wiederum Auswirkungen auf ökonomische Systeme, z. B. über Nahrungsmittelmärkte oder Änderungen des Umfangs der Erwerbsbevölkerung oder der Arbeitsproduktivität sowie der Bevölkerungsgröße und -zusammensetzung. Das übergeordnete Ziel dieses Projekts ist die Analyse verschiedener, simultan auftretender Auswirkungen des Klimawandels auf die Gesundheit und damit die Volkswirtschaft sowie entsprechende Anpassungsstrategien im Rahmen eines dynamischen allgemeinen Gleichgewichtsmodells mit einer hohen räumlichen Auflösung sowie differenzierter Darstellung von Haushalten und Produktionsfaktoren. Dieses Ziel basiert auf zwei Beobachtungen bzgl. des Standes der Forschung sowie der Ergebnisse aus der ersten Phase der Forschergruppe: i) Die Zeitdimension ist relevant, weil Anpassungsstrategien häufig frühe Investitionen erfordern, die erst später zu Wohlfahrtsgewinnen führen. ii) Die Auswirkungen von Hitzestress und Malaria sowie die Änderungen der Produktivität von Nutzpflanzen sind sowohl in Bezug auf die Region wie auch auf Haushaltsgruppen differenziert und haben starke Implikationen für die Verteilung der Wohlfahrtswirkungen und damit politische Umsetzbarkeit von Anpassungsstrategien. Eine dynamische Modellspezifikation, die Entwicklungen über die Zeit explizit abbildet, ermöglicht relevante Analysen. So können kurzfristig hohe Investitionen in Anpassungsmaßnahmen langfristig starke Wohlfahrtsvorteile erbringen. Um Ihre Umsetzung zu ermöglichen, müssen allerdings Maßnahmenmixe umgesetzt werden, die auch hinreichend kurzfristige Vorteile beinhalten. Außerdem kann in einem dynamischen Modellrahmen die Veränderung der demographischen Struktur der Bevölkerung abgebildet werden, die sich durch klimainduzierte Veränderungen der Mortalität ergibt. Aus dem übergeordneten Ziel werden zwei Teilziele abgeleitet: 1) Eine Weiterentwicklung des komparativ-statischen Einzelland-CGE-Rahmens zu einem dynamischen Modellansatz, 2) eine verbesserte Analyse der Effektivität und Effizienz ausgewählter Anpassungsstrategien. Das Arbeitsprogramm umfasst vier Projektphasen: 1) Entwicklung eines dynamischen Modellrahmens, 2) Analyse verschiedener Anpassungsstrategien in der komparativ-statischen Modellspezifikation, 3) Analyse verschiedener Anpassungsstrategien in der dynamischen Modellspezifikation, 4) Analyse integrierter Szenarien, die die verschiedenen Wirkungspfade und ausgewählte Anpassungsstrategien simultan umfassen.
Die Präzisionslandwirtschaft und die damit verbundenen digitalen Technologien bergen viele Potenziale für eine nachhaltige Transformation des Agrarsektors und bilden die Grundlage für ressourcenschonende Produktivitätssteigerungen im Sinne der „sustainable intensification.“ Digitale Technologien aus anderen Sektoren finden somit zunehmend Anwendung in der Pflanzenproduktion. In der Konsequenz lässt sich ein Zusammenwachsen, d. h. eine Konvergenz, zwischen der digitalen Ökonomie und dem Agrarsektor beobachten. Diese Konvergenz führt zu einer Transformation hin zu einer Präzisionslandwirtschaft, die als komplexes Phänomen mit zahlreichen Wechselwirkungen zu beschreiben ist. Um dieser Komplexität gerecht zu werden, ist ein holistischer Ansatz zur Erfassung der Zusammenhänge erforderlich. Das Ziel dieses Forschungsprojektes ist daher die Untersuchung der grundlegenden strukturellen Veränderungen, die durch das Aufkommen autonomer, datengesteuerter Technologien ausgelöst werden, sowie der Folgen und Chancen für die beteiligten Akteure. Dies erfolgt im Rahmen einer Mehrebenenanalyse auf Ökosystem, Organisations- und Individualebene. Die vorliegende Untersuchung wird die Konvergenz ehemals getrennter Ökosysteme (WP1), die Auswirkungen auf die Identität von etablierten Unternehmen im Bereich der Landmaschinentechnik (WP2) sowie die kognitiven Mechanismen von Managern bei der Erkennung unternehmerischer Chancen in dem Konvergenzfeld Präzisionslandwirtschaft (WP3) analysieren. Die hier angestrebte Mehrebenenanalyse wird das Verständnis der Transformation von Agrarproduktionssystemen vertiefen, die zunehmend von physischen Produkten zu digitalen Produkt-Service-Systemen übergehen. Die Integration der Ergebnisse aller drei Untersuchungsebenen dient der Erweiterung der Forschung zu Ökosystemen und Konvergenz sowie der Beantwortung der entscheidenden Frage, welche Akteure in dem sich wandelnden und zunehmend komplexen Ökosystem der Landwirtschaft eine dominante oder einflussreiche Rolle einnehmen werden.
Neue Technologien und Betriebsführungssysteme gelten als entscheidend, um die Nachhaltigkeit und Ressourceneffizienz der Landwirtschaft zu steigern. Jedoch sind unsere Datenquellen, die Auskunft darüber geben, welche Technologien in den Betrieben tatsächlich eingesetzt werden sehr begrenzt. Das macht es schwierig zu beurteilen, ob die Technologien tatsächlich die versprochenen Umwelteffekte erzielen können und schränkt unsere Möglichkeiten ein Technologiediffusion zu untersuchen und zu verstehen. Wir argumentieren, dass Satellitendaten und neuartige Deep Learning-Ansätze derzeit ungenutzte Möglichkeiten bieten, um diese Limitationen zu überwinden. Die vorhandene Literatur hat bereits gezeigt, dass anhand von Satellitendaten Technologien auf Feldebene erkannt werden können. Bislang werden diese Datensätze jedoch nicht in vollem Umfang genutzt, um das Adoptionsverhalten oder Diffusionsprozesse zu untersuchen. Die vorhandenen Datenprodukte bieten zwar erhebliches Potential, sind aber in Bezug auf die von ihnen abgedeckten Regionen/Technologien begrenzt. Eine Ausweitung auf andere Regionen/Technologien ist nur begrenzt möglich, da für das Lernen neuer maschineller Lernmodelle oder die Erweiterung bestehender Modelle in der Regel große Mengen an gelabelten Referenzdaten (d. h. Beobachtungen mit bekannten Referenzinformationen) erforderlich sind, an denen es jedoch häufig mangelt. Die Ziele dieses Projekts sind daher zweifach. Erstens wollen wir vorhandene Datenprodukte aus Satellitendaten nutzen, um Diffusionsprozesse zu untersuchen, insbesondere die Dynamik der Adoption (“Disadoption”) und räumlich Peer-Effekte. Hier können wir einen bestehenden Datensatz für bodenschonender Bodenbearbeitung in den USA nutzen, der aus Satellitendaten abgeleitet wurde. Zweitens zielen wir darauf ab, die Anzahl der benötigten gelabelten Referenzdaten für Deep Learning-Ansätze deutlich zu reduzieren. Dazu wollen wir neuartige Lernverfahren entwickeln und insbesondere untersuchen, ob die Einbeziehung von agronomischen Domänenwissen dazu beitragen kann, die Anzahl der benötigten gelabelten Referenzdaten zu reduzieren. Wir vergleichen die entwickelten Ansätze mit den vorhandenen US-Daten und wenden sie an um neue Datenprodukte für andere Regionen (Deutschland) und Technologien (bodenschonender Bodenbearbeitung und Glyphosateinsatz) zu erstellen. Der Daten werden öffentlich zugänglich gemacht. Wir nutzen sie um die Diffusionsdynamiken von bodenschonender Bodenbearbeitung und Glyphosateinsatz in Deutschland abzuleiten, was einen wichtige Betrag für die aktuelle politische Debatte über diese Technologien liefern kann.
| Organisation | Count |
|---|---|
| Bund | 625 |
| Europa | 45 |
| Kommune | 8 |
| Land | 55 |
| Weitere | 10 |
| Wissenschaft | 225 |
| Zivilgesellschaft | 7 |
| Type | Count |
|---|---|
| Ereignis | 3 |
| Förderprogramm | 560 |
| Hochwertiger Datensatz | 1 |
| Text | 66 |
| unbekannt | 30 |
| License | Count |
|---|---|
| Geschlossen | 85 |
| Offen | 563 |
| Unbekannt | 12 |
| Language | Count |
|---|---|
| Deutsch | 599 |
| Englisch | 199 |
| Resource type | Count |
|---|---|
| Archiv | 1 |
| Bild | 18 |
| Datei | 4 |
| Dokument | 35 |
| Keine | 461 |
| Unbekannt | 1 |
| Webdienst | 1 |
| Webseite | 178 |
| Topic | Count |
|---|---|
| Boden | 439 |
| Lebewesen und Lebensräume | 643 |
| Luft | 285 |
| Mensch und Umwelt | 660 |
| Wasser | 272 |
| Weitere | 633 |