Biokulturelle Vielfalt meint die biologische und kulturelle Vielfalt des Lebens auf der Erde. In Agrarlandschaften zeigt sich biokulturelle Vielfalt in der Art und Weise, wie Menschen Landschaft formen, und wie menschliche Kulturen durch Landschaft geformt werden. Im vorgeschlagenen Projekt werden wir die biokulturelle Vielfalt in den drei Landschaften der Biodiversitäts-Exploratorien in Nord-, Mittel- und Südwestdeutschland analysieren. Durch den Einsatz sozial-ökologischer Forschungsmethoden und die Anpassung unseres Ansatzes an die etablierte Struktur der Biodiversitäts-Exploratorien zielt das vorgeschlagene Projekt darauf ab, ein umfassendes Bild der vergangenen, gegenwärtigen und zukünftigen biokulturellen Vielfalt in diesen Regionen zu erlangen. Auf der Basis von Oral Histories werden wir zunächst die historischen Landschaftsperspektiven der Bewohner:innen analysieren, um lokales ökologisches Wissen und regionale sprachliche Vielfalt in Bezug auf Landschaften zu identifizieren. Wir werden ältere Bewohner:innen interviewen und ermutigen, über ihre Erfahrungen mit und Erinnerungen an die Landschaften zu sprechen. Dabei werden landschaftsspezifische Wörter bzw. Phrasen in den drei Regionen katalogisiert und verglichen. Unter Anwendung der ‚Photo-Elicitation‘-Methode werden wir darüber hinaus die Wahrnehmungen der Bewohner:innen in Bezug auf Ökosystemleistungen in den Biodiversitäts-Exploratorien entlang eines Gradienten der Landnutzungsintensität für Wälder und Grasland untersuchen. Dabei werden sowohl Nutzungen der verschiedenen Landschaftstypen als auch Landschaftspräferenzen abgefragt. Auf diese Weise soll ein tieferes Verständnis der „gelebten“ biokulturellen Erfahrungen der Menschen in der gegenwärtigen Landschaft erlangt werden. Junge Menschen bilden die zukünftigen Gemeinschaften dieser biokulturellen Landschaften; daher ist es ist wichtig, ihre Perspektiven zu verstehen. In einem dritten Schritt werden wir mit Jugendlichen im Alter von 16 bis 24 Jahren in den drei Regionen systematisch Zukunftsszenarien in Bezug auf regionale Biodiversität entwickeln; dabei werden sowohl Treiber von Biodiversitätstrends sowie Möglichkeiten und Hindernisse für eine zukünftige Auseinandersetzung mit der Natur in den drei Regionen thematisiert und verglichen. Auf Basis der Erkenntnisse aus den oben genannten drei Arbeitspaketen sowie aus Fallstudien von Expert:innen für biokulturelle Vielfalt und Landwirtschaft mit hohem Naturwert in ganz Europa werden wir abschließend in einem Expert:innenworkshop diskutieren, wie eine biokulturelle Linse zum Schutz des biologischen und kulturellen Erbes in europäischen Agrarlandschaften beitragen kann. Dies wird eine Gelegenheit sein, wissenschaftliche Netzwerke zu stärken und darzustellen, wie im Rahmen der Biodiversitäts-Exploratorien die Untersuchung biokultureller Vielfalt im Zentrum Europas ermöglicht wird.
Ziel des FAM ist es, in einem langfristigen Versuch die oekologischen Folgen von zwei unterschiedlichen Bewirtschaftungssystemen in einem Landschaftsausschnitt zu untersuchen. Dabei sollen Wege der Landbewirtschaftung aufgezeigt werden, die wirtschaftliche Landnutzung mit der Erhaltung und Wiederherstellung der natuerlichen Lebensgrundlagen unserer Agrarlandschaft zu vereinen. Teilprojekte und Arbeitsgruppen: Bereich Landnutzungsysteme, Bereich Biologische Diversitaet, Bereich Wasser- und Stoffbilanz, Bereich Betriebsbilanz, Planungsgrundlagen und Dokumentation, Bereich Zentrale Aufgaben
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.
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.
Das SUSTAINGAS Handbuch gibt einen gebündelten Überblick in die Konzepte, landwirtschaftliche Perspektiven und Best Practice Beispiele für die nachhaltige Erzeugung von Biogas im Ökolandbau. Gemeinsam mit weiteren Projektpartnern untersuchte Ecofys die agronomischen und ökonomischen Dimensionen von Biogas im Ökologischen Landbau. Das Handbuch erklärt, welche Schritte nötig sind, damit eine Biogasanlage einen wertvollen Beitrag zur Umwelt leistet und stellt eine Entscheidungshilfe zur Verfügung, die verschiedene Substrate, Anlagengrößen und Eigentumsmodelle berücksichtigt. SUSTAINGAS ist ein Projekt im Rahmen des Intelligent Energy Europe Programms der Europäischen Union. Neben der deutschen Version können Sie das Handbuch auf der Projektseite in sechs weiteren Sprachen herunterladen: http://sustaingas.eu/.
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.
Die Arbeiten aus dem vorhergehenden Zeitraum wurden fortgefuehrt. Wiederum erwies sich die Rollhacke mit zusaetzlichen Hackscharen wegen ihrer geringen Verstopfungsneigung und hohen Flaechenleistung auch fuer Rueben als gut geeignet. Der Vorauflaufeinsatz von Striegeln brachte gute Ergebnisse. Der Einsatz einer modifizierten Hacke brachte selbst bei Getreide (12 cm Reihenabstand) in Marokko so gute Erfolge, dass mechanische Verfahren auch kostenmaessig gut mit chemischen Verfahren konkurrieren koennen. Die Technikwirkungsanalyse einer in Entwicklung befindlichen selektiven, sensorgesteuerten Reihenhackmaschine erwies sich beim Maiseinsatz pflanzenbaulich-oekonomisch der Feldspritze ebenbuertig, oekologische jedoch deutlich ueberlegen.
| Organisation | Count |
|---|---|
| Bund | 276 |
| Kommune | 1 |
| Land | 13 |
| Wissenschaft | 99 |
| Zivilgesellschaft | 4 |
| Type | Count |
|---|---|
| Förderprogramm | 276 |
| Text | 7 |
| License | Count |
|---|---|
| Geschlossen | 7 |
| Offen | 276 |
| Language | Count |
|---|---|
| Deutsch | 263 |
| Englisch | 125 |
| Resource type | Count |
|---|---|
| Bild | 1 |
| Dokument | 3 |
| Keine | 161 |
| Unbekannt | 3 |
| Webseite | 120 |
| Topic | Count |
|---|---|
| Boden | 202 |
| Lebewesen und Lebensräume | 277 |
| Luft | 147 |
| Mensch und Umwelt | 283 |
| Wasser | 117 |
| Weitere | 280 |