Other language confidence: 0.69482056398848
Ergebnisse ein Jahr nach Einführung der Landesdüngeverordnung, Veränderungen in roten Gebieten, Veränderungen für Landwirte, Unterstützung für Landwirte, Förderung von Precision-Farming; Berichterstattung der Landesregierung im Ausschuss für Landwirtschaft und Weinbau
Web Map Service (WMS) mit der Darstellung von geplanten und bestehenden Unterbringungen für minderjährige unbegleitete Flüchtlinge. Die Angaben enthalten den Namen und die Platzzahl. Zur genaueren Beschreibung der Daten und Datenverantwortung nutzen Sie bitte den Verweis zur Datensatzbeschreibung.
Gridded Level 3 cloud fraction derived from Metop/GOME observations. Cloud physical properties (cloud fraction, cloud top height, cloud optical thickness) are derived from GOME/GOME-2 observations using the OCRA (Optical Cloud Recognition Algorithm) and ROCINN (Retrieval of Cloud Information using Neural Networks). For more details please refer to relevant peer-review papers listed on the GOME and GOME-2 documentation pages: https://atmos.eoc.dlr.de/app/docs/ The Global Ozone Monitoring Experiment-2 (GOME-2) instrument continues the long-term monitoring of atmospheric trace gas constituents started with GOME / ERS-2 and SCIAMACHY / Envisat. Three instruments operate on board EUMETSAT's Meteorological Operational satellites MetOp-A, -B, and -C, launched in 2006, 2012, and 2018, respectively. GOME-2 measures a range of atmospheric trace constituents, with the emphasis on global ozone distribution. Furthermore, cloud properties and intensities of ultraviolet radiation are retrieved. These data are crucial for monitoring the atmospheric composition and the detection of pollutants. DLR generates operational GOME-2 / MetOp products in the framework of EUMETSAT's Satellite Application Facility on Atmospheric Composition Monitoring (AC-SAF).
This project aims at the improvement and testing of a modeling tool which will allow the simulation of impacts of on-going and projected changes in land use/ management on the dynamic exchange of C and N components between diversifying rice cropping systems and the atmosphere and hydrosphere. Model development is based on the modeling framework MOBILE-DNDC. Improvements of the soil biogeochemical submodule will be based on ICON data as well as on results from published studies. To improve simulation of rice growth the model ORYZA will be integrated and tested with own measurements of crop biomass development and transpiration. Model development will be continuously accompanied by uncertainty assessment of parameters. Due to the importance of soil hydrology and lateral transport of water and nutrients for exchange processes we will couple MOBILE-DNDC with the regional hydrological model CMF (SP7). The new framework will be used at field scale to demonstrate proof of concept and to study the importance of lateral transport for expectable small-scale spatial variability of crop production, soil C/N stocks and GHG fluxes. Further application of the coupled model, including scenarios of land use/ land management and climate at a wider regional scale, are scheduled for Phase II of ICON.
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.
| Organisation | Count |
|---|---|
| Bund | 231 |
| Europa | 6 |
| Kommune | 3 |
| Land | 72 |
| Weitere | 4 |
| Wirtschaft | 2 |
| Wissenschaft | 72 |
| Zivilgesellschaft | 13 |
| Type | Count |
|---|---|
| Chemische Verbindung | 1 |
| Ereignis | 13 |
| Förderprogramm | 198 |
| Gesetzestext | 2 |
| Text | 72 |
| unbekannt | 13 |
| License | Count |
|---|---|
| Geschlossen | 83 |
| Offen | 214 |
| Unbekannt | 2 |
| Language | Count |
|---|---|
| Deutsch | 276 |
| Englisch | 53 |
| Resource type | Count |
|---|---|
| Bild | 3 |
| Datei | 17 |
| Dokument | 75 |
| Keine | 113 |
| Multimedia | 1 |
| Unbekannt | 4 |
| Webseite | 121 |
| Topic | Count |
|---|---|
| Boden | 202 |
| Lebewesen und Lebensräume | 289 |
| Luft | 120 |
| Mensch und Umwelt | 294 |
| Wasser | 123 |
| Weitere | 295 |