Die Diversität, Abundanz und Populationsdynamik von Bienen, Wespen und ihren Gegenspielern sollen auf 45 Streuobstwiesen unterschiedlicher Größe, Bewirtschaftung und Landschaftseinbindung über einen Zeitraum von 3 Jahren untersucht werden. Die Aufstellung von insgesamt 540 Nisthilfen für Bienen und Wespen und die jährliche Auswertung der angelegten Nester erlauben Aussagen zur Artenvielfalt und Häufigkeit sowie zur Populationsentwicklung der einzelnen Arten, zu stadienspezifischen Mortalitätsraten, zu Parasitierungsraten und zum Artenspektrum von Gegenspielern sowie dem resultierenden Reproduktionserfolg. Die Landschaftsstruktur wird in acht Radien von 250m bis 3000m um die Streuobstwiesen mit einem Geographischen Informationssystem (GIS) erfasst. Die Bedeutung der Habitatgröße und der Landschaftsstruktur auf unterschiedlichen räumlichen Skalen für die Populationsdynamik kann so getestet werden. Zur Bewertung der Habitatqualität wird der Baumbestand, der Totholzanteil, die Vegetationsstruktur und das Blütenangebot erfasst, um Aussagen zur relativen Bedeutung von Ressourcenverfügbarkeit (Nistmöglichkeiten und Pollenquellen) und Regulation durch Gegenspieler für die Populationsentwicklung auf den Streuobstwiesen zu erhalten. Die Analyse von Pollenproben ermöglicht Aussagen zur Ressourcennutzung und zur relativen Bedeutung der Streuobstwiesen und der umgebenden Landschaft als Nahrungsquelle. Detaillierte Auswertungen und Experimente mit Osmia rufa beinhalten die Entfernung der Gegenspieler an 15 Standorten, die Bestimmung von Kokongewichten und Geschlechterverhältnissen und die individuelle Markierung und Beobachtung schlüpfender Weibchen zur Ermittlung von Sammelzeiten und Ansiedlungsraten.
In vielen tropischen Gebieten werden Regenwälder gerodet, um Holz und andere Waldprodukte zu gewinnen und Nahrungs-, Futter-, Faser- und Energiepflanzen anzubauen. Häufig wird angenommen, dass beim Roden natürlicher Wälder alle Funktionen und Leistungen des Waldes verloren gehen. Allerdings ist eine vollständige Konservierung in vielen Situationen nicht realistisch und aus ökologischer Sicht möglicherweise auch nicht erforderlich. Überraschenderweise wurden die Determinanten der Abholzung tropischer Regenwälder und die Rolle der daraus entstehenden agrarischen Nutzungssysteme für den Erhalt von Biodiversität und anderen ökologischen und sozioökonomischen Funktionen im Detail bisher nur wenig wissenschaftlich erforscht. Der Sonderforschungsbereich 990 (SFB 990 / EFForTS) verfolgt das Ziel, wissenschaftlich fundierte Erkenntnisse darüber bereitzustellen, wie auf der Landschaftsskala die ökologischen Funktionen tropischer Regenwälder und landwirtschaftlicher Nutzungssysteme erhalten und verbessert werden können, bei gleichzeitiger Steigerung der menschlichen Wohlfahrt. Ebenso verfolgt der SFB die Frage, wie landwirtschaftliche Nutzung und Naturschutz besser integriert werden können. Die Forschung wird in einer der größten Tieflandregenwaldregionen Südostasiens durchgeführt, der Provinz Jambi in Sumatra, Indonesien. Gummi- und Ölpalmenplantagen gehören zu den wichtigsten landwirtschaftlichen Nutzungssystemen in Jambi. Innerhalb der Provinz wurden zwei Landschaften und 36 Kernflächen für umfassende Analysen ausgewählt, die unterschiedliche Nutzungssysteme und Regenwaldreferenzflächen umfassen. In einer der Landschaften wurden zum Vergleich Flussufer- und nicht-Flussuferbereiche identifiziert. Zudem werden in zwei Experimenten in Ölpalmplantagen der Einfluss von Anreicherungskulturen sowie von unterschiedlichen Dünger- und Pestizidintensitäten erforscht. Bei den Analysen wird eine Vielzahl relevanter Aspekte untersucht und verglichen, z.B. ober- und unterirdische Biodiversität, Bodenfruchtbarkeit, Wasser- und Nährstoffflüsse, Treibhausgasemissionen, sowie wirtschaftliche, soziale, kulturelle und politische Dimensionen der Landnutzungsänderung. Besonderes Augenmerk liegt auf der Analyse von Synergien und Konflikten zwischen den unterschiedlichen ökologischen und sozioökonomischen Funktionen, deren detaillierte Kenntnis eine wichtige Voraussetzung für die Entwicklung und Umsetzung nachhaltiger Agrarsysteme ist. Der SFB wird in enger Kooperation zwischen der Universität Göttingen und verschiedenen Partnerinstitutionen in Indonesien durchgeführt. Dieses Programm zur Erforschung von Transformationsprozessen in tropischen Tieflandregenwäldern ist mit Blick auf die sehr breite interdisziplinäre Ausrichtung und die Landschaftsperspektive international einzigartig.
Die Gutachtlichen Landschaftsrahmenpläne (GLRP) sind nach § 12 Abs. 2 des Landesnaturschutzgesetzes durch das Landesamt für Umwelt, Naturschutz und Geologie (LUNG) aufzustellen und fortzuschreiben. Sie werden für die vier Planungsregionen (PR) des Landes Mecklenburg-Vorpommern aufgestellt: Westmecklenburg (PR 1), Mittleres Mecklenburg/Rostock (PR 2), Vorpommern (PR 3), Mecklenburgische Seenplatte (PR 4). In den GLRP werden die Ziele und Maßnahmen des Naturschutzes und der Landschaftspflege einschließlich der Vorsorge für die Erholung des Menschen in Natur und Landschaft flächendeckend erarbeitet, dargestellt und begründet. Der GLRP nimmt zunächst eine umfassende Analyse des gegenwärtigen Zustands der Naturgüter Boden, Wasser, Klima/Luft, Arten und Lebensräume, Landschaftsbild und landschaftliche Freiräume vor. Aus der Analyse des Zustands und den erkennbaren Entwicklungstendenzen werden anhand der aufgestellten Leitbilder und Qualitätsziele die Erfordernisse und Maßnahmen zur Sicherung des Biotopverbundes, der ökologischen Funktionen sowie der Erholungsfunktionen der Landschaft hergeleitet. Neben einem ausführlichen Textteil enthalten die GLRP umfangreiches Kartenmaterial (in der zweiten Ausgabe etwa 20 Textkarten im Übersichtsmaßstab sowie 6 Planungskarten im Maßstab 1:100.000). Die raumbedeutsamen Inhalte der GLRP werden nach einer Abwägung mit anderen Belangen in die Regionalen Raumentwicklungsprogramme (RREP) übernommen. Weiterhin sollen die GLRP von Behörden und anderen öffentlichen Stellen, deren Tätigkeit sich auf Natur und Landschaft auswirkt, beachtet werden. Die GLRP für die vier Planungsregionen des Landes wurden erstmalig in den Jahren 1996 bis 1998 veröffentlicht (erste Ausgabe). Der GLRP Mittleres Mecklenburg/Rostock wurde ab Oktober 2004 fortgeschrieben und nach Durchführung eines breit angelegten Beteiligungsverfahrens im April 2007 in einer zweiten Ausgabe fertiggestellt. Der GLRP Westmecklenburg wurde ab Oktober 2006 fortgeschrieben. Für den Entwurf Stand April 2008 wird im Mai/Juni 2008 das Beteiligungsverfahren durchgeführt. Voraussichtlich Ende 2008 wird die Endfassung der zweiten Ausgabe des GLRP Westmecklenburg veröffentlicht. Die Erarbeitung der Fortschreibung des GLRP Vorpommern begann im Sommer 2007. Ein Beteiligungsexemplar wird voraussichtlich Anfang bis Mitte des Jahres 2009 vorliegen.
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.
Seit 1979 erfassen Satelliten der NOAA-Serie die Erde und liefern damit eine der längsten kontinuierlichen Bild-Datenreihen von Satelliten überhaupt. Durch ihre großflächige Abdeckung, ihre hohe zeitliche Auflösung und ihren kostengünstigen Empfang eignen sich diese Daten hervorragend zum Monitoring. Bislang werden diese langen Zeitreihen noch kaum herangezogen, um langfristige Veränderungen von Oberflächenphänomenen zu beschreiben, denn der Großteil der Fernerkundungsarbeiten beschäftigt sich mit neueren Sensoren und deren Anwendungen. Gerade vor dem Hintergrund der Landdegradierung durch unangepaßte Landnutzung in den Trockenräumen der Erde sollten die vorhandenen archivierten Datenreihen zur Langzeitanalyse aber genutzt werden und die Ergebnisse in Konzepte des Landmanagements einfließen. In Namibia vollzieht sich in den Nationalparks und dem Weideland die Landdegradierung durch eine massive Verbuschung, v.a. mit Acacia mellifera. Die Verbuschungsdynamik der letzten 20 Jahre soll in Etosha mit NOA-AVHRR-Daten erfasst werden. Die Ergebnisse aus dem Etosha-Nationalpark können dann zum Monitoring der Verbuschung in Namibia von örtlichen Institutionen eingesetzt werden. So ist die Inwertsetzung der Daten gewährleistet und durch die Weiterentwicklung der NOAA-Serie durch das MODIS-System auch für die Zukunft gewährleistet.
Historischer Landnutzungswandel kann erheblichen Einfluss auf die aktuelle Komposition, Struktur und Funktion von Ökosystemen haben. Frühere lokale Landnutzung kann z.B. durch Standortveränderungen, Samenbank oder überdauernde Arten anhaltende Effekte auf Artengemeinschaften haben. Auf der Landschaftsebene kann es durch Landnutzungswandel zu drastischen Veränderungen der räumlichen Konfiguration von Habitaten, z.B. Patchgrößen, Gesamtfläche und Konnektivität, kommen. Die Habitatkonfiguration hat bekanntermaßen Einfluss auf die Entstehung und die Diversität von Artengemeinschaften. In Fällen, in denen sich die Habitatkonfiguration aufgrund von Landnutzungswandel erheblich verändert hat, kann die historische Konfiguration signifikanten Einfluss auf die aktuellen Artengemeinschaft haben.Wir werden Daten zu Pflanzen und Arthropoden der Grünland-EP und Landnutzungskarten von 1870-2010 (die in diesem Projekt erstellt werden) der drei Exploratorien verwenden, um Auswirkungen früherer Landnutzung und historischer Habitatkonfiguration auf Artenreichtum und Traits der Gemeinschaften zu modellieren. Die Landnutzungskarten und daraus abgeleitete Landschaftsmaße werden allen AGs in den Biodiversitätsexploratorien über BExIS zur Verfügung gestellt, um weitere Studien zu Auswirkungen historischer Landnutzung zu unterstützen.Ziele: 1.) Historische Landnutzungs- und Landschaftsanalyse: wir werden Landnutzung von historischen Karten abdigitalisieren, Landnutzungstrajektorien auf der lokalen und landschaftlichen Ebene analysieren und Maße der historischen Landschaftstruktur berechnen. Für Hainich-Dün ist dies bereits durchgeführt worden. 2.) Modellierung der Auswirkungen historischer Landschaftsdynamik auf Artenreichtum der Pflanzen und Arthropoden: wir werden testen, ob sich die historische Habitatkonfiguration auf den aktuellen Artenreichtum auswirkt und dabei wichtiger als die aktuelle Konfiguration ist, wenn es starke Veränderungen der Grünlandfläche gegeben hat (Zu-/ Abnahme). Des Weiteren werden wir spezifischere Analysen von EP mit neu entstandenem Grünland (z.B. in Hainich-Dün) sowie mit Grünlandfragmentierung durchführen und bei Letzterem auch Aussterbeschuld untersuchen. 3.) Modellierung der Auswirkungen früherer Landnutzung und historischer Habitatkonfiguration auf die Trait-Zusammensetzung von Artengemeinschaften: unter diesem Objective werden wir historische Effekte auf die multivariate Trait-Zusammensetzung, die Anteile bestimmter Artengruppen (z.B. Habitatspezialisten) und Trait-Mittelwerte der Gemeinschaften modellieren. 4.) Quantitative Modellierung der Interaktionen zwischen Traits und früherer Landnutzung und historischer Habitatkonfiguration: hierfür werden wir einen neuen Modellierungsansatz verwenden, der auf Verallgemeinerten Linearen Gemischten Modellen basiert, um zu quantifizieren, wie stark bestimmte Traits die Zusammenhänge zwischen dem Vorkommen von Arten und früherer Landnutzung sowie historischer Konfiguration modifizieren.
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.
| Organisation | Count |
|---|---|
| Bund | 249 |
| Europa | 8 |
| Kommune | 4 |
| Land | 21 |
| Weitere | 9 |
| Wirtschaft | 1 |
| Wissenschaft | 362 |
| Zivilgesellschaft | 3 |
| Type | Count |
|---|---|
| Daten und Messstellen | 214 |
| Förderprogramm | 241 |
| Text | 16 |
| unbekannt | 7 |
| License | Count |
|---|---|
| Geschlossen | 19 |
| Offen | 458 |
| Unbekannt | 1 |
| Language | Count |
|---|---|
| Deutsch | 226 |
| Englisch | 284 |
| Resource type | Count |
|---|---|
| Archiv | 2 |
| Bild | 1 |
| Datei | 212 |
| Dokument | 6 |
| Keine | 198 |
| Webseite | 63 |
| Topic | Count |
|---|---|
| Boden | 198 |
| Lebewesen und Lebensräume | 478 |
| Luft | 326 |
| Mensch und Umwelt | 478 |
| Wasser | 113 |
| Weitere | 471 |