Der Rückgang der Artenvielfalt ist auf globaler bis lokaler Ebene vielfach belegt. Insbesondere Arten des Offenlandes sind hiervon betroffen. Die Auswertung historischer und aktueller Daten zum Vorkommen von Arten der Tagfalter und Widderchen (im Folgenden kurz „Tagfalter“ genannt) im Raum Münster zeigt einen Rückgang um 38 % seit 1900. Vor diesem Hintergrund wurden die Tagfalter auf fünf extensiven Ganzjahresweiden und zwei Standortübungsplätzen (SÜP) im Münsterland untersucht. Entlang standardisierter Transekte erfolgte die Erfassung der Tagfalterdiversität und -abundanz sowie verschiedener Habitatparameter. Insgesamt konnten 32 Arten in den Untersuchungsgebieten nachgewiesen werden, die höchste Gesamtartenzahl bei gleichzeitig geringster Individuenzahl zeigte sich auf dem SÜP „Dorbaum“. Trotz der vergleichsweise kleinen Flächen wiesen die Weidelandschaften ein breites Artenspektrum auf, die Arten- und Individuenzahlen der Transektzählungen waren hier im Vergleich zu den SÜP signifikant höher. Die Datenauswertung und Diskussion ergab, dass für Tagfalter eine über die gesamte Vegetationsperiode hohe Blütendeckung, eine hohe Strukturvielfalt, blütenreiche Saumstrukturen, ein natürliches Störungsregime sowie Brachestadien essenziell sind. Auf Grundlage dieser Ergebnisse werden Schutzmaßnahmen für die Untersuchungsgebiete diskutiert.
Mykotoxine sind toxische Stoffwechselprodukte, die von Schimmelpilzen in verschiedenen Umweltmatrices, auch im Boden, produziert werden. Obwohl Mykotoxine reguliert sind und Strategien zur Vermeidung, Reduktion und Minderung entwickelt wurden und kontinuierlich angewendet werden, kommen Mykotoxine immer noch in Lebensmitteln vor, so dass der Mensch täglich gegenüber Mykotoxine exponiert ist. Deoxynivalenol (DON) ist ein Fusarium-Mykotoxin, das in Lebensmitteln weit verbreitet ist und auch in Biomonitoring-Studien häufig beobachtet wird. Die Biosynthese von DON in verschiedenen Matrices wird durch Umwelt- und chemische Faktoren bestimmt. Es wurde postuliert, dass die DON-Produktion die Folge einer stressvermittelten Reaktion ist, um die Anpassung von Fusaria an ungünstigen Bedingungen zu unterstutzen. Bisher ist bekannt, dass der Boden ist das Haupthabitat des Fusarieninokulum ist und dass DON und ähnliche Moleküle in landwirtschaftlichen Böden nachgewiesen worden sind. Ein Zusammenhang zwischen den Bodeneigenschaften und der Mykotoxinproduktion in situ ist jedoch noch nicht bekannt, obwohl es derzeit Hinweise darauf gibt, dass das Vorkommen von DON im Boden eine Reaktion auf ungünstige Bedingungen für das Wachstum von Fusarien darstellt, z. B. durch die Wirkung von Fungiziden. Ein weiterer zu berücksichtigender Aspekt ist, dass die in landwirtschaftlich genutzten Böden beobachteten Konzentrationen keine Informationen über die Entstehung und die Bedingungen für die Mykotoxinproduktion sowie über zusätzliche Prozesse, die die Restkonzentrationen beeinflussen können, liefern. In diesem Zusammenhang wurde auch noch nicht untersucht, ob die beobachteten Konzentrationen eine biologische Auswirkung auf Böden haben können. Um den Beitrag des Bodens zu den Mykotoxin-Vorkommen, -Restkonzentrationen und -Effekte zu verstehen, ist ein tieferes Verständnis der Mykotoxin-Boden-Interaktion erforderlich. Dies beinhaltet die Untersuchung von 1) Faktoren, die die Mykotoxin-Biosynthese fördern, z. B. Szenarien in der intensiven Landwirtschaft, 2) die Bestimmung von Rückstandskonzentrationen nach Prozessen der Biotransformation und Mobilität. Schließlich 3) DON hemmt das Wachstum von ausgewählten Bakterien und Pilzen, was eine biologische Reaktion des Mikrobioms (Abundanz, Struktur und Funktionen) vermuten lässt. Das Ziel dieses Antrags ist es, das Verständnis über Mykotoxin-Boden Interaktionen zu vertiefen, auf den Ebenen der Biosynthese in Abhängigkeit von Stressoren, des Verbleibs, d.h. der Sorption und Biotransformation, und der Auswirkungen auf Bodenmikroorganismen. Dieses Wissen wird dazu beitragen, die Faktoren, die die Produktion im Boden auslösen, und die Prozesse, die die effektiven Konzentrationen steuern, aufzuklären, und ist für weitere Präventionsstrategien, die den Boden bei der Einschätzung von Mykotoxinrisiken in der Zeit vor der Ernte berücksichtigen, unerlässlich.
Wiederverwendung von Abwasser (AW) in landwirtschaftlicher Bewässerung ist eine effiziente Möglichkeit, Wasser zu sparen und die Nahrungsmittelproduktion für eine wachsende Bevölkerung unter den Bedingungen des Klimawandels zu steigern. Infrastrukturinvestitionen führen in vielen Ländern zu einer Verlagerung von Bewässerung mit unbehandeltem AW hin zu behandeltem AW. SP 5 wird dazu beitragen, die Hypothesen zu prüfen, dass i) die Umweltkonzentrationen von Schadstoffen, die aus dem Boden freigesetzt und von Pflanzen aufgenommen werden, hoch genug sind, um Antibiotikaresistenzen zu selektieren und horizontalen Gentransfer (HGT) in Böden und Pflanzen auszulösen, und ii) der Bodentyp die Freisetzung von Schadstoffen und die damit verbundene Selektion von Antibiotikaresistenzen moduliert. Die Wirkung der Zugabe von behandeltem oder unbehandeltem AW zu Leptosolen, Phäozemen und Vertisolen, die seit >80 Jahren mit unbehandeltem AW bewässert werden, auf Zusammensetzung der mikrobiellen Gemeinschaft und Häufigkeit von Antibiotikaresistenzgenen (ARG) sowie mobilen genetischen Elementen (MGE), die mit gramnegativen Bakterien (GNB) assoziiert sind, wird in einem gemeinsamen Inkubations- und Batch-Experiment in Gesamt-DNA getestet. HGT-Raten zwischen GNB werden für eine Teilmenge von Bodenproben bestimmt. Isolierte Enterobakterien (SP 6) werden auf das Vorhandensein übertragbarer Plasmide gescreent. Die Mobilisierung von ARG zu IncP-1-Plasmiden aufgrund der Selektion durch Antibiotika und Desinfektionsmittel, die dem AW zugesetzt und aus Boden freigesetzt werden, wird in einem Satellitenexperiment getestet. Dabei wird das Bodenbakterium Acinetobacter baylyi BD413, das IncP-1-Plasmide ohne ARG trägt, auf die unterschiedlich behandelten Böden aufgebracht, nach 28 Tagen isoliert und die Plasmide auf erworbene ARG gescreent. Die Relevanz der Pflanzen für Selektion und Ausbreitung von ARG und Transfer in die Nahrungskette wird im gemeinsamen Bodensäulexperiment mit monolithischen, "ungestörten", mit Koriander (Coriandrum sativum) bepflanzten Bodensäulen untersucht. SP 5 wird die Zusammensetzung der mikrobiellen Gemeinschaft in Phyllosphäre und Wurzeln/Rhizosphäre, die relative Häufigkeit von ARG und MGE von GNB und die HGT-Raten zwischen GNB bewerten. SP 5 bringt gleiches Fachwissen und gleiche Techniken in das gemeinsame Feldexperiment mit Koriander bepflanztem Phäozem-Boden ein, um kontrollierte Labor- und Gewächshausversuche mit realen Bedingungen zu verbinden, insbesondere im Hinblick auf Auswirkungen von Bewässerungswasserqualität auf Phyllosphärenbakterien, die unter Gewächshausbedingungen schwer zu untersuchen sind. Durch Verknüpfung der Ergebnisse und Fachkenntnisse mit Daten und Kenntnissen der anderen SP, ebenfalls mit Hilfe des integrierten mathematischen Modells (SP 7), trägt SP 5 zu einem mechanistischen Verständnis der Wechselwirkungen zwischen Schadstoffen, Antibiotikaresistenzen und Pathogenen in sich verändernden AW-Bewässerungssystemen bei.
Multiresistente pathogene Bakterien, insbesondere solche die zu der sogenannten ESKAPE Gruppe zählen, Enterococcus faecalis, Staphylococcus aureus, Klebsiella pneumoniae, Acinetobacter baumannii, Pseudomonas aeruginosa und Enterobacter spp., verursachen weltweit schwerwiegende Probleme bei der Behandlung infizierter Menschen. ESKAPE Bakterien findet man in hoher Abundanz in Abwasser, auch nach der Abwasserbehandlung. Die Freisetzung der ESKAPE Bakterien bei der Bewässerung von Agrarflächen mit Abwasser stellt ein großes gesundheitliches Risiko dar. Bisher ist wenig darüber bekannt welche Faktoren die Persistenz dieser Bakterien und die Weitergabe von Antibiotikaresistenten in der Umwelt beeinflussen. Nährstoffverfügbarkeit und das Vorhandensein von Antibiotika, Desinfektionsmitteln und Schwermetallen scheinen dabei eine entscheidende Rolle zu spielen. Die Veränderung des Bewässerung Regimes nach Langzeitbewässerung mit unbehandeltem Abwasser hin zu einer Bewässerung mit behandelten Abwasser wird die Abundanz dieser Einflussfaktoren und damit die Verbreitung und Persistenz von Pathogenen und den Resistenzenzgentransfer v.a. hin zu Umweltbakterien starke beeinflussen. Ziel von SP 6 ist es, diese Forschungshypothese der Sonderforschungsgruppe mit einem kultivierungsabhängigem Analyseansatz („Culturomics“) zu untersuchen. Es wird eine Stammsammlung multiresistenter Pathogener und Umweltbakterien aus den bewässerten Systemen erstellt. Die Bakterien sollen phylogenetisch bis auf die Stammebene identifiziert werden und ihre Resistenzprofile erfasst werden. Die mikrobiologischen Daten aus SP 6 sollen mit Daten zu der Freisetzung, den Konzentrationen und der Bioverfügbarkeit von Antibiotika und Desinfektionsmitteln sowie Informationen zu minimalen selektiven Konzentrationen, Abundanzen und Transferraten von Antibiotikaresistenzgenen korreliert werden. SP 6 trägt damit zu einem integrativem mathematischen Model zum Verbleib und zur Wirkung der Zielschadstoffe zu einem mechanistischem Verständnis der Interaktionen von Schadstoffen, Antibiotika und Pathogenen in dem veränderten Bewässerung Regimes bei
Pasturing forest sites is mostly considered as detrimental for tree growth and, associated with that, crucial for the protective function of the forests against avalanches. New laws as well as the use of subsidies for the separation of forest and pastures shall accelerate the cessation of forest pasturing. It is however unclear whether pasturing is detrimental in any case or whether the application of an appropriate livestock system might even support tree development. The general aim of the project is to determine the effects of pasturing on mountain forest structure and dynamics under different stocking rates and pasturing period lenghts. This is a joint project headed by the Swiss Federal Institute for Snow and Avalanche Research (SLF). The part of the project which focusses on animal nutrition particularly deals with the measurement of intake and composition of the selected herbage on these pastures. Data on food intake and food quality should allow to determine the threshold levels, when food scarceness will enhance damage of trees by their use as fodder alternatives, or by tread damages. The project is carried out in the frame of the WSL Research Programme Forest-Wildlife-Landscape. The project is also in part forming a component project within the ETH polyproject 'Sustainable Primary Production in the Alpine Region' (PRIMALP).
Download-Geodienst zu den Ruheplätzen von Seehunden. Ein Ruheplatz ist eine berechnete Fläche, die auf Basis einzelner Liegeplätze von Seehunden bzw. Kegelrobben generiert wird. Dazu werden die Liegeplätze 1. pro Jahr räumlich zusammengefasst und 2 werden diese Berechnungen auch auf Basis von einzelnen Flügen durchgeführt. Ein Ruheplatz wird als Kreis mit einem Radius von 500m um einen Liegeplatz (mit mind. 2 Seehunden) herum definiert, wobei mehrere Liegeplätze so zu einer größeren Fläche aggregiert werden können. Der Abstand von 500m wurde gewählt, da Störungen, die mehr als 500m entfernt sind, keine oder kaum Auswirkungen auf ruhende Robben haben. Diese Flächen werden für Eingriffsplanungen benötigt, um die mit dem Eingriff verbundenen Störungen der Robben auf ein Mindestmaß zu reduzieren. Für Seehunde werden zur Berechnung der Ruheplätze pro Jahr Flüge vom 1.03-30.09 berücksichtigt. Der Dienst beinhaltet folgende Informationen und Layer: 1. Ruheplätze pro Jahr aggregiert: die Lage und Größe des Ruheplatzes und den Zeitraum der Erfassungen, die in die Berechnung eingeflossen sind (Einzel-Jahreslayer und Layer mit allen Daten aller Jahre). 2. Ruheplätze pro Flug: Hier können auch Informationen über die Anzahl der Individuen abgeleitet werden (Jahres-Layer und LAyer mit Daten aller Flüge aller Jahre).
Wichtige Hinweise zum Layer: Grundlage des spezifischen Grünvolumens pro Nettoteilblock bildet das spezifische Grünvolumen als Raster mit einer räumlichen Auflösung von 1m (beachte: Basisdatensatz in GK5 mit 0,5 m Auflösung). Dieses wurde im vorliegenden Layer für die einzelnen Nettoteilblöcke statistisch ausgewertet. Der ausgewiesene Wert entspricht hierbei dem Mittelwert aller im jeweiligen Block enthaltenen Rasterzellen. Ein Rückschluss auf deren Verteilung sowie der vegetativen Strukturelemente im Raum (zum Beispiel nur Wiese und am Flächenrand hohe Vegetation oder Wiese mit Baumbestand) lässt sich daraus nicht ableiten. Für konkretere Aussagen zur Verteilungsstruktur ist das Raster des spezifischen Grünvolumens heranzuziehen. Da Gewässerflächen (hier: Nettoteilblockflächen mit der Nutzungsart Gewässer) mit Ausnahme von Baumkronenüberhängen kein durch Fernerkundung erfassbares Grünvolumen enthalten, bleiben diese Flächen von der Darstellung des Grünvolumens unberücksichtigt. Allgemeine Hintergrundinformationen zum spezifischen Grünvolumen: Das spezifische Grünvolumen als Synonym für Grünvolumenzahl basiert auf dem durch das Leibniz-Institut für ökologische Raumentwicklung e.V. (IÖR) erstellten Gutachten "Grünvolumenbestimmung der Stadt Dresden auf der Grundlage von Laserscandaten" vom August 2014 (Beachte: Datenbasis 2009-2011). Dieses ist unter dem zugeordneten Dokument einsehbar. Einleitung: Städtisches Grün ist aus stadtökologischer und sozialer Sicht unverzichtbar und erfüllt wichtige Funktionen wie Staubbindung, Temperaturminderung, Winddämpfung oder Grundwasserneubildung. Darüber hinaus bilden öffentliche Grünanlagen Oasen der Ruhe, die der Erholung, Freizeitgestaltung und Kommunikation dienen und wichtige soziale Funktionen erfüllen. Je nach Kontext wird die Vegetation durch unterschiedliche Bestandsmerkmale beschrieben: - Forstwirtschaft (Baumart, Bestandsdichte, Brusthöhendurchmesser und Überschirmungsgrad) - Botanik (Blattflächenindex - LAI = Leaf Area Index - als Grundlage zur Bestimmung der Belaubungsdichte sowie der fotosynthetischen Aktivität bzw. der Produktionsleistung) - Landwirtschaft (pflanzliche Biomasse, als Maß der Ertragsbilanzierung). Im städtischen Kontext ist aufgrund der Artenvielfalt der Vegetation eine Erfassung von Blattflächenindex oder Biomasse schwierig. Aus diesem Grund spielen einfache, planerisch sinnvolle und vor allem praktikable Indikatoren eine wichtige Rolle. Für die Anwendung in der großmaßstäbigen Bauleit- und Landschaftsplanung wurde deshalb eine rechnerische Bestimmung des Grünvolumens durch die Planungsgemeinschaft GROSSMANN, SCHULZE, POHL entwickelt. Dabei wird das Grünvolumen mittels der flächenbezogenen Grünvolumenzahl (GVZ) beschrieben. Sie wurde als Pendant zu den planungsrelevanten Richtgrößen der baulichen Nutzung, wie der Grundflächenzahl (GRZ) oder der Geschossflächenzahl (GFZ) eingeführt. Es soll neben den vegetationsbezogenen Indikatoren Biotopflächenfaktor (BFF), Bodenfunktionszahl (BFZ) und dem Durchgrünungsgrad die Formulierung von Mindestanforderungen an die Grünausstattung bei der Planung ermöglichen, da sie eine hohe ökologische Aussagekraft besitzt. Was beschreibt die Grünvolumenzahl (GVZ)? Als Grünvolumen wird die Summe des oberirdischen Volumens aller Pflanzen verstanden. Es wird in m³ angegeben. Das Grünvolumen ist durch die äußere Hülle der Vegetation begrenzt, die in der praktischen Erfassung über idealisierte geometrisch primitive Formen beschrieben wird: - Quader: Rasen, Kräuter sowie Sträucher - Kugel: z. B. Eiche - Zylinder: z. B. Pappel - Kegel: z. B. Nadelbaum Aus der Grünvolumensumme aller Vegetationsobjekte in Bezug auf eine definierte Bezugsfläche (z. B. Baublock) ergibt sich die Grünvolumenzahl (GVZ), die alternativ auch als "spezifisches Grünvolumen" bezeichnet wird und die Einheit m³/m² besitzt. Das vorliegende generalisierte Raster (ursprüngliche Auflösung 0,5 m) weist für die einzelnen Zellen (Auflösung jetzt 1 m) bereits das spezifische Grünvolumen (m³/m²) auf, welches zugleich dem absoluten Grünvolumen entspricht. Datengrundlage/Methodik: Grundlage der Bestimmung des Grünvolumens sind Laserscandaten, RGBI-Bilddaten sowie Gebäudedaten. Eine detaillierte Beschreibung der Vorgehensweise ist dem zugeordneten Dokument zu entnehmen. Klassifizierung des spezifischen Grünvolumen: - 1. Klasse: vegetationslos (= 0 m³/m²) - 2. Klasse: bis einschließlich 0,1 m³/m² - 3. Klasse: bis einschließlich 0,5 m³/m² - 4. Klasse: bis einschließlich 0,75 m³/m² - 5. Klasse: bis einschließlich 1 m³/m² - 6. Klasse: bis einschließlich 3 m³/m² - 7. Klasse: bis einschließlich 8 m³/m² - 8. Klasse: bis einschließlich 14 m³/m² - 9. Klasse: bis einschließlich 20 m³/m² - 10. Klasse: bis einschließlich 25 m³/m² - 11. Klasse: größer als 25 m³/m² Die Klassifikation in der vorliegenden Abstufung erfolgt aufgrund der im Modell getroffenen Annahmen sowie zur besseren plastischen Darstellung der Vegetationsobjekte. Einschränkung: Entsprechend der vorgesehenen Nutzung für die Umwelt-, Landschafts- und Bauleitplanung ist trotz scheinbar detaillierter Darstellungsmöglichkeit der Anwendungsmaßstab auf 1:5.000 begrenzt.
Low-lying coral reef islands harbour a distinct, yet highly threatened biological and cultural diversity that is increasingly exposed to climate change impacts. The combination of low elevation, small size, sensitivity to changes in boundary conditions (sea level, waves and currents, locally generated sediment supply) and at some locations high population densities, is why low-lying reef islands (LRIs) are considered among the most vulnerable environments on Earth to climate change. To date, their global distribution and influence of climatic, oceanographic, and geologic setting are only poorly documented or restricted to smaller scales. Here, I present the first detailed global analysis of LRIs utilising freely available global datasets to produce a global reef island database (GRID) and associated intrinsic and extrinsic characteristics that can be used within a coastal vulnerability index (CVI). All datasets used to create the GRID were released between 30 November 2015 and 3 August 2023, while the current version of the GRID database was completed in November 2024. When developing the GRID, LRIs are defined as landmasses <30 km² located on or within 1 km of coral reef and with an elevation of <16 m. Development of the GRID required: 1) the creation of a global shoreline vector file containing the geographic distribution of LRIs and 2) the development of a comprehensive global database of LRIs including eight intrinsic and ten extrinsic variables extracted from global datasets. Intrinsic variables include: 1) human populations, 2) island area, 3) island perimeter, 4) mean elevation, 5) island circularity/shape, 6) underlying reef type, 7) geographic isolation and 8) distance to the nearest neighbouring reef island. Extrinsic variables include: 1) mean water depth, 2) standard deviation of mean water depth, 3) mean annual significant wave height, 4) mean annual wave period, 5) mean spring tidal range, 6) relative tidal range, 7) wave-tide regime, 8) relative wave exposure, 9) relative tropical storm exposure and 10) year-2100 projected median sea level rise rate. The GRID was initially derived from version 2.1 of the UNEP-WCMC Global Island Database, a global shoreline vector file based on geometry data from Open Street Map® (OSM) and released in November 2015. The initial vector file was projected using the Mollweide projection, an equal-area pseudo cylindrical map projection chosen for its accurate derivation of area, especially in regions close to the equator, where most LRIs are located. The final GRID contains 34,404 individual LRIs distributed throughout tropical regions of the world's oceans, amassing a total land area of nearly 11,000 km² with approximately 60,740 km of shoreline and housing around 2.6 million people. While intrinsic variables are typically spatially homogenous, LRIs are generally highly spatially clustered throughout the GRID with respect to extrinsic variables. The spatial distribution of LRIs within the GRID was validated using: 1) published data and 2) quantitative accuracy assessments using satellite imagery. Spatial distributions of LRIs captured in the GRID are extremely consistent with those published in the literature (r² = 0.96) and those derived from independent analysis of satellite imagery (r² = 0.94). Finally, the GRID was used to develop an island vulnerability index (IVI) for each LRI on a scale of 0-1 with 0 representing no vulnerability and 1 representing maximum vulnerability. The GRID database is provided as a tab-delimited text file as well as ESRI shapefiles (points and polygons in WGS84 and Mollweide projection) and a comma-separated value file.
Fischbesiedelung Berliner Gewässer zusammengefasst in Gittereinheiten von 10 x 10 km. Für jede Fischart wird pro Gitterzelle die Populationsdichte aufgeführt.
| Origin | Count |
|---|---|
| Bund | 1119 |
| Kommune | 1 |
| Land | 235 |
| Wissenschaft | 64 |
| Zivilgesellschaft | 2 |
| Type | Count |
|---|---|
| Daten und Messstellen | 13 |
| Ereignis | 1 |
| Förderprogramm | 912 |
| Hochwertiger Datensatz | 2 |
| Kartendienst | 1 |
| Software | 3 |
| Taxon | 43 |
| Text | 110 |
| unbekannt | 196 |
| License | Count |
|---|---|
| geschlossen | 229 |
| offen | 1013 |
| unbekannt | 36 |
| Language | Count |
|---|---|
| Deutsch | 1185 |
| Englisch | 265 |
| Resource type | Count |
|---|---|
| Archiv | 13 |
| Bild | 16 |
| Datei | 15 |
| Dokument | 180 |
| Keine | 772 |
| Unbekannt | 8 |
| Webdienst | 65 |
| Webseite | 308 |
| Topic | Count |
|---|---|
| Boden | 776 |
| Lebewesen und Lebensräume | 1260 |
| Luft | 537 |
| Mensch und Umwelt | 1249 |
| Wasser | 757 |
| Weitere | 1278 |