Urbazaev, M.; Thiel, C.; Cremer, F.; Dubayah, R.; Migliavacca, M.; Reichstein, M.; Schmullius, C.: Estimation of forest aboveground biomass and uncertainties by integration of field measurements, airborne LiDAR, and SAR and optical satellite data in Mexico. Carbon Balance and Management 13 (1), 5 (2018)
Baldocchi, D.; Chu, H.; Reichstein, M.: Inter-annual variability of net and gross ecosystem carbon fluxes: A review. Agricultural and Forest Meteorology 249, S. 520 - 533 (2018)
Knauer, J.; Zaehle, S.; Medlyn, B. E.; Reichstein, M.; Williams, C. A.; Migliavacca, M.; Kauwe, M. G. D.; Werner, C.; Keitel, C.; Kolari, P.et al.; Limousin, J.-M.; Linderson, M.-L.: Towards physiologically meaningful water-use efficiency estimates from eddy covariance data. Global Change Biology 24 (2), S. 694 - 710 (2018)
Sippel, S.; El-Madany, T. S.; Migliavacca, M.; Mahecha, M. D.; Carrara, A.; Flach, M.; Kaminski, T.; Otto, F. E. L.; Thonicke, K.; Vossbeck, M.et al.; Reichstein, M.: Warm winter, wet spring, and an extreme response in ecosystem functioning on the Iberian Peninsula. Bulletin of the American Meteorological Society 99 (1), S. S80 - S85 (2018)
von Buttlar, J.; Zscheischler, J.; Rammig, A.; Sippel, S.; Reichstein, M.; Knohl, A.; Jung, M.; Menzer, O.; Arain, M. A.; Buchmann, N.et al.; Cescatti, A.; Gianelle, D.; Kieley, G.; Law, B. E.; Magliulo, V.; Margolis, H.; McCaughey, H.; Merbold, L.; Migliavacca, M.; Montagnani, L.; Oechel, W.; Pavelka, M.; Peichl, M.; Rambal, S.; Raschi, A.; Scott, R. L.; Vaccari, F. P.; van Gorsel, E.; Varlagin, A.; Wohlfahrt, G.; Mahecha, M. D.: Impacts of droughts and extreme-temperature events on gross primary production and ecosystem respiration: a systematic assessment across ecosystems and climate zones. Biogeosciences 15 (5), S. 1293 - 1318 (2018)
Wutzler, T.; Zaehle, S.; Schrumpf, M.; Ahrens, B.; Reichstein, M.: Adaptation of microbial resource allocation affects modelled long term soil organic matter and nutrient cycling. Soil Biology and Biochemistry 115, S. 322 - 336 (2017)
Sippel, S.; Forkel, M.; Rammig, A.; Thonicke, K.; Flach, M.; Heimann, M.; Otto, F. E. L.; Reichstein, M.; Mahecha, M. D.: Contrasting and interacting changes in simulated spring and summer carbon cycle extremes in European ecosystems. Environmental Research Letters 12 (7), 075006 (2017)
Koirala, S.; Jung, M.; Reichstein, M.; de Graaf, I. E. M.; Camps-Valls, G.; Ichii, K.; Papale, D.; Raduly, B.; Schwalm, C. R.; Tramontana, G.et al.; Carvalhais, N.: Global distribution of groundwater-vegetation spatial covariation. Geophysical Research Letters 44 (9), S. 4134 - 4142 (2017)
Carreiras, J. M.B.; Quegan, S.; Le Toan, T.; Minh, D. H. T.; Saatchi, S. S.; Carvalhais, N.; Reichstein, M.; Scipal, K.: Coverage of high biomass forests by the ESA BIOMASS mission under defense restrictions. Remote Sensing of Environment 196, S. 154 - 162 (2017)
Migliavacca, M.; Pérez‑Priego, O.; Rossini, M.; El-Madany, T. S.; Moreno, G.; van der Tol, C.; Rascher, U.; Berninger, A.; Bessenbacher, V.; Burkart, A.et al.; Carrara, A.; Fava, F.; Guan, J.-H.; Hammer, T. W.; Henkel, K.; Juarez-Alcalde, E.; Julitta, T.; Kolle, O.; Martın, M. P.; Musavi, T.; Pacheco-Labrador, J.; Perez-Burgueno, A.; Wutzler, T.; Zaehle, S.; Reichstein, M.: Plant functional traits and canopy structure control the relationship between photosynthetic CO2 uptake and far-red sun-induced fluorescence in a Mediterranean grassland under different nutrient availability. New Phytologist 214 (3), S. 1078 - 1091 (2017)
Sippel, S.; Zscheischler, J.; Mahecha, M. D.; Orth, R.; Reichstein, M.; Vogel, M.; Seneviratne, S. I.: Refining multi-model projections of temperature extremes by evaluation against land–atmosphere coupling diagnostics. Earth System Dynamics 8 (2), S. 387 - 403 (2017)
Chu, H.; Baldocchi, D. D.; John, R.; Wolf, S.; Reichstein, M.: Fluxes all of the time? A primer on the temporal representativeness of FLUXNET. Journal of Geophysical Research: Biogeosciences 122 (2), S. 289 - 307 (2017)
Dank FLUXCOM-X, der nächsten Generation Daten-getriebener, KI-basierter Erdsystemmodelle, können Forschende den Stoffwechsel der Erde nun in noch nie dagewesener Detailtiefe sehen – überall an Land und zu jeder Stunde des Tages.
Ein Forschungsteam hat einen Ansatz entwickelt, KI in Erdsystem-Modelle zu integrieren, und hierzu zwei Perspektiven zukünftiger Forschungsschwerpunkte veröffentlicht.
EU fördert internationales Forschungsprojekt AI4PEX, um Erdsystemmodelle und damit wissenschaftliche Vorhersagen des Klimawandels weiter zu verbessern. Beteiligte Wissenschaftler*innen aus 9 Ländern trafen sich bereits Ende Mai 2024 zum Projektstart am federführenden MPI für Biogeochemie in Jena.
Vom griechischen Philosophen Aristoteles über Charles Darwin bis heute haben sich Wissenschaftlerinnen und Wissenschaftler mit dieser grundlegenden Frage der Biologie beschäftigt. Entgegen der öffentlichen Wahrnehmung ist sie jedoch immer noch weitgehend ungelöst. Forschende haben nun einen neuen Ansatz für das Auffinden und die Abgrenzung von Arten mithilfe von künstlicher Intelligenz (KI) vorgestellt.
Ein Forschungsteam unter der Leitung des Deutschen Zentrums für integrative Biodiversitätsforschung (iDiv) und der Universität Leipzig hat einen Algorithmus entwickelt, der Beobachtungsdaten der App Flora Incognita analysiert. Daraus lassen sich ökologische Muster ableiten, die Aufschluss über die Auswirkungen des Klimawandels auf die Pflanzenwelt geben.
Das neue Forschungsprojekt "PollenNet" soll mit Hilfe von Künstlicher Intelligenz die präzise Vorhersage der Verbreitung von Pollen ermöglichen. Um die Vorsorge vor Allergien zu verbessern, bringen Expertinnen und Experten fachübergreifend neueste Erkenntnisse aus den verschiedensten Bereichen zusammen.
Wenn Flüsse über die Ufer treten, können die Folgen verheerend sein. Mit Methoden des Erklärbaren Maschinellen Lernens haben Forschende nachgewiesen, dass Überschwemmungen extremer ausfallen, wenn mehrere Faktoren an deren Entstehung beteiligt sind.
Pflanzenbeobachtungen, die mit Pflanzenbestimmungs-Apps wie Flora Incognita gesammelt werden, erlauben Aussagen über die Entwicklungsstadien von Pflanzen - sowohl kleinräumig als auch europaweit.
Die Pflanzenerkennungs-App Flora Incognita erhält den diesjährigen Sonja Bernadotte-Preis für ihre Bedeutung im Naturbildungswesen für alle Altersgruppen bei gleichzeitig hohem wissenschaftlichen Anspruch.
Deutschlands beliebteste Pflanzenbestimmungs-App „Flora Incognita“ wurde durch eine neue Künstliche Intelligenz weiter aufgewertet. Dadurch verdreifacht sich die Anzahl der bestimmbaren Pflanzenarten auf rund 16.000. Außerdem steht die App nun in 20 verschiedenen Sprachen zur Verfügung und zusätzlich auch im Offline-Modus.
Mit einer Auftaktveranstaltung am 12. Januar 2023 eröffneten die Friedrich-Schiller-Universität Jena, das Max-Planck-Institut für Biogeochemie und das Deutsche Zentrum für Luft- und Raumfahrt gemeinsam die ELLIS Unit Jena. Maschinelles Lernen und künstliche Intelligenz werden eingesetzt, um bei der Bewältigung globaler Umweltkrisen zu helfen.
Das Bundesministerium für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz (BMUV) heißt seine Gäste am 20. und 21. August wieder zum Tag der offenen Tür der Bundesregierung herzlich willkommen. Als eines der erfolgreichen unterstützten Projekte wurde auch Flora Incognita gebeten, an der Ausstellung für die Besucher teilzunehmen.