de Broek, M. V.; Govers, G.; Schrumpf, M.; Six, J.: A microbially driven and depth-explicit soil organic carbon model constrained by carbon isotopes to reduce parameter equifinality. Biogeosciences 22 (5), S. 1427 - 1446 (2025)
Nair, R.; Luo, Y.; El-Madany, T. S.; Rolo, V.; Pacheco-Labrador, J.; Caldararu, S.; Morris, K. A.; Schrumpf, M.; Carrara, A.; Moreno, G.et al.; Reichstein, M.; Migliavacca, M.: Nitrogen availability and summer drought, but not N:P imbalance, drive carbon use efficiency of a Mediterranean tree-grass ecosystem. Global Change Biology 30 (9), e17486 (2024)
Wutzler, T.; Reimers, C.; Ahrens, B.; Schrumpf, M.: Optimal enzyme allocation leads to the constrained enzyme hypothesis: the Soil Enzyme Steady Allocation Model (SESAM; v3.1)). Geoscientific Model Development 17 (7), S. 2705 - 2725 (2024)
Wilcke, W.; Zimmer, V.; Bauhus, J.; Schöning, I.; Schrumpf, M.; Michalzik, B.; Siemen, J.: Disentangling the effects of region, forest‑management intensity and plant diversity on litterfall quantity, quality and turnover in temperate forests. Plant and Soil 497, S. 397 - 412 (2024)
Brandt, L.; Poll, C.; Ballauff, J.; Schrumpf, M.; Bramble, D. S.; Schöning, I.; Ulrich, S.; Kaiser, K.; Mikutta, R.; Mikutta, C.et al.; Polle, A.; Kandeler, E.: Mineral type versus environmental filters: What shapes the composition and functions of fungal communities in the mineralosphere of forest soils? Soil Biology and Biochemistry 190, 109288 (2024)
Neyret, M.; Le Provost, G.; Boesing, A. L.; Schneider, F. D.; Baulechner, D.; Bergmann, J.; de Vries, F.; Fiore-Donno, A. M.; Geisen, S.; Goldmann, K.et al.; Merges, A.; Saifutdinov, R. A.; Simons, N. K.; Tobias, J. A.; Zaitsev, A. S.; Gossner, M. M.; Jung, K.; Kandeler, E.; Krauss, J.; Penone, C.; Schloter, M.; Schulz, S.; Staab, M.; Wolters, V.; Apostolakis, A.; Birkhofer, K.; Boch, S.; Boeddinghaus, R. S.; Bolliger, R.; Bonkowski, M.; Buscot, F.; Dumack, K.; Fischer, M.; Gan, H. Y.; Heinze, J.; Hölzel, N.; John, K.; Klaus, V. H.; Kleinebecker, T.; Marhan, S.; Müller, J.; Renner, S. C.; Rillig, M.; Schenk, N. V.; Schöning, I.; Schrumpf, M.; Seibold, S.; Socher, S.; Solly, E. F.; Teuscher, M.; van Kleunen, M.; Wubet, T.; Manning, P.: A slow-fast trait continuum at the whole community level in relation to land-use intensification. Nature Communications 15, 1251 (2024)
Bramble, D. S.; Ulrich, S.; Schöning, I.; Mikutta, R.; Brandt, L.; Poll, C.; Kandeler, E.; Mikutta, C.; Konrad, A.; Siemens, J.et al.; Yang, Y.; Polle, A.; Schall, P.; Ammer, C.; Kaiser, K.; Schrumpf, M.: Formation of mineral-associated organic matter in temperate soils is primarily controlled by mineral type and modified by land use and management intensity. Global Change Biology 30 (1), e17024 (2024)
Stoner, S.; Trumbore, S. E.; González-Pérez, J. A.; Schrumpf, M.; Sierra, C. A.; Hoyt, A. M.; Chadwick, O.; Doetterl, S.: Relating mineral–organic matter stabilization mechanisms to carbon quality and age distributions using ramped thermal analysis. Philosophical Transactions of the Royal Society of London - Series A: Mathematical Physical and Engineering Sciences 381 (2261), 20230139 (2023)
Stoner, S.; Schrumpf, M.; Hoyt, A. M.; Sierra, C. A.; Doetterl, S.; Galy, V.; Trumbore, S. E.: How well does ramped thermal oxidation quantify the age distribution of soil carbon? Assessing thermal stability of physically and chemically fractionated soil organic matter. Biogeosciences 20 (15), S. 3151 - 3163 (2023)
Brandt, L.; Stache, F.; Poll, C.; Bramble, D. S.; Schöning, I.; Schrumpf, M.; Ulrich, S.; Kaiser, K.; Mikutta, R.; Mikutta, C.: Mineral type and land-use intensity control composition and functions of microorganisms colonizing pristine minerals in grassland soils. Soil Biology and Biochemistry 182, 109037 (2023)
Wutzler, T.; Yu, L.; Schrumpf, M.; Zaehle, S.: Simulating long-term responses of soil organic matter turnover to substrate stoichiometry by abstracting fast and small-scale microbial processes: the Soil Enzyme Steady Allocation Model (SESAM; v3.0). Geoscientific Model Development 15 (22), S. 8377 - 8393 (2022)
Baumann, K.; Eckhardt, K.-U.; Schöning, I.; Schrumpf, M.; Leinweber, P.: Clay fraction properties and grassland management imprint on soil organic matter composition and stability at molecular level. Soil Use and Management 38 (4), S. 1578 - 1596 (2022)
Akinyede, R.; Taubert, M.; Schrumpf, M.; Trumbore, S. E.; Küsel, K.: Temperature sensitivity of dark CO2 fixation in temperate forest soils. Biogeosciences 19 (17), S. 4011 - 4028 (2022)
Morris, K. A.; Richter, A.; Migliavacca, M.; Schrumpf, M.: Growth of soil microbes is not limited by the availability of nitrogen and phosphorus in a Mediterranean oak-savanna. Soil Biology and Biochemistry 169, 108680 (2022)
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.