Pitelka, L. F.; Gardner, R. H.; Ash, J.; Berry, S.; Gitay, H.; Noble, I. R.; Saunders, A.; Bradshaw, R. H. W.; Brubaker, L.; Clark, J. S.et al.; Davis, M. B.; Sugita, S.; Dyer, J. M.; Hengeveld, R.; Hope, G.; Huntley, B.; King, G. A.; Lavorel, S.; Mack, R. N.; Malanson, G. P.; Mcglone, M.; Prentice, I. C.; Rejmanek, M.: Plant migration and climate change. American Scientist 85 (5), S. 464 - 473 (1997)
Schimel, D. S.; Emanuel, W.; Rizzo, B.; Smith, T.; Woodward, F. I.; Fisher, H.; Kittel, T. G. F.; Mckeown, R.; Painter, T.; Rosenbloom, N.et al.; Ojima, D. S.; Parton, W. J.; Kicklighter, D. W.; Mcguire, A. D.; Melillo, J. M.; Pan, Y.; Haxeltine, A.; Prentice, I. C.; Sitch, S.; Hibbard, K.; Nemani, R.; Pierce, L.; Running, S.; Borchers, J.; Chaney, J.; Neilson, R.; Braswell, B. H.: Continental scale variability in ecosystem processes: Models, data, and the role of disturbance. Ecological Monographs 67 (2), S. 251 - 271 (1997)
Texier, D.; De Noblet, N.; Harrison, S. P.; Haxeltine, A.; Jolly, D.; Joussaume, S.; Laarif, F.; Prentice, I. C.; Tarasov, P.: Quantifying the role of biosphere-atmosphere feedbacks in climate change: coupled model simulations for 6000 years BP and comparison with palaeodata for northern Eurasia and northern Africa. Climate Dynamics 13 (12), S. 865 - 882 (1997)
Haxeltine, A.; Prentice, I. C.; Creswell, I. D.: A coupled carbon and water flux model to predict vegetation structure. Journal of Vegetation Science 7 (5), S. 651 - 666 (1996)
Joos, F.; Prentice, I. C.: A Paleo-perspective on changes in atmospheric CO2 and climate. In: The global carbon cycle, Bd. 62, S. 165 - 186 (Hg. Field, C. B.; Raupach, M. R.). Island Press, Washington (2004)
Spessa, A.; Mcbeth, B.; Thonicke, K.; Prentice, I. C.: Modelling the relationship between fire frequency, rainfall and vegetation in the Kimberleys region Australia, using a fire model coupled to a DGVM. In: Proceedings of the 3rd International Wildland Fire Conference, 4-6 Oct. 2003, Sydney (Hg. Goldammer, J.; Viegas, D.) (2003)
Guiot, J.; Prentice, I. C.; Peng, C.; Jolly, D.; Laarif, F.; Smith, B.: Reconstruction and modelling past changes in terrestrial primary production. In: Terrestrial global productivity, S. 479 - 498 (Hg. Roy, J.; Saugier, B.; Mooney, H. A.). Academic Press, San Diego (2001)
Prentice, I. C.: Max-Planck-Institut für Biogeochemie. In: Jahrbuch 2001 der Max-Planck-Gesellschaft zur Förderung der Wissenschaften, S. 427 - 435. Vandenhoeck & Ruprecht, Göttingen (2001)
Prentice, I. C.: Interactions of climate change and the terrestrial biosphere. In: Geosphere-biosphere interactions and climate, S. 176 - 198 (Hg. Bengtsson, L.; Hammer, C. U.). Pontifical Academy of Sciences, Cambridge (2001)
Prentice, I. C.; Farquhar, G. D.; Fasham, M. J. R.; Goulden, M. L.; Heimann, M.; Jaramillo, V. J.; Kheshgi, H. S.; Le Quéré, C.; Scholes, R. J.; Wallace, D. W. R.: The carbon cycle and atmospheric carbon dioxide. In: Climate Change 2001: the scientific basis, S. 183 - 237 (Hg. Houghton, J. T.; Ding, Y.; Griggs, D. J.; Noguer, M.; Van Der Linden, P. J. et al.). Cambridge University Press, Cambridge (2001)
Prentice, I. C.; Raynaud, D.: Palaeobiogeochemistry. In: Global biogeochemical cycles in the climate system, S. 87 - 94 (Hg. Schulze, E.-D.; Harrison, S. P.; Heimann, M.; Holland, E. A.; Lloyd, J. et al.). Academic Press, San Diego (2001)
Wallace, D. W. R.; Prentice, I. C.; Schimel, D.: The global carbon cycle. In: Contributions to global change research, S. 22 - 29 (Hg. Heinen, D.). German National Committee on Global Change Research, Bonn (2001)
Francois, L.; Kaplan, J. O.; Otto, D.; Roelandt, C.; Harrison, S. P.; Prentice, I. C.; Warnant, P.; Ramstein, G.: Comparison of vegetation distributions and terrestrial carbon budgets reconstructed for the last glacial maximum with several biosphere models. In: Paleoclimate Modelling Intercomparison Project (PMIP). Proceedings of the third PMIP workshop, La Huardière, Canada, 4-8 October 1999, S. 141 - 145 (Hg. De Vernal, A.; Braconnot, P.; Joussaume, S.; Taylor, K.) (2000)
Schulze, E.-D.; Prentice, I. C.: Max-Planck-Institut für Biogeochemie. In: Jahrbuch 2000 der Max-Planck-Gesellschaft zur Förderung der Wissenschaften, S. 457 - 464. Vandenhoeck & Ruprecht, Göttingen (2000)
Yu, G.; Sun, X.; Qin, B.; Song, C.; Li, H.; Prentice, I. C.; Harrison, S. P.: Pollend-based reconstruction of vegetation patterns of China in Mid-Holocene. In: Proceedings for the 60th Anniversary of the Founding of Nanjing Institute of Geography and Limnology, S. 369 - 375 (Hg. Nanjing Institute of Geography & Limnology, C.). Chinese Academic of Sciences (III) (2000)
Europa ist durch Dürren oder Starkregen besonders stark betroffen. KI kann Frühwarnsysteme für Extremwetterereignisse und deren Folgen unterstützen und dadurch Schäden minimieren.
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.