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)
Todd-Brown, K. E. O.; Abramoff, R. Z.; Beem-Miller, J.; Blair, H. K.; Earl, S.; Frederick, K. J.; Fuka, D. R.; Santamaria, M. G.; Harden, J. W.; Heckman, K.et al.; Heran, L. J.; Holmquist, J. R.; Hoyt, A. M.; Klinges, D. H.; LeBauer, D. S.; Malhotra, A.; McClelland, S. C.; Nave, L. E.; Rocci, K. S.; Schaeffer, S. M.; Stoner, S.; van Gestel, N.; von Fromm, S. F.; Younger, M. L.: Reviews and syntheses: The promise of big diverse soil data, moving current practices towards future potential. Biogeosciences 19 (14), S. 3505 - 3522 (2022)
Heckman, K.; Hicks Pries, C. E.; Lawrence, C. R.; Rasmussen, C.; Crow , S. E.; Hoyt, A. M.; von Fromm, S. F.; Shi, Z.; Stoner, S.; McGrath, C.et al.; Beem-Miller, J.; Berhe, A. A.; Blankinship, J. C.; Keiluweit, M.; Marín-Spiotta, E.; Monroe, J. G.; Plante, A. F.; Schimel, J.; Sierra, C.; Thompson, A.; Wagai, R.: Beyond bulk: Density fractions explain heterogeneity in global soil carbon abundance and persistence. Global Change Biology 28 (3), S. 1178 - 1196 (2022)
Stoner, S.; Hoyt, A. M.; Trumbore, S. E.; Sierra, C.; Schrumpf, M.; Doetterl, S.; Baisden, W. T.; Schipper, L. A.: Soil organic matter turnover rates increase to match increased inputs in grazed grasslands. Biogeochemistry 156, S. 145 - 160 (2021)
Lawrence, C. R.; Beem-Miller, J.; Hoyt, A. M.; Monroe, G.; Sierra, C. A.; Stoner, S.; Heckman, K.; Blankinship, J. C.; Crow, S. E.; McNicol, G.et al.; Trumbore, S. E.; Levine, P. A.; Vindušková, O.; Todd-Brown, K.; Rasmussen, C.; Pries, C. E. H.; Schädel, C.; McFarlane, K.; Doetterl, S.; Hatté, C.; He, Y.; Treat, C.; Harden, J. W.; Torn, M. S.; Estop-Aragonés, C.; Berhe, A. A.; Keiluweit, M.; Kuhnen, Á. D. R.; Marin-Spiotta, E.; Plante, A. F.; Thomson, A.; Shi, Z.; Schimel, J. P.; Vaughn, L. J. S.; von Fromm, S. F.; Wagai, R.: An open-source database for the synthesis of soil radiocarbon data: International Soil Radiocarbon Database (ISRaD) version 1.0. Earth System Science Data 12 (1), S. 61 - 76 (2020)
Schädel, C.; Beem-Miller, J.; Azizi-Rad, M.; Crow, S. E.; Pries, C. H.; Ernakovich, J.; Hoyt, A. M.; Plante, A.; Stoner, S.; Treat, C. C.et al.; Sierra, C.: Decomposability of soil organic matter over time: the Soil Incubation Database (SIDb, version 1.0) and guidance for incubation procedures. Earth System Science Data 12 (3), S. 1511 - 1524 (2020)
Zethof, J. H. T.; Leue, M.; Vogel, C.; Stoner, S.; Kalbitz, K.: Identifying and quantifying geogenic organic carbon in soils – the case of graphite. Soil 5 (2), S. 383 - 398 (2019)
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.