Sarquis, A.; Sierra, C. A.: Information content in time series of litter decomposition studies and the transit time of litter in arid lands. Biogeosciences 20 (9), S. 1759 - 1771 (2023)
Giraldo, J. A.; Valle, J. I. d.; González-Caro, S.; David, D. A.; Taylor, T.; Tobón, C.; Sierra, C. A.: Tree growth periodicity in the ever-wet tropical forest of the Americas. Journal of Ecology 111 (4), S. 889 - 902 (2023)
Sierra, C. A.; Quetin, G. R.; Metzler, H.; Mueller, M.: A decrease in the age of respired carbon from the terrestrial biosphere and increase in the asymmetry of its distribution. Philosophical Transactions of the Royal Society of London - Series A: Mathematical Physical and Engineering Sciences 381 (2261), 20220200 (2023)
Wells, J. M.; Crow, S. E.; Sierra, C.; Deenik, J. L.; Carlson, K. M.; Meki, M. N.; Kiniry, J.: Edaphic controls of soil organic carbon in tropical agricultural landscapes. Scientific Reports 12, 21574 (2022)
Salazar, A.; Sanchez, A.; Dukes, J. S.; Salazar, J. F.; Clerici, N.; Lasso, E.; Sanchez-Pacheco, S. J.; Rendon, A. M.; Villegas, J. C.; Sierra, C.et al.; Poveda, G.; Quesada, B.; Uribe, M. R.; Rodríguez-Buritica, S.; Ungar, P.; Pulido-Santacruz, P.; Ruiz-Morato, N.; Arias, P. A.: Peace and the environment at the crossroads: Elections in a conflict-troubled biodiversity hotspot. Environmental Science and Policy 135, S. 77 - 85 (2022)
Sarquis, A.; Siebenhart, I. A.; Austin, A. T.; Sierra, C. A.: Aridec: an open database of litter mass loss from aridlands worldwide with recommendations on suitable model applications. Earth System Science Data 14 (7), S. 3471 - 3488 (2022)
Vásquez, M.; Lara, W.; del Valle, J. I.; Sierra, C.: Reconstructing past fossil-fuel CO2 concentrations using tree rings and radiocarbon in the urban area of Medellín, Colombia. Environmental Research Letters 17 (5), 055008 (2022)
Chanca, I.; Trumbore, S. E.; Macario, K.; Sierra, C.: Probability distributions of radiocarbon in open linear compartmental systems at steady-state. Journal of Geophysical Research: Biogeosciences 127 (3), e2021JG006673 (2022)
Azizi-Rad, M.; Guggenberger, G.; Mad, Y.; Sierra, C. A.: Sensitivity of soil respiration rate with respect to temperature, moisture and oxygen under freezing and thawing. Soil Biology and Biochemistry 165, 108488 (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)
Giraldo, J. A.; del Valle, J. I.; González-Caro, S.; Sierra, C.: Intra-annual isotope variations in tree rings reveal growth rhythms within the least rainy season of an ever-wet tropical forest. Trees 36 (3), S. 1039 - 1052 (2022)
Uribe, M. R.; Sierra, C.; Dukes, J. S.: Seasonality of tropical photosynthesis: A pantropical map of correlations with precipitation and radiation and comparison to model outputs. Biogeosciences 126 (11), e2020JG006123 (2021)
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)
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.
David Hafezi Rachti wurde gleich zweimal ausgezeichnet: für sein EGU-Poster mit dem diesjährigen „Outstanding Student and PhD candidate Presentation“ (OSPP) und für seine Bachelorarbeit erhielt er den ersten Preis des „Young Climate Scientist Award 2024“.
Die Umsetzung des Pariser Klimaabkommen ist inzwischen kaum mehr plausibel, kann aber trotzdem nicht aufgegeben werden. Das DKK hat in seinem Positionspapier in sechs Kernbotschaften zu diesem Dilemma Stellung bezogen.
Ein Forschungsteam hat einen Ansatz entwickelt, KI in Erdsystem-Modelle zu integrieren, und hierzu zwei Perspektiven zukünftiger Forschungsschwerpunkte veröffentlicht.
Der Klimawandel verändert die globalen Wasserkreisläufe. Dabei wird der Regen anders verteilt: In der Mittelmeerregion kommt es einerseits zu längeren und intensiveren Dürren und andererseits zu mehr und heftigerem Starkregen. Modelle mit höherer Auflösung sollen Wetterextreme regional und lokal ebenso präzise voraussagen wie die Auswirkungen unter anderem auf die Landwirtschaft.
Eine aktuelle Studie deutet darauf hin, dass nicht zunehmende Dürren in den Tropen und veränderte Reaktionen des Kohlenstoffkreislaufs aufgrund des Klimawandels für die starke Reaktion der Tropen auf steigenden Temperaturen verantwortlich sind. Stattdessen könnten wenige aber besonders starke El Niño- Ereignisse dafür verantwortlich sein.
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.
Bei der Untersuchung des Klimawandels wird allgemein angenommen, dass die Gesamtmenge der Kohlenstoffemissionen die Erderwärmung bestimmt. Eine neue Studie legt jedoch nahe, dass nicht nur die Menge, sondern auch der Zeitpunkt dieser Emissionen das Ausmaß der Oberflächenerwärmung auf einer menschenbezogenen Zeitskala bestimmt.
Tropenwäldern werden durch menschliche Einflüsse kontinuierlich fragmentiert und geschädigt werden. Mittels Fernerkundungsdaten und modernsten Methoden der Datenanalyse können Forschende nun erstmalig zeigen, dass die Auswirkungen dieser Schädigung größer sind als bisher angenommen.
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.