Forkel, M.; Carvalhais, N.; Verbesselt, J.; Mahecha, M. D.; Neigh, C. S.R.; Reichstein, M.: Trend change detection in NDVI time series: Effects of inter-annual variability and methodology. Remote Sensing 5 (5), S. 2113 - 2144 (2013)
Benali, A.; Carvalho, A.; Nunes, J.; Carvalhais, N.; Santos, A.: Estimating air surface temperature in Portugal using MODIS LST data. Remote Sensing of Environment 124, S. 108 - 121 (2012)
Wu, J.; Van Der Linden, L.; Lasslop, G.; Carvalhais, N.; Pilegaard, K.; Beier, C.; Ibrom, A.: Effects of climate variability and functional changes on the interannual variation of the carbon balance in a temperate deciduous forest. Biogeosciences 9 (2), S. 715 - 715 (2012)
Mahecha, M. D.; Reichstein, M.; Carvalhais, N.; Lasslop, G.; Lange, H.; Seneviratne, S. I.; Vargas, R.; Ammann, C.; Arain, M. A.; Cescatti, A.et al.; Janssens, I. A.; Migliavacca, M.; Montagnani, L.; Richardson, A. D.: Response to Comment on "Global Convergence in the Temperature Sensitivity of Respiration at Ecosystem Level". Science 331 (6022), S. 1265d (2011)
Carvalhais, N.; Reichstein, M.; Ciais, P.; Collatz, G. J.; Mahecha, M. D.; Montagnani, L.; Papale, D.; Rambal, S.; Seixas, J.: Identification of vegetation and soil carbon pools out of equilibrium in a process model via eddy covariance and biometric constraints. Global Change Biology 16 (10), S. 2813 - 2829 (2010)
Carvalhais, N.; Reichstein, M.; Collatz, G. J.; Mahecha, M. D.; Migliavacca, M.; Neigh, C. S. R.; Tomelleri, E.; Benali, A. A.; Papale, D.; Seixas, J.: Deciphering the components of regional net ecosystem fluxes following a bottom-up approach for the Iberian Peninsula. Biogeosciences 7 (11), S. 3707 - 3729 (2010)
Mahecha, M. D.; Reichstein, M.; Carvalhais, N.; Lasslop, G.; Lange, H.; Seneviratne, S. I.; Vargas, R.; Ammann, C.; Arain, M. A.; Cescatti, A.et al.; Janssens, I. A.; Migliavacca, M.; Montagnani, L.; Richardson, A. D.: Global Convergence in the Temperature Sensitivity of Respiration at Ecosystem Level. Science 329 (5993), S. 838 - 840 (2010)
Williams, M.; Richardson, A. D.; Reichstein, M.; Stoy, P. C.; Peylin, P.; Verbeeck, H.; Carvalhais, N.; Jung, M.; Hollinger, D. Y.; Kattge, J.et al.; Leuning, R.; Luo, Y.; Tomelleri, E.; Trudinger, C. M.; Wang, Y. P.: Improving land surface models with FLUXNET data. Biogeosciences 6 (7), S. 1341 - 1359 (2009)
Carvalhais, N.; Reichstein, M.; Seixas, J.; Collatz, G. J.; Pereira, J. S.; Berbigier, P.; Carrara, A.; Granier, A.; Montagnani, L.; Papale, D.et al.; Rambal, S.; Sanz, M. J.; Valentini, R.: Implications of the carbon cycle steady state assumption for biogeochemical modeling performance and inverse parameter retrieval. Global Biogeochemical Cycles 22 (2), S. Gb2007 (2008)
Mahecha, M. D.; Reichstein, M.; Lange, H.; Carvalhais, N.; Bernhofer, C.; Grunwald, T.; Papale, D.; Seufert, G.: Characterizing ecosystem-atmosphere interactions from short to interannual time scales. Biogeosciences 4 (5), S. 743 - 758 (2007)
Nunes, J. P.; Vieira, G. N.; Seixas, J.; Gonçalves, P.; Carvalhais, N.: Evaluating the MEFIDIS model for runoff and soil erosion prediction during rainfall events. Catena 61 (2-3), S. 210 - 228 (2005)
Reichstein, M.; Richardson, A. D.; Migliavacca, M.; Carvalhais, N.: Plant–environment interactions across multiple scales. In: Ecology and the Environment, S. 1 - 27 (Hg. Monson, R. K.). Springer, New York (2014)
Am 29. April 2025 wurde der BIOMASS-Satellit erfolgreich in die Umlaufbahn gebracht. Die BIOMASS-Mission dient der Kartierung und Überwachung globaler Wälder. Sie soll die Struktur verschiedener Waldtypen kartieren und Daten zur oberirdischen Biomasse liefern.
Am 29. April 2025 wurde der BIOMASS-Satellit erfolgreich in die Umlaufbahn gebracht. Die BIOMASS-Mission dient der Kartierung und Überwachung globaler Wälder. Sie soll die Struktur verschiedener Waldtypen kartieren und Daten zur oberirdischen Biomasse liefern.
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.
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.