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)
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.
Extreme Klimaereignisse gefährden die Qualität und Stabilität des Grundwassers, wenn Regenwasser die natürlichen Filterprozesse im Boden umgeht. Dies wurde in einer Langzeitstudie des Grundwassers mit neuen Analysemethoden nachgewiesen.
Häufigere starke Stürme zerstören immer größere Flächen des Amazonas-Regenwalds. Sturmschäden zwischen 1985 und 2020 wurden kartiert. Die Gesamtfläche der betroffenen Wälder hat sich in diesem Zeitraum etwa vervierfacht.
Das Global Carbon Project zeigt, dass die fossilen CO2-Emissionen auch 2024 weiter ansteigen. Es fehlen Anzeichen für den schnellen und starken Rückgang der Emissionen, der nötig wäre, um die Auswirkungen des Klimawandels einzugrenzen.
Niederschläge im Amazonas-Regenwald lassen massenhaft natürliche Nanopartikel entstehen, die zur Bildung von Wolken und weiteren Regenfällen führen können
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.
Fachleute aus Wissenschaft, Journalismus, Kommunen und Nichtregierungsorganisationen halten einen Kurswechsel in der Kommunikation über Klimathemen für dringend geboten. Anlässlich des K3 Kongresses zur Klimakommunikation mit rund 400 Teilnehmenden in Graz wurde der Aufruf 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.