Kauwe, M. G. D.; Medlyn, B. E.; Walker, A. P.; Zaehle, S.; Asao, S.; Guenet, B.; Harper, A. B.; Hickler, T.; Jain, A.; Luo, Y.et al.; Lu, X.; Luus, K.; Parton, W. J.; Shu, S.; Wang, Y.-P.; Werner, C.; Xia, J.; Pendall, E.; Morgan, J. A.; Ryan, E. M.; Carrillo, Y.; Dijkstra, F. A.; Zelikova, T. J.; Norby, R. J.: Challenging terrestrial biosphere models with data from the long-term multifactor Prairie Heating and CO2 Enrichment experiment. Global Change Biology 23 (9), S. 3623 - 3645 (2017)
Ryan, E. M.; Ogle, K.; Peltier, D.; Walker, A. P.; Kauwe, M. G. D.; Medlyn, B. E.; Williams, D. G.; Parton, W.; Asao, S.; Guenet, B.et al.; Harper, A. B.; Lu, X.; Luus, K.; Zaehle, S.; Shu, S.; Werner, C.; Xia, J.; Pendall, E.: Gross primary production responses to warming, elevated CO2, and irrigation: quantifying the drivers of ecosystem physiology in a semiarid grassland. Global Change Biology 23 (8), S. 3092 - 3106 (2017)
Karion, A.; Sweeney, C.; Miller, J. B.; Andrews, A. E.; Commane, R.; Dinardo, S.; Henderson, J. M.; Lindaas, J.; Lin, J. C.; Luus, K.et al.; Newberger, T.; Tans, P.; Wofsy, S. C.; Wolter, S.; Miller, C. E.: Investigating Alaskan methane and carbon dioxide fluxes using measurements from the CARVE tower. Atmospheric Chemistry and Physics 16 (8), S. 5383 - 5389 (2016)
Kwon, M. J.; Heimann, M.; Kolle, O.; Luus, K.; Schuur, E. A. G.; Zimov, N.; Zimov, S. A.; Göckede, M.: Long-term drainage reduces CO2 uptake and increases CO2 emission on a Siberian floodplain due to shifts in vegetation community and soil thermal characteristics. Biogeosciences 13 (14), S. 4219 - 4235 (2016)
Medlyn, B. E.; De Kauwe, M. G.; Zaehle, S.; Walker, A. P.; Duursma, R. A.; Luus, K.; Mishurov, M.; Pak, B.; Smith, B.; Wang, Y. P.et al.; Yang, X.; Crous, K. Y.; Drake, J. E.; Gimeno, T. E.; Macdonald, C. A.; Norby, R. J.; Power, S. A.; Tjoelker, M. G.; Ellsworth, D. S.: Using models to guide field experiments: a priori predictions for the CO2 response of a nutrient- and water-limited native Eucalypt woodland. Global Change Biology 22 (8), S. 2834 - 2851 (2016)
Norby, R. J.; Kauwe, M. G. D.; Domingues, T. F.; Duursma, R. A.; Ellsworth, D. S.; Goll, D. S.; Lapola, D. M.; Luus, K.; MacKenzie, A. R.; Medlyn, B. E.et al.; Pavlick, R.; Rammig, A.; Smith, B.; Thomas, R.; Thonicke, K.; Walker, A. P.; Yang, X.; Zaehle, S.: Model–data synthesis for the next generation of forest free-air CO2 enrichment (FACE) experiments. New Phytologist 209 (1), S. 17 - 28 (2016)
Luus, K.; Lin, J. C.: The polar vegetation photosynthesis and respiration model: a parsimonious, satellite-data-driven model of high-latitude CO2 exchange. Geoscientific Model Development 8 (8), S. 2655 - 2674 (2015)
Luus, K.; Gel, Y.; Lin, J. C.; Kelly, R. E. J.; Duguay, C. R.: Pan-Arctic linkages between snow accumulation and growing-season air temperature, soil moisture and vegetation. Biogeosciences 10 (11), S. 7575 - 7597 (2013)
Eine Studie der Universität Leipzig, des Deutschen Zentrums für integrative Biodiversitätsforschung Halle-Jena-Leipzig (iDiv) und des MPI für Biogeochemie zeigt, dass Lücken im Kronendach eines Auenmischwalds einen direkten Einfluss auf die Temperatur und Feuchtigkeit im Waldboden haben, jedoch nur geringe Auswirkungen auf die Bodenaktivität.
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.
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.
Das Bundesministerium für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz (BMUV) heißt seine Gäste am 20. und 21. August wieder zum Tag der offenen Tür der Bundesregierung herzlich willkommen. Als eines der erfolgreichen unterstützten Projekte wurde auch Flora Incognita gebeten, an der Ausstellung für die Besucher teilzunehmen.
Das Ausstellungsschiff MS Wissenschaft startete am 03.05.2022 auf Deutschlandtour, auch mit Flora Incognita an Bord. Die App zur Pflanzenbestimmung ist eines von 25 ausgewählten Exponaten, die Menschen jeden Alters in dem schwimmenden Science Center zum Entdecken, Ausprobieren und Mitmachen einladen.
Smartphone-Apps zur Pflanzenbestimmung wie „Flora Incognita“ können nicht nur Pflanzenarten erkennen, sie erfassen auch großräumige ökologische Muster. Diese Muster stimmen mit Langzeit-Kartierungen der deutschen Flora erstaunlich gut überein, obwohl sie in kürzester Zeit gewonnen wurden und stark vom Verhalten der App-Nutzer beeinflusst werden.
Mobile apps like Flora Incognita that allow automated identification of wild plants cannot only identify plant species, but also uncover large scale ecological patterns. This opens up new perspectives for rapid detection of biodiversity changes. These are the key results of a study led by a team of researchers from Central Germany, which has recently been published in Ecography.
Smartphone-Apps zur Pflanzenbestimmung wie „Flora Incognita“ können nicht nur Pflanzenarten erkennen, sie erfassen auch großräumige ökologische Muster. Damit eröffnen sich neue Perspektiven für die schnelle Erfassung von Veränderungen der Biodiversität. Das sind die wesentlichen Erkenntnisse einer Studie, die von einem Forscherteam aus Mitteldeutschland durchgeführt und in der Zeitschrift Ecography veröffentlicht wurde.