Pitelka, L. F.; Gardner, R. H.; Ash, J.; Berry, S.; Gitay, H.; Noble, I. R.; Saunders, A.; Bradshaw, R. H. W.; Brubaker, L.; Clark, J. S.et al.; Davis, M. B.; Sugita, S.; Dyer, J. M.; Hengeveld, R.; Hope, G.; Huntley, B.; King, G. A.; Lavorel, S.; Mack, R. N.; Malanson, G. P.; Mcglone, M.; Prentice, I. C.; Rejmanek, M.: Plant migration and climate change. American Scientist 85 (5), S. 464 - 473 (1997)
Schimel, D. S.; Emanuel, W.; Rizzo, B.; Smith, T.; Woodward, F. I.; Fisher, H.; Kittel, T. G. F.; Mckeown, R.; Painter, T.; Rosenbloom, N.et al.; Ojima, D. S.; Parton, W. J.; Kicklighter, D. W.; Mcguire, A. D.; Melillo, J. M.; Pan, Y.; Haxeltine, A.; Prentice, I. C.; Sitch, S.; Hibbard, K.; Nemani, R.; Pierce, L.; Running, S.; Borchers, J.; Chaney, J.; Neilson, R.; Braswell, B. H.: Continental scale variability in ecosystem processes: Models, data, and the role of disturbance. Ecological Monographs 67 (2), S. 251 - 271 (1997)
Texier, D.; De Noblet, N.; Harrison, S. P.; Haxeltine, A.; Jolly, D.; Joussaume, S.; Laarif, F.; Prentice, I. C.; Tarasov, P.: Quantifying the role of biosphere-atmosphere feedbacks in climate change: coupled model simulations for 6000 years BP and comparison with palaeodata for northern Eurasia and northern Africa. Climate Dynamics 13 (12), S. 865 - 882 (1997)
Haxeltine, A.; Prentice, I. C.; Creswell, I. D.: A coupled carbon and water flux model to predict vegetation structure. Journal of Vegetation Science 7 (5), S. 651 - 666 (1996)
Joos, F.; Prentice, I. C.: A Paleo-perspective on changes in atmospheric CO2 and climate. In: The global carbon cycle, Bd. 62, S. 165 - 186 (Hg. Field, C. B.; Raupach, M. R.). Island Press, Washington (2004)
Spessa, A.; Mcbeth, B.; Thonicke, K.; Prentice, I. C.: Modelling the relationship between fire frequency, rainfall and vegetation in the Kimberleys region Australia, using a fire model coupled to a DGVM. In: Proceedings of the 3rd International Wildland Fire Conference, 4-6 Oct. 2003, Sydney (Hg. Goldammer, J.; Viegas, D.) (2003)
Guiot, J.; Prentice, I. C.; Peng, C.; Jolly, D.; Laarif, F.; Smith, B.: Reconstruction and modelling past changes in terrestrial primary production. In: Terrestrial global productivity, S. 479 - 498 (Hg. Roy, J.; Saugier, B.; Mooney, H. A.). Academic Press, San Diego (2001)
Prentice, I. C.: Max-Planck-Institut für Biogeochemie. In: Jahrbuch 2001 der Max-Planck-Gesellschaft zur Förderung der Wissenschaften, S. 427 - 435. Vandenhoeck & Ruprecht, Göttingen (2001)
Prentice, I. C.: Interactions of climate change and the terrestrial biosphere. In: Geosphere-biosphere interactions and climate, S. 176 - 198 (Hg. Bengtsson, L.; Hammer, C. U.). Pontifical Academy of Sciences, Cambridge (2001)
Prentice, I. C.; Farquhar, G. D.; Fasham, M. J. R.; Goulden, M. L.; Heimann, M.; Jaramillo, V. J.; Kheshgi, H. S.; Le Quéré, C.; Scholes, R. J.; Wallace, D. W. R.: The carbon cycle and atmospheric carbon dioxide. In: Climate Change 2001: the scientific basis, S. 183 - 237 (Hg. Houghton, J. T.; Ding, Y.; Griggs, D. J.; Noguer, M.; Van Der Linden, P. J. et al.). Cambridge University Press, Cambridge (2001)
Prentice, I. C.; Raynaud, D.: Palaeobiogeochemistry. In: Global biogeochemical cycles in the climate system, S. 87 - 94 (Hg. Schulze, E.-D.; Harrison, S. P.; Heimann, M.; Holland, E. A.; Lloyd, J. et al.). Academic Press, San Diego (2001)
Wallace, D. W. R.; Prentice, I. C.; Schimel, D.: The global carbon cycle. In: Contributions to global change research, S. 22 - 29 (Hg. Heinen, D.). German National Committee on Global Change Research, Bonn (2001)
Francois, L.; Kaplan, J. O.; Otto, D.; Roelandt, C.; Harrison, S. P.; Prentice, I. C.; Warnant, P.; Ramstein, G.: Comparison of vegetation distributions and terrestrial carbon budgets reconstructed for the last glacial maximum with several biosphere models. In: Paleoclimate Modelling Intercomparison Project (PMIP). Proceedings of the third PMIP workshop, La Huardière, Canada, 4-8 October 1999, S. 141 - 145 (Hg. De Vernal, A.; Braconnot, P.; Joussaume, S.; Taylor, K.) (2000)
Schulze, E.-D.; Prentice, I. C.: Max-Planck-Institut für Biogeochemie. In: Jahrbuch 2000 der Max-Planck-Gesellschaft zur Förderung der Wissenschaften, S. 457 - 464. Vandenhoeck & Ruprecht, Göttingen (2000)
Yu, G.; Sun, X.; Qin, B.; Song, C.; Li, H.; Prentice, I. C.; Harrison, S. P.: Pollend-based reconstruction of vegetation patterns of China in Mid-Holocene. In: Proceedings for the 60th Anniversary of the Founding of Nanjing Institute of Geography and Limnology, S. 369 - 375 (Hg. Nanjing Institute of Geography & Limnology, C.). Chinese Academic of Sciences (III) (2000)
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.