{"id":86941,"date":"2022-11-23T02:30:00","date_gmt":"2022-11-23T01:30:00","guid":{"rendered":"https:\/\/www.sonnenseite.com\/?p=86941"},"modified":"2022-11-21T10:07:37","modified_gmt":"2022-11-21T09:07:37","slug":"eine-weltkarte-der-pflanzenvielfalt","status":"publish","type":"post","link":"https:\/\/www.sonnenseite.com\/de\/wissenschaft\/eine-weltkarte-der-pflanzenvielfalt\/","title":{"rendered":"Eine Weltkarte der Pflanzenvielfalt"},"content":{"rendered":"\n

Warum gibt es an manchen Orten mehr Pflanzenarten als an anderen? Warum ist die Vielfalt in den Tropen am gr\u00f6\u00dften? Welcher Zusammenhang besteht zwischen Artenvielfalt und Umweltbedingungen? <\/p>\n\n\n\n

Um diese Fragen zu beantworten, hat ein internationales Forschungsteam unter der Leitung der Universit\u00e4t G\u00f6ttingen die Verteilung von Pflanzenvielfalt auf der ganzen Welt rekonstruiert und hochaufl\u00f6sende Vorhersagen dar\u00fcber gemacht, wie viele Pflanzenarten es wo gibt. Dies soll zum Schutz und Erhalt der Pflanzenvielfalt beitragen und Ver\u00e4nderungen im Hinblick auf die aktuelle Biodiversit\u00e4ts- und Klimakrise bewerten. Die Forschungsergebnisse sind in der Fachzeitschrift New Phytologist<\/em><\/a> erschienen.<\/p>\n\n\n\n

Auf der Grundlage eines einzigartigen globalen Datensatzes von 830 regionalen Floren und der Verbreitung von 300.000 Pflanzenarten, die an der Universit\u00e4t G\u00f6ttingen \u00fcber zehn Jahre hinweg zusammengetragen wurden, modellierten die Forscher die Beziehung zwischen Pflanzenvielfalt und Umweltbedingungen mithilfe moderner maschineller Lernverfahren. Indem sie die Verwandtschaft der Arten untereinander ber\u00fccksichtigten, konnten sie die Evolutionsgeschichte der in jeder geografischen Region vorkommenden Pflanzenarten mit einbeziehen. Die Modelle wurden dann zur Vorhersage der weltweiten Pflanzenvielfalt unter Ber\u00fccksichtigung vergangener und aktueller geografischer und klimatischer Bedingungen verwendet.<\/p>\n\n\n

\n
\"\"<\/a>
\u00a9 New Phytologist | Globale Verteilung der phylogenetischen Vielfalt der Pflanzen, wie sie anhand der Verteilung von 300.000 Pflanzenarten in 830 regionalen Floren weltweit vorhergesagt wurde.<\/figcaption><\/figure>\n<\/div>\n\n\n

Die Modelle geben Aufschluss dar\u00fcber, wie sich die Vielfalt entlang von Umweltgradienten ver\u00e4ndert und helfen dabei, globale Zentren der Pflanzenvielfalt zu identifizieren. Gegenw\u00e4rtige Klima- und Umwelteinfl\u00fcsse erwiesen sich als Hauptfaktoren f\u00fcr die Pflanzenvielfalt. Die h\u00f6chste Pflanzenvielfalt wird in \u00f6kologisch heterogenen tropischen Gebieten wie Mittelamerika, den Anden und Amazonien, S\u00fcdostbrasilien, Teilen des tropischen Afrikas, Madagaskar, S\u00fcdchina, Indochina und dem Malaiischen Archipel sowie in einigen mediterranen Regionen wie dem Kap von Afrika und Gebieten rund um das Mittelmeer vorhergesagt.<\/p>\n\n\n\n

F\u00fcr die Entwicklung der Modelle nutzten die Forscher moderne Techniken des maschinellen Lernens und neu erhobene Daten zur Pflanzenverbreitung. Die daraus resultierenden globalen Karten der Pflanzenvielfalt bilden eine solide Grundlage f\u00fcr gro\u00df angelegtes Monitoring von Biodiversit\u00e4t und die Erforschung des Ursprungs der Pflanzenvielfalt und unterst\u00fctzen k\u00fcnftige Bewertungen der weltweiten Biodiversit\u00e4t und von Schutzma\u00dfnahmen.<\/p>\n\n\n\n

\u201eDie globalen Vorhersagen zeigen in beispielloser Detailtreue und Genauigkeit, wie die Pflanzenvielfalt \u00fcber unseren Planeten verteilt ist\u201c, sagt Prof. Dr. Holger Kreft von der Arbeitsgruppe Biodiversit\u00e4t, Makro\u00f6kologie und Biogeographie der Universit\u00e4t G\u00f6ttingen. Und Dr. Patrick Weigelt von der Universit\u00e4t G\u00f6ttingen erg\u00e4nzt: \u201eZu wissen, wo eine bestimmte Anzahl von Arten unter den gegenw\u00e4rtigen Bedingungen zu erwarten ist, erm\u00f6glicht uns, zuk\u00fcnftige Entwicklungen aufgrund von Ver\u00e4nderungen des Klimas und der Landnutzung abzusch\u00e4tzen sowie die Auswirkungen von \u00dcbernutzung und eingeschleppten invasiven Arten zu erkennen.\u201c<\/p>\n\n\n\n