| 2330 | LIL-KliBioTo - Landschaftsinnovationen in der Lausitz für eine klimaangepasste Bioökonomie und naturnahen Bioökonomie-Tourismus | LIL-KliBioTo - Landscape innovations in the Lausitz region for a climate-adapted bioeconomy and nature-based bioeconomy tourism | 01/11/2022 00:00:00 | 31/10/2025 00:00:00 | laufend | current | Programmbereich 2 „Landnutzung und Governance“,Forschungsplattform „Datenanalyse und Simulation“ | Research Area 2 „Land Use and Governance“,Research Platform „Data Analysis and Simulation“ | x4x80x18x83x | Bellingrath-Kimura, Sonoko Dorothea; Ryo, Masahiro; Krachunova, Tsvetelina; Mengsuwan, Konlavach | x1853x2732x2815x2827x | <div class='ntm_PB2'>PB2</div><div class='ntm_FDS'>FDS</div> | | <a href="https://lil-klibioto.zalf.de/de/">LIL-KliBioTo.de</a><BR /> | 2022 | LIL-KliBioTo - Landschaftsinnovationen in der Lausitz für eine klimaangepasste Bioökonomie und naturnahen Bioökonomie-Tourismus LIL-KliBioTo - Landscape innovations in the Lausitz region for a climate-adapted bioeconomy and nature-based bioeconomy tourism Programmbereich 2 „Landnutzung und Governance“,Forschungsplattform „Datenanalyse und Simulation“ Bellingrath-Kimura, Sonoko Dorothea; Ryo, Masahiro; Krachunova, Tsvetelina; Mengsuwan, Konlavach Drittmittel Research Area 2 „Land Use and Governance“,Research Platform „Data Analysis and Simulation“ current laufend <div class="ExternalClassE64B6BEF1B824C7A92551961CDBA08C3">Ziel des Projektes ist es, mögliche Anpassungsstrategien an den Klimawandel für zwei Wirtschaftsbranchen, der Bioökonomie und dem naturnahen Tourismus, zu entwickeln. Die Strategie wird durch die Verbindung von durch künstliche Intelligenz (KI)-gestützte Datenwissenschaft mit agrarischen und ökonomischen Analysen unter Einbeziehung von Stakeholdern entwickelt. Zur Zielerreichung verfolgt das ZALF folgende Teilziele:
<ul><li>Unterstützung der Anpassung der Bioökonomie und des Fahrradtourismus an ein sich änderndes Klima durch konkrete Empfehlungen zur agrarischen Landnutzung, der Ausgestaltung von klimawandelangepassten Radwegen, und der Verbreitung der Informationen mit Hilfe von Apps. Diese Empfehlungen basieren auf der Landschaftsanalyse mit Hilfe von maschinellem Lernen und Deep Learning sowie der Bewertung von Nutzen und Kosten der klimawandelangepassten Landnutzungsoptionen. Hierfür erstellt das ZALF das Kartenmaterial.<br></li><li>Einbeziehung regionaler Akteur/innen in diesen Prozess durch einen Beirat mit dem Fokus auf Landwirt/innen.</li><li>Nutzung der Fallstudie „Lausitz“ als Beispiel zur Entwicklung allgemeiner neuer wissenschaftlicher Methoden und Erkenntnisse zur Anpassung an den Klimawandel in multifunktionalen Landschaften.</li></ul>
Das ZALF entwickelt und testet hierbei neue Ansätze durch maschinelles Lernen. Das Projekt schlägt einen neuen Weg ein, in dem, durch KI-gesteuerte Datenwissenschaft und durch die von den Interessentengruppen einbezogenen Sozialwissenschaft, ein Modellfall für Landschaftsinnovationen in anderen Regionen entsteht.<br></div> <div class="ExternalClassBFB58FE37C7A4F5BA6C4DACE6292CAF8">The aim of the project is to develop possible climate change adaptation strategies for two economic sectors, the bioeconomy and nature-based tourism. The strategy will be developed by combining artificial intelligence (AI)-based data science with agricultural and economic analyses involving stakeholders. To achieve its goals, ZALF is pursuing the following sub-goals:
<ul><li>Supporting the adaptation of the bioeconomy and cycling tourism to a changing climate through concrete recommendations on agrarian land use, the design of climate change-adapted cycling routes, and the dissemination of information using apps. These recommendations are based on landscape analysis using machine learning and deep learning, as well as the evaluation of benefits and costs of climate change-adapted land use options. ZALF is preparing the map material for this.</li><li>Involvement of regional actors in this process through an advisory board with a focus on farmers.</li><li>Use the case study "Lausitz" as an example for the development of general new scientific methods and findings on climate change adaptation in multifunctional landscapes. ZALF is developing and testing new approaches through machine learning.</li></ul>
The project takes a new approach in which, through AI-driven data science and through the social science incorporated by the stakeholder groups, a model case for landscape innovations in other regions is created. </div> LIL-KliBioTo-Lan <div class="ExternalClass10555069-0DF2-4EEF-8FF7-B26AFDB49223"></div> <div class="ExternalClass3CA2066A-B67D-4031-815C-48D37BE69255"><ul><li>Brandenburgische Technische Universität Cottbus-Senftenberg (BTU)</li></ul></div> <div class="ExternalClass250DFD20-103D-4A93-A535-426E2EAE62E2"><ul><li>WIR! Wandel durch Innovation in der Region</li></ul></div> <div class="ExternalClassEFF9561B-24C0-47FD-8AB9-93E01EE167A0"><ul><li>Land-Innovation-Lausitz (LIL)</li></ul></div> <div class="ExternalClass9EE5DADA-BB19-4CE0-A0F6-6BAA5AB8A46A"></div> | <div class="ExternalClassE64B6BEF1B824C7A92551961CDBA08C3">Ziel des Projektes ist es, mögliche Anpassungsstrategien an den Klimawandel für zwei Wirtschaftsbranchen, der Bioökonomie und dem naturnahen Tourismus, zu entwickeln. Die Strategie wird durch die Verbindung von durch künstliche Intelligenz (KI)-gestützte Datenwissenschaft mit agrarischen und ökonomischen Analysen unter Einbeziehung von Stakeholdern entwickelt. Zur Zielerreichung verfolgt das ZALF folgende Teilziele:
<ul><li>Unterstützung der Anpassung der Bioökonomie und des Fahrradtourismus an ein sich änderndes Klima durch konkrete Empfehlungen zur agrarischen Landnutzung, der Ausgestaltung von klimawandelangepassten Radwegen, und der Verbreitung der Informationen mit Hilfe von Apps. Diese Empfehlungen basieren auf der Landschaftsanalyse mit Hilfe von maschinellem Lernen und Deep Learning sowie der Bewertung von Nutzen und Kosten der klimawandelangepassten Landnutzungsoptionen. Hierfür erstellt das ZALF das Kartenmaterial.<br></li><li>Einbeziehung regionaler Akteur/innen in diesen Prozess durch einen Beirat mit dem Fokus auf Landwirt/innen.</li><li>Nutzung der Fallstudie „Lausitz“ als Beispiel zur Entwicklung allgemeiner neuer wissenschaftlicher Methoden und Erkenntnisse zur Anpassung an den Klimawandel in multifunktionalen Landschaften.</li></ul>
Das ZALF entwickelt und testet hierbei neue Ansätze durch maschinelles Lernen. Das Projekt schlägt einen neuen Weg ein, in dem, durch KI-gesteuerte Datenwissenschaft und durch die von den Interessentengruppen einbezogenen Sozialwissenschaft, ein Modellfall für Landschaftsinnovationen in anderen Regionen entsteht.<br></div> | <div class="ExternalClassBFB58FE37C7A4F5BA6C4DACE6292CAF8">The aim of the project is to develop possible climate change adaptation strategies for two economic sectors, the bioeconomy and nature-based tourism. The strategy will be developed by combining artificial intelligence (AI)-based data science with agricultural and economic analyses involving stakeholders. To achieve its goals, ZALF is pursuing the following sub-goals:
<ul><li>Supporting the adaptation of the bioeconomy and cycling tourism to a changing climate through concrete recommendations on agrarian land use, the design of climate change-adapted cycling routes, and the dissemination of information using apps. These recommendations are based on landscape analysis using machine learning and deep learning, as well as the evaluation of benefits and costs of climate change-adapted land use options. ZALF is preparing the map material for this.</li><li>Involvement of regional actors in this process through an advisory board with a focus on farmers.</li><li>Use the case study "Lausitz" as an example for the development of general new scientific methods and findings on climate change adaptation in multifunctional landscapes. ZALF is developing and testing new approaches through machine learning.</li></ul>
The project takes a new approach in which, through AI-driven data science and through the social science incorporated by the stakeholder groups, a model case for landscape innovations in other regions is created. </div> | | | <div class="ExternalClass89875111-C95C-41BC-B75B-7A9D75D94B84">Prof. Dr. Sonoko Dorothea Bellingrath-Kimura; Tsvetelina Krachunova; Konlavach Mengsuwan; Prof. Dr. Masahiro Ryo</div> | Bellingrath-Kimura, Sonoko Dorothea | <div class="ExternalClass24A343C1-146D-47FC-AA58-02C4413D7AA5">Prof. Dr. Sonoko Dorothea Bellingrath-Kimura</a></div> | | | | <div class="ExternalClass3CA2066A-B67D-4031-815C-48D37BE69255"><ul><li>Brandenburgische Technische Universität Cottbus-Senftenberg (BTU)</li></ul></div> | x4372x | <div class="ExternalClass250DFD20-103D-4A93-A535-426E2EAE62E2"><ul><li>WIR! Wandel durch Innovation in der Region</li></ul></div> | | Land-Innovation-Lausitz (LIL) | <div class="ExternalClassEFF9561B-24C0-47FD-8AB9-93E01EE167A0"><ul><li>Land-Innovation-Lausitz (LIL)</li></ul></div> | | 2 | 2 | | <div class="ExternalClass468CADE9-21F5-434C-AF46-00A98C39615F"><ul><li>Bereitstellung von Ökosystemleistungen in Agrarsystemen</li><li>Künstliche Intelligenz für Digitale Landwirtschaft</li></ul></div> | <div class="ExternalClass9CFBF1FC-CA09-4090-825A-2C147855ECC3"><ul><li>Provisioning of Ecosystem Services in Agricultural Systems</li><li>Artificial Intelligence for Smart Agriculture</li></ul></div> |
