top of page

News

Neuigkeiten aus dem Verbundvorhaben KliMoBay

Aufbau des Peatland Science Centers (PSC) – Moorforschungszentrum Weihenstephan

Die Bayerische Staatsregierung ist Fördergeberin für den Aufbau des 'Peatland Science Center' (PSC) Weihenstephan. Das PSC wird die wissenschaftliche Basis für die Moorentwicklung in Süddeutschland wesentlich verbessern.

Der Abschlussbericht ist abrufbar unter

https://doi.org/10.5281/zenodo.10202687

​

Podcast: "Wie können Moorgebiete das Klima retten?"

In dem Podcast spricht Prof. Dr. Matthias Drösler mit Joris Krug im Format "Dart Date" über den um den Problemkreis Klimawandel und die Rolle der Moore.

KliMoBay am Tag der Hydrologie

Tag der Hydrologie 2022 in München

KliMoBay-Klimaschutz und Anpassungspotentiale in Mooren Bayern

KliMoBay auf der EGU

Schlaipfer, M., Klatt, J., Meyer, H., and Drösler, M.:

Greenhouse Gas Budgets of Bavarian Peatlands,

EGU General Assembly 2022, Vienna, Austria, 23–27 May 2022, EGU22-3587, https://doi.org/10.5194/egusphere-egu22-3587, 2022.

​

Kuch, V., Marzahn, P., Klatt, J., Ramsauer, T., Huber García, V., Ludwig, R., and Drösler, M.:

Assessing the potential of semi-empirical estimates of evapotranspiration from peatlands in Bavaria by means of remote sensing,

EGU General Assembly 2022, Vienna, Austria, 23–27 May 2022, EGU22-4907, https://doi.org/10.5194/egusphere-egu22-4907, 2022.

Masterarbeiten

Department für Georgraphie, Lehr- und Forschungseinheit Hydrologie und Fernerkundung, Ludwig-Maximilians-Universität München,  2021

Estimation of peatland evapotranspiration by means of remote sensing

Veren Kuch

Lehrstuhl für Hydrologie und Flussgebiets­management,Technische Universität München, Masterarbeit, 2021

Concept of Water Supply for rewetting the fen peatland around research site Karolinenfeld

Timon Lauber

Studienprojekte

Lehrstuhl für Hydrologie und Flussgebiets­management,Technische Universität München, 2021

Determination of DEM based Predictor Variables for Königsdorfer Weidfilz peatland and analysis of the relationship between the Predictor Variables and Depth to Water level data

Ishita Jalan

IMG_2014_edited_edited.jpg
bottom of page