Digitaler Zwilling
Ein digitaler Zwilling ist eine virtuelle Nachbildung eines physischen Objekts oder Systems, wie z. B. einer Stadt. Mit Hilfe verschiedenster (Erdbeobachtungs-)Daten, Modellen und Künstlicher Intelligenz lässt sich auch das Erdsystem digital nachbilden. So kann der gegenwärtige Zustand der Erde besser bewertet und auch zukünftige Veränderungen simuliert werden, wie beispielsweise die Auswirkungen des Klimawandels oder von Umweltkatastrophen. Die Initiative der Europäischen Kommission zur Entwicklung eines hochpräzisen digitalen Modells der Erde ist Destination Earth (DestinE). (Quelle: Wiki, Zugriff 09.04.2026 12:25 Uhr.)
BUNDESAMT FÜR KARTOGRAFIE UND GEODÄSIE (BKG) (2024): Digitaler Zwilling Deutschland. URL: www.bkg.bund.de/DE/Forschung/Projekte/Digitaler-Zwilling/Digitaler-Zwilling_cont.html. (abgerufen am: 3.6.2024).
FISCHER, R., F. J. BOHN, M. DANTAS DE PAULA, C. DISLICH, J. GROENEVELD, A. G. GUTIÉRREZ, M. KAZMIERCZAK, N. KNAPP, S. LEHMANN, S. PAULICK, S. PÜTZ, E. RÖDIG, F. TAUBERT, P. KÖHLER und A. HUTH (2016): Lessons learned from applying a forest gap model to understand ecosystem and carbon dynamics of complex tropical forests. Ecological Modelling 326, 124–133.
HEITKAMP, F., B. AHRENDS, J. EVERS und H. MEESENBURG (2021): Spatial 3D mapping of forest soil carbon stocks in Hesse, Germany. Journal of Plant Nutrition and Soil Science 184, 635–656.
HILTNER, U., A. HUTH und R. FISCHER (2022): Importance of the forest state in estimating biomass losses from tropical forests: combining dynamic forest models and remote sensing. Biogeosciences 19, 1891–1911.
HOLTMANN, A., A. HUTH, F. J. BOHN und R. FISCHER (2024): Assessing the impact of multi-year droughts on German forests in the context of increased tree mortality. Ecological Modelling 492, 110696.
KNAPP, N., R. FISCHER, V. CAZCARRA-BES und A. HUTH (2020): Structure metrics to generalize biomass estimation from lidar across forest types from different continents. Remote Sensing of Environment 237, 111597.
KNAPP, N., R. FISCHER und A. HUTH (2018): Linking lidar and forest modeling to assess biomass estimation across scales and disturbance states. Remote Sensing of Environment 205, 199–209.
LANGE, M., H. FEILHAUER, I. KÜHN und D. DOKTOR (2022): Mapping land-use intensity of grasslands in Germany with machine learning and Sentinel-2 time series. Remote Sensing of Environment 277, 112888.
PREIDL, S., M. LANGE und D. DOKTOR (2020): Introducing APiC for regionalised land cover mapping on the national scale using Sentinel-2A imagery. Remote Sensing of Environment 240, 111673.
SCHICK, J., M. ALBERT und M. SCHMIDT (2023): A new approach for modeling stand height development of German forests under climate change. Frontiers in Forests and Global Change 6.
SHUGART, H. H. (1998): Terrestrial ecosystems in changing environments, Cambridge Univ. Press, Cambridge.
SHUGART, H. H. (2011): Global change and the terrestrial biosphere: achievements and challenges, Wiley-Blackwell.
SHUGART, H. H., G. P. ASNER, R. FISCHER, A. HUTH, N. KNAPP, T. LE TOAN und J. K. SHUMAN (2015): Computer and remote‐sensing infrastructure to enhance large‐scale testing of individual‐based forest models. Frontiers in Ecology and the Environment 13, 503–511.
SHUGART, H. H., B. WANG, R. FISCHER, J. MA, J. FANG, X. YAN, A. HUTH und A. H. ARMSTRONG (2018): Gap models and their individual-based relatives in the assessment of the consequences of global change. Environmental Research Letters 13, 33001.