This dissertation explores the mechanisms underpinning the joint effects of multi- ple global change factors (GCFs) on soil properties and functions incorporating the rapid development of machine learning methods and AI tools. In chapter 2, we addresses the complex interactions between multiple GCFs and their joint effects on soil properties and functions. By developing a factor pool of 12 GCFs and calculating dissimilarity indices for factor combinations, the study shows that higher factor number and more dissimilar factors result in more pronounced deviations in soil properties and functions from null model predictions. These devi- ations often manifest as synergistic interactions, particularly in critical soil functions such as decomposition rates and enzyme activities. It highlights that not only the number of GCFs but also their dissimilarity plays a key role in driving soil responses, offering a new perspective for future research on the interactions of multiple global change factors. In chapter 3, in addition to the mechanistic insights, the dissertation introduces a practical null model analysis workflow for evaluating interactions among multi- ple stressors in soil ecology. The workflow not only facilitates the identification of interactions among factors but also efficiently generates null model predictions for a large number of randomly selected factor combinations. By incorporating it with other modeling frameworks, this flexible model workflow can be adapted to various hypothesis testing in GCF studies. Two case studies demonstrate the utility of this approach, offering a robust framework for future research on impacts of multiple GCFs on soil ecosystems. In chapter 4, the dissertation delves into the rapid development and increasing integration of artificial intelligence (AI), specifically generative models, into environ- mental science and ecology. This chapter explores the dual-edged nature of these technologies. On the one hand, LLMs and generative AI offer significant advan- tages, such as streamlining research workflows, enhancing environmental commu- nication, and broadening public engagement with ecological issues. On the other hand, we also emphasizes the potential risks associated with the unregulated use of AI in environmental sciences, such as the spread of misinformation and biased outputs. Moreover, the potential for AI-generated scientific data to be fabricated or manipulated raises concerns about the integrity of research findings in the field of ecology. Overall, this dissertation contributes insights into two critical areas of environ- mental research: the conbined effects of multiple GCFs on soil ecosystems, and the transformative potential of AI technologies in ecological research and communica- tion. By advancing our understanding of how these forces interact with and shape the environment, it provides important frameworks for addressing the multifaceted challenges posed by human activities and technological advancements.
Diese Dissertation untersucht die Mechanismen, die den kombinierten Effekten meh- rerer globaler Umweltveränderungsfaktoren (GCFs) auf Bodenbeschaffenheit und funktionen zugrunde liegen und berücksichtigt dabei die rasante Entwicklung von maschinellen Lernmethoden und KI-Tools. In Kapitel 2 werden die komplexen Wechselwirkungen zwischen mehreren GCFs und deren gemeinsame Auswirkungen auf Bodenbeschaffenheit und -funktionen behandelt. Durch die Entwicklung eines Faktorpools von 12 GCFs und die Berech- nung von Ähnlichkeitsindizes für Faktorkombinationen zeigt die Studie, dass eine höhere Anzahl und größere Unterschiedlichkeit der Faktoren zu stärkeren Abwei- chungen von den Vorhersagen des Nullmodells führen. Diese Abweichungen mani- festieren sich häufig als synergetische Wechselwirkungen, insbesondere bei kritis- chen Bodenfunktionen wie Zersetzungsraten und Enzymaktivitäten. Die Studie hebt hervor, dass nicht nur die Anzahl der GCFs, sondern auch ihre Unterschiedlichkeit eine Schlüsselrolle bei der Beeinflussung von Bodenreaktionen spielt und bietet somit eine neue Perspektive für zukünftige Forschungen zu den Interaktionen mehrerer globaler Umweltveränderungsfaktoren. In Kapitel 3 stellt die Dissertation zusätzlich zu den mechanistischen Erkennt- nissen einen praktischen Workflow für die Analyse von Nullmodellen zur Bewer- tung von Wechselwirkungen zwischen mehreren Stressoren in der Bodenkunde vor. Der Workflow erleichtert nicht nur die Identifizierung von Wechselwirkungen zwis- chen den Faktoren, sondern generiert auch effizient Nullmodellvorhersagen für eine große Anzahl zufällig ausgewählter Faktorkombinationen. Durch die Integration in andere Modellierungsrahmen kann dieser flexible Workflow an verschiedene Hy- pothesentests in GCF-Studien angepasst werden. Zwei Fallstudien demonstrieren die Nützlichkeit dieses Ansatzes und bieten ein solides Rahmenwerk für zukünftige Forschungen zu den Auswirkungen mehrerer GCFs auf Ökosysteme. In Kapitel 4 befasst sich die Dissertation mit der rasanten Entwicklung und zunehmenden Integration von Künstlicher Intelligenz (KI), insbesondere generativer Modelle, in die Umweltwissenschaften und Ökologie. Dieses Kapitel untersucht die zwiespältige Natur dieser Technologien. Einerseits bieten große Sprachmodelle (LLMs) und gen- erative KI erhebliche Vorteile, wie die Optimierung von Forschungsabläufen, die Verbesserung der Umweltkommunikation und die Erweiterung des öffentlichen En- gagements für ökologische Themen. Andererseits werden auch die potenziellen Risiken einer unregulierten Nutzung von KI in den Umweltwissenschaften betont, wie die Verbreitung von Fehlinformationen und voreingenommene Ergebnisse. Zu- dem wirft die Möglichkeit, dass KI-generierte wissenschaftliche Daten fabriziert oder manipuliert werden könnten, Bedenken hinsichtlich der Integrität von Forschungsergeb- nissen im Bereich der Ökologie auf. Insgesamt liefert diese Dissertation Einblicke in zwei zentrale Bereiche der Umwelt- forschung: die kombinierten Effekte mehrerer GCFs auf Bodensysteme und das transformative Potenzial von KI-Technologien in der ökologischen Forschung und Kommunikation. Durch die Erweiterung unseres Verständnisses darüber, wie diese Kräfte auf die Umwelt wirken und sie formen, bietet sie wichtige Rahmenwerke zur Bewältigung der vielfältigen Herausforderungen, die durch menschliche Aktivi- täten und technologische Fortschritte entstehen.
