1 Überblick
2 Verdunstung
3 Schneedynamik
4 Vegetationsdynamik
5 Bodenwasserdynamik
6 Bodenwärmedynamik
7 Kohlenstoff-/Stickstoffdynamik
8 Phosphorkreislauf
9 Eingangsdaten und Modellparameter
10 Programmtechnische Umsetzung
11 Anwendungsbeispiele
12 Literatur

13 Symbole und Abkürzungen

Die moderne Flussgebietsbewirtschaftung erfordert neben der Betrachtung der Wasserflüsse auch die Berücksichtigung von Wasserinhaltsstoffen, wie z.B. gelöste Stickstoffkomponenten. Dazu wurde im Rahmen von ArcEGMO (Pfützner, 2002; Becker et al., 2002) das Abflussbildungsmodul PSCN entwickelt, welches neben der Wasserdynamik im System „Vegetation – Boden“ auch den Phosphor-, Kohlen- und Stickstoffhaushalt simuliert (Abb. 1‑2). PSCN (Plant-Soil-Carbon-Nitrogen Model) entstand durch die Kopplung komplexer Wachstumsmodelle für Wald- und landwirtschaftliche Flächen mit einem detaillierten Bodenmodell. Durch die Implementierung eines Fruchtfolgen­generators kann die landwirtschaftliche Anbaustruktur einer Region genau wiedergegeben werden. Einsatzbereich ist die mittelmaßstäbige (1 bis 1000 km²) Simulation des Wasser- und Stoffhaushaltes einer Region bei Berücksichtigung der Vegetations- und Ertragsentwicklung.

Als treibende klimatische Größen werden Lufttemperatur, Niederschlag, Luftfeuchte und Globalstrahlung in täglicher Auflösung benötigt, die durch ArcEGMO für jedes simulierte Raumelement bereitgestellt werden. Die räumliche Auflösung erfolgt entsprechend des Aggregations­schemas von ArcEGMO (Becker et al., 2002; Pfützner, 2002) auf Hydrotopebene (Elementarfläche). Jedes Hydrotop ist durch eine bestimmte Landnutzung und einen Bodentyp charakterisiert und hat einen festen Raumbezug innerhalb des Untersuchungsgebietes (s. Abb. 1‑1).

Abb. 1‑1: Aggregationsschema von ArcEGMO – linke Bildseite: Erzeugung von Hydrotopen durch Verschneidung der Basiskarten, rechte Bildseite: Erstellen des finalen Raummodells durch Zuordnung dieser Hydrotope zu den Teileinzugsgebieten des Untersuchungsraumes

Vorteile dieser prozessbeschreibenden, räumlich und zeitlich hochauflösenden Modellierung gegenüber konzeptionellen Bilanzierungsansätzen wie z.B. MONERIS (Behrendt et al., 2002) werden vor allem hinsichtlich folgender Aspekte gesehen:

a. Die Simulation der Prozesse auf der Basis räumlich determinierter Hydrotope ermöglicht die Ausweisung von Risikoflächen hinsichtlich

• der Stoffausträge mit dem Oberflächen-, dem Drainage- bzw. dem hypodermischen Abfluss
• der Stoffeinträge in den Grundwasserkörper
• des landwirtschaftlichen Ertragsrisikos bedingt durch Wassermangel.

b. Die deterministische Abbildung der Vegetationsentwicklung land- und forstwirtschaftlicher Kulturen und Bestände erlaubt die Abbildung der inner- und mehrjährigen Dynamik der untersuchten Zustandsgrößen des Gebietswasser- und Stoffhaushaltes.

c. Das Modell ist szenariotauglich hinsichtlich kurz- und langjähriger Veränderungen des Klimas und der Landnutzung.

Wie Abb. 1‑2 verdeutlicht, lässt sich das PSCN-Modul in die drei Hauptkomponenten Bodenmodell, Vegetationsmodell und Schneemodell untergliedern. Das Vegetationsmodell (Kap. 4) enthält Wachstumsmodelle für Wald- und landwirtschaftliche Flächen. Das Bodenmodell besteht aus einem Bodenfeuchtemodell (Kap. 5), einem Bodenwärmemodell (Kap. 6), einem Kohlenstoff-/Stickstoffmodell (Kap. 7) und einem Phosphormodell (neu seit 2009, Kap. 8). Die einzelnen Teil­modelle sind streng gekapselt. Der Datenaustausch zwischen ihnen erfolgt über spezifische Schnittstellen. Somit ist es möglich, einzelne Teilmodelle auszutauschen bzw. auf verteilten Systemen zu führen. Diese können dabei in unterschiedlichen Sprachen programmiert sein.

Abb. 1‑2: Das PSCN-Modul im Rahmen des hydrologischen Einzugsgebietsmodells ArcEGMO – Überblick über die simulierten Teilprozesse

Die Vegetationsdynamik wird in Abhängigkeit von der Landnutzung für die einzelnen Hydrotopen simuliert. Je nach Zielstellung der Simulation und der vorhandenen Eingangsdatenbasis kann auch mit einem vereinfachenden Landnutzungsmodell ohne Berücksichtigung der C/N-Dynamik im Boden und im Bestand gerechnet werden.

Die Modellierung der Bodenprozesse erfolgt unter Berücksichtigung der horizontalen Schichtung des Bodens bis hinunter zum Ausgangssubstrat. Dabei werden bei grundwasserbeeinflussten Standorten auch temporär gesättigte Bodenschichten einbezogen. Einen Überblick über die berücksichtigten Teilprozesse des Wasserhaushaltes gibt Abb. 1‑3.

Abb. 1‑3: Simulierte Teilprozesse des Bodenwasserhaushaltes eines Hydrotops

Neben den Zustandsgrößen zur Beschreibung der Vegetationsdynamik und der Bodenprozesse werden für jedes Raumelement folgende Wasserhaushaltsgrößen in täglicher Auflösung berechnet und zur Weiterverarbeitung an die Lateraldomäne von ArcEGMO übergeben:

• Aktuelle Verdunstung,
• Oberflächenabflussbildung,
• Zufluss zum Kanalisationsnetz (unterteilt in Misch- und Trennkanalisation) bzw. in lokale Versickerungsmulden (s. Modelldokumentation ArcEGMO – Teil 1, Kapitel 4.5.1 (Pfützner, 2002)),
• Hypodermischer Abfluss,
• Zufluss ins Drainagesystem
• Perkolation aus der Wurzelzone unter Einbeziehung des Makroporenflusses,
• Pflanzenentzug, bei grundwasserbeeinflussten Standorten unter Berücksichtigung des kapillaren Aufstiegs.

Ist ein Hydrotop teilversiegelt (z.B. Siedlungsbereiche), so erfolgt eine getrennte Simulation für die versiegelten und unversiegelten Flächenanteile. Entsprechend des Anschlussgrades des versiegelten Flächenanteils wird der darauf auftreffende Niederschlag dem Trenn- oder Mischkanalisationsnetz zugeführt bzw. dem Oberflächenabfluss zugeordnet, der für eine Wiederversickerung in den benachbarten Flächen zur Verfügung steht.

Die Verdunstung wird als Summe aus Interzeptionsverdunstung E_i, Sublimation der Schneedecke E_snow, Verdunstung des Oberflächenwassers E_w und des unbedeckten Bodens E_s sowie der Transpiration der Vegetation E_TR auf der Basis der potenziellen Evapotranspiration ET_P berechnet. Die einzelnen Verdunstungsanteile sind Bestandteil der Schnittstellen zu den spezifischen Teilmodellen Schneemodell, Interzeptionsmodell, Vegetationsmodell sowie Bodenfeuchtemodell. Die Aufteilung des Verdunstungsbedarfs auf Bodenevaporation und Transpiration erfolgt auf der Basis des Bedeckungsgrades des Bestandes (s. Kapitel 4).

Die potenzielle Evapotranspiration ET_P ergibt sich allein aus der meteorologischen Situation. Die Berücksichtigung des Einflusses der aktuellen Bodenbedeckung/Vegetation erfolgt in PSCN durch einen landnutzungsspezifischen Korrekturfaktor fLN(t). Dieser liegt im Bereich 0,6 (Schnee) bis 1,35 in Abhängigkeit von der aktuellen Vegetationsentwicklung und den spezifischen Bestandesparametern. Der aktuelle Wert von fLN(t) wird im Pflanzenmodell berechnet (s. Kapitel 4).

ET_P kann je nach Verfügbarkeit der notwendigen Eingangsdaten nach verschiedenen Verfahren der Standardbibliothek von ArcEGMO ermittelt werden. Bei vorhandenen Strahlungs- und Wind-Messwerten wird die Nutzung der Gras-Referenzverdunstung (ATV-DVWK, 2002) nach der Penman-Monteith-Beziehung empfohlen („VERDUNSTUNGS_BERECHNUNG 8“ in der Steuerdatei modul.ste).

ET_P potenzielle Evapotranspiration
δ Steigung der Sättigungsdampfdruckkurve
R_n* Verdunstungsäquivalent der Nettostrahlung [mm/d]
γ* modifizierte Psychrometerkonstante γ *= γ (1 + 0,34 v₂)
γ Psychrometerkonstante γ = 0,65 hPa/K
v₂ Windgeschwindigkeit in 2 m Höhe [m/s]
e_s Sättigungsdampfdruck [h/Pa]
U relative Luftfeuchte [%]
LT Tagesmittel der Lufttemperatur [°C]

ET_p nach Gleichung (2) entspricht der potenziellen Verdunstung eines Grasbestandes von 12 cm Höhe ohne Trockenstress (Annahmen: Albedo = 0,23, aerodynamischer Verdunstungswiderstand = 208/v₂, minimaler Bestandeswiderstand=70 s/m).

Liegen keine Messwerte der Windgeschwindigkeit vor, kann alternativ das Verfahren nach Turc/Ivanov (DVWK, 1996) genutzt werden („VERDUNSTUNGS_BERECHNUNG 5“ in der Steuerdatei modul.ste).

R_g Globalstrahlung [J/(cm²*d)]
a, b Parameter; a = 0,0031 und b = 209,4 für Dt = 1 d
k_U Trockenheitsparameter [-]

Die Interzeption wird mittels eines abflusslosen Einzelspeichers mit Überlauf abgebildet. Der Interzeptionsspeicher fängt entsprechend seiner aktuellen Speicherkapazität einen Teil des Niederschlages (P0) ab und wird im gleichen Zeitschritt durch Interzeptionsverdunstung geleert. Die Kapazität des Interzeptionsspeichers hängt vom aktuellen Vegetationszustand ab und wird deshalb innerhalb des Vegetationsmodells berechnet. Die nicht innerhalb des Berechnungszeitschrittes interzeptierte Niederschlagsmenge erreicht die Bodenoberfläche als Niederschlagsdar­gebot.

Nach Abzug der bereits realisierten Verdunstung aus dem Interzeptions-, Schnee- und Muldenspeicher von der potenziellen Evapotranspiration wird der verbleibende Bedarf in potenzielle Bodenevaporation und potenzielle Transpiration aufgeteilt. Das erfolgt in Abhängigkeit vom aktuellen Entwicklungszustand der Vegetation, charakterisiert durch den Bedeckungsgrad B (s. Kapitel 4).

Die potenzielle Evaporation des unbedeckten Bodens E_sp berechnet sich dementsprechend zu:

B Bedeckungsgrad (0, 1)

Die Berechnung der aktuellen Evaporation und Transpiration erfolgt in Abhängigkeit von der aktuellen Bodenfeuchte und der pflanzen- und entwicklungsspezifischen Wurzelverteilung (s. dazu Kapitel 4, 4.4.3 und 5.4).

Die Modellierung der Schneedynamik kann mit empirischen Verfahren in Abhängigkeit von der Lufttemperatur

• wie im Bodenmodell BAMO (AdL, 1983); (Schneemodell 2 in modul.ste),
• nach Knauf (1980) in Kombination mit einem Schmelzsetzungsverfahren nach Bertle (1966); (Schneemodell 3 und 6 in modul.ste)

bzw. auf der Basis der vereinfachten Energiebilanzgleichung mit dem Ansatz nach

• Koitzsch & Günther (1990); (Schneemodell 1 in modul.ste) oder
• Klöcking & Heurich (2012) auf der Basis von Koitzsch & Günther (1990) und Bertle (1966); (Schneemodell 4 in modul.ste)

erfolgen. Diese Ansätze genügen den meisten hydrologischen Fragestellungen im Rahmen der Einzugsgebietsmodellierung. Werden neben Informationen zum Wasseräquivalent der Schneedecke auch Simulationsergebnisse zur Schneehöhe benötigt, wird das letzte Verfahren empfohlen.

Außerdem erlaubt ein Modul zur technischen Beschneiung den Einsatz des Modells auch für Wintersportgebiete mit beschneiten Pistenabschnitten.

Eine detaillierte Beschreibung findet sich in den angegebenen Quellen bzw. in der Modellbeschreibung ArcEGMO (Pfützner, 2002).

4.1 Vegetationsmodelle zur Auswahl

4.2 Statisches Landnutzungsmodell

4.3 Dynamischer Ansatz auf der Basis von Tabellenfunktionen

4.4 Das Modell für land- und forstwirtschaftliche Kulturen VEGEN

4.4.1 Grundlagen
4.4.2 Phänologie und Wachstum
4.4.3 Wasseraufnahme
4.4.4 Nährstoffaufnahme
4.4.5 Ertragssimulation
4.4.6 Management

4.5 Das Waldwachstumsmodell 4C

4.5.1 Grundlagen
4.5.2 Wasser- und Nährstoffbilanzierung
4.5.3 Assimilation und Allokation
4.5.4 Phänologie und Mortalität
4.5.5 Regeneration, Management und Störungen
4.5.6 Parameter, Initialisierung und Triebkräfte
4.5.7 Validierung und Anwendung

PSCN enthält vier unterschiedliche Vegetationsmodelle, die sich den zwei Gruppen „gesteuerte Modelle“ und „Feedback-Modelle“ zuordnen lassen (s. Abb. 4‑1). Für makroskalige Wasserhaushaltssimulationen bzw. Modellanwendungen für bekannte Vegetationsverläufe haben sich die beiden, über zeitvariable Randbedingungen (vorgegebene Zeitfunktionen der Entwicklung phänologischer Kennwerte) gesteuerten Modellansätze bewährt. Sind jedoch Szenariosimulationen oder die Abbildung nicht so gut beobachteter Standorte das Ziel der Modellanwendung, muss die Dynamik der Vegetationsdecke explizit in Abhängigkeit von der Witterung und den übrigen Standortbedingungen simuliert werden. Dafür stehen die beiden „Feedback-Modelle“ zur Verfügung. Neben dem Einsatz des Waldwachstumsmodell 4C (Kapitel 4.5) hat sich ein generisches Wachstumsmodell auf der Basis eines Wärmesummenansatzes zur Simulation der phänologischen Entwicklung bewährt (Kapitel 4.4). Mit diesem Modell lassen sich auch die Erträge in Abhängigkeit von den aktuellen Standortbedingungen und somit auch die Ertragsauswirkungen des Klimawandels für verschiedene Böden berechnen.

Abb. 4‑1: Landnutzungsmodelle in ArcEGMO-PSCN

Fruchtartenspezifische Modelle, wie z.B. für Grünland, Winterweizen, Mais oder Kartoffeln, sollen im weiteren Entwicklungsverlauf dazu kommen. Die Komplexität (und damit auch der Anspruch an die Eingangsdaten) nimmt vom ersten bis hin zum letzten Modell zu. Sind die verfügbaren Eingangsdaten für eine Simulation mit dem gewählten Pflanzenmodell nicht ausreichend, so wird modellintern automatisch das nächsteinfachere Modell aktiviert. Prinzipiell werden die beiden allgemeinen Vegetationsansätze für alle Flächen initialisiert, so dass auch bei fehlenden Eingangsdaten für die Wachstumsmodelle 4C und VEGEN eine flächendeckende Simulation des Gebietswasserhaushaltes ohne detaillierte Vegetationsmodellierung erfolgen kann.

Dieser Ansatz dient insbesondere zur Beschreibung von Flächen, die nicht primär durch ihre Vegetation bestimmt sind, wie z.B. Siedlungen, Gewerbegebiete, Halden, Brachflächen. Er kann jedoch auch für Vegetationsflächen ohne große innerjährliche Dynamik (z.B. Wiesen, Nadelwald) bzw. für Flächen, zu denen kaum Informationen vorliegen, genutzt werden.

Für die jeweiligen Landnutzungen werden mittlere Kennwerte wie Oberflächenrauigkeit (Strickler-Wert nach Bollrich & Preißler, 1992), Versiegelungsgrad, maximale Wurzeltiefe, Interzeptionsspeicherkapazität, Bedeckungsgrad, maximaler Blattflächenindex und landnutzungsspezifischer minimaler und maximaler Korrekturfaktor der potenziellen Verdunstung fLN eingelesen. Die Zuordnung erfolgt anhand von Erfahrungswerten und Literaturangaben (z.B. ATV-DVWK, 2002). In den Wintermonaten (November bis März) wird zur Korrektur der Grasreferenzverdunstung der minimale Wert von fLN und in der Vegetationsperiode (April bis Oktober) der Maximalwert genutzt (vgl. Kapitel 2). Dabei wird jedoch modellintern sichergestellt, dass fLN ≥ 0.73 (Korrekturwert für Brache nach ATV-DVWK, 2002) ist.

Ist für einen Landnutzungstyp ein maximaler Bedeckungsgrad B_max von weniger als 1 (100 %) – bzw. in räumlicher Untersetzung für eine Elementarfläche eine Bestandesdichte von Bd < 1 – angegeben, so wird der Blattflächenindex entsprechend reduziert:

LAI_max Blattflächenindex bei B_max=1 bzw. Bd=1
Bd Bestandesdichte (0, 1)

Die Interzeptionskapazität S_I land- und forstwirtschaftlicher Flächen wird für LAI>0 nach Hoyningen-Huene (1983) berechnet:

S_I^min minimale Interzeptionskapazität [mm/d]
k_S Korrekturfaktor für Schnee- und Regeninterzeption in Forstbeständen (Standard: k_S=1)

Der Bedeckungsgrad B des Bodens zur Aufteilung des Verdunstungsbedarfs auf Bodenevaporation und Transpiration wird in Abhängigkeit vom Blattflächenindex LAI wie folgt berechnet:

Die Berechnung des Bodenwasserentzuges durch Transpiration erfolgt in Abhängigkeit von der Durchwurzelungstiefe und der aktuellen Bodenfeuchte. Die landnutzungsspezifische Wurzeltiefe wird dabei entsprechend des Ertragspotenzials des Standortes korrigiert (s. Kapitel 4.3).

Grundprinzip dieses Ansatzes ist die Verarbeitung von Zeitfunktionen zur Beschreibung der innerjährlichen bzw. mehrjährigen Dynamik der beiden, für den Gebietswasserhaushalt wichtigen, vegetationsspezifischen Parameter Wurzeltiefe und Blattflächenindex LAI. Diese Funktionen werden für die einzelnen Vegetationstypen entweder über äqui- bzw. nichtäquidistante Stützstellen oder als Jahres- bzw. Monatsmittelwerte eingelesen. Bei der Vorgabe von Stützstellen werden die benötigten Tageswerte über eine lineare Interpolation ermittelt. Ist für einen Landnutzungstyp ein maximaler Bedeckungsgrad B_max von weniger als 100 % (bzw. für eine Elementarfläche eine Bestandesdichte von Bd < 1) angegeben, so wird der über die Zeitfunktion eingelesenen Blattflächenindex entsprechend reduziert.

Die Landnutzungskennwerte Versiegelungsgrad und Oberflächenrauigkeit werden wie im statischen Ansatz (Kap. 4.2) betrachtet. Wie auch für die allgemeinen Landnutzungsparameter bietet das Modell für die meisten dynamischen Landnutzungstypen auf Literaturwerten (z.B. LfZ, 2011) basierende Standard-Zeitfunktionen zu Wurzeltiefe und Blattflächenindex.

Die aktuelle Interzeptionskapazität und der aktuelle Bodenbedeckungsgrad B werden wie im statischen Modell in Abhängigkeit vom Blattflächenindex LAI nach den Gleichungen (7) und (8) berechnet.

Der vegetationsabhängige Korrekturfaktor fLN der potenziellen Verdunstung berechnet sich in Abhängigkeit vom aktuellen Bedeckungsgrad B zu:

fLNmin/max landnutzungsspezifischer minimaler und maximaler Korrekturfaktor der potenziellen Verdunstung

Über den Faktor fsoil wird das Ertragspotenzial EP eines Standortes berücksichtigt. Es wird zwischen drei Klassen unterschieden (vgl. Tab. 2 im Dokument „Eingangsdaten für das Abflussbildungsmodul PSCN“):

– Geringes Ertragsniveau (EP=1): fsoil = 0,8

– Mittleres Ertragsniveau (EP=2): fsoil = 1

– Hohes Ertragsniveau (EP=3): fsoil = 1,2

Die potentielle Transpiration (Kapitel 2) steuert den täglichen Transpirationsentzug bis zur aktuellen Durchwurzelungstiefe. Limitiert wird er durch die nutzbare Feldkapazität der durchwurzelten Bodenschichten. In Abhängigkeit von der aktuellen Bodenfeuchte wird hierfür die Reduktionsfunktion R_TR nach Chen (1993) genutzt (Gleichung 32 in Kapitel 4.4.3).

Eine Berücksichtigung der Adaption der Vegetation an die Standortbedingungen, die u.a. zu unterschiedlichen Durchwurzelungstiefen ein und derselben Vegetationsart führt, erfolgt über das Ertragspotenzial des Standortes.

Abb. 4‑2: Tabellenfunktion zur Beschreibung des mittleren innerjährlichen Ganges der Wurzelentwicklung auf Ackerflächen und interne Umsetzung im Modell bei Berücksichtigung des Ertragspotentials des Bodens

4.4.1 Grundlagen
4.4.2 Phänologie und Wachstum
4.4.3 Wasseraufnahme
4.4.4 Nährstoffaufnahme
4.4.5 Ertragssimulation
4.4.6 Management

Für die Simulation des Wachstums und der Ertragsbildung landwirtschaftlicher Kulturen wurde das in SWAT2000/2005 (Neitsch et al., 2005) enthaltene Pflanzenmodell mit geringen Modifikationen übernommen. Dieses Modell ist eine vereinfachte Version des EPIC-Wachstumsmodells (Williams et al., 1989; Engel et al., 1993), basierend auf dem Temperatursummenansatz zur Beschreibung der phänologischen Entwicklung der Pflanze. Durch den breiten weltweiten Einsatz dieses Vegetationsmodells stehen für fast alle Kulturarten geprüfte pflanzenspezifische Parametersätze zur Verfügung. Die vom USDA publizierte Parametersammlung (http://www.brc.tamus.edu) enthält u.a. die Daten für Winterweizen, Silomais, Winterroggen, Wintergerste und Sommergerste. Winterraps ist nicht enthalten.

Insgesamt wird zwischen acht Pflanzentypen (IDC) unterschieden:

• einjährige Sommer- und Winterfrüchte,
• einjährige Sommer- und Winterleguminosen,
• Brache und Grünland innerhalb der Fruchtfolge (Erweiterung gegenüber SWAT),
• Dauerfruchtarten (Dauergrünland etc.),
• Dauerleguminosen,
• Bäume.

Wurzelwachstum wird nur für die einjährigen Fruchtarten simuliert. Bei allen anderen wird als Wurzeltiefe die maximal mögliche pflanzen- und bodenspezifische Tiefe angenommen. Für Leguminosen wird die Stickstoffbindung modelliert.

Bei den mehrjährigen bzw. den Winterfruchtarten erfolgt die Berücksichtigung der Vegetationspause im Winter bei Unterschreitung einer minimalen (sortenunabhängigen) Tageslänge T_D, die sich aus der kürzesten Tageslänge im Jahr für einen Standort plus einem vom Längengrad abhängigen Summanden (= 1 h für Längengrad > 40 ° Nord oder Süd) ergibt.

Neben fruchtartspezifischen Parametern entsprechend Neitsch et al. (2005) benötigt das Modell Informationen zum Management der landwirtschaftlichen Flächen (s. Kapitel 4.4.6).

Die phänologische Modellierung folgt der „Heat Unit Theory“. Dieser Temperatursummenansatz beruht auf der Annahme, dass das Wachstum der Vegetation vor allem von der Temperatur gesteuert wird (Boswell, 1926). Bei jeder Pflanze muss eine festgelegte Basistemperatur erreicht werden, bevor das Wachstum beginnt. Über dieser Schwellentemperatur beschleunigt sich das Wachstum mit steigenden Temperaturen bis zu einer Optimaltemperatur. Steigt die Tagesmitteltemperatur über die Optimaltemperatur, verlangsamt sich das Wachstum wieder. Jedoch wird z. Z. noch keine Maximaltemperatur, oberhalb derer es zu Pflanzenschäden kommt, berücksichtigt. Eine „Heat Unit“ (HU) ist dabei die Differenz aus der Mitteltemperatur eines bestimmten Tages und der pflanzenspezifischen Minimaltemperatur. Die Ausbildung bestimmter phänologischer Stadien erfolgt anhand pflanzenspezifischer kumulierter HU.

Das Pflanzenwachstum erfolgt direkt proportional zur zugehörigen HU, begrenzt durch Stressbedingungen (Temperatur, Wasser-, Nährstoffmangel). Eine zentrale Stellung kommt dabei der Entwicklung des Blattflächenindex zu. Abb. 4‑3 zeigt die „optimal leaf area development curve“ in Abhängigkeit von den akkumulierten Wärmeeinheiten und sortenspezifischen Parametern. Alle übrigen Vegetationsgrößen (Biomasse, Ertrag, Wurzeltiefe, etc.) sowie die potenzielle Nährstoff- und Wasseraufnahme werden direkt oder indirekt in Abhängigkeit vom LAI berechnet.

Abb. 4‑3: Entwicklung des Blattflächenindexes LAI entsprechend der akkumulierten Wärmesummen fr_PHU

Blattflächenindex

Für ein- und mehrjährige Pflanzen wird die am Tag i potenziell hinzugekommene Blattfläche wie folgt berechnet:

mit

HU heat unit [K]
PHU potential heat units = benötigte Wärmesummen bis zum Erreichen der Reife (pflanzenspezifisch) [K]
fr_PHU Anteil der potenziell akkumulierbaren Wärmeeinheiten PHU
fr_LAImax Anteil des maximalen Blattflächenindexes, der zu der aktuellen HU dieser Pflanze korrespondiert
LAI_max maximal erreichbarer Blattflächenindex (Pflanzenartspezifisch)
fr_PHU¹ Anteil der potenziell akkumulierbaren Wärmeeinheiten bei fr_LAImax¹ (erster Formparameter der optimalen LAI-Entwicklungskurve)
fr_PHU² Anteil der potenziell akkumulierbaren Wärmeeinheiten bei fr_LAImax² (zweiter Formparameter der optimalen LAI-Entwicklungskurve)
fr_LAImax¹ Anteil des maximalen Blattflächenindexes, bei fr_PHU¹
fr_LAImax² Anteil des maximalen Blattflächenindexes bei fr_PHU²
l₁,l₂ Formfaktoren der optimalen LAI-Entwicklungskurve

Für Bäume gilt[1]:

γr_cur aktuelles Baumalter [a]
γr_fulldev Baumalter bei voller Entwicklung [a]

Das potenzielle Wachstum wird durch ungünstige Lufttemperaturen, Wasser- und Nährstoffmangel reduziert. Der Stressfaktor γ_reg (0, 1) wird wie folgt täglich berechnet:

γ_W Trockenstress [-]
γ_LT Temperaturstress [-]
γ_N Stress durch Stickstoffmangel [-]
γ_P Stress durch Phosphormangel [-]

E_TRp potenzielle Transpiration [mm/d] (s. Kapitel 2)
E_TR aktuelle Transpiration [mm/d]

LT Lufttemperatur (Tagesmittel) [°C]
T_base Basistemperatur für das Pflanzenwachstum [°C]
T_opt Optimaltemperatur für das Pflanzenwachstum [°C]

φ_n Skalierungsfaktor für N-Mangelstress [-]
bio_N Stickstoffmenge in der Pflanzenbiomasse [kg N/ha]
bio_N,opt optimaleStickstoffmenge in der Pflanzenbiomasse für den aktuellen Entwicklungszustand [kg N/ha], s. Kapitel 4.4.4

Der Phosphormangelstress γ_P wird analog mit dem Parameter bio_P,opt berechnet.

Da VEGEN auch allein zur Wasserhaushaltssimulation ohne Simulation des C/N- und des Phosphorhaushaltes genutzt werden kann, werden in diesem Anwendungsfall die beiden Nährstoffstressterme modellintern auf Null gesetzt.

Der aktuelle Blattflächenindex berechnet sich somit unter Berücksichtigung des Stressfaktors zu

γ_reg – täglicher Stressfaktor (0,1)

Mit Erreichen einer Entwicklungsstufe, ab der die Seneszenz der dominierende Wachstumsprozess wird (fr_PHU,sen), beginnt die Blattalterung. Die Abnahme des Blattflächenindex wird nun wie folgt berechnet:

Annuelle und mehrjährige Pflanzen:

Bäume:

Vegetationshöhe

Die Vegetationshöhe h_c von landwirtschaftlichen Pflanzen wird dann über folgende Gleichung bestimmt:

h_c – Vegetationshöhe [m]
h_c,max – maximale Vegetationshöhe (sortenspezifisch) [m]

Die Vegetationshöhe von Bäumen wird nach folgendem Verfahren ermittelt:

Wurzelentwicklung

Die Wurzelentwicklung basiert ebenfalls auf dem Konzept der „Heat Units“. Der Biomasseanteil der Wurzeln an der gesamten Biomasse fr_root variiert zwischen 0,4 bei Wachstumsbeginn und 0,2 bei voller Entwicklung (Neitsch et al., 2005):

Die Berechnung der Wurzeltiefe z_root variiert mit den verschiedenen Pflanzenarten. Es wird angenommen, dass mehrjährige Pflanzen und Bäume Wurzeln besitzen, die bis zur sortenspezifischen maximalen Tiefe z_root,max reichen, wenn der Boden soweit durchwurzelbar ist. Ansonsten wird die Wurzeltiefe vom Boden vorgegeben. Für annuelle Pflanzen wird die Wurzeltiefe wie folgt berechnet:

Biomassezuwachs

Die Zunahme der Biomasse Δbio pro Tag hängt von der spezifischen „radiation-use-efficiency“ RUE einer Pflanze und der aktuell aufgenommenen photosynthetisch aktiven Strahlung R_phosyn ab (Monteith, 1977). Sie wird über den Stressfaktor γ_reg (Gleichung 16) begrenzt.

bio Biomasse [kg/ha]
RUE „radiation-use-efficiency“ [kg/ha (MJ/m²)^-1]
R_phosyn photosynthetisch aktive Strahlung [MJ/m²]

Die durch die Pflanze aufgenommene photosynthetisch aktive Strahlung wird nach dem Beer-Gesetz (Monsi & Saeki, 1953) berechnet:

R_g Globalstrahlung [MJ/m²]
k_l Lichtextinktionskoeffizient (-0,65 für alle Pflanzentypen)
LAI Blattflächenindex

Entsprechend Stockle und Kiniry (1990) wird die RUE durch das Dampfdruckdefizit vpd gesteuert:

RUE_vpd=1 „radiation-use-efficiency“ einer Fruchtart bei einem Dampfdruckdefizit von 1 kPa [kg/ha (MJ/m²)^-1]
vpd_thr Schwellenwert für das Dampfdruckdefizit (=1 kPA für alle Pflanzen)
Δrue_dcl Abnahme der RUE mit Anstieg des Dampfdruckdefizits [kg/ha (MJ/m²)^-1kPa^-1]

[1] Mehrjährige LAI-Berechnung für Bäume z.Z. noch nicht implementiert

Der tägliche Bodenwasserentzug wird durch den Transpirationsbedarf der Pflanze, das pflanzenverfügbare Bodenwasser und die Wurzelverteilung bestimmt.

Es kann gewählt werden, ob dieser über eine exponentielle Entzugsverteilungsfunktion (Gl. 31) oder beginnend von der Bodenoberfläche bis zur Bedarfsbefriedigung bzw. dem Erreichen der aktuellen Durchwurzelungstiefe realisiert wird. Bei Wahl des exponentiellen Ansatzes ist der Entzug aus den einzelnen Schichten die Differenz der Lösung der Gleichung 31 für den oberen und unteren Rand der Schicht.

E_TRp potenzielle Transpiration [mm/d] (s. Kapitel 2)
β Parameter
R_TR Reduktionsfunktion der Transpiration
z Tiefe [mm]
z_root Wurzeltiefe [mm]

Abb. 4‑4: Tiefenverteilung der Wasser- und Nährstoffaufnahme durch die Pflanze

In Abhängigkeit von der aktuellen Bodenfeuchte erfolgt eine Reduktion des Entzuges aus der Schicht entsprechend einer Reduktionsfunktion R_TR nach Chen (1993):

q Wassergehalt [mm]
q_WP Wassergehalt am Permanentwelkepunkt [mm]
q_FK Wassergehalt bei Feldkapazität [mm]

Es wird die Aufnahme von Stickstoff und Phosphor in Abhängigkeit vom aktuellen Nährstoffbedarf und der Verfügbarkeit im Boden simuliert.

Der Nährstoffbedarf pro Tag N^p_up wird in Abhängigkeit von der Pflanzenbiomasse und deren optimalen N- bzw. P-Gehalt berechnet:

bio Pflanzenbiomasse (Trockenmasse) [kg/ha]
bio_N/P Stickstoff- bzw. Phosphormenge in der Pflanzenbiomasse [kg P/ha bzw. kg N/ha]
fr_N/P optimale Stickstoff- bzw. Phosphormenge in der Pflanzenbiomasse für das aktuelle Wachstumsstadium
fr_PHU Fraktion der potenziell akkumulierbaren Wärmeeinheiten

Der optimale Nährstoffgehalt in der Pflanzenbiomasse wird analog der optimalen LAI-Funktion (Abb. 4‑3) in Abhängigkeit vom bereits vorhandenen Anteil der potenziell akkumulierbaren Wärmeeinheiten fr_PHU durch eine über drei Stützstellen (bio_N,1,bio_N,2, bio_N,3) definierte Funktion beschrieben (vgl. Neitzsch, 2005).

Die Nährstoffaufnahme aus den einzelnen Bodenschichten erfolgt gekoppelt an die Wasseraufnahme (s. Kap. 4.4.3). Eine Unterscheidung in Nitrat- und Ammonium-Stickstoff erfolgt bei der Pflanzenaufnahme nicht. An Phosphor kann nur die gelöste mineralische Phosphorfraktion entzogen werden (s. Kap. 8.5).

Der Anteil der oberirdischen Trockenbiomasse, der den Ernteertrag darstellt, wird als Ernteindex HI bezeichnet. Für die Mehrzahl der Fruchtarten liegt er zwischen 0 und 1. Nur bei Fruchtarten, deren Wurzeln geerntet werden (z.B. Kartoffeln, Rüben), kann er über 1 liegen. Dieser Ernteindex wird täglich in der Wachstumssaison nach folgender Gleichung berechnet:

HI_opt potenzieller Ernteindex der Pflanze bei Reife unter idealen Wachstumsbedingungen [-]
fr_PHU Fraktion der potenziell akkumulierbaren Wärmeeinheiten [-]

Der aktuelle Ernteindex HI am Tag der Ernte wird durch den kumulativen Wasserstress γ^k_w, Hitzestress[1] γ^k_LTund einem zu großen Dampfdruckdefizit2 γ^k_vpd in der Entwicklungsphase der generativen Organe (0,5 <= fr_PHU <= fr_PHU,sen) negativ beeinflusst.

mit

HI_min minimaler Ernteindex (pflanzenspezifisch) [-]
E_TR aktuelle Transpiration [mm/d]
E_TRp potenzielle Transpiration [mm/d]
i Tagesnummer zwischen Saat (i=0) und Ernte bzw. Reife (i=m)

Der simulierte Ertrag yld am Tag der Ernte ergibt sich entsprechend des aktuellen Ernteindex und der Trockenmasse bio zu

mit

yld Ertrag [kg/ha]
bio_ag oberirdische Biomasse [kg/ha]
HI aktueller Ernteindex [-]

Im Unterschied zum Pflanzenmodell in SWAT erfolgt die Aufteilung der in der Pflanze gespeicherten Nährstoffe in den mit der Erntemenge abgeführten Teil und in die mit den Ernte- und Wurzelresten wieder dem System zugeführten Anteile primär durch den Nährstoffanteil in den oberirdischen Ernteresten (z.B. Stroh). Der Nährstoffanteil in den oberirdischen Ernteresten ist für die einzelnen Fruchtarten wesentlich stabiler als der im Ertrag (z.B. Korn) beobachtete Anteil.

[1] Modelländerung im Vergleich zu Neitsch et al. (2005)

4.4.6.1 Modellkonzept

Die Erfassung des realen Managements auf den landwirtschaftlichen Flächen des Untersuchungsgebietes ist von entscheidender Bedeutung für die Simulationsgüte.

Benötigt werden Informationen

• zum Fruchtartenspektrum (Fruchtfolgen),
• zu den Bearbeitungsterminen (Saat, Düngung, Grünschnitt, Ernte) und
• den Düngermengen und -formen.

In der Regel kann nicht davon ausgegangen werden, dass diese Angaben für jeden Einzelschlag verfügbar sind. Außerdem wäre diese Datenflut für meso- bis makroskalige Modellanwendungen nicht mehr handhabbar. Andererseits kann für kleinskalige Anwendungen z.B. auf Betriebsebene eine möglichst exakte Verarbeitung aller vorhandenen Informationen erforderlich werden. Deshalb wurde ein Managementmodell für VEGEN entwickelt, das entsprechend der Aufgabenstellung und Datenverfügbarkeit eine flexible Verarbeitung erlaubt. Alle Verfahren zur Erfassung der Bewirtschaftung der landwirtschaftlich genutzten Flächen greifen auf dieselben Basisdaten zu, die um weitere Informationen ergänzt werden können.

4.4.6.2 Basisdaten

Die Basisdaten (Stammdaten) stellen eine Sammlung von durchschnittlichen Eigenschaften der gebräuchlichsten Fruchtarten und Wirtschaftsdünger in Deutschland dar. Als Grundlage wurden dafür die von den Ländern veröffentlichten Richtwerte für die Umsetzung der Düngeverordnung und die Empfehlungen des Verbandes Deutscher Landwirtschaftlicher Untersuchungs- und Forschungsanstalten (VDLUFA) herangezogen (LVLF/LFBMV/LLFG 2008; TLL 2007; LfL Bayern 2007). Weitere Parameter, wie z.B. die Umsatz- und Humusreproduktionskoeffizienten der organischen Düngertypen und der Ernte- und Wurzelreste (EWR), wurden der Literatur entnommen (z.B. Franko, 1990).

Im Einzelnen werden folgende Datentabellen benötigt, die über Schlüsselwörter miteinander verknüpft sind:

Die Vorhaltung der Basisparametrisierung in fünf unterschiedlich dimensionierten Tabellen erlaubt eine flexible Anpassung der Datenbasis. So kann die Anzahl der in der Tabelle ‚Management’ vorgehaltenen Fruchtarten auf die im Simulationszeitraum im Gebiet angebauten begrenzt werden, ohne den Informationsumfang der übrigen Tabellen einschränken zu müssen. Alle Tabellen können bei Bedarf jederzeit erweitert werden, wenn die Basisinitialisierung den aktuellen Anforderungen hinsichtlich EWR-, Frucht- und Wirtschaftsdüngerarten nicht genügt, bzw. weitere Nährstoffe bei der Simulation berücksichtigt werden sollen.

Die Zuordnung der einzelnen Fruchtarten zu Pflanzentypen hinsichtlich ihrer Ernte- und Wurzelreste (Getreide, Rüben, Laubbäume, Nadelbäume, etc.) dient einerseits der Minimierung der benötigten Eingangsdaten, und ist andererseits der Unschärfe dieser Stoffumsatzparameter geschuldet.

4.4.6.3 Standardmanagement (Basisversion)

Die Standardinitialisierung des Bewirtschaftungsregimes erfolgt auf der Basis der Landnutzungstypen. Diesen wird, sofern auf ihnen ein Fruchtwechsel stattfindet, eine regional typische Fruchtfolge zugewiesen. Für die jeweiligen Einzelflächen werden dann die Bewirtschaftungstermine sowie die ausgebrachten Düngermengen aus den Basisdaten berechnet. Dabei wird neben dem Ertragspotenzial auch der aktuelle Nmin-Gehalt des Bodens (NO₃– und NH₄-Stickstoff in 0-90 cm Tiefe) berücksichtigt.

Düngergaben werden ausschließlich als mineralisch betrachtet. Es wird davon ausgegangen, dass die Hälfte des aufgebrachten Düngers (Stickstoff und/oder Phosphor) auf der Bodenoberfläche verbleibt. Die übrige Menge wird den entsprechenden Pools der ersten Bodenschicht zugeordnet. Bei der mineralischen Stickstoffdüngung erfolgt keine Unterteilung in die unterschiedlichen Bindungsformen, da sie aus dem Gesamt-N-Bedarf der Fruchtart abgeleitet wird. Pro Düngergabe erfolgt eine Aufteilung der applizierten N-Menge in Nitrat- und Ammonium-Stickstoff im Verhältnis Zwei zu Drei.

Die Abschätzung der Ertragspotenziale erfolgt anhand der Bodenkarte bei Berücksichtigung von sechs Bodenartengruppen nach VDLUFA, die vorerst drei Ertragspotenzialen (niedrig/mittel/hoch) zugeordnet werden.

Problematisch ist die feste Vorgabe von Saat- und Düngeterminen als langjährige Mittelwerte. Je nach Witterung und Befahrbarkeit des Bodens können die tatsächlichen Saattermine deutlich von diesen Mittelwerten abweichen. Das kann bislang im Modell nicht abgebildet werden. Die vorgegebenen Erntetermine werden jedoch entsprechend des durch die Pflanze aufgenommenen Anteils der potenziell akkumulierbaren Wärmeeinheiten fr_PHU in einem begrenzten Zeitrahmen (± 10 d) korrigiert.

Die in den auf der Fläche verbliebenen oberirdischen Ernteresten enthaltenen Phosphor-, Kohlenstoff- und Stickstoffmengen werden den jeweiligen P_POM-, N_POM– and C_POM-Pools der ersten Bodenschicht zugeordnet. Die in den Wurzelresten enthaltenen C-, N- und P-Mengen werden entsprechend der Wurzelverteilung den OPS-Pools der jeweiligen Bodenschicht hinzugefügt (s. Kap. 7.2 und 8.3).

4.4.6.4 Geostatistisches Verfahren für Anbauregionen

Liegen räumlich detailliertere Informationen zur Fruchtartenverteilung (z.B. jährliche Anbaustatistik auf Kreisebene oder Bewirtschaftungsszenarien) vor, so können den einzelnen Flächen eines Landnutzungstyps mittels eines geostatistischen Verfahrens („Fruchtfolgengenerator“) unterschiedliche Fruchtfolgen zugeordnet werden. Die Berechnung des Managements der einzelnen Fruchtarten erfolgt wie beim Standardmanagement. Dieses Verfahren eignet sich besonders für mesoskalige Modellanwendungen. Ein Anwendungsbeispiel für Thüringen geben Klöcking et al. (2003).

4.4.6.5 Schnittstelle zu Raumdatenbanken

Für die Verarbeitung von regional vorhandenen räumlich und zeitlich hoch aufgelösten Informationen zur Bewirtschaftung der landwirtschaftlichen Flächen (z.B. aus dem Datenspeicher InVeKoS) wurde eine Schnittstelle geschaffen. Über diese werden jährliche Angaben zur Hauptfruchtart und den ausgebrachten Düngermengen und –formen pro Einzelfläche berücksichtigt. Bei den Einzelflächen kann es sich um die jeweiligen Schläge oder um eine Zelle eines landesweiten Rasters handeln. Liegen diese Informationen nicht für alle landwirtschaftlichen Flächen vor, so wird hier auf das Standardmanagement oder auf die mit dem Fruchtfolgengenerator erzeugten und verteilten Fruchtfolgen zurückgegriffen.

Die Informationen aus dem Datenspeicher werden in Form externer Dateien im ASCII- oder dBase-Format verwaltet, die über den Raumbezug mit den Modellflächen von ArcEGMO verknüpft sind (s. Kapitel „Externe Daten – Schnittstellen“ in der ArcEGMO-Dokumentation). Pro Jahr liegt eine Datei vor, die folgende Angaben enthält:

• Raumbezug (ID/Schlüssel zur ArcEGMO-Hydrotopkarte für das Untersuchungsgebiet),
• angebaute Hauptfruchtart (Schlüssel zur Tabelle ‚Management’),
• N-Sollwert N_soll entsprechend der Ertragserwartung [kg N/ha],
• über Wirtschaftsdünger ausgebrachte Stickstoffmenge N^f_org [kg N/ha],
• Typ des Wirtschaftsdüngers (Schlüssel zur Tabelle ‚Wirtschaftsdünger’).

Zusätzlich können Angaben zu gemessenen Boden-Nmin-Werten N_min als Startwerte eingelesen werden.

Die tatsächlich als Mineraldünger ausgebrachte Stickstoffmenge N^f_min wird dann wie folgt berechnet:

Zu Simulationsbeginn wird dabei der N_min-Startwert genutzt. In den Folgejahren wird der simulierte aktuelle Nmin-Gehalt des Bodens (NO₃– und NH₄-Stickstoff in 0-90 cm Tiefe) verwendet.

Die Simulation der Aufteilung der Düngermengen auf die einzelnen Ausbringungstermine sowie Saat und Ernte erfolgt dann wie im Standardmanagement entsprechend der Basisvorgaben. Die im ausgebrachten organischen Dünger enthaltenen Phosphor-[1], Kohlenstoff- und Stickstoffmengen werden den jeweiligen POM-Pools der ersten Bodenschicht zugeordnet (s. Kap. 7.2 und 8.3).

4.4.6.6 REPRO-Schnittstelle

Das Modell REPRO (Hülsbergen, 2003) ist ein Instrument zur Abbildung eines landwirtschaftlichen Betriebes als Gesamtsystem und zur Bewertung der ökologischen und ökonomischen Nachhaltigkeit der landwirtschaftlichen Produktion in Bezug auf die Schutzgüter Boden, Wasser und Luft. Im Mittelpunkt der Software REPRO steht die detaillierte Abbildung betrieblicher Stoff- und Energieflüsse auf verschiedenen Ebenen.

Im Rahmen der Entwicklungsarbeiten am Prognoseinstrument ReArMo (gekoppeltes Modell REPRO-ArcEGMO-MODFLOW-MT3D) wird derzeit diese Schnittstelle realisiert, die die Erfassung der realen Bewirtschaftung auf Teilschlagebene erlaubt (Pfützner et al., 2011).

[1] organische Phosphordüngung z.Z. (2012) noch nicht untersetzt

4.5.1 Grundlagen
4.5.2 Wasser- und Nährstoffbilanzierung
4.5.3 Assimilation und Allokation
4.5.4 Phänologie und Mortalität
4.5.5 Regeneration, Management und Störungen
4.5.6 Parameter, Initialisierung und Triebkräfte
4.5.7 Validierung und Anwendung

Das Modell ist eine Entwicklung des Potsdam-Instituts für Klimafolgenforschung. Eine ausführliche Modellbeschreibung findet sich auf www.pik-potsdam.de/research/climate-impacts-and-vulnerabilities/models/4c.

Abb. 4‑5: Modellschema 4C

Das Waldwachstumsmodell 4C (FORESEE – FORESt Ecosystems in a changing Environment) beschreibt die Sukzessionsdynamik von Waldbeständen, die entweder auf Basis von simulierter natürlicher Regeneration oder ausgehend von einem durch eine Forstinventur definierten Anfangszustand aufwachsen (Schaber et al., 1999, Suckow et al., 2001).

Die Baumindividuen einer Art, die gleiches Alter und identische Baum­dimensionen besitzen, sind in Kohorten zusammengefasst. Produktion und Wachstum werden für jede Kohorte berechnet. Die Konkurrenz der Kohorten um Licht, Wasser und Nährstoffe beeinflusst ihr Wachstum, ihre Mortalität und die Ver­jüngung im Bestand. Die Positionen der Individuen der Kohorten im Bestand sind nicht bekannt; es wird angenommen, dass die Bäume gleichmäßig auf der Bestandesfläche verteilt sind. Es werden keine Unterschiede in den Wachstums­bedingungen einzelner Individuen derselben Kohorte berücksichtigt. Der Kronenraum des Bestandes ist in 0.5 m hohe Schichten eingeteilt. Das Blattwerk ist auf die Kronen­schichten zwischen Kronenansatzhöhe und Baumhöhe verteilt. Abb. 4‑5 beschreibt das prinzipielle Zusammenwirken der Teilmodelle zur Vege­tations- und Bodendynamik in 4C.

Die Berechnung der Flüsse und die Änderung der Zustandsvariablen erfolgt prozess­abhängig mit unterschiedlichen zeitlichen Schrittweiten:

• Wasser- und Nährstoffflüsse sowie Phänologie: im Tagestakt,
• Photosynthetische Produktion: Schrittweiten zwischen wahlweise einem Tag bis zu einer Woche,
• Allokation, Wachstum, Mortalität und Regeneration: im Jahrestakt.

Das Wasser- und Nährstoffangebot (Stickstoff, Kohlenstoff) wird in Abhängigkeit von Boden, Bestand und Wetter bilanziert (Einzelmodell 4C: Grote et al., 1999; 4C im Modellverbund ArcEGMO-PSCN: Kap. 5 und 7). 4C berechnet zunächst für jede Kohorte einen aktuellen Transpirationsentzug in Abhängigkeit von der durch die Interzeptionsverdunstung reduzierten potenziellen Evapotranspiration und der aktuellen Bodenfeuchte der durchwurzelten Schichten, der als Wasserentzug pro Schicht an das Bodenwassermodell übergeben wird.

Durch den täglichen Entzug von Wasser und Nährstoffen einerseits sowie die jährliche Bilanzierung des Streufalls und die Zufuhr zum Bodenkompartiment andererseits wird der Nährstoffkreislauf im System Pflanze – Boden geschlossen. Zusätzlichen Eintrag erhält das System durch Deposition, Verluste treten durch Auswaschung auf.

Die photosynthetische Nettoassimilationsleistung wird nach einem Ansatz von Haxeltine & Prentice (1996) als Funktion von absorbierter photosynthetisch aktiver Strahlung, Lufttemperatur sowie Bodenwasser- und Nährstoffverfügbarkeit berechnet. Die Produktion der einzelnen Kohorten ist artenspezifisch und abhängig vom Anteil der Kohorte an der vom Bestand absorbierten Strahlung. Aus der jähr­lichen Bruttoassimilationsleistung wird nach Abzug der Respiration das Wachstum der Kompartimente Feinwurzeln, Stamm, Blattwerk, sowie Äste und Grobwurzeln berechnet. Die Allokationskoeffizienten für die einzelnen Kompartimente werden dabei so bestimmt, dass sie einem vorgeschriebenen Verhältnis des Querschnitts der leitenden Gewebe im Holz zu den zu versorgenden Blattmassen und einer aus­gewogenen Leistung des Aufnahmevermögens der Feinwurzeln und der Produk­tionskapazität der Blätter entsprechen (functional balance und pipe model theory, siehe z.B. Mäkelä, 1986). Zusätzlich gehen in die Bestimmung der Allokations­koeffizienten eine Höhenwachstums­funktion ein, die vom relativen Lichtgenuss und dem Blattmassenzuwachs abhängig ist, sowie die zu ersetzenden Streuproduktions­flüsse. Die Kronenansatzhöhe wächst, wenn die Nettoproduktion der untersten Kronenschicht negativ wird. Damit sind die Baumdimensionen Höhe, Brusthöhen­durchmesser und Kronenansatzhöhe im Modell berechenbar.

Das Modell enthält ein Modul zur Simulation des Blattaustriebstages der Buche, das mit dem phänologischen Datensatz des Deutschen Wetterdienstes parametrisiert wurde (Schaber & Badeck, 2003). Bei der Berechnung des Blattaustriebs wird davon ausgegangen, dass die Regulation der ontogenetischen Entwicklung durch die Interaktion von wachstumsfördernden (Promotoren) und wachstumshemmenden (Inhibitoren) Verbindungen (Phytohormone) erfolgt und die Balance zwischen Promotoren und Inhibitoren den physiologischen Entwicklungszustand der Pflanze und ihre Reaktion auf externe Bedingungen bestimmt (Schaber, 2002). Wesentliche Einflussfaktoren sind dabei die Lufttemperatur und Tageslänge.

Der Blattwurf wird anhand eines festen durchschnittlichen Datums bestimmt. Für die Laubbaumarten wurden die erforderlichen Parameter an Daten des DWD angepasst. Für die immergrünen Baumarten werden gegenwärtig im Modell noch keine phänologischen Stadien unterschieden.

Die Mortalität der Individuen innerhalb der Kohorten wird aus der Kohlenstoffbilanz bestimmt (stressbedingte Mortalität) oder nach einer vorgegebenen altersbedingten Mortalitätsrate. Beide Ansätze können auch kombiniert werden. Stressbedingte Mortalität tritt auf, wenn die Kohlenstoffbilanz über einen bestimmten Zeitraum negativ wird und daher z.B. die Blattmasse der Individuen einer Kohorte eines Jahres geringer ist als die des Vorjahres. Sie führt damit zur Verringerung der Individuenzahl bzw. zum vollständigen Absterben der Kohorte. Die intrinsische artenspezifische Mortalität wird über ein maximales Alter der Baumart definiert (Botkin & Nisbet, 1992).

Auf Bestandesebene können Verjüngungs- und Bewirtschaftungsmaßnahmen simuliert werden. Die Verjüngung beschreibt das Aufwachsen von gepflanzten Setzlingen oder von Sämlingen, die jährlich in Abhängigkeit von Umweltbedingungen im Bestand aufkeimen können.

Das Modell erlaubt die Simulation einer Vielzahl von Bewirtschaftungsvarianten, die durch die Kombination verschiedener implementierter Methoden möglich sind. Ein Bewirtschaftungsplan steuert die verschiedenen Eingriffe. In Abhängigkeit von der Bestandeshöhe werden Jungwuchspflege, Läuterung und Jungbestandespflege simuliert. Für die anschließenden Bestandeseingriffe kann Hoch- oder Nieder­durchforstung gewählt werden. Die Durchforstung wird durch Durchforstungsstärke und Durchforstungsintervall beschrieben. Zur Ernte des Bestandes, gesteuert über die Umtriebszeit, ermöglicht das Modell den Kahlschlag mit anschließender Neu­anpflanzung oder natürlicher Verjüngung oder einen Schirmschlag, ebenfalls kombiniert mit einer Unterpflanzung. Für die Pflanzung kann eine Artenspezifikation und Pflanzdichte vorgegeben werden. Die Generierung von Mischbeständen ist möglich. Der Bewirtschaftungsplan erlaubt damit auch langfristige Simulationen über mehrere Umtriebszeiten.

Störungen wie Windwurf oder Borkenkäferbefall im Bestand können im Modell durch Verarbeitung einer Störungszeitreihe simuliert werden. Diese Störungen wirken insbesondere durch eine zusätzliche Mortalität in den Baumkohorten auf die Bestandesdynamik.

Die Störungsdynamik durch Borkenkäferbefall wird durch eine Zeitreihe der Störungsereignisse mit Information über befallene Fläche (Koordinaten), Störungstyp, Störungsjahr, Anteil der befallenen Fläche an der Gesamtfläche des Bestandes und Typ des Bestandes (bewirtschaftet oder unbewirtschaftet) beschrieben. Im Fall von Borkenkäferbefall wird die Mortalität der Fichten, die älter als 50 sind, angenommen. Bei den bewirtschafteten Beständen werden alle befallenen und damit gestorbenen Fichten vollständig geerntet, Wurzeln und Benadlung verbleiben im Ökosystem. Bei den unbewirtschafteten Beständen werden diese Bäume komplett in die Zersetzungspools des Bodens überführt, für die Stämme, wird eine verzögerte Über­führung in den Zersetzungspool für Stammholz angenommen, da die toten Bäume noch einige Jahre im Bestand stehen. Sowohl im bewirtschafteten als auch im unbewirtschafteten Fall, wird bei einem Anteil der Störungsfläche, akkumuliert über mehrere aneinanderfolgende Störungsjahre, von über 30% der Bestandesfläche, eine natürliche Verjüngung der vorkommenden Baumarten simuliert.

Die Artenzusammensetzung und Bestandesstruktur können auf der Basis von Inventurdaten initialisiert werden. Die Kohorten werden dann entsprechend der gemessenen Verteilungen von Brusthöhendurchmesser sowie, falls vorhanden, Baumhöhe und Kronenansatzhöhe definiert.

Als treibende klimatische Größen werden Tagesmittel bzw. -summen der Tempe­ratur, des Niederschlags, der Luftfeuchte und der Strahlung benötigt, die wahlweise aus Messreihen eingelesen oder aus Monatswerten mit Hilfe eines Wettergenerators hergeleitet werden können. Außerdem wird eine Zeitreihe der atmosphärischen CO₂-Konzentration und Stickstoff-Deposition vorgegeben.

Das Modell liegt in einer ersten, hier umrissenen Ausbaustufe vor und wird an langen Zeitreihen von Dauerbeobachtungsflächen hinsichtlich der Bestandesdynamik getestet (Schaber 2002, Schaber et al. 1999; Mäkelä et al., 2000). Es ist gegenwärtig für die Baum­arten Buche (Fagus sylvatica L.), Fichte (Picea abies L.), Kiefer (Pinus sylvestris L.), Eiche (Quercus robur L.) und Birke (Betula pendula Roth) parametrisiert. Einzelne Komponenten des Waldwachstumsmodells 4C wurden für mehrere Baumarten an verschiedenen Standorten (v.a. an Level II Standorten in Brandenburg, Sachsen und Thüringen) validiert.

Im Rahmen des BMBF-Projektes „Wälder und Forstwirtschaft im Globalen Wandel: Strategien für eine integrierte Wirkungsanalyse und –bewertung“ (LK9528-9533) und des EU-Projektes SilviStrat“: Silvicultural Response Strategies to Climatic Change in Management of European Forests” (EVK2-2000-00723) wurde das Modell für Analysen eingesetzt (Lasch et al., 2002; Lasch et al., 2005).

5.1 Überblick
5.2 Makroporenfluss
5.3 Matrixfluss
5.4 Bodenwasserentzug durch Verdunstung
5.5 Hypodermischer Abfluss
5.6 Drainabfluss
5.7 Kapillarer Aufstieg

Die Modellierung der Bodenwasserdynamik erfolgt mit einem Mehrschicht-Kapazitätsmodell nach Koitzsch (1977) und Glugla (1969), welches die Bodenwasserdynamik mittels abgeleiteter bodenspezifischer Kennwerte wie Feldkapazität und Permanenter Welkepunkt zur Charakterisierung der Wasserspeicherung unter bestimmten Spannungsverhältnissen beschreibt. Das Originalmodell wurde jedoch insbesondere hinsichtlich der Terme zur Abbildung der Verdunstungsintensität überarbeitet, da im Rahmen des PSCN-Moduls der aktuelle Transpirationsbedarf durch vegetationsspezifische Pflanzenmodelle berechnet wird. Außerdem wurde das Modell um einen Ansatz zur Beschreibung der hypodermischen Abflussbildung, um ein Makroporenflussmodell, einen Ansatz zur Abbildung des kapillaren Aufstiegs und um ein Drainagemodell erweitert.

Grundannahme des empirischen Makroporenflussmodells ist, dass die Bildung von Makroporen von den Bodeneigenschaften, der Landnutzung und der aktuellen Bodenfeuchte beeinflusst wird. Liegen keine Eingangsinformation zu den Makroporen der einzelnen Bodenhorizonte vor, so werden diese modellintern anhand der Trockenrohdichte, dem Skelett- und dem Tonanteil abgeschätzt. Dabei wird angenommen, dass Makroporen nur bei einer Lagerungsdichte von kleiner als 2 g/cm³ und erst ab einen Tonanteil von 20 % auftreten (k_t=0 für Ton(z) < 20 %).

Bezüglich der Landnutzung wird vorausgesetzt, dass Makroporen vor allem unter Wald, unter Wiesen und bei konservierender Bodenbearbeitung auftreten.

Für jede Bodenschicht z_j wird eine Makroporosität MP (0 ≤ MP ≤ 0.9) wie folgt berechnet:

mit

r_q Schrumpfterm bei Dürre
z_max maximale Tiefe der landnutzungsgebundenen Makroporen [mm]
z aktuelle Tiefe [mm]
t Zeit
q Wassergehalt [mm]
q_WP Wassergehalt am Permanentwelkepunkt [mm]
q_FK Wassergehalt bei Feldkapazität [mm]
k_s,k_t,k_v Parameter (k_v=0, wenn z>z_max)

In der obersten Bodenschicht ist MP der Anteil des infiltrierenden Niederschlags, der sofort in die darunter liegende Schicht weitergeleitet wird. Je nach Makroporosität der weiteren Schichten wird dieser weiter geleitet, bzw. kann anteilig in die Bodenmatrix infiltrieren.

Erreicht in den unteren Bodenhorizonten der Schichtwassergehalt die Sättigungsgrenze, so kann zusätzlich zur Perkolation durch die Bodenmatrix der Anteil MP(z_j,t) des mobilen Wassers in die darunter liegende Schicht transportiert werden. Dieser Makroporenfluss spielt insbesondere in Böden mit hohem Skelettgehalt im Unterboden eine Rolle.

Aufgrund der hohen Sensitivität der Bodenwasserhaushaltsmodellierung gegenüber der Makroporosität wird anstelle dieser internen Abschätzung empfohlen, die Makroporosität bei den Bodeneingangsdaten mit anzugeben.

Dem Mehrschicht-Kapazitätsmodell zur Beschreibung der Feuchtedynamik in der Bodenmatrix liegt die Annahme zugrunde, dass es erst nach Überschreiten der Feldkapazität zu einem Abfluss (vertikal und horizontal) aus der betrachteten Bodenschicht kommt. Anstelle der Kenntnis der hydraulischen Eigenschaften des Bodens wird nur noch der von der Bodenart abhängige Leitfähigkeitsparameter λ benötigt.

Die Änderung des Wassergehaltes q(z_j,t) der Schicht z_j in der Zeit t ergibt sich zu:

Nebenbedingungen:

 für 

Anfangswerte:

I Infiltrationsrate [mm/d]
P^d Abfluss über das Drainagesystem [mm/d]
P^g Perkolationsrate (Gravitationsabfluss) [mm/d]
P^h horizontaler (hypodermischer) Abfluss [mm/d]
P^k Kapillaraufstieg [mm/d]
P^m Makroporenfluss [mm/d]
E Wasserentzug durch Bodenevaporation und Transpiration [mm/d]  Θ Wassergehalt [mm]
Θ_WP Wassergehalt am Permanentwelkepunkt [mm]
Θ_PV Porenvolumen [mm]
Θ_FK Wassergehalt bei Feldkapazität [mm]

Die aktuelle Perkolationsrate P^g(z_j,t) aus der Schicht z_j ergibt sich zu:

BT(z_j,t) – Bodentemperatur der Schicht z_j [mm]

Die Wahl der Feldkapazität q_FK hat einen großen Einfluss auf das Simulationsergebnis. Der Leitfähigkeitsparameter λ lässt sich entweder aus dem Gehalt an abschlämmbaren Teilchen oder aus der gesättigten hydraulischen Leitfähigkeit ableiten (Glugla, 1969). Vereinfachend kann nach Koitzsch (1977) bodenartspezifisch ein Wert zwischen 0 und 1,3 mm^-1d^-1 bei Schichtmächtigkeiten von 10 cm angesetzt werden. Erfolgt keine Angabe zu diesem Parameter, so wird er modellintern aus der gesättigten hydraulischen Leitfähigkeit k [mm/h] berechnet.

λ – Leitfähigkeitsparameter nach Koitzsch
k – gesättigte hydraulische Leitfähigkeit [mm/h]

Der aktuelle Entzug E(t) setzt sich aus dem Bodenevaporationsanteil E_s und dem Transpirationsanteil E_TR zusammen.

Der Evaporationsentzug wird durch die potenzielle Bodenevaporation (Kapitel 2, Gl. 5) gesteuert und erfolgt bis zu einer bodenspezifischen Tiefe z_E. Standard für z_E in Nichtwaldböden ist 30 cm. Dieser Standardwert gilt nur für Böden ohne organische Auflage mit einer gesättigten Leitfähigkeit von weniger als 360 cm/d im Oberboden. Bei Auftreten von Schichten höherer Leitfähigkeit wird davon ausgegangen, dass diese die kapillare Nachlieferung aus den darunter liegenden Schichten unterbinden und somit als Sperrschicht für die Bodenevaporation wirken.

Es wird angenommen, dass aus der obersten Rechenschicht ein nur vom aktuellen Bodenwassergehalt limitierter Verdunstungsentzug stattfinden kann. Reicht dieser nicht zur Deckung des Bedarfs aus, so erfolgt ein Entzug aus tieferen Schichten. Bei Vorhandensein einer organischen Auflage (Waldböden, konservierende Bodenbearbeitung) kann nur aus dieser evaporiert werden.

Die evaporierte Wassermenge aus den einzelnen Schichten z_j oberhalb der maximalen Tiefe _ZE wird durch das Minimum aus dem verbleibenden Evaporationsbedarf und dem verfügbaren Bodenwasser oberhalb des Welkepunktes limitiert. Letzteres wird durch die Reduktionsfunktion R_SE(z) realisiert:

Es_p potenzielle Bodenevaporation [mm]
R_SE Reduktionsfunktion
ΘWassergehalt [mm]
Θ_WP Wassergehalt am Permanentwelkepunkt [mm]
Θ_FK Wassergehalt bei Feldkapazität [mm]

Der Transpirationsanteil E_TR(t) wird in seiner Menge und vertikalen Verteilung durch das Vegetationsmodell in Abhängigkeit vom pflanzenverfügbaren Wasser berechnet. Im generischen Vegetationsmodell erfolgt die Berechnung von E_TR(t) nach Gleichung 31 (Kapitel 4.4.3).

Liegt der aktuelle Bodenwassergehalt nach Realisierung von Entzug und Perkolation immer noch oberhalb der Feldkapazität, so kann auch ein horizontal gerichteter Abfluss P^h in Abhängigkeit von der Schichtneigung erfolgen, wenn die hydraulische Leitfähigkeit der unterliegenden Schicht kleiner als in der betrachteten Schicht ist, deren Matrix-Porenvolumen sehr klein ist (z.B. bei hohem Skelettanteil) bzw. deren gesamter Porenraum wassergesättigt ist.

α Neigung der Bodenschicht [°]
λ Leitfähigkeitsparameter nach Koitzsch [-]
BT Bodentemperatur [° C]
k^h Korrekturfaktor für den hypodermischen Abfluss [-]

Melioration hat einen wesentlichen Einfluss auf den Gebietswasserhaushalt, aber auch auf den Stoffaustrag (insbesondere Stickstoff und Phosphor) aus landwirtschaftlich genutzten Flächen. Genaue Informationen zu meliorierten Flächen, Art und Dauer der Meliorationsmaßnahmen liegen jedoch zumeist nicht flächendeckend vor. Alternativ zu einer genauen Kartierung der entwässerten Flächen können potenziell drainierte Flächen berücksichtigt werden. Voraussetzung ist eine Zuordnung der einzelnen Standorte zu einem Drainagetyp (Graben oder Rohrdrainage) und der Entwässerungswahrscheinlichkeit (Anschlussgrad). Entscheidend bei der Modellierung ist die Drainagetiefe. Entsprechend den Literaturangaben wird allgemein von einer Tiefe von 1 m bzw. 40 cm bei landwirtschaftlich genutzten Niedermoorstandorten ausgegangen (s. Möller et al., 2009).

Bei Sättigung (Feldkapazität) der Bodenschicht in dieser Tiefe wird jedes Zusatzwasser sofort dem Drainagesystem zugeführt und im gleichen Zeitschritt abflusswirksam. Liegt die Entwässerungswahrscheinlichkeit unter 100 %, so wird nur der entsprechende Anteil der Bodenlösung über Feldkapazität dem Vorfluter zugeführt. Der Rest steht weiterhin für die Verdunstung und Tiefenversickerung zur Verfügung.

Wichtig für die Abbildung der Entwässerung ist die Konsistenz der Eingangsdatenbasis zur Landnutzung, den Meliorationsinformationen und den mittleren Grundwasserflurabständen.

Der kapillare Aufstieg aus gesättigten tieferen Bodenschichten in den Wurzelraum kann für die Wasserversorgung der Vegetation von Bedeutung sein. Entsprechend des Kapazitätsansatzes zur Beschreibung der Bodenwasserdynamik kann zur Simulation dieses Phänomens nur ein empirischer Ansatz über Tabellenfunktionen, wie sie in der Bodenkundlichen Kartieranleitung (Ad-hoc-AG Boden, 2005) angegeben sind, genutzt werden. Kapillaraufstieg in die aktuelle Rechenschicht wird berechnet, wenn zwei Bedingungen erfüllt sind:

• Der aktuelle Bodenwassergehalt der Rechenschicht liegt unterhalb eines Schwellenwertes, der mit (Θ_WP -Θ_FK)/2 angenommen wird.
• Die Schicht liegt im Bereich der für dieses Bodenprofil nach der Bodenkundlichen Kartieranleitung berechneten Distanz, die das Grundwasser bei gegebener Wasserspannung im Boden gegen die Schwerkraft überwinden kann (kapillare Aufstiegshöhe).

Sind diese Bedingungen erfüllt, so wird eine Auffüllung des Schichtwassergehaltes maximal bis zu diesem Grenzwert entsprechend der kapillaren Aufstiegsrate simuliert. Die kapillaren Aufstiegsraten und -höhen werden in der Bodenkundlichen Kartieranleitung bodenartspezifisch angegeben. Für die Übertragung dieser Angaben auf geschichtete Böden wird für die kapillare Aufstiegshöhe die Bodenart der an den Grundwasserspiegel angrenzenden Bodenschicht berücksichtigt. Die kapillare Aufstiegsrate ergibt sich als das Minimum der jeweiligen Aufstiegsraten der Bodenschichten zwischen der Zehrschicht und dem Grundwasserspiegel.

Die Simulation der Wärmedynamik basiert auf dem Modell von Suckow (1985). Die Bodenwärmeänderung wird dabei mittels der vereinfachten eindimensionalen Wärmeleitungsgleichung

mit der Zeit t Î (0, t_e) und der Tiefe z Î (0, ∞) für veränderliche Wärmekapazität C_h(z,t) und Wärmeleitfähigkeit λ_h(z,t) beschrieben. Die Lösung der Gleichung 49 er­folgt numerisch (Suckow, 1985). Der Beitrag des Bodeneises an der Wärmeleitung und der Phasenübergang der Bodenflüssigkeit werden nicht betrachtet.

Die Wärmekapazität des Bodens C_h(z,t) wird als Summe der Wärmekapazitäten der festen Boden­bestandteile und des Bodenwassers beschrieben:

ρ_s Dichte der festen Bestandteile [g/cm³]
θ_s Volumenanteil der festen Bestandteile [Vol.%]
c_s spezifische Wärmekapazität der Festsubstanz [kJ·kg⁻¹·K⁻¹]
c_w spezifische Wärmekapazität des Wassers [kJ·kg⁻¹·K⁻¹]
ρ_w Dichte des Wassers [g/cm³]
θ* volumetrische Feuchte [Vol.%]

Die Wärmeleitfähigkeit kann nach einem Ansatz von Neusypina (1979):

 

λ_h Wärmeleitfähigkeit [kJcm^-1s^-1K^-1]
ρ_t  Trockenrohdichte [g/cm³]

bzw. nach de Vries (1963) in Analogie zur elektrischen Leitfähigkeit eines körnigen Materials aus verschiedenen Komponenten berechnet werden.

Die obere Randbedingung für die Lösung der Wärmeleitgleichung (Gleichung 49) ist durch die Bodenoberflächentemperatur gegeben. Für deren Berechnung werden zwei konzeptionelle Algorithmen angeboten, die für eine Simulation auf Tageszeitschrittbasis entwickelt und kalibriert wurden.

Der Williams-Algorithmus wurde im Rahmen der Entwicklungsarbeiten am “Erosion-Productivity Impact Calculator” (EPIC) durch Williams et al. (1984) erarbeitet. Dieses Bodentemperatur-Modell fand in Original- oder bearbeiteter Form Eingang in weitere Bestandes- und Gebietsmodelle wie z.B. CERES (Jones & Kiniry, 1986) und SPASS (Wang, 1997). Die tägliche Bodenoberflächentemperatur BT₀ wird als Funktion der Globalstrahlung R_g [MJ/m^²], der Albedo A und der minimalen bzw. maximalen Lufttemperatur (LT_min, LT_max) eines Tages berechnet:

Die Albedo A als Kombination aus Boden- und Pflanzenalbedo wird unter der Annahme, dass die Pflanzenalbedo im Mittel 0.25 beträgt, und der mittlere Extinktionskoeffizient der Pflanzendecke für kurzwellige Strahlung 0.5 ist, wie folgt berechnet:

A_soil Bodenalbedo (0,25) [-]
LAI Blattflächenindex [-]

Alternativ dazu kann die Bodenoberflächentemperatur BT₀ mittels eines empirischen Ansatzes durch näherungsweise Berechnung des Faltungsintegrals über die Lufttemperatur T der letzten drei Tage (Suckow, 1985) berechnet werden.

K mittlerer Korrekturfaktor (fest vorgegeben) [-]
F_i Faltungskoeffizient (fest vorgegeben) [-]
LT Lufttemperatur [°C]
a,b Bestandeskoeffizienten (Brache: a=0, b=1) [-]

Bei Vorhandensein einer Schneedecke wird die Bodenoberflächentemperatur mit einem empirischen Ansatz, der die Schneemenge berücksichtigt (Klöcking, 1991), berechnet:

BT₁ Temperatur der obersten Bodenschicht [°C]
s Schneemenge [mm Wasseräquivalent]
LT Tagesmittel der Lufttemperatur [°C]
l,α,β,γ Parameter (fest vorgegeben)

7.1 Das C/N-Modell im Überblick
7.2 Kohlenstoff- und Stickstoffeintrag
7.3 Kohlenstoff- und Stickstoffumsatz im Boden
7.4 Stickstofftransport im Boden
7.5 Stickstoffaufnahme durch die Vegetation

Die Simulation der Kohlenstoff-/Stickstoffdynamik des Bodens umfasst den biochemischen Umsatz im Boden und die Verlagerung der löslichen Komponenten mit der Bodenlösung. Sie ist eng an die Vegetationsmodellierung (Kap. 4) gekoppelt, welche die Stickstoffaufnahme und die Nachlieferungen toter organischer Substanz durch die Vegetation simuliert.

Im PSCN-Modul wird hierfür das ursprünglich für Waldstandorte entwickelte und in 4C implementierte Bodenmodell des Kohlenstoff- und Stickstoffhaushalts (Suckow et al., 2001) aufgerufen, wobei sowohl auf Seiten des Vegetationsmodells für landwirtschaftliche Kulturen (VEGEN, Kap. 4.4) als auch auf Seiten des Bodenmodells entsprechende Anpassungen vorgenommen werden mussten, um dieses C/N-Modell auch für Nichtwaldflächen nutzen zu können.

Im Modell wird zwischen primärer organischer Substanz (POM) in mehreren Fraktionen, dem Humus (aktive organische Substanz AOM) und dem mineralisierten Stickstoff in Form von Ammonium und Nitrat unterschieden. Mineralisierung, Nitrifizierung, Pflanzenaufnahme und Transport werden für jede einzelne Bodenschicht in Abhängigkeit von Bodenfeuchte, Bodentemperatur, pH-Wert und den Entzugsansprüchen durch die Vegetation berechnet (s. Abb. 7‑1).

Abb. 7‑1: Modellierung des Stickstoffkreislaufes innerhalb des Bodenmodells

Die in der Streu (Nadeln, Blätter, Zweige) und den abgestorbenen Stämmen enthaltenen Kohlenstoff- und Stickstoffmengen werden den jeweiligen N_POM– and C_POM-Pools der ersten Bodenschicht zugeordnet. In der gleichen Weise werden die in den abgestorbenen Fein- und Grobwurzeln enthaltenen C/N-Mengen den POM-Pools der jeweiligen Bodenschicht hinzugefügt. Es wird ein konstanter Kohlenstoffgehalt in der toten Biomasse von 50% angenommen. Jeder dieser POM-Pools ist durch einen (Frucht-/Baum-)artspezifischen Parametersatz charakterisiert (Stickstoffanteil, Umsatzkoeffizient k_POM und Synthesekoeffizient k_syn).

Als atmosphärischer Eintrag wird die Nassdeposition von Nitrat und Ammonium berücksichtigt, die zu einer Erhöhung der mineralischen Pools N_NH4 and N_NO3 auf der Bodenoberfläche führt.

Bei landwirtschaftlich genutzten Standorten werden Düngergaben in Form von mineralischem Stickstoff berücksichtigt. Diese werden zu gleichen Teilen in die oberste Schicht bzw. auf die Oberfläche aufgebracht.

Stickstoff auf der Bodenoberfläche wird mit dem Niederschlag in den Boden eingewaschen. Dabei werden sowohl Makroporen- als auch Matrixinfiltration berücksichtigt (Kapitel 5.2 und 5.3). Tritt Oberflächenabfluss auf, so erfolgt eine proportionale Abwaschung des noch auf der Oberfläche befindlichen Stickstoffs und ein Eintrag in den nächsten Vorfluter.

Der Umsatz zwischen den einzelnen C/N-Bindungsformen (Abb. 7‑2) wird durch eine Kinetik erster Ordnung beschrieben (Chertov and Komarov, 1997; Franko, 1990; Parton et al., 1987). Die Umsatzgeschwindigkeit wird durch reaktionsspezifische Umsatzkoeffizienten bestimmt.

Abb. 7‑2: Modell des Kohlenstoff-Stickstoff-Umsatzes mit den Reaktionskoeffizienten k₁+k₂ = k*₁+k*₂ = k_POM für die Primärsubstanz, k_AOM für die aktive organische Substanz, den entsprechenden C/N-Verhält­nissen Q_POM bzw. Q_AOM und der Nitrifikationskonstante k_nit

Der dominante Prozess ist die C-Mineralisierung, welcher die Energie für den gesamten Umsatz der organischen Substanz liefert. Entsprechend des obigen Konzeptes ergibt sich die Änderung der Kohlenstoffmenge in der organischen Primärsubstanz POM wie folgt:

 

mit dem Reaktionskoeffizienten k_POM = k*₁+k*₂ (s. Abb. 7‑2). Die Reduktionsfunktion R_min repräsentiert den Einfluss von Wassergehalt, Bodentemperatur und pH-Wert auf den Mineralisierungsprozess (Franko, 1990; Kartschall et al., 1990).

Die Transformation der organischen Primärsubstanz C_POM(z,t) in aktive organische Substanz C_AOM(z,t) wird durch den Reaktionskoeffizienten k*₁ = k_syn · k_POM beschrieben, der als Produkt aus dem substratabhängigen Humussynthesekoeffizienten k_syn und dem Zersetzungskoeffizienten der POM berechnet wird. Der Übergang von Kohlenstoff in aktive organische Substanz wird bestimmt vom neu synthetisierten Anteil und der Menge, die zur Mineralisierung benötigt wird:

Wie viel Stickstoff in die aktive organische Substanz eingelagert wird, und wie viel mineralisiert wird, hängt vom C/N-Verhältnis der beiden organischen Fraktionen und dem Kohlenstoffbedarf der Humussynthese ab. Die Nettomineralisierung von Stickstoff aus der organischen Primärsubstanz ist analog zu Gl. (56). Der Stickstoffumsatz in der aktiven organischen Substanz verläuft ähnlich wie der Kohlenstoffumsatz, wobei das C/N-Verhältnis beider organischen Fraktionen Q_POM und Q_AOM den Synthesekoeffizient k_syn zu k^Q_syn modifiziert (Kartschall et al., 1990).

Außerdem wird die Veränderung des Ammonium- (N_NH4) und Nitrat-Stickstoffs (N_NO3) betrachtet. Somit wird der Stickstoff-Nettoumsatz durch das folgende System von Differentialgleichungen (Klöcking, 1991) für jede Bodenschicht beschrieben.

 

Das Differentialgleichungssystem (59)-(62) mit den entsprechenden Anfangswerten wird mittels der Laplace-Transformation gelöst. Die optimalen Reaktionskoeffizienten dieser Prozesse können auf der Basis von Literaturangaben (s. Klöcking et al., 2007) durch Parameteroptimierung angepasst werden.

Analog zum Kohlenstoffumsatz erfolgt auch hier eine Reduktion der Mineralisierung und Nitrifizierung durch die Reduktionsfunktionen R_min(z,t) bzw. R_nit(z,t). Durch sie wird der Einfluss von Umweltbedingungen (Feuchte, Temperatur, pH-Wert) auf die Mineralisierung und die Nitrifizierung (Franko, 1990; Kartschall et al., 1990) beschrieben. Jede Einflusskomponente wird durch eine Einzelfunktion beschrieben, deren Produkt die gesamte Reduktionsfunktion ergibt:

R^θ_min/nit(θ) Feuchte-Reduktionsfunktionen der Mineralisierung bzw. der Nitrifizierung
R^BT_min/nit(BT) Bodentemperatur-Reduktionsfunktionen der Mineralisierung bzw. der Nitrifizierung
R^pH_min/nit(pH) pH-Wert-Reduktionsfunktionen der Mineralisierung bzw. der Nitrifizierung

Die Mineralisierung wird verzögert, wenn die Bodenfeuchte Werte von weniger als der Hälfte des Wassergehaltes bei Feldkapazität annimmt. Die Reduzierung der Nitrifizierung durch Trockenheit erfolgt ähnlich wie für die Mineralisierung, wobei jedoch auch eine Verminderung bei hohen Wassergehalten durch Sauerstoffmangel berücksichtigt wird (Abb. 7‑3).

Abb. 7‑3: Feuchte-Reduktionsfunktionen der Mineralisierung R^θ_min(θ) und der Nitrifizierung R^θ_nit(θ) in Abhängigkeit vom Verhältnis der aktuellen Bodenfeuchte zum Gesamtporenvolumen GPV

Der Einfluss der Bodentemperatur (BT) auf die Umsatzgeschwindigkeit wird nach Stanford et al. (1973) beschrieben. Dabei wird als optimale Temperatur für die Mineralisierung 35 °C und für die Nitrifizierung 25 °C angenommen (Abb. 7‑4).

Abb. 7‑4: Temperatur-Reduktionsfunktionen der Mineralisierung R^BT_min(BT) und der Nitrifizierung R^BT_nit(BT) in Abhängigkeit von der aktuellen Bodentemperatur BT

Außerdem werden Mineralisierung und Nitrifizierung durch ein saures Bodenmilieu gehemmt. Der Einfluss des pH-Wertes wird durch Stufenfunktionen (Abb. 7‑5) beschrieben. Der pH-Wert wirkt sich besonders stark auf die Nitrifizierung aus. Unterhalb eines pH-Wertes von 3 kommt die Nitrifizierung zum Erliegen. Optimale Nitrifizierungsbedingungen werden oberhalb eines pH-Wertes von 6 angenommen.

Abb. 7‑5: Säure-Reduktionsfunktionen der Mineralisierung und der Nitrifizierung in Abhängigkeit vom pH-Wert

Der Transport und die Pflanzenaufnahme U_N von löslichen chemischen Substanzen erfolgen gekoppelt an die Bodenwasserbewegung und werden für jede Bodenschicht betrachtet. Der Transport von organischen Verbindungen wird nicht berücksichtigt, da ihr Flux vernachlässigbar klein im Vergleich zu ihrer Gesamtmenge im Boden ist. Da Ammonium und Nitrat z.T. eng an die Bodenmatrix gebunden sind, wird nicht die gesamte Menge als frei beweglich angesehen. Die Mengen des mit den einzelnen Abflusskomponenten Pⁱ aus der jeweiligen Bodenschicht transportierten Ammonium- bzw. Nitrat-Stickstoffs N^j werden wie folgt berechnet:

n^j Fraktion des mobilen Ammonium-N bzw. Nitrat-N
Pⁱ Wasserabflusskomponente i aus der Schicht (P^g, P^h, P^d) [mm]
E_TR Transpirationsentzug [mm]
ΘWassergehalt [mm]

Als Abflusskomponenten P_i werden die Perkolation P^g, der hypodermische Abfluss P^h und der Drain­abfluss P^d berücksichtigt.

Ähnlich wie beim Stickstofftransport ist die Stickstoffaufnahme an den Wasserstrom gekoppelt. Im Gegensatz zum Transport steht aber der gesamte, als Ammonium oder Nitrat vorliegende Stickstoff N zur Verfügung, da die Pflanzen auch den an die Bodenmatrix gebundenen Stickstoff aktiv aufnehmen können. Es wird angenommen, dass keine der Verbindungen bevorzugt durch die Pflanzen aufgenommen wird. Die Stickstoffaufnahme U_N aus den durchwurzelten Bodenschichten wird wie folgt berechnet:

U_N Stickstoffaufnahme [kg/ha]
E_TR Transpirationsentzug [mm]
Θ Wassergehalt [mm]

8.1 Überblick Phosphormodell-Boden
8.2 Initialisierung der Phosphorfraktionen im Boden
8.3 Phosphoreintrag
8.4 Sorption des anorganischen Phosphors
8.5 Phosphoraufnahme durch die Vegetation und Transport im Boden

Der Phosphorkreislauf wird in PSCN ähnlich wie in SWAT2005 (Neitsch et al., 2005) beschrieben. Wie auch das Kohlenstoff-/Stickstoffmodell lässt sich das Phosphormodell je nach Simulationsziel aktivieren oder deaktivieren. Voraussetzung für die Aktivierung ist die Simulation der Vegetationsdynamik mit dem generischen Modell VEGEN (s. Kap. 4.4).

Im Bodenmodell wird zwischen gelöstem, aktivem und stabilem mineralischem Phosphor (Phosphatbindungen) sowie organisch gebundenem Phosphor im Bodenhumus sowie in mehreren Fraktionen organischer Primärsubstanz unterschieden (Abb. 8‑1).

Abb. 8‑1: Elemente des Phosphormodells in PSCN

Phosphorquellen sind organische und anorganische Düngung, Deposition und der Eintrag über Pflanzenreste. Als Phosphorsenken werden die Aufnahme durch die Vegetation sowie die Ab- und Ausschwemmung des gelösten mineralischen Phosphors mit den Abflusskomponenten des Wasserhaushaltes berücksichtigt.

Die Mineralisierung der organisch gebundenen Phosphorfraktionen wird über eine Kinetik 1. Ordnung in Kopplung an den C/N-Umsatz (s. Kap. 7.3) beschrieben.

Als Bodeneingangsdaten werden der Gehalt an anorganisch (mineralisch) und organisch gebundenem Phosphor in den einzelnen Bodenhorizonten sowie der Index „Phosphorverfügbarkeit“, der die Phosphat-Bindungskapazität des Bodens beschreibt, benötigt. Liegen diese Werte nicht vor, so erfolgt eine Initialisierung analog Neitsch et al. (2005).

Die Konzentration des gelösten Phosphors P_sol („P_min in Lösung“ in Abb. 8‑1) wird in allen Schichten auf 5 mg P/kg Boden gesetzt. Dieser Wert ist repräsentativ für unbewirtschaftete Böden. Für die Pflugzone ackerbaulich genutzter Böden wird nach Cope et al. (1981) eine Konzentration von 25 mg P/kg Boden angenommen.

Die aktiven und stabilen (passiven) mineralische Phosphormengen werden nach Jones et al. (1984) wie folgt initialisiert:

P_act in der aktiven anorganischen Fraktion gebundener Phosphor („P_min aktiv“ in Abb. 8‑1) [kg P/ha]
P_st in der stabilen anorganischen Fraktion gebundener Phosphor („P_min stabil“ in Abb. 8‑1) [kg P/ha]
P_sol gelöster anorganischen Phosphor („P_min in Lösung“ in Abb. 8‑1) [kg P/ha]
pai Phosphorverfügbarkeitsindex

Für die Initialisierung der organischen P-Fraktionen wird ein N:P-Verhältnis von 8:1 im Humus angenommen. Somit ergibt sich:

N_AOM Stickstoff in der aktiven organischen Substanz (Humus) [kg N/ha]
P_AOM Phosphor in der aktiven organischen Substanz („P im Humus“ in Abb. 8‑1) [kg P/ha]

Die in den Ernteresten bzw. bei Wäldern in der Streu (Nadeln, Blätter, Zweige) und den abgestorbenen Stämmen enthaltenen Phosphormengen werden den jeweiligen P_POM-Pools der ersten Bodenschicht zugeordnet. In der gleichen Weise werden die in den abgestorbenen Fein- und Grobwurzeln enthaltenen P-Mengen den OPS-Pools der jeweiligen Bodenschicht hinzugefügt. Jeder dieser POM-Pools ist durch einen (Frucht-/Baum-)artspezifischen Parametersatz charakterisiert (Umsatzkoeffizient k_POM und Synthesekoeffizient k_syn).

Als atmosphärischer Eintrag wird eine Gesamtdeposition (Nass- und Trockendeposition) von Phosphor berücksichtigt, die zu einer Erhöhung der mineralischen P-Pools auf der Bodenoberfläche führt.

Bei landwirtschaftlich genutzten Standorten werden Düngergaben in Form von mineralischem Phosphor berücksichtigt. Diese werden zu gleichen Teilen in die oberste Schicht bzw. auf die Oberfläche aufgebracht.

Phosphor auf der Bodenoberfläche wird mit dem Niederschlag in den Boden eingewaschen. Dabei werden sowohl Makroporen- als auch Matrixinfiltration berücksichtigt (Kapitel 5.2 und 5.3). Tritt Oberflächenabfluss auf, so erfolgen eine proportionale Abwaschung des noch auf der Oberfläche befindlichen Phosphors und ein Eintrag in den nächsten Vorfluter.

Der Übergang des Phosphors zwischen gelöster und aktiver anorganischer Bindungsform wird durch folgende Gleichung beschrieben:

Der Übergang zwischen aktiven und stabilen Bindungsformen wird wie folgt beschrieben:

Der Transport und die Pflanzenaufnahme des gelösten Phosphors erfolgen gekoppelt an die Bodenwasserbewegung und werden für jede Bodenschicht betrachtet. Alle übrigen P-Fraktionen werden als immobil angesehen. Pro Zeitschritt wird die Phosphoraufnahme durch die Vegetation vor der Simulation des Transportes mit dem Bodenwasser simuliert. Voraussetzung ist ein aktueller Phosphor-Bedarf der Vegetation (s. Kap. 4.4.4) und die Wasseraufnahme aus der jeweiligen Bodenschicht sowie das Vorhandensein von gelöstem Phosphor.

Die Mengen des mit den einzelnen Abflusskomponenten P_i aus der jeweiligen Bodenschicht transportierten Phosphors werden wie folgt berechnet:

Pⁱ Wassermenge, die mit der Abflusskomponente i die Schicht verlässt [mm]
E_TR Transpiration [mm]
Θ Wassergehalt [mm]

Dabei werden die Abflusskomponenten Perkolation P^g, hypodermischer Abfluss (Interflow) P^h und Drainabfluss P^d berücksichtigt (Kapitel 5.3, 5.5 und 5.6).

Für die Simulation des Gebietswasserhaushaltes mit ArcEGMO-PSCN werden die üblichen Eingangsgrößen des Modells ArcEGMO benötigt. Die Simulation der Abflussbildungsdynamik bei Berücksichtigung der Vegetationsdynamik und des C/N-Haushaltes erfolgt auf Hydrotopbasis. Die Hydrotope (Elementarflächen) wurden durch Verschneidung der Basiskarten Vegetation, Bodentyp, Morphologie und Hydrogeologie erzeugt und haben einen festen Raumbezug innerhalb des Untersuchungsgebietes. Sie werden somit als in sich homogen betrachtet. Mittels geostatistischer Verfahren werden die meteorologischen Bedingungen der einzelnen Hydrotope entsprechend der an den Messstandorten beobachteten Witterung berechnet. Eine ausführliche Beschreibung der Struktur und Inhalte der GIS-Eingangsdaten von ArcEGMO ist in der Modellbeschreibung von ArcEGMO enthalten (s. Pfützner, 2002).

Die folgenden Tabellen geben thematisch geordnet einen Überblick über die Eingangsdaten und Modellparameter mit Schwerpunkt auf die primär für PSCN benötigten Größen. Neben der Parameterbezeichnung im Text sind die Steuerwörter in den entsprechenden Arc­EGMO-Steuerdateien angegeben. Bei unterschiedlicher räumlicher Eingabemöglichkeit findet sich ein entsprechender Hinweis. Für eine umfassende Beschreibung der Verwaltung der allgemeinen Eingangsdaten für die Abflussbildungssimulation von ArcEGMO (z.B. Muldenspeicherkapazität) wird auf die Modelldokumentation ArcEGMO -Teil 1 (Pfützner, 2002) verwiesen.

Tabelle 1 enthält die erforderlichen meteorologischen Eingangsdaten. Eine detaillierte Beschreibung ist in Kapitel 5.2 der Modelldokumentation ArcEGMO (Teil 1) enthalten.

Tabelle 1: Meteorologische Eingangsdaten für PSCN

*Steuerwort in ..\zeit.dat\describe\met_data.sdf

Tabelle 2 enthält alle benötigten Bodenparameter. Eine ausführliche Beschreibung findet sich ebenfalls in der Modelldokumentation ArcEGMO (Teil 1, Kapitel 4.5.3, Messwertformat).

Tabelle 2: Bodenparameter für PSCN

 * in …\GIS\describe\efl.sdf / BODEN_TABELLE
** in …\arc_egmo\pscn\pscn.ste/ EFL-Karte

Tabelle 3: Parameter für die Verdunstungs- und Schneemodellierung

*Attribut in …\vegen.ste / CROPPARAMETER_VEGEN

Tabelle 4: Parameter für die Vegetationsmodellierung

Weitere Informationen zu den allgemeinen Landnutzungsparametern im Modell ArcEGMO gibt Kapitel 4.5.2 der Modelldokumentation ArcEGMO (Teil 1).

Die Eingangsdaten und Parameter, die allein für das generische Vegetationsmodell VEGEN benötigt werden, sind in der Nutzungsbeschreibung von PSCN und der Parameterübersicht für VEGEN „VEGEN_Parameter.xls“ beschrieben. Die Inputdaten für das Waldmodell 4C sind der Nutzerdokumentation dieses Modells zu entnehmen.

Tabelle 5: Parameter für die Modellierung des Bodenwasser- und -wärmehaushaltes

Tabelle 6: Parameter für die Modellierung des Bodenwassernährstoffhaushaltes

Wie das Gesamtsystem ArcEGMO ist das PSCN-Modul in C (Microsoft Visual C/C++) programmiert. Die Teilmodelle, die aus dem Waldwachstumsmodell 4C stammen (Bodenwärme, Boden-C/N-Haushalt und Waldwachstumsmodell), sind in FORTRAN 90 geschrieben. Das Modell wurde bislang auf dem PC (Betriebssystem Windows98, 2000, NT und XP) getestet.

Der Aufruf der Teilmodelle des PSCN-Moduls erfolgt über prozessspezifische Schnittstellen. Somit ist auch die Einbindung von externen Modellen direkt bzw. über Bibliotheken möglich.

BMBF-Projekt zur Abschätzung der regionalen Kohlenstoffbilanz von mitteleuropäischen Wäldern unter dem Aspekt des Globalen Wandels, Detailuntersuchungen im Parthe-Einzugsgebiet (1999)

BMBF-Projekt „GLOWA Elbe“ zur integrierte Analyse der Auswirkungen des Globalen Wandels auf die Umwelt und die Gesellschaft im Elbegebiet, Teilprojekt Unstrut (Klöcking, 2002; Klöcking et al., 2003, 2005a; Pfützner & Klöcking, 2005)

BMBF-Verbundprojekt „Erstellung eines Management-Tools zur Wasserbewirtschaftung unter den Bedingungen bergbaubedingter salinarer Einträge im Einzugsgebiet der oberen und mittleren Unstrut“ im Rahmen des Forschungsschwerpunktes „Flussgebietsmanagement“ (Klöcking et al., 2002)

Wasser- und Stoffhaushalt einer sich verändernden Naturlandschaft im Nationalpark Bayerischer Wald im Rahmen der High-Tech-Offensive Bayern, Teilprojekt 33-7 (Klöcking et al., 2004, 2005)

Integrale Planung von Erstaufforstungen zur Minderung der Hochwassergefahr im Einzugsgebiet Fließgewässer 3. Ordnung – Beispielsgebiet „Die Paar im Gemeindebereich Geltendorf“ (Binder et al., 2006)

Wasserhaushaltssimulationen in Kopplung mit Grundwasserströmungsmodellen in Berlin, Brandenburg, Sachsen und Sachsen-Anhalt (z.B. Pfützner et al., 2006; Mey et al. 2008)

Wasserhaushaltssimulationen in 6 Alpentälern der Brenner-Region im Auftrag der Dr. Rietzler & Heidrich GmbH (Brennertunnel-Projekt, 2006)

Auswirkungen des Borkenkäferbefalls auf den Wasser- und Stoffhaushalt des Einzugsgebietes Forellenbach (UBA-ECE/IM-Projekt, 2005-2007)

Modellgestützte Ermittlung von Abflusskomponenten für Wasserkörper des Landes Sachsen-Anhalt im Auftrag des Landesbetriebes für Hochwasserschutz und Wasserwirtschaft des Landes Sachsen-Anhalt (2006-2007)

Aktualisierung der Abflusssynthese der mittleren Abflüsse bis zum Jahr 2005 für das Land Brandenburg im Auftrag des Ministeriums für Landwirtschaft, Umweltschutz und Raumplanung des Landes Brandenburg (2007)

„Bodenatlas Sachsen – Auswirkungen von Klimaänderungen auf den Bodenwasserhaushalt“ im Auftrag des Sächsischen Landesamtes für Umwelt und Geologie (2007-2008)

Überprüfung regionaler Klima- und Depositionsszenarien auf ihre Eignung für kleinräumige Modellierung im Nationalpark Bayerischer Wald (UBA-ECE/IM-Projekt, 2007-2008)

„Bodenatlas Sachsen – Ertragsauswirkungen des Klimawandels für verschiedene Böden“ im Auftrag der Sächsischen Landesanstalt für Landwirtschaft (2008)

Auswirkungen des Landschaftswandels auf den Gebietswasserhaushalt am Beispiel der Gemeinde Hinterzarten im Schwarzwald (2008-2009)

Entwicklung eines landesweit einheitlichen forstlichen Verfahrens zur Unterstützung des Landschaftswasserhaushaltes, AG: Landesbetrieb Forst Brandenburg & Landeskompetenzzentrum Forst Eberswalde (2008-2010)

KLIWA-Fallstudie Bayerischer Wald / Einzugsgebiet Ilz, Untersuchungen zum Grundwasserhaushalt mit dem Modell ArcEGMO – Abschätzung der Auswirkungen des Klimawandels auf Quellschüttungen und Niedrigwasserabflüsse, AG: Bayerisches Landesamt für Umwelt, Ref. 83 Hydrologie des Grundwassers, 08/2010-03/2011,

ReArMo – Entwicklung von Methoden zur modellgestützten Beschreibung von Nährstoffeinträgen ins Grundwasser, LfULG Sachsen in ARGE mit INL Halle und IHU Nordhausen (2010-2013)

Regionale Modellstudien zur detaillierten Simulation der Nährstoffströme in Problemgebieten, Landesumweltamt Brandenburg (2009-2011)

Stabilisierung der Grundwasserverhältnisse in der Lieberoser Hochfläche, Landesumweltamt Brandenburg (2009-2011)

Veränderung der Sickerwasserraten bei Errichtung des Solarparks Reichertskreuzer Heide, gerstgraser – Ingenieurbüro für Renaturierung (2011)

Durchführung einer Untersuchung zu den Folgen des Klimawandels in Sachsen-Anhalt (LAU, 2011-2012)

Forschungsprojekt KLIWES (Sächsisches Landesamt für Umwelt, Landwirtschaft und Geologie, 2008-2013)

Ad-hoc-AG Boden, 2005. Bodenkundliche Kartieranleitung, 5. Auflage, 438 S., Hannover. Schweizerbart’sche Verlagsbuchhandlung. Stuttgart.

ATV-DVWK, 2002. Verdunstung in Bezug zur Landnutzung, Bewuchs und Boden, Merkblatt ATV-DVWK-M 504, 138-139

Becker, A., Klöcking, B., Lahmer, W., Pfützner^,, B., 2002. The Hydrological Modelling System Arc­EGMO. In: Mathematical Models of Large Watershed Hydrology (Eds.: Singh, V.P. and Frevert, D.K.). Water Resources Publications, Littleton/Colorado, 321-384. ISBN 1-887201-34.

Behrendt, H., Huber, P., Kornmilch, M., Opitz, D., Schmoll, O., Scholz, G., Uebe, R., 2002. Estimation of the nutrient inputs to river basins – experiences from German rivers. Regional Environmental Chances, 3, 107-117

Bertle, F.A., 1966. Effect of Snow-Compaction on Runoff from Rain and Snow. Bureau of Reclamation, Engineering Monograph, Washington.

Binder, F., Macher, C., Klöcking, B. (2006). Integrale Planung von Erstaufforstungen am Beispiel der Paar in der Gemeinde Geltendorf, LWF Wissen 55, 73-82, ISSN 0945-8131.

Bollrich, G., Preißler, G. 1992. Technische Hydromechanik. Bd.1: Grundlagen. 3. Auflage. Berlin: Verlag für Bauwesen.

Boswell, V.G., 1926. The influence of temperature upon the growth and yield of garden peas. Proc. Amer. Soc. Hort. Sci. 23:162-168.

Botkin, D.B., Nisbet, R.A., 1992. Forest response to climatic change: effects of parameter estimation and choice of weather pattern on the reliability of projections. Climatic Change, 20, 87-111.

Brutsaert, W., 1975. On a derivable formula for long wave radiation from clear skies. Water Resources Research, 11, 742-744.

Chen, C. W., 1993. The response of plants to interacting stresses: PGSM Version 1.3 Model Documentation. Palo Alto, USA, Electric Power Res. Inst.

Chertov, O.G., Komarov, A.S., 1997. SOMM: A model of soil organic matter dynamics. Ecological Modelling, 94, 177-189.

Cope, J.T., Evans, C.E., Williams, H.C., 1981. Soil test fertility recommendations for Alabama crops. Alabama Agric. Station Circular No.251

de Vries, D.A. 1963. Thermal properties of soils. p. 210–235. In W.R. Van Wijk (ed.) Physics of plant environment. North-Holland, Amsterdam

DVWK, 1996. Ermittlung der Verdunstung von Land- und Wasserflächen. DVWK Merkblätter zur Wasserwirtschaft 238.

Engel, T., Klöcking, B., Priesack, E., Schaaf, T., 1993. Simulationsmodelle zur Stickstoffdynamik – Analyse und Vergleich. Agrarinformatik, Bd. 25, Ulmer Verlag, Stuttgart, 484 S.

Franko, U., 1990. C- und N-Dynamik beim Umsatz organischer Substanz im Boden. Dissertation B Thesis, Akademie der Landwirtschaftswissenschaften der DDR, Berlin.

Glugla, G., 1969. Berechnungsverfahren zur Ermittlung des aktuellen Wassergehaltes und Gravitationswasserabflusses im Boden. Albrecht-Thaer-Archiv, 13, 371-376.

Grote, R., Suckow, F., Bellmann, K., 1999. Modelling of carbon-, nitrogen-, and water balances in pine stands under changing air pollution and deposition. In: R.F. Hüttl and K. Bellmann (Editors), Changes of Atmospheric Chemistry and Effects on Forest Ecosystems. A Roof Experiment Without Roof. Nutrients in Ecosystems. Kluwer, Dordrecht, 251-281

Haxeltine, A., Prentice, I.C., 1996. BIOME3: An equilibrium terrestrial biosphere model based on ecophysiological constraints, resource availability and competition among plant functional types. Global Biogeochemical Cycles, 10(4), 693-709

Hoyningen-Huene, J. von, 1983. Die Interzeption von Niederschlägen in landwirtschaftlichen Pflanzenbeständen, DVWK Schrift 57, Verlag Paul Parey.

Hülsbergen, K.-J. 2003. Entwicklung und Anwendung eines Bilanzierungsmodells zur Bewertung der Nachhaltigkeit landwirtschaftlicher Systeme. Shaker Verlag Aachen.

Jones, C.A., Cole, C.V., Sharpley, A.N., Williams, J.R., 1984. A simplified soil and plant phosphorus model. I. Documentation. Soil Sci. Soc. Am. J. 48, 800-805.

Jones, C.A., Kiniry, J.R., 1986. CERES-Maize – A simulation model of maize growth and development. Texas A&M University Press.

Kartschall, T., Döring, P., Suckow, F., 1990. Simulation of Nitrogen, Water and Temperature Dyna­mics in Soil Systems, Anal. Model. Simul., 7(6), 33-40.

Klöcking, B., Heurich, M., 2012. Simulation der Schneedecke im Großraum Bayerischer Wald – Böhmerwald, Forum für Hydrologie und Wasserbewirtschaftung (in Vorbereitung)

Klöcking, B., Suckow, F. Lasch, P., Lischeid, G., Angermüller, F., Wechsung, G., Warscher, M., 2007. Modellierung des Stickstoffhaushalts auf Wassereinzugsgebietsebene (Forellenbachgebiet), Abschlussbericht an das Umweltbundesamt, FKZ 351 01 047, UBA 2007

Klöcking, B., Schwarze, R., Beudert, B., Suckow, F. Lasch, P., Badeck, F., Pfützner, B., 2005 (b). Auswirkungen des Borkenkäferbefalls auf den Wasser- und Stoffhaushalt zweier Gewässer­einzugsgebiete im Nationalpark Bayerischer Wald, Schriftenreihe „Wasserhaushalt und Stoffbilanzen im naturnahen Einzugsgebiet der Großen Ohe“, Bd. 8, ISSN 0937-0056.

Klöcking, B., Sommer, Th., Pfützner, B., 2005 (a). Das Unstrutgebiet – Modellierungen des Wasser- und Stoffhaushalts unter dem Einfluss des Globalen Wandels. In: Wechsung F., Becker A., Gräfe P. (Hrsg.) Auswirkungen des globalen Wandels auf Wasser, Umwelt und Gesellschaft im Elbegebiet, Weißensee Verlag, 198-207, ISBN 3-89998-062-X.

Klöcking, B., 2002. Parametrisierung und Validierung des PSCN-Moduls anhand der Messwerte der Altengotternschen Lysimeterstationen, In: Wechsung et al. (2002) Abschlussbericht BMBF-Projekt „Auswirkungen des globalen Wandels auf Wasser, Umwelt und Gesellschaft im Elbegebiet (GLOWA-Elbe 1)“

Klöcking, B., Suckow, F. Lasch, P., Badeck, F., Beudert, B., Moritz K., 2004. Wasser- und Stoffhaushalt in einer sich verändernden Naturlandschaft im Nationalpark Bayerischer Wald. Forum für Hydrologie und Wasserbewirtschaftung 05.04, Band 2, 61-64.

Klöcking, B., Ströbl, B., Knoblauch, S., Maier, U., Pfützner, B., Gericke A., 2003. Development and allocation of land use scenarios in agriculture for hydrological impact studies. Physics and Chemistry of the Earth 28, 1311-1321.

Klöcking, B., B. Pfützner, T. Sommer und C. Schmidt, 2002. Kopplung des Einzugsgebietsmodells ArcEGMO mit einem Grundwassermodell für die Simulation des Wasserhaushalts der oberen Unstrut. In: Wittenberg, H. , M. Schöninger (Hrsg.) Wechselwirkung zwischen Grundwasserleitern und Oberflächengewässern, Forum für Hydrologie und Wasserbewirtschaftung 1 (ISBN 3-936514-22-4), 77-82.

Klöcking, B., 1991. Ein Modell zur Beschreibung des Wasser-, Wärme- und Stick­stoffhaushaltes im Boden unter besonderer Berücksichtigung des Winterzeitraumes. Dissertation, TU Dresden, 135 S.

Knauf, D., 1980. Die Berechnung des Abflusses aus einer Schneedecke. In: Schriftenreihe des DVWK, Heft 46: Analyse und Berechnung oberirdischer Abflüsse. DVWK, Bonn

Koitzsch, R., 1977. Schätzung der Bodenfeuchte aus meteorologischen Daten, Boden- und Pflanzenparametern mit einem Mehrschichtenmodell. Zeitschrift für Meteorologie, 27/5, 302-306.

Koitzsch, R., Günther, R., 1990. Modell zur ganzjährigen Simulation der Verdunstung und der Bodenfeuchte landwirtschaftlicher Nutzflächen mit und ohne Bewuchs. Archiv für Acker- und Pflanzenbau und Bodenkunde, 34/12, 803-810.

Lasch, P., Lindner, M., Erhard, M., Suckow, F., Wenzel, A., 2002. Regional impact assessment on forest structure and functions under climate change – the Brandenburg case study. Forest Ecology and Management 162(1): 73-86.

Lasch, P., Badeck, F. W., Suckow, F., Lindner, M., Mohr, P., 2005. Model-based analysis of management alternatives at stand and regional level in Brandenburg (Germany). Forest Ecology and Management 207(1-2): 59-74

LfL Bayern, 2007. Leitfaden für die Düngung von Acker- und Grünland, Gelbes Heft, 8. überarbeitete Auflage 2007

Lehr- und Forschungszentrum für Landwirtschaft Raumberg-Gumpenstein (LFZ), 2011. Pflanzenwurzel im System Boden – Pflanze – Atmosphäre, Bericht der 1. Tagung der Österreichischen Gesellschaft für Wurzelforschung am 13. und 14. September 2011, ISBN-13: 978-3-902559-63-0

LVLF/LFBMV/LLFG, 2008. Richtwerte für die Untersuchung und Beratung sowie zur fachlichen Umsetzung der Düngeverordnung – Gemeinsame Hinweise der Länder Brandenburg, Mecklenburg-Vorpommern und Sachsen-Anhalt

Mäkelä, A., 1986. Implications of the pipe model theory on dry matter partitioning and height growth trees. Journal of Theoretical Biology, 123, 103-120.

Mäkelä, A., Sievänen, R., Lindner, M., Lasch, P., 2000. Application of volume growth and survival graphs in the evaluation of four process-based forest growth models. Tree Physiology, 20, 347-355

Mey, S., Albert H., Hildebrand, C., Pfützner, B., 2008. Modellgestützte Analysen zur Stabilisierung des Wasserhaushaltes im Einzugsgebiet des Moores „Luchsee“, Hydrologie und Wasserbewirtschaftung 52, H.6, 310-318.

Möller, M; Rosche, O.; Steininger, M.; Wurbs, D., 2009. Bedeutung landwirtschaftlicher Dränsysteme für den Wasser- und Stoffhaushalt“, Teilvorhaben 1, Abschlussbericht. (Hrsg.) LfULG – Landesamt für Umwelt, Landwirtschaft und Geologie, Dresden.

Monsi, M., Saeki, T., 1953. Über den Lichtfaktor in den Pflanzengesellschaften und seine Bedeutung für die Stoffproduktion. Japan j. Bot. 14, 22-52.

Monteith,J.L., 1977. Climate and efficiency of crop production in Britain, Phil. Trans. Res. Soc. London Ser. B 281, 277-329.

Neitsch, S.L., Arnold, J.G., Kiniry, J.R., Williams, J.R., 2005. Soil and water assessment tool – Theoretical documentation Version 2005 (http://www.brc.tamus.edu/swat/). USDA Agricultural Research Service at the Grassland, Soil and Water Research Laboratory in Temple, Texas, USA, Section 5 and 6, 275-324

Neusypina, T.A., 1979. Rascet teplovo rezima pocvi v modeli formirovanija urozaja. Teoreticeskij osnovy i kolicestvennye metody programmirovanija urozaev, Leningrad, 53-62.

Parton, W.J., Schimel, D.S., Cole, C.V., Ojima, D.S., 1987. Analysis of factors controlling soil organic matter levels in Great Plains grasslands. Soil Science Society of America Journal, 51, 1173-1179.

Pfützner, B. (ed.), 2002. Modelldokumentation ArcEGMO. Online 2002. http://www.arcegmo.de. ISBN 3-00-011190-5.

Pfützner, B., Ihling, H., Klöcking, B., Knab, G., Kuhn, K., Steininger, M., Wagner, B., Wenske, D. 2011. Konzept zur Erstellung eines gekoppelten Stofftransportmodells als Prognoseinstrumentari-um für die Beschaffenheitsentwicklung im Grundwasser, Schriftenreihe des LfULG, Heft 41/2011 (http://www.smul.sachsen.de/lfl/publikationen/download/5297_1.pdf).

Pfützner, B., Mey, S., Nützmann, G., Scheffler, E., 2006. Modellgestützte Analyse des Gebietswasserhaushaltes für ein Einzugsgebiet im Berliner Nord-Osten. Hydrologie und Wasserbewirtschaftung 50, H.1, 12-19.

Pfützner, B., Klöcking, B., 2005. Hydrologische Modelluntersuchungen im Einzugsgebiet der Unstrut als eine wesentliche Grundlage für die Flussgebietsbewirtschaftung. Hydrologie und Wasserbewirtschaftung 49, Heft 2, 77-82

Schaber, J., 2002. Phenology in Germany in the 20th century: methods, analyses and models. Diss. Thesis, Universität Potsdam, Potsdam.

Schaber, J., Badeck, F.-W., Lasch, P., 1999. Ein Modell der Sukzessionsdynamik europäischer Wälder – Forest Ecosystems in a changing Environment (4C). In Deutscher Verband forstlicher Versuchsanstalten – Sektion forstliche Biometrie und Informatik. 11. Jahrestagung und Internationale biometrische Gesellschaft. Deutsche Region. Arbeitsgruppe Ökologie, Herbstkolloquium (ed. D. R. Pelz, O. Rau and J. Saborowski), 212-217

Schaber, J., Badeck, F.-W., 2003. Physiology-based phenology models for forest tree species in Germany. International Journal of Biometeorology, 47, 193-201

Stanford, G., Frere, H.M., Schwaninger, D.H., 1973. Temperature coefficient of soil nitrogen mineralization. Soil Science 115, 321-323.

Stockle, C.O., Kiniry, J.R. 1990. Variability in crop radiation-use efficiency associated with vapor-pressure deficit. Field Crops Res. 25:171-181.

Suckow, F. (1985): Ein Modell zur Berechnung der Bodentemperatur. Zeitschrift für Meteorologie, Bd. 35, H.1, 65-70.

Suckow, F.; Badeck, F-W.; Lasch, P.; Schaber, J. 2001. Nutzung von Level-II-Beobachtungen für Test und Anwendungen des Sukzessionsmodells FORESEE. Beitr. Forstwirtschaft u. Landschaftsökologie, 35, 84-87.

TLL, 2007. Düngung in Thüringen 2007 nach guter fachlicher Praxis – Schriftenreihe 7/2007

Wang, E., 1997. Development of a Generic Process-Oriented Model for Simulation of Crop Growth, Diss., Herbert Utz Verlag Wissenschaft, 195 S.

Weise, K. und Wendling, U., 1974. Zur Berechnung des Bodenfeuchteverlaufs aus meteorologischen und bodenphysikalischen Größen. Archiv für Acker- und Pflanzenbau und Bodenkunde, 18/2 und 3, 145-155.

Williams, J. R., Jones, C. A., Dyke, P. T., 1984. EPIC, The Erosion-Productivity Impact Calculator, Volume I., Model documentation, Chapter 1, The EPIC Model. United States Department of Agriculture, Agricultural Research Service, Temple.

Williams, J. R., Jones, C. A., Kiniry, J.R., Spanel, D.A., 1989. The EPIC crop growth model. Transactions of the ASAE 32, 497-511

A Albedo [-]

A_soil Bodenalbedo [-]

AIMP Versiegelungsgrad (0,1) [-]

AOM aktive organische Substanz (Humus)

a,b Koeffizienten in unterschiedlichem Zusammenhang

B Bedeckungsgrad als Funktion des LAI (0,1) [-]

B_max maximaler Bedeckungsgrad (0,1) [-]

Bd Bestandesdichte (0, 1) [-]

BT Bodentemperatur [°C]

BT₀ Bodenoberflächentemperatur [°C]

bio Pflanzenbiomasse (Trockenmasse) [kg/ha]

bio_ag oberirdische Biomasse (Trockenmasse) [kg/ha]

bio_N Stickstoffmenge in der Pflanzenbiomasse [kg N/ha]

bio_N,opt optimaleStickstoffmenge in der Pflanzenbiomasse für den aktuellen Entwicklungszustand [kg N/ha]

bio_N,1 Stickstoffmenge in der Pflanzenbiomasse [kg N/ha] bei Aufgang

bio_N,2 Stickstoffmenge in der Pflanzenbiomasse [kg N/ha] bei fr_PHU=0,5

bio_N,3 Stickstoffmenge in der Pflanzenbiomasse [kg N/ha] bei Reife (fr_PHU=1)

bio_P Phosphormenge in der Pflanzenbiomasse [kg P/ha]

bio_P,opt optimaleP-Menge in der Pflanzenbiomasse für den aktuellen Entwicklungszustand [kg P/ha]

bio_P,1 Phosphormenge in der Pflanzenbiomasse [kg P/ha] bei Aufgang

bio_P,2 Phosphormenge in der Pflanzenbiomasse [kg P/ha] bei fr_PHU=0,5

bio_P,3 Phosphormenge in der Pflanzenbiomasse [kg P/ha] bei Reife (fr_PHU=1)

C Kohlenstoff

C_h Wärmekapazität des Bodens [J K^-1]

c_w spezifische Wärmekapazität des Wassers [kJ·kg⁻¹·K⁻¹]

c_s spezifische Wärmekapazität der Festsubstanz [kJ·kg⁻¹·K⁻¹]

C_AOM Kohlenstoff in aktiver organischer Substanz [kg C/ha]

C_POM Kohlenstoff in organischer Primärsubstanz [kg C/ha]

E Entzugsrate (E_s+E_TR) [mm/d]

E_s Bodenevaporation [mm/d]

E_sp potenzielle Bodenevaporation [mm/d]

E_I Interzeptionsverdunstung [mm/d]

E_snow Sublimation der Schneedecke [mm/d]

E_w Verdunstung des Oberflächenwassers [mm/d]

ET_P potenzielle Evapotranspiration (Grasreferenzverdunstung) [mm/d]

ET_P^LN Landnutzungskorrigierte potenzielle Evapotranspiration [mm/d]

E_TRp potenzielle Transpiration [mm/d]

E_TR Transpirationsentzug [mm/d]

e_s Sättigungsdampfdruck [h/Pa]

EP Ertragspotenzial eines Standortes [-]

EWR Ernte- und Wurzelreste

F Faltungskoeffizient [-]

fsoil Faktor zur Berücksichtig das Ertragspotenzial eines Standortes bei der Verdunstungsberechnung [-]

fr_PHU Anteil der potenziell akkumulierbaren Wärmeeinheiten (∑HU/PHU) [-]

fr_PHU¹ Anteil der potenziell akkumulierbaren Wärmeeinheiten bei fr_LAImax¹ (erster Formparameter der otimalen LAI-Entwicklungskurve) im Pflanzenmodell VEGEN [-]

fr_PHU² Anteil der potenziell akkumulierbaren Wärmeeinheiten bei fr_LAImax² (zweiter Formparameter der otimalen LAI-Entwicklungskurve) im Pflanzenmodell VEGEN [-]

fr_PHU,sen Anteil der PHU, ab dem der Alterungsprozess dominiert (dritter Formparameter der otimalen LAI-Entwicklungskurve) im Pflanzenmodell VEGEN [-]

fr_LAImax Anteil des maximalen Blattflächenindexes, die zu der aktuellen HU dieser Pflanze korrespondiert [-]

fr_LAImax¹ Anteil des maximalen Blattflächenindexes, bei fr_PHU¹ (erster Formparameter der otimalen LAI-Entwicklungskurve) im Pflanzenmodell VEGEN [-]

fr_LAImax² Anteil des maximalen Blattflächenindexes bei fr_PHU² (zweiter Formparameter der otimalen LAI-Entwicklungskurve) im Pflanzenmodell VEGEN [-]

fr_root Biomasseanteil der Wurzeln an der gesamten Biomasse [-]

fr_N optimale Stickstoffmenge in der Pflanzenbiomasse für das aktuelle Wachstumsstadium

fr_P optimale Phosphormenge in der Pflanzenbiomasse für das aktuelle Wachstumsstadium

fLN_min Landnutzungsspezifischer Korrekturfaktor der potenziellen Evapotranspiration (Minimalwert)

fLN_max Landnutzungsspezifischer Korrekturfaktor der potenziellen Evapotranspiration (Maximalwert)

HI Ernteindex der Pflanze (ohne Berücksichtigung von Stressschäden) [-]

HI_act aktueller Ernteindex [-]

HI_min minimaler Ernteindex (pflanzenspezifisch) im Pflanzenmodell VEGEN [-]

HI_opt potenzieller Ernteindex der Pflanze bei Reife unter idealen Wachstumsbedingungen [-]

HU akkumulierte Wärmesumme (Heat Unit) [K]

h_c Vegetationshöhe [m]

h_cmax maximale Vegetationshöhe (sortenspezifisch) [m]

I Infiltrationsrate [mm/d]

IDC Pflanzentyp (einjährig, mehrjährig, Leguminose, etc.)

k gesättigte hydraulische Leitfähigkeit [mm/h]

K Korrekturfaktor im Suckow-Ansatz zur Berechnung der Bodenoberflächentemperatur [-]

k_l Lichtextinktionskoeffizient (-0,65 für alle Pflanzentypen)

k_s,k_t,k_v Parameter

k_S Korrekturfaktor für Schnee- und Regeninterzeption in Forstbeständen (Standard: k_S=1) [-]

k_AOM Zersetzungskoeffizienten der AOM [d^-1]

k_POM Zersetzungskoeffizienten der POM [d^-1] (=k₁+k₂ für N-Umsatz bzw. = k*₁+k*₂ für C-Umsatz, s. Abb. 7‑2)

k_nit Nitrifizierungskoeffizient [d^-1]

k_syn Humussynthesekoeffizient [d^-1]

k^h Korrekturfaktor für den hypodermischen Abfluss [-]

k_U Trockenheitsparameter im ET_P-Modell nach Turc/Ivanov [-]

LAI Blattflächenindex [-]

LAI_max maximal erreichbarer Blattflächenindex (Pflanzenartspezifisch) [-]

LT Lufttemperatur (Tagesmittel) [°C]

LT_max maximalen Lufttemperatur pro Tag [°C]

LT_min minimalen Lufttemperatur pro Tag [°C]

l₁,l₂ Formfaktoren der Entwicklung des Kurve LAI = f(fr_PHU) [-]

MP Makroporosität (0, 0,9) [-]

max Maximum

min Minimum

N Stickstoff

N_AOM Stickstoff in der aktiven organischen Substanz (Humus) [kg N/ha]

N_POM Stickstoff in organischer Primärsubstanz [kg N/ha]

N^p_up Nährstoffbedarf der Pflanze [kg N(P) /(ha d)]

n_Ni Fraktion des löslichen Ammonium-N bzw. Nitrat-N

N_soll Sollwert der N-Düngung entsprechend der Ertragserwartung [kg N/ha]

N^f_org über Wirtschaftsdünger ausgebrachte Stickstoffmenge [kg N/ha]

N_min Boden-Nmin-Wert [kg N/ha]

N^f_min als Mineraldünger ausgebrachte Stickstoffmenge [kg N/ha]

P0 Niederschlag [mm/d]

P^d Abflussrate über Drainagen [mm/d]

P^g Perkolationsrate (Gravitationsabfluss) [mm/d]

P^h horizontaler (hypodermischer) Abfluss [mm/d]

P^k Kapillaraufstieg [mm/d]

P^m Makroporenfluss [mm/d]

P Phosphor

P_AOM Phosphor in der aktiven organischen Substanz (Humus) [kg P/ha]

P_act Menge des in der aktiven anorganischen Fraktion gebundenen Phosphors [kg P/ha]

P_st Menge des in der stabilen anorganischen Fraktion gebundenen Phosphors [kg P/ha]

P_sol Menge des gelösten anorganischen Phosphors [kg P/ha]

pai Phosphorverfügbarkeitsindex [-]

PHU potential heat units = benötigte Wärmesummen bis zum Erreichen der Reife (pflanzenspezifisch) [K]

PO Bestandesniederschlag (throughfall = Niederschlag – Interzeption) [mm/d]

POM organische Primärsubstanz (Ernte- und Wurzelreste, Streu, etc.)

PV Porenvolumen [mm]

Q_AOM C/N-Verhältnis in der aktiven organischen Substanz (Humus) [-]

Q_POM C/N-Verhältnis in der organischen Primärsubstanz [-]

R_g Globalstrahlung [MJ/m²]

R_phosyn photosynthetisch aktive Strahlung [MJ/m²]

R_n* Verdunstungsäquivalent der Nettostrahlung [mm/d]

R_min Reduktionsfunktion der Mineralisierung

R_nit Reduktionsfunktion (Nitrifizierung)

R^θ_min/nit Feuchte-Reduktionsfunktionen der Mineralisierung bzw. der Nitrifizierung

R^BT_min/nit Bodentemperatur-Reduktionsfunktionen der Mineralisierung bzw. der Nitrifizierung

R^pH_min/nit pH-Wert-Reduktionsfunktionen der Mineralisierung bzw. der Nitrifizierung

R_SE Reduktionsfunktion (Bodenevaporation)

R_TR Reduktionsfunktion (Transpiration)

RUE „radiation-use-efficiency“ einer Fruchtart im Pflanzenmodell VEGEN [kg/ha (MJ/m²)^-1]

RUE_vpd=1 „radiation-use-efficiency“ einer Fruchtart bei einem Dampfdruckdefizit von 1 kPa [kg/ha (MJ/m²)^-1]

Δrue_dcl pflanzenspezifische Abnahme der RUE mit Anstieg des Dampfdruckdefizits [kg/ha (MJ/m²)^-1kPa^-1]

r_q Schrumpfterm bei Dürre (Makroporen) [-]

S_I Interzeptionskapazität [mm]

S_I^min minimale Interzeptionskapazität [mm/d]

s_m Schmelzrate [mm/d]

s Wasseräquivalent der Schneemenge [mm]

t Zeit

T_base Basistemperatur für das Pflanzenwachstum [°C]

T_opt Optimaltemperatur für das Pflanzenwachstum [°C]

U relative Luftfeuchte [%]

U_N Stickstoffaufnahme [kg N/ (ha d)]

v₂ Windgeschwindigkeit in 2 m Höhe [m/s]

vpd Dampfdruckdefizit [kPa]

vpd_thr Schwellenwert für das Dampfdruckdefizit (=1 kPa für alle Pflanzen)

yld Ertrag [kg/ha]

z Bodentiefe [mm]

z_E maximale Tiefe für Wasserentzug durch Bodenevaporation (bodenartspezifisch) [mm]

z_max maximale Tiefe der landnutzungsgebundenen Makroporen [mm]

z_root Wurzeltiefe [mm]

z_root,max maximale Wurzeltiefe (pflanzenspezifisch) [mm]

α Neigung der Bodenschicht [°]

α,β,γ Parameter

γ* modifizierte Psychrometerkonstante γ *= γ (1 + 0.34 v₂)

γ Psychrometerkonstante γ = 0,65 hPa/K

γ_reg täglicher Stressfaktor (0,1) für die Pflanzenentwicklung

γ_w (täglicher) Wasserstress im Pflanzenmodell VEGEN [-]

γ^k_w kumulativer Trockenstress im Pflanzenmodell VEGEN [-]

γ_LT (täglicher) Temperaturstress im Pflanzenmodell VEGEN [-]

γ^k_LT kumulativer Hitzestress im Pflanzenmodell VEGEN [-]

γ_N (täglicher) Stress durch Stickstoffmangel im Pflanzenmodell VEGEN [-]

γ_P (täglicher) Stress durch Phosphormangel im Pflanzenmodell VEGEN [-]

γ^k_vpd kumulativer Stress durch Dampfdruckdefizit im Pflanzenmodell VEGEN [-]

γr_cur aktuelles Baumalter [a]

γr_fulldev Baumalter bei voller Entwicklung [a]

δ Steigung der Sättigungsdampfdruckkurve

q Wassergehalt [mm]

θ* volumetrische Feuchte [Vol.%]

q_WP Wassergehalt am Permanentwelkepunkt [mm]

q_FK Wassergehalt bei Feldkapazität [mm]

θ_s Volumenanteil der festen Bestandteile [Vol.%]

λ Leitfähigkeitsparameter nach Koitzsch [-]

λ₁ Leitfähigkeitsparameter für den obersten Bodenhorizont

λ_h Wärmeleitfähigkeit [kJcm^-1s^-1K^-1]

ρ_s spezifische Dichte der festen Bestandteile [-]

ρ_s spezifische Dichte des Wassers [-]

ρ_t Trockenrohdichte [g/cm³]

φ_n Skalierungsfaktor für N-Mangelstress im Modell VEGEN [-]