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
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:
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 Ei, Sublimation der Schneedecke Esnow, Verdunstung des Oberflächenwassers Ew und des unbedeckten Bodens Es sowie der Transpiration der Vegetation ETR auf der Basis der potenziellen Evapotranspiration ETP 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 ETP 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).
ETP 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).
ETP potenzielle Evapotranspiration
δ Steigung der Sättigungsdampfdruckkurve
Rn* 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]
es Sättigungsdampfdruck [h/Pa]
U relative Luftfeuchte [%]
LT Tagesmittel der Lufttemperatur [°C]
ETp 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).
(3) | |||
(4) | |||
Rg Globalstrahlung [J/(cm2*d)]
a, b Parameter; a = 0,0031 und b = 209,4 für Dt = 1 d
kU 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 Esp 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
bzw. auf der Basis der vereinfachten Energiebilanzgleichung mit dem Ansatz nach
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 Bmax von weniger als 1 (100 %) – bzw. in räumlicher Untersetzung für eine Elementarfläche eine Bestandesdichte von Bd < 1 – angegeben, so wird der Blattflächenindex entsprechend reduziert:
LAImax Blattflächenindex bei Bmax=1 bzw. Bd=1
Bd Bestandesdichte (0, 1)
Die Interzeptionskapazität SI land- und forstwirtschaftlicher Flächen wird für LAI>0 nach Hoyningen-Huene (1983) berechnet:
(7) | |||
SImin minimale Interzeptionskapazität [mm/d]
kS Korrekturfaktor für Schnee- und Regeninterzeption in Forstbeständen (Standard: kS=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 Bmax 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 RTR 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
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:
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 TD, 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 frPHU
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]
frPHU Anteil der potenziell akkumulierbaren Wärmeeinheiten PHU
frLAImax Anteil des maximalen Blattflächenindexes, der zu der aktuellen HU dieser Pflanze korrespondiert
LAImax maximal erreichbarer Blattflächenindex (Pflanzenartspezifisch)
frPHU1 Anteil der potenziell akkumulierbaren Wärmeeinheiten bei frLAImax1 (erster Formparameter der optimalen LAI-Entwicklungskurve)
frPHU2 Anteil der potenziell akkumulierbaren Wärmeeinheiten bei frLAImax2 (zweiter Formparameter der optimalen LAI-Entwicklungskurve)
frLAImax1 Anteil des maximalen Blattflächenindexes, bei frPHU1
frLAImax2 Anteil des maximalen Blattflächenindexes bei frPHU2
l1,l2 Formfaktoren der optimalen LAI-Entwicklungskurve
Für Bäume gilt[1]:
γrcur aktuelles Baumalter [a]
γrfulldev Baumalter bei voller Entwicklung [a]
Das potenzielle Wachstum wird durch ungünstige Lufttemperaturen, Wasser- und Nährstoffmangel reduziert. Der Stressfaktor γreg (0, 1) wird wie folgt täglich berechnet:
γW Trockenstress [-]
γLT Temperaturstress [-]
γN Stress durch Stickstoffmangel [-]
γP Stress durch Phosphormangel [-]
ETRp potenzielle Transpiration [mm/d] (s. Kapitel 2)
ETR aktuelle Transpiration [mm/d]
LT Lufttemperatur (Tagesmittel) [°C]
Tbase Basistemperatur für das Pflanzenwachstum [°C]
Topt Optimaltemperatur für das Pflanzenwachstum [°C]
φn Skalierungsfaktor für N-Mangelstress [-]
bioN Stickstoffmenge in der Pflanzenbiomasse [kg N/ha]
bioN,opt optimaleStickstoffmenge in der Pflanzenbiomasse für den aktuellen Entwicklungszustand [kg N/ha], s. Kapitel 4.4.4
Der Phosphormangelstress γP wird analog mit dem Parameter bioP,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
γreg – täglicher Stressfaktor (0,1)
Mit Erreichen einer Entwicklungsstufe, ab der die Seneszenz der dominierende Wachstumsprozess wird (frPHU,sen), beginnt die Blattalterung. Die Abnahme des Blattflächenindex wird nun wie folgt berechnet:
Annuelle und mehrjährige Pflanzen:
Bäume:
Vegetationshöhe
Die Vegetationshöhe hc von landwirtschaftlichen Pflanzen wird dann über folgende Gleichung bestimmt:
hc – Vegetationshöhe [m]
hc,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 frroot variiert zwischen 0,4 bei Wachstumsbeginn und 0,2 bei voller Entwicklung (Neitsch et al., 2005):
Die Berechnung der Wurzeltiefe zroot variiert mit den verschiedenen Pflanzenarten. Es wird angenommen, dass mehrjährige Pflanzen und Bäume Wurzeln besitzen, die bis zur sortenspezifischen maximalen Tiefe zroot,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 Rphosyn ab (Monteith, 1977). Sie wird über den Stressfaktor γreg (Gleichung 16) begrenzt.
bio Biomasse [kg/ha]
RUE „radiation-use-efficiency“ [kg/ha (MJ/m²)-1]
Rphosyn photosynthetisch aktive Strahlung [MJ/m²]
Die durch die Pflanze aufgenommene photosynthetisch aktive Strahlung wird nach dem Beer-Gesetz (Monsi & Saeki, 1953) berechnet:
Rg Globalstrahlung [MJ/m²]
kl Lichtextinktionskoeffizient (-0,65 für alle Pflanzentypen)
LAI Blattflächenindex
Entsprechend Stockle und Kiniry (1990) wird die RUE durch das Dampfdruckdefizit vpd gesteuert:
RUEvpd=1 „radiation-use-efficiency“ einer Fruchtart bei einem Dampfdruckdefizit von 1 kPa [kg/ha (MJ/m²)-1]
vpdthr Schwellenwert für das Dampfdruckdefizit (=1 kPA für alle Pflanzen)
Δruedcl 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.
ETRp potenzielle Transpiration [mm/d] (s. Kapitel 2)
β Parameter
RTR Reduktionsfunktion der Transpiration
z Tiefe [mm]
zroot 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 RTR nach Chen (1993):
q Wassergehalt [mm]
qWP Wassergehalt am Permanentwelkepunkt [mm]
qFK 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 Npup wird in Abhängigkeit von der Pflanzenbiomasse und deren optimalen N- bzw. P-Gehalt berechnet:
bio Pflanzenbiomasse (Trockenmasse) [kg/ha]
bioN/P Stickstoff- bzw. Phosphormenge in der Pflanzenbiomasse [kg P/ha bzw. kg N/ha]
frN/P optimale Stickstoff- bzw. Phosphormenge in der Pflanzenbiomasse für das aktuelle Wachstumsstadium
frPHU 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 frPHU durch eine über drei Stützstellen (bioN,1,bioN,2, bioN,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:
HIopt potenzieller Ernteindex der Pflanze bei Reife unter idealen Wachstumsbedingungen [-]
frPHU Fraktion der potenziell akkumulierbaren Wärmeeinheiten [-]
Der aktuelle Ernteindex HI am Tag der Ernte wird durch den kumulativen Wasserstress γkw, Hitzestress[1] γkLTund einem zu großen Dampfdruckdefizit2 γkvpd in der Entwicklungsphase der generativen Organe (0,5 <= frPHU <= frPHU,sen) negativ beeinflusst.
mit
HImin minimaler Ernteindex (pflanzenspezifisch) [-]
ETR aktuelle Transpiration [mm/d]
ETRp 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]
bioag 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.
Die Erfassung des realen Managements auf den landwirtschaftlichen Flächen des Untersuchungsgebietes ist von entscheidender Bedeutung für die Simulationsgüte.
Benötigt werden Informationen
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.
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:
Tabelle | Inhalt |
---|---|
Management | Fruchtart (Schlüssel zu den Tabellen ‚Pflanzenparameter’, ‚Nährstoffbedarf’), benötigte Wärmesummen bis zur Reife, mittlere Saat- und Erntetermine als Terminangabe und in Anteilen der akkumulierten Wärmesummen frPHU, |
Pflanzenparameter | Fruchtart (Schlüssel zur Tabelle ‚Management’), Parameter für Simulation der Phänologie und des Wachstums (s. Kap. 4.4.2), Zuordnung der Fruchtart zu einem Pflanzentyp (EWR-Typ) |
Ernte- und Wurzelreste (EWR) | Pflanzentyp (Schlüssel zur Tabelle “Pflanzenparameter’), C/N-Verhältnisse und Umsatzkoeffizienten, unterteilt für die oberirdischen Erntereste und die Wurzelreste |
Nährstoffbedarf | Fruchtart (Schlüssel zur Tabelle ‚Management’), Gesamt-N-Bedarf für mittleres Ertragspotenzial, Gesamt-P-Bedarf für mittleres Ertragspotenzial, Ab- bzw. Zuschlag für geringere bzw. höhere Ertragserwartung, Anzahl und Aufteilung der Düngergaben, mittlere Düngetermine |
Wirtschaftsdünger | Typ, C/N-Verhältnisse und Umsatzkoeffizienten, Ausbringungstermine und Anteil der Mengen |
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.
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 frPHU in einem begrenzten Zeitrahmen (± 10 d) korrigiert.
Die in den auf der Fläche verbliebenen oberirdischen Ernteresten enthaltenen Phosphor-, Kohlenstoff- und Stickstoffmengen werden den jeweiligen PPOM-, NPOM– and CPOM-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).
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).
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:
Zusätzlich können Angaben zu gemessenen Boden-Nmin-Werten Nmin als Startwerte eingelesen werden.
Die tatsächlich als Mineraldünger ausgebrachte Stickstoffmenge Nfmin wird dann wie folgt berechnet:
Zu Simulationsbeginn wird dabei der Nmin-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).
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
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.
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:
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).
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 (kt=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 zj wird eine Makroporosität MP (0 ≤ MP ≤ 0.9) wie folgt berechnet:
mit
rq Schrumpfterm bei Dürre
zmax maximale Tiefe der landnutzungsgebundenen Makroporen [mm]
z aktuelle Tiefe [mm]
t Zeit
q Wassergehalt [mm]
qWP Wassergehalt am Permanentwelkepunkt [mm]
qFK Wassergehalt bei Feldkapazität [mm]
ks,kt,kv Parameter (kv=0, wenn z>zmax)
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(zj,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(zj,t) der Schicht zj in der Zeit t ergibt sich zu:
Anfangswerte:
I Infiltrationsrate [mm/d]
Pd Abfluss über das Drainagesystem [mm/d]
Pg Perkolationsrate (Gravitationsabfluss) [mm/d]
Ph horizontaler (hypodermischer) Abfluss [mm/d]
Pk Kapillaraufstieg [mm/d]
Pm Makroporenfluss [mm/d]
E Wasserentzug durch Bodenevaporation und Transpiration [mm/d] Θ Wassergehalt [mm]
ΘWP Wassergehalt am Permanentwelkepunkt [mm]
ΘPV Porenvolumen [mm]
ΘFK Wassergehalt bei Feldkapazität [mm]
Die aktuelle Perkolationsrate Pg(zj,t) aus der Schicht zj ergibt sich zu:
BT(zj,t) – Bodentemperatur der Schicht zj [mm]
Die Wahl der Feldkapazität qFK 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.
(44) | |||
λ – Leitfähigkeitsparameter nach Koitzsch
k – gesättigte hydraulische Leitfähigkeit [mm/h]
Der aktuelle Entzug E(t) setzt sich aus dem Bodenevaporationsanteil Es und dem Transpirationsanteil ETR zusammen.
Der Evaporationsentzug wird durch die potenzielle Bodenevaporation (Kapitel 2, Gl. 5) gesteuert und erfolgt bis zu einer bodenspezifischen Tiefe zE. Standard für zE 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 zj 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 RSE(z) realisiert:
Esp potenzielle Bodenevaporation [mm]
RSE Reduktionsfunktion
ΘWassergehalt [mm]
ΘWP Wassergehalt am Permanentwelkepunkt [mm]
ΘFK Wassergehalt bei Feldkapazität [mm]
Der Transpirationsanteil ETR(t) wird in seiner Menge und vertikalen Verteilung durch das Vegetationsmodell in Abhängigkeit vom pflanzenverfügbaren Wasser berechnet. Im generischen Vegetationsmodell erfolgt die Berechnung von ETR(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 Ph 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]
kh 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:
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, te) und der Tiefe z Î (0, ∞) für veränderliche Wärmekapazität Ch(z,t) und Wärmeleitfähigkeit λh(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 Ch(z,t) wird als Summe der Wärmekapazitäten der festen Bodenbestandteile und des Bodenwassers beschrieben:
ρs Dichte der festen Bestandteile [g/cm³]
θs Volumenanteil der festen Bestandteile [Vol.%]
cs spezifische Wärmekapazität der Festsubstanz [kJ·kg−1·K−1]
cw spezifische Wärmekapazität des Wassers [kJ·kg−1·K−1]
ρw Dichte des Wassers [g/cm³]
θ* volumetrische Feuchte [Vol.%]
Die Wärmeleitfähigkeit kann nach einem Ansatz von Neusypina (1979):
λh Wärmeleitfähigkeit [kJcm-1s-1K-1]
ρt 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 Rg [MJ/m²], der Albedo A und der minimalen bzw. maximalen Lufttemperatur (LTmin, LTmax) 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:
Asoil 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) [-]
Fi 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)
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 NPOM– and CPOM-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 kPOM und Synthesekoeffizient ksyn).
Als atmosphärischer Eintrag wird die Nassdeposition von Nitrat und Ammonium berücksichtigt, die zu einer Erhöhung der mineralischen Pools NNH4 and NNO3 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 = kPOM für die Primärsubstanz, kAOM für die aktive organische Substanz, den entsprechenden C/N-Verhältnissen QPOM bzw. QAOM und der Nitrifikationskonstante knit
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 kPOM = k*1+k*2 (s. Abb. 7‑2). Die Reduktionsfunktion Rmin repräsentiert den Einfluss von Wassergehalt, Bodentemperatur und pH-Wert auf den Mineralisierungsprozess (Franko, 1990; Kartschall et al., 1990).
Die Transformation der organischen Primärsubstanz CPOM(z,t) in aktive organische Substanz CAOM(z,t) wird durch den Reaktionskoeffizienten k*1 = ksyn · kPOM beschrieben, der als Produkt aus dem substratabhängigen Humussynthesekoeffizienten ksyn 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 QPOM und QAOM den Synthesekoeffizient ksyn zu kQsyn modifiziert (Kartschall et al., 1990).
Außerdem wird die Veränderung des Ammonium- (NNH4) und Nitrat-Stickstoffs (NNO3) 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 Rmin(z,t) bzw. Rnit(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:
Rθmin/nit(θ) Feuchte-Reduktionsfunktionen der Mineralisierung bzw. der Nitrifizierung
RBTmin/nit(BT) Bodentemperatur-Reduktionsfunktionen der Mineralisierung bzw. der Nitrifizierung
RpHmin/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 Rθmin(θ) und der Nitrifizierung Rθnit(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 RBTmin(BT) und der Nitrifizierung RBTnit(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 UN 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 Nj werden wie folgt berechnet:
nj Fraktion des mobilen Ammonium-N bzw. Nitrat-N
Pi Wasserabflusskomponente i aus der Schicht (Pg, Ph, Pd) [mm]
ETR Transpirationsentzug [mm]
ΘWassergehalt [mm]
Als Abflusskomponenten Pi werden die Perkolation Pg, der hypodermische Abfluss Ph und der Drainabfluss Pd 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 UN aus den durchwurzelten Bodenschichten wird wie folgt berechnet:
UN Stickstoffaufnahme [kg/ha]
ETR Transpirationsentzug [mm]
Θ Wassergehalt [mm]
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 Psol („Pmin 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:
Pact in der aktiven anorganischen Fraktion gebundener Phosphor („Pmin aktiv“ in Abb. 8‑1) [kg P/ha]
Pst in der stabilen anorganischen Fraktion gebundener Phosphor („Pmin stabil“ in Abb. 8‑1) [kg P/ha]
Psol gelöster anorganischen Phosphor („Pmin 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:
NAOM Stickstoff in der aktiven organischen Substanz (Humus) [kg N/ha]
PAOM 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 PPOM-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 kPOM und Synthesekoeffizient ksyn).
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 Pi aus der jeweiligen Bodenschicht transportierten Phosphors werden wie folgt berechnet:
Pi Wassermenge, die mit der Abflusskomponente i die Schicht verlässt [mm]
ETR Transpiration [mm]
Θ Wassergehalt [mm]
Dabei werden die Abflusskomponenten Perkolation Pg, hypodermischer Abfluss (Interflow) Ph und Drainabfluss Pd 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
Parameter | Bezeichnung | Dimension | Steuerwort* | Minimal | ersetzbar durch: |
P0 | Niederschlag | [mm/d] | NIEDERSCHLAG | + | |
LT | Lufttemperatur (Tagesmittel) |
[°C ] | LUFTTEMPERATUR | + | |
LTmin | Lufttemperatur (Tagesminimum) |
[°C ] | minLUFTTEMPERATUR | ||
LTmax | Lufttemperatur (Tagesmaximum) |
[°C ] | maxLUFTTEMPERATUR | ||
U | relative Luftfeuchte | [%] | RELATIVE_FEUCHTE | + | Dampfdruck [hPa] |
Rg | Globalstrahlung | [J/(cm2*d)] | GLOBALSTRAHLUNG | + | Sonnenscheindauer [h] |
v2 | Windgeschwindigkeit in 2 m Höhe | [m/s] | WINDGESCHWINDIGKEIT |
*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
Parameter | Bezeichnung | Zuordnung | Dimension | Steuerwort | Minimal | Standard |
EP | Ertragspotential | EFL | [-] | ERTRAGSPOTENTIAL** | 2 | |
Horizontnummer | Bodentyp | – | HORIZONTNUMMER* | + | ||
Horizontmächtigkeit | Bodentyp | mm | SCHICHTMAECHTIGKEIT* | + | ||
Durchwurzelungsintensität | Bodentyp | – | WURZELINTENSITAET* | 1 | ||
Bodenart | Bodentyp | – | BODENART* | + | ||
ρt | Trockenrohdichte | Bodentyp | g/cm³ | LAGERUNGSDICHTE * | + | |
Skelett | Skelettanteil | Bodentyp | Vol.% | SKELETTANTEIL* | 0 | |
Ton | Tongehalt | Bodentyp | Masse% | TON* | KA4/KA5 | |
Schluffgehalt | Bodentyp | Masse% | SCHLUFF* | KA4/KA5 | ||
Schluffgehalt | Bodentyp | Masse% | SAND* | KA4/KA5 | ||
qPW | Welkepunkt | Bodentyp | Vol.% | WELKEPUNKT* | KA4/KA5 | |
qKF | Feldkapazität | Bodentyp | Vol.% | FELDKAPAZITAET* | KA4/KA5 | |
Gesamtporenvolumen | Bodentyp | Vol.% | PORENVOLUMEN* | KA4/KA5 | ||
MP | Makroporen | Bodentyp | % | MAKROPOROSITAET* | f(Skelett, Ton, Vegetation) | |
k | Gesättigte Leitfähigkeit | Bodentyp | mm/h | HYD_LEITFAEHIGKEIT* | KA4/KA5 | |
λ | Leitfähigkeitsparameter nach Koitzsch | Bodentyp | – | KOITZSCH_LAMBDA* | f(k) | |
pH-Wert | pH-Wert | Bodentyp | – | PH_WERT* | 7 | |
CAOM | organischer Gesamtkohlenstoffgehalt | Bodentyp | % | KOHLENSTOFF* | + | -9999 |
NAOM | organischer Gesamtstickstoffgehalt | Bodentyp | % | STICKSTOFF* | + | -9999 |
* in …\GIS\describe\efl.sdf / BODEN_TABELLE
** in …\arc_egmo\pscn\pscn.ste/ EFL-Karte
Tabelle 3: Parameter für die Verdunstungs- und Schneemodellierung
Parameter | Bezeichnung | Zuordnung | Dimension | Steuerwort | Steuerdatei |
Grenzwert der Tagesmitteltemperatur, unter dem Schneefall angenommen wird | global | [°C ] | GRENZTEMPERATUR | meteor.ste | |
Grenzwert der Tagesmitteltemperatur, über dem Schneeschmelze angenommen wird | global | [°C ] | GRENZTEMPERATUR_S | modul.ste / MET_MOD1 | |
kritische Lagerungsdichte für das Abtauen der Schneedecke (nur Schneemodell 3 und 4) | global | [-] | RHO_DKRIT | modul.ste / MET_MOD1 | |
Speicherfaktor für flüssiges Wasser in der Schneedecke (nur Schneemodell 1) | global | [%] | SpFakt | modul.ste / MET_MOD1 | |
fLNmin | Vegetations-Korrekturfaktor der potenziellen Evapotranspiration (Minimalwert) | Landnutzung | [-] | MIN_VERDUNSTUNGSKORREKTUR | pscn.ste / NUTZUNG_TABELLE |
fLNmax | Vegetations-Landnutzungsspezifischer Korrekturfaktor der potenziellen Evapotranspiration (Maximalwert) | Landnutzung | [-] | MAX_VERDUNSTUNGSKORREKTUR | pscn.ste / NUTZUNG_TABELLE |
Vegetations-Korrekturfaktor der potenziellen Evapotranspiration (Maximalwert) | Fruchtart | [-] | PET_kor* | vegen.ste / CROPPARAMETER_VEGEN |
|
SImin | minimale Interzeptionskapazität | Landnutzung | [mm/d] | INTERZEPZIONSSPEICHER_MIN INTC_MIN | efl.sdf / NUTZUNG_TABELLE |
SImax | maximale Interzeptionskapazität | Landnutzung | [mm/d] | INTERZEPZIONSSPEICHER_MAX INTC_MAX | efl.sdf / NUTZUNG_TABELLE |
kS | Korrekturfaktor für Regeninterzeption in Forstbeständen | global | [-] | K_Interzeption_Regen | modul.ste / PSCN |
kS | Korrekturfaktor für Schneeinterzeption in Forstbeständen | [-] | K_Interzeption_Schnee |
modul.ste / PSCN |
*Attribut in …\vegen.ste / CROPPARAMETER_VEGEN
Tabelle 4: Parameter für die Vegetationsmodellierung
Parameter |
Bezeichnung | Zuordnung | Dimension | Steuerwort / *Attribut | in | Vegetationsmodell |
zroot,max | maximale Wurzeltiefe | Landnutzung | [m] | WURZELTIEFE_MAX | efl.sdf / NUTZUNG_TABELLE | statisch |
Fruchtart | [m] | RDMX* | vegen.ste / CROPPARAMETER_VEGEN | VEGEN | ||
LAImax | maximal erreichbarer Blattflächenindex | Landnutzung | [-] | MAX_BLATTFLAECHENINDEX | pscn.ste / NUTZUNG_TABELLE | statisch |
Fruchtart | [-] | BLAI* | vegen.ste / CROPPARAMETER_VEGEN | VEGEN | ||
SImin | minimale Interzeptionskapazität | Landnutzung | [mm/d] | INTERZEPZIONSSPEICHER_MIN | pscn.ste & efl.sdf / NUTZUNG_TABELLE | alle außer 4C |
Bmax | maximaler Bedeckungsgrad | Landnutzung | [%] | BEDECKUNGSGRAD_MAX | pscn.ste & efl.sdf / NUTZUNG_TABELLE | alle außer 4C |
Bd | Dichte von Forstbeständen | EFL | [-] | BESTANDESDICHTE | pscn.ste / EFL-Karte | alle außer 4C |
β | Parameter zur Steuerung der Tiefenverteilung der Wasser- und Nährstoffaufnahme durch die Pflanze | global | [-] | WURZELAUFNAHME | vegen.ste | VEGEN |
β1 | Parameter zur Wurzelverteilung | global | [-] | WURZELVERTEILUNG | vegen.ste | VEGEN |
Bd | Dichte von Forstbeständen | EFL | [-] | BESTANDESDICHTE | pscn.ste / EFL-Karte | alle |
Nummer der Forstabteilung | EFL | [-] | FORSTABTEILUNG | pscn.ste / EFL-Karte | 4C | |
ID eines Bewirtschaftungseinheit | EFL | [-] | SCHLAG | pscn.ste / EFL-Karte | VEGEN | |
Fruchtfolgeglied (Nummer) | EFL | [-] | FRUCHTFOLGEGLIED | pscn.ste / EFL-Karte |
VEGEN |
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
Parameter |
Bezeichnung | Zuordnung | Dimension | Steuerwort | in | Standard |
AIMP | Versiegelungsgrad | Landnutzung | [-] | VERSIEGLUNGS_MAX | efl.sdf /NUTZUNG_TABELLE | 0 |
EFL | [-] | Efl_Versiegelungsgrad | efl.sdf | |||
AGrad | repräsentativer Anschlussgrad an die Kanalisation | EFL | [-] | AnSchlussGRAD | efl.sdf | 0 |
Kanaltyp | Art der Entwässerung (Misch- oder Trennkanalisation) | EFL | [-] | Kanalisationsart | efl.sdf | 0 |
α | Neigung der Bodenschicht | EFL | [%] | GEFAELLE | efl.sdf | 0 |
kh | Korrekturfaktor für den hypodermischen Abfluss | global | [-] | INTERFLOWPARAMETER | modul.ste / PSCN | 1 |
kt | Parameter zur Eichung des Terms f(Tongehalt) der Makroporosität | global | [-] | K_MAKRO_TON | modul.ste / PSCN | 1 |
ks | Parameter zur Eichung des Terms f(Skelettgehalt) der Makroporosität | global | [-] | K_MAKRO_SKELETT | modul.ste / PSCN | 1 |
kv | Parameter zur Eichung des vegetationsbestimmten Terms der Makroporosität | global | [-] | K_MAKRO_VEGETATION | modul.ste / PSCN | 1 |
cs | spezifische Wärmekapazität der Bodenfestsubstanz | global | [kJ/(kg K)] | WAERME_KAPAZITAET | modul.ste / PSCN |
0,8 |
Tabelle 6: Parameter für die Modellierung des Bodenwassernährstoffhaushaltes
Parameter |
Bezeichnung | Zuordnung | Dimension | Steuerwort | in |
kAOM,o | Humusumsatzkoeffizient organische Auflage | global | [1/d] | K_HUMUS | modul.ste / PSCN |
EFL | K_HUMUS_O | pscn.ste / EFL-Karte | |||
kAOM,m | Humusumsatzkoeffizient Mineralboden | global | [1/d] | K_HUMUS_M | modul.ste / PSCN |
EFL | K_HUMUS_M | pscn.ste / EFL-Karte | |||
knit | Nitrifizierungskoeffizient | global | [1/d] | K_NITRIFICATION | modul.ste / PSCN |
EFL | K_NITRIFICATION | pscn.ste / EFL-Karte | |||
pai | Phosphorverfügbarkeitsindex | global | [-] | PSP |
modul.ste / PSCN |
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 [-]
Asoil Bodenalbedo [-]
AIMP Versiegelungsgrad (0,1) [-]
AOM aktive organische Substanz (Humus)
a,b Koeffizienten in unterschiedlichem Zusammenhang
B Bedeckungsgrad als Funktion des LAI (0,1) [-]
Bmax maximaler Bedeckungsgrad (0,1) [-]
Bd Bestandesdichte (0, 1) [-]
BT Bodentemperatur [°C]
BT0 Bodenoberflächentemperatur [°C]
bio Pflanzenbiomasse (Trockenmasse) [kg/ha]
bioag oberirdische Biomasse (Trockenmasse) [kg/ha]
bioN Stickstoffmenge in der Pflanzenbiomasse [kg N/ha]
bioN,opt optimaleStickstoffmenge in der Pflanzenbiomasse für den aktuellen Entwicklungszustand [kg N/ha]
bioN,1 Stickstoffmenge in der Pflanzenbiomasse [kg N/ha] bei Aufgang
bioN,2 Stickstoffmenge in der Pflanzenbiomasse [kg N/ha] bei frPHU=0,5
bioN,3 Stickstoffmenge in der Pflanzenbiomasse [kg N/ha] bei Reife (frPHU=1)
bioP Phosphormenge in der Pflanzenbiomasse [kg P/ha]
bioP,opt optimaleP-Menge in der Pflanzenbiomasse für den aktuellen Entwicklungszustand [kg P/ha]
bioP,1 Phosphormenge in der Pflanzenbiomasse [kg P/ha] bei Aufgang
bioP,2 Phosphormenge in der Pflanzenbiomasse [kg P/ha] bei frPHU=0,5
bioP,3 Phosphormenge in der Pflanzenbiomasse [kg P/ha] bei Reife (frPHU=1)
C Kohlenstoff
Ch Wärmekapazität des Bodens [J K-1]
cw spezifische Wärmekapazität des Wassers [kJ·kg−1·K−1]
cs spezifische Wärmekapazität der Festsubstanz [kJ·kg−1·K−1]
CAOM Kohlenstoff in aktiver organischer Substanz [kg C/ha]
CPOM Kohlenstoff in organischer Primärsubstanz [kg C/ha]
E Entzugsrate (Es+ETR) [mm/d]
Es Bodenevaporation [mm/d]
Esp potenzielle Bodenevaporation [mm/d]
EI Interzeptionsverdunstung [mm/d]
Esnow Sublimation der Schneedecke [mm/d]
Ew Verdunstung des Oberflächenwassers [mm/d]
ETP potenzielle Evapotranspiration (Grasreferenzverdunstung) [mm/d]
ETPLN Landnutzungskorrigierte potenzielle Evapotranspiration [mm/d]
ETRp potenzielle Transpiration [mm/d]
ETR Transpirationsentzug [mm/d]
es Sättigungsdampfdruck [h/Pa]
EP Ertragspotenzial eines Standortes [-]
EWR Ernte- und Wurzelreste
F Faltungskoeffizient [-]
fsoil Faktor zur Berücksichtig das Ertragspotenzial eines Standortes bei der Verdunstungsberechnung [-]
frPHU Anteil der potenziell akkumulierbaren Wärmeeinheiten (∑HU/PHU) [-]
frPHU1 Anteil der potenziell akkumulierbaren Wärmeeinheiten bei frLAImax1 (erster Formparameter der otimalen LAI-Entwicklungskurve) im Pflanzenmodell VEGEN [-]
frPHU2 Anteil der potenziell akkumulierbaren Wärmeeinheiten bei frLAImax2 (zweiter Formparameter der otimalen LAI-Entwicklungskurve) im Pflanzenmodell VEGEN [-]
frPHU,sen Anteil der PHU, ab dem der Alterungsprozess dominiert (dritter Formparameter der otimalen LAI-Entwicklungskurve) im Pflanzenmodell VEGEN [-]
frLAImax Anteil des maximalen Blattflächenindexes, die zu der aktuellen HU dieser Pflanze korrespondiert [-]
frLAImax1 Anteil des maximalen Blattflächenindexes, bei frPHU1 (erster Formparameter der otimalen LAI-Entwicklungskurve) im Pflanzenmodell VEGEN [-]
frLAImax2 Anteil des maximalen Blattflächenindexes bei frPHU2 (zweiter Formparameter der otimalen LAI-Entwicklungskurve) im Pflanzenmodell VEGEN [-]
frroot Biomasseanteil der Wurzeln an der gesamten Biomasse [-]
frN optimale Stickstoffmenge in der Pflanzenbiomasse für das aktuelle Wachstumsstadium
frP optimale Phosphormenge in der Pflanzenbiomasse für das aktuelle Wachstumsstadium
fLNmin Landnutzungsspezifischer Korrekturfaktor der potenziellen Evapotranspiration (Minimalwert)
fLNmax Landnutzungsspezifischer Korrekturfaktor der potenziellen Evapotranspiration (Maximalwert)
HI Ernteindex der Pflanze (ohne Berücksichtigung von Stressschäden) [-]
HIact aktueller Ernteindex [-]
HImin minimaler Ernteindex (pflanzenspezifisch) im Pflanzenmodell VEGEN [-]
HIopt potenzieller Ernteindex der Pflanze bei Reife unter idealen Wachstumsbedingungen [-]
HU akkumulierte Wärmesumme (Heat Unit) [K]
hc Vegetationshöhe [m]
hcmax 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 [-]
kl Lichtextinktionskoeffizient (-0,65 für alle Pflanzentypen)
ks,kt,kv Parameter
kS Korrekturfaktor für Schnee- und Regeninterzeption in Forstbeständen (Standard: kS=1) [-]
kAOM Zersetzungskoeffizienten der AOM [d-1]
kPOM Zersetzungskoeffizienten der POM [d-1] (=k1+k2 für N-Umsatz bzw. = k*1+k*2 für C-Umsatz, s. Abb. 7‑2)
knit Nitrifizierungskoeffizient [d-1]
ksyn Humussynthesekoeffizient [d-1]
kh Korrekturfaktor für den hypodermischen Abfluss [-]
kU Trockenheitsparameter im ETP-Modell nach Turc/Ivanov [-]
LAI Blattflächenindex [-]
LAImax maximal erreichbarer Blattflächenindex (Pflanzenartspezifisch) [-]
LT Lufttemperatur (Tagesmittel) [°C]
LTmax maximalen Lufttemperatur pro Tag [°C]
LTmin minimalen Lufttemperatur pro Tag [°C]
l1,l2 Formfaktoren der Entwicklung des Kurve LAI = f(frPHU) [-]
MP Makroporosität (0, 0,9) [-]
max Maximum
min Minimum
N Stickstoff
NAOM Stickstoff in der aktiven organischen Substanz (Humus) [kg N/ha]
NPOM Stickstoff in organischer Primärsubstanz [kg N/ha]
Npup Nährstoffbedarf der Pflanze [kg N(P) /(ha d)]
nNi Fraktion des löslichen Ammonium-N bzw. Nitrat-N
Nsoll Sollwert der N-Düngung entsprechend der Ertragserwartung [kg N/ha]
Nforg über Wirtschaftsdünger ausgebrachte Stickstoffmenge [kg N/ha]
Nmin Boden-Nmin-Wert [kg N/ha]
Nfmin als Mineraldünger ausgebrachte Stickstoffmenge [kg N/ha]
P0 Niederschlag [mm/d]
Pd Abflussrate über Drainagen [mm/d]
Pg Perkolationsrate (Gravitationsabfluss) [mm/d]
Ph horizontaler (hypodermischer) Abfluss [mm/d]
Pk Kapillaraufstieg [mm/d]
Pm Makroporenfluss [mm/d]
P Phosphor
PAOM Phosphor in der aktiven organischen Substanz (Humus) [kg P/ha]
Pact Menge des in der aktiven anorganischen Fraktion gebundenen Phosphors [kg P/ha]
Pst Menge des in der stabilen anorganischen Fraktion gebundenen Phosphors [kg P/ha]
Psol 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]
QAOM C/N-Verhältnis in der aktiven organischen Substanz (Humus) [-]
QPOM C/N-Verhältnis in der organischen Primärsubstanz [-]
Rg Globalstrahlung [MJ/m²]
Rphosyn photosynthetisch aktive Strahlung [MJ/m²]
Rn* Verdunstungsäquivalent der Nettostrahlung [mm/d]
Rmin Reduktionsfunktion der Mineralisierung
Rnit Reduktionsfunktion (Nitrifizierung)
Rθmin/nit Feuchte-Reduktionsfunktionen der Mineralisierung bzw. der Nitrifizierung
RBTmin/nit Bodentemperatur-Reduktionsfunktionen der Mineralisierung bzw. der Nitrifizierung
RpHmin/nit pH-Wert-Reduktionsfunktionen der Mineralisierung bzw. der Nitrifizierung
RSE Reduktionsfunktion (Bodenevaporation)
RTR Reduktionsfunktion (Transpiration)
RUE „radiation-use-efficiency“ einer Fruchtart im Pflanzenmodell VEGEN [kg/ha (MJ/m²)-1]
RUEvpd=1 „radiation-use-efficiency“ einer Fruchtart bei einem Dampfdruckdefizit von 1 kPa [kg/ha (MJ/m²)-1]
Δruedcl pflanzenspezifische Abnahme der RUE mit Anstieg des Dampfdruckdefizits [kg/ha (MJ/m²)-1kPa-1]
rq Schrumpfterm bei Dürre (Makroporen) [-]
SI Interzeptionskapazität [mm]
SImin minimale Interzeptionskapazität [mm/d]
sm Schmelzrate [mm/d]
s Wasseräquivalent der Schneemenge [mm]
t Zeit
Tbase Basistemperatur für das Pflanzenwachstum [°C]
Topt Optimaltemperatur für das Pflanzenwachstum [°C]
U relative Luftfeuchte [%]
UN Stickstoffaufnahme [kg N/ (ha d)]
v2 Windgeschwindigkeit in 2 m Höhe [m/s]
vpd Dampfdruckdefizit [kPa]
vpdthr Schwellenwert für das Dampfdruckdefizit (=1 kPa für alle Pflanzen)
yld Ertrag [kg/ha]
z Bodentiefe [mm]
zE maximale Tiefe für Wasserentzug durch Bodenevaporation (bodenartspezifisch) [mm]
zmax maximale Tiefe der landnutzungsgebundenen Makroporen [mm]
zroot Wurzeltiefe [mm]
zroot,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
γreg täglicher Stressfaktor (0,1) für die Pflanzenentwicklung
γw (täglicher) Wasserstress im Pflanzenmodell VEGEN [-]
γkw kumulativer Trockenstress im Pflanzenmodell VEGEN [-]
γLT (täglicher) Temperaturstress im Pflanzenmodell VEGEN [-]
γkLT kumulativer Hitzestress im Pflanzenmodell VEGEN [-]
γN (täglicher) Stress durch Stickstoffmangel im Pflanzenmodell VEGEN [-]
γP (täglicher) Stress durch Phosphormangel im Pflanzenmodell VEGEN [-]
γkvpd kumulativer Stress durch Dampfdruckdefizit im Pflanzenmodell VEGEN [-]
γrcur aktuelles Baumalter [a]
γrfulldev Baumalter bei voller Entwicklung [a]
δ Steigung der Sättigungsdampfdruckkurve
q Wassergehalt [mm]
θ* volumetrische Feuchte [Vol.%]
qWP Wassergehalt am Permanentwelkepunkt [mm]
qFK Wassergehalt bei Feldkapazität [mm]
θs Volumenanteil der festen Bestandteile [Vol.%]
λ Leitfähigkeitsparameter nach Koitzsch [-]
λ1 Leitfähigkeitsparameter für den obersten Bodenhorizont
λh Wärmeleitfähigkeit [kJcm-1s-1K-1]
ρs spezifische Dichte der festen Bestandteile [-]
ρs spezifische Dichte des Wassers [-]
ρt Trockenrohdichte [g/cm³]
φn Skalierungsfaktor für N-Mangelstress im Modell VEGEN [-]