04. Vegetationsmodell


04.1 Vegetationsmodelle zur Auswahl

Print Friendly, PDF & Email

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.

 

image

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.


04.2 Statisches Landnutzungsmodell

Print Friendly, PDF & Email

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:

\small \fn_jvn LAI=LAI_{max}Bd (=konstant)
(6)

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:

SI kS (0,935 + 0,498·LAI0,00575·LAI2) LAI >0 (7)
0 LAI =0, kein Wald
kS·SI min·Bd LAI =0, Wald

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:

\fn_jvn B=1-e^{(-0,5*LAI)}
(8)

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).


04.3 Dynamischer Ansatz auf der Basis von Tabellenfunktionen

Print Friendly, PDF & Email

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:

\fn_jvn fLN=MAX(fLN_{min},fsoil*fLN_{max}*B)
(9)

 

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.

 

image

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


04.4. Das Modell für land- und forstwirtschaftliche Kulturen VEGEN


04.4.1 Grundlagen

Print Friendly, PDF & Email

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

Insgesamt wird zwischen acht Pflanzentypen (IDC) unterschieden:

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

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

Bei den mehrjährigen bzw. den Winterfruchtarten erfolgt die Berücksichtigung der Vegetationspause im Winter bei Unterschreitung einer minimalen (sortenunabhängigen) Tageslänge 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).


04.4.2 Phänologie und Wachstum

Print Friendly, PDF & Email

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.

 

image

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:

\small \fn_jvn \Delta LAI_{i}=(fr_{LAImax,i}-fr_{LAImax,i-1})*LAI_{max}*(1-exp(5*(LAI_{i-1}-LAI_{max})))
(10)

 

mit

\fn_jvn fr_{LAIm\: ax}=\frac{LAI}{LAI_{max}}=\frac{fr_{PHU}}{fr_{PHU}+exp(l_{1}-l_{2}*fr_{PHU})}
(11)

 

\fn_jvn fr_{PHU}=\frac{\sum_{i=1}^{d}HU_{i}}{PHU}
(12)

 

\fn_jvn l_{1}=ln\left [ \frac{fr_{PHU}^{1}}{fr_{LAI}^{1}}-fr_{PHU}^{1} \right ]+l_{2}*fr_{PHU}^{1}
(13)

 

\fn_jvn l_{2}=\frac{ln\left [ \frac{fr_{PHU}^{1}}{fr_{LAI}^{1}}-fr_{PHU}^{1} \right ]-ln\left [ \frac{fr_{PHU}^{2}}{fr_{LAI}^{2}}-fr_{PHU}^{2} \right ]}{fr_{PHU}^{2}-fr_{PHU}^{1}}
(14)

 

 

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]:

\fn_jvn \Delta LAI_{i}=(fr_{LAImax,i}-fr_{LAImax,i-1})*\left ( \frac{yr_{_{cur}}}{yr_{_{fulldev}}} \right )*LAI_{max}*\left ( 1-exp\left ( 5*\left ( LAI_{i-1}-\left ( \frac{yr_{_{cur}}}{yr_{_{fulldev}}} \right )*LAI_{max} \right ) \right ) \right )
(15)

 

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:

\fn_jvn \gamma _{reg}=1-max(\gamma _{w},\gamma _{LT},\gamma _{N},\gamma _{P})
(16)

γW Trockenstress [-]
γLT Temperaturstress [-]
γN Stress durch Stickstoffmangel [-]
γP Stress durch Phosphormangel [-]

\fn_jvn \gamma _{w}=1-\frac{E_{TR}}{E_{TRp}}
(17)

 

ETRp potenzielle Transpiration [mm/d] (s. Kapitel 2)
ETR aktuelle Transpiration [mm/d]

\fn_jvn \gamma _{LT}=\begin{cases} & \; \; \; \; \; \; \; \; \; \; \; \; 1 \: \! \; \; \; \; \; \; \; \; \; \; \; \; \; \; \Leftrightarrow LT\leq T_{base} \\ & 1-exp\left [ \frac{-0,1054*(T_{opt}-LT)^{2}}{(LT-T_{base})^{2}} \right ]\Leftrightarrow T_{base}< LT\leq T_{opt} \\ & 1-exp\left [ \frac{-0,1054*(T_{opt}-LT)^{2}}{(2*T_{opt}-LT-T_{base})^{2}} \right ]\Leftrightarrow T_{opt}< LT\leq 2*T_{opt}-T_{base} \\ &\; \; \; \; \; \; \; \; \; \; \; \; 1\: \! \; \; \; \; \; \; \; \; \; \; \; \; \; \;\Leftrightarrow LT> 2*T_{opt}-T_{base} \end{cases}
(18)

 

 

 

LT Lufttemperatur (Tagesmittel) [°C]
Tbase Basistemperatur für das Pflanzenwachstum [°C]
Topt Optimaltemperatur für das Pflanzenwachstum [°C]

\fn_jvn \gamma _{N}=1-\frac{\varphi _{n}}{\varphi _{n}+exp\left [ 3,535-0,02597*\varphi _{n} \right ]}
(19)

 

\fn_jvn \varphi _{n}=200-\left ( \frac{bio _{N}}{bio _{N,opt}}-0,5 \right )
(20)

 

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

\fn_jvn LAI_{i}=LAI_{i-1}+\Delta Lai_{i}\sqrt{\gamma _{reg}}
(21)

 

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:

\fn_jvn LAI=LAI_{max}*\frac{(1-fr_{PHU})}{(1-fr_{PHU,\: sen})}
(22)

 

Bäume:

\fn_jvn LAI=\left ( \frac{yr_{cur}}{yr_{fulldev}} \right )*LAI_{max}*\frac{(1-fr_{PHU})}{(1-fr_{PHU,\: sen})}
(23)

 

 

Vegetationshöhe

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

\fn_jvn h_{c}=h_{c,max}*\sqrt{fr_{LAI_{max}}}
(24)

 

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

Die Vegetationshöhe von Bäumen wird nach folgendem Verfahren ermittelt:

\fn_jvn h_{c}= h_{c,max}*\left ( \frac{yr_{cur}}{yr_{fulldev}} \right )
(25)

 

 

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):

\fn_jvn fr_{root}=0,4-0,2*fr_{PHU}clip_image036
(26)

 

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:

\fn_jvn z_{root}=\begin{cases} & 2,5*fr_{root}*z_{root,max}\Leftrightarrow fr_{PHU}\leq 0,4 \\ & z_{root,max}\: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \! \Leftrightarrow fr_{PHU}> 0,4 \end{cases}
(27)

 

 

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.

\fn_jvn \Delta bio=RUE*R_{phosyn}\gamma_{reg}
(28)

 

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:

\fn_jvn R_{phosyn}=0,5R_{g}(1-exp(k_{I}LAI))
(29)

 

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:

\fn_jvn RUE=\begin{cases} & RUE_{vpd=1}-\Delta rue_{dcl}(vpd-vpd_{thr})\Leftrightarrow vpd>vpd_{thr} \\ & \; \; \; \; \; \; RUE-{vpd=1}\; \;\; \; \; \; \; \! \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \Leftrightarrow vpd\leq vpd_{thr} \end{cases}
(30)

 

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


04.4.3 Wasseraufnahme

Print Friendly, PDF & Email

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.

\fn_jvn E_{TR}(z,t)=E_{TRp}(t)*R_{TR}(z,t)*\frac{\left [ 1-exp\left ( -\beta \frac{z}{z_{root}} \right ) \right ]}{\left [ 1-exp(-\beta ) \right ]}
(31)

 

ETRp potenzielle Transpiration [mm/d] (s. Kapitel 2)
β Parameter
RTR Reduktionsfunktion der Transpiration
z Tiefe [mm]
zroot Wurzeltiefe [mm]

 

image

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):

\fn_jvn R_{TR}(\Theta )=\begin{cases} & \; \; \; \; \; \; \; \; \; \; \; \; \;\; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; 0 \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \Leftrightarrow \Theta \leq \Theta _{WP} \\ & 1-(0,9\: \Theta _{FK}-\Theta)/(0,9\:\; \Theta _{FK}-\Theta_{WP})\Leftrightarrow \Theta _{WP}< \Theta \leq 0,9\Theta _{FK} \\ & \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \! \! \! \! \! \! 1 \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \!\! \Leftrightarrow 0,9\Theta _{FK}\leq \Theta \leq 0,9\Theta _{FK} \\ & 0,3 +0,7(\Theta _{PV}-\Theta )/(\Theta _{PV}-0,9\Theta _{WP}) \Leftrightarrow \Theta > 0,9\Theta _{FK} \end{cases}
(32)



q Wassergehalt [mm]
qWP Wassergehalt am Permanentwelkepunkt [mm]
qFK Wassergehalt bei Feldkapazität [mm]


04.4.4 Nährstoffaufnahme

Print Friendly, PDF & Email

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:

\fn_jvn N_{up}^{p}=fr_{N/P}(fr_{PHU})*bio-bio_{N/P}
(33)

 

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).


04.4.5 Ertragssimulation

Print Friendly, PDF & Email

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:

\fn_jvn HI_{act}=HI_{opt}\frac{100fr_{PHU}}{(100fr_{PHU}+exp\left [ 11,1-10fr_{PHU} \right ])}
(34)

 

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.

\fn_jvn HI=\gamma _{LT}^{k}\gamma _{vpd}^{k}\left ( (HI_{act}-HI_{min})\frac{\gamma _{w}^{k}}{\gamma _{w}^{k}+exp\left [ 6,13-0,883\gamma _{w}^{k} \right ]}+HI_{min} \right )
(35)

 

mit

\fn_jvn \gamma _{w}^{k}=100\frac{\sum_{i=1}^{m}E_{TR}^{i}}{\sum_{i=1}^{m}E_{TRp}^{i}}
(36)

 

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

 

\fn_jvn yld=\begin{cases} & bio_{ag}HI\: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \: \Leftrightarrow HI\leq 1 \\ & bio\left ( 1-\frac{1}{(1+HI))} \right )\Leftrightarrow HI> 1 \end{cases}
(37)

 

mit

\fn_jvn bio_{ag}=(1-fr_{root})bio
(38)

 

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.


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


04.4.6 Management

Print Friendly, PDF & Email

4.4.6.1 Modellkonzept

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

Benötigt werden Informationen

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

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

4.4.6.2 Basisdaten

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

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

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.

4.4.6.3 Standardmanagement (Basisversion)

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

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

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

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

4.4.6.4 Geostatistisches Verfahren für Anbauregionen

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

4.4.6.5 Schnittstelle zu Raumdatenbanken

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

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

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

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:

\fn_jvn N^{f}_{min}=max(o,N_{soll}-0,6N^{f}_{org}-N_{min})
(39)

 

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).

4.4.6.6 REPRO-Schnittstelle

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

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


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


04.5. Das Waldwachstumsmodell 4C


04.5.1 Grundlagen

Print Friendly, PDF & Email

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.

 

image

Abb. 4‑5: Modellschema 4C

 

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

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

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

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

04.5.2 Wasser- und Nährstoffbilanzierung

Print Friendly, PDF & Email

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.


04.5.3 Assimilation und Allokation

Print Friendly, PDF & Email

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.


04.5.4 Phänologie und Mortalität

Print Friendly, PDF & Email

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).


04.5.5 Regeneration, Management und Störungen

Print Friendly, PDF & Email

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.


04.5.6 Parameter, Initialisierung und Triebkräfte

Print Friendly, PDF & Email

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.


04.5.7 Validierung und Anwendung

Print Friendly, PDF & Email

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).