Fuzzy-Inference-Systeme zur Regionalisierung des Standortswasserhaushaltes von Wäldern

Regionalization of the site water balance in forests using fuzzy inference systems

  • Um bei der flächenhaften Modellierung des Wasserhaushaltes aus dem Relief resultierende Variabilitäten der meteorologischen Eingangsgrößen zu berücksichtigen, ist eine hohe räumliche Auflösung erforderlich. Das führt zu hohen Rechenzeiten. Die Kombination physikalisch und physiologisch begründeter Modellierung mit Fuzzy-Inference-Systemen (FIS) zeigt einen Weg aus diesem Dilemma. Rasterpunktspezifische Korrekturfaktoren widerspiegeln das Verhältnis zwischen den meteorologischen Bedingungen am Standort zu den Messwerten an der Klimastation. Diese Korrekturfaktoren werden direkt zur Parametrisierung der Bedingungen der Fuzzy-regeln verwendet. Als Parameter der Folgerung werden direkt Modellergebnisse des forsthydrologischen Modells BROOK 90 eingesetzt. Damit erfolgt eine objektive modellgestützte Parametrisierung des FIS. Ein Training wird nicht ausgeführt. Die Validierung der Methode zeigt nur geringe Abweichungen zwischen den Modellergebnissen und den FIS-Outputs.
  • Relief-dependent variations in micro-climatic parameters control evaporation and soil water conditions of forests. Therefore, mapping of soil water conditions in mountainous terrain requires that model computations have a high spatial resolution. Unfortunately, highly sophisticated, physically based modeling in combination with a large number of model runs leads to demanding computation costs. To overcome these shortcomings, a physically and physiologically based water balance model was combined with fuzzy inference systems. Grid-point-specific factors representing the systematic alteration of the station data due to the topography are the basis for the parameterization of the antecedent side of the fuzzy system. Model outputs of the water balance model BROOK 90 were used directly as parameters of the consequents of the fuzzy rules. Thus, the parameterization of the fuzzy inference system is model-based and objective, and parameter training is not required. The validation of the method shows only small differences between fuzzy system outputs and BROOK 90 results.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Ronny Peters, Kai Schwärzel, Karl-Heinz Feger
URN:urn:nbn:de:hebis:30:3-287430
ISSN:1614-7103
Parent Title (German):Waldökologie, Landschaftsforschung und Naturschutz = Forest ecology, landscape research and nature conservation
Publisher:AFSV, Arbeitsgemeinschaft Forstliche Standorts- und Vegetationskunde
Place of publication:Göttingen
Document Type:Article
Language:German
Date of Publication (online):2013/02/01
Year of first Publication:2011
Publishing Institution:Universitätsbibliothek Johann Christian Senckenberg
Release Date:2013/02/01
Volume:12
Page Number:7
First Page:111
Last Page:117
HeBIS-PPN:327527005
Dewey Decimal Classification:5 Naturwissenschaften und Mathematik / 57 Biowissenschaften; Biologie / 570 Biowissenschaften; Biologie
Sammlungen:Sammlung Biologie / Sondersammelgebiets-Volltexte
Zeitschriften / Jahresberichte:Waldökologie, Landschaftsforschung und Naturschutz / Waldökologie, Landschaftsforschung und Naturschutz, Heft 12 (2011)
:urn:nbn:de:hebis:30:3-286142
Licence (German):License LogoDeutsches Urheberrecht