Refine
Document Type
- Article (2) (remove)
Language
- German (2) (remove)
Has Fulltext
- yes (2)
Is part of the Bibliography
- no (2)
Keywords
- Simulation (2) (remove)
Simulationsmodelle
(2016)
Mit der Entwicklung elektronischer Computer in den 1940er Jahren und höheren Programmiersprachen in den 1950er Jahren hält ein neuer Modelltyp Einzug in die Wissenschaften: Simulationsmodelle. Bekannteste Vertreter sind wohl Klima- und Wettermodelle, die mittlerweile Teil der Alltagskultur geworden sind. Kaum eine Natur- oder Technikwissenschaft kommt heute noch ohne Simulationsmodelle aus und neben der traditionellen Einteilung in Theorie und Empirie fügt sich die Simulation als 'dritte Methode' im Rahmen von 'Computational Departments' in die Wissenschaftslandschaft ein. Dabei ist der Begriff des Simulierens durchaus nicht eindeutig definiert. In einem weiten Sinne kann er im wissenschaftlichen Kontext für jegliche Form des Nachahmens und Imitierens verwendet werden: ein Crashtest im Labor simuliert einen Autounfall, ein Schiffsmodell im Strömungskanal bildet maßstabsgerecht ein Containerschiff nach und ein Ball-Stick-Model imitiert ein Molekül. Dennoch hat sich im wissenschaftlichen Kontext der Begriff des Simulierens auf die Computersimulation zentriert und in unterschiedliche Subkategorien ausdifferenziert:
– deterministische Simulationen basierend auf Differentialgleichungen
– stochastische Simulationen basierend auf stochastischen Differentialgleichungen oder
Zufallsläufeerzeugungsmethoden wie der Monte-Carlo-Simulation
– ereignisbasierte Simulationen, in denen bestimmte Ereignisse andere Ereignisse auslösen
– sogenannte 'Soft Computing'-Methoden wie Agentenbasierte Simulationen, Genetische
Programmierung, Evolutionäre Algorithmen oder Neuronale Netze.
Im vorliegenden Zusammenhang soll der Begriff des Simulierens jedoch einzig auf deterministische Simulationen bezogen werden. Diese Simulationsart ist nicht nur die weitest verbreitete in den Natur- oder Technikwissenschaften, sie ist auch die älteste und damit klassische Form der Simulation.
Waldwachstumsmodelle sind ein ideales Werkzeug, um Auswirkungen veränderter Umweltbedingungen auf das Wachstum der Bäume aufzuzeigen. Ziel des Teilprojektes „Waldwachstumsreaktionen und Systemprozesse“ im Rahmen von ENFORCHANGE war, durch die Kombination von Wachstumsmodellen mit unterschiedlichen methodischen Ansätzen regionale Auswirkungen standörtlicher und klimatischer Veränderungen auf die Waldentwicklung zu analysieren und somit bessere Grundlagen für eine angepasste Forstbetriebsplanung zu schaffen. Anhand des physiologischen Wachstumsmodells BALANCE wurde der Einfluss der prognostizierten Klimaänderungen auf das Wachstum der Bäume abgeschätzt. Die für verschiedene Baumarten und regionaltypische Bestände gewonnenen Reaktionsmuster konnten anschließend in das managementorientierte Wachstumsmodell SILVA übertragen werden. Die Entwicklung repräsentativer Waldbestände wurde in SILVA für einen Zeitraum von 30 Jahren simuliert, wobei verschiedene Nutzungsszenarien untersucht wurden, um Handlungsspielräume und mögliche strategische Planungen für Forstbetriebe aufzuzeigen. Die gewonnenen Erkenntnisse für die praktische Betriebsplanung wurden am Beispiel des kommunalen Forstbetriebes Zittau dargestellt. Es wird deutlich, wie die Forstplanung von derartigen Szenarioanalysen profitieren kann. Die Simulationsrechnungen unter Annahme geänderter Klimaverhältnisse zeigen, dass die Bestände unter diesen Bedingungen ein verringertes Reaktionsvermögen auf waldbauliche Maßnahmen aufweisen, was insbesondere bei den Zuwächsen bemerkbar ist. Dabei haben Laubholzbestände, die bereits jetzt auf 27% der Betriebsfläche stocken, vermutlich eine Pufferwirkung und mildern die Auswirkungen der Klimaänderungen auf die Produktivität des Gesamtbetriebes ab.