Refine
Year of publication
- 2005 (3) (remove)
Document Type
- Article (3)
Language
- German (3) (remove)
Has Fulltext
- yes (3)
Is part of the Bibliography
- no (3)
Keywords
- Bayernkarte (1)
- Bodenorganismen (1)
- Bodenvegetation (1)
- Bodenversauerung (1)
- Ellenberg (1)
- Fernerkundung (1)
- Geoinformation (1)
- München (1)
- Nitratkonzentration (1)
- Nährelementverlusten (1)
Die Definition der N-Sättigung von Wäldern wurde bisher überwiegend an N-Haushaltsgrößen geknüpft (ÅGREN & BOSATTA 1988, ABER et al. 1989, KÖLLING 1991, BML 2000). Aber auch mit vegetationskundlichen Methoden ist es möglich, Veränderungen des N-Status zu erkennen (ROST-SIEBERT & JAHN 1988, DIEKMANN & DUPRE 1997, BRUNET et al. 1998, DIEKMANN et al. 1999, FISCHER 1999, LAMEIRE et al. 2000, HOFMEISTER et al. 2002, BERNHARDT 2005). Dies geschieht oftmals mit Hilfe der Stickstoff- und Reaktions-Zeigerwerte nach Ellenberg (ELLENBERG et al. 2001). Sie können damit zur Indikation des Standortzustands von Wäldern und seiner Änderungen herangezogen werden. Im vorliegenden Aufsatz wurde untersucht, welchen Beitrag die Zeigerwerte der Bodenvegetation zur Vorhersage erhöhter Nitratkonzentration unter Wäldern leisten können. Die Nitratinventur Bayern (MELLERT et al. 2005a, 2005b), bei der auch die Bodenvegetation aufgenommen wurde, bot die Möglichkeit, das Indikatorpotential der Bodenvegetation als Zeiger für Nitratausträge zu prüfen. Die Analyse bietet überdies Ansatzpunkte, zwischen einem durch das Standortpotential bedingten Risiko und dem durch N-Depositionen als anthropogene Ursache für Nitratausträge zu unterscheiden. Zudem wurde geprüft, ob das zur Regionalisierung eingesetzte logistische Regressionsmodell (MELLERT et al. 2005c) durch die Hinzunahme der N-Zeigerwerte verbessert werden kann. Wegen der zu erwartenden Korrelation der Zeigerwerte mit den im Modell verwendeten Standortsindikatoren erhob sich insbesondere die Frage, ob der Zeigerwert die im Modell benutzten Prädiktoren lediglich (z.T.) ersetzt oder ob er die Prognosemöglichkeiten verbessert. Eine wirkliche Verbesserung der Vorhersage ist dann gegeben, wenn der N-Zeigerwert als zusätzlicher Prädiktor ins Modell aufgenommen werden kann und sich die unerklärte Varianz hierdurch signifikant verringert. Von praktischer Bedeutung könnten auch Korrelationen innerhalb der durch die Haupteffekte (Faktoren Wald- und Substrattyp) festgelegten Straten sein.
Die fortschreitende Stickstoffsättigung infolge anhaltend hoher N-Einträge (BAYSTMLF 2004, BMVEL 2005) verändert den Stoffhaushalt von Wäldern tiefgreifend und führt je nach Standort mittel- bis langfristig zu Bodenversauerung, empfindlichen Nährelementverlusten und -imbalancen sowie Änderungen des Wuchs- und Konkurrenzverhaltens von Bestand und Bodenorganismen. Diese Prozesse sind durch zahlreiche Fallstudien gut dokumentiert (z.B. DISE et al. 1998, GUNDERSEN et al. 1998, ROTHE et al. 2002, BERNHARDT 2005) und werden in internationalen Langzeitmonitoring-Programmen (UN/ECE 1998; KÖLLING 1999, BORKEN & MATZNER 2004) verfolgt. Durch die chronischen N-Einträge wird jedoch nicht nur das Ökosystem Wald beeinträchtigt. Auch im Wasserkreislauf nachgeschaltete Systeme wie Grund- und Oberflächengewässer sind von der Stickstoffsättigung betroffen. Das Bayerische Landesamt für Wasserwirtschaft (BAYLFW) machte bereits 1992 darauf aufmerksam, dass die depositionsbedingte Nitratkonzentration in der Grundwasserabflussspende in Bayern rein rechnerisch im Mittel etwa 30 mg l-1 betragen müsste, wenn die Ökosysteme keinen Stickstoff zurückhalten würden (BAYLFW 1992). Aufgrund der großen Bedeutung der N-Sättigungsproblematik hat die Bayerische Landesanstalt für Wald und Forstwirtschaft den N-Status des Waldes mit einer landesweiten Nitratinventur erfasst (GENSIOR et al. 2002, GENSIOR et al. 2004, MELLERT et al. 2005a,b). Neben der statistischen Übersicht über die Verhältnisse an den Inventurpunkten dient die Inventur der Regionalisierung des N-Status der Wälder mit einem stochastischen Modell, welches in Zusammenarbeit mit der TUM erarbeitet wurde. Das oberste Ziel ist es, mit der hieraus resultierende Karte Risikogebiete zu identifizieren. Die bayernweite Übersicht stützt sich auf die Nitratkonzentration im Boden in Verbindung mit flächenhaft vorliegenden Daten zu N-Deposition, Klima, Standort und Bestand. Die Basis für die Regionalisierung bilden die an 399 Inventurpunkten gewonnenen Ergebnisse (Bayern ohne Alpenraum). Zentraler Parameter und Zielgröße für die statistische Modellierung ist die Nitratkonzentration in der Bodenlösung unterhalb des Hauptwurzelraumes, die in den Jahren 2000/2001 im Rahmen der „Nitratinventur Bayern“ erhoben wurde. Die Ergebnisse der Nitratinventur und der Regionalisierung stellen die derzeit beste Grundlage für die großräumige Beurteilung der Boden- und Wasserschutzfunktion des Waldes in Deutschland dar und geben Hinweise für eine zielgerichtete Bewirtschaftung der Wälder.
Eine zielgerichtete Bewirtschaftung der Wälder im Hinblick auf die fortschreitende N-Sättigung fordert entsprechende Geoinformationen. Auf der Basis der Ergebnisse der Nitratinventur Bayern (Gensior et al 2003b, Mellert et al. 2005a) wurde eine Karte des Risikos erhöhter Nitratkonzentrationen für das Land Bayern erstellt (Mellert 2005c). Die Bayernkarte liefert Informationen über die durchschnittliche Situation in den forstlichen Wuchsgebieten und dient der Identifizierung von Problemregionen. Als Übersichtskarte kann sie jedoch die Bedürfnisse auf regionaler Ebene, z.B. für ein Wuchsgebiet, kaum befriedigen. Hierzu ist eine räumliche Präzisierung der Geodaten in einem detaillierten Maßstab erforderlich. Die bayernweite Regionalisierung basiert auf der in den Jahren 2001/2002 durchgeführten Nitratinventur im 8 x 8 km Raster (Level-I/BZE) an 399 Punkten im Flachland. Die Anzahl von Inventurpunkten in den einzelnen Wuchsgebieten ist daher sehr begrenzt. Zur Informationsverdichtung der kleinmaßstäbigen Bayernkarte auf den größeren Maßstab der Karte für den Großraum München wurden detaillierte Informationen aus einer 1998 durchgeführten Sickerwasserstudie (Rothe & Mellert 2004) herangezogen. Im vorliegenden Beitrag wird die Möglichkeit eines Downscalings durch ein genestets Verfahren vorgestellt. Die auf einem logistischem Regressionsmodell basierende Regionalisierung auf bayerischer Ebene (Meller et al. 2005c) wird hierbei mit den regionalen Daten durch ein multiples Regressionsverfahren verknüpft. Dank einer ins Projekt integrierten Pilotstudie zur Fernerkundung von Waldtypen konnte eine geeignete Waldkarte für den Raum München durch Klassifikation von Landsat-Daten bereit gestellt werden.