Spatial Prediction Methods for the Assessment and Mapping of Forest Site Characteristics – Examples from Bavarian Forests

Doktorand: Dr. rer. nat. Tim Häring
Betreuer HSWT: Prof. Dr. Jörg Ewald
Fakultät: Fakultät Wald und Forstwirtschaft
Partner-Uni: Technische Universität München - Wissenschaftszentrum Weihenstephan | Prof. Dr. B. Schröder
Zeitraum: 04.01.2010 - 06.11.2013

Zusammenfassung

Nachhaltige Waldbewirtschaftung in Zeiten sich verändernder Umweltbedingungen benötigt - nebst anderen Dingen - räumlich hoch aufgelöste und inhaltsdifferenzierte Informationen über Standortbedingungen. Nur auf Grundlage detaillierter Karten können heute nachhaltige Entscheidung hinsichtlich Baumartenwahl, Baumartenzusammensetzung und Waldbewirtschaftung getroffen werden, die sowohl den derzeitigen als auch den zukünftigen Umweltbedingungen entsprechen. Die traditionelle Standortklassifikation in Deutschland beschreibt Standorteigenschaften (bspw. Bodentextur, Wasserhaushalt, Bodenchemie, Lage in der Landschaft) mit einem qualitativen 3-Ziffern System. Diese Karten wurden in jüngster Zeit jedoch kritisiert, da sie sich als zu statisch und nicht reproduzierbar erwiesen haben. Darüber hinaus ist die Erstellung von Standortskarten sehr zeitaufwendig und deshalb teuer. Die Entwicklung und Implementierung dynamischer, homogener, landesweiter und digitaler Standortinformationssysteme wird deshalb in vielen Landesforstverwaltungen in Deutschland vorangetrieben. Ziel dieser Arbeit soll sein, räumliche Prognosemethoden aus den Bereichen der digitalen Bodenkartierung und der Habitatmodellierung für die Kartierung von Wald-Standortseigenschaften zu verwenden. In den Kapiteln dieser Arbeit präsentiere ich verschiedene Anwendungsbeispiele bestehender Methoden auf neue Fragestellungen als auch die Entwicklung neuer Ansätze für die räumliche Prognose von Standorteigenschaften. Ziel dabei ist es, leicht anwendbare und adaptierbare Methoden für die aktuellen und zukünftigen digitalen Standortkartierungs- Projekte der Forstverwaltung bereit zu stellen. Die vorliegende Arbeit ist eine kumulative Dissertation, d.h. sie setzt sich hauptsächlich aus drei Veröffentlichungen zusammen, die während zwei Forschungsprojekten an der Bayerischen Landesanstalt für Wald und Forstwirtschaft (KLIP4 - Karten für die Zukunft) und der Hochschule Weihenstephan-Triesdorf (Waldinformationssystem Nordalpen - WINALP) entstanden sind. In der Einleitung der Arbeit werden zunächst die beiden grundlegenden Themen eingeführt, die den Rahmen meiner Forschungsarbeit darstellen: das Thema Standortkartierung und räumliche Prognosemethoden. Als Hauptteil meiner Dissertation finden sich daran anschließend drei Artikel, die in ISI gelisteten, wissenschaftlichen Zeitschriften veröffentlicht wurden. In der ersten Publikation beschreibe ich die Entwicklung und Anwendung eines Modells zur räumlichen Disaggregierung von Bodenkomplexeinheiten, d.h. Karteneinheiten, die mehrere Bodentypen mit unterschiedlichen standörtlichen Eigenschaften zusammen fassen. Die Methode wurde auf die gesamte verfügbare Fläche der Bodenkarte im Maßstab 1:25.000 angewendet und an über 2000 Punkten im Gelände validiert. Die Geländedaten ergaben eine Prognosegenauigkeit von über 70%. Die disaggregierte Bodenkarte ist eine räumlich und bodenkundlich verfeinerte Datengrundlage für die Abschätzung von Standortbedingungen. In den verbleibenden zwei Publikationen präsentiere ich die Anwendung von Habitatmodellen auf Ellenberg Zeigerwertpflanzen. Ziel dabei ist eine räumlich differenzierte Abschätzung des effektiven Wasserhaushaltes und der Bodenreaktion zu erhalten. In beiden Publikationen habe ich 1505 Vegetationsaufnahmen aus den Bayerischen Alpen mit verschiedenen geoadditiven Regressionsmodellen regionalisiert. Die Ergebniskarten illustrieren räumlich stark differenzierte Muster der ökologischen Feuchte und Bodenreaktion und stellt somit eine große Verbesserung der Datengrundlage für Standortkartierungen in den Bayerischen Alpen dar. Für die Modellierung der Bodenreaktion verwende ich einen neuen, multivariaten Regressionsansatz, um ordinal-skalierte Zeigerwerte zu regionalisieren. Im Gegensatz zum üblichen Ansatz in der Vegetationsökologie schätzt das neue Modell nicht einen mittleren Zeigerwert, sondern dieWahrscheinlichkeitsverteilung aller neun Zeigerwerte. Ich konnte zeigen, dass in Untersuchungsgebieten mit stark heterogenen Zeigerwertspektren dieser Ansatz eine deutliche Verbesserung im Vergleich zur Mittelwerts-Modellierung darstellt. Anschließend an die Zusammenfassung dieser Veröffentlichungen präsentiere ich weitere Studien, die darauf abzielen, Eingangsdaten für die Standortsklassifizierung zu modellieren: (1) Die Übersichtsbodenkarte ÜBK25 wurde in beiden Forschungsprojekten als Basisinformation über die räumliche Verbreitung der Böden in Bayern verwendet. Um Bodendaten in bisher nicht kartierten Bereichen zu erhalten, habe ich mit Methoden der digitalen Bodenkartierung Karteneinheiten extrapoliert. (2) Anschließend an die Modellierung wurden Validierungsdaten im Gelände erhoben (4500 Stichproben). Die Auswertung der Validierungsdaten zeigt, dass der statistische Modellfehler bei der durchgeführten Bodenprognose keine verlässliche Information über die Prognosegüte liefert. Petrographische Informationen z.B. über quartäre Deckschichten oder alluviale Sedimente sind erforderlich, um Bodenkarten verlässlicher zu prognostizieren. (3) Homogene Geländeeinheiten spielen für die Ableitung von Standortseinheiten eine bedeutende Rolle. Mit Methoden der digitalen Bildverarbeitung (Bildsegmentierung) habe ich auf Grundlage von digitalen Geländemodellen und daraus abgeleiteten Reliefparametern multiskalige Landschaftsobjekte abgeleitet, die im Laufe des Maps For The Future Projektes für verschiedene Anwendung verwendet wurden (stratifizierte räumliche Stichprobennahme, Bewertung des Bodenwasserhaushaltes, Disaggregierung der Bodenkarte). Die dargestellten Methoden sind für unterschiedliche Fragestellungen in Bodenkunde und Ökologie anwendbar. Zusammengenommen ergeben sie ein Set an neuen Methoden für die Entwicklung digitaler, quantitativer, homogener und hoch aufgelöster Standortskarten der neusten Generation.