Application and Evaluation of the Growth Simulator SILVA 2.2 for Forest Stands, Forest Estates and Large Regions

2002

S. 28-51

zahlr. Lit. Ang.

Unselbständiges Werk

200090034

Der einzelbaumorientierte Waldwachstumssimulator SILVA 2.2 wurde so konzipiert, dass er die Forstwirtschaft in ihren Entscheidungen auf Bestandes-, Betriebs- und Großregion-Ebene unterstützt. Das Konzept und der Aufbau dieser positionsabhängigen und standortsensitiven Einzelbaumsimulators wurde wiederholt vorgestellt Pretzsch (1992), Kahn (1994), Kahn und Pretzsch (1997), Pretzsch (2001). Im folgenden stehen die Anwendung und Validierung dieses Simulators im Vordergrund. die große Flexibilität beim Einsatz auf Bestandesebene verdankt der Simulator seinen räumlich explizierten Modellansatz und seiner Parametrisierung mit langfristigen Versuchsflächen in Rein- und Mischbeständen, die bis in das Jahr 1870 zurückdatieren. Szenariorechnungen erbringen ertragskundliche Kennwerte, ökologische und sozioökonomische Ergebnisgrößen. Der Simulator macht die waldbaulichen Einzelentscheidungen auf Bestandesebene hinsichtlich ihrer langfristigen Konsequenzen für den Gesamtbetrieb transparent. Behandlungsprogramme auf Bestandesebene können dann so modifiziert werden, dass sie eine gewünschte Entwicklungen des Gesamtbetriebes erbringen. Der in dem Aufsatz vorgestellte standortsensitive Aufbau von SILVA 2.2 ermöglicht den Einsatz des Modells für die Klimafolgenforschung. Am Beispiel der Baumart Fichte werden die Konsequenzen von Klimaveränderungen für Wachstum und Holzaufkommen in Bayern mit Hilfe von Szenariorechnungen analysiert. Die Modellvalidierung auf der Basis langfristiger Versuchsflächen erbrachte für die Schätzung des jährlichen Bestandesvolumenzuwachses einen Biss von - 1.9 % bis 4.8 %, eine Genauigkeit von 19.2 % bis 38. 6 % und eine Präzision von 18.5 % bis 38.6 %. Ähnliche Größenordnungen ergeben sich für den Zuwachs des Mitteldurchmessers. Die Validierung auf Einzelbaumebene erbringt ähnliche Resultate, bei kurzen Zuwachsperioden und außergewöhnlichen Klimabedingungen können Bias und Genauigkeit auch ungünstiger ausfallen. Der qualitative Vergleich mit Inventurdaten belegt ein robustes Prognoseverhalten des Standort-Leistung-Modells, die Nachbildung von regionalen und temporären Besonderheiten, wie Stickstoffeinträgen oder Schneebruchereignissen ist noch verbesserungsbedürftig.