Feinkalibrierung von Einzelbaumwuchsmodellen mit Hilfe von Forstinventurdaten

Tharandt

2006

S. 107-114

4 Abb., 18 Lit. Ang.

Artikel aus einem BuchUnselbständiges Werk

200133476

Vorgestellt wird ein Ansatz zur Feinkalibrierung des einzelbaumbasierten, distanzabhängigen Waldwachstumssimulators SILVA unter Verwendung von Daten der betrieblichen Stichprobeninventur in Bayern. Mit Hilfe von Klassifikationsalgorithmen, die aus dem Bereich des Data Mining entstammen, werden Entscheidungsbäume generiert, deren Endverzweigungen standörtlich homogene Gruppen gleichartiger Höhenwachstumsgänge einer Baumart beschreiben. Auf den Ergebnissen der Klassifikation aufbauend werden für die Einzelbäume der unterschiedenen Gruppen mit Hilfe nichtlinearer Regression die zur Abbildung des Standort-Leistungsbezuges in SILVA benötigten Parameter der Wachstumsfimktion von Chapman-Richards ermittelt. Diese stellen neue Startgrößen für das Wuchsmodell dar, die die in der Praxis tatsächlich verwendeten Standortkodierungen für Wachstumssimulationen mit SILVA zugänglich machen. Ein Vergleich der mittleren Höhenzuwächse auf bayerischen Versuchsflächen für die Baumart Fichte hat sowohl für besonders junge als auch für vergleichsweise alte Fichtenbestände eine deutliche Verbesserung der Prognosegenauigkeit kurzfristiger Prognosen in Hinblick auf die Höhenzuwächse des Modells erbracht.