Biogeochemische Untersuchungen in Waldökosystemen werden seit den sechziger Jahren auf einer steigenden Zahl von Meßflächen durchgeführt. Untersuchungsergebnisse aus diesen Fallstudien belegen, daß der Stoffhaushalt von Wäldern in den dicht besiedelten, industrialisierten Regionen Europas und Nordamerikas tiefgreifend anthropogen beeinflußt wird. Neben dem umstrittigen Einfluß von Bestandesbegründung, forstlicher Bewirtschaftung und Nutzung durch den Menschen kristallisierte sich die Bedeutung der Stoffeinträge aus der Atmosphäre heraus. Es wurde gezeigt, daß die atmosphärische Deposition eine treibende Kraft für Veränderungen der Stoffhaushalt-charakteristik in Waldökosystemen sein kann. Die Interpretation von Zeitreihen erfolgt in den veröffentlichten Studien fast ausschließlich in der Zeitdomäne, d.h. es wird versucht, den zeitlichen Verlauf aufgrund der vermuteten steuernden Prozesse deterministisch zu begründen. Eine Einbeziehung schon lange bekannter und etablierter zeitreihenstatistischer Verfahren oder der jüngeren dynamischen Systemanalyse ist bei biogeochemischen Meßreihen bislang erstaunlicherweise kaum unternommen worden. Als einzige Komponente der Zeitreihenbeschreibung wird häufig ein Trend identifiziert und interpretiert, die weiteren Bestandteile der zeitlichen Dynamik, wie Saisonalitäten, Zyklen und die Zufallskomponente aber außer acht gelassen. Die vorliegende Arbeit versucht hier einen neuen Weg zu gehen und diese Lücke zu schließen. Vorhandene Langzeit-Datensätze aus Fallstudien des Forschungszentrums Waldökosysteme wurden zusammengetragen, um sie mit Hilfe zeitreihenstatistischer und dynamischer Analyseverfahren zu untersuchen. Bei den Daten handelt es sich hauptsächlich um Konzentrationsverläufe chemischer Elemente in Lösungsproben aus verschiedenen Meßstraten von Waldökosystemen (Bestandesniederschlag, Bodenwasser in verschiedenen, tiefengestaffelten Meßstraten und Bachwasser). Es sollte geprüft werden, ob die Anwendung zeitreihenstatistischer und dynamischer Untersuchungsmethoden einen Informationsgewinn über die reine Betrachtung der Zeitreihen an sich hinaus erbringt, und ob anhand der Ergebnisse eine Klassifikation und quantitative Differenzierung unterschiedlicher Dynamiken im Datenmaterial möglich wird.
