DSS - WuK

Name des Modells:

N.N.

Modellentwickler:

T. Czajkowski, B. Ahrends & A. Bolte

Zielsetzung/Zweck:

DModellierung von letalem Trockenstressrisko anhand von kritischen Grenzwerten der Bodenwasserverfügbarkeit

Modelltyp:

empirisch

Zustandsvariablen:

Skalenebenen:

Der Modellansatz kann auf Bestandesniveau eingesetzt werden. Die Ermittlung der überschrittenen kritischen Grenzen der Bodenwasserverfügbarkeit erfolgt täglich.

Prozessüberblick und Ablaufplan:

Der Modellansatz basiert auf kritischen Grenzen der Bodenwasserverfügbarkeit (SWA) für ausgewählte Baumarten. Unter Betrachtung der Xylemleitfähigkeit werden Schwellenwerte des Dunkelwasserpotenzials (Pre-dawn-Potential, gewählt, die (1) zu geringem Leitfähigkeitsverlust (10%), (2) zu kritischem Leitfähigkeitsverlust (50%) und (3) zu komplettem Leitfähigkeitsverlust (> 90%) führen (vgl. Tabelle 1)

Tabelle 1: Kritische Blattwasserpotentiale [MPa] für die verschiedenen Baumarten
(Czajkowski et al. 2009; Ahrends et al. 2009).

Die Dauer des Leitfähigkeitsverlustes (Xylemembolie) wird mit Hilfe einer Weibull-Funktion in eine Mortalitätsrate übersetzt. Durch Trockenstress verursachte Mortalität ist kein linearer Prozess (Allen & Breshears 1998, Franklin et al. 1987, Moorcroft et al. 2001, Martinez-Vilalta et al. 2002). In der Literatur wird der Zusammenhang zwischen dem Verlust der hydraulischen Leitfähigkeit bei abnehmendem Xylemdruck häufig mit folgender Weibull-Funktion beschrieben:

wobei L den Baumverlust als Anteil des gesamten Bestandes beschreibt und DECL die Anzahl der Tage mit überschrittenen kritischen Blattwasserpotentialen darstellt. Die Parametrisierung dieser Funktion erfolgte mit Hilfe der Ergebnisse von Vivin et al. (1993) und Adams et al. (2009), vgl. Abbildung 1.

Abbildung 1: Kurvenanpassung der Beziehung zwischen den Tagen mit überschrittenen "Critical Limits" der Bodenwasserverfügbarkeit und dem Anteil der überlebenden Bäume.

In der Tabelle 2 sind die für die Gleichung 1 geschätzten Parameter zusammengestellt. Bei den Modellsimulationen werden die Parameter der obersten Grenze des 95% Konfidenzintervalls verwendet. Hierdurch reagiert der Modellansatz nicht so sensitiv gegenüber kurzfristigen Stresssituationen, die z.B. aus Unsicherheiten bei der Modellparameterisierung herrühren könnten. Des Weiteren wird hiermit indirekt berücksichtigt, dass sich die Bäume auf gefährdeten Standorten durch eine Erhöhung der Durchwurzelungstiefe und/oder durch  vorzeitiges Abwerfen der Blätter/Nadeln an die Bedingungen anpassen können.

Tabelle 2: Parameter des Mortalitätsmodells (n= 8). Die Werte in Klammern beschreiben das 95% Konfidenzintervall.

Stochastizität:

Nein

Input:

Hintergrund Modellansatz

Die Häufung und Intensivierung von Trockenperioden sind ein wichtiger Bestandteil der prognostizierten Klimaänderungen.  Damit erhöht sich auch das Risiko von direkter Baummortalität durch letalen Trockenstress (vgl. Abbildung 2).

Abbildung 2: Schematische Darstellung der Zusammenhänge zwischen veränderten klimatischen Rahmenbedingung und einer Erhöhung von baumartenspezifischem letalem Trockenstress (verändert nach Allen et al. 2010).

Es handelt sich also bei diesem Trockenstress nicht um Trockenstress der zu Wachstumseinbußen führt oder die Ausbeitung von biologischen Schaderregern begünstigt. Diese beide Arten von Trockenstress werden im Modellansatz über die klimatische Wasserbilanz (Waldwachstum) und den Bodenfeuchteindex (biologische Schaderreger) modelliert. Mit dem letalem Trockenstress werden forstliche Schäden beschrieben, die direkt duch klimatische Extreme verursacht werden (vgl. Abbildung 3).

Abbildung 3: Schematische Darstellung der Einflüsse von klimatischen Extremen auf direkte forstliche Schäden durch Trockenheit (verändert nach Schlyter et al. 2006).

Submodelle:

-

Adams, H. D., M. Guardiola-Claramonte, G. A. Barron-Gafford, J. C. Villegas, D. D. Breshears, C. B. Zou, P. A. Troch & T. E. Huxman (2009): Temperature sensitivity of drought-induced tree mortality portends increased regional die-off under global-change-type drought. PANS, 106, (17): 7063-7066.

Ahrends, B., O. Panferov, T. Czajkowski, C. Döring, M. Jansen & A. Bolte (2009): Bundesweiter standortsbezogener Modellierungsansatz zur Abschätzung von Trockenstress ausgewählter Baumarten unter den Klimaszenarien A1B und B1 im DSS Wald und Klima. Berichte Freiburger Forstliche Forschung, 82, 161-179.

Allen, C. D., A. K. Macalady, H. Chenchouni, D. Bachelet, N. Mcdowell, M. Vennetier, T. Kritzberger, A. Rigling, D. D. Breshears, E. H. Hogg, P. Gonzalez, R. Fensham, Z. Zhang, J. Castro, J. Demidova, J.-H. Lim, G. Allard, S. W. Running, A. Semerci & N. Cobb (2010): A global overview of drought and head induced tree mortality reveals merging climate change risks for forests. Forest Ecology and Management, 259, 660-684.

Allen, C. D. & D. D. Breshears (1998): Drought-induced shift of a forest-woodland ecotone: Rapid landscape response to climate variation. Proc. Natl. Acd. Sci. USA, 95, 14839-14842.

Czajkowski, T., B. Ahrends & A. Bolte (2009): Critical limits of soil water availability (CL-SWA) in forest trees - an approach based on plant water status. vTI agriculture and forest research, 59, (2): 87-93.

Franklin, J. F., H. H. Shugart & M. E. Harmon (1987): Tree death as an ecological process. BioScience, 37, 550-556.

Martinez-Vilalta, J., A. Sala & J. Pinol (2004): The hydraulic architecture of Pinaceae - a review. Plant Ecology, 171, 3-13.

Moorcroft, P. R., G. C. Hurtt & S. W. Pacela (2001): A method for scaling vegetation dynamics: The ecosystem demography model (ED). Ecol. Monogr., 71, 557-585.

Schlyter, P., I. Stjernquist, L. Bärring, A. M. Jönsson & C. Nilsson (2006): Assessment of the impacts of climate change and weather extremes on boreal forests in northern Europe, focusing on Norway spruce. Climate Res., 31, 75-84.

Vivin, P., G. Aussenac & G. Levy (1993): Differences in drought resistance among 3 deciduous oak species grown in large boxes. Ann. Sci. For, 50, 221-233.