Newsletter
ABO
Zeitschriften
Service

Prädiktoren des Nitrataustrags aus Wäldern – Ergebnisse der bayerischen Nitratinventur im mitteleuropäischen Vergleich

Quelle: Forstarchiv 78: 5, 139-149 (2007)
Autor(en): Mellert K H, Gensior A, Göttlein A, Kölling C

Kurzfassung: Bei der bayerischen Nitratinventur wurden an 399 BZE-Punkten Waldbodenproben bei entsprechender Solumentwicklung in bis zu 3 Tiefenstufen gewonnen. Die unterste Tiefenstufe wurde als Referenz für die Nitratkonzentration unterhalb des Hauptwurzelraumes herangezogen, wobei die Konzentrationen für eine bessere Vergleichbarkeit auf Feldkapazität normiert wurden. Zudem wurden mithilfe modellierter Sickerwasser-spenden die Austräge an Nitrat-N berechnet. In Regressionsmodellen wurden die Nitratkonzentrationen und die Austragsfrachten als Zielgröße erklärt. Hierbei wurden unter 35 potenziellen Prädiktoren die wesentlichen Einflussgrößen des Nitrataustragsrisikos selektiert und die relative Bedeutung der einzelnen Faktoren bestimmt. Es zeigte sich, dass die drei wichtigsten Vorhersageparameter v. a. die natürliche Prädisposition für Nitratausträge widerspiegeln. Der Substrat- (Rang 1) und der Bestandstyp (Rang 2) erwiesen sich als die entscheidenden Prädiktoren des Nitrataustragsrisikos unter Wald in Bayern. Die Niederschlagshöhe ist sowohl bei den Nitratkonzentrationen als auch bei den Frachten von entscheidender Bedeutung (Rang 3). Der Waldanteil als Depositionsindikator tritt in den Regressionsmodellen erst an 4. Stelle in Erscheinung. Ein erheblicher Anteil der Varianz bleibt durch die Modelle allerdings unerklärt. Neben der nur sehr weichen Indikation der N-Depositionen durch den Waldanteil beruht die Unsicherheit der Modelle vermutlich v. a. auf den großen Schwierigkeiten bei der Vorhersage der N-Retention von Waldböden, weil hierfür umfassende Indikatoren fehlen. Trotz der schwierigen Prognose lassen sich aus den Ergebnissen eindeutige Hinweise für eine standortsspezifische Bewirtschaftung der Wäl-der unter chronisch erhöhten N-Einträgen ableiten. Die Ergebnisse werden mit anderen europäischen Nitratinventuren verglichen und in den aktuellen Kenntnisstand eingeordnet. Die Eignung der multiplen Regression als Vorhersageinstrument für derart weiche Daten wird diskutiert.


Predictors of nitrate leaching in forests – Results of the Bavarian nitrate inventory in a Central European comparison

Abstract: A nitrate inventory was conducted at 399 grid points of the level-I monitoring network in Bavaria. Dependent on the depth of the soil profile up to 3 vertical subsamples were taken. The undermost sample served as a reference for the nitrate concentration below the main rooting zone. To improve the comparability of the different samples, nitrate concentrations were standardised to field capacity. Additionally, NO3-N output loads were estimated by multiplying nitrate concentration with modelled seepage fluxes. Both nitrate concentrations and modelled nitrate fluxes were used as target variables in regression models. Among 35 potential predictors the main factors were identified by variable selection and their relative importance was determined. It was shown that the three most important predictors are particularly factors related to the natural predisposition of nitrate leaching. The most important predictors are the site (1st rank) and stand type (2nd). Precipitation (3rd) also had a strong influence on nitrate concentrations and fluxes. The forest coverage as indicator for the nitrogen deposition level appears only at fourth rank in the regression models. However, a large part of the total variance remained unexplained by the models. This is probably due to the week prediction of nitrogen deposition by the forest coverage and the fact that a good predictor for nitrogen retention in soils is missing. In spite of the fact that the precision of the models were weak, explicit site specific measures for the management of N stressed forests could be derived. The outcome of our study is compared with the results of other investigations in Central Europe and related to the present state of knowledge. The applicability of multiple regression as a tool for prediction of data involving weak predictors is discussed.

© DLV München

 

Auch interessant

von