BayForDemo (deutsch)

Laufzeit: 2018-2023. Das Projekt wird im Rahmen eine Juniorforschungsgruppe durch das Bayerische Netzwerk für Klimaforschung (bayklif) gefördert

Anpassungsstrategien an den Klimawandel für bayerische Wälder basierend auf der Simulation demografischer Prozesse

Waldökosysteme sind ein zentraler Bestandteil der bayerischen Landschaft und verdienen mit ihren vielfältigen Funktionen und Ökosystemdienstleistungen unsere Wertschätzung und besonderen Schutz. Aufgrund der langen Lebensdauer von Bäumen können sich Wälder jedoch deutlich langsamer an neue Umweltbedingungen anpassen als dynamischere Ökosysteme. Aus diesem Grund stehen Wälder in Zeiten globaler Klimaveränderungen unter erhöhtem Druck. Für eine bessere Abschätzung der langfristigen Entwicklung von Produktivität, Kohlenstoffspeicherung und Artenzusammensetzung der bayerischen Wälder werden daher robuste Vorhersageinstrumente benötigt.

Hier setzt das Projekt BayForDemo an: Zur Prognose der Waldentwicklung wird eine empirisch parametrisierte Simulationsumgebung entwickelt, die Wachstum, Mortalität und Verjüngung der Bäume in Abhängigkeit von klimatischen Einflüssen und biotischen Interaktionen beschreibt. Für die Kalibration dieses demografischen Simulators werden Informationen aus verschiedenen forstlichen Datenquellen mithilfe Bayes’scher Methoden kombiniert. Auf diese Weise können auch Prozesse kalibriert werden, für die nur wenige Daten zur Verfügung stehen, wie beispielsweise die Waldverjüngung. Insgesamt wird so ein besseres Verständnis der demografischen Diversität europäischer Baumarten, der Variabilität innerhalb einer Art sowie des Einflusses von Umweltfaktoren ermöglicht.

InverseModellingCycle_BayForDemo_DE_referenz

Aufgrund der stark datengetriebenen Vorhersage der Walddynamik können die Simulationsergebnisse die forstliche Planung beim Ausweisen von Risikobeständen, der Baumartenwahl und der Ableitung von Wuchspotentialen unterstützen. Zudem ist es möglich, besonders unsichere Teilprozesse, Baumarten oder Regionen zu identifizieren und deren Monitoring gezielt auszubauen. Die auf diese Art neu gewonnenen Datensätze können durch flexible Optionen der Rekalibrierung in das bestehende Framework integriert werden, um die Simulationsumgebung laufend weiterzuentwickeln. Das Projekt BayForDemo trägt damit zur angepassten Bewirtschaftung bayerischer Wälder bei, um Nutz- und Schutzfunktionen auch in Zukunft bestmöglich zu erhalten.

Projektteam

Kooperationspartner

  • Georges Kunstler, irstea
  • Sophia Ratcliffe, FunDivEUROPE
  • Christian Zang, bayklif Nachwuchsforschungsgruppe HyBBEx, Technische Universität Munich
  • Anja Rammig, bayklif Verbundprojekt BLIZ, Technische Universität Munich

Externe Links

  • Bayerische Netzwerk für Klimaforschung bayklif
  • Nachwuchsforschungsgruppe BayForDemo auf der bayklif-Seite