Succession of semi-natural grasslands : spatially-explicit, mechanistic simulation considering various forms of land use

Siehoff, Silvana; Ratte, Hans Toni

doi:urn:nbn:de:hbz:82-opus-38536

Succession of semi-natural grasslands : spatially-explicit, mechanistic simulation considering various forms of land use = Sukzession von Grünlandgesellschaften : räumliche, mechanistische Modellierung des Einflusses der Landnutzung

Siehoff, Silvana

2011

Verantwortlichkeitsangabevorgelegt von Silvana Siehoff

ImpressumAachen : Publikationsserver der RWTH Aachen University 2011

UmfangXIII, 153 S. : Ill., graph. Darst., Kt.

Aachen, Techn. Hochsch., Diss., 2011

Zsfassung in dt. und engl. Sprache

Genehmigende Fakultät
Fak01

Hauptberichter/Gutachter
Ratte, Hans Toni (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2011-11-21

Online
URN: urn:nbn:de:hbz:82-opus-38536
URL: https://publications.rwth-aachen.de/record/62959/files/3853.pdf

Einrichtungen

Inhaltliche Beschreibung (Schlagwörter)
Vegetationsentwicklung (Genormte SW) ; Sukzession (Genormte SW) ; Grünland (Genormte SW) ; Grünlandnutzung (Genormte SW) ; Dynamische Modellierung (Genormte SW) ; Modellierung (Genormte SW) ; Landnutzung (Genormte SW) ; Geoinformationssystem (Genormte SW) ; Biowissenschaften, Biologie (frei) ; grassland (frei) ; succession (frei) ; ecological modelling (frei) ; spatially explicit (frei) ; land use (frei)

Thematische Einordnung (Klassifikation)
DDC: 570

Kurzfassung
Der zunehmende Verlust an Biodiversität erregt weltweit immer größere Besorgnis. Die Form der Landnutzung spielt für den Erhalt und die Pflege von Extensivgrünland, das in Mitteleuropa zu den artenreichsten Biotoptypen gehört, eine wesentliche Rolle – Intensivierung oder Nutzungsaufgabe führen häufig zu hohen Artenverlusten. Auf der Dreiborner Hochfläche, im Zentrum des Nationalparks Eifel, erstrecken sich große ehemals extensiv genutzte Grünlandflächen auf dem Gelände des ehemaligen Truppenübungsplatzes Vogelsang. Als Entscheidungshilfesystem für das zukünftige Management dieser Flächen wurde das GraS-Modell (Grasland Sukzessions Modell) entwickelt, welches die dynamische Entwicklung von Grünlandflächen in Abhängigkeit von verschiedenen Landnutzungsformen mechanistisch simuliert. Das GraS-Modell ist nach einem „Multimodeling“-Ansatz aufgebaut, bei dem verschiedene Modellierungstechniken miteinander verknüpft werden, um die Interaktion auf verschiedenen Skalenebenen von Pflanzen der Baum/Strauch- und Krautschicht in der Landschaft zu berücksichtigen. Die Gräser und Kräuter werden im Modell als Kompartimente behandelt und die Abundanz einer Pflanze bzw. Pflanzengruppe wird als Flächenbedeckung ausgedrückt. Das vegetative Wachstum der Stellvertreterarten sowie der funktionellen Pflanzengruppen wird mit Hilfe von Differenzengleichungen modelliert und in Abhängigkeit von Briemles Nutzungswertzahlen zu Mahd, Weide und Tritt modifiziert. Die Konkurrenzkraft der Arten ergibt sich hierbei aus dem Verhältnis des jeweiligen potentiellen Wachstums zueinander. An einem umfassenden pflanzensoziologischen Datensatz der Dreiborner Hochfläche wurden die Parameter für die Berechnung des Wachstums kalibriert. Gehölze werden im Gegensatz zu den Gräsern und Kräutern individuenbasiert modelliert. Jedes Individuum keimt, wächst, produziert Samen und altert, wobei die Ausbreitung und Etablierung der Gehölze durch die Hemmung des Grasfilzes, durch Wildschweine (Sus scrofa) und durch Herbivorie beeinflusst werden. Das GraS-Modell entnimmt die räumliche Verteilung von Vegetationstypen einer realen Landschaft zu einem definierten IST-Zustand aus GIS-Karten, wobei die Pflanzen in eine räumlich explizite Landschaft aus 10 m x 10 m großen Rasterzellen eingebettet werden. Hierdurch wird die zu modellierende Landschaft als ein kleinräumiges Mosaik abgebildet und die für den Sukzessionsablauf entscheidenden Nachbarschaftsbeziehungen können explizit berücksichtigt werden. Die musterbasierte („pattern oriented“) Evaluierung des Modells hat gezeigt, dass die Simulationsergebnisse sowohl mit der Literatur, als auch mit Experten-erfahrungen und Beobachtungen auf der Dreiborner Hochfläche räumlich und zeitlich übereinstimmen. Nach der erfolgreichen Evaluierung des Modelles wurden die Auswirkungen von verschiedenen Managementmaßnahmen auf die Vegetationsentwicklung der Dreiborner Hochfläche für einen Zeitraum von bis zu 100 Jahren prognostiziert. Das Modell lieferte unter Berücksichtigung von Nachbarschaftsbeziehungen klare und kleinräumlich hochaufgelöste Entwicklungsszenarien, die in dieser Deutlichkeit ohne Modell nicht annähernd darstellbar wären. So würde z.B. die Waldentwicklung auf der Dreiborner Hochfläche, abgesehen von Mahd, am stärksten durch eine Nutzungsaufgabe in Kombination mit dem Einfluss der aktuell hohen Rothirschdichte verlangsamt, wohingegen eine Beweidung durch Wisente die Entwicklung eines vielfältigen Landschaftsmosaiks aus Grünland, Gebüschen und Baumgruppen förderte. Aufgrund der hohen Modellkomplexität überstieg eine Simulation der Dreiborner Hochfläche mit ca. 1,500 ha zunächst die Arbeitsspeicherkapazität eines Arbeitsplatzrechners, sodass die Fläche in Teilstücken simuliert wurde. Diese Einschränkung konnte jedoch durch eine Parallelisierung des Modells aufgehoben werden, die es ermöglichte, das Modell auf einem Clusterrechner laufen zu lassen. Dadurch gestaltet sich die Anwendung des Modells auf solch große Landschaften deutlich praktikabler und außerdem nimmt die ökologische Genauigkeit der Prognosen zu. Die Nutzung des GraS-Modells als Entscheidungshilfesystem bietet vielfältige Vorteile: Die hochaufgelöste, räumlich explizite und in Rasterkarten dargestellte Prognose der Vegetationsentwicklung stellt eine solide Grundlage für Diskussionen und die Entscheidungsfindung für Managementstrategien dar und erleichtert darüber hinaus eine spätere Effektivitäts- und Effizienzkontrolle der beschlossenen Maßnahmen. Außerdem integriert das Modell das Wissen verschiedener Disziplinen und unterstützt die Kommunikation zwischen Wissenschaftlern und Anwendern. Der modulare Aufbau ermöglicht es zudem, das Modell fortwährend dem aktuellen Stand des Wissens anzupassen. So können zukünftig weitere Umweltfaktoren (z.B. Feuchte, Nährstoffe, Licht) integriert oder andere dynamische Modelle (z.B. zu Waldsukzession, Nährstoffkreisläufen, Klimawandel oder der räumlichen Verteilung der Herbivore) in das Modell eingebunden werden.

Degradation of natural and semi-natural landscapes has become a matter of global concern including for habitats in Western and Central Europe. For maintenance and restoration of grasslands belonging to the most species-rich biotopes in Central Europe, elaborate manage-ment is crucial. The Eifel National Park contains vast areas of semi-natural grasslands on the plateau Dreiborner Hochfläche in the area of the former military training site Vogelsang. To support decision-making for the management of this area, we built the GraS-Model (Grassland Succession Model), which mechanistically simulates the dynamics of grassland vegetation depending on the form of land use. When dealing with a complex landscape, entities acting at different scales have to be considered. While trees can be distinguished as single individuals, grasses and herbs are rather perceived as the sum of plants building up a certain cover. To cope with these unequal plant types, the GraS-Model is set up using a multimodeling approach. Representative species and plant functional groups of the herbaceous layer are modeled as compartments; their abundance is expressed as cover and only vegetative spread is considered. Difference equations are used to simulate their growth, which is adjusted using Briemle’s utilization numbers for cutting, grazing and trampling. Competitive power arises from the growth rate of each species in relation to that of the others. Herbaceous species growth was calibrated based on an extensive community data set of the study site. Trees, in contrast, are modeled using an individual-based approach. Each individual tree germinates, grows, disperses seeds, and ages in a spatially-explicit environment. As factors determining wood encroachment, inhibition by the grasslayer, interference of wild boar (Sus scrofa) and of ungulate browsers is considered. The plants are embedded in a landscape that is simulated as a detailed grid (100 m² cells), which allows inserting spatially-explicit input data from a GIS (geographic information system) so that the model can be easily connected to data of an existing landscape. Due to this raster-based approach, neighborhood relationships can be accounted for and different management regimes can be applied to distinct areas of the landscape. Pattern-oriented model evaluation revealed that the model produces results that are in line with general literature and experiences of local experts, and emulates observed successional pathways on the Dreiborner Hochfläche on the spatial as well as the temporal scale. After successful evaluation, the GraS-Model was used to predict the landscape developments of the Dreiborner Hochfläche under different management regimes for up to 100 years. It provides a highly detailed, spatially explicit prognosis integrating the initial vegetation composition and resulting neighborhood interactions which would not have been possible without the model. Forest encroachment on the Dreiborner Hochfläche was most strongly delayed by non-interference with the given high abundance of red deer (apart from mowing), whereas grazing by bison promoted a diverse landscape mosaic. Due to its high complexity, the GraS-Model initially exceeded the available computer main memory of current workstations when applied to the modeled Dreiborner Hochfläche (ca. 1500 ha). The landscape had to be fragmented and modeled separately. Therefore, the model was parallelized so that it can be run on a cluster, improving practicability and enhancing the ecological accuracy of the simulation results. The benefits of using the GraS-Model as decision support system are multifaceted: It gives highly detailed spatially explicit prognoses providing a strong basis for decision support and facilitating effectiveness and efficiency control; also it combines knowledge of different disciplines and enhances communication between scientists and stakeholders. Due to its modular design, the model can be continuously updated by integrating latest scientific knowledge, which can then be easily communicated. In the future, light, nutrients or moisture as environmental factors could be added in. Furthermore, other raster-based dynamic models (e.g. models of forest succession, nitrogen cycling, climate change, or animal mmovement) could be coupled.

Fulltext:
PDF