Veränderungen des Transpirationsregimes im Klimawandel ... · Danksagung Ich danke Herrn Prof. Dr....

Institut für Hydrologie

Albert-Ludwigs Universität Freiburg i. Br.

Julia Zábori

Veränderungen des

Transpirationsregimes im Klimawandel:

Sensitivitätsanalyse und Vergleich von

SVAT-Schemata

Diplomarbeit unter der Leitung vonProf. Dr. Christian LeibundgutFreiburg i. Br., Februar 2008

Institut für Hydrologie

Albert-Ludwigs Universität Freiburg i. Br.

Julia Zábori

Veränderungen des

Transpirationsregimes im Klimawandel:

Sensitivitätsanalyse und Vergleich von

SVAT-Schemata

Referent: Prof. Dr. Ch. LeibundgutKoreferent: Dr. C. Külls

Diplomarbeit unter der Leitung vonProf. Dr. Ch. Leibundgut

Freiburg i. Br., Februar 2008

Danksagung

Ich danke Herrn Prof. Dr. Leibundgut für die Vergabe des Themas. Herrn Dr. Küllsmöchte ich recht herzlich für seine sehr gute und motivierende Betreuung danken.Herrn Dr. Grote danke ich für die wertvollen Hinweise für die Entscheidung der Mo-dellauswahl. Ein sehr groÿer Dank geht an Katja Moritz für ihre gute Vorarbeit undihre ständige Hilfsbereitschaft zur Beantwortung jeglicher Fragen bezüglich SWAT.Paul Göttlich und Veit Stadelbacher danke ich für ihre Tips zur Behebung techni-scher Schwierigkeiten mit SWAT. Dörte Carstens bin ich besonders dankbar für ihreGesellschaft beim vermeintlichen �Endspurt� und für ihre vielen Formatierungstips.Dominik Schlotter, Karolina Raczka und Nicola Bartholmé danke ich fürs Korrektur-lesen. René Capell danke ich ebenfalls für sein umfangreiches Korrekturlesen und seineUnterstützung zur Lösung sämtlicher Fragestellungen. Allen Mitdiplomanden im Di-plomandenraum danke ich sehr für ihre Hilfsbereitschaft und die Scha�ung einer sehrangenehmen Atmosphäre mit viel Ka�ee. Ganz herzlich danke ich meinen Eltern, diemir das Studium in dieser Art möglich machten.

Inhaltsverzeichnis i

Inhaltsverzeichnis

Inhaltsverzeichnis i

Abbildungsverzeichnis v

Tabellenverzeichnis viii

Summary xi

Zusammenfassung xiii

1 Einleitung 11.1 Problemstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2 Änderung des CO2-Gehalts der Atmosphäre � Zukunftsszenarien . . . . 11.3 Änderung anderer meteorologischer Gröÿen � Zukunftsszenarien . . . . 41.4 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2 Transpiration: Grundlagen & Konzepte 72.1 Einleitung und Allgemeines . . . . . . . . . . . . . . . . . . . . . . . . 7

2.1.1 Wasser-, Nährsto�- und Kohlensto��üsse . . . . . . . . . . . . . 72.1.2 Interaktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.2 Ein�uss der CO2-Konzentration . . . . . . . . . . . . . . . . . . . . . . 92.2.1 CO2-Konzentration und Klima . . . . . . . . . . . . . . . . . . . 92.2.2 CO2-Konzentration und Stomataleitfähigkeit . . . . . . . . . . . 122.2.3 CO2-Konzentration und Photosynthese . . . . . . . . . . . . . . 142.2.4 Blattleitfähigkeit und LAI mit ihren Auswirkungen auf die

Hydrologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162.2.4.1 Bodenwassergehalt und seine Auswirkungen . . . . . . 162.2.4.2 Ab�uss . . . . . . . . . . . . . . . . . . . . . . . . . . 17

2.3 Skalenproblematik der Evapotranspiration . . . . . . . . . . . . . . . . 182.3.1 Prozesse der Blatt- und lokalen Skala . . . . . . . . . . . . . . . 182.3.2 Regionale Skala . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

2.4 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

3 Methodenwahl 213.1 SVAT-Modelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213.2 Auswahlkriterien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213.3 Modellauswahl . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

ii Inhaltsverzeichnis

3.4 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

4 Berechnung der Verdunstung mit SWAT 254.1 Potentielle Evapotranspiration zur Berechnung der potentiellen Evapo-

ration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254.1.1 Der aerodynamische Widerstand . . . . . . . . . . . . . . . . . . 254.1.2 Der Bestandeswiderstand . . . . . . . . . . . . . . . . . . . . . . 274.1.3 Annahmen für die Referenzp�anze Luzerne . . . . . . . . . . . . 28

4.2 Potentielle Evaporation . . . . . . . . . . . . . . . . . . . . . . . . . . . 284.2.1 Interzeptionsverdunstung . . . . . . . . . . . . . . . . . . . . . . 284.2.2 Berücksichtigung der Vegetationsbedeckung . . . . . . . . . . . 294.2.3 Berücksichtigung des Vegetationswasserverbrauchs . . . . . . . . 294.2.4 Sublimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

4.3 Aktuelle Bodenevaporation . . . . . . . . . . . . . . . . . . . . . . . . . 304.4 Potentielle Transpiration . . . . . . . . . . . . . . . . . . . . . . . . . . 314.5 Potentielle Wasseraufnahme durch die Vegetation . . . . . . . . . . . . 314.6 Aktuelle Transpiration . . . . . . . . . . . . . . . . . . . . . . . . . . . 324.7 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

5 Berechnung des P�anzenwachstums mit SWAT 355.1 Potentielles P�anzenwachstum . . . . . . . . . . . . . . . . . . . . . . . 35

5.1.1 Bestimmung der Biomasseproduktion . . . . . . . . . . . . . . . 355.1.2 Bestimmung der Bestandesbedeckung und der Bestandeshöhe . 365.1.3 Bestimmung der Wurzelentwicklung . . . . . . . . . . . . . . . . 37

5.2 Aktuelles P�anzenwachstum . . . . . . . . . . . . . . . . . . . . . . . . 385.3 Wassermangel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385.4 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

6 Untersuchungsgebiet 416.1 Naturräumliche Lage, Topographie und Messnetz . . . . . . . . . . . . 416.2 Klima und Hydrologie . . . . . . . . . . . . . . . . . . . . . . . . . . . 436.3 Geologie und Böden . . . . . . . . . . . . . . . . . . . . . . . . . . . . 456.4 Landnutzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 476.5 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

7 Modellaufbau 517.1 Hydrological Response Units . . . . . . . . . . . . . . . . . . . . . . . . 517.2 Landnutzung � Parametrisierung . . . . . . . . . . . . . . . . . . . . . 52

7.2.1 Grünland . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 537.2.2 Nadelwald . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 547.2.3 Laubwald . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 557.2.4 Mischwald . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

7.3 Management � Parametrisierung . . . . . . . . . . . . . . . . . . . . . . 557.3.1 Parametrisierung der Managementdatei . . . . . . . . . . . . . . 557.3.2 Mahd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

7.4 Höhenbänder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

Inhaltsverzeichnis iii

7.5 Eingangsdaten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 587.6 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

8 Modellanwendung 658.1 Kalibrierung und Validierung . . . . . . . . . . . . . . . . . . . . . . . 65

8.1.1 Wahl des Kalibrier- und Validierzeitraumes . . . . . . . . . . . . 658.1.2 Bewertung der Kalibrierung und Validierung . . . . . . . . . . . 66

8.2 Wasserbilanz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 708.3 Erstellung der Zeitreihen für die Untersuchungsperiode 2021-2050 . . . 708.4 Untersuchungsschwerpunkte . . . . . . . . . . . . . . . . . . . . . . . . 708.5 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71

9 Ergebnisse 739.1 Allgemeine Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

9.1.1 Interpretation allgemeiner Ergebnisse � Vergleich desIst-Zustands mit dem Klimaszenario ohne CO2-Änderung . . . . 76

9.1.2 Interpretation allgemeiner Ergebnisse �Vergleich beider Klimaszenarien . . . . . . . . . . . . . . . . . . 79

9.2 Ergebnisse unterschiedlicher Landnutzungen . . . . . . . . . . . . . . . 819.2.1 Unterschiede im Ist-Zustand � Landnutzung . . . . . . . . . . . 819.2.2 Interpretation verschiedener Landnutzungen � Ist-Zustand . . . 859.2.3 Unterschiede der Klimaszenarien zum Ist-Zustand �

Landnutzung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 859.2.4 Sensitivitätsanalyse verschiedener Landnutzungen �

Vergleich Ist-Zustand und Klimaszenario ohne CO2-Änderung . 949.2.5 Sensitivitätsanalyse verschiedener Landnutzungen �

Vergleich beider Klimaszenarien . . . . . . . . . . . . . . . . . . 969.3 Ergebnisse unterschiedlicher Bodentypen . . . . . . . . . . . . . . . . . 97

9.3.1 Unterschiede im Ist-Zustand � Böden . . . . . . . . . . . . . . . 979.3.2 Interpretation verschiedener Bodentypen � Ist-Zustand . . . . . 1009.3.3 Unterschiede der Klimaszenarien zum Ist-Zustand � Böden . . . 1019.3.4 Sensitivitätsanalyse verschiedener Bodentypen �

Vergleich Ist-Zustand und Klimaszenario ohne CO2-Änderung . 1099.3.5 Sensitivitätsanalyse verschiedener Bodentypen �

Vergleich beider Klimaszenarien . . . . . . . . . . . . . . . . . . 1099.4 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109

10 Diskussion 11310.1 Unsicherheit der Eingangsdaten . . . . . . . . . . . . . . . . . . . . . . 113

10.1.1 Ist-Zustand . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11310.1.2 Zukunftsszenarien . . . . . . . . . . . . . . . . . . . . . . . . . . 114

10.2 Parameterunsicherheit . . . . . . . . . . . . . . . . . . . . . . . . . . . 11410.3 Modellunsicherheit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11410.4 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115

A Symbol- und Abkürzungsverzeichnis 117

iv Inhaltsverzeichnis

B Appendix 123

Literaturverzeichnis 149

Abbildungsverzeichnis v

Abbildungsverzeichnis

1.2.1 Szenarien der CO2-Emissionen . . . . . . . . . . . . . . . . . . . . . . 21.2.2 Szenarien der CO2-Konzentration mit dem Bern-CC-Modell berechnet 21.2.3 Szenarien der CO2-Konzentration mit dem ISAM-Modell berechnet . 3

2.1.1 Physiologische Faktoren und Umweltfaktoren, die die Transpirationbeein�ussen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2.2.1 Direkte und indirekte Beein�ussung der Vegetation durch CO2 . . . . 102.2.2 Vereinfachte Energiebilanz eines Blattes . . . . . . . . . . . . . . . . . 102.2.3 Klima-Vegetation-Feedbacks . . . . . . . . . . . . . . . . . . . . . . . 132.2.4 Sensitivitäten der Stomataleitfähigkeit auf erhöhte CO2-Werte . . . . 14

4.0.1 Schematische Darstellung der Verdunstungsberechnung mit SWAT . . 26

6.1.1 Räumlich aufgelöste Gefälleverteilung im Untersuchungsgebiet . . . . 426.1.2 Höhenverteilung im Untersuchungsgebiet . . . . . . . . . . . . . . . . 436.2.1 Niederschlagsregime im St. Wilhelmer Talbach Einzugsgebiet . . . . . 446.2.2 Ab�ussregime am Pegel St. Wilhelmer Talbach . . . . . . . . . . . . . 456.3.1 Geologie im Untersuchungsgebiet . . . . . . . . . . . . . . . . . . . . 466.3.2 Bodentypen im Untersuchungsgebiet . . . . . . . . . . . . . . . . . . 476.4.1 Landnutzung im Untersuchungsgebiet . . . . . . . . . . . . . . . . . . 48

7.5.1 Vergleich der an der Station �Katzensteig� gemessenen und durch SWATsimulierten Niederschlagsmengen . . . . . . . . . . . . . . . . . . . . . 59

7.5.2 Simulierter Ab�uss als Reaktion des simulierten Niederschlags . . . . 607.5.3 Simulierter Ab�uss resultierend aus Verwendung der Niederschlagssta-

tion �St.Wilhelm�. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 617.5.4 Simulierter Ab�uss resultierend aus Verwendung der Niederschlagssta-

tion �Feldberg�. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

8.1.1 Kalibrierzeitraum und dazwischenliegende, für die Kalibrierung nichtberücksichtigte, Monate. . . . . . . . . . . . . . . . . . . . . . . . . . 65

8.1.2 Gemessene und simulierte Ab�üsse für die Kalibrierperiode Sommer/Herbst 2003, 2004, 2005 und 2006 . . . . . . . . . . . . . . . . . . . . 67

8.1.3 Gemessene und simulierte Ab�üsse für die Validierungsperiode Som-mer/Herbst 1999, 2000, 2001 und 2002. . . . . . . . . . . . . . . . . . 68

9.1.1 Mittlere monatliche Ab�üsse und Niederschlagssummen des Ist-Zustan-des und der Klimaszenarien . . . . . . . . . . . . . . . . . . . . . . . 73

vi Abbildungsverzeichnis

9.1.2 Gemessener Ab�uss für den Zeitraum 1972-2000 . . . . . . . . . . . . 749.1.3 Potentielles und aktuelles Evapotranspirationsregime �

Ist-Zustand und Klimaszenarien . . . . . . . . . . . . . . . . . . . . . 759.1.4 Bodenwassergehaltsregime und aktuelles Evapotranspirationsregime �

Ist-Zustand und Klimaszenarien . . . . . . . . . . . . . . . . . . . . . 769.2.1 Ab�üsse im Ist-Zustand �

Laubwald, Nadelwald und Grünland . . . . . . . . . . . . . . . . . . . 819.2.2 Aktuelle Evapotranspiration im Ist-Zustand �

Laubwald, Nadelwald und Grünland . . . . . . . . . . . . . . . . . . . 829.2.3 Reevaporation im Ist-Zustand �

Laubwald, Nadelwald und Grünland . . . . . . . . . . . . . . . . . . . 839.2.4 Bodenwassergehalt im Ist-Zustand �

Laubwald, Nadelwald und Grünland . . . . . . . . . . . . . . . . . . . 839.2.5 Bodenwassergehaltsdi�erenz im Ist-Zustand �

Laubwald, Nadelwald und Grünland . . . . . . . . . . . . . . . . . . . 849.2.6 Ab�üsse des Ist-Zustands und der Klimaszenarien �

Laubwald, Nadelwald und Grünland . . . . . . . . . . . . . . . . . . 869.2.7 Potentielle Evapotranspiration des Ist-Zustands und der Klimaszena-

rien � Laubwald, Nadelwald und Grünland . . . . . . . . . . . . . . . 889.2.8 Aktuelle Evapotranspiration des Ist-Zustands und der Klimaszenarien

� Laubwald, Nadelwald und Grünland . . . . . . . . . . . . . . . . . . 899.2.9 Endbodenwassergehalte des Ist-Zustands und der Klimaszenarien �

Laubwald, Nadelwald und Grünland . . . . . . . . . . . . . . . . . . . 909.2.10 Bodenwassergehaltsdi�erenzen des Ist-Zustands und der Klimaszena-

rien � Laubwald, Nadelwald und Grünland . . . . . . . . . . . . . . . 929.2.11 Reevaporationen des Ist-Zustands und der Klimaszenarien �

Laubwald, Nadelwald und Grünland . . . . . . . . . . . . . . . . . . . 939.2.12 Wasserstress des Ist-Zustands und der Klimaszenarien �

Laubwald, Nadelwald und Grünland . . . . . . . . . . . . . . . . . . . 959.3.1 Ab�üsse im Ist-Zustand �

Braunerde und Regosol-Braunerde-Ranker . . . . . . . . . . . . . . . 979.3.2 Aktuelle Evapotranspiration im Ist-Zustand �

Braunerde und Regosol-Braunerde-Ranker . . . . . . . . . . . . . . . 989.3.3 Reevaporation im Ist-Zustand �

Braunerde und Regosol-Braunerde-Ranker . . . . . . . . . . . . . . . 999.3.4 Bodenwassergehalt im Ist-Zustand �

Braunerde und Regosol-Braunerde-Ranker . . . . . . . . . . . . . . . 999.3.5 Bodenwassergehaltsdi�erenz im Ist-Zustand �

Braunerde und Regosol-Braunerde-Ranker . . . . . . . . . . . . . . . 1009.3.6 Ab�üsse des Ist-Zustands und der Klimaszenarien �

Braunerde und Regosol-Braunerde-Ranker . . . . . . . . . . . . . . . 1029.3.7 Potentielle Evapotranspiration des Ist-Zustands und der Klimaszena-

rien � Braunerde und Regosol-Braunerde-Ranker . . . . . . . . . . . . 1039.3.8 Aktuelle Evapotranspiration des Ist-Zustands und der Klimaszenarien

� Braunerde und Regosol-Braunerde-Ranker . . . . . . . . . . . . . . 104

Abbildungsverzeichnis vii

9.3.9 Endbodenwassergehalte des Ist-Zustands und der Klimaszenarien �Braunerde und Regosol-Braunerde-Ranker . . . . . . . . . . . . . . . 105

9.3.10 Bodenwassergehaltsdi�erenzen des Ist-Zustands und der Klimaszena-rien � Braunerde und Regosol-Braunerde-Ranker . . . . . . . . . . . . 106

9.3.11 Reevaporationen des Ist-Zustands und der Klimaszenarien �Braunerde und Regosol-Braunerde-Ranker . . . . . . . . . . . . . . . 107

9.3.12 Wasserstress des Ist-Zustands und der Klimaszenarien �Braunerde und Regosol-Braunerde-Ranker . . . . . . . . . . . . . . . 108

viii Tabellenverzeichnis

Tabellenverzeichnis

1.2.1 Referenz-Szenario B2 . . . . . . . . . . . . . . . . . . . . . . . . . . . 41.3.1 Änderung der Lufttemperatur � Zukunftsszenarien . . . . . . . . . . . 41.3.2 KLIWA-Szenarien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

3.2.1 Kriterien der Modellauswahl. . . . . . . . . . . . . . . . . . . . . . . . 22

6.1.1 Flächenanteile an Höhenstufen im St. Wilhelmer Talbach EZG . . . . 416.1.2 Gefälleverteilung im St. Wilhelmer Talbach EZG . . . . . . . . . . . . 426.1.3 Niederschlagsstationen im Untersuchungsgebiet . . . . . . . . . . . . . 436.3.1 Erläuterung der Abkürzungen der Bodentypen . . . . . . . . . . . . . 466.3.2 Flächengröÿen und Anteile der verschiedenen Bodentypen . . . . . . . 476.4.1 Flächengröÿen und Anteile der verschiedenen Landnutzungsarten . . . 48

7.1.1 HRUs im St. Wilhelmer Talbach EZG . . . . . . . . . . . . . . . . . . 527.1.2 Angenommene Bearbeitungen der einzelnen Landnutzungen. . . . . . 527.2.1 Vergleich und Zuordnung der Landnutzungsarten. . . . . . . . . . . . 537.2.2 Veränderte Vegetationsparameter und deren Bedeutung . . . . . . . . 547.2.3 Veränderte Parameterwerte für Grünland. . . . . . . . . . . . . . . . 547.2.4 Veränderte Parameterwerte für Nadelwald. . . . . . . . . . . . . . . . 557.2.5 Veränderte Parameterwerte für Laubwald. . . . . . . . . . . . . . . . 557.3.1 Zuordnung der Vegetationsparameterwerte in der Managementdatei. . 567.3.2 Vegetationsparameter in der Managementdatei und deren Bedeutung. 567.3.3 Angenommene Blattentfaltung und Reife. . . . . . . . . . . . . . . . . 567.4.1 Eigenschaften der berücksichtigten Höhenbänder. . . . . . . . . . . . 577.5.1 Datenlücken der Niederschlagsstation �Katzensteig� . . . . . . . . . . 58

8.1.1 Nash-Sutcli�e-Koe�zienten und Volumenabweichungen der Kalibrier-und Validierperioden . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

B.1 Modellvergleich . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124B.2 Beispiele für weitere SVAT/Ökosystemmodelle. . . . . . . . . . . . . . 136B.3 Berücksichtigte Vegetationsparameter in SWAT. . . . . . . . . . . . . 137B.4 Zeitreihenlängen und Datenlücken der Eingangsgröÿen . . . . . . . . . 140B.5 Kalibrierparameter. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141B.6 Abweichungen hydrologischer Gröÿen beim Vergleich

Klimaszenario � Ist-Zustand . . . . . . . . . . . . . . . . . . . . . . . 142B.7 Abweichungen hydrologischer Gröÿen beim Vergleich

beider Klimaszenarien . . . . . . . . . . . . . . . . . . . . . . . . . . 143

Tabellenverzeichnis ix

B.8 Sensitivitäten der Landnutzungen bei VergleichKlimaszenario � Ist-Zustand . . . . . . . . . . . . . . . . . . . . . . . 144

B.9 Sensitivitäten der Landnutzungen bei Vergleichbeider Klimaszenarien . . . . . . . . . . . . . . . . . . . . . . . . . . 145

B.10 Sensitivitäten der Bodentypen bei VergleichKlimaszenario � Ist-Zustand . . . . . . . . . . . . . . . . . . . . . . . 146

B.11 Sensitivitäten der Bodentypen bei Vergleichbeider Klimaszenarien . . . . . . . . . . . . . . . . . . . . . . . . . . 147

x Tabellenverzeichnis

xi

Summary

The purpose of this thesis is to analyse the impact of climate change on the hydrology ofa basin in Baden-Württemberg with a focus on changes in atmospheric CO2 concentra-tions. For this, forecasts of the "Klimaveränderung und Konsequenzen für die Wasser-wirtschaft"project (KLIWA) and Ïntergovernmental Panel on Climate Change"(IPCC)are used.Sixteen SVAT-models were compared and evaluated in regard to how they representthe coherence of soil-vegetation-atmosphere, in regard to their availability, to data andparameter requirements and to their documentation and complexity.At last the Soil & Water Assessment Tool (SWAT) was chosen to simulate the feed-backs between the vegetation and meteorologic conditions in the St. Wilhelmer Talbachbasin. It was analysed how the feedbacks were integrated in the computations of eva-potranspiration and plant growth with SWAT.Landuse data of the area was modi�ed and parameters of the SWAT plant databasewere substituted.The calibration and validation of the model was day based and covered respectivelyfour summers and autumns. The results of a status quo simulation were compared toscenarios with and without changes in the CO2 concentration to investigate if therewere impacts of CO2 on the physiology of vegetation and the hydrologic conditions.Neither runo� nor potential and actual evapotranspiration nor the soil water contentshowed signi�cant changes. In a next step the sensitivities of di�erent landuses toclimate change (coniferious forests, deciduous forests, grassland) and soils (developedon crystalline rocks and developed on run-of-hill scree) were determined. In regard toruno�, -coniferous forests reacted less sensitive than deciduous forests and grassland.Regarding actual evapotranspiration grassland reacted the least sensitive (not in allmonths).Di�erences of sensitivities were recognized between the soils regarding runo� in twomonths. The soils developed on crystalline rocks showed a higher sensitivity. Regar-ding evapotranspiration, the sensitivities changed or did not exist.The uncertainty of the simulated meteorological data (climate change scenarios) is toolarge for a reliable prediction regarding changes of the hydrological regimes. Neverthe-less is the conclusion valid, that there is no e�ect of CO2 concentration changes on thehydrology in this basin.

Keywords: SWAT; climate change; CO2; evapotranspiration; sensitivity analyses;St. Wilhelmer Talbach Einzugsgebiet

xii Summary

xiii

Zusammenfassung

In der vorliegenden Arbeit wurden die Auswirkungen der Klimaänderung und derCO2-Konzentrationserhöhung in der Atmoshpäre auf ein mesoskaliges Einzugsgebietin Baden-Württemberg untersucht. Die klimatischen Randbedingungen wurden demProjekt �Klimaveränderung und Konsequenzen für die Wasserwirtschaft� (KLIWA) so-wie dem Intergovernmental Panel on Climate Change (IPCC) entnommen.In einem Vergleich von sechzehn SVAT-Modellen wurde anhand eines Bewertungssche-mas, welches das Ausmaÿ an Zusammenhängen zwischen Boden-Vegetation-Atmosphä-re, Modell- und Source-Code-Verfügbarkeit, Prozessabbildung, Daten- und Parameter-bedarf, Komplexizität und Dokumentation der Modelle berücksichtigte, eine Modell-auswahl getro�en.Die Modellierung der lokalen Auswirkungen der Klimaänderung wurde mit dem hydro-logischen Modell Soil &Water Assessment Tool (SWAT) umgesetzt. Als Untersuchungs-gebiet diente das St. Wilhelmer Talbach Einzugsgebiet. Ein Schwerpunkt lag auf derModellierung der Vegetationsbedeckung und deren Rückkopplung mit den verändertenatmosphärischen Bedingungen. Vorbereitend wurde eine umfassende Literaturrecherchezum Stand der Forschung der Prozesse durchgeführt, die die Rückkopplungen zwischenklimatischen Randbedingungen und p�anzenphysiologischer Reaktion beschreiben.In einem weiteren Schritt wurde untersucht, inwieweit diese Prozesse in die Berechnungder potentiellen Evapotranspiration/aktuellen Evapotranspiration und bei der Berech-nung des P�anzenwachstums durch SWAT miteingehen.Eine Zusammenfassung der für das Gebiet ausgewiesenen Landnutzung wurde vorge-nommen undWerte der modellinternen Datenbank wurden teilweise durch recherchierteWerte ersetzt.Eine Kalibrierung und Validierung des Modells auf Tagesbasis wurde für die Sommer-und Herbstmonate von jeweils vier Jahren vorgenommen. Die Modellierung des Ist-Zustands (1971-2000) wurde mit den modellierten Zukunftsszenarien (2021-2050) mitund ohne CO2-Konzentrationsänderung auf Monatsbasis verglichen, um festzustellenob ein Ein�uss der CO2-Konzentration der Atmosphäre auf die Vegetation und die hy-drologischen Gröÿen besteht. Untersucht wurden die hydrologischen Gröÿen Ab�uss,potentielle und aktuelle Evapotranspiration sowie der Bodenwassergehalt. Es wurdenkeine signi�kanten Unterschiede festgestellt.Sensitivitätsanalysen für die Landnutzungen Laubwald, Nadelwald und Grünland undfür die Bodentypen Braunerde (entstanden auf Flieÿerden, Geschiebelehm und Schutt-decken) und Braunerde-Regosol-Ranker (entstanden auf Hangschutt und Kristallinge-stein) wurden durchgeführt. In Bezug auf den Ab�uss reagierte die Landnutzung Na-delwald am wenigsten sensitiv. In Bezug auf die aktuelle Evapotranspiration war diesGrünland (nicht auf alle Monate bezogen). Sensitivitätsunterschiede traten bei denBodentypen in Bezug auf den Ab�uss in zwei Monaten auf, hier reagierte Braunerde-Regosol-Ranker sensitiver. Hinsichtlich der aktuellen Evapotranspiration wechselten

xiv Zusammenfassung

sich die Sensitivitäten ab, oder waren nicht vorhanden.Die Unsicherheitsanalyse ergab, dass die Modellunsicherheit in Bezug auf die simulier-ten Eingangsdaten so groÿ ist, dass keine Aussagen über die Änderung der hydrolo-gischen Gröÿen als Folge des Klimawandels gemacht werden können. Nicht betro�endavon ist jedoch die Aussage, dass die Änderung der CO2-Konzentration scheinbar kei-nen Ein�uss auf die Hydrologie des Gebietes hat.

Schlüsselwörter: SWAT; Klimawandel; CO2; Evapotranspiration; Sensitivitätsana-lyse; St. Wilhelmer Talbach Einzugsgebiet

1

1. Einleitung

1.1. Problemstellung

Der Sto�- und Energieaustausch zwischen Boden, Vegetation und Atmosphäre hatfür den Wasserkreislauf entscheidende Bedeutung. Er bestimmt maÿgeblich die Aus-schöpfung und Erneuerung der Wasserressourcen der Land�ächen (Dyck & Peschke,1995, S.53). Das hydrologische Teilsystem Boden � P�anze entscheidet mit dem in ihmstatt�ndenden Prozessen darüber, in welcher Form das Niederschlagswasser weiter amKreislauf teilnimmt (Dyck & Peschke, 1995, S.52). Hinsichtlich der Vegetation istdie Transpiration die Verbindung zwischen dem Wasser in der Atmosphäre und demBodenwasser.Es stellt sich die Frage, welche internen Prozesse der Vegetation die Transpiration steu-ern, wie sie beein�usst werden und in welche Richtung sie wirken. Dies gilt insbesonderefür die Frage, welche Veränderungen als Folge des Klimawandels zu erwarten sind. Hierinteressieren besonders ihre Auswirkungen auf die lokale und regionale Skala, denn hierkönnen und müssen politische und technische Maÿnahmen ergri�en werden, um kriti-sche Entwicklungen und negative Folgen auf Umwelt und Gesellschaft zu vermeiden(Lahmer et al., 2001).In dieser Arbeit werden die E�ekte der von dem Intergovernmental Panel on ClimateChange (IPCC, 2001) vorhergesagten CO2-Konzentrationsänderung und die von demProjekt �Klimaveränderung und Konsequenzen für die Wasserwirtschaft� prognostizier-ten Änderungen des Klimas in Baden-Württemberg (KLIWA, 2006) bis zum Jahr 2050auf das Evapotranspirationsregime in einem Schwarzwald-Einzugsgebiet untersucht.

1.2. Änderung des CO2-Gehalts der Atmosphäre �Zukunftsszenarien

Als Resultat einer Studie über die Entwicklung der CO2-Emissionen in Abhängig-keit von ökonomischen, demographischen und technischen Veränderungen, erschien der�Special Report on Emissions Scenarios� (SRES) (Nakicenovic et al., 2000). DieAbbildung 1.2.1 zeigt sechs Szenarien der möglichen CO2-Emissionen auf. Es zeigt sich,dass in Abhängigkeit von den Annahmen im Jahr 2050 mit CO2-Emissionen von ca.10GtC bis 25GtC gerechnet wird. Der zeitliche Verlauf der Emissionen vom Jahr 2000bis zum Jahr 2050 variiert ebenfalls entsprechend verschiedener Annahmen.Die Emissionszenarien dienten als Input in die gekoppelten Modelle �Bern-CC� und�ISAM�. Beide Modelle bestehen aus einem Kohlensto�-Ozean-Modell, einem Klima-modell, einem terrestrischen Kohlensto�modell und einem Modul, welches Veränderun-gen der Lufttemperatur durch andere Sto�e berücksichtigt.

2 Kapitel 1. Einleitung

Abbildung 1.2.1.: Szenarien der CO2-Emissionen, 1PgC =̂ 1GtC (aus IPCC (2001, S.222)).

Im Gegensatz zum Bern-CC-Modell sind im ISAM-Modell global aggregierte Modelleintegriert. (IPCC, 2001, S.221)In Abbildung 1.2.2 sind die Simulationsergebnisse bezüglich der CO2-Konzentrationder Atmosphäre, die mit dem Bern-CC-Modell berechnet wurden dargestellt.

Abbildung 1.2.2.: Szenarien der CO2-Konzentration der Atmosphäre mit dem Bern-CC-Modellberechnet. Jede Farbe umfasst die Schwankungsbreite eines Szenarios, gestri-chelte Linien stellen die unteren Grenzen dar und schwarze Linien stehen fürReferenzfälle (aus IPCC (2001, S.222)).

1.2. Änderung des CO2-Gehalts der Atmosphäre � Zukunftsszenarien 3

Die aus den einzelnen Emissions-Szenarien resultierenden CO2-Konzentrations-Szena-rien der Atmosphäre sind durch unterschiedliche Farben gekennzeichnet. Untere Gren-zen sind in der Graphik durch gestrichelte Linien markiert. Die schwarzen durchgängig-en Linien stellen Referenzfälle dar, in denen Sensitivitäten der Atmosphäre und desOzeans auf eine CO2-Erhöhungen festgelegt wurden.Aufgrund der zunehmenden Unsicherheiten der Rückkopplungsprozesse mit zunehmen-der Zeit, vergröÿert sich die Unsicherheit mit der Simulationszeit kontinuierlich. Im Jahr2050 beträgt die minimale simulierte CO2-Konzentration der Atmosphäre ca. 425 ppmwährend die maximale bei ca. 650 ppm liegt.In Abbildung 1.2.3 zeigen sich die mit dem Modell ISAM simulierten Veränderungender CO2-Konzentration der Atmosphäre.

Abbildung 1.2.3.: Szenarien der CO2-Konzentration der Atmosphäre mit dem ISAM-Modell be-rechnet. Jede Farbe umfasst die Schwankungsbreite eines Szenarios, gestri-chelte Linien stellen die unteren Grenzen dar und schwarze Linien Referenzfälle(aus IPCC (2001, S.222)).

Im Vergleich mit den Ergebnissen des Bern-CC-Modells zeigt sich ein niedrigerermaximaler Wert der simulierten CO2-Konzentrationen im Jahr 2050, berechnet mit demISAM-Modell von ca. 600 ppm. Der minimale simulierte Wert der CO2-Konzentrationstimmt in etwa mit dem Ergebnis des Bern-CC-Modells überein.Es zeigt sich, dass die verschiedenen Modelle unterschiedlich groÿe Bereiche von CO2-Konzentrationen pro Emissions-Szenario im Jahr 2050 abdecken. Die Reaktionen aufunterschiedliche Emissions-Szenarien gleichen sich jedoch.Da in dieser Arbeit die Ergebnisse der KLIWA-Studie verwendet werden, und dieseunter Verwendung des B2-Szenarios entstanden (KLIWA, 2006, S.14), wird in folgenderArbeit mit CO2-Werten des ISAM B2-Szenarios gerechnet. Ausgewählt wurde hier dasReferenzszenario, welches von einer mittleren Entwicklung der CO2-Werte ausgeht.Die daraus prognostizierten zeitlichen Entwicklungen der CO2-Konzentrationen sindTabelle 1.2.1 zu entnehmen.


Tabelle 1.2.1.: Referenz-Szenario B2 mit dem ISAM-Modell berechnet (aus IPCC (2001,S.807)).

JahrCO2-

Konzentration(ppm)

JahrCO2-

Konzentration(ppm)

JahrCO2-

Konzentration(ppm)

1970 325 2020 408 2070 5311980 337 2030 429 2080 5591990 353 2040 453 2090 5892000 369 2050 478 2100 6212010 388 2060 504

1.3. Änderung anderer meteorologischer Gröÿen �Zukunftsszenarien

Im Rahmen des KLIWA-Projektes wurden regionale Klimaszenarien für Süddeutsch-land ermittelt. Als Grundlage dienten die Berechnungsergebnisse des gekoppelten glo-balen Klimamodells ECHAM4/OPYC3, mit einer horizontalen Au�ösung von 250 x250 km2 (KLIWA, 2006, S.13). Verwendet wurde das sozioökonomische Emissionssze-nario B2 des Intergovernmental Panel on Climat Change (IPCC) (s.o.).Die Ergebnisse des gekoppelten globalen Modells gingen in drei verschiedene Modelleein, um auf regionaler Ebene Szenarien zu entwickeln und eine Bandbreite an möglichenklimatischen Entwicklungen abbilden zu können. Gewählt wurde der Untersuchungs-zeitraum von 2021 bis zum Jahr 2050. Die gewählten Modelle zum Downscaling warendas statistische PIK-Modell, das statistisch-dynamische MR-Modell und das dynami-sche MPI-Modell. (KLIWA, 2006, S.13-19)Zur Bewertung der Güte der Modelle wurden Simulationen des Ist-Zustands durch-geführt und mit Messwerten der Periode 1971-2000 verglichen (KLIWA, 2006, S.5).Tabelle 1.3.1 zeigt die von den Modellen berechneten Veränderungen der Lufttempera-tur auf. Hier soll, anhand der Lufttemperatur, ein Eindruck über die Variabilität derErgebnisse resultierend aus Berechnungen mit verschiedenen Modellen gegeben werden.

Tabelle 1.3.1.: Änderung der Lufttemperatur � Zukunftsszenarien (aus KLIWA (2006, S.42).

PIK-Modell MR-Modell MPI-Modell

Jahr (◦C) +1,1 +1,7 +1,8Mai-Oktober (◦C) +1,2 +1,4 +1,7

November-April (◦C) +1,0 +2,1 +2,0

Während bei dem PIK-Modell kein Vergleich mit gemessenen Werten durchgeführtwerden konnte, und die Ergebnisse des MPI-Modells in Bezug auf den modellierten Ist-Zustand von den Messwerten stärker abwichen als die Ergebnisse der Ist-Simulationmit den gemessenen Werten des MR-Modells, erscheinen letztere Szenarien als am ver-tretbarsten (KLIWA, 2006, S.5).

1.4. Fazit 5

Einen Überblick über die Veränderung der meteorologischen Gröÿen von dem simu-lierten Zukunftsszenario (2021-2050) zu dem simulierten Ist-Zustand (1971-2000), be-rechnet mit dem MR-Modell, gibt Tabelle 1.3.2. Diese Werte beziehen sich auf dieKLIWA-Region �Rhein�, in welche das Untersuchungsgebiet dieser Arbeit fällt.

Tabelle 1.3.2.: KLIWA-Szenarien � Änderung meteorologischer Parameter zwischen der Simulati-on des Ist-Zustandes 1971-2000 und dem Szenario 2021-2050, berechnet mit demMR-Modell (aus KLIWA (2006, S.32+33).

Mai-Oktober November-April

Höchsttemperatur (◦C) +1,5 +0,2Tiefsttemperatur (◦C) +0,8 +4,0mittlere Lufttemperatur (◦C) +1,4 +2,1Niederschläge (%) - 4,7 + 27,2Relative Luftfeuchte (%) - 1,7 - 1,0Windgeschwindigkeit (m/s) 0,0 + 0,4

1.4. Fazit

Der Sto�- und Energieaustausch zwischen Boden, Vegetation und Atmosphäre be-stimmt die Erneuerung der Wasserressourcen der Land�ächen. Die Vegetation über-nimmt hier eine Verteilungfunktion. Gerade in Hinblick auf Klimaveränderungen ist eswichtig zu verstehen, wie diese Verteilung gesteuert wird und in welche Richtung siewirkt. Eine Voraussetzung für diese Untersuchung ist es einschätzen zu können, wiesich das Klima ändert.Prognosen der zu erwartenden CO2-Konzentration der Atmosphäre wurden auf der Ba-sis von verschiedenen CO2-Emissionsszenarien erstellt. Je nach Emissionsszenario erga-ben sich unterschiedliche prognostizierte CO2-Konzentrationsbereiche. Der Umfang derBereiche nahm mit der Zeit aufgrund der zunehmenden Unsicherheit von Rückkopp-lungsprozessen zu. Unterschiedliche (aber weniger abweichende) CO2-Konzentrations-szenarien ergaben sich unter der Verwendung desselben Emissionsszenarios aber mitverschiedenen Modellen. Das Emissionsszenario B2 diente als Eingangsgröÿe in dieUntersuchung KLIWA. Innerhalb dieser Untersuchung wurden mit drei verschiedenenModellen Klimaszenarien für die Periode 2021-2050 u.a. für die Region Oberrhein inBezug auf die Periode 1971-2000 ermittelt. Zeitliche Unterscheidungen wurden für dasSommer- und Winterhalbjahr vorgenommen. Die Ergebnisse der drei Modelle unter-schieden sich, da jedoch bei dem MR-Modell der simulierte Ist-Zustand mit dem ge-messenen Ist-Zustand am ehesten zu vergleichen ist, gelten seine Ergebnisse als amwahrscheinlichsten.

7

2. Transpiration: Grundlagen &

Konzepte

2.1. Einleitung und Allgemeines

Die Faktoren, welche die Transpiration direkt und indirekt beein�ussen, lassen sichin p�anzenphysiologische Faktoren und Umweltfaktoren unterteilen. Diese Faktorenbeein�ussen sich zum einen untereinander und zum anderen gegenseitig. Die Über-sichtsgraphik 2.1.1 auf Seite 8 zeigt den Zusammenhang dieser Faktoren unter Berück-sichtigung von Wasser-, Nährsto�- und Kohlensto��üssen vereinfacht auf.

2.1.1. Wasser-, Nährsto�- und Kohlensto��üsse

Niederschlagswasser gelangt entweder in den Boden und wird dort im Bodenwasserpoolgespeichert oder bleibt auf der Erdober�äche zurück, von der es evaporiert wird. DasBodenwasser kann von den Wurzeln aufgenommen werden und gelangt in Abhängigkeitvon der Stomataleitfähigkeit und der Kronenblatt�äche, nachdem es durch das Xylemtransportiert wurde, als Transpirationswasser zurück in die Atmosphäre.Die Nährsto�e werden ebenfalls durch die Wurzeln mit dem Bodenwasser aufgenom-men, in die verschiedenen P�anzenkompartimente transportiert und beein�ussen dasWurzel-, Stamm- und Kronenwachstum. Beim Absterben und bei der Zersetzung derP�anzenkompartimente werden die Nährsto�e wieder frei.In einem engen Zusammenhang mit der Nährsto�verfügbarkeit steht der Kohlensto�-�uss. Kohlensto�dioxid wird von der P�anze aufgenommen und während der ablaufen-den Photosynthese in organische Verbindungen, wie z.B. in die Nicht-Strukturkohlehyd-rate Stärke und Zucker, umgewandelt. Diese Assimilationsprodukte werden zu den ein-zelnen P�anzenkompartimenten transportiert und tragen dort als Energielieferant zumWachstum der Kompartimente bei.

2.1.2. Interaktionen

Die Interaktionen der Faktoren werden hier nur kurz besprochen und in Unterkapitel2.2 auf Seite 9 näher erläutert. CO2 in der Atmosphäre beein�usst durch die Absorptionvon langwelliger Strahlung das Klima, bzw. Temperatur und Niederschlagsverteilung,-menge und -intensität. Die Evaporation und die Transpiration beein�ussen die Nieder-schläge, die Temperatur und die Luftfeuchtigkeit. Diese Faktoren beein�ussen jedochebenfalls durch Rückkopplung die Evaporation und die Transpiration.Der Bodenwassergehalt beein�usst das Wasserpotential und damit den Turgor in denWurzelzellen.

8 Kapitel 2. Transpiration: Grundlagen & Konzepte

Klima CO2

Niederschlag

Luftfeuchtigkeit

Transpiration

ψBlatt

BodenwasserNährstoffe

ψWurzel Wurzelwachstum

Kronen-wachstum

Wasseraufnahme und -transport

Evaporation

[CHO]

PS

Ci

Xylem [ABA]

Temperatur

Stammwachstum

Kronenblattfläche und

Stomataleitfähigkeit

Abbildung 2.1.1.: Physiologische Faktoren und Umweltfaktoren, die die Transpiration beein�us-sen, mit dem Blattwasserpotential ψBlatt, dem Wurzelwasserpotential ψWurzel,der Abscisinsäure [ABA], der CO2-Konzentration im Blattinneren Ci, der Pho-tosynthese PS und den Kohlenhydraten [CHO]. Durchgehende Linien zeigendie Wasser-, Nährsto�- und Kohlensto�üsse an, während die gestrichelten Li-nien Interaktionen zwischen den Parametern aufzeigen (verändert nach Saxeet al. (1998)).

2.2. Ein�uss der CO2-Konzentration 9

Fällt dieser unter einen Schwellenwert ab, wird Abscisinsäure (ABA) synthetisiert unddurch das Xylem transportiert. An den Stomata induziert die ABA eine Verringerungder Spaltenbreite und damit eine Abnahme der Stomataleitfähigkeit gs (Sitte et al.,2002, S.430).Das durch das Xylem transportierte Wasser und die Transpiration beein�ussen dasWasserpotential und dadurch den Turgor der Blattzellen. Auch hier wird bei Absin-ken des Turgors unter einen bestimmten Schwellenwert ABA synthetisiert. Dieses wirddurch das Phloem bis in die Wurzeln transportiert und erhöht dort die hydraulischeLeitfähigkeit. Neben der Synthese von ABA aufgrund eines geringen Turgors in denBlattzellen, kommt es zu einer Verringerung der Stomataleitfähigkeit durch eine hy-dropassive Rückkopplung (Einströmen von Wasser in die Nachbarzellen und damit einhöherer Druck auf die Schlieÿzellen) (Sitte et al., 2002, S.297,920+921). Dieses be-ein�usst die Stomataleitfähigkeit und die Kronenblatt�äche. Die Biomasseallokationbei P�anzen, die unter länger anhaltendem Wassermangel stehen, verschiebt sich aufKosten der Bildung von Blattmasse auf die Bildung von Wurzelmasse (Sitte et al.,2002, S.921). Somit beein�usst das Blattwasserpotential ebenfalls das Kronenwachs-tum. Durch das Kronenwachstum verändert sich die Kronenblatt�äche, während dieCO2-Konzentration im Blattinneren die Stomataleitfähigkeit und die Kronenblatt�ä-che (über die Photosynthese) beein�usst. Die Stomataleitfähigkeit nimmt durch dieSpaltenö�nung Ein�uss auf die CO2-Konzentration im Blattinneren. Die Wasserauf-nahme und der Wassertransport durch die P�anze werden neben dem Wurzel- undStammwachstum durch Ausbildung der Baumkrone beein�usst. Das Wachstum derP�anzenkompartimente wiederum ist abhängig von der Wasseraufnahme.

2.2. Ein�uss der CO2-Konzentration

Grundsätzlich kann gesagt werden, dass sich die CO2-Konzentration in der Atmosphärebzw. im Blattinneren auf die Vegetation in zwei Teilbereiche, eine direkte und eine indi-rekte Auswirkung, unterteilen lässt. Die indirekte Auswirkung bezeichnet die Änderungdes Klimas am Standort, die direkte Auswirkung Änderungen der Photosyntheseleis-tung und der Stomataleitfähigkeit. In der Graphik 2.2.1 deutet der dicke gestricheltePfeil die indirekte Beein�ussung und die dicken ungestrichelten Pfeile die direkte Be-ein�ussung an. Die Richtung der Folgee�ekte wird mit den dünneren Pfeilen angezeigt.Im Folgenden werden diese zwei Bereiche, die wiederum Ein�uss auf die Transpirationnehmen, näher betrachtet.

2.2.1. CO2-Konzentration und Klima

Notaro et al. (2007) unterteilen die Auswirkungen einer Erhöhung der CO2-Konzent-ration in der Atmosphäre auf das Klima (bzw. auf die Ober�ächentemperatur) in einedie Strahlung und eine die physiologische Wirkung der P�anzen betre�enden Kompo-nente.CO2 als klimarelevantes Spurengas führt, wie bereits in Abschnitt 2.1.2 erwähnt, durchdie Absorption von langwelliger Strahlung zu einer Temperaturerhöhung. Ebenso kannes durch physiologische Prozesse zu einer Temperaturerhöhung kommen.


Klima Transpiration

Biomasse (LAI)

Assimilation

CO2

gs

Gc

Abbildung 2.2.1.: Direkte (ungestrichelte dicke Pfeile) und indirekte (dicker gestrichelter Pfeil)Beein�ussung der Vegetation durch die CO2-Konzentration und Richtungenihrer Auswirkungen (dünne Pfeile) mit der Stomataleitfähigkeit gs und derBestandesleitfähigkeit Gc (verändert nach Lankreijer (1998)).

Diese lassen sich anhand der vereinfachten Energiebilanz eines Blattes erklären (sie-he Abbildung 2.2.2). Es wird angenommen, dass keine Wärmespeicherung im Blattstatt�ndet. Die auf das Blatt auftre�ende Globalstrahlung (G) wird teilweise wiederzurückre�ektiert (R). Ein weiterer Teil der auftre�enden Strahlung wird durch lang-wellige Strahlung (IR) ebenfalls abgegeben. Im Blatt wird die Globalstrahlung durchphotochemische Prozesse (PH ) umgewandelt. Die restliche Energie teilt sich zwischendem turbulenten Strom latenter Wärme (V∗) und dem turbulenten Strom fühlbarerWärme (L) auf. Der turbulente Strom latenter Wärme (V∗) setzt sich aus der Dif-fusionsleitfähigkeit für Wasserdampf (g) (dies entspricht im Wesentlichen der Stoma-taleitfähigkeit), dem Gradient des molaren Mischungsverhältnisses von Wasserdampfund Luft zwischen dem Blattinneren und der Umgebungsluft (∆w) und der Verdamp-fungswärme von Wasser (r) zusammen. Der turbulente Strom fühlbarer Wärme (L)hingegen wird bestimmt durch die Wärmeleitfähigkeit der Blattgrenzschicht zur Luft(h, eine Funktion der Blattbreite und der Windgeschwindigkeit), der Temperaturdi�e-

G IRV*L

PH

R

Abbildung 2.2.2.: Vereinfachte Energiebilanz eines Blattes, mit dem turbulenten Strom fühlbarerWärme L, dem turbulenten Strom latenter Wärme V∗, der Globalstrahlung G,der Re�ektion R, der langwelligen Ausstrahlung IR und den photochemischenProzessen PH (verändert nach Sitte et al. (2002, S.908)).


renz zwischen Blatt- und Lufttemperatur (∆T ) und der Wärmekapazität (w) der Luft(Sitte et al., 2002, S.908):

V ∗ = g∆wr (2.2.1)

L = w∆Tq (2.2.2)

Nimmt nun die Stomataleitfähigkeit ab, so reduziert sich der turbulente Strom latenterWärme und es kommt aufgrund einer geringeren Energieumsetzung durch die Tran-spiration zu einer Erhöhung der Blatttemperatur. Der Temperaturgradient zwischenBlatt- und Lufttemperatur verstärkt sich, der turbulente Strom fühlbarer Wärme er-höht sich und erhöht ebenfalls die Lufttemperatur.Notaro et al. (2007) verglichen die jeweils zu erwartenden Temperaturerhöhun-gen resultierend aus den physiologischen Prozessen (CO2-Wirkung auf Stomatraleit-fähigkeit) und aus den Veränderungen der Strahlungsbilanz (CO2-Wirkung auf denStrahlungshaushalt). Sie verwendeten FOAM-LPJ, ein Modell, welches die Möglichkeitbesitzt eine globale Land-Ozean-Atmosphären-Kopplung mit sich verändernder Vege-tation zu berücksichtigen, bzw. zu modellieren. Die Modellierungsläufe wurden für 144Jahre durchgeführt, in denen die CO2-Konzentration der Atmosphäre von 335 ppm imJahr 1975 pro Jahr um 1% erhöht wurde, bis sie die vierfache Konzentration erreichte.Unter Berücksichtigung der physiologischen und der Strahlung betre�enden Komponen-te wurde eine Zunahme der globalen Ober�ächentemperatur von 2,7 ◦C (2,3 ◦C durchdie Strahlungskomponente, 0,4 ◦C durch die physiologische Komponente (nicht signi�-kant)) simuliert. Für die Nordhalbkugel ergab sich eine Temperaturzunahme von 3,4 ◦Cund für die Südhalbkugel eine Zunahme von 1,9 ◦C. Die Zunahme der Ober�ächentem-peratur durch Veränderung der Strahlung betrug 3,0 ◦C bzw. 1,7 ◦C, die Veränderungdurch die physiologischen Prozesse hingegen betrug auf der Nordhalbkugel 0,5 ◦C undauf der Südhalbkugel 0,2 ◦C. Letzterer Wert lag über dem Signi�kanzniveau von 0,05.Auf der globalen Skala scheint die Erhöhung der Ober�ächentemperatur durch Verände-rung der physiologischen Eigenschaften durch eine CO2-Erhöhung eine untergeordneteRolle zu spielen. Ausschlaggebend ist vielmehr eine Änderung der Strahlung durch eineZunahme der CO2-Konzentration in der Atmosphäre. Für die Transpiration bedeutetdies, dass sie, wenn lediglich der Faktor �Klima� betrachtet wird, auf globaler Skalaeher durch die Auswirkung der CO2-Konzentration auf die Strahlung als durch dieAuswirkung der CO2-Konzentration auf physiologische Prozesse beein�usst wird.Neben der Auswirkung der Temperaturzunahme auf das Wasserpotentialgefälle (Boden-P�anze-Atmosphäre) und damit auf das Transpirationsregime, kommt es zu einem Ein-�uss der Temperatur auf das Transpirationsregime durch Änderung der phänologischenPhasen der Vegetation. Die Zeit der Blattentfaltung bei Laubbäumen verändert sich,ebenso wie die Zeit des Austriebs neuer Nadeln. Nach Kramer (1994) (in Lankrei-jer (1998, S.32)) verschiebt sich der Zeitpunkt der Laubblattentwicklung pro GradCelsius um 3-5 Tage nach vorne, während der Nadelaustrieb weniger sensitiv reagiertund 1-2 Tage pro Grad Celsius früher statt�ndet.Abhängig ist die Verschiebung der phänologischen Phasen neben dem zur Untersuchungbenutzten Modell von der Baumart und der Anpassungsfähigkeit der Bäume an dasLokalklima.Murray et al. (1994) (in Saxe et al. (1998)) stellten experimentiell eine Verzö-


gerung des Blattaustriebs bei erhöhten CO2-Konzentrationen in der Atmosphäre fest.Dieser E�ekt wird jedoch von der Auswirkung der Temperaturerhöhung auf den Blat-taustrieb überlagert. Epron et al. (1996) hingegen stellt keine E�ekte einer Erhö-hung der CO2-Konzentration auf den Blattaustrieb bei im Feld gewachsenen Buchen-Jungp�anzen fest (in Saxe et al. (1998)).Neben den Auswirkungen der Temperatur auf phänologische Prozesse, welche das Tran-spirationsregime beein�ussen, sind auch durch die Temperatur direkte oder indirekteSchädigungen der Vegetation, zu berücksichtigen. Die Wahrscheinlichkeit einer Frost-schädigung der Blätter ändert sich nach Lankreijer (1998, S.32) mit Änderungender Phänologiephasen. Bei Simulationen mit 11 Baumarten in den Niederlanden undin Deutschland wurde eine Abnahme der Frostschädigung beobachtet. In Simulationenmit Bäumen in Finnland hingegen stieg die Wahrscheinlichkeit von Frostschäden an denBlättern an. Bei Langzeitsimulationen sollte ebenfalls die Änderung des Auftretens vonPathogenen und P�anzenschädlingen mit Veränderung der Temperatur berücksichtigtwerden.Durch eine Änderung der CO2-Konzentration in der Atmosphäre und ihre Auswirkungauf das Klima kommt es ebenfalls zu einer Änderung der Artenzusammensetzungender Vegetation, bzw. zu einer Veränderung der Vegetationsstruktur (Wald-Buschland-Grasland). Global gesehen wird nach Simulationen mit dem Modell FOAM-LPJ dieVegetationsbedeckung zunehmen. Wird die Strahlungskomponente und die physiologi-sche Komponente berücksichtigt, so wird eine Zunahme der Vegetationsbedeckung von4,9% erwartet. Diese Zunahme wird zum gröÿten Teil einer Steigerung der Photosyn-these zugeschrieben. (Notaro et al., 2007)Eine Änderung der Vegetationsbedeckung wirkt sich durch eine Änderung der Albe-do wieder auf das Klima aus. Nach Betts et al. (1997) können die Änderungen inder Struktur der Vegetation (durch Änderung des LAI und der Vegetationsbedeckung)auf globaler Ebene teilweise das physiologische Feedback der Vegetation auf das Klimain einer langen Zeitskala kompensieren. Die Zusammenhänge und Feedbacks zwischendem Klima und der Vegetation bezüglich einer Veränderung der Temperatur sind inder Graphik 2.2.3 vereinfacht dargestellt.

2.2.2. CO2-Konzentration und Stomataleitfähigkeit

In zahlreichen Studien wurden die Auswirkungen einer Erhöhung der CO2-Konzentrati-on auf verschiedene P�anzenarten und in verschiedenen Skalen bezüglich der Stoma-taleitfähigkeit untersucht (z.B. Barron-Gafford et al. (2007), Körner (2006),Medlyn et al. (2001), Norby et al. (1999), Lankreijer (1998), Saxe et al.

(1998),Will & Teskey (1997), Field et al. (1995), Idso et al. (1993a)). Ein Ver-gleich der Ergebnisse ist sehr schwer, da die Experimente unter verschiedenen Versuchs-anordnungen und mit P�anzen verschiedenen Entwicklungsstandes sowie unter ver-schiedenen Umweltbedingungen durchgeführt wurden. Grundsätzlich wurde jedoch ei-ne Verringerung der Stomataleitfähigkeit bei einer Zunahme der CO2-Konzentration inder Atmosphäre beobachtet. Ergebnisse verschiedener Studien, welche zwischen P�an-zenspezien unterscheiden zeigen sich in Abbildung 2.2.4. Eine Abnahme der Stoma-taleitfähigkeit wird durch Änderung der Stomataö�nung und auch der Stomatadichteinduziert.


KlimaTranspiration

CO2

Lufttemperatur

Frostschäden

Pathogene

Schädlinge

PhysiologiePhänologiephasen

Blattaustrieb Photosynthese

Vegetationsstruktur

Albedo

Strahlung

Abbildung 2.2.3.: Klima-Vegetation-Feedbacks, violette Pfeile stellen Auswirkungen auf die Tran-spiration dar, rote Pfeile Auswirkungen auf das Klima.

Saxe et al. (1998) bewerten die Änderung der Stomataleitfähigkeit durch Änderungder Stomatadichte gegenüber einer Änderung der Stomataleitfähigkeit durch eine Än-derung der Stomataö�nungsweite als untergeordnet. Angemerkt werden muss jedoch,dass nach Woodward (1987), die Stomatadichte von einigen Bäumen als Reaktionauf eine CO2-Erhöhung in der Atmosphäre seit der vorindustriellen Zeit abnahm. NachLankreijer (1998) wurde eine Abnahme der Stomatadichte um 40% über die letzten200 Jahre beobachtet. Eine mittlere Reduktion der Stomataö�nung von ebenfalls 40%wurde in einigen Experimenten beobachtet (Morison, 1987).Nach Morison (1987) (in Field et al. (1995)) beträgt die mittlere Abnahme derBlattleitfähigkeit (gb) bei einer Verdopplung der CO2-Konzentration (von ca. 350 ppmauf 700 ppm) ebenfalls 40%. Zu diesem Ergebnis kam er nach Analyse von Studienmit über 50 Arten. Für C3-P�anzen und C4-P�anzen wurden keine Sensitivitätsunter-schiede beobachtet (Morison & Gifford, 1983). Die Stomata- und Blattleitfähigkeit(gs und gb) reagiert nach Saxe et al. (1998) sensitiver bei Feldfrüchten und Kräu-tern auf die CO2-Konzentration der Atmosphäre als bei Bäumen. Während sich gs beiBäumen im Mittel um 23% im Wachstumstadium verringert (bei Erhöhung der CO2-Konzentration von ca. 350 ppm auf 700 ppm), es wurden 23 Baumarten untersucht(Field et al., 1995), so verringert sich die Stomataleitfähigkeit bei Kräuterarten um40% (Morison, 1987), bzw. die Blattleitfähigkeit bei 16 untersuchten Feld- und Gar-tenp�anzen um 36% (Morison & Gifford (1984) in Field et al. (1995)).Medlyn et al. (2001) stellten fest, dass die Sensitivität der Stomataleitfähigkeit auferhöhte CO2-Konzentrationen in älteren Bäumen signi�kant höher als in jüngeren ist,in Laubbäumen höher als in Nadelbäumen und in wassergestressten höher als in nähr-sto�gestressten.Nach Curtis (1996) (in Saxe et al. (1998)) zeigen sich die gröÿten Sensitivitätender Stomataleitfähigkeit von Baumarten bei Langzeitexperimenten (mehr als 100 Ta-ge), bei denen die Bäume nicht unter Stresssituationen stehen.


Änd

erun

g vo

n g s

[%]

KrautigePflanzen Laubbäume Nadelbäume

Spezien

Abbildung 2.2.4.: Verschiedene Sensitivitäten der Stomataleitfähigkeit auf erhöhte CO2-Wertevon im Feld gewachsenen Vegetationstypen. Schra�erte Balken stehen fürkrautige Spezien, ausgefüllte Balken für holzige Spezien. Jeder Balken stehtfür eine Studie (aus Saxe et al. (1998)).

Jedoch wurde ebenfalls bei Langzeitexperimenten auch keine Sensitivität der Stoma-taleitfähigkeit auf erhöhte CO2-Konzentrationen bei Baumarten festgestellt (Eamus,1996). In einigen Studien von ausgewachsenen Buchen (Dufrêne et al., 1993) undBuchenjungp�anzen (Heath & Kerstiens, 1997) wurden keine oder nur minimaleReduzierungen der Stomaleitfähigkeit und der Transpirationsraten beobachtet.Gekennzeichnet waren diese Bäume durch eine fortgeschrittenere Entwicklung. Es wirdvermutet, dass eine Beschränkung in der Wurzeltiefe und/oder eine Zunahme des LeafArea Ratio (LAR, das Verhältnis zwischen der gesamten Blatt�äche und der gesamtenP�anzenbiomasse) für die Abnahme von gs verantwortlich sind. In Experimenten mitJungp�anzen, die in Töpfen wuchsen, wurde dies beobachtet. Durch Vergröÿerung desLAR ändert sich das Verhältnis der zur Transpiration befähigten Fläche (Blatt�äche)und der zur Wasseraufnahme befähigten Fläche (Wurzeln). Die Reduktion von gs dientnach Saxe et al. (1998) demnach zur Kompensation des ansonsten gesteigerten Was-serverbrauches. Aufgrund von Feldstudien wird angenommen, dass die Sensitivität derStomataleitfähigkeit auf erhöhte CO2-Konzentrationen weit geringer ist als bisher auf-grund von Untersuchungen von krautigen P�anzen und Bäumen in Growth ChamberExperimenten angenommen wurde (Norby et al., 1999).

2.2.3. CO2-Konzentration und Photosynthese

Norby et al. (1999) stellen bei einer Zusammenstellung von mehreren Studien bezüg-lich einer Zunahme der Photosyntheserate als Reaktion auf erhöhte CO2-Konzentration(um 250 ppm bis 350 ppm erhöht) eine mittlere Zunahme von 66% fest. Gunderson& Wullschleger (1994) (in Norby et al. (1999)) kommen bei der Betrachtungvon eingetopften Bäumen auf eine geringere mittlere Zunahme der Photosynthesera-te von 44%. Ceulemans & Mousseau (1994) (in Lankreijer (1998)) beobachten


eine Steigerung der Photosyntheserate von 61% in Laubbäumen und eine Steigerungder Photosynthese um 40% bei Nadelbäumen. Die Experimente wurden an jungenBäumen unter verschiedenen Versuchsbedingungen durchgeführt. Eine mittlere Zunah-me der Biomasse (65% bei Laubbäumen und 38% bei Nadelbäumen) wurde ebenfallsbeobachtet. Die Experimente wurden vorzugsweise an einzelnen Blättern unter Licht-sättigung (Ausschluss einer Steigerung der Photosyntheserate durch Steigerung derLichtintensität der photosynthetisch aktiven Strahlung) durchgeführt (Norby et al.,1999). Die photosynthetisch aktive Strahlung (PAR) hat eine Wellenlänge zwischen400-700 nm (Sitte et al., 2002, S.306). Der Lichtsättigungsbereich variiert mit derAnpassung der P�anzen an die Lichtverhältnisse. Bei an sonnige Standorte angepasstenP�anzen liegt er zwischen 500-1500µmol m−2 s−1 (Photonen�ussdichte) während er beiSchattenp�anzen zwischen 100-500µmol m−2 s−1 liegt. Dies bedeutet, dass die Photo-synthese von Schattenp�anzen im Vergleich mit Sonnenp�anzen bei hohen Photonen-�ussdichten eher von der Lichtsättigung, als von der CO2-Konzentration, begrenzt wird.Die Lichtintensität, bei der der CO2-Verbrauch (durch Assimilation) gleich der CO2-Produktion (durch mitochondriale Atmung) ist, wird Licht-Kompensationspunkt ge-nannt. Beim Licht-Kompensationspunkt ist die Netto-Photosynthese gleich null (Sitteet al., 2002, S.305+306). Durch eine Erhöhung der CO2-Konzentration bei der Photo-synthese kann es nach Körner (2006) zu einer Verschiebung des Punktes zu geringe-ren Lichtintensitäten kommen. Dies bedeutet, dass Photosynthese auch bei geringerenLichtintensitäten möglich wird. Werden die Assimilate nicht gespeichert, sondern zumWachstum der P�anze verwendet, so könnte es zu einer Änderung der Vegetationss-truktur kommen, was wiederum zu einer Änderung des Transpirationsregimes führenkönnte.Clifford et al. (1993) beobachteten bei in Glashäusern durchgeführten Experi-menten nur einen geringen Anstieg des LAI bei Erhöhung der CO2-Konzentration von350 ppm auf 700 ppm. Körner & Arnone (1992) (in Field et al. (1995)) hinge-gen beobachten bei tropischen P�anzen eine leichte Abnahme des LAI und Owensbyet al. (1993) beobachten bei Gräsern nur in einigen Jahren einen leichten Anstiegdes LAIs. Bei einem vierjährigen Versuch mit Weihrauch-Kiefern-Sprösslingen beob-achteten Tissue et al. (1997) eine mittlere Zunahme des LAIs von 41%, währendCeulemans et al. (1995) (in Norby et al. (1999)) eine Zunahme des LAIs beisich im Wachstum be�ndlichen Pappeln von 8% bzw. 18% feststellten.Eine Erhöhung des LAI kann entweder aus einer Zunahme der Blattanzahl oder aus ei-ner Zunahme der Blattgröÿe resultieren. So stellten beispielsweise Idso et al. (1993b)eine Zunahme der Blattanzahl von 78% und einen Anstieg der mittleren Blattgröÿevon 13% bei Orangenbäumen fest. Problematisch bei den oben genannten Experimen-ten ist, dass sie bis auf das Experiment von Körner (2006) an wachsenden Einzel-p�anzen unter festgelegten Randbedingungen durchgeführt wurden. Von besonderemInteresse ist jedoch die Auswirkung einer CO2-Erhöhung auf den LAI unter natürli-chen Bedingungen (aktuelle Nährsto�-, Wasser-, und Lichtversorgung) bei Wäldern.Körner (2006) beobachte bei Beständen mit bereits geschlossenem Kronendach keineweitere Zunahme des LAIs durch eine Erhöhung der CO2-Konzentration in der Atmo-sphäre. Zu dem selben Ergebnis kamen Hättenschwiler et al. (1997) (in Norbyet al. (1999)) bei der Betrachtung von Eichen, die an natürlichen Stellen mit erhöh-


ten CO2-Konzentrationen in Italien wachsen. Field et al. (1995) erwartet, dass beiwasserlimitierten (und so auch nährsto�imitierten) Standorten, eine Veränderung desLAI aufgrund einer Zunahme der CO2-Konzentration nur sehr gering ist. Dies würdebedeuten, dass eine durch eine kleine Blattleitfähigkeit verringerte Transpiration nichtdurch eine vergröÿerte Blatt�äche kompensiert würde.Norby et al. (1999) und Hättenschwiler et al. (1997) machen darauf aufmerk-sam, dass es jedoch zu einer Reduzierung des LAR kommt. Wullschleger et al.

(1997) (in Norby et al. (1999)) wertete verschiedene Studien aus und kam bei er-höhten CO2-Konzentrationen zu einer durchschnittlichen Abnahme des LAR von 15%.Die Studien umfassten nur Bäume, jedoch in unterschiedlichen Versuchsaufbauten.

2.2.4. Blattleitfähigkeit und LAI mit ihren Auswirkungen aufdie Hydrologie

Field et al. (1995) vermuten, dass eine Abnahme der Blattleitfähigkeit als Folge desCO2-Anstiegs in der Atmosphäre und daraus resultierende geringere Transpirationsra-ten, durch eine Zunahme des LAI kompensiert werden kann. Wie bereits in Abschnitt2.2.3 beschrieben, gibt es jedoch Experimente, bei denen dies nicht der Fall zu seienscheint.Falls keine Kompensation statt�nden kann, da beispielweise Nährsto�e zur Produkti-on neuer Biomasse limitierend sind, wäre es denkbar, dass sich Konsequenzen für denWasserkreislauf ergeben. Anzumerken ist hier noch, dass Wasser selbst als limitierenderFaktor nicht unbedingt eine Begrenzung der Photosynthese darstellen muss.So beobachteten Idso & Idso (1994) beispielsweise bei der Auswertung von 29 Studieneine Zunahme der Photosynthese bei Erhöhung der CO2-Konzentration der Atmosphä-re um 300 ppm auf 31% bei mit Wasser ausreichend versorgten P�anzen und einemittlere Zunahme von 62% bei P�anzen die unter Wasserstress standen. In welcherForm die Assimilationsprodukte verwendet wurden, ist hier von groÿer Bedeutung undentscheidet ebenfalls über die Auswirkungen auf die Hydrologie. Denkbar ist, dass dieSto�e gespeichert werden, es ist aber auch möglich, dass eine Umsetzung der Sto�e inBiomasse statt�ndet.

2.2.4.1. Bodenwassergehalt und seine Auswirkungen

Bei Feldexperimenten auf Weideland in Kalifornien wurde eine Zunahme des gravime-trischen Wassergehalts bei erhöhten CO2-Werten von bis zu 0,05 g pro Gramm Bodenbeobachtet. Diese Ergebnisse zeigten sich bei Grassland auf aus Sandstein entstandenenBöden, auf aus Serpentinit entstandenen Böden konnten diese Ergebnisse nicht sicherbestätigt werden (Field et al., 1995).Leipprand & Gerten (2006) modellierten auf globaler Ebene die Auswirkungen ei-ner Verdopplung der CO2-Konzentration der Atmosphäre u.a. auf die Bodenfeuchte.Sie benutzten das LPJ-Modell, unter der Annahme, dass eine Erhöhung der CO2-Konzentration keine Auswirkungen auf die das Klima verändernden Gröÿen (Nieder-schlag, Lufttemperatur) hat. Leipprand & Gerten (2006) kamen zu dem Schluss,dass es zu einer Abnahme der Bodenfeuchte in den ariden Regionen der Welt kommtund zu einer Zunahme der Bodenfeuchte in den humiden Gebieten, insgesamt stellten


sie eine Zunahme der Bodenfeuchte um 1% fest.Eine mögliche Rückkopplung der Bodenfeuchte auf die Transpiration ist durch dieNährsto�verfügbarkeit bzw. den Streuabbau zu beachten, der durch die Bodenfeuch-te gesteuert wird. Unter gegebenen Nährsto�zusammensetzungen der Streu könnte esnach Field et al. (1995) zu einer schnelleren Streuzersetzung kommen, die in einemdurch Bäume gekennzeichneten Ökosystem zu einem Anstieg der Kohlensto�speicherpro Nährsto�einheit führen könnte. Die Anteile der Kohlensto�speicher Biomasse undBoden könnten sich in die Richtung der Biomasse verschieben.Demgegenüber steht jedoch die Annahme, dass sich bei unter erhöhten CO2-Konzentra-tionen wachsenden P�anzen das C:N-Verhältnis in den Blättern ändern könnte undsomit eine schwerer abzubauende Streu zu erwarten wäre (Saxe et al., 1998).So beobachteten Cotrufo et al. (1994) (in Saxe et al. (1998)), dass in der Streuvon unter erhöhten CO2-Konzentrationen gewachsenen Bäumen die Sticksto�konzen-tration geringer und das C:N- bzw. Lignin:N-Verhältnis gröÿer ist. Dies würde bedeu-ten, dass die Streu schwerer abzubauen ist, und sich der Kohlensto�speicher im Bodenerhöhen würde.Norby et al. (1999) kommen bei einer Zusammenfassung von Studien zu verschie-denen Ergebnissen. Die Beobachtungen reichen von einer Zunahme des Blattsticksto�sum 20% bis zu einer Abnahme um 35%. Ein�uss auf die Reaktion nimmt nach Norbyet al. (1999) scheinbar das Alter der Versuchsbäume.Hirschel et al. (1997) (in Saxe et al. (1998)) weisen jedoch darauf hin, dass dieStudien zur Abnahme der Streuqualität bezüglich ihres Abbaus nicht ohne Vorsichtübertragen werden können. Da die Langzeitskala von Interesse ist, müssten ebenfallsdie Änderungen der Boden�ora und -fauna, sowie eine eventuell mögliche Anpassungder P�anzenwurzeln, die einem Nährsto�mangel entgegenwirken könnten, berücksich-tigt werden.Nicht zu vernachlässigen in den Betrachtungen dürfen die Wurzeln sein, welche schlieÿ-lich die Nährsto�aufnahme steuern.

2.2.4.2. Ab�uss

Nach der Wasserhaushaltsgleichung ist bei abnehmender Evapotranspiration eine Zu-nahme des Ab�usses zu erwarten. Aston (1984) und Idso & Brazel (1984) (in Fieldet al. (1995)) modellierten auf Einzugsgebietsskala in ariden und semi-ariden Gebietenden oberirdischen Ab�uss unter der Annahme einer CO2-Erhöhung der Atmosphäre.Die Blattleitfähigkeit reduzierte sich um 50% bzw. 33%, was zu einer Erhöhung desAb�usses von wenigen Prozent in gering bewachsenen Teileinzugsgebieten bis zu mehrals 100% in Gebieten mit vollständiger Vegetationsbedeckung führte. Diese Simula-tionen berücksichtigten jedoch weder eine Kompensation der Transpiration durch eineVeränderung des LAI, noch durch eine Veränderung der Artzusammensetzung. UnterBerücksichtigung der Zunahme des LAI ermittelten Hatton et al. (1992) (in Fieldet al. (1995)) nur geringe Abnahmen der Transpiration, bzw. nur geringe Zunahmendes Gebietsab�usses. Betts et al. (2007) beobachtet auf der globalen Skala eine Zu-nahme des mittleren Ab�usses bei einer Verdopplung der CO2-Konzentration um 6%resultierend aus Veränderungen der Bestandesleitfähigkeit.


2.3. Skalenproblematik der Evapotranspiration

Im Folgenden soll erläutert werden inwiefern die Auswirkungen einer Erhöhung derCO2-Konzentration der Atmosphäre die Ober�ächenleitfähigkeit (Bestandes- und Bo-deneigenschaften werden berücksichtigt) und mit ihr die Evapotranspiration beein�us-sen.

2.3.1. Prozesse der Blatt- und lokalen Skala

Bei einem einzelnen Blatt ist die Transpiration eine lineare Funktion der Blattleitfä-higkeit. In gröÿeren Skalen kommen zwei Faktoren hinzu, welche die Sensitivität derTranspiration auf die Stomataleitfähigkeit verringern. Zum einen ist hier die Luftfeuch-tigkeit in der Boundary Layer zu nennen. Die Abnahme der Blattleitfähigkeit führt zueiner geringeren Luftfeuchte in der Boundary Layer. durch die geringere Luftfeuchtig-keit wird der Feuchtegradient verstärkt, welcher die Transpirationsrate vergröÿert undso eine verringerte Transpiration durch Schlieÿung der Stomata kompensieren kann.Der andere Faktor, der kompensierend wirken kann, resultiert aus der in Abschnitt2.2.1 erläuterten Energiebilanz eines Blattes. Durch die Reduzierung der Transpirati-on als Folge der Verringerung der Stomataleitfähigkeit kommt es zu einer Erhöhungdes turbulenten Stroms fühlbarer Wärme, der ebenfalls den Feuchtigkeitsgradientenzwischen Bestand und Atmosphäre verstärkt und somit in einer Erhöhung der Tran-spirationsrate resultiert.Diese beiden Kompensationsfaktoren können nun aber ebenfalls wieder kompensiertwerden. Die Stomataö�nung verringert sich bei Erhöhung des Wasserdampfde�zits derLuft und nach der Energiebilanzgleichung verringert sich bei Erhöhung des turbulentenStroms fühlbarer Wärme der turbulente Strom latenter Wärme, in dem die Verduns-tung enthalten ist (Field et al., 1995).Als Ausgangspunkt der Sensitivität der Evapotranspiration in Bezug auf die Ober-�ächenleitfähigkeit auf Bestandesebene diente in vielen Beobachtungen die Penman-Monteith Gleichung. Es stellte sich heraus, dass bei aerodynamisch rauheren Flächen,wie beispielsweise Wäldern, die Evapotranspiration sensitiver auf die Ober�ächenleit-fähigkeit reagiert, als bei aerodynamisch glatteren Flächen, wie z.B. Agrarland. Auf derBestandesebene würde sich dies für eine landwirtschaftliche Fläche in einer Reduktionder Evapotranspiration um 10% bei einer Reduktion der Ober�ächenleitfähigkeit um40% zeigen (Field et al., 1995).

2.3.2. Regionale Skala

Bei Betrachtung der regionalen Skala nimmt die Planetary Boundary Layer Ein�ussauf die Evapotranspiration. Tagsüber strömt als Folge von Konvektion trockene undwärmere Luft (im Vergleich zur durch Transpiration beein�ussten Luft) in die Plane-tary Boundary Layer ein. Dies führt zu einer Verstärkung des Feuchtegradienten undführt zu einer Kompensation der durch die abnehmende Ober�ächenleitfähigkeit ab-nehmenden Evapotranspiration. Eine Folge des erhöhten turbulenten Stroms latenterWärme ist jedoch die Abnahme des turbulenten Stroms fühlbarer Wärme, so dass eswieder zu einer Reduzierung des Gradienten kommt (Field et al., 1995).

2.4. Fazit 19

2.4. Fazit

Die Wirkung der CO2-Konzentration auf die Vegetation lässt dich in eine indirekte(Änderung des Klimas) und direkte (Änderung physiologischer Eigenschaften) Kom-ponente unterteilen.Auswirkungen auf das Klima entstehen durch CO2 als Treibgas und dadurch, dass esdurch Schlieÿen der Stomata zu einer Erhöhung der Ober�ächentemperatur kommenkann. Letzteres ist jedoch in Bezug auf die Globalskala höchstwahrscheinlich vernach-lässigbar. Die Auswirkung der Klimaänderung auf die Vegetation und insbesondere dasTranspirationsregime zeigt sich in einer Verschiebung der Phänologiephasen, sowie ineiner Änderung der Artenzusammensetzung, was wiederum durch die Änderung derAlbedo auf das Klima rückwirkt.In Bezug auf die direkte Beein�ussung der Vegetation durch CO2-Änderungen ist derEin�uss auf die Stomataleitfähigkeit, die Photosyntheseleistung und die Biomassepro-duktion zu nennen. Einen klaren Trend in Bezug auf eine Veränderung der Stomata-leitfähigkeit gibt es nicht. Es treten Veränderungen zwischen -60% bis zu +18% auf.Untersuchungen erweisen sich als schwer, wenn Sensitivitäten der Stomataleitfähigkeitauf CO2 in einem natürlichen Umfeld festgestellt werden sollen. Problematisch ist dieErfassung der Rahmenbedingungen. Ihre Variabilität ist groÿ und macht einen Ver-gleich verschiedener Studien oft nicht möglich. Es zeigt sich, dass eine Erhöhung derCO2-Konzentration zu einer Erhöhung der Photosyntheseleistung von ca. 40% bis 66%führt. Eine Erhöhung der Biomasse durch erhöhte CO2-Werte wurde in einer Studiemit ca. 40% bei Nadelbäumen und 65% bei Laubbäumen beobachtet.In Bezug auf den LAI, der durch Vergröÿerung zu einer Kompensation der Transpi-rationsabnahme durch Verringerung der Stomataleitfähigkeit führen könnte, wurdenverschiedene und entgegengesetzte Beobachtungen gemacht. Bei Betrachtung von Be-ständen mit bereits geschlossenem Kronendach wurden in verschiedenen Studien keineVeränderung des LAI regestriert.Bei Betrachtung des Bodenwassergehalts wurden aufgrund erhöhter CO2-Konzentra-tionen bereits Zunahmen registriert. Bei Modellierungen auf globaler Ebene wurden inhumiden Gebieten Zunahmen des Bodenwassergehalts prognostiziert.Verschiedene Modellierer kamen zu dem Ergebnis, dass aufgrund einer CO2-Konzentra-tionserhöhung und einer daraus resultierenden Abnahme der Transpiration, die Ab�üs-se auf Einzugsgebietsskala und globaler Skala zunehmen.Bei einer gröÿeren Skala als der Blattskala ist die Transpiration nicht mehr eine lineareFunktion der Blattleitfähigkeit. Hier kommen Prozesse hinzu, die die Sensitivität derTranspiration auf die Blattleitfähigkeit verringern. Auf der lokalen Skala ist hier dieVerstärkung des Feuchtegradienten durch Schlieÿung der Stomata und durch Erhöhungder Ober�ächentemperatur zu nennen. Dies führt zu einer Erhöhung der Transpirati-onsrate. Auf der regionalen Skala kommen die Kompensationse�ekte zusätzlich durchkonvektive Prozesse zustande.

21

3. Methodenwahl

3.1. SVAT-Modelle

Da die Transpiration das Bindeglied zwischen der Energiebilanzgleichung und der Was-serbilanzgleichung darstellt, besteht neben der häu�g in Bezug auf hydrologische Un-tersuchungen im Mittelpunkt stehenden Betrachtung des Wasserhaushalts die Notwen-digkeit einer tieferen Einbeziehung der die Transpiration steuernden p�anzenphysiolo-gischen Prozesse und deren Rückkopplung mit der Energie- und Wasserbilanz.Modelle, die diesen Anspruch genügen, sind SVAT (Soil-Vegetation-Atmosphere Trans-fer) Modelle. Nach Olioso et al. (1999) erfüllen sie den Anspruch des Energie- undMassentransports zwischen dem Boden, der Vegetation und der Atmosphäre unter Be-rücksichtigung p�anzenphysiologischer Prozesse. Der Grad, in dem dies in den verschie-denen Modellen geschieht, variiert jedoch stark.Die in den letzten Jahren entwickelten SVAT-Modelle dienten neben der Simulationder Evapotranspiration auch der Beschreibung des Energie- und Wasserverhaltens vonBöden und der Vegetation in hydrologischen, klimatischen oder Wettervorhersagemo-dellen, sowie der Interpretation von Fernerkundungsdaten bezüglich Austauschprozes-sen zwischen dem Boden und dem Bestand. (Olioso et al., 1999)SVAT-Modelle benötigen normalerweise Informationen über die Vegetationsstruktur,wie beispielsweise den LAI und die Bestandeshöhe, sowie Informationen über die phy-siologischen Eigenschaften der Vegetation (z.B. Stomataleitfähigkeit, Wassertransportvon Boden in P�anze), die thermischen und hydraulischen Eigenschaften von Bödenund die atmosphärischen Zustandsgröÿen.Da keine scharfe De�nition von SVAT-Modellen besteht, auÿer dass sie eine Verbin-dung zwischen den Kompartimenten Boden-Vegetation-Atmosphäre darstellen, existie-ren viele Modelle, welche als SVAT-Modelle verstanden werden können.Eine wichtige Aufgabe besteht nun darin, aus der Fülle dieser Modelle, in Bezug auf dieFragestellung und das Untersuchungsgebiet, ein geeignetes Modell auszuwählen. Hierzuist es notwendig ein geeignetes Bewertungsschema zu erstellen.

3.2. Auswahlkriterien

Um die Auswirkungen des Klimawandels (in diesem Fall insbesondere die Zunahme derCO2-Konzentration in der Atmosphäre) modellieren zu können, ist es wichtig, dass fürdie Problemstellung relevante Prozesse abgebildet werden.Hierzu zählen zum einen, wie in Unterkapitel 2.2.3 erläutert, in Bezug auf die strukturel-len und p�anzenphysiologischen Prozesse die Modellierung des Biomassezuwachses undzum anderen die mit diesem in Verbindung stehende und auf die CO2-Konzentrationder Atmosphäre reagierende Stomataleitfähigkeit.

22 Kapitel 3. Methodenwahl

Neben dieser die Vegetation betre�enden Prozesse ist es wichtig, dass durch das Mo-dell die hydrologischen Prozesse des Untersuchungsgebietes gut beschrieben werden.Modelle, die auf Einzugsgebiete mit Hangneigung angewendet werden, sollten lateraleWasser�üsse berücksichtigen.Mit den zu betrachtenden Prozessen eng verbunden ist der Anspruch an das Modell, inden gewünschten Skalen modellieren zu können. Da es sich bei dem zu untersuchendenGebiet um ein mesoskaliges Einzugsgebiet handelt, ist bei der Modellauswahl auf Mo-delle, welche auf Einzugsgebietsskala modellieren, zu achten. Die zeitliche Skala, die engmit der räumlichen Skala verbunden ist, sollte der Fragestellung nach Auswirkungendes Klimawandels aber auch der Möglichkeit einer tagesbasierten Modellkalibrierung,genügen.Weiterhin sollte das Modell nur so komplex aufgebaut sein, dass keine Beeinträchtigun-gen der Modellsimulationen auftreten.Bevor das Modell angewendet werden kann, muss zunächst die Modellverfügbarkeit unddie Daten- und Parameterverfügbarkeit sichergestellt sein. Ein grundlegendes Auswahl-kriterium ist hierfür, dass das Modell und der Source Code Freeware sind. Modelle, beidenen dies nicht der Fall ist, werden im Rahmen dieser Arbeit als nicht geeignet an-gesehen. Für eine sinnvolle Anwendung des Modells muss seine Struktur verstandenwerden. Hierfür ist es nötig, dass eine gute Modelldokumentation vorhanden ist. Hin-weis für die Qualität eines Modells ist indirekt seine Anwendungshäu�gkeit. Modelle,welche bereits in Deutschland angewendet wurden, werden bei der Modellauswahl be-vorzugt, da von ihnen angenommen wird, dass sie die in Deutschland vorherrschendenProzesse unter den gegebenen Randbedingungen gut simulieren können.Die genannten Kriterien, unter denen eine Modellauswahl statt�ndet, werden in Tabelle3.2.1 zusammengefasst. Unterschieden wird zwischen Kriterien, die die Modellstruktur(interne Aspekte) erfassen und unter solchen, die auf eine direkte Anwendung des Mo-dells (externe Aspekte) abzielen.

Tabelle 3.2.1.: Kriterien der Modellauswahl.

interne Aspekte externe Aspekte

Zusammenhänge Modell- und Source Code-VerfügbarkeitProzesse/ Landnutzung Daten-/Parameterverfügbarkeit

Komplexizität Dokumentation/Beispieldateien

3.3. Modellauswahl

Zur Ermittlung der vorhandenen SVAT-Modelle wurde eine umfassende Literaturre-cherche durchgeführt. Insgesamt wurden sechzehn SVAT-Modelle im Rahmen dieserDiplomarbeit auf die oben angesprochenen Eigenschaften untersucht. Das Ergebnisdieser Recherche ist im Appendix B.1 auf der Seite 124 tabellarisch dargestellt. Nichtoptimal erfüllte Kriterien wurden in den oben angewendeten Farben eingefärbt, umeinen schnellen Überblick zu erhalten.Bezüglich der Modellstruktur und der Abbildung der für die Fragestellung relevanten

3.4. Fazit 23

Prozesse zeigt sich, dass das Modell BROOK-90, ein reines Wasserhaushaltsmodell, un-geeignet erscheint. Rückkopplungen zwischen demWasserhaushalt und Energiehaushaltunter Berücksichtigung der Auswirkung auf die Vegetation werden nicht ausreichendbehandelt. Eine Änderung der CO2-Konzentration in der Atmosphäre wird in Bezugauf die Stomataleitfähigkeit nicht berücksichtigt. Gerade dieser Zusammenhang ist je-doch für die Fragestellung von groÿer Bedeutung.Gegen das Modell Cupid spricht zum einen eine fehlende Modellanwendung in Eu-ropa und zum anderen die Entwicklung des Modells für die Landwirtschaft, bzw. zuBewässerungszwecken. Es wird erwartet, dass die in einem mitteleuropäischen Mittel-gebirgswald auftretenden wichtigen Prozesse nicht in entsprechendem Maÿe berück-sichtigt bzw. simuliert werden können. Das selbe gilt für das Modell DAISY, welcheszwar in Europa entwickelt und u.a. in Deutschland angewendet wurde, jedoch unterdie Landwirtschaft betre�enden Fragestellungen. Das Modell MAESTRA erscheint beiBetrachtung seiner Modellstruktur ebenfalls als eher ungeeignet, da es bisher noch kei-ne Anwendung in Deutschland fand. Die Modellstruktur von RHESSys (Kopplung vonMTN-Clim, TOPMODEL und Biome-BGC) übersteigt durch ihre Komplexizität denRahmen einer Diplomarbeit. Die Modelle SHAW, SiSPAT und SPA fanden bisher nochkeine Anwendung in Europa (SHAW und SPA), bzw. in Deutschland (SiSPAT) undlassen dadurch ebenfalls erwarten, dass die Modellsimulationen eventuell die entschei-denden Prozesse nicht richtig abbilden, bzw. berücksichtigen. Bei den Modellen SHAWund SiSPAT kommt hinzu, dass sie die CO2-Konzentration der Atmosphäre nicht be-rücksichtigen und schon daher als ungeeignet eingestuft werden.Bezüglich der Modellanwendung zeigt sich, dass das Modell CENTURY aufgrund seinerfehlenden Source-Code-Verfügbarkeit, sowie fehlender Beispieldateien und einer basalenDokumentation eher ungeeignet erscheint. Ebenso verhält es sich für das Modell Cupid,für welches ebenfalls kein Source Code bereitgestellt wird und dessen Dokumentationebenfalls eher rudimentär ist. Für das Modell MAESTRA werden Parameter benötigt,welche nicht zur Verfügung stehen. Die Modelle VIC und SWIM werden ebenfalls alseher ungeeignet bzw. als ungeeignet eingestuft, da auch bei ihnen die Dokumentationnicht ausreichend erscheint. Das Modell SWIM wird nicht als Freeware bereitgestellt.

3.4. Fazit

Modelle, welche weder bei der Modellstruktur, noch bei der Modellanwendung für dieFragestellung relevante De�zite aufweisen sind die Modelle Biome-BGC, CoupModel,PnET und SWAT. Da das CoupModel jedoch in seiner jetzigen Form erst wenige An-wendungen erfahren hat und erst in einem laufenden Projekt in Deutschland angewen-det wird, wird es hinter die anderen drei Modelle zurückgestellt. Das SWAT Modellscheint aufgrund seiner Prozessberücksichtigung am geeignetsten zu sein. Im Gegensatzzu den Modellen Biome-BGC und PnET ist es möglich mit ihm laterale Wasser�üsse zumodellieren. Dies ist der Grund, weshalb im Rahmen der Diplomarbeit auf das SWATModell zurückgegri�en wird.Anzumerken ist, dass neben den in Appendix B.1 aufgeführten Modellen eine Vielzahlan anderen Modellen existiert, welche ebenfalls Ökosystemverhalten modellieren. EineZusammenstellung dieser weiteren Modelle be�ndet sich in Appendix B.2 auf Seite 136.

24 Kapitel 3. Methodenwahl

25

4. Berechnung der Verdunstung

mit SWAT

SWAT berechnet die Transpiration und die Evaporation separat. Zunächst wird diepotentielle Evaporation beziehungsweise die potentielle Transpiration bestimmt, bevoraus ihnen durch Reduktionstherme die aktuellen Werte ermittelt werden. Ein Schemawelches die verschiedenen Berechnungsschritte zusammenfasst ist in Abbildung 4.0.1zu sehen. Die in diesem Kapitel aufgeführten Formeln stammen, so weit nicht anderszitiert aus Neitsch et al. (2005).

4.1. Potentielle Evapotranspiration zur Berechnungder potentiellen Evaporation

Die potentielle Evaporation beziehungsweise Transpiration kann in SWAT durch dieAnwendung der Penman-Monteith-, Priestley-Taylor- oder Hargreaves-Methode bzw.Modi�kationen dieser Methoden bestimmt werden. In dieser Arbeit wurde auf die Be-rechnung mit der Penman-Monteith-Formel zurückgegri�en, da nur in ihr die CO2-Konzentration berücksichtigt wird. Die für dafür benötigten meteorologischen Parame-ter solare Strahlung, Lufttemperatur, relative Luftfeuchte und Windgeschwindigkeitliegen alle in Messreihen vor.In einem ersten Schritt wird mit der Referenzp�anze Luzerne die potentielle Evapotrans-piration bestimmt:

rV =∆ ∗ (Hnet −B) + ρair ∗ cp ∗ [e0z − ez]/ra

∆ + γ ∗ (1 + rc/ra)(4.1.1)

Wobei rV die Dichte des turbulenten Stroms latenter Wärme in MJ m−2 d−1 darstellt,∆ die Steigung der Sättigungsdampfdruck-Temperatur-Kurve (kPa ◦C−1), Hnet stehtfür die Strahlungsbilanz (MJm−2 d−1), B für den Bodenwärmestrom (MJm−2 d−1), ρair

für die Luftdichte (kgm−3), cp für die spezi�sche Wärme der Luft (MJkg−1 ◦C−1) untereinem konstanten Druck, e0z für den Sättigungsdampfdruck der Luft (kPa) in der Höhez, ez für den Dampfdruck der Luft (kPa) in der Höhe z, γ für die Psychrometerkonstante(kPa ◦C−1), rc für den Bestandeswiderstand der Vegetation (sm−1) und ra für denaerodynamischen Widerstand (sm−1).

4.1.1. Der aerodynamische Widerstand

Der aerodynamische Widerstand, der den Austausch des turbulenten Stroms fühlbarerWärme und den Strom latenter Wärme beein�usst, wird wie folgt berechnet:

26 Kapitel 4. Berechnung der Verdunstung mit SWAT

Penman-Monteith Gleichung mit Referenzpflanze

Modifizierte Penman-Monteith Gleichung mit tatsächlicher

Vegetation

Epot

Tpot

Eakt

Takt

ETakt

Ecan

covsol

Vegetations-wasserver-

brauch

Bodenschichten-Verdunstungsbedarf

Wassergehalt unter FK

FK-WP

Bodenfeuchte-Kapillarkräfte

Verteilung übers Bodenprofil

Schnee ?ja

neinE

sub

Abbildung 4.0.1.: Schematische Darstellung der Verdunstungsberechnung durch SWAT mit derInterzeptionsverdunstung Ecan, der potentiellen Evaporation Epot, der aktuel-len Evaporation Eakt, der Bodenbedeckung covsol, der Sublimation Esub, derpotentiellen Transpiration Tpot, der aktuellen Transpiration Takt, der Feldka-pazität FK, dem Welkepunkt WK und der aktuellen Evapotranspiration ETakt.

ra =ln[(zw − d)/zom] ln[(zp − d)/zov]

k2uz

(4.1.2)

Dabei ist zw die Höhe (cm) des Windmessgeräts, zp steht für die Höhe (cm) in der dieLuftfeuchtigkeits- und Temperaturmessgeräte installiert ist und d bezeichnet die Null-verschiebung des Windpro�ls (cm). Der Parameter zom steht für die Rauhigkeitslängebezogen auf den turbulenten Strom fühlbarer Wärme (cm) während zov äquivalentdazu die Rauhigkeitslänge bezogen auf den turbulenten Strom latenter Wärme (cm)darstellt. K steht für die Kármán-Konstante (-) und uz für die Windgeschwindigkeit(m s−1) in der Höhe zw.Nach Brutsaert (1975) sind die Rauhigkeitsparamter abhängig von der mittleren

4.1. Potentielle Evapotranspiration zur Berechnung der potentiellen Evaporation 27

Bestandeshöhe hc (cm) wie in Gleichung 4.1.3 zu sehen ist:

hc/zom = 3e (4.1.3)

Mit e wird die Eulersche Zahl bezeichnet. Demnach gilt für die Berechnung von zom:

zom = hc/3e = 0, 123 ∗ hc wenn hc ≤ 200 cm (4.1.4)

zom = 0, 058 ∗ (hc)1,19 wenn hc ≥ 200 cm (4.1.5)

Nach Stricker & Brutsaert (1978) (in Neitsch et al. (2005, S.124)) kann dieRauhigkeitslänge des Wasserdampf-Transfers als ein Anteil der Rauhigkeitslänge desturbulenten Stroms fühlbarer Wärme verstanden werden:

zov = 0, 1 ∗ zom (4.1.6)

Die Nullpunktverschiebung d lässt sich nach Monteith (1981) (in Neitsch et al.

(2005, S.139)) über die mittlere Höhe der Bestandesschicht berechnen:

d =2

3∗ hc (4.1.7)

Für die Höhe der Messgeräteinstallation wird in SWAT immer 170 cm angenommen.

4.1.2. Der Bestandeswiderstand

Bei nicht unter Wasserstress stehenden Beständen kann nach Jensen et al. (1990)(in Neitsch et al.(2005, S.124)) der Bestandeswiderstand rc (sm−1) aus dem mini-malen e�ektiven Stomatawiderstand eines einzelnen Blattes rl (sm−1) und dem LAIdes Bestandes berechnet werden:

rc = rl/(0, 5 ∗ LAI) (4.1.8)

Die Stomatawiderstand eines Blattes berechnet sich aus den einzelnen Stomatawider-ständen der Ober- und Unterseite der Blätter, es wird dabei angenommen, dass dieWiderstände in Reihe geschaltet sind. Der minimale e�ektive Stomatawiderstand einesBlattes wird nach folgender Formel abgeschätzt:

rl =rl−ad ∗ rl−ab

rl−ab + rl−ad

(4.1.9)

Wobei rl−ad der minimale e�ektive Stomatawiderstand in sm−1 auf der adaxialen Seiteeines Blattes ist und rl−ab der minimale e�ektive Stomatawiderstand auf der abaxialenSeite eines Blattes. Der reziproke Wert des minimalen e�ektiven Stomatawiderstandsdes Blattes wird als die maximale e�ektive Stomataleitfähigkeit des Blattes gl (m s−1)bezeichnet. Damit ergibt sich für den Bestandeswiderstand:

rc = (0, 5 ∗ gl ∗ LAI)−1 (4.1.10)


Um den E�ekt der Erhöhung der CO2-Konzentration in der Atmosphäre auf den Be-standeswiderstand zu berücksichtigen, wird in SWAT folgende Formel zur Berechnungder Blattleitfähigkeit verwendet:

gl,CO2 = gl ∗ [1, 4− 0, 4 ∗ (CO2/330)] (4.1.11)

Wobei CO2 für die Konzentration von CO2 in ppm in der Atmosphäre steht. Damitergibt sich für die Gleichung 4.1.8:

rc = rl ∗[(0, 5 ∗ LAI) ∗

(1, 4− 0, 4 ∗ CO2

330

)]−1

(4.1.12)

4.1.3. Annahmen für die Referenzp�anze Luzerne

Die Luzerne mit einer angenommenen Wuchshöhe von 40 cm und einem minimalene�ektiven Blattwiderstand von 100 sm−1 wird bei Verwendung der Penman-MonteithGleichung als Referenzvegetation verwendet. Für die Gleichung 4.1.2 ergibt sich damit:

ra =114

uz

(4.1.13)

Der LAI der Luzerne wird mit 4,1 angenommen und die Gleichung 4.1.12 wird zu:

rc = 49 ∗(

1, 4− 0, 4 ∗ CO2

330

)−1

(4.1.14)

4.2. Potentielle Evaporation

Nach der Berechnung der potentiellen Evapotranspiration wird die potentielle Evapora-tion unter Berücksichtigung der Interzeptionsverdunstung, der Vegetationsbedeckungund der Konkurrenz mit der Vegetation bezüglich der Wasserentnahme aus dem Bodenbestimmt. Findet Sublimation der Schneedecke statt, wird diese zunächst berechnet be-vor von einer tiefenverteilten Evaporationsnachfrage aus dem Boden ausgegangen wird.

4.2.1. Interzeptionsverdunstung

Falls die potentielle Evapotranspiration E0 geringer als die interzeptierte WassermengeRint ist, gilt:

Ea = Ecan = E0 (4.2.1)

Rint(f) = Rint(i) − Ecan (4.2.2)

Die aktuelle Evapotranspiration eines Einzugsgebiets Ea (mm/d) ist gleich der In-terzeptionsverdunstung Ecan (mmd−1) und der potentiellen Evapotranspiration E0

(mmd−1). Die Wassermenge Rint(f) (mmd−1), die in einem Bestand nach der Inter-zeptionsverdunstung zurückbleibt, wird als Di�erenz von Anfangswassermenge Rint(i)

(mmd−1) und der Interzeptionsverdunstung Ecan berechnet. Ist jedoch die potentielle

4.2. Potentielle Evaporation 29

Evapotranspiration E0 gröÿer als die in dem Bestand durch Interzeption gespeicherteWassermenge Rint, so gilt:

Ecan = Rint(i) (4.2.3)

Rint(f) = 0 (4.2.4)

4.2.2. Berücksichtigung der Vegetationsbedeckung

Der Anteil der Bodenbedeckung nimmt Ein�uss auf die Menge des sublimierten undevaporierten Wassers aus dem Boden. Die maximale Bodenevaporation Es (mmd−1)und Sublimation ist demnach eine Funktion eines Bodenbedeckungindexes covsol undder potentiellen Evapotranspiration EB0 (mmd−1) in den Bestand:

Es = EB0 ∗ covsol (4.2.5)

Der Bodenbedeckungsindex wird über die oberirdische Biomasse und Streu CV (kg ha−1)berechnet:

covsol = exp(−5 ∗ 10−5 ∗ CV ) (4.2.6)

Falls der Gehalt der Schneedecke an Wasser gröÿer als 5mm ist, wird der Bodenbede-ckungsindex gleich 0,5 gesetzt.

4.2.3. Berücksichtigung des Vegetationswasserverbrauchs

Die maximale Bodenevaporation wird während Perioden, in denen ein hoher Wasser-verbrauch der Vegetation herrscht, reduziert:

Evs = min

[Es,

Es ∗ EB0

Es + Et

](4.2.7)

Wobei Evs die maximale Sublimation/Bodenevaporation (mmd−1) unter Berücksich-tigung der Wasserentnahme durch die Vegetation darstellt und Et die Transpiration(mmd−1). Wenn die Transpiration gering ist gilt: Evs→Es, nähert sich die Transpira-tion EB0 an, so ergibt sich:

Evs →Es

1 + covsol

(4.2.8)

4.2.4. Sublimation

Nachdem die maximal mögliche Sublimation/Bodenevaporation bestimmt ist, wird,falls eine Schneedecke vorhanden ist, die Sublimation Esub (mmd−1) berechnet. Wennder Wassergehalt der Schneedecke gröÿer als die maximale Sublimation bzw. Bodene-vaporation ist, so gilt:


Esub = Evs (4.2.9)

SNO(f) = SNO(i) − Evs (4.2.10)

Evvs = 0 (4.2.11)

Wobei SNO(i) (mm) der Wassergehalt der Schneedecke vor der Sublimation und SNO(f)

(mm) der Wassergehalt der Schneedecke nach Berücksichtigung der Sublimation ist.Evvs steht für die maximale Bodenwasserevaporation (mmd−1). Falls der Wassergehaltder Schneedecke geringer ist als die maximale Sublimation/Bodenevaporation, so gilt:

Esub = SNO(i) (4.2.12)

SNO(f) = 0 (4.2.13)

Evvs = Evs − Esub (4.2.14)

4.3. Aktuelle Bodenevaporation

Nach dem bereits eine Reduzierung des am Anfang zur Verfügung stehenden Wassersvorgenommen wurde, wird nun die aktuelle Evaporation berechnet. Die Bodenevapo-ration Esoil,z (mm) wird in SWAT als eine Funktion der Bodentiefe z de�niert.

Esoil,z = Evvs ∗z

z + exp(2, 374− 0, 00713 ∗ z)(4.3.1)

Es wird angenommen, dass 50% der Evaporation in den obersten 10mm des Bodensund 95% in den obersten 100mm des Bodens statt�nden. Die Bodenevaporation wirdfür jede Bodenschicht Esoil,ly einzeln durch die Di�erenz der Evaporation an der oberenBodenschicht Esoil,zo (mm) und der unteren Bodenschicht Esoil,zu (mm) bestimmt:

Esoil,ly = Esoil,zu − Esoil,zo (4.3.2)

Falls eine Bodenschicht die geforderte Evaporation nicht erbringen kann, kann diesnicht durch andere Bodenschichten übernommen werden, eine Reduktion der aktuellenEvaporation ist die Folge:

Esoil,lyb = Esoil,ly ∗ exp

[2, 5 (SWly − FCly)

FCly −WPly

]falls SWly < FCly (4.3.3)

Esoil,lyb = Esoil,ly falls SWly ≥ FCly (4.3.4)

Wobei SWly der Bodenwassergehalt (mm) der Bodenschicht ly, FCly der Wassergehaltder Bodenschicht (mm) bei Feldkapazität undWPly der Wassergehalt der Bodenschichtly (mm) beim Welkepunkt ist. Ein Parameter, der die Tiefenverteilung aus denen dieEvaporation statt�ndet festlegt, wurde eingeführt, damit die Evaporation tiefenabhän-gig reguliert werden kann. In SWAT ist eine Wassermenge Esoil,lybb (mm) de�niert,welche maximal durch Bodenevaporation der Atmospäre zugeführt werden kann:

Esoil,lybb = min(Esoil,lyb 0, 8 ∗ (SWly −WPly)) (4.3.5)

4.4. Potentielle Transpiration 31

4.4. Potentielle Transpiration

Unter der Annahme einer neutral geschichteten Atmosphäre, eines logarithmischenWindpro�ls und eines vernachlässigbaren Bodenwärmestroms kann die Penman-Mon-teith-Gleichung nach Jensen et al. (1990) (in Neitsch et al.(2005, S.122)) fürVegetation, die nicht unter Wasserstress steht, verändert werden:

rEt,max =∆ ∗ (Hnet −B) + γ ∗Kl ∗ (0, 622 ∗ r ∗ ρair/P ) ∗ (e0z − ez)/ra

∆ + γ ∗ (1 + rc/ra)(4.4.1)

Wobei r die Verdunstungswärme (MJkg−1) bezeichnet, Et,max die maximale Transpi-rationsrate (mmd−1), P den Luftdruck (kPa) und Kl einen Korrekturfaktor. Für dieBerechnung der potentiellen Transpiration werden die Widerstandswerte der entspre-chenden Vegetation verwendet. Die Berechnung der potentiellen Transpiration wirddazu verwendet, um den Wasserverbrauch der P�anzen, der von ihr gesteuert wird zuermitteln.Die Berechnung des Bestandeswiderstandes wird um einen Term, der die Abnahme derBlattleitfähigkeit mit zunehmendem Dampfdruckde�zit berücksichtigt, erweitert:

gl = gl,mx ∗ [1−∆gl,dcl (vpd− vpdthr)] falls vpd > vpdthr (4.4.2)

gl = gl,mx falls vpd ≤ vpdthr (4.4.3)

Mit gl,mx wird die maximale Blattleitfähigkeit (m s−1) benannt, mit ∆gl,dcl die Abnahmeder Blattleitfähigkeit (m s−1 kPa−1) pro Zunahme des Wasserdampfde�zites um einkPa, vpd das Wasserdampfde�zit (kPa) und vpdthr bezeichnet den Schwellenwert desWasserdampfde�zites (kPa), ab dem ein Ein�uss auf die Blattleitfähigkeit beobachtetwerden kann.

4.5. Potentielle Wasseraufnahme durch dieVegetation

Die potentielle Wasseraufnahme der Vegetation wup,z (mm d−1)wird in SWAT als eineFunktion der maximalen Transpiration Et,max (mmd−1), der Durchwurzelungstiefe zroot

(mm), der Bodentiefe z (mm) und einem Verteilungsfaktor βw angenommen:

wup,z =Et,max

[1− exp(−βw)]∗[1− exp

(−βw ∗

z

zroot

)](4.5.1)

Die Gleichung kann für die verschiedenen Bodenschichten einzeln gelöst werden. Da dieWurzeldichte mit der Bodentiefe abnimmt, wird angenommen, dass die Wasseraufnah-me in den höheren Bodenschichten gröÿer als in den tieferen ist. Der Verteilungsfaktorgibt an, in welcher Tiefe des Bodens wieviel Prozent der gesamten Wasseraufnahmestatt�ndet. Mit einem Faktor von z.B. 10 wird angenommen, dass 50% der Wasserauf-nahme in den oberen 6% der Wurzelzone statt�ndet. Falls die oberen Bodenschichtennicht genug Wasser enthalten, um die potentielle Wasseraufnahme zu gewährleisten,


ist es durch den Parameter epco möglich, eine Wasserversorgung aus tieferen Boden-schichten zu gewährleisten. Die erhöhte Saugspannung, die mit der Abnahme des Bo-denwassergehaltes verbunden ist, wird berücksichtigt sobald der Wassergehalt einerBodenschicht SWly unter 25% der Di�erenz von dem Wassergehalt der Schicht beiFeldkapazität und dem Wassergehalt der Bodenschicht bei Erreichen des Welkepunk-tes fällt, siehe Formel 4.5.2.

wup,lyss = wup,lys ∗ exp

[5 ∗(

SWly

0, 25 ∗ AWCly

− 1

)]SWly < (0, 25 ∗ AWCly) (4.5.2)

wup,lyss = wup,lys SWly ≥ (0, 25 ∗ AWCly) (4.5.3)

AWCly = FCly −WPly (4.5.4)

4.6. Aktuelle Transpiration

Nach Berechnung der potentiell möglichen Wasseraufnahme aus dem Boden wird dieaktuelle Wasseraufnahme für die einzelnen Bodenschichten berechnet. Diese ergibt sichaus der potentiellen Wasseraufnahme unter den Anfangsbodenwassergehalten wup,lyss

(mm) und der Di�erenz zwischen dem Bodenwassergehalt der einzelnen Bodenschichtenund dem Wassergehalt des Bodens beim Welkepunkt:

wactualup,ly = minbwup,lyss, (SWly −WPly)c (4.6.1)

Wobei wactualup,ly (mm) die aktuelle Bodenwasseraufnahme für die Bodenschicht ly dar-stellt und wup,lyss (mm) die potentielle Wasseraufnahme beim Anfangsbodenwasserge-halt. Das Integral der aktuellen Wasseraufnahme über alle Bodenschichten an einemTag ist gleichzusetzen mit der aktuellen Transpiration.

4.7. Fazit

In SWAT kann zur Berechnung der Verdunstung zwischen der Priestley-Taylor-, Hargre-aves- und Penman-Monteith-Methode gewählt werden. Da nur letztere einen Ein�ussder CO2-Konzentration auf die Evapotranspiration berücksichtigt, wird auf sie zurück-gegri�en. In SWAT werden getrennt mit der Penman-Monteith-Gleichung bzw. einerModi�kation die potentielle Evaporation und die potentielle Transpiration berechnet.Durch die Anwendung von Reduktionsthermen werden die aktuellen Werte ermittelt.Zunächst wird in SWAT die potentielle Evapotranspiration zur Berechnung der po-

tentiellen Evaporation mit Hilfe der Penman-Monteith-Methode und Luzerne als Refe-renzp�anze ermittelt. Der aerodynamische Widerstand ist eine Funktion der Windge-schwindigkeit, der mittleren Bestandeshöhe und der Höhe der Messgeräteinstallationen.Der Bestandeswiderstand wird als Funktion des LAI, des minimalen Stomatawiderstan-des eines Blattes, der CO2-Konzentration der Atmosphäre und der schwellenwertabhän-gigen Reduktion der Blattleitfähigkeit durch das Wasserdampfde�zit berechnet. Nichtdirekt berücksichtigt wird zur Berechnung des Bestandeswiderstandes der Ein�uss derTemperatur, der Strahlung und des Blattwasserpotentials auf die Blattleitfähigkeit.

4.7. Fazit 33

Der Ein�uss der Temperatur ist indirekt im Ein�uss des Wasserdampfde�zites berück-sichtigt.Wie in Kapitel 5 zusehen, werden die oben genannten Gröÿen nicht direkt zur Be-rechnung des LAI verwendet, wodurch sie auch Ein�uss auf die Transpiration nehmenkönnten.Nach dem die potentielle Evapotranspiration für die Referenzp�anze bestimmt ist, wirddie Interzeptionsverdunstung abgezogen. Ebenfalls �ndet eine Verringerung der poten-tiellen Evapotranspiration durch Berücksichtigung der Bedeckungsgrades des Bodensdurch die Vegetation statt. In einem letzten Schritt bevor es zur Berechnung der aktu-ellen Evaporation kommt, wird der Therm um die Sublimation verringert.Die aktuelle Evaporation wird als Funktion der Bodentiefe und der Feldkapazität be-rechnet. Die aktuelle Bodenevaporation wird einzeln für jede Bodenschicht bestimmt,die Bodenschichten stellen dabei kein Kontinuum dar.Für die Berechnung der potentiellen Evapotranspiration zur Transpirationsbestimmungwerden spezi�sche P�anzenparameter berücksichtigt. Der ermittelte Wert wird durcheinen Verteilungsfaktor, sowie durch die Durchwurzelungstiefe in Relation zur Boden-tiefe, reduziert. Berücksichtigt wird die Zunahme des Matrixpotentials sobald der Was-sergehalt einer Bodenschicht 25% der Di�erenz von Bodenwassergehalt bei Feldkapa-zität und Wassergehalt bei Erreichen des Welkepunktes unterschreitet. Die aktuelleTranspiration ergibt sich aus der Summation der Wasserentnahmen der einzelnen Bo-denschichten unter Berücksichtigung des permanenten Welkepunktes.

35

5. Berechnung des

P�anzenwachstums mit SWAT

Wie bereits in Kapitel 2.2.3 beschrieben, ist die Transpiration ebenfalls abhängig vondem P�anzenwachstum. Wie das P�anzenwachstum in SWAT berechnet wird, soll imfolgenden Kapitel näher betrachtet werden. Die Formeln entstammen ausschlieÿlichNeitsch et al. (2005, S.286 �).

5.1. Potentielles P�anzenwachstum

Für jeden Simulationstag wird für die Vegetation das potentielle Wachstum (Wachstumohne Wasser- und Nährsto�de�zit, sowie unter optimalen klimatischen Bedingungen)ermittelt. Unter �Wachstum� fällt die Biomasseproduktion, die Entwicklung der Be-standesbedeckung und -gröÿe und die Wurzelentwicklung.

5.1.1. Bestimmung der Biomasseproduktion

Zur Bestimmung der Biomasseproduktion wird zunächst die von der Blatt�äche desBestandes aufgenommene photosynthetisch aktive Strahlung (PAR) berechnet:

Hphosyn = 0, 5 ∗Hday ∗ (1− exp(−kl ∗ LAI)) (5.1.1)

Es wird angenommen, dass 50% der einfallenden Strahlung Hday (MJm−2) als pho-tosynthetisch aktive, dies bedeutet Strahlung mit einer Wellenlänge zwischen 400 und700 nm, angenommen werden können. Diese ermittelte Strahlungs�ussdichte wird inAbhängigkeit des Extinktionskoe�zienten kl (-) und dem LAI (-) reduziert und er-gibt somit die an einem Tag interzeptierte photosynthetisch aktive Strahlung Hphosyn

(MJm−2). Der maximale pro Tag mögliche Zuwachs an Biomasse ∆bio (kg ha−1) istabhängig von der p�anzenspezi�schen Strahlungs-Nutzungs-E�zienz (RUE inkg/ha*(MJ/m2)−1), so dass sich für den Zuwachs der Biomasse ergibt:

∆bio = RUE ∗Hphosyn (5.1.2)

Die Strahlungs-Nutzungs-E�zienz ist abhängig von der CO2-Konzentration der Atmo-sphäre, weshalb diese bei ihrer Berechnung berücksichtigt wird:

RUE =100 ∗ CO2

CO2 + exp(r1 − r2 ∗ CO2)(5.1.3)

R1 und r2 sind Steigungskoe�zienten, welche durch die Kenntnis der RUE bei aktuel-len und erhöhten CO2- Konzentrationen der Atmosphäre berechnet werden können.

36 Kapitel 5. Berechnung des P�anzenwachstums mit SWAT

Die Gleichung 5.1.3 wurde für eine CO2-Konzentrationen der Atmosphäre von 330 ppmerstellt und ist für CO2-Konzentrationen von 330 ppm bis 660 ppm gültig.Nebend der Abhängigkeit der RUE von der CO2-Konzentration der Atmosphäre wirdin SWAT ebenfalls eine Abhängigkeit der RUE vom Sättigungsdampfdruckde�zit be-rücksichtigt. Es wird angenommen, dass die RUE in Abhängigkeit eines Sättigungsde-�zitgrenzwertes abnimmt:

RUE = RUEvpd=1 −∆ruedcl ∗ (vpd− vpds) wenn vpd > vpds (5.1.4)

RUE = RUEvpd=1 wenn vpd ≤ vpds (5.1.5)

Mit RUEvpd=1 wird die Strahlungs-Nutzungs-E�zienz bei einem Dampfdruckde�zitvon 1 kPa bezeichnet, ∆ruedcl bezeichnet die Abnahmerate der RUE pro Anstieg desDampfdruckde�zits (kg/ha(MJ/m2)−1*kPa−1) und vpds ist ein Schwellenwert, bei des-sen Überschreitung eine Reduzierung der RUE einsetzt. Dieser Wert wird für alleP�anzen als 1 kPa angenommen.Bei der Berechnung der Biomasseproduktion von Bäumen wird berücksichtigt, dass sieinnerhalb eines Jahres nicht die Reife erreichen können. Deshalb wird in Abhängigkeitvon ihrem Alter ein maximaler Wert des Biomassezuwachses berechnet, welcher nichtüberschritten werden kann, bis sie die Reife erreichen:

bioannual = 1000 ∗(

yrcur

yrfulldev

)∗ biofulldev (5.1.6)

Wobei bioannual (kg ha−1) die maximale Biomasse, die ein Baum in einem Jahr akkumu-lieren kann, yrcur das Alter (a) des Baums, yrfulldev die Jahre bis zur vollen Entwicklungdes Baumes und biofulldev die Biomasse eines Bestandes (t ha−1) bezeichnet.

5.1.2. Bestimmung der Bestandesbedeckung und derBestandeshöhe

Zu Beginn der Wachstumsperiode werden die Entwicklung der Bestandeshöhe und desLAI durch die optimale LAI-Entwicklungskurve bestimmt:

frLAImx =frPHU

frPHU + exp(l1 − l2 ∗ frPHU)(5.1.7)

Mit frLAImx wird der Anteil am maximalen LAI bei gegebenem Anteil an den �Potenti-ellen Heat Units� (PHU) bezeichnet, frPHU bezeichnet den Anteil an den PotentiellenHeat Units an einem bestimmten Tag der Wachstumsperiode und l1 und l2 sind Stei-gungskoe�zienten. Die Steigungskoe�zienten lassen sich aus 5.1.7 berechnen, sofernmindestens zwei Anteile des LAI am maximalen LAI und deren dazugehörigen Anteilean den PHUs bekannt sind.Es wird angenommen, dass die Bestandeshöhe hc (m) für einen Tag eine Funktion dermaximalen P�anzenhöhe hc,mx (m) und dem Anteil am maximalen LAI ist:

hc = hc,mx ∗√frLAImx (5.1.8)

5.1. Potentielles P�anzenwachstum 37

Ist die maximale Bestandeshöhe erreicht, bleibt dieser Wert bis zur Ernte der P�anzekonstant. Für Bäume wird die Höhe als Funktion des Alters in Bezug auf das maximaleAlter berechnet:

hc = hc,mx ∗(

yrcur

yrfulldev

)(5.1.9)

Der Bedeckungsgrad des Bodens wird durch den LAI berechnet. Für den pro Tagdazukommenden LAI (∆LAIi) gilt:

∆LAIi = (frLAImx,i−frLAImx,i−1)∗LAImx ∗ (1−exp(5∗ (LAIi−1−LAImx))) (5.1.10)

Für Bäume berechnet sich der pro Tag hinzukommende LAI wieder in Abhängigkeitihres Alters:

∆LAIi = (frLAImx,i − frLAImx,i−1) ∗(

yrcur

yrfulldev

)∗ LAImx∗

(1− exp(5 ∗ (LAIi−1 −(

yrcur

yrfulldev

)∗ LAImx)))

(5.1.11)

Dabei bezeichnen LAIi und LAIi−1 die LAIs für den Tag i, bzw. den Tag i−1, frLAImx,i

bzw. frLAImx,i−1 die mit Gleichung 5.1.7 berechneten Anteile am maximalen LAI derentsprechenden Tage. Ist der maximale LAI erreicht, bleibt der Wert konstant bis derBlattfall beginnt. Ist dies der Fall, wird der LAI als Funktion des Anteils der PHUszum Zeitpunkt des Blattfalls als dominanter Prozess an den PHUs berechnet:

LAI = LAImx ∗(1− frPHU)

(1− frPHU,sen)frPHU > frPHU,sen (5.1.12)

Wobei frPHU,sen der Anteil an den �Potentiellen Heat Units� ist, ab dem Blattfalleintritt.Für Bäume gilt:

LAI =

(yrcur

yrfulldev

)∗ LAImx ∗

(1− frPHU)

(1− frPHU,sen)frPHU > frPHU,sen (5.1.13)

5.1.3. Bestimmung der Wurzelentwicklung

In SWAT wird davon ausgegangen, dass 40% der gesamten Biomasse bei Jungp�anzenWurzelmasse ist, für voll entwickelte P�anzen wird ein Wert von 20% angenommen. Dertägliche Anteil der Wurzelbiomasse frroot an der gesamten Biomasse wird als Funktiondes Anteils der akkumulierten Heat Units an den PHU verstanden:

frroot = 0, 40− 0, 20 ∗ frPHU (5.1.14)


Für mehrjährige P�anzen und Bäume wird angenommen, dass ihre Wurzeltiefe immergleich der maximal möglichen Wurzeltiefe zroot,mx (mm) (abhängig von Boden undP�anzenart) ist. Für einjährige P�anzen wird eine variierende Wurzeltiefe zroot (mm)angenommen:

zroot = 2, 5 ∗ frPHU ∗ zroot,mx wenn frPHU ≤ 0, 40 (5.1.15)

zroot = zroot,mx wenn frPHU > 0, 40 (5.1.16)

5.2. Aktuelles P�anzenwachstum

Das in den Unterkapiteln von Abschnitt 5.1 auf Seite 35 geschilderte potentielle Wachs-tum der Vegetation wird in SWAT durch Wassermangel verringert.

5.3. Wassermangel

Unter optimaler Wasserversorgung beträgt der Wasserstress 0. Er kann von abweichen-den optimalen Bedingungen bis auf 1 ansteigen. Berechnet wird er aus dem Verhältnisder aktuellen Transpiration Takt zur potentiellen Transpiration Tpot:

Wasserstress = 1− Tact

Tpot

(5.3.1)

Des weitern werden Temperaturstress und Nährsto�mangel (Sticksto� und Phosphor)berücksichtigt.

5.4. Fazit

Das P�anzenwachstum kann in die Biomasseproduktion, die Entwicklung der Bestan-desbedeckung und -gröÿe und in die Wurzelentwicklung unterteilt werden.Der Zuwachs an Biomasse wird in SWAT durch die interzeptierte photosynthetischaktive Strahlung und die RUE bestimmt. Die interzeptierte photosynthetisch aktiveStrahlung wird aus dem LAI, der PAR und einem Extinktionskoe�zienten ermittelt.Die RUE nimmt mit der CO2-Konzentration zu und nimmt bei Übersteigung einesGrenzwertes des Sättigungsde�zites ab. Bei Bäumen wird ein Grenzwert der Biomas-seakkumulation in einem Jahr berechnet. Dieser Grenzwert resultiert aus dem Alter desBaumes, seinem maximal möglichen Alter sowie aus der gesamten Bestandesbiomasse.Die Bestandesbedeckung wird aus der optimalen LAI-Entwicklungskurve bestimmt.Hierzu werden LAIs bei gegebenem Anteil an potentiell möglichen PHUs bestimmtund mit der so entstandenen Funktion werden Anteile des LAI am maximalen LAIwährend des Jahres berechnet.Die Bestandeshöhe wird als Funktion der maximalen Bestandeshöhe und dem Anteildes LAIs am maximalen LAI bestimmt. Bei Bäumen ist die Bestandeshöhe u.a. abhän-gig von ihrem Alter.

5.4. Fazit 39

Bezüglich der Wurzelentwicklung wird angenommen, dass bei Jungp�anzen die Wur-zelmasse 40% der gesamten Biomasse ausmacht und bei adulten P�anzen 20%. Dertägliche Anteil der Wurzelmasse an der gesamten Biomasse wird durch den Anteil derPHUs an den potentiellen PHUs berechnet.Das aktuelle P�anzenwachstum ergibt sich aus dem potentiellen P�anzenwachstumdurch Berücksichtigung von Wasser-, Temperatur-, und Nährsto�stress.

41

6. Untersuchungsgebiet

6.1. Naturräumliche Lage, Topographie undMessnetz

Das Untersuchungsgebiet mit einem oberirdischen Einzugsgebiet von ca. 15,2 km2 biszum Pegel St. Wilhelm be�ndet sich östlich von Freiburg am Westrand des Schwarz-waldes im Südosten des Dreisameinzugsgebietes. Aufgrund seiner oberirdischen Ein-zugsgebietsgröÿe kann das Gebiet der hydrologischen Mesoskala zugeordnet werden.Der topographisch tiefste Punkt be�ndet sich am Pegel St. Wilhelm im Westen desGebietes mit einer Höhe von ca. 633m ü. NN. Der Feldberggipfel im Südosten des Ge-bietes mit 1493m ü. NN stellt den höchsten Punkt dar. Die mittlere Einzugsgebietshöhebeträgt 1075m ü. NN bei einer maximalen Höhendi�erenz von 860m. (Uhlenbrook,2000)In Tabelle 6.1.1 sind die prozentualen Flächenanteile an Höhenstufen im Einzugsge-biet des St. Wilhelmer Talbaches zusammengefasst. Datengrundlage stellt hierfür eindigitales Höhenmodell mit einer Au�ösung von 50m x 50m dar.

Tabelle 6.1.1.: Flächenanteile an einzelnen Höhenstufen im St. Wilhelmer Talbach Einzugsgebiet.

Höhenstufe (m ü. NN) Flächenanteile (%)

600-800 7,76800-1000 25,521000-1200 39,571200-1492 27,15

Morphologisch zeichnet sich das Gebiet durch eine junge Erosionslandschaft mitgroÿen Höhendi�erenzen und tief eingeschnittenen Haupt- und zahlreichen steilen Sei-tentälern aus, die zur Bildung von Schotter- und Schwemmfächern im Dreisameinzugs-gebiet beitrugen (Didszun, 2004). Dies spiegelt sich an den in Tabelle 6.1.2 zusammen-gefassten Flächenanteilen an Hangneigungsklassen wider. Die Hälfte der Gesamt�ächeweist ein Gefälle von 20◦ bis 40◦ auf. Die räumliche Verteilung des Gefälles ist in Abbil-dung 6.1.1 zu sehen. Aufgrund der Würm-Eiszeit kam es zu einer glazialen Überprägungdes Gebietes, welche auch heute noch an glazialen Formen nachweisbar ist. Entwässertwird das gesamte Untersuchungsgebiet durch den St. Wilhelmer Talbach, welcher indie Brugga, einem zur Dreisam entwässernden Fluss mündet. Das mittlere Flussgefälledes St. Wilhelmer Talbaches liegt nach Uhlenbrook (2000) bei 107,5%�.

42 Kapitel 6. Untersuchungsgebiet

Tabelle 6.1.2.: Flächenanteile des St. Wilhelmer Talbach Einzugsgebietes an Hangneigungsklas-sen (aus Uhlenbrook (2000)).

Hangneigung (◦) Flächenanteile (%)

0-5 1,95-10 6,110-20 25,120-40 50,5>40 16,2

� � � ��

��

��

�

Abbildung 6.1.1.: Räumlich aufgelöste Gefälleverteilung im Untersuchungsgebiet.

6.2. Klima und Hydrologie 43

�

��

��

�

� � � ��

��

!��"� ��#�#��

�� $��#%��#��

� &%�

�

Abbildung 6.1.2.: Höhenverteilung im Untersuchungsgebiet.

Tabelle 6.1.3.: Niederschlagsstationen im Untersuchungsgebiet.

Niederschlagsstation Höhe (m ü. NN) Messzeitraum

Katzensteig 780 15.10.1994-31.12.2006St. Wilhelm 920 1.1.1951-30.6.2001Feldberg 1486 1.1.1961-31.12.2006

Abbildung 6.1.2 gibt Topographie und Form des Einzugsgebietes sowie die Lage derMessstationen wider. Die in der Tabelle 6.1.3 genannte Station �Katzensteig� erfasstneben dem Niederschlag ebenfalls die maximale und minimale Tageslufttemperatur,sowie die mittlere relative Luftfeuchte und die mittlere Windgeschwindigkeit.

6.2. Klima und Hydrologie

Das Einzugsgebiet liegt im Bereich der zyklonalen Westwinddrift und wird den kühlgemäÿigten Übergangsklimaten zugerechnet. Durch seine groÿe topographische Hetero-genität (Höhe, Hangneigung, Exposition) kann es jedoch kleinräumig zu Überprägun-gen der Klimaelemente kommen. Im Sommer fallen vor allem konvektive Niederschläge,während die Niederschläge imWinter vor allem aus durchziehenden Fronten resultieren.Die Anteile der Sommerniederschläge an den Jahresniederschlägen nimmt mit zuneh-mender Höhe relativ gesehen ab, während die mittleren Jahresniederschläge generellmit der Höhe zu nehmen, durch Luv- und Leee�ekte kann es jedoch zu Abweichungenkommen. (Uhlenbrook (1999), Didszun (2004))


Die Niederschlagsregime kennzeichnen sich, wie in Abbildung 6.2.1 zu sehen, durch dasVorhandensein von zwei Maxima (Juni, und November/Dezember) aus.

Abbildung 6.2.1.: Niederschlagsregime im St. Wilhelmer Talbach Einzugsgebiet.

In den tieferen Lagen übersteigt das Maximum im Winter jenes im Sommer, währendin höheren Lagen die Maxima vergleichbar sind. Das Sommermaximum in den höherenLagen übersteigt jenes der tieferen, während im Winter das Gegenteil zu beobachtenist. Die in 6.2.1 dargestellten mittleren monatlichen Niederschlagssummen wurden fürdie Station �Feldberg� aus einer Messreihe von 1961 bis 2007 und für die Station �St.Wilhelm� aus einer Messreihe von 1951 bis 2001 berechnet.Charakteristisch für Gebiete, die im kristallinen Grundgebirge liegen, ist nach Uhlen-brook (1999) die geringe Speicherfähigkeit des Gesteins und die daraus resultierendeDominanz schnellerer Ab�usskomponenten. Zur Bestimmung des Ab�ussregimes desEinzugsgebiets wurden Daten des in Abbildung 6.1.2 dargestellten Pegels verwendet.Zur Berechnung des Ab�ussregimes wurde die Ab�ussmessdaten der Periode 1954 bis2007 verwendet. Das Ab�ussregime zeichnet sich durch ein primäres Maximum im Aprilund ein sekundäres Maximum im Januar aus. Dadurch ist es dem nivo-pluvialen Ab-�ussregime zuzuordnen.

6.3. Geologie und Böden 45

Abbildung 6.2.2.: Ab�ussregime am Pegel St. Wilhelmer Talbach.

Das sekundäre Maximum resultiert nach Didszun (2004) aus im Dezember häu�gvorkommenden Warmlufteinbrüchen, die zur Schneeschmelze führen und einem gleich-zeitigen Auftreten von �üssigen Niederschlägen bis in die höheren Lagen, welche dieSchneeschmelze beschleunigen. Die geringsten Ab�üsse treten während der MonateAugust und September auf. Dies ist mit der hohen aktuelle Verdunstung im Zusam-menhang mit geringen Niederschlägen während dieser Monate zu erklären.

6.3. Geologie und Böden

Die Geologie des St. Wilhelmer Talbach Einzugsgebietes ist durch den Grundgebirgs-schwarzwald geprägt. Dieser lässt sich in Grundgebirge und quartäre Deckschichtenunterteilen (Didszun, 2004). Vorherrschende Gesteine des Grundgebirges bilden die,wie in Abbildung 6.3.1 zu sehen, Orthogneise. Das Grundgebirge ist von zusammenhän-gend Klüften durchzogen, die preferentielle Flieÿwege des Wassers darstellen (Stober,1995).Periglazialer Hangschutt, Moränen und pleistozäne und holozäne Talschotter bildennach Didszun (2004) die quartären Deckschichten. Die abgelagerten Moränen beste-hen zum gröÿten Teil aus kantengerundeten, unsortierten Geschieben unterschiedlicherKorngröÿen, die in einer lehmig sandigen Grundmasse liegen. Ebenfalls lassen sich inHangschuttdecken eingearbeitete Seitenmoränen so wie Endmoränenwälle �nden.An der Entstehung der periglazialen Hangschuttdecken sind neben Soli�uktion, Hang-abspülung, Kryoturbation und Einarbeitung von angewehtem Löss beteiligt.


� � � ��

��

��

�

Abbildung 6.3.1.: Geologie im Untersuchungsgebiet.

Periglaziale Hangschuttdecken lassen sich in eine Zersatzzone, Basisfolge, Hauptfolgeund Deckfolge unterteilen. Die Folgen unterscheiden sich durch ihre Materialgröÿe undden Einregelungsgrad der Komponenten. (Uhlenbrook, 1999)Hydrogeologisch ist das kristalline Grundgebirge für die Bildung des Basisab�ussesverantwortlich, während die Deckschichten Hauptumsatzraum von schnelleren Ab�uss-komponenten darstellen.In Erosionslagen entwickeln sich die Bodentypen Ranker und Syroseme und an Hang-füÿen �nden sich aufgrund von Stauwasserein�üssen Pseudogleye. In der Höhenstufevon 500-900m entstanden aus den Deckschichten Braunerden, bei stärkerer Vernäs-sung konnten sich in Hangnischen Hanggleye entwickeln. In einer Höhe von 800-1100mü. NN dominieren aufgrund der geringeren Temperaturen Rohhumus-Braunerden undModer-Braunerden und in der Höhenstufe von 1100-1490m ü. NN bildeten sich Moder-Braunerden und Humus-Braunerden aus basenarmen sandigen Endmoränen, Sandernund Terrassen, sowie Podsole. Die räumliche Verteilung der verschiedenen Bodenty-pen be�ndet sich in Abbildung 6.3.2. Eine Erläuterung zu den in der Abbildung 6.3.2verwendeten Abkürzungen gibt die Tabelle 6.3.1.

Tabelle 6.3.1.: Erläuterung der Abkürzungen der Bodentypen.

Abkürzung Erläuterung

BRAUNhBraunerde, stellenweise humos, aus sandig-lehmigen Flieÿerden undSchuttdecken sowie stellenweise Geschiebelehm

BRAUNPODHumose Braunerde bis Podsol aus steinig-sandigem Moränenmate-rial sowie Moor

BRAUNREGBraunerde, Regosol und Ranker aus Hangschutt und Kristallinge-stein

BRAUNsh Braunerde, stellenweise humos, aus sandig-lehmigen Schuttdecken

6.4. Landnutzung 47

� � � ��

��

��

�

Abbildung 6.3.2.: Bodentypen im Untersuchungsgebiet.

Tabelle 6.3.2.: Absolute Flächengröÿen und Anteile der verschiedenen Bodentypen des Einzugs-gebietes.

Bodentyp Gröÿe (km2)Anteil

Einzugsgebiet(%)

BRAUNh 9,14 60,31BRAUNREG 3,36 22,15BRAUNPOD 1,69 11,16BRAUNsh 0,97 6,39

Insgesamt wird das Gebiet mit bis zu 60% der Fläche von Braunerden, die ausFlieÿerden und Schuttdecken entstanden, dominiert. Dem folgen mit ca. 22% der FlächeBöden, welche aus Hangschutt und Kristallingestein entstanden, sowie Böden die ausMoränenmaterial entstanden (ca. 11%). Nur einen geringen Anteil der Fläche (ca. 6%)machen Böden aus, welche ausschlieÿlich auf sandig-lehmigen Schuttdecken entstanden.Die absoluten und relativen Anteile der jeweiligen Bodentypen sind in Tabelle 6.3.2zusammengefasst.

6.4. Landnutzung

Die in Abbildung 6.4.1 dargestellten Landnutzungen beruhen auf Modi�zierungen derDaten aus dem Wasser- und Bodenatlas Baden-Württembergs (LUBW, 2007) (sieheKapitel 7.2 auf Seite 52).


� � � ��

�� !��

��!��

�

Abbildung 6.4.1.: Landnutzung im Untersuchungsgebiet.

Es zeigt sich, dass ca. 80% der Fläche des Einzugsgebietes bewaldet ist. Daran do-miniert Nadelwald mit einem Anteil von 56%, gefolgt von Mischwald mit 25%, denRest macht Laubwald aus. Während Grünland einen Anteil von ca. 16% an der gesam-ten Einzugsgebiets�äche einnimmt, sind die anderen Landnutzungsformen (Obstbau,versiegelte Fläche, Agrarland und Feucht�ächen) mit je unter 2% Flächenanteil ver-nachlässigbar klein. Die Anteile der verschiedenen Landnutzungsformen am gesamtenEinzugsgebiet und die absoluten Flächenangaben sind in Tabelle 6.4.1 dargestellt.

Tabelle 6.4.1.: Absolute Flächengröÿen und Anteile der verschiedenen Landnutzungsarten desEinzugsgebietes.

Landnutzungsart Gröÿe (km2)Anteil

Einzugsgebiet(%)

Nadelwald 6,81 44,92Mischwald 3,10 20,43Grünland 2,57 16,93Laubwald 2,16 14,27Obstbau 0,22 1,42Urban 0,17 1,09

Agrarland 0,12 0,79Feucht�äche 0,02 0,15

6.5. Fazit 49

6.5. Fazit

Das 15,2 km2 groÿe St. Wilhelmer Talbach Einzugsgebiet liegt amWestrand des Schwarz-waldes im Südosten des Dreisameinzugsgebietes. Es erstreckt sich von 633m ü. NN aufeine Höhe von 1493m ü. NN und ist durch ein ausgeprägtes Relief gekennzeichnet.Dies macht sich in dem hohen Flächenanteil von ca. 50% an einem starken Gefällezwischen 20◦ und 40◦ bemerkbar, so wie an einem relativ hohen mittleren Flussgefällevon 107,5%�.Das Niederschlagsregime dieses den kühl gemäÿigten Übergangsbreiten zugeordnetenGebietes weist zwei Maxima auf. Ein Maximum tritt im Sommer als Folge konvektiverNiederschläge auf, während das andere Maximum im Winter meist aus Fronten resul-tiert. Durch das stark ausgeprägte Relief kommt es zusätzlich zu Luv- und Lee�ekten.Das Ab�ussregime wird dem nivo-pluvialen-Typ zugeordnet. Die hohen Ab�üsse imApril resultieren zumeist aus der Schneeschmelze, während der kleinere Peak im Win-ter aus Niederschlägen aus Warmfronten resultiert.Geologisch gesehen lässt sich das Gebiet in kristallines von Orthogneis bestimmtesGrundgebirge, sowie in quartäre Deckschichten unterteilen. Die Bodenbildung fand zu-meist auf Schuttdecken, sowie Moränenmaterial statt.Wald macht 80% der Einzugsgebiets�äche aus, gefolgt von Grünland mit 16%. Dieanderen Landnutzungsformen (Obstbau, Agrarland, Feucht�ächen und versiegelte Flä-chen) sind in Bezug auf ihren Flächenanteil vernachlässigbar.

51

7. Modellaufbau

Zum allgemeinen Modellaufbau und den allgemeinen Modellvorstellungen wird auf Mo-ritz (2007) verwiesen. Die während dieser Arbeit vorgenommenen Änderungen im vonMoritz (2007) aufgebauten Modell und die für die Fragestellung wichtigen Aspektewerden im Folgenden erläutert, bzw. wurden bereits in den Kapiteln 4 und 5 behandelt.

7.1. Hydrological Response Units

Die Teileinzugsgebiete, die SWAT anhand der Topographie berechnet (siehe Moritz(2007)), können weiter in �Hydrological Response Units� (HRUs) unterteilt werden.�Hydrological Response Units� sind Anteile der Teileinzugsgebiete, die sich durch die-selben Boden- und Landnutzungstypen auszeichnen. Den einzelnen HRUs können Ma-nagementpraktiken zugewiesen werden, so dass sich Einheiten mit ähnlichen hydrologi-schen Eigenschaften bilden. Die einzelnen HRUs in einem Teileinzugsgebiet interagierennicht miteinander, sondern stellen abgeschlossene Einheiten dar, aus deren Addition diejeweiligen Gröÿen der Teileinzugsgebiete berechnet werden (Neitsch et al., 2005,S.3).Zur Bildung der HRUs legt der Benutzer einen Grenzwert des Anteils der Landnut-zung am Teileinzugsgebiet fest. Landnutzungen, die einen geringeren Anteil besitzen,werden nicht berücksichtigt. Die berücksichtigten Landnutzungsarten werden auf ihrenAnteil an der Gesamt�äche bezogen, so dass 100% der Teileinzugsgebiets�äche model-liert werden.Bei der Bildung der HRUs wurden Landnutzungen, die 10% der Teileinzugsgebiets-�äche ausmachen, berücksichtigt. Hiermit wird Folge getragen, dass Landnutzungsar-ten, die geringe Anteile an der Gesamt�äche besitzen, ebenfalls miteinbezogen werden.Wird beispielsweise der Grenzwert auf 20%, wie in der Online-Hilfe des Modells vor-geschlagen und als häu�g adequat empfunden verschoben, reduziert sich die Landnut-zung innerhalb der HRUs im St. Wilhelmer Talbach Einzugsgebiet auf Nadelwald undMischwald.In einem weiteren Schritt zur HRU-Bildung wird ein Grenzwert für den Anteil der Bo-dentypen an der jeweiligen Landnutzungsform festgelegt. Bodentypen, die den Grenz-wert nicht erreichen, werden nicht berücksichtigt. Der Grenzwert wurde auf 20% fest-gelegt. Schon bei einem Grenzwert von 20% wird ein weites Spektrum der Bodentypen,wie aus Tabelle 7.1.2 und dem Vergleich mit der Abbildung 6.3 ersichtlich wird, abge-deckt. In der Online-Hilfe wird ein Grenzwert von 10% vorgeschlagen.Eine Bearbeitungsform kann den so entstandenen Einheiten zugeordnet werden. Daüber die Bewirtschaftung des Waldes im St. Wilhelmer Talbach Einzugsgebiet keineInformationen vorhanden sind, wird lediglich die Bearbeitung von Grünland berück-sichtigt. Das mit SWAT berechnete St. Wilhelmer Talbach Einzugsgebiet setzt sich

52 Kapitel 7. Modellaufbau

aus acht HRUs zusammen. Wie in Tabelle 7.1.1 deutlich wird, dominiert die HRUNadelwald-BRAUNh (Erläuterung zu den Bodentypen siehe Tabelle 6.3.1 auf Seite 46)mit ihrem Anteil von ca. 1/3 des gesamten Teileinzugsgebiets.

Tabelle 7.1.1.: HRUs im St. Wilhelmer Talbach Einzugsgebiet.

Landnutzung BodentypGröÿe(km2)

Anteil amEinzugsgebiet (%)

NadelwaldBRAUNh 5,2 34,4

BRAUNREG 1,8 12,1

MischwaldBRAUNh 1,8 12,0

BRAUNREG 1,4 9,1

GrünlandBRAUNh 1,8 12,0

BRAUNPOD 0,8 5,5

LaubwaldBRAUNh 1,6 10,6

BRAUNREG 0,6 4,2

Dominierender Bodentyp mit ca. 70% ist BRAUNh, die Landnutzung wird von Na-delwald mit ca. 50% am Teileinzugsgebiet bestimmt. Die jeweils berücksichtigten Ma-nagementoperationen sind in Tabelle 7.1.2 zusammengefasst.

Tabelle 7.1.2.: Angenommene Bearbeitungen der einzelnen Landnutzungen.

Landnutzung Bodenart Bearbeitung

GrünlandBRAUNPOD 1. Mahd undBRAUNh 2. Mahd

NadelwaldBRAUNh

keine BearbeitungBRAUNREG

LaubwaldBRAUNREG

keine BearbeitungBRAUNh

MischwaldBRAUNh

keine BearbeitungBRAUNREG

7.2. Landnutzung � Parametrisierung

Die für das Dreisamgebiet bereitgestellten Landnutzungsarten aus dem Wasser- undBodenatlas Baden-Württemberg (LUBW, 2007) wurden mit den Landnutzungsar-ten in der SWAT-Database verglichen, verändert, zugewiesen und zusammengefasst.Die Zuweisungen und Zusammenfassungen der ursprünglichen Landnutzungsarten fürdas St. Wilhelmer Talbach Einzugsgebiet werden in Tabelle 7.2.1 dargestellt. Die vomWasser- und Bodenatlas Baden-Württemberg ausgewiesenen Landnutzungen �Brach-�ächen�, �unversiegelte unbewachsene Flächen�, �intensives Grünland� und �extensivesGrünland� wurde zu der Landnutzungsart �Grünland� zusammengefasst. Desweiterenwurden Landnutzungen zu �Obstbau� und �Urban�, was stellvertretend für versiegelteBereiche steht, wie in Tabelle 7.2.1 beschrieben, zusammengefasst.

7.2. Landnutzung � Parametrisierung 53

Tabelle 7.2.1.: Vergleich und Zuordnung der Landnutzungsarten.

Landnutzungsartder LUBW

vergleichbareLandnutzungsart

derSWAT-Database

Modi�zierte undverwendete

Landnutzungsart

Siedlung dichtResidential�High Density

DEG_UrbanSiedlung lockerResidential�Low Density

groÿ�ächigversiegelter Bereich

Industrial

Acker�ächenAgricultural Land�

GenericDEG_Agrarland

Weinbau�ächeApple

DEG_ObstbauIntensivobstbau

lockerbaumbestandene

BereicheOrchard

Brach�ächen

Pasture DEG_Gruenland

unversiegelteunbewachsene

Flächenintensives Grünlandextensives Grünland

Nadelwald Forest-Evergreen DEG_NadelwaldLaubwald Forest-Deciduous DEG_Laubwald

sonstige Wald�ächen Forest-Mixed DEG_MischwaldFeucht�ächen Wetlands-Mixed DEG_Feucht�aecheWasser�ächen Water DEG_Wasser�aeche

Einen Überblick über die in der Landnutzungsdatabase veränderten Parameterwertegibt die Tabelle 7.2.2. In den einzelnen Unterkapiteln dieses Kapitels werden die verän-derten Parameterwerte pro Landnutzungsart aufgezeigt. Im Anhang auf der Seite 137sind alle Parameter und deren Bedeutung zu �nden, welche in der Vegetationsdaten-bank von SWAT verwendet werden.

7.2.1. Grünland

Es wird angenommen, dass Brach�ächen, unversiegelte und unbewachsene Flächen so-wie intensiv und extensiv bewirtschaftetes Grünland durch die Parameterwerte derSWAT-Database-Landnutzungsart �Pasture� abgebildet werden können. Veränderun-gen müssen jedoch vorgenommen werden, da es sich um Parameterwerte der ArtCynodon dactylon (Hundszahn), die nicht für geographische Breiten höher als 37◦ ge-eignet ist (Neitsch et al., 2004, S.438), handelt.


Tabelle 7.2.2.: Veränderte Vegetationsparameter in der Landnutzungsdatabase und deren Bedeu-tung.

Parameter Bedeutung Einheit

CHTMX Maximale Bestandeshöhe mRDMX Maximale Wurzeltiefe mT_OPT Optimale Temperatur fürs P�anzenwachstum ◦CT_BASE Basistemperatur fürs P�anzenwachstum ◦CUSLE_C Minimaler Wert des USLE C Faktors -CNYLD Anteil von Sticksto� in der Erntemasse kg N/kgCPYLD Anteil von Phosphor in der Erntemasse kg P/kgGSI Maximale Stomataleitfähigkeit ms−1

Tabelle 7.2.3.: Veränderte Parameterwerte für Grünland.

Parameter Default Verwendeter Wert Literaturquelle

CHTMX 0,80 1,50T_OPT 25,00 22,00T_BASE 8,00 6,00 Moot et al. (2000)USLE_C 0,003 0,004 Auerswald & Schmidt (1986)

Vorgeschlagen wird stattdessen die Verwendung von Festuca arundinacea (Rohrschwin-gel). Nach Klapp & von Boberfeld (1990, S.243) �ndet Festuca arundinacea hier-zulande als Grünland allerdings keine Verwendung mehr. Stattdessen wird Phleum

Pratense L. (Timothe) verwendet, ein wichtiges Gras des Feldfutterbaus (Klapp &von Boberfeld, 1990, S.175), welches sich durch seine Unemp�ndlichkeit gegenüberKälte und Nässe auszeichnet. Für die Landnutzung �DEG_Gruenland� wurden seineWerte als repräsentativ für die entsprechende Landnutzung angenommen.

7.2.2. Nadelwald

Eine der Landnutzungsart der LUBW (2007) entsprechende Nutzung für �Nadelwald�ist in der SWAT-Database mit �Forest-Evergreen� vorhanden. Die Parameterwerte wur-den jedoch für Pinus (Kiefer) ermittelt (Neitsch et al., 2004, S.438).Die Fichten dominierten 2002 nach der Bundeswaldinventur II die Nadelwald�äche imLandkreis Breisgau-Hochschwarzwald mit ca. 30 000 ha, gefolgt von der Tanne mit ca.7 000 ha, der Douglasie mit ca. 3 000 ha und der Kiefer mit ca. 2000 ha (Forstliche-Versuchsanstalt, 2008). Es wird angenommen, dass im Dreisameinzugsgebiet ei-ne vergleichbare Verteilung der Nadelbäume vorhanden ist. Die Parameterwerte derSWAT-Database für �Forest-Evergreen� wurden deshalb in Richtung Parameterwertefür Fichte und Tanne verändert. Da diese beiden Baumarten nicht als P�anzen in derSWAT-Database vorhanden sind, wurde nach entsprechenden Werten recherchiert undfür fehlende Werte wurden die Parameterwerte für Kiefer aus der SWAT-Databaseübernommen. Die veränderten Werte sind in Tabelle 7.2.4 dargestellt.

7.3. Management � Parametrisierung 55

Tabelle 7.2.4.: Veränderte Parameterwerte für Nadelwald.


CHTMX 10,00 20,00RDMX 3,00 3,00 Polomski & Kuhn (1998)T_OPT 30,00 23,00 Kirschbaum (1999)T_BASE 0,00 3,00 Whitehead et al. (1994)USLE_C 0,001 0,004 Auerswald & Schmidt (1986)

GSI 0,002 0,006 Churkina et al. (2003)

7.2.3. Laubwald

Die Parameterwerte der SWAT-Database für die Landnutzung �Forest-Deciduous� ent-sprechen Werten, die für Eiche ermittelt wurden (Neitsch et al., 2004). Nach derBundeswaldinventur II (Forstliche-Versuchsanstalt, 2008) machen jedoch Bu-chen mit ca. 9 000 ha vor Eichen mit ca. 3 000 ha die gröÿte Fläche des Laubwaldesim Landkreis Breisgau-Hochschwarzwald aus. Anderes Laubholz mit hoher, bzw. nied-riger Umtriebszeit nimmt 7 000 ha, bzw. 2 ha der Fläche ein. In der modi�zierten undgenutzten Landnutzungsart �DEG_Laubwald� wurden recherchierte Parameterwerte(siehe Tabelle 7.2.5) für Buche für das St. Wilhelmer Talbach Einzugsgebiet verwen-det, bzw. die Werte für Eiche aus der SWAT-Database übernommen.

Tabelle 7.2.5.: Veränderte Parameterwerte für Laubwald.


CHTMX 6 20,00RDMX 3,00 3,00 Polomski & Kuhn (1998)T_OPT 30,00 23,00 Kirschbaum (1999)T_BASE 10,00 2,50 von Wuehlisch et al. (1995)USLE_C 0,001 0,004 Auerswald & Schmidt (1986)

7.2.4. Mischwald

Die Parameterwerte der Landnutzung �Forest-Mixed� aus der SWAT-Database wur-den nicht übernommen, da es sich bei ihnen um Parameterwerte von Eichen handelt(Neitsch et al., 2004, S.438). Stattdessen wurden die Parameterwerte aus denen derLandnutzungsarten �DEG_Nadelwald� und �DEG_Laubwald�, unter der Annahme ei-nes Laubbaum- zu Nadelbaum-Verhältnisses von 1:1 im Mischwald, ermittelt.

7.3. Management � Parametrisierung

7.3.1. Parametrisierung der Managementdatei

Zu Beginn einer jeden Simulation wird angenommen, dass die in der SWAT-Databaseneu erstellten und übernommenen Vegetationsparameterwerte bereits gültig sind.


Tabelle 7.3.1.: Zuordnung der Vegetationsparameterwerte in der Managementdatei.

Parameter Grünland Nadelwald Laubwald Mischwald

LAI_INIT 7 9,4 6 7,7BIO_INIT 5800 170 000 170 000 170 000PHU_PLT 1000 1480 1610 1545

Tabelle 7.3.2.: Vegetationsparameter in der Managementdatei und deren Bedeutung.

Parameter Bedeutung Einheit

LAI_INIT LAI zu Beginn der Simulation -BIO_INIT Trockengewicht der Biomasse zu Beginn der Simulation kg/haPHU_PLT Heat Units, die P�anze zur Reife benötigt -

Es wird von einer bereits vorhandenen Vegetation ausgegangen. Die in der Manage-mentdatei berücksichtigten Parameterwerte, welche sich auf die bereits vorhandeneVegetation beziehen, sind nach Landnutzungsart sortiert in Tabelle 7.3.1 zusammenge-fasst. Eine kurze Erläuterung der Parameter be�ndet sich in der nachfolgenden Tabelle7.3.2.Zusätzlich zu den initialen Parameterwerten können Parameterwerte, die sich auf dieBewirtschaftung beziehen in Tabelle 7.3.2 beschrieben, festgelegt werden. Die Pa-rameterwerte für LAI_INIT wurden einer Bekanntmachung des Bundesumweltamtes(Bundesumweltamt, 2008) entnommen. Die Parameterwerte für PHU_PLT wurdenebenfalls wie die Werte für die jeweiligen Managementoperationen aus vorhandenenLufttemperaturmessdaten berechnet. Da bei Bäumen kein P�anztermin angenommenwird, wird bei ihnen die Reifungsperiode als Zeitabschnitt zwischen Blattaustrieb undSamenreife, verstanden.

Tabelle 7.3.3.: Angenommene Blattentfaltung und Reife.

Fichte Buche Literaturquelle

Beginn Blatt-austrieb/P�anzung

15.5. 1.5.Rötzer et al.

(2004); Hecker(2002)

Samenreife/Reife 15.10. 1.10. Hecker (2002)

7.3.2. Mahd

Die angenommene Bewirtschaftung des Grünlandes orientiert sich an Briemle et al.(1991). Eine zweimalige Mahd Mitte Juni und im Herbst wird für nährsto�reicheFeuchtwiesen empfohlen und als Bewirtschaftung im Untersuchungsgebiet für das Grün-land angenommen. Der Mahdzeitpunkt wird über den Anteil der Wärmesumme an derGesamtwärmesumme berechnet. Für die Jahre 1998 bis 2007 wurden jeweils die Wärme-summen bis zum 15. Juni, bzw. 15. Oktober, berechnet. Der Quotient aus der gesamtenWärmesumme und der Wärmesumme bis zu der jeweiligen Mahd wurde über die neunJahre gemittelt und als Parameterwert verwendet. Bei der Mahd wird berücksichtigt,

7.4. Höhenbänder 57

dass die P�anze ihre physiologischen Eigenschaften behält. Festgelegt werden kann derAnteil der zurückbleibenden lebenden Biomasse und ob Schnittgut auf der Fläche liegenglassen wird.

7.4. Höhenbänder

Zur Berücksichtigung orographischer Niederschläge und der Abhängigkeit der Luft-temperatur von der Gebietshöhe können in SWAT Höhenbänder de�niert werden. DieHöhenbänder dienen ebenfalls der Modellierung der Schneeakkumulation und Schnee-schmelze (Neitsch et al., 2005, S.88). Die Niederschläge in den jeweiligen Höhen-bändern sind eine Funktion der mittleren Höhe des Höhenbandes, der Höhenlage derNiederschlagsstation, des Niederschlagsgradienten mit der Höhe, der Anzahl der Tagean denen im Jahr Niederschlag fällt und der gemessenen Niederschlagshöhe (Neitschet al., 2005, S.87). Für das St. Wilhelmer Talbacheinzugsgebiet wurden Höhenbänderim Abstand von 200m gebildet. Ihre mittlere Höhe und ihr Anteil am Gesamtgebiet,der ebenfalls bei den Berechnungen berücksichtigt wird, sind in Tabelle 7.4.1 zusam-mengestellt.

Tabelle 7.4.1.: Eigenschaften der berücksichtigten Höhenbänder.

untere Grenze desHöhenbands (m ü.

NN)

obere Grenzedes

Höhenbands(m ü. NN)

mittlere Höhedes

Höhenbands(m ü. NN)

Anteil an derTeileinzugsge-biets�äche

(%)

636 836 736 11837 1037 937 291038 1238 1138 411239 1485 1362 19

Die Höhenabhängigkeit wurde für das Dreisameinzugsgebiet durch Huxol (2007)mit +76,3mm/100m bestimmt und in dem Modell berücksichtigt. Die ebenfalls fürdie Schneeschmelze wichtige Temperaturabhängigkeit geht mit -0,6 ◦C/100m (Huxol,2007) in das Modell ein.


7.5. Eingangsdaten

Für die Berechnungen mit SWAT werden Eingangsdaten auf Tagesbasis benötigt. Diessind die maximale und minimale Tageslufttemperatur (◦C), die mittlere tägliche Wind-geschwindigkeit (m/s), die mittlere tägliche relative Luftfeuchtigkeit (-) und die täglicheNiederschlagsmenge (mm). Jedem Teileinzugsgebiet wird eine Station zugeordnet. DieTabelle B.4 im Anhang auf Seite 140 enthält die für die Berechnungen verwendetenZeitreihen, sowie deren Lücken. Die Daten der minimalen und maximalen Lufttempe-ratur, sowie der mittleren täglichen relativen Luftfeuchte und der mittleren täglichenWindgeschwindigkeit entstammen Messungen der Messstation �Katzensteig�. Die Da-ten der Niederschlagsmessung entstammen der Niederschlagszeitreihe der Station �Feld-berg�. Ursprünglich wurden Niederschlagswerte der Station �Katzensteig� verwendet.Im Folgenden soll erläutert werden, wieso dies für die Modellierung als nicht geeigneterscheint. Für das St. Wilhelmer Talbach Einzugsgebiet stehen drei Niederschlagsmess-stationen zur Verfügung. Diese sind die Stationen �St. Wilhelm�, �Katzensteig� und dieNiederschlagsstation �Feldberg�.Die ursprünglich durch SWAT berücksichtigte Station ist die Station �Katzensteig�. Diezur Verfügung stehende Datenreihe umfasst den Zeitraum 15.10.1994 bis 31.12.2006.Einen Überblick über die Datenlücken gibt die Tabelle 7.5.1.

Tabelle 7.5.1.: Die in dem Niederschlagsmesszeitraum der Station �Katzensteig� vorhandenenDatenlücken.

Erster Tag der Datenlücke Letzter Tag der Datenlücke

13.2.1995 7.3.199516.3.1996 4.4.199619.1.1997 31.3.199730.9.1997 8.10.19971.12.1997 23.8.199829.1.1999 31.1.19996.3.2000 26.3.200019.5.2000 13.11.200019.1.2002 6.6.200230.4.2004 11.5.2004

Lücken in der Niederschlagszeitreihe können durch SWAT erkannt und durch den�Weather Generator� über statistisch erzeugte Niederschläge geschlossen werden (sieheMoritz (2007, S.18-20)).In Abbildung 7.5.1 sind die an der Station �Katzensteig� gemessenen Niederschlags-mengen gegen die vom SWAT simulierten für den Zeitraum 1.9.1992 bis 1.9.1997 auf-getragen. Der Balken über den dargestellten Niederschlägen steht für Lücken in derDatenreihe. Da die Zeitreihe der Station �Katzensteig� erst am 15.10.1994 beginnt,werden alle vorherig gefallenen Niederschläge simuliert. Dort, wo die Datenreihe derStation geschlossen ist, gehen die gemessenen Werte der Niederschlagsstation in dasModell ein.Damit eine sinnvolle Kalibrierung des Modells mit Ab�usswerten vorgenommen wer-den kann, muss sicher gestellt sein, dass die simulierten Niederschläge relativ gut mit

7.5. Eingangsdaten 59

Abbildung 7.5.1.: Vergleich der an der Station �Katzensteig� gemessenen und durch SWAT si-mulierten Niederschlagsmengen.

den tatsächlich gefallenen übereinstimmen. Da der tatsächlich gefallene Niederschlagnicht bekannt ist, könnten zum einen vorhandene Niederschlagswerte aus der Zeitreihegelöscht werden um eine Simulation zu erzwingen und die simulierten Werte mit denvorher gelöschten zu vergleichen oder es könnten gemessene Ab�ussmesswerte als In-dikatoren für tatsächlich gefallene Niederschlagsmengen genutzt werden, um über dieMöglichkeit einer adäquaten Kalibrierung aufgrund simulierter Niederschlagswerte zuurteilen. Da die Zeitreihe der Niederschlagsstation �Katzensteig� relativ kurz ist, relativgroÿe Datenlücken enthält und weil mit Ab�usswerten kalibriert werden soll, wird dieletzte der genannten Vorgehensweisen angewendet. In Abbildung 7.5.2 auf der Seite 60ist der mit SWAT erzeugte Niederschlag und der aus ihm gebildete Ab�uss am Ge-bietsauslass des St. Wilhelmer Talbacheinzugsgebiets dargestellt. Zur Beurteilung derMöglichkeit einer guten Kalibrierung des Modells ist ebenfalls der am Pegel St. Wil-helmer Talbach gemessene Ab�uss für den entsprechenden Zeitraum aufgetragen. Dieroten gestrichelten Linien stellen den Zeitpunkt dar, ab dem gemessene, bzw. simulierteNiederschlagsmengen, vom Modell verwendet werden (siehe Tabelle 7.5.1).Im Falle des simulierten Ab�usses aus simulierten Niederschlägen ergibt sich der Un-terschied der gemessenen zu den simulierten Ab�üssen, wie in Abbildung 7.5.2 zu sehenist, hauptsächlich aus einer zeitlichen Verschiebung der Ab�usspeaks. Das zeitliche Auf-treten der Ab�usspeaks beim simulierten Ab�uss resultierend aus gemessenen Nieder-


Abbildung 7.5.2.: Simulierter Ab�uss als Reaktion des simulierten Niederschlags. Rote gestrichel-te Linien kennzeichnen Beginn und Ende von Datenlücken.

schlagswerten stimmt mit den Zeitpunkten der gemessenen Ab�usspeaks weitestgehendüberein, hier resultiert die Diskrepanz hauptsächlich aus einer Überschätzung bzw. Un-terschätzung der Peaks, sowie einer Verschiebung der Amplitude. Es zeigt sich, dassdie simulierten Niederschläge nicht die Basis für eine gute Kalibrierung der Ab�üsseauf Tagesbasis darstellen können. Deshalb sollte anstatt auf die Niederschlagsstation�Katzensteig�, bei der aufgrund der kurzen und mit vielen Datenlücken versehenenZeitreihe viele Niederschläge durch SWAT selbst generiert werden, auf die Verwendungeiner anderen Niederschlagsstation in dem Gebiet St. Wilhelmer Talbach zurückgegrif-fen werden.Bei einem Vergleich der simulierten Ab�üsse resultierend aus den Niederschlagswer-ten der Station �Feldberg� (siehe Abbildung 7.5.4, S.62) und der Station �St.Wilhelm�(siehe 7.5.3, S.61) zeigt sich, dass die Zeitpunkte des Auftretens der Ab�usspeaks beiVerwendung der Niederschlagsstation �St. Wilhelm� nicht so gut getro�en werden, wiebei Verwendung der Niederschlagsstation �Feldberg�. Besonders deutlich wird dies beiVergleich der Perioden Oktober 2002 bis März 2003 und April 2004 bis Mai 2005. Esscheint, dass die Auftrittszeitpunkte der an der Station �St. Wilhelm� gemessenen Nie-derschläge nicht repräsentativ für das Gebiet sind. Die Erzeugung einer künstlichenNiederschlagsreihe für den Gebietsniederschlag aus den Messreihen der beiden Statio-nen erscheint deshalb als nicht sinnvoll.

7.6. Fazit 61

Abbildung 7.5.3.: Simulierter Ab�uss resultierend aus Verwendung der Niederschlagsstation�St.Wilhelm�.

Aufgrund der groÿen Datenlücken und kurzen Datenreihe der Station �Katzensteig�ist es ebenfalls nicht möglich eine Zeitreihe mit der Station �Feldberg� zusammen zuerstellen. Aufgrund dessen wird in dem Modell die Niederschlagsstation �Feldberg� ver-wendet, welche als von den drei Stationen am geeignetsten erscheint.

7.6. Fazit

Die aus dem Wasser- und Bodenatlas Baden-Württemberg (LUBW, 2007) entnom-menen Landnutzungsarten für das Dreisameinzugsgebiet wurden für die Landnutzung�Grünland� ,�Obstbau� und �Urbane Bereiche� im St. Wilhelmer Talbach Einzugsge-biet modi�ziert. Hierzu wurden die als Brach�ächen, unversiegelte und unbewachseneFlächen, intensiv genutztes und extensiv genutztes Grünland deklarierten Flächen zueiner Einheit �Grünland� zusammengefasst. Die zu �Obstbau� und �Urban� zusam-mengefassten Einheiten sind aufgrund der HRU-Bildung nicht berücksichtigt, aber derVollständigkeit halber erwähnt.Für das St. Wilhelmer Talbach Einzugsgebiet entstanden acht aus verschiedenen Bo-dentypen und Landnutzungsarten zusammengesetzten Hydrological Respondse Units(HRUs).


Abbildung 7.5.4.: Simulierter Ab�uss resultierend aus Verwendung der Niederschlagsstation�Feldberg�.

Die Landnutzungsart �Nadelwald� dominiert mit ca. 50% der Teileinzugsgebietsgröÿeüber die anderen Landnutzungen Laubwald, Mischwald und Grünland. Der dominieren-de Bodentyp ist mit ca. 70% die Braunerde entstanden aus Flieÿerden und Schuttde-cken (BRAUNh). Weitere in dem Teileinzugsgebiet innerhalb der HRUs berücksichtigteBodentypen sind die aus Hangschutt und kristallinem Gestein entstandenen Brauner-den, Regosol und Ranker (BRAUNREG), sowie die Braunerde, die auf steinig sandigemMoränenmaterial (BRAUNPOD) entwickelt hat. Die in der SWAT-Database enthalte-nen Landnutzungsparameterwerte wurden teilweise durch recherchierte Werte ersetzt.Für die Landnutzungsart �Grünland� wurde die Mahd als Bewirtschaftungsweise be-rücksichtigt, Nadelwald, Laubwald und Mischwald wurden als nicht bewirtschaftet an-gesehen. Zur Berücksichtigung der Höhenabhängigkeit der Lufttemperatur und der Nie-derschläge wurden für das Einzugsgebiet vier Höhenbänder, die jeweils 200 Höhenmetervoneinander entfernt liegen, de�niert. Das Höhenband mit einer mittleren Höhe von1138m üNN dominiert mit einem Flächenanteil von 41% das Gebiet.Als meteorologische Daten gehen in das Modell die maximale und minimale Tages-lufttemperatur, die mittlere relative Luftfeuchtigkeit des Tages und die mittlere Tages-windgeschwindigkeit jeweils an der Station �Katzensteig� gemessen ein. Die Datenreihensind über den Zeitraum 1.1.1998 bis zum 12.7.2007 vorhanden. Die Niederschlagsda-ten entstammen der Station �Feldberg� und stehen für den Zeitraum 1.1.1961 bis zum

7.6. Fazit 63

31.5.2007 zur Verfügung.Die zunächst in dem Modell verwendeten Niederschlagsdaten der Station �Katzensteig�werden aufgrund vieler und teilweise groÿer Datenlücken als nicht geeignet zur Bildungdes Gebietsniederschlags angesehen. In den Datenlücken wurden vom Modell Nieder-schläge simuliert, welche nicht als repräsentativ erscheinen. Ebenso werden die Nieder-schlagswerte der Station �St. Wilhelm� als nicht geeignet betrachtet. Die Erzeugungeiner künstlichen Datenreihe aus den Daten mehrerer Stationen war nicht möglich,weshalb die Niederschlagsdaten der Station �Feldberg� in das Modell eingeht.

65

8. Modellanwendung

8.1. Kalibrierung und Validierung

8.1.1. Wahl des Kalibrier- und Validierzeitraumes

Die Kalibrierung und Validierung des Modells wurde anhand des am Pegel St. Wilhelmauf Tagesbasis gemessenen Ab�usses vorgenommen. Für den Kalibrierungszeitraumwurden die Monate Juni bis einschlieÿlich November der Jahre 2003, 2004 und 2005verwendet, sowie der Zeitraum Juni bis Ende August des Jahres 2006. Die Validierungwurde für die Monate Juni bis einschlieÿlich November der Jahre 1999, 2000, 2001 undden Zeitraum Juni bis Ende August 2002 durchgeführt. Für diese Zeiträume standendie meteorologischen Inputdaten zur Verfügung. Ein Ein�uss der Kalibrierung undValidierung durch simulierte Werte kann weitestgehend ausgeschlossen werden (sieheTabelle B.4, S.140). Um die Füllung der Speicher sicherzustellen wurde eine Vorlaufzeitdes Modells von zwei Jahren eingestellt.

Abbildung 8.1.1.: Kalibrierzeitraum und dazwischenliegende, für die Kalibrierung nicht berück-sichtigte, Monate.

In Abbildung 8.1.1 sind die gemessenen Ab�üsse gegen die mit dem Modell simu-lierten dargestellt, sowie der Niederschlag als Input für den gesamten Zeitraum von

66 Kapitel 8. Modellanwendung

September 2002 bis August 2006. Es zeigt sich, dass die gemessenen Winter- und Früh-jahrsab�üsse mit den vom Modell simulierten nicht gleichwertig abgebildet werdenkönnen. Die Reaktionszeitpunkte stimmen zwar weitestgehend überein, jedoch unter-scheiden sich die Amplituden der Ab�üsse. Im Januar 2004 wird der Ab�uss vomModell zunächst um ca. das Doppelte zu hoch simuliert, während die darau�olgendenMonate bis Juni 2004 durch einen teilweise halb so niedrigen Ab�uss gekennzeichnetsind. Von Dezember 2004 bis zum März 2005 werden die Ab�üsse durch das Modellzu gering simuliert. Dies ist ebenfalls vom Dezember 2005 bis zum März 2006 der Fall.Eine Überschätzung der Ab�üsse �ndet hingegen im Monat April 2006 statt.Grund der zu niedrigen bzw. zu hohen Simulation der Ab�üsse im Winter und Frühlingkönnte möglicherweise in der Simulation der Schneeschmelze begründet sein. Eventuellberechnet das Modell im Januar 2004 eine zu intensive Schneeschmelze, so dass dieAb�üsse in den folgenden Monaten zu gering simuliert werden. Diese Begründung istjedoch nicht hinreichend für die in dem Jahr 2004/2005 zu gering simulierten Ab�üsse,da diese nicht zu hoch simulierten folgen. Da die Niederschlagswerte der Station �Feld-berg� verwendet werden, könnten generell die im Winter gemessenen Niederschlägedurch Windein�uss als zu niedrig im Vergleich mit den tatsächlich gefallenen ange-nommen werden. Durch die in SWAT berücksichtigte Höhenabhängigkeit wurden dieNiederschläge der Station �Feldberg� weiterhin verringert (siehe Unterkapitel 7.4).

8.1.2. Bewertung der Kalibrierung und Validierung

Die simulierten Ab�üsse der oben genannten Kalibrierungsperiode sind in Abbildung8.1.2 (S.67) dargestellt. Die simulierten Ab�üsse der Validierungsperiode �nden sich inAbbildung 8.1.3 (S.68).Zur Bewertung der Kalibrierung werden neben den Nash-Sutcli�e-Koe�zienten (Nash

& Sutcliffe, 1970) die Abweichungen des Ab�ussvolumens der modellierten zu dengemessenen Ab�üsse hinzugezogen.Der Nash-Sutcli�e-Koe�zient R2 berechnet sich aus den gemessenen Ab�üssen q, demsimulierten Ab�uss q' und dem Mittelwert der gemessenen Ab�üsse q.

R2 = 1−∑

(q − q′)2∑(q − q)2

(8.1.1)

Ist R2=0, so ist die Abweichung der simulierten Ab�üsse von den gemessenen Ab�üssengleich den Abweichungen des gemessenen Ab�usses von dem Mittelwert. Die Volumen-di�erenz V berechnet sich aus der Summe der simulierten Ab�ussvolumina Vsim imVerhältnis zur Summe der gemessenen Ab�ussvolumina Vgem.

V = (1− Vsim

Vgem

) ∗ 100 (8.1.2)

Die zur Güte der Kalibrierung berechneten Nash-Sutcli�e-Koe�zienten und Volumen-abweichungen sind für die Kalibrierung und Validierung in Tabelle 8.1.1 zusammenge-fasst. Es zeigt sich, dass in den Kalibriermonaten der Jahre 2003, 2004 und 2006 dieAbweichung der simulierten zu den gemessenen Ab�üssen geringer ist als die Abwei-chung der gemessenen Ab�üsse zu ihrem Mittelwert.

8.1. Kalibrierung und Validierung 67

Abbildung 8.1.2.: Gemessene und simulierte Ab�üsse für die Kalibrierperiode Sommer/Herbst2003, 2004, 2005 und 2006


Abbildung 8.1.3.: Gemessene und simulierte Ab�üsse für die Validierungsperiode Sommer/Herbst1999, 2000, 2001 und 2002.

8.1. Kalibrierung und Validierung 69

Tabelle 8.1.1.: Nash-Sutcli�e-Koe�zienten R2 und Volumenabweichungen V (%) der Kalibrier-und Validierperioden.

KalibrierungZeitraum R2 V (%)

1.6.03-30.11.03 0,67 -261.6.04-30.11.04 0,62 -31.6.05-30.11.05 -0.0008 +111.6.06-31.8.06 0,70 +21

ValidierungZeitraum R2 V (%)

1.6.99-30.11.99 0,65 -51.6.00-30.11.00 0,31 +21.6.01-30.11.01 0,57 -41.6.02-31.8.02 0,50 -23

Im Jahr 2005 ist der Nash-Sutcli�e-Koe�zient negativ. Dies spiegelt sich nicht in deroptischen Anpassung der Graphik 8.1.2 für das Jahr 2005 wider. Die optische Anpas-sung der Kalibrierung für das Jahr 2006 ist im Vergleich zum Jahr 2005 schlechter,obwohl der Nash-Sutcli�e-Koe�zient mit 0,7 höher (im Vergleich zu -0,0008 im Jahr2005) ist. Der negative Nash-Sutcli�e-Koe�zient der Monate des Jahres 2005 kommtzustande, da die groÿen Abweichungen des simulierten vom gemessenen Ab�usses dannauftauchen, wenn die Abweichung des gemessenen Ab�usses von seinem Mittelwert ge-ring ist. Dies ist wie in der Graphik zu sehen vom 1.6.2005 bis zum 31.7.2005 der Fall.Der Mittelwert des gemessenen Ab�usses beträgt in diesen Monaten 0,223 m3/s.Die Ab�ussvoluminaunterschiede zwischen den gemessenen und den simulierten Ab�üs-sen schwanken in der Kalibrierperiode stark von -26% bis +21%. In der Validierungs-periode hingegen sind die Abweichungen in den Jahren 1999, 2000 und 2001 wesentlichgeringer und liegen bei 5% bzw. unter 5%. Eine starke Abweichung �ndet jedoch mit-23% im Jahr 2002 statt. Es kann keine Richtung zu erhöhten oder erniedrigten Ab-�ussvolumina des Modells festgestellt werden.Die Nash-Sutcli�e-Koe�zienten der Monate der Validierung (Tabelle 8.1.1) sind allepositiv und die Zeitpunkte des Auftretens der modellierten Ab�usspeaks stimmen wäh-rend der Kalibrierungs- und Validierungsperiode weitestgehend mit den Auftrittszeit-punkten der gemessenen Ab�usspeaks überein. Es wird erwartet, dass das kalibrierteModell den Ab�uss des St. Wilhelmer Talbach-Einzugsgebietes in den Monaten Junibis November ausreichend gut simulieren kann, bzw. die hydrologischen Systemeigen-schaften mit dem Modell abbildbar sind. Problematisch erscheint jedoch die Simulationder Ab�ussvolumina.Die Kalibrierparameter und ihre verwendeten Werte sind in Tabelle B.5 auf Seite 141aufgelistet.


8.2. Wasserbilanz

Für den Kalibrierzeitraum wurde für das St. Wilhelmer-Talbach Einzugsgebiet ein mitt-lerer jährlicher Gebietsniederschlag von 1248mm berechnet. Die aktuelle Evapotran-spiration daran beträgt 32% (398mm), 64% (798mm) macht der oberirdische Ab�ussaus und 4% (52mm) werden im Einzugsgebiet gespeichert. Die jährliche potentielleEvapotranspiration wird für das Gebiet mit 470mm berechnet.

8.3. Erstellung der Zeitreihen für dieUntersuchungsperiode 2021-2050

Da die KLIWA-Studie (KLIWA, 2006) Ergebnisse für die Periode 2021-2050 bereit-stellt, wird für das Untersuchungsgebiet, um die Ergebnisse verwenden zu können,ebenfalls diese Periode gewählt.Insgesamt wurden sechs Simulationen durchgeführt. Zunächst wurde eine Simulationdes Ist-Zustands für die Periode 1971-2000 mit den vorhandenen Zeitreihen des Ist-Zustands durchgeführt. In einer zweiten Simulation wurden für den Zeitraum 2021-2050 die Parameter Niederschlagsmenge, relative Luftfeuchte, Windgeschwindigkeitund Lufttemperatur entsprechend der KLIWA-Studie (siehe Tabelle 1.3.2, S.5) durchein Tool von SWAT verändert. In einer weiteren Simulation wurde zusätzlich die CO2-Konzentration entsprechend des B2-Szenarios (siehe Tabelle 1.2.1, S.4) geändert. Be-rücksicht wurden die simulierten CO2-Konzentration der Jahre 2020-2050, welche auf442 ppm gemittelt wurden. Die CO2-Konzentration der Jahre 1971-2000 wurde mitdem SWAT Default-Wert von 330 ppm Neitsch et al. (2005, S.126) angenommen.Dieser Wert weicht um 16 ppm von dem aus den Werten des Szenarios B2 gemitteltenWerten für den selben Zeitraum ab. Dies wird als vernachlässigbar angesehen.

8.4. Untersuchungsschwerpunkte

Zunächst wird untersucht inwieweit sich die monatlichen Mittel der hydrologischenGröÿen Ab�uss, potentielle Evapotranspiration, aktuelle Evapotranspiration und Bo-denwassergehalt während beider Zukunftsszenarien (2021-2050) von den Simulationendes Ist-Zustands unterscheiden.In einem weiteren Schritt wird eine Sensitivitätsanalyse durchgeführt. Die Ein�üs-se der jeweiligen Landnutzungen, bzw. verschiedener Bodentypen, auf diese Ergeb-nisse werden untersucht. Bei den Landnutzungen werden Nadelwald, Laubwald undGrünland auf Braunerde berücksichtigt. Die untersuchten Bodentypen sind Brauner-den (entstanden auf sandig-lehmigen Flieÿerden, Schuttdecken und vereinzelt Geschie-belehm (BRAUNh)), bzw. Regosol-Braunerde-Ranker-Böden (entstanden aus Hang-schutt, bzw. kristallinem Gestein (BRAUNREG)), mit jeweils der Landnutzung �Na-delwald�. Ihren Anteil an der Teileinzugsgebietsgröÿe und ihre absoluten Gröÿen sindin Tabelle 7.1.1 (S.52) neben den anderen vorhandenen Einheiten, dargestellt.Die HRUs unterscheiden sich lediglich bezüglich ihrer Landnutzung oder Bodentypen.

8.5. Fazit 71

Die meteorologischen Eingangsdaten unterscheiden sich nicht, ebenfalls ist ihr hydro-logisches Verhalten höhenunabhängig (siehe Unterkapitel 7.1).

8.5. Fazit

Das Modell wurde für den Zeitraum Anfang Juni bis Ende November für die Jahre2003, 2004 und 2005, so wie für den Zeitraum Anfang Juni bis Ende August für dasJahr 2006 kalibriert. Die Validierung wurde für den Zeitraum Anfang Juni bis Ende No-vember für die Jahre 1999, 2000 und 2001 und für den Zeitraum Anfang Juni bis EndeAugust für das Jahr 2002 durchgeführt. Die Wintermonate wurden aufgrund möglicherDe�zite der Modellierung der Schneeschmelze, sowie fehlender repräsentativer Nieder-schlagsdaten nicht berücksichtigt.Die berechneten Nash-Sutcli�e-Koe�zienten der Kalibrierung und Validierung lassenauf eine geeignete Anwendung des Modells bezüglich der Ab�usssimulierung in denoben genannten Monaten schlieÿen.Es zeigen sich Nachteile der Anwendung des Nash-Sutcli�e-Koe�zienten bezüglich ei-ner stärkeren Wichtung simulierter Werte die relativ weit von den gemessenen Wertenabweichen, während diese wenig von ihrem Mittelwert abweichen. Die Abweichungender simulierten Ab�ussvolumina zu den gemessenen, sind in der Kalibrierperiode re-lativ hoch, während sie in der Validierungsperiode meist gering sind. Da es sich beidem Untersuchungszeitraum um einen Zeitraum handelt, in dem meist Niedrigwas-ser herrscht, sind die absoluten Abweichungen gering. Eine Unsicherheit der richtigenModellierung der Ab�ussvolumina bleibt jedoch vorhanden. Anhand der Wasserbilanz(1248mmmittlerer jährlicher Gebietsniederschlag, 398mm jähliche aktuelle Evapotran-spiration, 798mm jährlicher Ab�uss und 52mm jährliche Speicheränderungen) zeigtsich, dass über das Jahr betrachtet eine realistische Modellierung der Mengen der Was-serhaushaltsgröÿen möglich ist.Die für die Klimaszenarien benötigten erwarteten Änderungen der meteorologischenParameter (maximale und minimale Lufttemperatur, mittlere Lufttemperatur, Wind-geschwindigkeit, relative Luftfeuchte, Niederschlagssumme) entstammen der KLIWA-Studie (KLIWA, 2006) sowie bezüglich der Änderung der CO2-Konzentration des IPCC(IPCC, 2001). Da sich die Ergebnisse auf den Zeitraum 2021-2050 im Vergleich zumZeitraum 1971-2000 beziehen, wird für die Untersuchung ebenfalls dieser Zeitraum be-rücksichtigt.Der Schwerpunkt der Untersuchung bezieht sich auf die hydrologischen Gröÿen Ab-�uss, aktuelle und potentielle Evapotranspiration und den damit verbundenen Boden-wassergehalt. Speziell wird der Ein�uss verschiedener Landnutzungen und Bodentypenberücksichtigt.

73

9. Ergebnisse

9.1. Allgemeine Ergebnisse

In diesem Kapitel werden die allgemeinen Ergebnisse der Modellierung dargestellt. Ver-gleiche zwischen dem simulierten Ist-Zustand (1971-2000) und dem Klimazenario (2020-2050) beziehen sich immer auf das Klimaszenario ohne CO2-Konzentrationsänderung.Alle genannten prozentualen Abweichungen dieser Vergleiche �nden sich zusammen-gefasst in Tabelle B.6 auf Seite 142. Alle genannten prozentualen Abweichungen derbeiden verschiedenen Klimaszenarien be�nden sich in Tabelle B.7 auf Seite 143.Während die Niederschlagssumme über die 29 Jahre pro Monat gemittelt im Ju-ni und Juli bei den Klimaszenarien (2021-2050) deutlich unter den simulierten Ist-Zustandswerten (1971-2000) liegt (36% bzw. 34%), ist eine geringere Abnahme in denMonaten September und Oktober (11% bzw. 12%) zu beobachten.

Abbildung 9.1.1.: Unterschiede der mittleren monatlichen Ab�üsse und Niederschlagssummenzwischen dem simulierten und gemessenen Ist-Zustand (1971-2000) und denZukunftsszenarien (2021-2050) mit und ohne CO2-Änderung.

74 Kapitel 9. Ergebnisse

Eine Zunahme der mittleren Monatsniederschläge zeigt sich mit ca. 12% im August,während im November keine signi�kante Änderung (bei einem Signi�kanzniveau von0,05) der mittleren Niederschlagssumme zu verzeichnen ist.Beim Vergleich der mittleren gemessenen Monatsab�üsse mit den mittleren simuliertender Periode (1971-2000) zeigt sich, dass die simulierten die gemessenen Ab�üsse mit biszu 48% die gemessenen Ab�üsse übersteigen. Dies ist jedoch nur in Niedrigwasserpha-sen der Fall, absolut gesehen beträgt der Unterschied maximal 0,2m3/s. In Abbildung9.1.2 sind die mittleren Monatsab�üsse über den gesamten Zeitraum 1971-2000 dar-gestellt. In den betrachteten Monaten Juni bis November können innerhalb desselbenMonats Schwankungen im Ab�uss von 1,5m3/s auftreten.

Abbildung 9.1.2.: Gemessener mittlerer monatlicher Ab�uss für den Zeitraum 1972-2000.

Im Monat Oktober zeigt sich kein signi�kanter Unterschied zwischen den gemessenenund modellierten Ab�üssen des Ist-Zustandes. Im November weichen die simuliertenAb�üsse um ca. 26% nach unten von den gemessenen Ab�üssen ab.Die mittleren Ab�üsse des Zukunftszenarios (2021-2050) ohne CO2-Änderung liegen inden Monaten Juni und Juli 38% bzw. 43% unter den simulierten Ab�üssen des Ist-Zustandes. Die Abweichung verringert sich bis Oktober auf eine Abweichung von - 22%.Im November übersteigen die mittleren Ab�üsse des Zukunftsszenarios die simuliertenAb�üsse des Ist-Zustands um ca. 10%.Die Unterschiede der simulierten Ab�üsse des Zukunftsszenario ohne CO2-Änderungund mit CO2-Änderung sind in allen Monaten nicht signi�kant. Einen Unterschied inden mittleren Niederschlagssummen gibt es nicht (siehe Tabelle B.7).Wie in Abbildung 9.1.3 zu erkennen, übersteigt die simulierte potentielle Evapotranspi-ration für beide Klimaszenarien (2021-2050) (mit und ohne CO2-Änderung) die für denIst-Zustand modellierte potentielle Evapotranspiration im Monat Juni um ca. 13%.Ebenso verhält sich die simulierte aktuelle Evapotranspiration der Zukunftsszenarien

zu dem simulierten Ist-Zustand im Juni. Ebenfalls eine Zunahme der potentiellen Eva-potranspiration und aktuellen Evapotranspiration in Bezug auf den Ist-Zustand ist mit

9.1. Allgemeine Ergebnisse 75

Abbildung 9.1.3.: Vergleich des potentiellen Evapotranspirationsregimes und aktuellen Eva-potranspirationsregimes des simulierten Ist-Zustands (1971-2000) mit den Re-gimen resultierend aus den Zukunftszenarien (2021-2050).

ca. 24%, bzw. 36% im November zu beobachten. Keine signi�kanten Änderungen zumIst-Zustand �ndet sich bezüglich der potentiellen und aktuellen Evapotranspiration inden Monaten Juli und September.Eine Abnahme der potentiellen Evapotranspiration und aktuellen Evapotranspirationum 10% bzw. 8% �ndet im Monat August statt. Während im Oktober bei der potenti-ellen Evapotranspiration des Zukunftsszenarios eine Abnahme um ca. 5% statt�ndet,ist bei der aktuellen Evapotranspiration keine signi�kante Veränderung im Oktober zubeobachten. Weder bezüglich der potentiellen Evapotranspiration noch der aktuellenEvapotranspiration gibt es signi�kante Veränderungen zwischen den Klimaszenarienohne CO2-Änderung und mit CO2-Änderung (siehe Tabelle B.7).Der mittlere Bodenwassergehalt am Ende des Monats (siehe Abbildung 9.1.4) liegt in-folge der Klimaszenarien (2021-2050) in den Monaten Juni, Juli und November unterdem simulierten Ist-Zustand (1971-2000) (Abnahmen um 12%, 11% und 10%). In denrestlichen Untersuchungsmonaten �nden keine signi�kanten Abweichungen statt. Auchbeim mittleren Bodenwassergehalt am Ende des Monats gibt es keine signi�kanten Ver-änderungen bezüglich der beiden verschiedenen Zukunftsszenarien. Bei Vergleich desVerlaufs der aktuellen Evapotranspiration im simulierten Ist-Zustand mit dem simu-


Abbildung 9.1.4.: Vergleich des Bodenwassergehaltregimes am Ende des Monats und dem aktu-ellen Evapotranspirationsregimes des simulierten Ist-Zustands (1971-2000) mitden Regimen resultierend aus den Zukunftszenarien (2021-2050).

lierten Ist-Zustand des mittleren Bodenwassergehalts am Monatsende zeigt sich, dassdie aktuelle Evapotranspiration von Juni bis Juli um ca. 11mm zunimmt, währendder Bodenwassergehalt leicht (um ca. 4mm) abnimmt. In den Klimaszenarien wirdkeine Zunahme der aktuellen Evapotranspiration von Juni bis Juli festgestellt, ebensoverändert sich nicht der Bodenwassergehalt am Ende dieser Monate.

9.1.1. Interpretation der allgemeinen Ergebnisse � Vergleich dessimulierten Ist-Zustands mit dem simuliertenKlimaszenario ohne CO2-Änderung

Die relativen Abweichungen des gemessenen Ab�usses (1971-2000) zu den simulier-ten Ab�üssen des Ist-Zustands sind mit - 25,92% bis + 48,42% groÿ. Bei Betrachtungder absoluten Abweichungen relativieren sich diese Unterschiede jedoch. Dadurch, dasszwischen den jeweiligen Jahren innerhalb desselben Monats bereits Abweichungen von1,5m3/s auftreten können, werden die Abweichungen von maximal 0,2m3/s zwischendem simulierten Ab�uss des Ist-Zustands (1971-2000) und des gemessenen Ab�ussesals annehmbar angesehen. Es wird davon ausgegangen, dass die so simulierten Ab�üsseAussagen bezüglich der Ein�üsse des Klimawandels zulassen.


Im Juni bewirkt die Abnahme der Niederschläge sowie die Zunahme der potentiel-len und aktuellen Evapotranspiration wahrscheinlich eine Abnahme des Ab�usses. DieZunahme der aktuellen Evapotranspiration spiegelt sich in einer in derselben Gröÿen-ordnung liegenden Abnahme des Endbodenwassergehaltes wider. Die Zunahme der po-tentiellen Evapotranspiration im Monat Juni liegt möglicherweise an der Zunahme dermittleren Lufttemperatur und der Abnahme der relativen Luftfeuchtigkeit. Dadurch,dass sich die aktuelle Evapotranspiration ebenfalls erhöht, zeigt sich, dass im Juni infol-ge des Klimaszenarios trotz abnehmender Niederschläge noch ausreichend Wasser, wel-ches der Evapotranspiration zu Verfügung steht, vorhanden ist. Im Juli zeigen sich keinesigni�kanten Veränderungen der potentiellen und der aktuellen Evapotranspiration imVergleich mit dem Ist-Szenario. Dies könnte im Fall der aktuellen Evapotranspirationbedeuten, dass nun Wasser als limitierender Faktor auftritt. Der Endbodenwassergehalthat sich verringert. Hier wohlmöglich eher als Resultat der verringerten Niederschlägeund nicht als Resultat einer Zunahme der aktuellen Evapotranspiration, wie es im Junider Fall gewesen seien könnte.Die potentielle Evapotranspiration bleibt wohlmöglich im Juli gleich, da die relativenLufttemperaturunterschiede eher gering (im Vergleich mit dem Juni) sind und damitnicht so einen Ein�uss wie im Juni haben. Der simulierte Ab�uss des Zukunftszenariosweicht im Juli weiter von dem simulierten des Ist-Zustands ab, möglicherweise sind diesnoch Auswirkungen der Zunahme der aktuellen Evapotranspiration im Juni. Dafür wür-de ebenfalls die Tatsache sprechen, dass bei Betrachtung des gesamten Ab�ussregimes(Abbildung 9.1.1) im Vergleich mit dem gesamten Regime der potentiellen Evapotran-spiration die niedrigsten mittleren Ab�üsse zeitversetzt mit den höchsten mittlerenaktuellen Evapotranspirationen auftauchen. Mit dem Niederschlagsregime alleine istdies nicht zu erklären, sind die mittleren Niederschlagssummen des Zukunftszenariosdoch ebenfalls im Juni gering, die mittleren simulierten Ab�üsse jedoch im Septemberam geringsten.Im August �ndet eine signi�kante Abnahme der aktuellen und potentiellen Evapotran-spiration statt. Die Temperatur, welche im August um ca. 1◦C zunimmt und die Wind-geschwindigkeit, welche sich in den Monaten von Juni bis Oktober nicht zwischen denKlimaszenarien und dem simulierten Ist-Zustand ändern sollte (KLIWA, 2006, S.32),sowie die Abnahme der relativen Luftfeuchtigkeit kann für diesen Trend der Abnahmeder potentiellen Evapotranspiration höchstwahrscheinlich nicht verantwortlich sein undspricht eher gegen einen solchen Trend. Die Abnahme der potentiellen Evapotranspira-tion ist z.B. mit einer Zunahme der Bewölkung und einer Abnahme der Strahlung zuerklären.Jedoch ist anzumerken, dass eine Veränderung der mittleren Strahlung innerhalb derKlimaszenarien nicht vorgenommen wurde. Nach den KLIWA-Ergebnissen (KLIWA,2006) erscheinen diese Abnahmen der potentiellen Evapotranspiration, falls sie auseiner Abnahme der Strahlung resultieren, als nicht realistisch. Nach KLIWA (2006,S.32+33) ist für den Zeitraum 2021-2050 eher mit einer Abnahme der Bewölkung undeiner Zunahme der Sonnenscheindauer zu rechnen, was in einer Zunahme der Strah-lung resultieren würde. Demnach müsste die potentielle Evapotranspiration für dieZukunftszenarien die potentielle Evapotranspiration des simulierten Ist-Zustands imMonat August (und generell in den Monaten Juni bis Oktober) übersteigen. In SWAT


wird der Anteil der Bewölkung aus der Strahlung die den Erdboden erreicht, der ma-ximalen Strahlung die an diesem Tag den Boden erreichen kann und zwei Konstantenberechnet (Neitsch et al., 2005, S.36).Da im Juni die potentielle Evapotranspiration des simulierten Zukunftszenarios im Ver-gleich zum simulierten Ist-Zustand gröÿer ist, ist es unwahrscheinlich, dass die Abnah-men im August an falschen Konstanten liegen. Falls Fehler bezüglich der Berechnungder Strahlung vorhanden sind, wird wohlmöglich die Strahlung, die an einem Tag denErdboden erreicht, als zu gering berechnet oder aber die maximal mögliche Strahlungwird als zu groÿ angenommen. Eine vollständige Überprüfung der SWAT-Algorithmenwar im Rahmen dieser Diplomarbeit nicht möglich.Die Abnahme der aktuellen Evapotranspiration hängt höchstwahrscheinlich von denselben Faktoren ab, wie die Abnahme der potentiellen Evapotranspiration. Jedochmuss hier zusätzlich die Wasserverfügbarkeit bedacht werden. Der Endbodenwasser-gehalt hat sich im Vergleich zum Ist-Zustand nicht signi�kant verändert. Die Abnahmeder aktuellen Evapotranspiration im August ist deshalb wahrscheinlich ebenfalls wiebei der potentiellen Evapotranspiration auf eine Reduzierung der modellierten Strah-lung zurückzuführen.Im August ist ebenfalls eine Abnahme des Ab�usses im Vergleich zum Ist-Szenariozu beobachten. Der Unterschied ist jedoch geringer als im Juli, was eventuell auf dieZunahme der Niederschläge im August zurückzuführen ist. Die Abnahme der Di�e-renzen der Ab�üsse �ndet nicht in dem Maÿe statt, wie es aus der Entwicklung derNiederschläge (von Juli bis August) zu erwarten wäre. Möglicherweise wirken sich hiernoch die Zunahmen der aktuellen Evapotranspiration im Juni aus. Dem widersprichtjedoch die geringe Gröÿe des Einzugsgebiets, die eher für einen schnelleren Wasserum-satz spricht.Im September sind weder bei der aktuellen, noch bei der potentiellen Evapotranspi-ration und dem Endbodenwassergehalt signi�kante Änderungen zum Ist-Zustand zubeobachten. Der Niederschlag hingegen nimmt um ca. 11% ab. Dies spiegelt sich je-doch nicht in den oben genannten hydrologischen Gröÿen wider. Es wäre zu erwarten,dass ebenfalls die aktuelle und potentielle Evapotranspiration, sowie der Endboden-wassergehalt abnimmt. Dies ist ein Indiz dafür, dass hier für die Verdunstung nicht dievorhandene Wassermenge, sondern ebenfalls die Strahlung ausschlaggebend erscheint.Anscheinend ist bereits die Verdunstung durch die Abnahme der Strahlungsenergie vonAugust bis September so groÿ, dass die Verfügbarkeit von Wasser eine untergeordneteRolle spielt. Dies zeigt sich auch bei Betrachtung der Abbildung 9.1.4, der Endbo-denwassergehalt steigt von September bis November an und liegt über der mittlerenaktuellen Evapotranspiration, während diese stetig bis November abnimmt.Im Oktober setzen sich die Beobachtungen des Septembers weitestgehend fort. DieAb�üsse des simulierten Ist-Zustands zum Zukunftszenario nähern sich jedoch an. DieAbweichungen der Niederschläge sind mit denen im September vergleichbar. Die Ab-nahme der Di�erenz der Ab�üsse ist eventuell das Resultat der abnehmenden Eva-potranspiration im August, bzw. der nicht signi�kanten Abweichung im September.Die potentielle Evapotranspiration nimmt im Vergleich zum Ist-Zustand leicht ab. Die-se Abnahme ist möglicherweise ebenfalls wie die Abnahmen im August, Folge einerfalschen Strahlungsberechnung.


Die aktuelle Evapotranspiration ändert sich nicht signi�kant. Die Niederschläge neh-men im Oktober ab, der mittlere Endbodenwassergehalt liegt weit über der mittlerenaktuellen Evapotranspiration, so dass eine Begrenzung der aktuellen Evapotranspira-tion durch den Bodenwassergehalt wahrscheinlich ausgeschlossen werden kann.Im November kommt es zu einer Zunahme der mittleren Ab�üsse, der potentiellenEvapotranspiration sowie der aktuellen Evapotranspiration und zu einer Abnahme desEndbodenwassergehalts. Absolut gesehen sind die Zunahmen der potentiellen und ak-tuellen Evapotranspiration klein. Die Zunahmen der Verdunstung sind mit den anderenErgebnissen der KLIWA-Studie (KLIWA, 2006) für die Monate November bis Mai er-klärbar. Hier nimmt die mittlere Tageslufttemperatur mehr zu als in den anderen Mona-ten, ebenfalls erhöht sich die Windgeschwindigkeit. Die relative Luftfeuchtigkeit nimmtzwar im Vergleich zu den KLIWA Ergebnissen des Sommerhalbjahres weniger ab, aberdies mag eventuell einen nicht so groÿen Ein�uss haben. Insgesamt über die betrachte-ten sechs Monate gesehen ist die Verdunstung im November am geringsten, was mit derAbnahme der Strahlungsenergie zu erklären ist. Ebenfalls nimmt wahrscheinlich schonder LAI ab, welches ebenfalls zu einer Verringerung der Verdunstung im Vergleich mitden anderen Monaten führt. Dass die aktuelle und potentielle Evapotranspiration imNovember im Vergleich mit dem Ist-Zustand zunimmt, liegt wahrscheinlich auch daran,dass der Laubfall der Bäume etwas durch durch die höheren Temperaturen verschobenist. Die Abnahme des Endbodenwassergehalts ist möglicherweise mit der Zunahme deraktuellen Evapotranspiration zu erklären. Jedoch ist absolut gesehen die Abnahme desEndbodenwassergehalts viel gröÿer als die Zunahme der aktuellen Evapotranspiration.Vielleicht wird dieser E�ekt auch durch die Abnahme der Niederschläge im Oktoberverstärkt.

9.1.2. Interpretation der allgemeinen Ergebnisse � Vergleich derKlimaszenarien mit und ohne CO2-Änderung

Die Szenarien mit und ohne CO2-Konzentrationsänderung unterscheiden sich hinsicht-lich der Auswirkungen auf die untersuchten hydrologischen Gröÿen nicht (Tabelle B.7).Dies lässt darauf schlieÿen, dass eine Erhöhung von 330 ppm auf 442 ppm im St. Wil-helmer Einzugsgebiet keine auf Einzugsgebietsgröÿe wirksamen hydrologischen Ver-änderungen mit sich bringt. Eventuell wäre eine Zunahme der Bodenfeuchte, so wieeventuell eine Zunahme des Ab�usses und eine Abnahme der aktuellen Evapotranspi-ration als Folge einer geringeren Stomataleitfähigkeit erwartet worden. Dem gegenübersteht jedoch die Annahme einer Zunahme der aktuellen Evapotranspiration durch eineVergröÿerung des LAI mit allen anderen gegenteiligen Annahmen über die hydrologi-schen Gröÿen, wie eben erwähnt. Hier ist darauf hinzuweisen, dass eine Zunahme desLAI eine Abnahme des Bestandeswiderstandes bedeutet (Formel 4.1.8) und somit denE�ekt der Vergröÿerung der zur Transpiration befähigten Fläche, welcher zu einer ab-soluten Zunahme der Transpiration führt, verstärken müsste.Entweder hat CO2 keine Auswirkungen in dem Untersuchungsgebiet auf die physio-logischen und strukturellen Eigenschaften der Vegetation, oder diese Veränderungenhalten sich die Waage was sich in keiner Veränderung der hydrologischen Gröÿen zeigt.Durch die in Unterkapitel 2.3 genannten lokalen Skalene�ekte könnte es theoretisch


ebenfalls zu einer Kompensation kommen. Voraussetzung hierfür ist, dass in SWAT dasSättigungsdampfde�zit unter Berücksichtigung der Blattleitfähigkeit berechnet wird.Dies scheint jedoch nicht der Fall zu sein (siehe Neitsch et al. (2005, S.51 �). Eben-falls scheint es nicht zu einer Beein�ussung der Blattleitfähigkeit auf die Temperaturzu kommen. Möglicherweise wurde bei Berechnung der KLIWA-Ergebnisse (KLIWA,2006) dieser E�ekt berücksichtigt, müsste als Folge dann auch in den während dieserArbeit durchgeführten Simulationen berücksichtigt worden sein. Dadurch, dass jedochbei beiden Zukunftsszenarien die selben veränderten meteorologischen Parameter (au-ÿer die CO2-Konzentration) verwendet wurden, würde sich dies nicht auswirken.

9.2. Ergebnisse unterschiedlicher Landnutzungen 81

9.2. Ergebnisse unterschiedlicher Landnutzungen

9.2.1. Unterschiede im Ist-Zustand � Landnutzung

Um die Auswirkungen der verschiedenen Landnutzungen auf den Klimawandel beur-teilen zu können, werden zunächst die Simulationsergebnisse verschiedener Landnut-zungen im Ist-Zustand dargestellt.In Abbildung 9.2.1 zeigt sich, dass der simulierte mittlere monatliche Ab�uss im Ist-Zustand in allen Untersuchungsmonaten bezüglich der unterschiedlichen Landnutzun-gen parallel verläuft. Eine Abnahme der Ab�üsse ist bis September zu beobachten,der eine Zunahme im Oktober mit anschlieÿender Stagnation (keine signi�kanten Ver-änderungen) im November folgt. Das Ab�ussniveau von Laubwald ist mit dem vonGrünland gleich zu setzen. Das Niveau der Ab�üsse der Landnutzung Nadelwald liegtwährend der Untersuchungsperiode stets um ca. 10mm höher.Die simulierten potentiellen Evapotranspirationen des Ist-Zustands der verschiedenenLandnutzungen unterscheiden sich nicht.

Abbildung 9.2.1.: Vergleich der simulierten monatlich gemittelten Ab�üsse im Ist-Zustand (1971-2000) zwischen Laubwald, Nadelwald und Grünland.

Das unterschiedliche aktuelle Evapotranspirationsverhalten der jeweiligen Landnutz-ungen zeigt sich in Abbildung 9.2.2. Während Nadelwald und Laubwald in etwa dasselbe Niveau aufzeigen, ist die aktuelle Evapotranspiration von Grünland im Mittel inden Monaten Juni, Juli und August um ca. 5-10mm höher.


Abbildung 9.2.2.: Vergleich der simulierten monatlich gemittelten aktuellen Evapotranspirationim Ist-Zustand (1971-2000) zwischen Laubwald, Nadelwald und Grünland.

Eine Angleichung �ndet in den Monaten September, Oktober und November statt.Bei allen Landnutzungen nimmt die aktuelle Evapotranspiration von Juni bis Juli (vonca. 75mm auf im Mittel 85mm) zu, von Juli bis August leicht ab und von August bisNovember stärker bis auf einen Endwert von ca. 4mm.Bei Betrachtung der Reevaporation (Abbildung 9.2.3) zeigt sich bei allen Landnutzun-gen eine mittlere Zunahme der Reevaporation von ca. 15,5mm im Juni auf ca. 17,5mmim Juli. Eine stetige Abnahme der mittleren simulierten monatlichen Reevaporation istbei allen Landnutzungen von Juli bis auf ca. 1mm im November zu beobachten. Wäh-rend das Reevaporationsregime der Landnutzungen Grünland und Laubwald identischverläuft, verläuft das Regime von Nadelwald von Juli bis September auf einem etwashöheren Niveau (ca. 1mm) und nähert sich dem Reevaporationsregime von Grünlandund Laubwald von September bis November wieder an.In Abbildung 9.2.4 zeigen sich die mittleren simulierten monatlichen Endbodenwasser-gehalte des Ist-Zustandes (1971-2000) für die unterschiedlichen Landnutzungen. Gene-rell kann gesagt werden, dass unabhängig von der Landnutzung eine Abnahme (5%-7%) des Endbodenwassergehalts von Juni bis Juli und eine Stagnation von Juli bisAugust statt�ndet. Von August bis November �ndet eine Zunahme des mittleren End-bodenwassegehalts statt, welche bei allen Landnutzungen das Anfangs Endbodenwas-sergehalt im Juni übersteigt.


Abbildung 9.2.3.: Vergleich der simulierten monatlich gemittelten Reevaporation im Ist-Zustand(1971-2000) zwischen Laubwald, Nadelwald und Grünland.

Abbildung 9.2.4.: Vergleich des simulierten monatlich gemittelten Bodenwassergehalts am Endedes Monats im Ist-Zustand (1971-2000) zwischen Laubwald, Nadelwald undGrünland.


Während keine signi�kanten Unterschiede im Verlauf des mittleren Bodenwasserend-gehaltregimes zwischen Grünland und Laubwald festzustellen sind, be�ndet sich derVerlauf des Regimes von Nadelwald auf einem anfangs höheren Niveau. Eine Zunahmeder Unterschiede ist bis August zu beobachten, danach folgt eine Annäherung der Re-gime auf ca. 123mm.Die Di�erenz zwischen mittleren monatlichen Bodenwasserangfangsgehalt und mittle-ren monatlichen Bodenwasserendgehalt aufgeschlüsselt für die unterschiedlichen Land-nutzungen zeigt sich in Abbildung 9.2.5.Von Juni bis Juli ist die Di�erenz stets positiv und ist im August bei allen Landnut-zungen negativ. Eine weitere Zunahme in den negativen Bereich �ndet bis Septemberstatt. Von September bis Oktober �ndet eine Abnahme der mittleren Bodenwasserdif-ferenz bei Laubwald und Nadelwald statt und eine weitere Zunahme bei Grünland. AbOktober �ndet bei allen Landnutzungsarten eine weitere Vergröÿerung der Bodenwas-serdi�erenz in den negativen Bereich statt. Bis Juli verlaufen die Kurven für Grünlandund Laubwald gleich, während sich die Kurve für Nadelwald auf einem geringeren Ni-veau be�ndet. Ab August ist die Bodenwasserdi�erenz für Nadelwald geringer undbleibt dies gleichmäÿig in Bezug auf Laubwald bis Oktober. Ebenfalls im August istdie Bodenwasserdi�erenz von Grünland geringer als von Laubwald, dies ändert sich je-doch von September bis November. Von Oktober bis November nähern sich alle Kurveneinander wieder an.

Abbildung 9.2.5.: Vergleich der monatlich gemittelten Bodenwassergehaltsdi�erenz zwischenMonatsanfang und -ende im Ist-Zustand (1971-2000) zwischen Laubwald, Na-delwald und Grünland.


9.2.2. Interpretation der Ergebnisse verschiedenerLandnutzungen � Ist-Zustand

Wie in den Ergebnissen 9.2.1 beschrieben, be�ndet sich der Ab�uss aus einer Einheitderen Landnutzung Nadelwald ist auf einem höheren Niveau als der Ab�uss, welcheraus Einheiten, die die Landnutzungen Grünland und Laubwald enthalten, entsteht.Die Erklärung eines höheren Ab�usses aufgrund einer geringeren aktuellen Evapotran-spiration ist nicht tre�end, da wie in Abbildung 9.2.2 deutlich wird, die simulierteaktuelle Evapotranspiration des Ist-Zustands von Nadelwald und Laubwald überein-stimmen. Eine Di�erenzierung der Niederschlagsmenge bezüglich der einzelnen HRUs�ndet auch nicht statt. Es zeigt sich ebenfalls, dass der mittlere Endbodenwassergehaltbei Nadelwald auf einem höheren Niveau liegt (Abbildung 9.2.4) und die gemitteltenBodenwasserdi�erenzen bei Nadelwald (Abbildung 9.2.5) weniger abweichen als dies beiGrünland und Laubwald der Fall ist. Der höhere Ab�uss in den Sommermonaten, derhöhere Endbodenwassergehalt und die geringere Bodenwasserdi�erenz lässt vermuten,dass die Speicherleistung von Gebieten unter Nadelwald höher als die Speicherleistungvon Gebieten unter Laubwald und Grünland ist.In den Monaten Juli bis Oktober zeigt sich bei Nadelwald ebenfalls eine höhere Reeva-poration als bei den anderen Landnutzungsarten. Die Reevaporation gibt die Menge anWasser an, die aus dem �achen Aquifer in die ungesättigte Zone aufsteigen kann. Diesist jedoch erst möglich, wenn ein Grenzwert im �achen Aquifer überschritten wird. Fürdie erhöhte Reevaporation unter Nadelwald gibt es zwei Möglichkeiten: Entweder istdie Wassermenge, die den Grenzwert im �achen Aquifer übersteigt gröÿer als bei denanderen Landnutzungen, oder aber der Kapillarsaum unter Nadelwald ist trockener, sodass mehr Wasser aufsteigen kann. Dies würde jedoch im Widerspruch mit den höherenEndbodenwassergehalten und der geringeren Bodenwasserdi�erenzen im Vergleich mitden anderen Landnutzungen stehen. Bei Vergleich des Endbodenwassergehaltregimesmit den Bodenwasserdi�erenzen im Monatsverlauf aller Landnutzungen zeigt sich, dassab August der Anfangsbodenwassergehalt unter dem Endbodenwassergehalt be�ndet,eine Au�üllung des Bodensspeichers �ndet ab August unter allen Landnutzungen statt.Die simulierte mittlere aktuelle Evapotranspiration des Ist-Zustands ist für Grünland inden Monaten Juni bis Oktober signi�kant höher als für die Landnutzungen Nadelwaldund Laubwald. Dies resultiert möglicherweise aus dem geringeren aerodynamischen Wi-derstand für Grünland. Signi�kant bemerkbar machen sich diese Unterschiede jedochweder im Ab�uss noch im Endbodenwassergehalt. Lediglich im Oktober zeigt sich beiVergleich der Bodenwasserdi�erenzen mit dem Endbodenwassergehalt, dass der An-fangsbodenwassergehalt von Grünland etwas geringer gelegen haben muss.

9.2.3. Unterschiede der Klimaszenarien zum Ist-Zustand �Landnutzung

Der Regimeverlauf der Ab�üsse ermittelt aus dem simulierten Ist-Szenario (1971-2000)im Verhältnis zum Regimeverlauf der Ab�üsse ermittelt aus den Zukunftsszenarien(2021-2050) mit und ohne CO2-Änderung der betrachteten unterschiedlichen Landnut-zungsarten verläuft gleich und spiegelt sich ebenfalls in den Regimen resultierend ausder Berücksichtigung aller HRUs wider (Abbildung 9.1.1, S.73).


Abbildung 9.2.6.: Unterschiede der mittleren monatlichen Ab�üsse zwischen dem simulierten Ist-Zustand (1971-2000) und den Zukunftsszenarien (2021-2050) mit und ohneCO2-Änderung bei Laubwald, Nadelwald und Grünland.


Bis zum Monat Oktober sind die gemittelten monatlichen Ab�üsse resultierend ausden Klimaszenarien bei allen Landnutzungen geringer als die simulierten Ab�üsse desIst-Zustands. Im Monat November sind die simulierten Ab�üsse der Klimaszenarienhöher als die des Ist-Zustands. Es �nden sich keine signi�kanten Unterschied zwischenden Szenarien mit und ohne CO2-Änderung bezüglich der Ab�üsse (siehe Tabelle B.9).In den Monaten Juni, Juli und November weichen die Ab�üsse aller Landnutzungendes Klimaszinarios ohne CO2-Änderung um ungefähr den selben Prozentsatz (+ /- 2%)von dem Szenario des Ist-Zustands ab. Im August, September und Oktober sind dieAbweichungen der Landnutzung Nadelwald um ca. 5% bis 7% geringer als die derbeiden anderen Landnutzungen.Generell kann gesagt werden, dass die Abweichungen der Ab�üsse zwischen dem simu-lierten Ist-Zustand und dem simulierten Zukunftsszenario ohne CO2-Berücksichtigungbei allen Landnutzungen von Juli bis November abnehmen (siehe Tabelle B.8).Bei Betrachtung der Regime (Ist-Zustand�Zukunftszenarien) der potentiellen Evapotran-spiration fällt auf, dass auch diese bei allen Landnutzungen ähnlich verlaufen (Abbil-dung 9.2.7, S.88).Im Juni liegt die potentielle Evapotranspiration der Zukunftsszenarien um ca. 13%über der des Ist-Zustands. Im Juli und September sind keine signi�kanten Änderungenzu beobachten. Im August liegen die simulierten potentiellen Evapotranspirationen derKlimaszenarien unter denen des Ist-Zustands und nähern sich bis November einanderan.Zwischen den potentiellen Evapotranspirationen der beiden Klimaszenarien gibt es kei-ne signi�kanten Unterschiede (siehe Tabelle B.9).Bei Betrachtung der aktuellen Evapotranspirationsregime fällt auf, dass sich das Re-gime der Landnutzung Grünland von denen der Landnutzung Nadelwald und Laubwaldunterscheidet (Abbildung 9.2.8, S.89). Zunächst einmal ist jedoch bei allen drei Land-nutzungen im Juni die aktuelle Evapotranspiration resultierend aus den Klimaszenarienhöher als während der simulierten Periode des Ist-Zustands. Von Juli bis Oktober sindbei der Landnutzung Grünland keine signi�kanten Unterschiede festzustellen. Eben-falls keine signi�kanten Unterschiede sind bei Laubwald in den Monaten Septemberund Oktober und bei Nadelwald in den Monaten Juli und September festzustellen. Ei-ne Abnahme der aktuellen Evapotranspiration in Bezug auf den Ist-Zustand zeigt sichbeim Laubwald im Juli und August und beim Nadelwald im August und Oktober. Einegroÿe relative Zunahme aber geringe absolute ist bei allen Landnutzungen im Novem-ber zu beobachten. Eine signi�kante Unterscheidung zwischen den Klimaszenarien mitund ohne CO2-Änderung gibt es nicht (siehe Tabelle B.9).Bei allen Klimaszenarien und allen untersuchten Landnutzungen liegt der mittlere Bo-denwassergehalt am Ende des Monats im Juni unter dem Bodenwassergehalt am Endedes Monats im Ist-Zustand (siehe Abbildung 9.2.9, S.90). Während sich der Unter-schied bei Laubwald im Juli vergröÿert, nimmt er bei Nadelwald und Grünland ab.Von August bis Oktober sind bei allen Landnutzungsarten keine signi�kanten Ände-rungen zwischen dem Bodenwassergehalt am Ende des Monats des Ist-Zustands undder Klimaszenarien zu beobachten. Im November liegen die Endbodenwassergehalteder Klimaszenarien bei allen drei Landnutzungstypen um ca. den selben Prozentsatzunter den Endbodenwassergehalten des Ist-Szenarios.


Abbildung 9.2.7.: Unterschiede der mittleren monatlichen potentiellen Evapotranspiration zwi-schen dem simulierten Ist-Zustand (1971-2000) und den Zukunftsszenarien(2021-2050) mit und ohne CO2-Änderung bei Laubwald, Nadelwald und Grün-land.


Abbildung 9.2.8.: Unterschiede der mittleren monatlichen aktuellen Evapotranspiration zwischendem simulierten Ist-Zustand (1971-2000) und den Zukunftsszenarien (2021-2050) mit und ohne CO2-Änderung bei Laubwald, Nadelwald und Grünland.


Abbildung 9.2.9.: Unterschiede des mittleren monatlichen Endbodenwassergehalts zwischen demsimulierten Ist-Zustand (1971-2000) und den Zukunftsszenarien (2021-2050)mit und ohne CO2-Änderung bei Laubwald, Nadelwald und Grünland.


In den Monaten Juni und Juli ist die Abweichung bei Nadelwald geringer als bei denanderen Landnutzungstypen, besonders ausgeprägt ist dies im Juli (siehe Tabelle B.8).Bei Betrachtung der Abbildung 9.2.10 auf Seite 92 fällt auf, dass bei den Zukunftssze-narien im Monat Juni bei allen Landnutzungsarten die mittlere Bodenwasserdi�erenzpositiv und gröÿer als bei der Simulation des Ist-Zustands ist. Die gröÿte Di�erenz istmit 51% bei Grünland, gefolgt von 45% bei Nadelwald und 39% bei Laubwald zu �n-den. Während im Juli bei Laubwald ebenfalls eine Zunahme zu beobachten ist, �ndetbei Nadelwald keine signi�kante Änderung statt und bei Grünland eine leichte Ab-nahme. Ab August werden alle Bodenwassergehaltdi�erenzen bei allen Landnutzungennegativ. Die gröÿte Di�erenz weist dabei mit einer Abnahme von 70% vom Ist-ZustandNadelwald auf. Die Abnahmen von Laubwald bzw. Grünland betragen 43% und 47%(siehe Tabelle B.8). Im September sind bei allen drei Landnutzungsarten die Boden-wasserdi�erenzen negativ und gröÿer im Vergleich zum Ist-Zustand. Der Unterschied(Klimaszenario ohne CO2-Änderung) zwischen den einzelnen Landnutzungen bezüglichder jeweiligen Abweichungen vom Ist-Zustand nimmt ab. Bei Nadelwald ist er mit 76%am gröÿten, gefolgt von Grünland mit 72% und Laubwald mit 63%. Zum Oktober hinnähern sich die Regime aus den unterschiedlichen Szenarien einander an und die Boden-wasserdi�erenz nimmt insgesamt tendenziell ab. Jedoch ist die Bodenwasserdi�erenz inFolge der Klimaszenarien höher als im Vergleich mit dem Ist-Zustand. Bei Grünlandmacht die Di�erenz ohne CO2-Änderung 10% aus, während sie bei Nadelwald 30%und bei Laubwald 40% ausmacht. Im November nimmt die Bodenwasserdi�erenz wei-terhin als Resultat der simulierten Klimaszenarien ab, während sie im Ist-Zustand beiallen drei Landnutzungsarten zunimmt. Die gröÿte Abweichung zum Ist-Zustand istbei Grünland zu beobachten, während die Abweichungen bei Laubwald und Nadelwaldin der selben Gröÿenordnung zu ihrem jeweiligen Ist-Zustand sind.Bei allen Landnutzung sind signi�kante Unterschiede in der Bodenwassergehaltsdif-ferenz in bestimmten Monaten bei Vergleich des Klimaszenarios mit und ohne CO2-Änderung zu erkennen (Tabelle B.9). Bei Laubwald und Nadelwald ist dies in denMonaten August, Oktober und November der Fall, bei Grünland im Juli, August, Ok-tober und November. Bei Nadelwald und Laubwald kommt es zu einer Verringerungder Bodenwasserdi�erenz im negativen Bereich im Vergleich zur Klimasimulation oh-ne CO2-Änderung. Dies ist auch der Fall für die Monate August und Oktober beiGrünland. Im Juli nimmt die Di�erenz ebenfalls ab, hier jedoch im positiven Bereich.Im November kommt es bei Grünland zu einer Zunahme der Bodenwasserdi�erenz impositiven Bereich zum negativen Bereich. Die absolut Werte sind jedoch sehr gering,weshalb dies wahrscheinlich vernachlässigt werden kann.Die Reevaporation resultierend aus den Zukunftsszenarien übersteigt im Juni bei al-len Landnutzungen die Reevaporation des simulierten Ist-Zustandes (Abbildung 9.2.11,S.93). Von Juli bis Oktober liegt sie unter dem simulierten Ist-Zustand und nimmt überdie Monate hin stetig ab. Im November liegt sie bei allen Landnutzungen wieder leichtüber dem Ist-Zustand. Die Abweichungen der jeweiligen Landnutzungen vom jeweiligenIst-Zustand sind im Juni vergleichbar und liegen bei 10% bis 11%. In den MonatenJuli, August und September ist die Abweichung bei Nadelwald geringer. Insgesamt sinddie Abweichungen im August am Gröÿten. Im November zeigt sich wieder eine Anglei-chung der Abweichungen der jeweiligen Landnutzungsarten von 24% bis 28%.


Abbildung 9.2.10.: Unterschiede der mittleren monatlichen Bodenwassergehaltsdi�erenz zwi-schen Monatsanfang und -ende zwischen dem simulierten Ist-Zustand (1971-2000) und den Zukunftsszenarien (2021-2050) mit und ohne CO2-Änderungbei Laubwald, Nadelwald und Grünland.


Abbildung 9.2.11.: Unterschiede der mittleren monatlichen Reevaporation zwischen dem simu-lierten Ist-Zustand (1971-2000) und den Zukunftsszenarien (2021-2050) mitund ohne CO2-Änderung bei Laubwald, Nadelwald und Grünland.


Lediglich bei Laubwald �ndet sich eine signi�kante Unterscheidung im August zwischendem Klimaszenario ohne und mit CO2-Änderung. Die Reevaporation mit Berücksich-tigung der CO2-Änderung ist um ca. 6% höher als ohne CO2-ÄnderungIn Abbildung 9.2.12 auf Seite 95 ist der durch SWAT simulierte Wasserstress für dieeinzelnen Landnutzungen und Simulationen dargestellt. Es fällt auf, dass bei der Land-nutzung Laubwald lediglich im August bei dem Klimaszenario ohne CO2-Änderung einleichter Wasserstress auftritt.Bei der Landnutzung Nadelwald tritt im November bei der Simulation des Ist-Zustandesebenfalls ein nur geringer Wasserstress auf.Wasserstress tritt bei der Landnutzung Grünland während aller Simulationen, aller-dings in verschiedenen Monaten und Ausprägungen, auf. Der gröÿte Wasserstress trittim August bei dem Zukunftszenario ohne CO2-Änderung auf. Der Wasserstress ist inden folgenden zwei Monaten bereits wesentlich geringer und im November nicht mehrvorhanden. Bei der Simulation des Zukunftszenarios mit CO2-Änderung ist der Was-serstress ebenfalls im August am gröÿten und nimmt in den folgenden zwei Monaten bisauf null im Monat November ab. Die Simulation des Ist-Zustandes führt bei Grünlandzu einem vergleichsweise nur sehr geringen Wasserstress im September und November.

9.2.4. Sensitivitätsanalyse verschiedener Landnutzungen �Vergleich des simulierten Ist-Zustands mit demsimulierten Klimaszenario ohne CO2-Änderung

Der Ab�uss aus einem Gebiet mit der Landnutzung Nadelwald zeigt in den MonatenAugust bis Oktober eine geringere Sensitivität in der Abnahme der Ab�üsse als dieLandnutzungen Laubwald und Grünland. Dies spiegelt sich in dem von SWAT berech-neten auftretenden Wasserstress unter Grünland und Laubwald im August wider. Indem Gebiet mit Nadelwald tritt im August kein Wasserstress auf. Dies zeugt mögli-cherweise, wie bereits oben beschrieben, von einer besseren Speicherfähigkeit der mitNadelwald bestandenen Gebiete, deren Auswirkungen sich erst während der Niedrig-wasserperioden eindeutiger zeigen.Sensitivitätsunterschiede in der potentiellen Evapotranspiration sind zwischen den un-terschiedlichen Landnutzungen nicht vorhanden.Bei einem Vergleich der aktuellen Evapotranspirationen zeigt sich, dass sich im Juniquasi keine Unterschiede der Sensitivitäten zwischen den unterschiedlichen Landnut-zungen ergeben. Im Juli und August verringert sich die aktuelle Evapotranspirationunter Laubwald, und im August ebenfalls unter Nadelwald. Die schon im Ist-Zustandgeringeren Evapotranspirationen im Vergleich zum Grünland werden sich weiter senken,was die Unterschiede der Landnutzung Grünland und Nadel- bzw. Laubwald bezüg-lich der aktuellen Evapotranspiration weiter verstärkt. Sensitivitätsunterschiede tretennoch im Oktober auf wo es zu keiner signi�kanten Veränderung der aktuellen Eva-potranspiration bei Laub- und Grünland, jedoch bei Nadelwald kommt.Abschlieÿend ist zu sagen, dass bei allen Landnutzungstypen bezüglich der aktuellenEvapotranspiration die gröÿten Unterschiede zum Ist-Zustand im November auftreten,gefolgt vom Juni. Die Monate, in denen signi�kante Unterschiede bezüglich der Land-nutzung auftreten sind die Monate Juli und August, sowie Oktober.


Abbildung 9.2.12.: Unterschiede des mittleren monatlichen Wasserstresses zwischen dem simu-lierten Ist-Zustand (1971-2000) und den Zukunftsszenarien (2021-2050) mitund ohne CO2-Änderung bei Laubwald, Nadelwald und Grünland.


Im Juli reagieren Laubwald und Grünland sensitiver auf den simulierten Klimawandel,als Nadelwald, bei dem die Abnahme des Endbodenwassergehalts geringer ist. Hier zeigtsich, wie bei der Betrachtung des Ab�usses, dass die Landnutzung Nadelwald anschei-nend die Auswirkungen der veränderten Klimaparameter abdämpft. In den MonatenAugust bis November sind keine Sensitivitätsunterschiede bezüglich des Klimawandelsauf den Endbodenwassergehalt der verschiedenen Landnutzungen festzustellen.Bei den Bodenwasserdi�erenzen zeigen sich im Monat Juli und November gröÿere Sen-sitivitäten bei Laubwald, im August und September bei Nadelwald und im Novemberbei Grünland. Keine Sensitivitätsunterschiede sind im Juni festzustellen.Bei Betrachtung der Reevaporation fällt auf, dass in den Monaten Juli bis Oktober dieSensitivität von Nadelwald am geringsten ist. In den Monaten Juni und November sinddie Reaktionen aller Landnutzungstypen vergleichbar.Für die Monate aufgeschlüsselt �nden sich die Ergebnisse in Tabelle B.8 auf Seite 144.

9.2.5. Sensitivitätsanalyse verschiedener Landnutzungen �Vergleich der Klimaszenarien mit und ohneCO2-Änderung

Im Gegensatz zur Betrachtung des gesamten St. Wilhelmer Talbacheinzugsgebiets tre-ten bei Au�ösung des Gebiets in HRUs signi�kante Unterschiede zwischen dem Klimaz-senario (2020-2050) ohne CO2-Änderung und mit CO2-Änderung auf. Diese Unterschie-de treten in den Monaten August, Oktober und November (und bei Grünland zusätzlichim Juli) bei Betrachtung der Bodenwasserdi�erenz auf. Im Monat August reagieren Ge-biete mit Nadelwald am sensitivsten, während im November dies für Grünland der Fallist. Bei der Reevaporation be�ndt sich die einzelne signi�kante Abweichung bei Laub-wald im Monat August. Eine Verschiebung in Richtung einer höheren Reevaporation�ndet statt. Eine tabellarische Darstellung der Ergebnisse �ndet sich in Tabelle B.9 aufSeite 145.

9.3. Ergebnisse unterschiedlicher Bodentypen 97

9.3. Ergebnisse unterschiedlicher Bodentypen

9.3.1. Unterschiede im Ist-Zustand � Böden

Beim Vergleich der simulierten Ist-Zustände (1971-2000) der mittleren monatlichenAb�üsse zeigt sich, dass der Ab�uss gebildet aus Gebieten mit Braunerden im Juniüber dem gebildet aus Gebieten mit Regosol-Braunerde-Ranker liegt. Im Juli sind keinebodenspezi�schen Di�erenzen der Ab�üsse zu erkennen. In den Monaten August bisNovember liegt der Ab�uss aus Braunerden unter dem aus Regosolen-Braunerden-Rankern entstandenen. Die Unterschiede nehmen dabei stetig zu (Abbildung 9.3.1).

Abbildung 9.3.1.: Vergleich der simulierten monatlich gemittelten Ab�üsse im Ist-Zustand (1971-2000) zwischen Braunerde und Regosol-Braunerde-Ranker.

Die simulierten potentiellen Evapotranspirationen beider Bodentypen im Ist-Zustandunterscheiden sich nicht voneinander und werden aus diesem Grund hier nicht darge-stellt.Bei der aktuellen monatlich gemittelten Evapotranspiration im Ist-Zustand zeigt sichein höheres Niveau von Juni bis August bei Braunerde (um ca. 4mm) als bei den an-deren Bodentypen (Abbildung 9.3.2, S.98). In den Monaten September bis Novembernähern sich die mittleren Monatswerte der unterschiedlichen Bodentypen einander an.Die gröÿten Di�erenzen be�nden sich im August und Juli mit einem Unterschied vonca. 8mm (Abbildung 9.3.2). Die insgesamt höchsten aktuellen Evapotranspirations-mittelwerte be�nden sich für beide untersuchten Bodentypen im Juli mit 84mm bzw.76mm und nehmen im November mit jeweils ca. 4mm die geringsten Werte an.Die mittlere Reevaporation verläuft von Juni bis Juli für beide Bodenarten gleichund steigt von ca.15,5mm auf 17,7mm an. Eine stetige Abnahme der mittleren si-


Abbildung 9.3.2.: Vergleich der simulierten monatlich gemittelten aktuellen Evapotranspiratio-nen im Ist-Zustand (1971-2000) zwischen Braunerde und Regosol-Braunerde-Ranker.

mulierten monatlichen Reevaporation ist bei allen Landnutzungen von Juli bis auf ca.1mm im November, zu beobachten. Das Reevaporationsregime des Bodentyps Regosol-Braunerde-Ranker verläuft von Juli bis September auf einem etwas höheren Niveau (ca.1mm) und nähert sich dem Reevaporationsregime von Braunerde von September bisNovember wieder an (Abbildung 9.3.3, S.99).In Abbildung 9.3.4 auf Seite 99 sind die mittleren simulierten monatlichen Endbo-denwassergehalte des Ist-Zustandes (1971-2000) für die unterschiedlichen Bodentypendargestellt. Das Bodenwasser umfasst das Wasser in allen von SWAT modellierten Bo-denkompartimenten, nicht nur das p�anzenverfügbare Bodenwasser.Bei beiden Bodentypen �ndet eine Abnahme von ca. 5% von Juni bis Juli statt,der einer Stagnation bei Braunerde und einer Zunahme von ca. 6% bei der Regosol-Braunerde-Ranker bis August folgt. Eine Zunahme des mittleren Endbodenwasserge-haltes ist bei beiden Bodentypen bis November zu beobachten. Im November wirdjeweils der höchste mittlere Endbodenwassergehalt erreicht. Der mittlere monatlicheEndbodenwassergehalt von Regosol-Braunerde-Ranker be�ndet sich stets auf einemum 54mm (August) bis 62mm (Oktober) geringeren Niveau als bei Braunerde.Die Di�erenz zwischen mittleren monatlichen Bodenwasserangfangsgehalt und mittle-ren monatlichen Bodenwasserendgehalt, aufgeschlüsselt für die unterschiedlichen Bo-dentypen, ist in Abbildung 9.3.5 auf Seite 100 dargestellt. Von Juni bis Juli zeigt derBodenwassergehalt eine Nettoabnahme, von August bis November nimmt der Wasser-gehalt netto zu.


Abbildung 9.3.3.: Vergleich der simulierten monatlich gemittelten Reevaporation im Ist-Zustand(1971-2000) zwischen Braunerde und Regosol-Braunerde-Ranker.

Abbildung 9.3.4.: Vergleich der simulierten monatlich gemittelten Endbodenwassergehalte im Ist-Zustand (1971-2000) zwischen Braunerde und Regosol-Braunerde-Ranker.


Abbildung 9.3.5.: Vergleich der monatlich gemittelten Bodenwassergehaltsdi�erenz zwischenMonatsanfang und -ende im Ist-Zustand (1971-2000) zwischen Braunerde undRegosol-Braunerde-Ranker.

Im Juni und Juli sowie September und Oktober ist die mittlere Bodenwasserdi�erenzbei Braunerde höher als bei Regosol-Braunerde-Ranker. In den Monaten August undNovember ist die Bodenwasserdi�erenz der Bodentypen Regosol-Braunerde-Ranker grö-ÿer als die der Braunerde. Die gröÿten Unterschiede zwischen den beiden Bodentypensind im September und November zu beobachten. Während das Regime von Braunerdevon 7mm im Juni fast stetig auf ca. -8mm im November abfällt, fällt das Regime deranderen Bodentypen von ca. 5mm im Juni bis August auf ca. -4mm ab und nimmtdann im September auf ca. 0mm zu, bis es bis November auf -12mm wieder abfällt.

9.3.2. Interpretation der Ergebnisse verschiedener Bodentypen� Ist-Zustand

Von August bis November liegt der spezi�sche Ab�uss aus der HRU mit Braunerde un-ter dem aus der HRU mit Braunerde-Regosol-Ranker. Dies lässt sich eventuell damiterklären, dass die mittlere aktuelle Evapotranspiration aus der HRU mit Braunerde vonJuni bis August höher ist und sich in den folgenden Monaten auf den Ab�uss auswirkt.Die aktuelle Evapotranspiration ist in den oben genannten Monaten vermutlich höher,da in Braunerde ein insgesamt höherer Bodenwassergehalt auf Grund der besseren Spei-cherfähigkeiten des Bodentyps herrscht als bei Braunerde-Regosol-Ranker. Dies zeigtsich beim Vergleich des Endbodenwassergehalts der jeweiligen Monate im Vergleich mitden Di�erenzen des Bodenwassergehalts.Zusammenfassend kann man feststellen, dass die Braunerde eine gröÿere Dynamik imBodenwasserregime aufweist als der Typ Regosol-Braunerde-Ranker, bei der Speicher-änderung ebenso wie bei der Evaptranspiration. Dies liegt im Wesentlichen an der grö-


ÿeren Speicherkapazität und dem damit verbundenen gröÿeren Ein�uss auf die übrigenModellkompartimente in SWAT.

9.3.3. Unterschiede der Klimaszenarien zum Ist-Zustand �Böden

Der Regimeverlauf der Ab�üsse ermittelt aus dem simulierten Ist-Szenario (1971-2000)im Verhältnis zum Regimeverlauf der Ab�üsse ermittelt aus den Zukunftsszenarien(2021-2050) mit und ohne CO2-Änderung der betrachteten unterschiedlichen Bodenty-pen verläuft ähnlich (Abbildung 9.3.6) und spiegelt sich ebenfalls im Gesamtab�uss-regime wider (Abbildung 9.1.1, S.73). Bis zum Monat Oktober sind die gemitteltenmonatlichen Ab�üsse resultierend aus den Klimaszenarien bei allen Bodentypen ge-ringer als die simulierten Ab�üsse des Ist-Zustands. Im Monat November sind die si-mulierten Ab�üsse der Klimaszenarien bei dem Bodentyp Braunerde signi�kant höherals die des Ist-Zustands. Im Falle des Bodentyps Regosol-Braunerde-Ranker ist im No-vember kein signi�kanter Unterschied zwischen dem simulierten mittleren Ab�uss derZukunftsszenarien und dem simulierten mittleren Ab�uss des Ist-Zustand festzustellen.Es �nden sich keine signi�kanten Unterschied zwischen den Szenarien mit und ohneCO2-Änderung bezüglich der Ab�üsse (siehe Tabelle B.11). In den Monaten Juni, Juliund August weichen die Ab�üsse der beiden verschiedenen Bodentypen des Klimasze-narios ohne CO2-Änderung um ungefähr den selben Prozentsatz von dem Szenario desIst-Zustands ab (39% bzw. 37% im Juni, 43% bzw. 42% im Juli und 29% bzw. 30%im August) . In den Monaten September und Oktober ist die Abweichung der Ab�üs-se vom simulierten Ist-Zustand bei dem Bodentyp Braunerde geringer (26,44% und18,90%) als beim anderen Bodentyp (32,66% und 23,62%) (Vergleich Tabelle B.10,S.146).Bei Betrachtung der Regime (Ist-Zustand�Zukunftszenarien) der potentiellen Evapotran-spiration (Abbildung 9.3.7, S.103) fällt auf, dass auch diese bei beiden Bodentypenähnlich verlaufen. Im Juni liegt die potentielle Evapotranspiration der Zukunftssze-narien um ca. 13% über der des Ist-Zustands. Im Juli und September sind keine si-gni�kanten Änderungen zu beobachten. Im August liegen die simulierten potentiellenEvapotranspirationen der Klimaszenarien bei beiden Bodentypen ca. 10% unter demdes Ist-Zustands und nähern sich bis November einander an. Im November beträgt zwarder relative Unterschied vom simulierten Ist-Zustand der potentiellen Evapotranspira-tion zu den simulierten Klimaszenarien bei beiden Bodentypen ca. 24%, die absoluteÄnderung beträgt jedoch nur ca. 1mm.Zwischen den potentiellen Evapotranspirationen der beiden Klimaszenarien gibt es kei-ne signi�kanten Unterschiede (siehe Tabelle B.11, S.147).Bei Betrachtung der simulierten aktuellen Evapotranspiration (Abbildung 9.3.8, S.104)fällt auf, dass bei beiden Bodentypen im Juni die aktuelle Evapotranspiration resul-tierend aus den Klimaszenarien höher als während der simulierten Periode des Ist-Zustands liegt. Die Abweichung beträgt ca. 10-14%. Nicht signi�kant sind die Ab-weichungen für beide Bodentypen im Juli und September, sowie für den BodentypRegosol-Braunerde-Ranker im Oktober. Eine signi�kante Abnahme der aktuellen Eva-potranspiration in Bezug auf den Ist-Zustand zeigt sich bei beiden Bodentypen im


Abbildung 9.3.6.: Unterschiede der mittleren monatlichen Ab�üsse zwischen dem simulierten Ist-Zustand (1971-2000) und den Zukunftsszenarien (2021-2050) mit und ohneCO2-Änderung bei Braunerde und Regosol-Braunerde-Ranker.

August (10% und 6%) und bei Braunerde ebenfalls im Oktober (7%). Eine groÿerelative Zunahme (35% und 36%) aber geringe absolute (1-2mm) ist bei beiden Bo-dentypen im November zu beobachten. Eine signi�kante Unterscheidung zwischen denKlimaszenarien mit und ohne CO2-Änderung gibt es nicht (siehe Tabelle B.11, S.147).


Abbildung 9.3.7.: Unterschiede der mittleren monatlichen potentiellen Evapotranspiration zwi-schen dem simulierten Ist-Zustand (1971-2000) und den Zukunftsszenari-en (2021-2050) mit und ohne CO2-Änderung bei Braunerde und Regosol-Braunerde-Ranker

Bei allen Klimaszenarien und beiden untersuchten Bodentypen liegt der mittlere Bo-denwassergehalt am Ende des Monats im Juni unter dem Bodenwassergehalt am Endedes Monats im Ist-Zustand (siehe Abbildung 9.3.9). Dieser Unterschied nimmt im Julibei beiden Bodentyen um 9%-10% ab. Von August bis Oktober ist bei Braunerde kei-ne signi�kante Änderung zwischen dem Bodenwassergehalt am Ende des Monats des


Ist-Zustands und der Klimaszenarien zu beobachten. Bei Regosol-Braunerde-Rankerist im August auch kein signi�kanter Unterschied zu beobachten, jedoch im Septemberund Oktober eine Abweichung um 10% bzw. 8% über den simulierten Ist-Zustand.Im November liegen die Endbodenwassergehalte der Klimaszenarien bei beiden Boden-typen signi�kant unter den Endbodenwassergehalten des Ist-Szenarios.Bei Braunerde beträgt die Abweichung ca. 7%, während die Abweichung bei Regosol-

Abbildung 9.3.8.: Unterschiede der mittleren monatlichen aktuellen Evapotranspiration zwischendem simulierten Ist-Zustand (1971-2000) und den Zukunftsszenarien (2021-2050) mit und ohne CO2-Änderung bei Braunerde und Regosol-Braunerde-Ranker.


Braunerde-Ranker vom simulierten Ist-Zustand ca. 23% beträgt. In allen Monaten,in denen signi�kante Unterschiede des Endbodenwassergehalts der Klimaszenarien zudem simulierten Ist-Zustand bestehen, ist die Abweichung des Bodentypes Regosol-Braunerde-Ranker höher als die Abweichung der Braunerde zu ihrem simulierten Ist-Zustand (siehe Tabelle B.10, S.146). Wie in Tabelle B.11 zu sehen, gibt es keine signi-�kanten Unterschiede bezüglich des mittleren monatlichen Endwassergehalts bei An-wendung der beiden Klimaszenarien.In Abbildung 9.3.10 auf Seite 106 sind die mittleren monatlichen Bodenwasserdi�e-renzen dargestellt. In nahezu allen Monaten gibt es leichte Verschiebungen zwischenIst-Zustand und Klimazenario, wobei der November mit einer besonders groÿen Ände-rung hervorsticht. Im November fällt im Klimaszenario die Au�üllung des Bodenwas-serspeichers weg, der im heutigen Zustand sehr ausgeprägt ist. Die Abweichung der mo-natlich mittleren Bodenwasserdi�erenz beträgt zum Ist-Zustand beträgt für Braunerde95% und für Braunerde-Regosol-Ranker 103%. Während bei dem Bodentyp Regosol-Braunerde-Ranker keine signi�kanten Unterschiede der mittleren Bodenwasserdi�erenzbei den beiden verschiedenen Zukunftszenarien mit und ohne CO2-Änderung festzustel-len sind, �nden sich signi�kante Unterschiede bei Braunerde in den Monaten August,Oktober und November.Es kommt zu einer Verringerung der Bodenwasserdi�erenz im negativen Bereich imVergleich zur Klimasimulation ohne CO2-Änderung (Tabelle B.11).

Abbildung 9.3.9.: Unterschiede des mittleren monatlichen Endbodenwassergehalts zwischen demsimulierten Ist-Zustand (1971-2000) und den Zukunftsszenarien (2021-2050)mit und ohne CO2-Änderung bei Braunerde und Regosol-Braunerde-Ranker.


Abbildung 9.3.10.: Unterschiede der mittleren monatlichen Bodenwassergehaltsdi�erenz zwi-schen Monatsanfang und -ende zwischen dem simulierten Ist-Zustand (1971-2000) und den Zukunftsszenarien (2021-2050) mit und ohne CO2-Änderungbei Braunerde und Regosol-Braunerde-Ranker.

Die Reevaporation resultierend aus den Zukunftsszenarien übersteigt im Juni bei beidenBodentypen die Reevaporation des simulierten Ist-Zustandes (Abbildung 9.3.11, S.107).Von Juli bis Oktober liegt sie mit unter dem simulierten Ist-Zustand (bei Regosol-Braunerde-Ranker ist im Oktober der Unterschied nicht signi�kant) und nimmt überdie Monate hin stetig ab. Im November liegt sie bei beiden Bodentypen wieder mit


25% bis 26% über dem Ist-Zustand. Die Abweichungen der jeweiligen Bodentypenvom jeweiligen Ist-Zustand sind im Juni vergleichbar und liegen bei 10% bis 11%. Inden Monaten Juli und August ist die Abweichung bei Braunerde-Regosol-Ranker gerin-ger, jedch nicht signi�kant. Insgesamt sind die Abweichungen im August am Gröÿten.Im November zeigt sich wieder eine Angleichung der Abweichungen der Bodentypenvon 25%bis 26% Abweichung von ihrem jeweiligen Ist-Zustand. Die Abweichung des

Abbildung 9.3.11.: Unterschiede der mittleren monatlichen Reevaporation zwischen dem simu-lierten Ist-Zustand (1971-2000) und den Zukunftsszenarien (2021-2050) mitund ohne CO2-Änderung bei Braunerde und Regosol-Braunerde-Ranker.


Regosol-Braunerde-Ranker-Bodens vom Zukunftszenario zum simulierten Ist-Zustandist im Oktober nicht signi�kant. Zwischen den Reevaporationen mit CO2-Änderungund ohne �nden sich bei beiden Bodentypen keine signi�kanten Unterschiede (sieheTabelle B.11).In Abbildung 9.3.12 auf Seite 108 ist der durch SWAT simulierte Wasserstress für diezwei Bodentypen und Simulationen dargestellt. Beim Bodentyp Braunerde herrschtquasi nie Wasserstress (der Vollständigkeit halber ist der Ist-Zustand in der Abbildungmit aufgeführt). Es fällt auf, dass bei allen drei Simulationen des Bodentyps Regosol-Braunerde-Ranker Wasserstress auftritt. In der Graphik bezieht sich die linke y-Achseauf diesen Bodentyp. Beim simulierten Ist-Zustand tritt Wasserstress von Juni bis No-vember auf. Der Wasserstress steigt von Juni bis August zu einem Maximum an, fälltim September wieder ab um im Oktober ein zweites Maximum zu erreichen. In denMonaten Juni und Juli ist der Wasserstress bei den Zukunftsszenarien gröÿer als beimsimulierten Ist-Zustand. Ab Juli fällt der Wasserstress wieder bis Oktober auf null abund be�ndet sich im August unter dem des simulierten Ist-Zustandes. Der während

Abbildung 9.3.12.: Unterschiede des mittleren monatlichen Wasserstresses zwischen dem simu-lierten Ist-Zustand (1971-2000) und den Zukunftsszenarien (2021-2050) mitund ohne CO2-Änderung bei Braunerde und Regosol-Braunerde-Ranker. Dierechte y-Achse bezieht sich auf Braunerde

des Zukunftszenarios mit CO2-Änderung auftretende Wasserstress liegt in den Mona-ten Juni bis August signi�kant unter dem des Zukunftszenarios ohne CO2-Änderung.

9.4. Fazit 109

9.3.4. Sensitivitätsanalyse verschiedener Bodentypen �Vergleich des simulierten Ist-Zustands mit demsimulierten Klimaszenario ohne CO2-Änderung

Bei den Ab�üssen zeigen sich erst Abweichungen bezüglich der Sensitivitäten zwischenden Bodentypen in den Monaten September bis November. Die Abnahmen der Ab-�üsse vom Ist-Zustand sind bei Braunerde geringer als bei Braunerde-Regosol-Ranker.Während Braunerde mit einer Zunahme der Ab�üsse im November reagiert, sind Ab-weichungen bei Braunerde-Regosol-Ranker nicht signi�kant. Gerade in den Monaten,wo der Ab�uss im Mittel am geringsten ist, scheint Braunerde die Auswirkungen desKlimawandels besser abzupu�ern.Bei der Veränderung der potentiellen Evapotranspiration ergeben sich keine Sensitivi-tätsunterschiede bezüglich der zwei Bodentypen.Bezüglich der aktuellen Evapotranspiration reagiert im August und Oktober Brauner-de mit einer stärkeren Abnahme zum Ist-Zustand als Baraunerde-Regosol-Ranker.Hinsichtlich des Endbodenwassergehalts zeigen sich während aller Monate (auÿer Au-gust, in dem bei keinem Bodentyp eine signi�kante Änderung zum Ist-Zustand statt-�ndet), höhere Sensitivitäten bei der Braunerde-Regosol-Ranker.Bei den Bodenwasserdi�erenzen zeigen sich im Monat Juni und August gröÿere Sen-sitivitäten bei der Braunerde und im Juli, September, Oktober und November beider Braunerde-Regosol-Ranker. Auÿerdem fällt auf, dass bei beiden Bodentypen imNovembers der Bodenspeicher im Klimaszenario nicht mehr aufgefüllt wird. Dies istvermutlich ein Modellartefakt, denn die Niedeschläge im Szenario sind ab�usswirksa-mer als im Ist-Zustand (die Ab�üsse steigen von Oktober zu November).Die Sensitivität der Reevaporation ist im September bei Braunerde-Regosol-Rankergröÿer, während sie im Oktober bei Braunerde überwiegt.Die Ergebnisse sind aufgeschlüsselt in Tabelle B.10 auf Seite 146 aufgeführt.

9.3.5. Sensitivitätsanalyse verschiedener Bodentypen �Vergleich der Klimaszenarien mit und ohneCO2-Änderung

Die einzigen signi�kanten Änderungen, die bei Vergleich der beiden Klimaszenarienauftreten, sind bei Braunerde-Regosol-Ranker in den Monaten August, Oktober undNovember bezüglich der Bodenwasserdi�erenzen zu beobachten (siehe Tabelle B.11 aufSeite 147).

9.4. Fazit

Im St. Wilhelmer Talbach Einzugsgebiet sind keine signi�kanten Änderungen der Grö-ÿen Ab�uss, potentielle Evapotranspiration, aktuelle Evapotranspiration und Boden-wassergehalt am Ende des Monats bei einem Vergleich der Klimaszenarien mit und ohneCO2-Änderung festzustellen. Dies könnte daran liegen, dass entweder CO2 in diesemFalle keinen direkten Ein�uss (siehe Abbildung 2.2.1 auf Seite 10) auf die Vegetation


hat, oder aber dass es physiologische Auswirkungen gibt, welche sich die Waage hal-ten. Es könnte eventuell zu einer Kompensation der Abnahme der Blattleitfähigkeit alsFolge einer Erhöhung der CO2-Konzentration durch eine Erhöhung der RUE kommen.Dies würde bedeuten, dass sich die Zunahme der Transpiration in einer Abnahme derBodenvaporation zeigen müsste. Der Skalene�ekt auf lokaler Skala kommt nicht in Be-tracht.Einen groÿen Ein�uss auf die hydrologischen Gröÿen haben die anderen verändertenKlimaparameter. In den Monaten Juni bis Oktober kommt es zu Abnahmen der Ab-�üsse, im November kommt es aufgrund der Verwendung der KLIWA-Ergebnisse fürdas Winterhalbjahr zu einer Zunahme.Es kommt zu Zunahmen der potentiellen und aktuellen Evapotranspiration in denMonaten Juni und November, und zu Abnahmen im August sowie bei der potentiel-len Evapotranspiration zusätzlich im Oktober. In den restlichen Monaten �ndet keinesigni�kante Änderung statt. Der Endbodenwassergehalt nimmt im Vergleich zum Ist-Zustand in den Monaten Juni, Juli und November ab. Keine Veränderungen zeigen sichin den Monaten August, September und Oktober.Die Sensitivität auf den Ab�uss ist in den Monaten August bis Oktober bei Nadelwaldgeringer als bei Grünland und Laubwald. Bezüglich der potentiellen Evapotranspirati-on treten keine Sensitivitätsunterschiede auf.Im Juni und November sind zwischen den Landnutzungen keine Sensitivitätsunterschie-de bezüglich der aktuellen Evapotranspiration festzustellen. Im Juli reagiert Laubwaldsensitiver, im Oktober Nadelwald. Im August reagieren Laubwald und Nadelwald sen-sitiver auf den Klimawandel als Grünland.Bezüglich des Bodenwassergehaltes am Ende des Monats verhalten sich Grünland,Laubwald und Nadelwald in den Monaten August bis November (hinsichtlich ihrerAbweichung zum Ist-Zustand) gleich, im Juni und besonders im Juli reagieren Grün-land und Laubwald sensitiver.Im Juni reagieren Nadelwald und Grünland sensitiver auf den Klimawandel bei Betrach-tung der Bodenwasserdi�erenz. Im Juli ist die Sensitivität bei Laubwald am gröÿten,gefolgt von Grünland. Nadelwald reagiert im August am sensitivsten, während keineUnterschiede der Sensitivität zwischen Laubwald und Grünland festzustellen sind. ImSeptember ist die Sensitivität bei Laubwald am geringsten, bei Nadelwald und Grün-land vergleichbar. Im Oktober reagiert Grünland gefolgt von Nadelwald am wenigstensensitiv. Grünland reagiert am sensitivsten im Vergleich mit den anderen Landnut-zungsarten im November.Bezüglich der Reevaporation reagieren alle Landnutzungsarten im Juni und Novembergleich. Nadelwald reagiert von Juli bis Oktober am wenigsten sensitiv. Im Juli undAugust verhalten sich Grünland und Laubwald bezüglich ihrer Sensitivität gleich. ImSeptember und Oktober reagiert Laubwald sensitiver.Bezüglich der Unterschiede der Klimaszenarien mit und ohne CO2-Konzentrationsän-derung zeigt sich, dass Grünland im Juli und November sensitiver bezüglich der Bo-denwasserdi�erenz reagiert und Nadelwald im August.Die Sensitivität bezüglich der Abnahme der Ab�üsse ist im September und Okto-ber bei Braunerde-Regosol-Ranker gröÿer als bei Braunerde. Bezüglich der aktuellenEvapotranspiration reagiert Braunerde im Oktober sensitiver als Braunerde-Regosol-

9.4. Fazit 111

Ranker. Hinsichtlich des Endbodenwassergehaltes zeigt sich bei Braunerde-Regosol-Ranker eine höhere Sensitivität. Dies ist ebenfalls im Juli, September und November inHinblick auf die Bodenwasserdi�erenz der Fall. Im August und Oktober ragiert Braun-erde sensitiver bezüglich der Reevaporation.Im Vergleich der beiden Zukunftsszenarien zeigt sich eine erhöhte Sensitivität beiBraunerde bezüglich der Bodenwasserdi�erenzen im August, Oktober und November.

113

10. Diskussion

In diesem Kapitel werden die Modellunsicherheiten und sonstige Fehlerquellen der Mo-dellierungsergebnisse besprochen. Dies sind neben der Unsicherheit der Eingangsdatenfür die Simulierung des Ist-Zustandes und der Zukunftsszenarien die Unsicherheit derKalibrierparameter und die nicht zur Kalibrierung verwendeten Parameterwerte. Hinzukommt des weiteren die Frage, ob das Modell überhaupt in der Lage ist, die Evapotran-spiration richtig zu simulieren.

10.1. Unsicherheit der Eingangsdaten

10.1.1. Ist-Zustand

Als problematisch zu beurteilen ist die Eingangszeitreihe der Niederschlagsstation Feld-berg. Dadurch, dass das Untersuchungsgebiet ein sehr heterogenes Relief mit groÿenHöhenunterschieden aufweist, ist die Verwendung der Niederschlagswerte von nur einerStation als Gebietsniederschlag eigentlich nicht sinnvoll. Die orographischen Verän-derungen der Niederschläge und der Temperatur werden zwar durch das Modell be-rücksichtigt, nicht jedoch die Luv- und Leee�ekte. Die durch Windverwehung und ho-hen Schneeanteil infolge der Hochlage stark verfälschten Wintermessergebnisse wurdendurch die Beschränkung der Modellierungsperiode auf die Sommer- und Herbstmonateaus der Kalibrierung ausgeklammert.Wie in Tabelle B.4 auf Seite 140 nachzuvollziehen, stehen für die Simulation des Ist-Zustandes (1971-2000) für die relative Luftfeuchtigkeit, die Windgeschwindigkeit unddie minimale und maximale Tageslufttemperatur Datenreihen erst ab 1998 zur Ver-fügung. Dies bedeutet, dass die Daten zum gröÿten Teil durch den Weather Genera-tor erzeugt werden. Dies birgt eine Unsicherheit (siehe Unterkapitel 10.3). Da jedochdie Niederschlagsdatenreihe die zu simulierende Periode des Ist-Zustandes vollständigabdeckt, ist zu vermuten, dass sich die Unsicherheiten in Grenzen halten. Die Nieder-schlagsmenge wird als am ein�ussreichsten auf den Ab�uss und die Evapotranspirationangesehen. Eine weitere Unsicherheit besteht durch mögliche Messfehler in der Nieder-schlagsdatenreihe.Neben Messfehlern der meteorologischen Gröÿen, sind ebenfalls mögliche Ab�ussmess-fehler zu nennen. Diese würden zu einer unbemerkten Beeinträchtigung der Kalibrie-rung und Validierung führen. Aber auch diese Fehler werden innerhalb dieser Arbeitals weniger ein�ussreich gewertet.

114 Kapitel 10. Diskussion

10.1.2. Zukunftsszenarien

Wie in Unterkapitel 1.2 deutlich wird, bestehen bereits Unsicherheiten bezüglich derCO2-Emissionsszenarien. Je nach Rückkopplungssensitivität mit den Ozeanen kommtes zu unterschiedlichen CO2-Konzentrationsmodellierungen der Atmosphäre. Werdenverschiedene Modelle dazu verwendet, kommt es zusätzlich zu Unterschieden. Nebender Unsicherheit der CO2-Emissionen treten ebenfalls Unsicherheiten der Emissionss-zenarien anderer Treibhausgase wie z.B. Wasserdampf auf. Dabei ist anzumerken, dassdie Unsicherheiten der Vorhersage aufgrund zunehmender Unsicherheiten der Rück-kopplungsprozesse mit zunehmender Zeit zunehmen.In der KLIWA-Studie (KLIWA, 2006) zeigen sich, beruhend auf dem selben Emissi-onsszenario bei der Verwendung unterschiedlicher Klimamodelle, unterschiedliche Er-gebnisse.Die KLIWA-Studie berechnet ihre Ergebnisse lediglich für das Winter- und das Som-merhalbjahr. Wahrscheinlich gibt es jedoch zusätzlich Unterschiede zwischen den Mo-naten der jeweiligen Halbjahre. Dies wird in dieser Arbeit nicht berücksichtigt. Fürdie ganze Region Oberrhein werden in der KLIWA-Studie dieselben Veränderungender meteorologischen Gröÿen trotz klimatischer Unterschiede angenommen, dies er-höht ebenfalls die Unsicherheit. Darauf hinzuweisen ist, dass die Simulationen unterder Annahme dass keine Landnutzungsänderungen statt�nden durchgeführt wurden.

10.2. Parameterunsicherheit

In der SWAT-Datenbank für die p�anzenphysiologischen Parameter werden für Na-delwald durchweg Parameterwerte für Kiefer verwendet, während für Laubwald undMischwald Parameterwerte für Eiche verwendet werden. Im Einzugsgbiet herrschenjedoch als Nadelbaum Fichte und als Laubbaum Buche vor. Der gröÿte Teil der Pa-rameterwerte konnte nicht durch recherchierte Werte ersetzt werden. Möglicherweisekönnen die physiologischen Eigenschaften der im Einzugsgebiet vorhandenen Vegetati-on nicht richtig abgebildet werden. Generell besteht bei festen Parametern wie diesennatürlich immer die Gefahr, dass sie (in der Regel Mittelwerte diverser Detailstudien)die Realität im modellierten Gebiet nicht tre�en. Gerade bei Parametern, die wie hiereine eine Punkt-Fläche-Extrapolation und eine (physiologische) Entwicklung über dieZeit abbilden, besteht ein groÿes Fehlerpotential. Eine zusätzliche Unsicherheit bestehtbei den Kalibrierparametern. Bei der groÿen Anzahl der Kalibrierparameter könnenverschiedene Kombinationen dieselben Ergebnisse erzielen.

10.3. Modellunsicherheit

Bei der Kalibrierung zeigen sich groÿe Volumendi�erenzen zwischen den gemessenenund simulierten Ab�üssen (siehe Tabelle 8.1.1). Dies gleicht sich jedoch einigermaÿenaus, wenn längere Zeiträume simuliert werden. Diese Modellunsicherheit kann somitals gering eingestuft werden.Eine groÿe Modellunsicherheit besteht bei der Simulation der meteorologischen Zu-kunftszustände. Obwohl Abnahmen der Niederschläge von -4,7% für die Monate Mai

10.4. Fazit 115

bis Oktober angenommen wurden (durch Eingabe in das Klimaänderungstool vonSWAT), zeigen sich bei Auswertung der Ergebnisse Abnahmen von bis zu 36%. Diesliegt entweder an der Verwendung des Weather Generators für die Zukunftsszenari-en oder aber daran, dass diese Zeitreihen durch das Klimaänderungstool von SWATnicht entsprechend verändert werden. Der Weather Generator erzeugt charakteristischekünstliche meteorogische Eingangszeitreihen auf der Basis von langjährigen Messreihen.Auf die Eigenschaften (Streubreite der Ereignisse etc.) hat der SWAT-Anwender aberwenig Ein�uss, deshalb stellt er eine groÿe potentielle Fehlerquelle dar.Zusätzlich kommt hinzu, dass keine systematischen Abweichungen bestehen. Eine Über-prüfung der anderen meteorologischen Zukunftszustände war nicht möglich, deshalbmuss davon ausgegangen werden, dass diese ebenfalls nicht richtig simuliert wurden.Bei Berechnung des Bestandeswiderstandes werden in SWAT nicht die Auswirkungender Strahlung, der Temperatur und des Blattwasserpotentials auf diese berücksichtigt.Dies beeinträchtigt die Modellierung von auf p�anzenphysiologischen Eigenschaften be-ruhenden Prozessen.Bezüglich der Hydrologie gehen lediglich Änderungen der prozentualen Niederschlags-mengen in das Modell ein. Hierbei kann es jedoch, falls es zu einer Änderung derNiederschlagsverteilung und -intensitäten kommen, Fehler bei den Ab�usssimulationengeben.

10.4. Fazit

Die Unsicherheitsdiskussion zeigt, dass die Modellierung der meteorologischen Ein-gangsdaten besonders für die Klimaszenarien (da hier ebenfalls der Niederschlag simu-liert wird) in SWAT mit Problemen behaftet ist. In Unterkapitel 7.5 zeigt sich bereits,dass das Auftreten der Niederschläge nicht richtig mit dem Weather Generator simu-liert werden können. Möglicherweise ist dies auch der Fall für Niederschlagsmengen.Um di�erenzieren zu können, ob der Fehler bei der Produzierung der Daten durchden Weather Generator auftritt, oder aber bei der anschlieÿenden Modi�zierung wirdempfohlen das Klimaänderungstool auf eine gemessene Zeitreihe anzuwenden und dieErgebnisse mit den Eingaben zu vergleichen. Hinsichtlich dieser Unsicherheiten derVeränderung der meteorologischen Eingangsdaten für die Klimaszenarien, welche nichteinmal systematisch erscheinen, ist es nicht möglich, quantitative Aussagen über Ände-rungen des Transpirationsregimes infolge des Klimawandels im betrachteten Gebiet zutre�en. Die Modellunsicherheit übersteigt die Unsicherheit der Eingangsdaten, sowiedie Parameterunsicherheit. Die Aussage, die jedoch getro�en werden kann ist, dass sicheine Änderung der CO2-Konzentration von 330 ppm auf 442 ppm nicht signi�kant aufdas Transpirationsregime im St. Wilhelmer Talbach Einzugsgebiet auswirkt.

116 Kapitel 10. Diskussion

117

A. Symbol- und

Abkürzungsverzeichnis

A Atmosphärische GegenstrahlungABA AbscisinsäureB Bodenwärmestrom MJm−2 d−1

bioannualmaximale Biomasseakkumulation bei Bäu-men innerhalb eines Jahres

kg ha−1 a−1

biofulldev Biomasse eines Bestandes t ha−1

Ci CO2-Konzentration im Blattinneren ppmCV oberirdische Biomasse und Streu kg ha−1

cp spezi�sche Wärme der Luft MJkg−1 ◦C−1

covsol Bodenbedeckungsindex -DL Tageslänged Nullverschiebung des Windpro�ls cmEa aktuelle Evapotranspiration mmd−1

E0 potentielle Evapotranspiration mmd−1

Eakt aktuelle Evaporation � allgemein

EB0potentielle Evapotranspiration in den Be-stand

mmd−1

Ecan Interzeptionsverdunstung mmd−1

Epot potentiellen Evaporation � allgemeinEs maximale Bodenevaporation mmd−1

Esoil,ly aktuelle Evaporation einer Bodenschicht mm

Esoil,lybb

Wassermenge, die maximal durch Bodene-vaporation der Atmospäre zugeführt werdenkann

mm

Esoil,z aktuelle Bodenevaporation in der Tiefe z mm

Esoil,zuaktuelle Evaporation an der unteren Boden-schicht

mm

Esoil,zoaktuelle Evaporation an der oberen Boden-schicht

mm

Esub Sublimation mmd−1

Et Transpiration mmd−1

Et,max maximale Transpiration mmd−1

Evs

maximale Sublimation/Bodenevaporationunter Berücksichtigung der Wasserentnahmedurch die Vegetation

mmd−1

Evvs maximale Bodenwasserevaporation mmd−1

118 Anhang A. Symbol- und Abkürzungsverzeichnis

ETakt aktuelle Evapotranspiration � allgemeinETpot potentielle Evapotranspiration � allgemeinETPref ReferenzevapotranspirationEZG Einzugsgebiete Eulersche Zahlez Dampfdruck der Luft in der Höhe z kPa

e0zSättigungsdampfdruck der Luft in der Höhez

kPa

FClyWassergehalt der Bodenschicht ly bei Feld-kapazität

mm

FK Feldkapazität

frLAImxAnteil am maximalen LAI bei gegebenemAnteil an den Potentiellen Heat Units

-

frLAImx,i Anteil am maximalen LAI für den Tag i -frLAImx,i−1 Anteil am maximalen LAI für den Tag i− 1 -

frPHUAnteil an den Potentiellen Heat Units an ei-nem bestimmten Tag der Wachstumsperiode

-

frPHU,senAnteil an den Potentiellen Heat Units ab demBlattfall einsetzt

-

frrootAnteil der Wurzelbiomasse an der gesamtenBiomasse

-

G GlobalstrahlungGc Bestandesleitfähigkeit m s−1

Gt Gigatonneg Di�usionsleitfähigkeit für Wasserdampf m s−1

gb Blattleitfähigkeit m s−1

glmaximale e�ektive Stomataleitfähigkeit desBlattes

m s−1

gl,mx maximale Blattleitfähigkeit m s−1

gl,CO2

Stomataleitfähigkeit des Blattes mit Berück-sichtigung von CO2

ms−1

gs Stomataleitfähigkeit m s−1

Hday einfallende Strahlung MJm−2

Hnet Strahlungsbilanz MJm−2 d−1

Hphosynan einem Tag interzeptierte photosynthetischaktive Strahlung

MJm−2

HRU Hydrological Response Unit

hWärmeleitfähigkeit der Blattgrenzschicht zurLuft

Wm−1 K−1

hc mittlere Bestandeshöhe cmhc,mx maximale P�anzenhöhe mIPCC Intergovernmental Panel on Climate ChangeIR langwellige AusstrahlungK Kármán-Konstante -

119

KLIWAKlimaveränderung und Konsequenzen für dieWasserwirtschaft

Kl Korrekturfaktor -k.A. keine Angabenkl Extinktionskoe�zient -L turbulenter Strom fühlbarer WärmeLAI Leaf Area Index -LAIi LAI für den Tag i -LAIi−1 LAI für den Tag i− 1 -LAR Leaf Area Ration m2 g−1

LUBWLandesanstalt für Umwelt, Messungen undNaturschutz Baden-Württemberg

l1 Steigungskoe�zientl2 Steigungskoe�ziently Bodenschicht -MPI Max-Planck-InstitutMR Meteo-ResearchP NiederschlagP Luftdruck kPaPi NiederschlagsintensitätPg PetagrammPAR photosynthetisch aktive Strahlung nmPH Photoschemische ProzessePIK Potsdam-Institut für KlimafolgenforschungPHU Potential Heat Units -PS Photosyntheseppm parts per millionq gemessener Ab�uss m3 s−1

q Mittelwert des gemessenen Ab�usses m3 s−1

q' simulierter Ab�uss m3 s−1

R zurückre�ektierte StrahlungRint interzeptierte Wassermenge mmd−1

Rint(f)Wassermenge in Bestand nach Interzeptions-verdunstung

mmd−1

Rint(i)Wassermenge in Bestand vor Interzeptions-verdunstung

mmd−1

R2 Nash-Sutcli�e-Koe�zient -RH Relative LuftfeuchtigkeitRUE Radiation Use E�ciency kg/ha*(MJ/m2)−1

RUEvpd=1 RUE bei einem Dampfdruckde�zit von 1 kPa kg/ha*(MJ/m2)−1

r Verdunstungswärme MJkg−1

ra aerodynamischen Widerstand sm−1

rc Bestandeswiderstand der Vegetation sm−1

rlminimaler e�ektiver Stomatawiderstand ein-es einzelnen Blattes

sm−1


rl−abminimaler e�ektiver Stomatawiderstand aufder abaxialen Seite eines Blattes

sm−1

rl−adminimaler e�ektiver Stomatawiderstand aufder adaxialen Seite eines Blattes

sm−1

rVDichte des turbulenten Stroms latenter Wär-me

MJm−2 d−1

r1 Steigungskoe�zientr2 Steigungskoe�zient

SNO(f)Wassergehalt der Schneedecke nach der Sub-limation

mm

SNO(i)Wassergehalt der Schneedecke vor der Subli-mation

mm

SRES Special Report on Emissions ScenariosSVAT Soil � Vegetation � Atmosphere TransferSWAT Soil & Water Assessment ToolSWly Bodenwassergehalt der Bodenschicht ly mms spezi�sche FeuchteTakt aktuelle Transpiration � allgemeinTmax maximale LufttemperaturTmin minimale LufttemperaturTmit gemittelte LufttemperaturTpot potentiellen Transpiration � allgemeinuz Windgeschwindigkeit in der Höhe zw m−1

V Volumendi�erenzVgem Summe der gemessenen Ab�ussvolumina m3

vmit mittlere WindgeschwindigkeitVsim Summe der simulierten Ab�ussvolumina m3

V∗ turbulenter Strom latenter WärmeVPmit gemittelter DampfdruckVPD Wasserdampfde�zitvpd Wasserdampfde�zit kPa

vpdsSchwellenwert des Dampfdruckde�zits abdem RUE abnimmt

kPa

vpdthr

Schwellenwert des Wasserdampfde�zites, abdem ein Ein�uss auf die Blattleitfähigkeit be-obachtet werden kann

kPa

WP Welkepunkt

WPlyWassergehalt der Bodenschicht ly beim Wel-kepunkt

mm

WUE Water Use E�ciencyw Wärmekapazität der Luft WsK−1

wactualup,lyaktuelle Bodenwasseraufnahme für die Bo-denschicht ly

mm

wup,lysspotentielle Wasseraufnahme beim Anfangs-bodenwassergehalt

mm

121

wup,z potentielle Wasseraufnahme der Vegetation mmd−1

yrcur Alter des Baumes ayrfulldev Jahre bis zur vollen Entwicklung des Baumes az Bodentiefe mm

zomRauhigkeitslänge bezogen auf den turbulen-ten Strom fühlbarer Wärme

cm

zovRauhigkeitslänge bezogen auf den turbulen-ten Strom latenter Wärme

cm

zpHöhen der die Luftfeuchtigkeits- und Tempe-raturmessgeräte

cm

zroot Wurzeltiefe mm

zroot,mxmaximal mögliche Wurzeltiefe (durch Bodenund Vegetation begrenzt)

mm

zw Höhe des Windmessgeräts cm[CHO] Kohlenhydrate

βw Wasserverteilungsfaktor -

∆Steigung der Sättigungsdampfdruck-Temperatur-Kurve

kPa ◦C−1

∆LAIi Zunahme des LAI an einem Tag -

∆TTemperaturdi�erenz zwischen Blatt- undLufttemperatur

-

∆bio maximaler täglicher Biomassezuwachs kg ha−1

∆gl,dclAbnahme der Blattleitfähigkeit pro Zunahmedes Wasserdampfde�zites um ein kPa

m s−1 kPa−1

∆ruedclAbnahmerate der RUE pro Anstieg desDampfdruckde�zits

kg/ha(MJ/m2)−1*kPa−1

∆wGradient des molaren Mischungsverhältnis-ses von Wasserdampf und Luft zwischen demBlattinneren und der Umgebungsluft

-

γ Psychrometerkonstante kPa ◦C−1

ρair Luftdichte kgm−3

ψBlatt Blattwasserpotential hPaψWurzel Wurzelwasserpotential hPa

123

B. Appendix

124 Anhang B. Appendix

TabelleB.1.:Modellvergleich

Acronym

Biome-BGC

BROOK-90

CENTURY

CoupModel

Name

Biomemodel-

BioGeochem

icalCycles

k.A.

k.A.

Coupledheatandmass

transfer

modelforsoil-plant-atm

osphere

system

Entwickler

NationalCenterforAtm

ospheric

Research(NCAR)&Numerical

TerradynamicSimulationGroup

(NTSG),University

ofMontana,

USA

C.A.Federer

United

StatesDepartmentof

Agriculture,AgriculturalResearch

Service,GreatPlainsSystem

s,ResearchUnit

DepartmentofLandandWater

Resources

Engineering,Royal

Institute

ofTechnology,

Stockholm,Sweden

Beschreibung

Ökosystem

prozessmodell,Energie-,

Wasser-,Kohlensto�-undNitrat-

speicher

bzw

.-�üsse

Wasserhaushaltsm

odell

Ökosystem

reaktionen

aufden

Klimawandel,Boden

�P�anze

�Nährsto�kreisläufe

Wärm

e-,Wasser-,Kohlensto�-,

Nitrathaushalt

Kernreferenz

Thorntonetal.(2002):

Modelingandmeasuringthee�ects

ofdisturbance

history

andclimate

oncarbonandwaterbudgetsin

evergreen

needleleafforests.

AgriculturalandForest

Meteorology

113(1�4):185�222.

Federeretal.(2003):

Sensitivityofannualevaporation

tosoilandrootproperties

intwo

modelsofcontrastingcomplexity.

JournalofHydrometeorology

4:1276�1290.

Melilloetal.(1995):

Vegetationecosystem

modeling

andanalysisproject

�Comparing

biogeographyandbiogeochem

istry

modelsin

acontinentalscalestudy

ofterrestrialecosystem

reponsesto

climate

changeandCO

2doubling.

GlobalBiogeochem

icalCycles

9(4):407�437.

Jansson&Karlberg(2004):

Coupledheatandmass

transfer

modelforsoil-plant-atm

osphere

system

s.RoyalInstitute

ofTechnolgy,

DepartmentofCiviland

EnvironmentalEngineering,

Stockholm

435p.

Freeware

jaja

nach

Registration

jaSourceCode

aufAnfrage

aufAnfrage

nein

aufAnfrage

Sprache

C/C++,Pascal

VisualBasic

C,Fortran77

C++,Fortran90

Dokumentation

**

***

****

Beispieldateien

jaja

nein

jaModellskala:

Raum/Zeit

Ökosystem

kleineuniform

eEinzugsgebiete/Tag

Jahr

lokaleundregionaleSkala

Anwendungshäu�gkeit

50�75

25�50

75�100

6�10

Anwendungin

Europa

Deutschland,Österreich,

Schweden,Schweiz

Deutschland,Österreich,Slowakei

Dänem

ark,Deutschland,

Groÿbritannien,Italien

Dänem

ark,Deutschland,

Schweden,Norwegen

Anwendungsbeispiele

inDeutschland

Vetteretal.(2005):

Partitioningdirectandindirect

human-inducede�ects

oncarbon

sequestrationofmanaged

coniferousforestsusingmodel

simulationsandforest

inventories.

GlobalChangeBiology

11(5):810�828.

Wellpottetal.(2005):

SimulationofdroughtforaScots

pineforest

(Pinussylvestris

L.)

inthesouthernupper

Rhineplain.

MeteorologischeZeitschrift

14(2):143�150.

Armbrusteretal.(2004):

E�ects

ofchanges

intree

species

compositiononwater�ow

dynamics�Modelapplicationsand

theirlimitations.

PlantandSoil

264(1�2):13�24.

Modi�zierte

Form

vonCENTURY

angewedet:

Schaldach&Alcamo(2006):

Coupledsimulationofregional

landuse

changeandsoilcarbon

sequestration:Acase

studyforthe

state

ofHesse

inGermany.

EnvironmentalModelling&

Software

21(10):1430�1446.

Laufendes

Projektder

FachabteilungfürHydrologieund

Wasserwirtschaftder

UniKiel:

NitrataustragunterGrünland-und

Futterbausystem

enin

Deutschland.

ZuschaltbareModule

nein

nein

Phosphor-undSchwefelmodul

Kohlensto�-undSticksto�modul,

auÿerdem

Minteq

125

Biome-BGC

BROOK-90

CENTURY

CoupModel

MeteorologischeDaten

maximaleLufttemperatur(T

ma

x),

minimaleLufttemperatur(T

min),

gem

ittelteLufttemperatur(T

mit),

mittlerer

Dampfdruck

(VP

mit),

Globalstrahlung(G

),Tageslänge

(DL),Niederschlagsm

enge(P)(auf

Tagesbasis)

Tm

ax,T

min,VP

mit,G,mittlere

Windgeschwindigkeit(v

mit),P

(aufTagesbasis)

Tm

ax,T

min,P(aufMonatsbasis)

Tm

ax,T

min,relative

Luftfeuchtigkeit(RH),G,v

mit,P

(aufTagesbasis)

Beispielefürandere

Inputparameter

Gebietsparameter,

Bodenparameter,

Vegetationsparameter

(C:N-Verhältnisin

Blättern,bzw

.Stamm),Streuzusammensetzung

Einzugsgebietsparameter,

Bodenparameter,

Bestandesparameter

(max.

Bestandeshöhewährenddes

Jahres,Albedo,Wurzeldichte),

In�ltrations-und

Drainageparameter

Bodenparameter

(Textur,S-,P-,

N-,C-Gehalte),


(Ligninkonzentrationim

P�anzenmaterial,Sticksto�,

Phosphor-undSchwefelgehalteder

P�anze),

Gebietsparameter,

Bodenparameter

(pF-Kurve,

Wärm

ekapaztät),


(vertikale

Wurzelverteilung,

Wasserregulation)

Beispielefür

Outputparameter

Gross

Primary

Production,

Net

Primary

Production,

Net

Ecosystem

Production,

Evapotranspiration,Ab�uss,

Niederschlag,LAI,

Blattkohlensto�gehalt

Bodenwassergehalteder

einzelnen

Schichten,LAI,

Schneeakkumulation,

p�anzenverfügbaresWasser,

Wasserbilanz

Kohlensto�gehalteverschiedener

Kompartimente,CO

2aus

Respiration,Bodenwassergehalte,

Wasserverfügbarkeitder

Vegetation,Nährsto�gehalte,

Evapotranspiration,Transpiration

vertikaleundhorizontale

Wasser�üsse,Wasseraufnahme

durchdieWurzeln,Wasser-und

Wärm

espeichergehalte,Sticksto�-

undKohlensto�speicher

und

-�üsse,Grundwaserneubildung,

Kohlensto�-undSticksto�gehalte

inder

P�anze

ZeitlicheAu�ösungder

Outputdaten

Tagoder

Jahr

Tag,Monat,Jahr

Monat

inTagen

undMinuten

spezi�zierbar


berücksichtigt

berücksichtigt

berücksichtigt

direktberücksichtigt

CO

2berücksichtigt

nichtberücksichtigt

weitreichendberücksichtigt

berücksichtigt

Energiebilanz

berücksichtigt

berücksichtigt

berücksichtigt


Nährsto�haushalt

Sticksto�depositionund

symbiontischeSticksto��xierung

berücksichtigt


Schwefel,PhosphorundSticksto�

werden

berücksichtigt

Sticksto�berücksichtigt

Kohlensto�

Cin

verschiedenen

Pools

berücksichtigt(Vegetation,Streu,

Boden)


Cin

verschiedenen

Baumkompartimenten

berücksichtigt

Cin

verschiedenen

Pools

berücksichtigt

Bodenwasserhaushalt/

-konzept

BodenwasserpoolistFunktionder

Wurzeltiefe,Wasser

welches

tiefer

sickertwirddirektdem

Flussab�uss

zugerechnet

nach

Campbell(1974),Brooks&

Corey(1964),mehrere

Bodenschichten

Bodenspeicher

werden

zur

Feldkapazitätaufgefüllt,

überschüssiges

Wasser

gelangtin

den

nächsten

Speicher

Richards-Gleichung(Richards,

1931),Hysterese-E�ekt

berücksichtigt

Ab�ussbildung

k.A.

Schnee-undRegeninterzeption,

Ober�ächenab�uss,Matrix�uss,

Makroporen�uss,Bypass�uss,

Tiefensickerung,

Grundwasserab�uss,

Schneeschmelze

Bodenspeicher

werden

nach

und

nach

aufgefüllt,ausdem

letzten

Speicher

kanndasWasser

als

schnelleKomponente

inden

Vor�utergelangen,auseinem

Tiefenspeicher

gelangtdasWasser

ebenfallsin

den

Vor�uter

Muldenspeicher,

Ober�ächenab�uss,Matrix�uss,

Makroporen�uss,Tiefensickerung,

Grundwasserab�uss,

Schneeschmelze

Interzeption

k.A.

Interzeptionsrate

istkonstanter

Anteilder

Niederschlagsrate

und

linearzum

LAI,bisder

Interzeptionsspeicher

vollist

Interzeptionsverdunstungaus

oberirdischer

Biomasse,

NiederschlagundET

po

tbestimmt

exponentielleAbnahmeder

Interzeptionsrate

oder

einfacher

Schwellenwertansatz,

InterzeptionskapazitätalsFunktion

des

LAI


Biome-BGC

BROOK-90

CENTURY

CoupModel

ET

po

tk.A.

k.A.

ausT

ma

xundT

minnach

Linacre

(1977)

k.A.

Tp

ot

Penman-M

onteith

nach

Shuttleworth&Wallace

(1985)

Funktionauslebender

Blattmasse

undET

po

tPenman-M

onteith

Ta

kt

k.A.

potentielleTranspirationsrate

und

maximalmöglicheWasseraufnahme

ausdem

Boden

werden

berechnet,

dieaktuelleTranspirationwird

gleichdem

kleineren

Wertgesetzt

k.A.

Unterteilungin

Ta

ktohneundmit

Wasserstress

Ep

ot

Penman-M

onteith

nach

Shuttleworth&Wallace

(1985)

k.A.

ausT

po

toder

Penman-M

onteith

Ea

kt

k.A.

durchReduzierungvonE

po

tk.A.

beiInterzeptionsverdunstungist


oder

die

potentielle

Interzeptionsverdunstungsrate

limitierend

Anmerkungen

einfache

Klimaänderungssimulationen

durchführbar,währendSimulation

wirdnureinVegetationstyp

berücksichtigt

nurOnline-Dokumentation,

�ächenkonzentriertes

Modell,

simulierterundgem

essener

Ab�uss,Schnee-und

Bodenwasserspeicheränderungen

können

mitgraphischen

Programm

ausgegeben

werden,

LWF-BROOK90isteine

modi�zierte

Form

des

Modells,die

Bestandesentwicklungund

temperaturabhängige

phänologischeVeränderungen

berücksichtigt

Zersetzungder

Streu

wird

berücksichtigt,

Waldproduktionsm

odulist

enthalten

dieVegetationkannin

verschiedener

Weise

berücksichtigt

werden:�Implicitbigleafmodel�

(ohneBodenevaporation),�Explicit

bigleafmodel�(m

itBodenevaporation),�M

ultiple

canopymodel�,Tutorials,aus

WinSoil+SOILNentstanden

k.A.keineAngaben

*lückenhaftdokumentiert

**hinreichenddokumentiert

***ausführlichdokumentiert

127

Acronym

Cupid

DAISY

MAESTRA/MAESTRO

PnET

Name

k.A.

k.A.

Multi�ArrayEvaporationStand

TreeRadiationA

Photosynthesisand

Evapotranspiration

Entwickler

J.M

.Norm

an

DepartmentofSoilScience,

University

ofWisconsin-M

adison,

USA

Departmentof

AgriculturalSciences,

University

ofCopenhagen,

Denmark

DepartmentofBiologicalSciences,

MacquarieUniversity,Australia

ComplexSystem

sResearchCenter,

Institute

forthestudyofEarth,

OceansandSpace,

University

ofNew

Hampshire,USA

Beschreibung

Interaktion

Boden-P�anze-Atm

osphäre

Agrarm

odell(G

etreideproduktion,

Bodenwasser-undNitratbilanzen)

Forstm

odell

(Bestandesphotosynthese,

Strahlungsabsorptionund

Transpiration)

Forst-Ökosystem

modell(W

asser-,

Kohlensto�-und

Sticksto�kreisläufe)

Kernreferenz

Thompsonetal.(1993a):

Asprinklerwaterdroplet

evaporationandplantcanopy

model.I.ModelDevelopment.

TransactionsoftheAmerican

SocietyofAgriculturalEngineers

36(3):735�741.

Thompsonetal.(1993b):

Asprinklerwaterdroplet

evaporationandplantcanopy

model.II.M

odelApplication.



36(3):743�750.

Hansenetal.(1990):

DAISY�

SoilPlantAtm

osphereSystem

Model.

NPoResearchin

theNAEP

No.A

10

NationalAgency

ofEnvironmental

Protection,Denmark

(Hrsg.).

Wang&Jarvis(1990):

DescriptionandValidationofan

arraymodel-M

AESTRO.

AgriculturalandForest

Meteorology

51(3�4):257�280.

Aber&Federer(1992):

Ageneralized,lumped-parameter

modelofphotosynthesis,

evapotranspirationandnet

primary

productionin

temperate

andborealecosystem

s.Oecologia

92(4):463�474.

Freeware

jaja

jaja

SourceCode

nein

jaja

jaSprache

Fortran77

C++

Fortran

VisualBasic,C

Dokumentation

****

**

**

Beispieldateien

jaja

jaja

Modellskala:

Raum/Zeit

k.A.

Feldskala

Bestandesskala

Monat


0�5

25�50

50�75

25�50(verschiedene

PnET�Modelle)

Anwendungin

Europa

nein

Dänem

ark,Deutschland

Groÿbritannien

PnET�N�DNDC:

Deutschland,Österreich,

PnET�CN:Schweden

PnET�BGC:Tschechien

PnET�II:Irland

Anwendungsbeispiele

inDeutschland

nein

Svendsenetal.(1995):

Simulationofcropproduction,

waterandnitrogen

balancesin

two

germanagroecosystem

susingthe

DAISYmodel.

EcologicalModelling

81(1�3):197�212.

nein

PnET�N�DNDC:

Falgeetal.(2005):

Comparisonofsurface

energy

exchangemodelswitheddy�ux

data

inforest

andgrassland

ecosystem

sofGermany.

EcologicalModelling

188(2�4):174�216.

ZuschaltbareModule

nein

nein

nein

nein


Cupid

DAISY

MAESTRA/MAESTRO

PnET


k.A.

Tm

it,G,P

Tm

axundT

minoder

StundenmittelT

mit,

Photosynthetisch

aktiveStrahlung

(PAR)oder

G,CO

2-Konzentration

der

Atm

osphäre

Tm

ax,T

min,Wasserdampfde�zit

(VPD),G

Beispielefürandere

Inputparameter

k.A.

Gebietsparameter,

Bodenparameter

(Humusgehalt,

Grundwasserspiegellage),

Managem

entparameter

(Inform

ationen

über

Düngung,

Bearbeitung,Erntemethoden,

Bewässerung)

Gebietsparameter,

Bestandesparameter

(Baumkronenradien,Stammlängen,

LAI),Photosyntheseparameter,

Respirationsparameter

Bestandesparameter

(Blattsticksto�gehalte,Zeitraum

der

Holz-undBlattentwicklung),

Photosyntheseparameter(optimale

undminimaleTem

peraturfür

Photsynthese),

Wasserbilanzparameter

(WaterUse

E�ciency

(WUE),Anteildes

interzeptiertenundverdunstenden

Niederschlags),

Kohlensto�parameter,

Respirationsparameter

Beispielefür

Outputparameter

k.A.

Ober�ächenab�uss,Evaporation

undPerkolationausSchneeau�age,

Bodentemperatur,

Bodenwassergehalt,

P�anzenversorgungmit

Nährsto�en,Ammonium�und

Nitrataustrag

Photosynthese,Transpiration,

Respirationder

einzelnen

Organe

Längeder

Vegetationsperiode,

LAI,Photosynthese,Wasserbilanz,

Wasserstress,Respiration


Outputdaten

biszu

15Minuten

k.A.

Stunde

Monat


k.A.

durchBestandeswiderstand

berücksichtigt


alsFunktionder

Photosyntheserate

berücksichtigt

CO

2k.A.

berücksichtigt



Energiebilanz

k.A.

berücksichtigt

berücksichtigt

inBezugaufPhotosynthese

berücksichtigt

Nährsto�haushalt

k.A.

Sticksto�,Düngem

ittel

Sticksto�alsBlattsticksto�

berücksichtigt

Sticksto�berückichtigt

Kohlensto�

k.A.

Cin

verschiedenen

Pools


Cin

BezugaufPhotosynthese

berücksichtigt,nichtin

verschiedenen

Pools

Cin

verschiedenen

Pools



-konzept

k.A.

nach

Richards(1931),van

Genuchten(1980),Darcy�uss

Bodenwassergehaltnurin

Bezug

aufStomata

berücksichtigt

k.A.

Ab�ussbildung

k.A.

Muldenspeicher,

Ober�ächenab�uss,

Schneespeicher,Perkolation,

Makroporen�uss

k.A.

Schneeschmelze,Makroporen�uss

Interzeption

k.A.

InterzeptionskapazitätausLAIund

Interzeptionskapazität-Koe�

zient

ermittelt

k.A.

konstanterAnteildes

Niederschlags

129

Cupid

DAISY

MAESTRA/MAESTRO

PnET

ET

po

tk.A.

Penman-M

onteithoderMakkink

(1957)

k.A.

k.A.

Tp

ot

k.A.

ausET

po

t,E

po

tundE

ak

tPenman-M

onteith

ausBrutto-Photosyntheseund

WUE

Ta

kt

k.A.

ausT

po

tundp�anzenverfügbarem

Wasser

k.A.

ausT

po

tundp�anzenverfügbarem

Wasser

Ep

ot

k.A.

ausET

po

tundLAI

k.A.

k.A.

Ea

kt

k.A.

ausE

po

tundpotentieller

Ex�ltrationsrate

(Bodenevaporation)

k.A.

k.A.

Anmerkungen

inLandwirtschaftundfür

Bewässerungeingesetzt

fürLandwirtschaftentwickelt

Berechnungen

füreinen

Zielbaum,

gute

Ortskenntnisse

(Kronendurchmesser,Beschattung,

Anzahlder

Bäume)

nötig

Wasser-undKohlensto�modul

durchSticksto�beein�usst

k.A.keineAngaben





Acronym

RHESSys

SHAW

SiSPAT

SPA

Name

RegionalHydro-Ecologic

SimulationSystem

SimultaneousHeatandWater

model

SimpleSoilPlantAtm

osphere

Transfer

Soil�Plant�Atm

ospheremodel

Entwickler

C.Tague

DepartmentofGeography,

SanDiegoState

University,USA

G.N.Flerchinger

NorthwestWatershed

Research

Center(NWRC),

USDAAgriculturalResearch

Service,

Boise,USA

Laboratoired'étudedes

Transferts

enHydrologieet

Environnem

ent

(LTHE),

DomaineUniversitairede

Saint-Martin

d'Hères,

Grenoble,Frankreich

M.Williams

SchoolofGeosciences,

University

ofEdinburgh,Scotland

Beschreibung

Kohlensto�-,Wasser-und

Nährsto�kreisläufeder

regionalen

Skala

eindimensionaleWasser-und

Energie�üsse,zw

ischen

Boden-P�anze-Atm

osphäre

eindimensionaleWasser-und

Energie�üsse,zw

ischen

Boden-P�anze-Atm

osphäre

Photosyntheseund

Wasserhaushalt,

Boden-P�anze-Atm

osphäre

Wechselwirkungen

Kernreferenz

k.A.

Flerchinger&Saxton(1989a):


ModelofaFreezing

Snow�Residue�SoilSystem

.I.Theory

andDevelopment.



32(2):565�571.

Flerchinger&Saxton(1989b):


ModelofaFreezing

Snow-Residue-SoilSystem

.II.Field

veri�cation.



32(2):573�578.

Braudetal.(1995):

ASimpleSoil�Plant�Atm

osphere

Transfer

Model(SiSPAT)

�DevelopmentandField

Veri�cation.

JournalofHydrology

166(3�4):213�250.

Williamsetal.(1996):

Modellingthe

soil�plant�atm

ospherecontinuum

inaQuercus�Acerstandat

Harvard

forest:Theregulationof

stomatalconductance

bylight,

nitrogen

andsoil/planthydraulic

properties.

Plant,CellandEnvironment

19(8):911�927.

Freeware

aufAnfrage

jaja

jaSourceCode

k.A.

jaja

aufAnfrage

Sprache

k.A.

Fortran77

Fortran77

Fortran90

Dokumentation

**

***

**

**

Beispieldateien

jaja

jaja

Modellskala:

Raum/Zeit

Einzugsgebiet

lokale/regionaleSkala

Feldskalaaber

auch

gröÿereSkalen

Bestandesskala


10�25

6�10

6�10

6�10

Anwendungin

Europa

Alpen

nein

Frankreich,Spanien

nein

Anwendungsbeispiele

inDeutschland

k.A.

nein

nein

nein

ZuschaltbareModule

nein

P�anzenwachstumsm

odul

nein

nein

131

RHESSys

SHAW

SiSPAT

SPA


Tm

ax,T

min,VPD,PAR,v

mit,P

Tm

it,RH,G,v

mit,P

Tm

it,spezi�scheFeuchte

(s),G,

atm

osphärischeGegenstrahlung

(A),v

mit,P

Tm

it,VPD,PAR,G,v

mit(im

undüber

dem

Bestand),P

Beispielefürandere

Inputparameter

Stationsparameter,

Bodenparameter,

Vegetationsparameter,

Managem

entparameter,

Landnutzungsparameter,

Wasserqualitätsparameter,

Sticksto�depositionsparameter


Bodenparameter

(volumetrischer

Wassergehalt,Bodentemperatur),


Ober�ächenparameter

(Ober�ächenrauhigkeit,Albedo),

Bodenparameter,


(Artder

Vegetation,Wurzeltiefe)

Gebietsparameter,

Bodenparameter,


(Blattsticksto�gehalte,LAI,Höhe

der

Schicht)

Beispielefür

Outputparameter

Photosynthese,Transpiration,

Grundwasserab�uss

und�speicher,

LAI,Kohlensto�gehalte,

Sticksto�gehalte

Evaporation,Transpiration,

Perkolation,Bodenfrosttiefe,

Schneehöhe,Ab�uss,Bodenpro�le

(Tem

peratur,Wassergehalt,gelöste

Substanzen)

Bodentemperatur,

Matrixpotentiale,volumetrischer

Wassergehalt,Wasserbilanz

Gross

Primary

Production,

Photosynthese,Evaporation,

Transpiration,Enrgiebilanzder

Bodenober�äche,

Bodentemperatur,Wasseranteilein

den

einzelnen

Bodenschichten,

gesamte

Wasserentnahme


Outputdaten

Tag,Monat,Jahr

Stundeoder

Tag

durchBenutzer

festzulegen

30Minuten,Stunde,Tag


durchBestandeswiderstand

berücksichtigt

durchWasserpotential

berücksichtigt

durchStomatawiderstand

berücksichtigt


CO

2berücksichtigt



berücksichtigt

Energiebilanz

berücksichtigt




Nährsto�haushalt





Kohlensto�

Cin

verschiedenen

Pools

berücksichtigt



nuralsCO

2berücksichtigt


-konzept

k.A.

nach

Richards(1931),

volumetrischer

Eisgehaltund

Senken

werden

berücksichtigt

nach

Brooks&Corey(1964),van

Genuchten(1980)

10Bodenschichtenangenommen,

WasserentnahmedurchWurzeln

mitBodenwasserpotentialund

Leitfähigkeitverlinkt,Wurzeln

entnehmen

Wasser

ausSchichtmit

dem

gröÿtenWassergehalt,

Perkolation,wennWassergehalt

einen

bestimmtenAnteilder

Porositätüberschritten

hat

Ab�ussbildung

k.A.

Muldenspeicher,

Ober�ächenab�uss,Perkolation

nichtdi�erenziert,Schneeschmelze

Ober�ächenab�uss,Perkolation,

schnelleFlieÿkomponentenin

Spalten

In�ltrationsrate

immer

>Niederschlagsrate,

Ober�ächenab�uss

nurwenn

Wassergehaltder

obersten

Bodenschicht>Porosität,

Perkolation

Interzeption

k.A.

biszu

1mm


ausLAIund

Überdeckungsschutz,auÿerdem

Streuinterzeptionberücksichtigt

Änderungdes

Interzeptionsspeichersmitdem

Modellnach

Rutteretal.(1975)

berechnet


RHESSys

SHAW

SiSPAT

SPA

ET

po

tk.A.

k.A.

Penman-M

onteith

Tp

ot

k.A.

k.A.

Widerstandskonzeptund

Sättigungsde�zit

Penman-M

onteith

Ta

kt

k.A.

ausWiderstandskonzeptund

Wasserpotentialkonzeptberechnet

k.A.

k.A.

Ep

ot

k.A.

k.A.

ausaerodynamischen

Widerstand

undSättigungsde�zit

Penman-M

onteith

Ea

kt

k.A.

ausLAI,Dampfdruckgradienten

undaerodynamischen

Widerstand

(Interzeptionsverdunstung)

k.A.

ausE

po

tunddem

Verhältnisvon

Speichervermögen

zuLeerungdes

Speichers

Anmerkungen

MTN-Clim,Biome-BGC,

TOPMODELwurden

integriert

Interface

vorhanden,�multiple

canopy�-Modell

fürFeldskalaentwickelt,aber

auch

ingröÿeren

Skalenangewendet,

häu�gauflandwirtschaftlichen

Flächen

insemi-ariden

Gebieten

angewendet

GausPARoder

andersherum

bestimmbar,in

temperierten,

tropischen

undarktischen

Ökosystem

enangewendet

k.A.keineAngaben




133

Acronym

SWAP

SWAT

SWIM

VIC

Name

Soil,Water,Atm

osphereandPlant

Soil&WaterAssessm

entTool

SoilandWaterIntegratedModel

VariableIn�ltrationCapacity

Entwickler

Theteam

IntegratedWater

Resources

Managem

ent&

Wageningen

University,Soil

Physics,Ecohydrologyand

GroundwaterManagem

entGroup,

Niederlande

Grassland,Soil&WaterResearch

Laboratory,

Tem

ple,USA

ValentinaKrysanova&Frank

Wechsung,

Potsdam

Institute

for

Climate

Impact

Research

DepartmentofCiviland

EnvironmentalEngineering,

University

ofWashington,USA

Beschreibung

Wasser-,Wärm

etransportund

Transportvongelösten

Sto�en

durchden

Boden

unter

Berücksichtigungdes

Ein�usses

der

Atm

osphäre

undder

P�anzen

Einzugsgebietsmodell,Ein�uss

von

Landnutzungsänderungen

Wasserhaushaltsm

odellunter

Berücksichtigungdes

Vegetationswachstums

Einzugsgebietsmodellunter

Berücksichtigungder

Wasser-und

Energiebilanz

Kernreferenz

vanDam(2000):

Field-scalewater�owand

solute

transport.

SWAPmodelconcepts,parameter

estimation,andcase

studies.

PhD�thesis,

Wageningen

University,

Wageningen,Niederlande,167p.

Arnoldetal.(1998):

Largeareahydrologicmodeling

andassessm

ent�

PartI:Modeldevelopment.

JournaloftheAmericanWater

Resources

Association

34(1):73�89.

Srinivasanetal.(1998):

Largeareahydrologicmodeling

andassessm

ent�

PartII:Modelapplication.

JournaloftheAmericanWater

Resources

Association

34(1):91�101.

Krysanovaetal.(1998):

Developmentandtest

ofa

spatiallydistributedhydrological

waterquality

modelformesoscale

watersheds.

EcologicalModelling

106(2�3):261�289.

Liangetal.(1994):

Asimplehydrologicallybased

modelofland-surface

waterand

energy�uxes

for

general-circulationmodels.

JournalofGeophysical

Research-Atm

ospheres

99(D

7):14415�14428.

Freeware

nach

Registration

janein

jaSourceCode

jaja

nein

jaSprache

Fortran77

Fortran90

C,Fortran

CDokumentation

**

***

**

Beispieldateien

jaja

k.A.

jaModellskala:

Raum/Zeit

Feldskala

Einzugsgebietsskala

Einzugsgebiete

zwischen

100m

2bis

10000m

2Makroskala


50�75

>100

6�10

25�50

Anwendungin

Europa

Bulgarien,Italien,Kroatien,

Niederlande,Spanien

Deutschland,Finnland,

Griechenland,Groÿbritannien,

Irland,Italien,Schweiz

Deutschland

Deutschland,Spanien


SWAP

SWAT

SWIM

VIC

Anwendungsbeispiele

inDeutschland

nein

Huismanetal.(2004):

Sensitivityofsimulated

hydrological�uxes

towards

changes

insoilproperties

inresponse

tolanduse

change.

Physics

andChem

istryofthe

Earth

29(11�12):749�758.

Wechsungetal.(2000):

Maylanduse

changereduce

the

waterde�ciency

problem

causedby

reducedbrowncoalminingin

the

state

ofBrandenburg?

LandscapeandUrbanPlanning

51(2�4):177�189.

VIC-2L

Lohmannetal.(1998a):

Regionalscalehydrology:I.

Form

ulationoftheVIC-2Lmodel

coupledto

aroutingmodel.

HydrologicalSciences

Journal�

Journaldes

Sciences

Hydrologiques

43(1):131�141.

Lohmannetal.(1998b):

Regionalscalehydrology:II.

ApplicationoftheVIC-2Lmodel

totheWeser

River,Germany.

HydrologicalSciences

Journal�Journaldes

Sciences

Hydrologiques

43(1):143�158.

ZuschaltbareModule

P�anzenwachstumsm

odul

(Feldp�anzen),Drainagem

odul

nein

nein

nein


Tm

ax,T

min,VP,G,v,Pund

Niederschlagintensität(P

i),

Referenzevapotranspiration

ETP

re

f

Tm

ax,T

min,RH,G,v

mit,P

Tm

ax,T

min,T

mit,G,P

k.A.

Beispielefürandere

Inputparameter

Bodenparameter

(initiale

Bodenfeuchte

hydraulische

Beschreibung),


(maximale

Wurzeltiefe,Vegetationshöhe,

Wasserverbrauch)


Bodenparameter,

Vegetationsparameter,

Managem

entparameter,

Grundwasserparameter

Bodenparameter

(organischer

Kohlensto�gehalt,organischer

Sticksto�gehalt,gesättigte

Wasserleitfähigkeit),

Managem

entparameter

(Düngezeitpunkt,Bewässerung),

Belastungsparameter

k.A.

Beispielefür

Outputparameter

Wasserbilanz,

Wassergehaltspeicheränderung,

Interzeption,aktuelle

TranspirationundEvaporation,

potentielleTranspirationund

Evaporation,LAI,Wurzeltiefe

potentielleEvapotranspiration,

aktuelleEvapotranspiration,

Bodenwassergehalt,

Grundwasserneubildung,

P�anzenaufnahmevonPhosphor

undSticksto�,LAI

Ober�ächenab�uss,

Bodenwassergehalt,Perkolationins

Grundwasser,Sticksto�-und

Phosphorbedarfder

Vegetation,

Nitratgehaltim

Ab�uss

k.A.


Outputdaten

Tagoder

geringereAu�ösung

Tagoder

über

Monatoder

Jahr

gem

ittelteTageswerte

Tag,Monat,Jahr

k.A.


durchStomatawiderstand

berücksichtigt


inBezugaufEvapotranspiration

berücksichtigt

k.A.

CO

2berücksichtigt

berücksichtigt

Anreicherungin

Atm

osphäre

und

AuswirkungaufTranspiration

berücksichtigt

k.A.

Energiebilanz

berücksichtigt

berücksichtigt

berücksichtigt

k.A.

Nährsto�haushalt


PhosphorundSticksto�

berücksichtigt

PhosphorundSticksto�

berücksichtigt

k.A.

Kohlensto�

indirektdurchTrockenmasse

berücksichtigt

indirektdurchTrockenmasse

berücksichtigt

berücksichtigt

k.A.

135

SWAP

SWAT

SWIM

VIC


-konzept

nach

Richards(1931),

Wasserentnahmeder

Wurzeln

durchpotentielleTranspiration,

Wurzellängeund�dichte

bestimmt,

Reduktionstherm

durch

WassergehaltundSalinität

bestimmt

Perkolation,wennFeldkapazität

überschritten

unddarunter

liegendeSchichtnichtgesättigtist

Perkolation,wennFeldkapazität

überschritten

unddarunter

liegendeSchichtnichtgesättigtist

undwennBodentemperatur>0◦C

k.A.

Ab�ussbildung

Muldenspeicher,

Ober�ächenab�uss

(Horton),

GrundwasseranstiegbisGOK,

Surface

runon,Drainung,

In�ltrationdurch

Schrumpfungsrisse,Tiefensickerung

Ober�ächenab�uss,Transm

ission

Losses,Perkolation,In�ltration

durchSchrumpfungsrisse,lateraler

Ab�uss,Grundwasserneubildung

(tieferundseichterAquifer)

Ober�ächenab�uss,Inter�ow,

Perkolation,

Grundwasserneubildung,�acher

undtiefer

Aquifer

k.A.

Interzeption

Interzeptionsverdunstungdurch

Penman-M

onteith

ausLAIundVeränderung

abhängigvonNundvorheriger

Füllungdes

Speichers

k.A.

k.A.

ET

po

tPenman-M

onteith(wenn

Vegetationsbedeckung100%)

Penman-M

onteith,Priestley-Taylor

oder

Hargreaves

Penman-M

onteithoder

Priestley-Taylor

k.A.

Tp

ot

ausET

po

tunterBerücksichtigung

vonE

po

tundder

Interzeptionsverdunstung

Penman-M

onteith,fallsET

po

tdamitberechnet

wurde,andernfalls

inAbhängigkeitvonder

Interzeptionsevaporation(in

Abhängigkeitvom

LAI)

k.A.

k.A.

Ta

kt

ausIntegrationdes

Wurzelwasser�usses

gleichWasserentnahmedurch

P�anzen(Bodenwassergehaltund

Welkepunktberücksichtigt)

lineare

FunktionvonT

po

tund

LAIunterBerücksichtigungder

Bodenwasserverfügbarkeit

k.A.

Ep

ot

ausReferenzevapotranspiration

undLAI(Bodenevaporation)

abhängigvonder

Bodentiefe

exponentielleFunktiondes

LAI

k.A.

Ea

kt

basierendaufDarcy

(Bodenevaporation)

durchReduktionsterme

wirdin

Abhängigkeitder

Tage

wennkumulierte

Ep

ot>6mm

ist,

reduziert

k.A.

Anmerkungen

ursprünglich

fürdie

Landwirtschaftentwickelt

ausSWATundMATSALU

entstanden,Nettophotosynthese

wirdunterBerücksichtigungvon

CO

2undTem

peraturermittelt

k.A.keineAngaben





Tabelle B.2.: Beispiele für weitere SVAT/Ökosystemmodelle.

Acronym Name Referenz

ASPECTS

Atmosphere SoilPlant Exchange in

Carbon of TemperateSylvae

Rasse et al.

(2001)

BATSBiosphere�

Atmosphere TransferScheme

Dickinson

et al. (1986)

BETHYBiosphere

Energy-TransferHydrology scheme

Knorr &Heimann

(2001a); Knorr& Heimann

(2001b)

BIOMASSMcMurtrie

et al. (1990)

CLAWSCoupled Landscapeand Water System

EPICErosion-ProductivityImpact Calculator

Stockle

et al. (1992a);Stockle

et al. (1992b)

ForHyMForest Hydrology

ModelArp & Yin

(1992)

LPJ Lund�Potsdam�JenaGerten et al.

(2004)

MAPSSMapped AtmospherePlant Soil System

Neilson (1995)

MOSESMet O�ce SurfaceExchange Scheme

Cox et al.

(1999)

ORCHIDEEOrganizing Carbonand Hydrology in

Dynamic Ecosystems

Krinner

et al. (2005)

PLATHOPlants as tree and

herb objectsGayler et al.

(2006)

RECAFS

Modelling resourcecompetition and

cycling inagroforestry systems

Conijn (1995)

137

SWEATSoil Water, Energyand Transpiration

model

Daamen &Simmonds

(1996)

SWIFSoil Water In

Forested ecosystems

Bouten et al.

(1992); Bouten& Witter

(1992); Tiktak& Bouten

(1992)

Tabelle B.3.: Berücksichtigte Vegetationsparameter in SWAT.

Strahlungsparameter Einheit Bedeutung

BIO_E (kg/ha)/(MJ/m2)Trockenmasseproduktion pro

Einheit interzeptierter Strahlung

BIOEHI (kg/ha)/(MJ/m2)

Trockenmasseproduktion proEinheit interzeptierter Strahlung

bei erhöhtenCO2-Konzentrationen

WAVP -

Abnahme derTrockenmasseproduktion pro

Einheit interzeptierter Strahlungpro Anstieg VPD

EXT_COEF - Licht-Extinktionskoe�zientTemperaturparameter

PHU_PLT -Heat Units, die zur P�anzenreife

benötigt werden

T_BASE ◦CMinimale Temperatur für

P�anzenwachstum

T_OPT ◦COptimale Temperatur für

P�anzenwachstumLAI und Heat

Unit-Parameter

BLAI - maximaler potentieller LAI

ALAI_MIN -minimaler LAI während der

Vegetationsruhe

FRGRW1 -

Anteil der gesamten potentiellenHeat Units, die mit dem 1.

Punkt der optimalenBlattentwicklungskurve

korrespondieren


FRGRW2 -

Anteil der gesamten potentiellenHeat Units, die mit dem 2.

Punkt der optimalenBlattentwicklungskurve

korrespondieren

LAIMX1 -

Anteil des BLAI der mit dem 1.Punkt der optimalen

Blattentwicklungskurvekorrespondiert

LAIMX2 -

Anteil des BLAI der mit dem 2.Punkt der optimalen

Blattentwicklungskurvekorrespondiert

DLAI -Anteil and der

Wachstumsperiode, wenn LAIwieder abnimmt

Nährsto�-Parameter

BN1 kgN / TrockenmasseSticksto� in der ober- undunterirdischen Biomasse bei

Emergenz

BN2 kgN / TrockenmasseSticksto� in der ober- und

unterirdischen Biomasse nach50% der Wachstumsperiode

BN3 kgN / TrockenmasseSticksto� in der ober- und

unterirdischen Biomasse beimErreichen der Reife

BP1 kgP / TrockenmassePhosphor in der ober- undunterirdischen Biomasse bei

Emergenz

BP2 kgP / TrockenmassePhosphor in der ober- und

unterirdischen Biomasse nach50% der Wachstumsperiode

BP3 kgP / TrockenmassePhosphor in der ober- und

unterirdischen Biomasse beimErreichen der Reife

CNYLDkgN /

Ernte-TrockenmasseSticksto� in der Trockenmasse

der Ernte

CPYLDkgP /

Ernte-TrockenmassePhosphor in der Trockenmasse

der ErnteBiomasse-Parameter

BIO_MIN kg/haBiomasse, die nach Grasen

übrigbleibt

139

HVSTI -

Anteil der Biomasse, der beiErnte entfernt wird (optimale

Wasser- undNährsto�bedingungen)

WSYF (kg/ha)/(kg/ha)Anteil an HVSTI unterStressbedingungen

BIO_LEAF -Anteil der Baumbiomasse, proJahr die in Streu umgewandelt

wird (Blätter)RSDCO_PL - Streuabbau-Faktor

BMX_TREES t/hamaximale Biomasse eines

BaumesStomataleitfähigkeit-Parameter

GSI ms−1

Maximale Stomataleitfähigkeitbei hoher solarer Strahlung und

geringem VPD

FRGMAX -

Anteil der maximalenStomataleitfähigkeit

korrespondierend zum 2. Punktder Stomataleitfähigkeitskurve,1. Punkt ist für den Anteil an dermaximalen Stomataleitfähigkeit= 1 und VPD = 1kPa festgelegt

VPDFR kPaVPD des zweiten Punktes derStomataleitfähigkeitskurve

Sonstiges

USLE_C -Minimaler Wert des USLE-C

Faktors

CHTMX mmaximale Höhe derVegetationsdecke

RDMX mmaximale Wurzeltiefe, nichtdurch den Boden begrenzt


Tabelle B.4.: Zur Verfügung stehende Zeitreihenlängen und Datenlücken der Eingangsgröÿen.

Dateiname Messreihe Messzeitraum Datenlücken

tmp_10minimale undmaximale

Tageslufttemperatur1.1.1998-12.7.2007

16.7.-20.7.199828.1.-1.2.1999

20.5.-24.6.2000(bis 25.6. T_min)30.12.-31.12.2000

30.6.200310.12.-16.12.2004

rh_10Tagesmittel der

relativenLuftfeuchtigkeit

1.1.1998-12.7.2007

17.7.-20.7.199828.1.2.1.199919.5.-25.6.200010.12.-16.12.2004

wnd_10Tagesmittel der

Windgeschwindigkeit1.1.1998-12.7.2007

17.7.-20.7.199828.11.199830.11.1998

28.1.-1.2.199921.3.-31.3.200020.5.-24.6.2000

hop0pcptägliche

Niederschlagsmenge1.1.1961-31.5.2007

keine Datenlückenersichtlich

141

TabelleB.5.:Kalibrierparameter.

Param

eter

Bedeutung

Einheit

Default

Bereich

verwendeter

Wert

SMTMP

Schneeschm

elztem

peratur

◦ C0,5

-5bis5

5SM

FMX

maximaleSchneeschm

elze

mm/◦Cd

4,5

1,4bis8

10SM

FMN

minimaleSchneeschm

elze

mm/◦Cd

4,5

1,4bis8

10

TIM

PEin�uss

der

Schneedeckentemperatur

aufSchneeschm

elze

�1

0,01

bis1

0,01

GW_Delay

Perkolationszeitbiszum

Grundwasser

d31

0bis500

5

ALPHA_BF

Rezessionskonstante

d0,048

0bis1

0,013

GW_REVAP

Reevaporationskoe�

zient

�0,02

0,02

bis0,2

0,2

REVAPMN

Grenzwertfür

Reevaporation

mm

10bis500

0

CANMX

maximaler


mm

��

5

OV_N

Rauhigkeitskoe�

zient

�0,1

0,008bis0,5

0,6

ESC

OBodenevaporation-

Kom

pensationsfaktor

�0,95

0bis1

0,01

LAT_TTIM

EFlieÿzeitZwischenab�uss

d�

�8

SLSO

ILHanglänge

Zwischenab�uss

m�

�10


Tabelle

B.6.:Abw

eichungenhydrologischer

Gröÿen

beiSimulation

desZukunftszenarios

(2021-2050)ohne

CO

2 -Änderung

imVergleich

zumsim

u-lierten

Ist-Zustand

(1971-2000).

Änderu

ngen

der

simulierten

Zukunftszu

stände(2021-2050)

zudem

simulierten

Ist-Zustan

d(1971-2000)

-ohneCO

2 -Änderu

ng

Juni

Juli

August

Septem

ber

Oktob

erNovem

ber

Niederschläge

(%)

-35,85-33,53

+11,59

-10,70-11,65

+0,12*

Ab�üsse

(%)

-38,35-43,48

-31,27-30,37

-22,15+9,37

potentielle

Evap

otranspiration(%

)+13,27

-3,97*-9,74

+1,15*

-5,44+23,52

aktuelleEvap

otranspiration(%

)+12,89

-3,75*-7,92

+0,08*

-3,81*+35,96

Bodenw

assergehaltam

Ende

desMonats

(%)

-12,14-10,82

-1,43*-0,53*

+3,35*

-9,67

Abw

eichungdes

simulierten

Ist-Zustands

derAb�üsse

zuden

gemessenen

(1971-2000)(%

)+37,68

+45,05

+48,42

+27,37

+0,47

-25,92

*keine

signi�kanteÄnderung

143

TabelleB.7.:Abw

eichungenhydrologischer

GröÿenbeiSimulationdesZukunftszenarios(2021-2050)mitCO

2-Änderungim

Vergleich

zum

simu-

lierten

Zukunftszenario

(2021-2050)ohne

CO

2-Änderung.

Änderungender

simulierten

Zukunftsszenarien(2021-2050)mit

CO

2-Änderungzu

den

simulierten

Zukunftsszenarienohne

CO

2-Änderung

Juni

Juli

August

September

Oktober

Novem

ber

Niederschläge

(%)

00

00

00

Ab�üsse

(%)

+0,89*

+1,00*

+4,05*

+3,06*

+2,43*

+1,10*

potentielleEvapotranspiration

(%)

-1,83*

-1,73*

-1,74*

-1,75*

-1,95*

-1,96*

aktuelleEvapotranspiration

(%)

-1,76*

-1,66*

-1,79*

-2,01*

-2,01*

-2,12*

Bodenwassergehaltam

EndedesMonats

(%)

+1,62*

+2,08*

+1,38*

+0,91*

+0,19*

+0,01*

*keinesigni�kanteÄnderung


Tabelle

B.8.:Sensitivitäten

derLandnutzungen

Laubwald,

Nadelw

aldund

Grünland

aufhydrologische

Gröÿen

beiVergleich

dessim

uliertenZu-

kunftszenarios(2021-2050)

ohneCO

2 -Änderung

mitdem

simulierten

Ist-Zustand

(1971-2000).

Änderu

ngder

simulierten

Zukunftsszen

arien(2021-2050)

zudem

simulierten

Ist-Zustan

d(1971-2000)

�ohne

CO

2 -Änderu

ng

Juni

Juli

August

Septem

ber

Oktob

erNovem

ber

Laubw

aldNiederschläge

(%)

Nadelw

ald-38,85

-33,53+11,59

-10,70-11,65

+0,12*

Grünland

Laubw

ald-40,57

-45,74-36,11

-31,73-23,81

+14,15

Ab�üsse

(%)

Nadelw

ald-38,59

-43,01-29,16

-26,44-18,90

+13,88

Grünland

-39,90-44,57

-35,19-32,14

-22,88+15,82

Laubw

ald+13,24

-3,97*-9,74

+1,15*

-5,44+22,34

potentielle

Evap

otranspiration(%

)Nadelw

ald+13,29

-3,97*-9,74

+1,15*

-5,44+23,68

Grünland

+13,24

-3,97*-9,74

+1,15*

-5,44+23,90

Laubw

ald+11,83

-6,41-9,69

+0,10*

-4,47*+37,19

aktuelleEvap

otranspiration(%

)Nadelw

ald+14,21

-4,61*-10,29

+0,15*

-6,82+35,30

Grünland

+15,05

-0,06*-4,48*

-0,80*-2,98*

+38,09

Laubw

ald-12,36

-15,48-4,90*

-4,21*+1,90*

-7,34Bodenw

assergehaltam

Ende

desMonats

(%)

Nadelw

ald-10,02

-8,60-0,96*

-1,43*+2,61*

-7,50

Grünland

-15,55-14,72

-2,89*-2,02*

+3,05*

-7,45Laubw

ald+38,85

+30,00

-42,78+63,04

+39,51

-91,46Di�erenz

desBodenw

assergehaltszw

ischenMonatsanfang

und-ende

(%)

Nadelw

ald+45,04

-1,50*-72,10

+76,18

+30,34

-94,97

Grünland

+50,73

-6,98-47,31

+72,15

+10,25

-102,50Laubw

ald+10,35

-14,42-45,95

-24,95-22,20

+23,88

Reevap

oration(%

)Nadelw

ald+9,98

-9,46-32,05

-12,12-8,95

+24,75

Grünland

+11,02

-13,70-40,49

-19,72-15,69

+27,89

*keinesigni�kante

Änderung

145

TabelleB.9.:SensitivitätenderLandnutzungenLaubwald,

NadelwaldundGrünlandaufhydrologischeGröÿenbeiVergleich

dessimulierten

Zu-

kunftszenarios

(2021-2050)ohne

CO

2-Änderungmitdem

simulierten

Zukunftszenarios(2021-2050)mitCO

2-Änderung.

Änderungender

simulierten

Zukunftsszenarien(2021-2050)

mitCO

2-Änderungzu

den

simuliertenZukunftsszenarien

ohneCO

2-Änderung

Juni

Juli

August

September

Oktober

Novem

ber

Laubw

ald

Niederschläge

(%)

Nadelwald

00

00

00

Grünland

Laubw

ald

+1,03*

+1,74*

+2,70*

+1,59*

+1,59*

+0,77*

Ab�üsse

(%)

Nadelwald

+1,42*

+1,06*

+4,49*

+3,61*

+3,42*

+1,85*

Grünland

+0,98*

+1,00*

+4,61*

+3,44*

+1,68*

+0,65*

Laubw

ald

-1,83*

-1,73*

-1,74*

-1,75*

-1,95*

-1,96*


(%)

Nadelwald

-1,83*

-1,73*

-1,74*

-1,75*

-1,95*

-1,96*

Grünland

-1,83*

-1,73*

-1,74*

-1,75*

-1,95*

-1,96*

Laubw

ald

-1,72*

-1,39*

-1,25*

-1,58*

-1,84*

-1,99*


(%)

Nadelwald

-1,93*

-1,52*

-1,74*

-2,10*

-2,23*

-2,60*

Grünland

-2,00*

-2,64*

-2,39*

-2,02*

-1,50*

-3,52*

Laubw

ald

+1,47*

+2,21*

+1,53*

+1,19*

+0,24*

+0,01*

Bodenwassergehaltam

Endedes

Monats(%

)Nadelwald

+1,54*

+1,73*

+1,10*

+0,72*

+0,19*

+0,01*

Grünland

+1,79*

+3,17*

+2,24*

+1,63*

+0,33*

+0,01*

Laubw

ald

-2,88*

-4,37*

-15,94

-0,40*

-6,30

-8,00

Di�erenzdesBodenwassergehalts

zwischen

Monatsanfangund-ende(%

)Nadelwald

-4,22*

-1,95*

-39,51

-2,80*

-6,25

-23,82

Grünland

-3,21*

-9,75

-19,15

-1,29*

-8,71

-324,03

Laubw

ald

-1,40*

-0,12*

+6,12

-1,89*

+1,46*

-0,78*

Reevaporation(%

)Nadelwald

-0,29*

-1,40*

+4,04*

-0,42*

-1,39*

-2,17*

Grünland

-1,48*

-1,31*

+4,61*

+1,94*

+0,29*

-0,53*

*keine



Tabelle

B.10.:Sensitivitäten

derBodentypen

BRAUNhund

BRAUNREGauf

hydrologischeGröÿen

beiVergleich

dessim

uliertenZukunftszenarios

(2021-2050)ohne

CO

2 -Änderung

mitdem

simulierten

Ist-Zustand

(1971-2000).

Änderu

ngder

simulierten

Zukunftsszen

arien(2021-2050)

zudem

simulierten

Ist-Zustan

d(1971-2000)

�ohne

CO

2 -Änderu

ng

Juni

Juli

August

Septem

ber

Oktob

erNovem

ber

Niederschläge

(%)

BRAUNhund

-35,85-33,53

+11,59

-10,70-11,65

+0,12*

BRAUNREG

Ab�üsse

(%)

BRAUNh

-38,59-43,01

-29,16-26,44

-18,90+13,88

BRAUNREG

-37,21-42,13

-29,50-32,66

-23,62+1,48*

potentielle

Evap

otranspiration(%

)BRAUNh

+13,29

-3,97*-9,74

+1,15*

-5,44+23,68

BRAUNREG

+13,29

-3,97*-9,74

+1,15*

-5,44+23,68

aktuelleEvap

otranspiration(%

)BRAUNh

+14,21

-4,61*-10,29

+0,15*

-6,82+35,30

BRAUNREG

+10,23

-4,48*-6,38

+0,01*

-2,38*+35,95

Bodenw

assergehaltam

Ende

desMonats

(%)

BRAUNh

-10,02-8,60

-0,96*-1,43*

+2,61*

-7,50

BRAUNREG

-17,75-10,27

+0,91*

+9,75

+8,34

-23,04Di�erenz

desBodenw

assergehaltszw

ischenMonatsanfang

und-ende

(%)

BRAUNh

+45,04

-1,50*-72,10

+76,18

+30,34

-94,97

BRAUNREG

+29,36

+5,12

-66,50+23646,24

-40,54-102,63

Reevap

oration(%

)BRAUNh

+9,98

-9,46-32,05

-12,12-8,95

+24,75

BRAUNREG

+11,12

-5,29-28,38

-18,20-3,25*

+26,35

*keinesigni�kante

Änderung

147

TabelleB.11.:SensitivitätenderBodentypenBRAUNhundBRAUNREGaufhydrologischeGröÿenbeiV

ergleich

dessimulierten

Zukunftszenarios

(2021-2050)ohne

CO

2-Änderungmitdem

simulierten

Zukunftszenarios(2021-2050)mitCO

2-Änderung.

Änderungender

simulierten

Zukunftsszenarien(2021-2050)

mitCO

2-Änderungzu

den

simuliertenZukunftsszenarien

ohneCO

2-Änderung

Juni

Juli

August

September

Oktober

Novem

ber

Niederschläge

(%)

BRAUNhund

00

00

00

BRAUNREG

Ab�üsse

(%)

BRAUNh

+1,42*

+1,06*

+4,49*

+3,61*

+3,42*

+1,85*

BRAUNREG

+0,60*

-0,05*

+4,53*

+2,09*

+1,78*

+0,99*


(%)

BRAUNh

-1,83*

-1,73*

-1,74*

-1,75*

-1,95*

-1,96*

BRAUNREG

-1,83*

-1,73*

-1,74*

-1,75*

-1,95*

-1,96*


(%)

BRAUNh

-1,93*

-1,52*

-1,74*

-2,10*

-2,23*

-2,60*

BRAUNREG

-1,32*

-0,88*

-1,48*

-1,96*

-2,19*

-2,38*

Bodenwassergehaltam

Endedes

Monats(%

)BRAUNh

+1,54*

+1,73*

+1,10*

+0,72*

+0,19*

+0,01*

BRAUNREG

+1,95*

+1,71*

+0,95*

+0,45*

+0,09*

+0,03*

Di�erenzdesBodenwassergehalts

zwischen

Monatsanfangund-ende(%

)BRAUNh

-4,22*

-1,95*

-39,51

-2,80*

-6,25

-23,82

BRAUNREG

-1,20*

-4,29*

-4,82*

-3,20*

-4,02*

0,18*

Reevaporation(%

)BRAUNh

-0,29*

-1,40*

+4,04*

-0,42*

-1,39*

-2,17*

BRAUNREG

-1,47*

-0,61*

+3,08*

-2,82*

-3,83*

-1,81*

*keine



Literaturverzeichnis

Aber, J.D., Federer, C.A. (1992): A generalized, lumped-parameter model of pho-tosynthesis, evapotranspiration and net primary production in temperate and borealforest ecosystems. Oecologia, Vol. 92 (4), S. 463�474.

Armbruster, M., Seegert, J., Feger, K.H. (2004): E�ects of changes in tree spe-cies composition on water �ow dynamics � Model applications and their limitations.Plant and Soil, Vol. 264 (1-2), S. 13�24.

Arnold, J.G., Srinivasan, R., Muttiah, R.S., Williams, J.R. (1998): Largearea hydrologic modeling and assessment � Part I: Model development. Journal ofthe American Water Resources Association, Vol. 34 (1), S. 73�89.

Arp, P.A., Yin, X.W. (1992): Predicting water �uxes through forests from monthlyprecipitation and mean monthly air temperature records. Canadian Journal of ForestResearch � Revue Canadienne de Recherche Forestiere, Vol. 22 (6), S. 864�877.

Aston, A.R. (1984): The e�ect of doubling atmospheric CO2 on stream�ow: A simu-lation. Journal of Hydrology, Vol. 67 (1-4), S. 273�280.

Auerswald, K., Schmidt, F. (1986): Atlas der Erosionsgefährdung in Bayern, Nr. 1IN GLA Fachberichte. Bayerisches Geologisches Landesamt.

Barron-Gafford, G.A., Grieve, K.A., Murthy, R. (2007): Leaf� and stand�level responses of a forested mesocosm to independent manipulations of temperatureand vapor pressure de�cit. New Phytologist, Vol. 174 (3), S. 614�625.

Betts, R.A., Boucher, O., Collins, M., Cox, P.M., Falloon, P.D., Gedney,N., Hemming, D.L., Huntingford, C., Jones, C.D., Sexton, D.M.H.,Webb,

M.J. (2007): Projected increase in continental runo� due to plant responses to in-creasing carbon dioxide. Nature, Vol. 448 (7157), S. 1037�1041.

Betts, R.A., Cox, P.M., Lee, S.E., Woodward, F.I. (1997): Contrasting physio-logical and structural vegetation feedbacks in climate change simulations. Nature,Vol. 387 (6635), S. 796�799.

Bouten, W., Schaap, M.G., Bakker, D.J., Verstraten, J.M. (1992): Modelingsoil�water dynamics in a forested ecosystem. I: A site speci�c evaluation. HydrologicalProcesses, Vol. 6 (4), S. 435�444.

Bouten, W., Witter, J.V. (1992): Modelling soil water dynamics in a forest eco-system. II: Evaluation of spatial variation of soil pro�les. Hydrological Processes,Vol. 6 (4), S. 445�454.

150 Literaturverzeichnis

Braud, I., Dantas-Antonino, A.C., Vauclin, M., Thony, J.L., Ruelle, P.(1995): A Simple Soil�Plant�Atmosphere Transfer model (SiSPAT). Developmentand Field veri�cation. Journal of Hydrology, Vol. 166 (3-4), S. 213�250.

Briemle, G., Eickhoff, D., Wolf, R. (1991): Mindestp�ege und Mindestnutzungunterschiedlicher Grünlandtypen aus landschaftsökologischer und landeskulturellerSicht�Praktische Anleitung zur Erkennung, Nutzung und P�ege von Grünlandgesell-schaften, Nr. 60 IN Beihefte zu den Verö�entlichungen für Naturschutz und Land-schaftsp�ege in Baden-Württemberg. Landesanstalt für Umwelt, Messungen und Na-turschutz Baden-Württemberg.

Brooks, R.H.,Corey, A.T. (1964): Hydraulic properties of porous media. Hydrologypaper 3, Colorado State University.

Brutsaert, W. (1975): Comments on surface roughness parameters and the heightof dense vegetation. Journal of the Meteorological Society of Japan, Vol. 53 (1), S.96�98.

Bundesumweltamt (2008): Quanti�zierung des Ein�usses der Landnutzung und-bedeckung auf den Hochwasserab�uss in Flussgebieten. URL: http://www.

umweltbundesamt.de/wasser/veroeffentlich/kurzfassungen/29724508.htm

letzter Abruf 7.2.2008, 23:30Uhr.

Campbell, G.S. (1974): Simple method for determining unsaturated conductivityfrom moisture retention data. Soil Science, Vol. 117 (6), S. 311�314.

Ceulemans, R., Jiang, X.N., Shao, B.Y. (1995): E�ects of elevated atmosphericCO2 on growth, biomass production and nitrogen allocation of two Populus clones.Journal of Biogeography, Vol. 22 (2-3), S. 261�268.

Ceulemans, R., Mousseau, M. (1994): Tansley Review No.71 - E�ects of elevatedatmospheric CO2 on woody-plants. New Phytologist, Vol. 127 (3), S. 425�446.

Churkina, G., Tenhunen, J., Thornton, P., Falge, E.M., Elbers, J.A., Er-hard, M., Grünwald, T., Kowalski, A.S., U, U.R., Sprinz, D. (2003): Ana-lyzing the ecosystem carbon dynamics of four European coniferous forests using abiogeochemistry model. Ecosystems, Vol. 6 (2), S. 168�184.

Clifford, S.C., Lifford, I.M., Mohamed, A.D., Azam-Ali, S., Crout, N.M.J.(1993): The e�ects of elevated atmospheric carbon-dioxide and water-stress on lightinterception, dry-matter production and yield in stands of groundnut (Arachis-Hypogaea L.). Journal of Experimental Botany, Vol. 44 (12), S. 1763�1770.

Conijn, J.G. (1995): RECAFS: A model for resource competition and cycling in agro-forestry systems. Model description and user manual. Rapports PSS 12, IER, Bamako& AB-DLO, Wageningen & DAN-UAW, Wageningen, Niederlande.

Cotrufo, M.F., Ineson, P., Rowland, A.P. (1994): Decomposition of tree leaflitters grown under elevated CO2: E�ect of litter quality. Plant and Soil, Vol. 163, S.121�130.


Cox, P.M., Betts, R.A., Bunton, C.B., Essery, R.L.H., Rowntree, P.R.,Smith, J. (1999): The impact of new land surface physics on the GCM simulationof climate and climate sensitivity. Climate Dynamics, Vol. 15 (3), S. 183�203.

Curtis, P.S. (1996): A meta-analysis of leaf gas exchange and nitrogen in trees grownunder elevated carbon dioxide. Plant, Cell and Environment, Vol. 19 (2), S. 127�137.

Daamen, C.C., Simmonds, L.P. (1996): Measurement of evaporation from bare soiland its estimation using surface resistance. Water Resources Research, Vol. 32 (5),S. 1393�1402.

Dickinson, R.E., Henderson-Sellers, A., Kennedy, P.J., Wilson, M.F.

(1986): Biosphere-Atmosphere Transfer Scheme (BATS) for the NCAR commu-nity climate model. National Center for Atmospheric Research Note NCAR/TN-275+STR, National Center for Atmospheric Research.

Didszun, J. (2004): Experimentelle Untersuchungen zur Skalenabhängigkeit der Ab-�ussbildung. Dissertation, Albert-Ludwigs Universität Freiburg i. Br., Institut fürHydrologie.

Dufrêne, E., Y.Pontailler, J., Saugier, B. (1993): A branch bag techniquefor simultaneous CO2 enrichment and assimilation measurements on beech (Fagus-Sylvatica L). Plant, Cell and Environment, Vol. 16 (9), S. 1131�1138.

Dyck, S., Peschke, G. (1995): Grundlagen der Hydrologie. Verlag für Bauwesen,Berlin, 3. Au�.

Eamus, D. (1996): Tree responses to CO2 enrichment: CO2 and temperature interac-tions, biomass allocation and stand-scale modeling. Tree Physiology, Vol. 16 (1-2),S. 43�47.

Epron, D., Liozon, R.,Mousseau, M. (1996): E�ects of elevated CO2 concentrationon leaf characteristics and photosynthetic capacity of beech (Fagus sylvatica) duringthe growing season. Tree Physiology, Vol. 16 (4), S. 425�432.

Falge, E., Reth, S., Bruggemann, N., Butterbach-Bahl, K., Goldberg, V.,Oltchev, A., Schaaf, S., Spindler, G., Stiller, B., Queck, R., Kostner,B., Bernhofer, C. (2005): Comparison of surface energy exchange models witheddy �ux data in forest and grassland ecosystems of Germany. Ecological Modelling,Vol. 188 (2-4), S. 174�216.

Federer, C.A., Vorosmarty, C., Fekete, B. (2003): Sensitivity of annual evapo-ration to soil and root properties in two models of contrasting complexity. Journalof Hydrometeorology, Vol. 4 (6), S. 1276�1290.

Field, C.B., Jackson, R.B.,Mooney, H.A. (1995): Stomatal responses to increasedCO2 � Implications from the plant to the global�scale. Plant Cell and Environment,Vol. 18 (10), S. 1214�1225.


Flerchinger, G.N., Saxton, K.E. (1989a): Simultaneous heat and water model ofa freezing snow-residue-soil system.1. Theory and Development. Transactions of theAmerican Society of Agricultural Engineers, Vol. 32 (2), S. 565�571.

Flerchinger, G.N., Saxton, K.E. (1989b): Simultaneous heat and water model of afreezing snow-residue-soil system.2. Field veri�cation. Transactions of the AmericanSociety of Agricultural Engineers, Vol. 32 (2), S. 573�578.

Forstliche-Versuchsanstalt (2008): Bundeswaldinventur II. URL: http://www.fva-bw.de/monitoring/index9.html letzter Abruf 7.2.2008, 22:30Uhr.

Gayler, S., Grams, T.E.E., Kozovits, A.R., Winkler, J.B., Luedemann, G.,Priesack, E. (2006): Analysis of competition e�ects in mono- and mixed cultures ofjuvenile beech and spruce by means of the plant growth simulation model PLATHO.Plant Biology, Vol. 8 (4), S. 503�514.

Gerten, D., Schaphoff, S., Haberlandt, U., Lucht, W., Sitch, S. (2004):Terrestrial vegetation and water balance: Hydrological evaluation of a dynamic globalvegetation model. Journal of Hydrology, Vol. 286 (1-4), S. 249�270.

Gunderson, C.A., Wullschleger, S.D. (1994): Photosynthetic acclimation intrees to rising atmospheric CO2 � A broader perspective. Photosynthesis Research,Vol. 39 (3), S. 369�388.

Hansen, S., E.Jensen, H., Nielsen, N.E., Svendsen, H. (1990): DAISY � SoilPlant Atmosphere System Model. Ministry of the Environment, National Agency ofEnvironmental Protection (NAEP), Denmark.

Hättenschwiler, S., Miglietta, F., Raschi, A., Körner, C. (1997): Morpho-logical adjustments of mature Quercus ilex trees to elevated CO2. Acta Oecologica -International Journal of Ecology, Vol. 18 (3), S. 361�365.

Hatton, T.J., Walkers, J., Dawes, W.R., Dunin, F.X. (1992): Simulations ofhydroecological responses to elevated CO2 at the catchment scale. Australian Journalof Botany, Vol. 40, S. 679�696.

Heath, J., Kerstiens, G. (1997): E�ects of elevated CO2 on leaf gas exchangein beech and oak at two levels of nutrient supply: Consequences for sensitivity todrought in beech. Plant, Cell and Environment, Vol. 20 (1), S. 57�67.

Hecker, U. (2002): Bäume und Sträucher. blv, München, 3. Au�.

Hirschel, G., Körner, C., III, J.A.A. (1997): Will rising atmospheric CO2 a�ectleaf litter quality and in situ decomposition rates in native plant communities? Oe-cologia, Vol. 110, S. 387�392.

Huisman, J.A., Breuer, L., Frede, H.G. (2004): Sensitivity of simulated hydrolo-gical �uxes towards changes in soil properties in response to land use change. Physicsand Chemistry of the Earth, Vol. 29 (11-12), S. 749�758.


Huxol, S. (2007): Trendanalyse von Zeitreihen der Komponenten des Wasserkreislau-fes im Einzugsgebiet der Dreisam zur prozessorientierten Beurteilung hydrologischerKlimafolgen. Diplomarbeit, Albert-Ludwigs-Universität Freiburg i. Br., Institut fürHydrologie.

Idso, K.E., Idso, S.B. (1994): Plant responses to atmospheric CO2 enrichment in theface of environmental constraints: A review of the past 10 years�research. Agricultu-ral and Forest Meteorology, Vol. 69 (1), S. 153�202.

Idso, S.B., Brazel, A.J. (1984): Rising atmospheric carbon dioxide may increasestream�ow. Nature, Vol. 312, S. 51�53.

Idso, S.B.,Kimball, B.A., Akin, D.E.,Kridler, J. (1993a): A general relationshipbetween CO2-induced reductions in stomatal conductance and concomitant increasesin foliage temperature. Environmental and Experimental Botany, Vol. 33 (3), S. 443�446.

Idso, S.B., Wall, G.W., Kimball, B.A. (1993b): Interactive e�ects of atmosphericCO2 enrichment and light-intensity reductions on net photosynthesis of sour orangetree leaves. Environmental and Experimental Botany, Vol. 33 (3), S. 367�375.

IPCC (2001): Climate-Change � The Scienti�c Basis, Intergovernmental Panel on Cli-mate Change. Cambridge Univ. Press.

Jansson, P.E., Karlberg, L. (2004): Coupled heat and mass transfer model forsoil-plant-atmosphere systems. Royal Institute of Technology, Department of Civiland Environmental Engineering, Stockholm.

Jensen, M.E., Burman, R.D., Allen, R.G. (Hrsg.) (1990): Evapotranspiration andirrigation water requirements. Nr. 70 IN ASCE Manuals and Reports on EngineeringPractice, ASCE, N.Y.

Kirschbaum, M.U.F. (1999): Modelling forest growth and carbon storage in responseto increasing CO2 and temperature. Tellus Series B � Chemical and Physical Meteo-rology, Vol. 51 (5), S. 871�888.

Klapp, E., von Boberfeld, W.O. (1990): Taschenbuch der Gräser. Verlag PaulParey Berlin, Hamburg, 12. Au�.

KLIWA (2006): Regionale Klimaszenarien für Süddeutschland � Abschätzung der Aus-wirkungen auf den Wasserhaushalt. KLIWA-Berichte, Vol. 9.

Knorr, W., Heimann, M. (2001a): Uncertainties in global terrestrial biosphere mo-deling. Part I: A comprehensive sensitivity analysis with a new photosynthesis andenergy balance scheme. Global Biogeochemical Cycles, Vol. 15 (1), S. 207�225.

Knorr, W., Heimann, M. (2001b): Uncertainties in Global Terrestrial BiosphereModeling, Part II: Global Constraints for a Process-Based Vegetation Model. GlobalBiogeochemical Cycles, Vol. 15 (1), S. 227�246.


Körner, C. (2006): Plant CO2 responses: An issue of de�nition, time and resourcesupply. New Phytologist, Vol. 172 (3), S. 393�411.

Körner, C., Arnone, J.A. (1992): Responses to elevated carbon-dioxide in arti�cialtropical ecosystems. Science, Vol. 257 (5077), S. 1672�1675.

Kramer, K. (1994): A modelling analysis of the e�ects of climate warming on theprobability of spring frost damage to tree species in The Netherlands and Germany.Plant, Cell and Environment, Vol. 17 (4), S. 369�377.

Krinner, G., Viovy, N., de Noblet-Ducoudre, N., Ogee, J., Polcher, J.,Friedlingstein, P., Ciais, P., Sitch, S., Prentice, I.C. (2005): A dynamicglobal vegetation model for studies of the coupled atmosphere-biosphere system.Global Biogeochemical Cycles, Vol. 19 (1), art. No. GB1015.

Krysanova, V., Müller-Wohlfeil, D.I., Becker, A. (1998): Development andtest of a spatially distributed hydrological water quality model for mesoscale waters-heds. Ecological Modelling, Vol. 106 (2-3), S. 261�289.

Lahmer, W., Pfützner, B., Becker, A. (2001): Assessment of land use and cli-mate change impacts on the mesoscale. Pysics and Chemistry of the Earth Part B �Hydrology Oceans and Atmosphere, Vol. 26 (7-8), S. 565�575.

Lankreijer, H.J.M. (1998): The water balance of forests under elevated atmosphericCO2. Dissertation, Groningen Universität, Niederlande.

Leipprand, A., Gerten, D. (2006): Global e�ects of doubled atmospheric CO2 con-tent on evapotranspiration, soil moisture and runo� under potential natural vegetati-on. Hydrological Sciences Journal � Journal des Sciences Hydrologiques, Vol. 51 (1),S. 171�185.

Liang, X., Lettenmaier, D.P., Wood, E.F., Burges, S.J. (1994): A simple hy-drologically based model of land � surface water and energy �uxes for general �circulation models. Journal of Geophysical Research � Atmospheres, Vol. 99 (D7), S.14415�14428.

Linacre, E.T. (1977): A simple formula for estimating evaporation rates in variousclimates, using temperature data alone. Agricultural Meteorology, Vol. 18 (6), S.409�424.

Lohmann, D., Raschke, E., Nijssen, B., Lettenmaier, D.P. (1998a): Regionalscale hydrology: I. Formulation of the VIC � 2L model coupled to a routing model.Hydrological Sciences Journal � Journal des Sciences Hydrologiques, Vol. 43 (1), S.131�141.

Lohmann, D., Raschke, E., Nijssen, B., Lettenmaier, D.P. (1998b): Regionalscale hydrology: II. Application of the VIC-2L model to the Weser River, Germany.Hydrological Sciences Journal � Journal des Sciences Hydrologiques, Vol. 43 (1), S.143�158.


LUBW (2007): Wasser- und Bodenatlas Baden-Württemberg. Umweltministeri-um Baden-Württemberg, Landesanstalt für Umwelt, Messungen und NaturschutzBaden-Württemberg, 3. Au�.

Makkink, G.F. (1957): Ekzameno de la formula de Penman. Netherlands Journal ofAgricultural Science, Vol. 5, S. 290�305.

McMurtrie, R.E., Rook, D.A., Kelliher, F.M. (1990): Modeling the yield ofPinus-Radiata on a site limited by water and nitrogen. Forest Ecology and Manage-ment, Vol. 30 (1-4), S. 381�413.

Medlyn, B.E., Barton, C.V.M., Broadmeadow, M.S.J., Ceulemans, R., An-gelis, P.D., Forstreuter, M., Freeman, M., Jackson, S.B., Kellomäki,S., Laitat, E., Rey, A., Roberntz, P., Sigurdsson, B.D., Strassemeyer,J., Wang, K., Curtis, P.S., Jarvis, P.G. (2001): Stomatal conductance of forestspecies after long-term exposure to elevated CO2 concentration: A synthesis. NewPhytologist, Vol. 149 (2), S. 247�264.

Melillo, J.M., Borchers, J., Chaney, J., Fisher, H., Fox, S., Haxelti-ne, A., Janetos, A., Kicklighter, D.W., Kittel, T.G.F., McGuire, A.D.,McKeown, R., Neilson, R., Nemani, R., Ojima, D.S., Painter, T., Pan,Y., Parton, W.J., Pierce, L., Pitelka, L., Prentice, C., Rizzo, B., Rosen-bloom, N.A., Running, S., Schimel, D.S., Sitch, S., Smith, T., Woodward,

I. (1995): Vegetation ecosystem modeling and analysis project � Comparing biogeo-graphy and biogeochemistry models in a continental-scale study of terrestrial ecosys-tem responses to climate-change and CO2 doubling. Global Biogeochemical Cycles,Vol. 9 (4), S. 407�437.

Monteith, J.L. (1981): Evaporation and surface temperature. Quarterly Journal ofthe Royal Meteorological Society, Vol. 107, S. 1�27.

Moot, D.J., Scott, W.R., Roy, A.M., Nicholls, A.C. (2000): Base temperatureand thermal time requirements for germination and emergence of temperate pasturespecies. New Zealand Journal of Agricultural Research, Vol. 43 (1), S. 15�25.

Morison, J.I.L. (1987): Intercellular CO2 concentration and stomatal response toCO2. IN: Zeiger, E.; Farquhar, G.D.; Cowan, I.R. (Hrsg.): Stomatal Function, Stan-ford University Press, Stanford, CA, S. 229�252.

Morison, J.I.L., Gifford, R.M. (1983): Stomatal sensitivity to carbon-dioxid andhumidity � a comparison of 2 C-3 and 2 C-4 grass species. Plant Physiology,Vol. 71 (4), S. 789�796.

Morison, J.I.L., Gifford, R.M. (1984): Plant growth and water use with limitedwater supply in high CO2 concentrations. 1.Leaf-area, water-use and transpiration.Australian Journal of Plant Physiology, Vol. 11 (5), S. 361�374.

Moritz, K. (2007): Der Ein�uss des Klimawandels auf das Grundwasserregime desZartener Beckens aufgrund veränderter hydrologischer Randbedingungen. Diplomar-beit, Albert-Ludwigs-Universität Freiburg i. Br., Institut für Hydrologie.


Murray, M.B., Smith, R.I., Leith, I.D., Fowler, D., Lee, H.S.J., Friend, A.D.,Jarvis, P.G. (1994): E�ects of elevated CO2, nutrition and climatic warming on budphenology in Sitka Spruce (Picea-Sitchensis) and their impact on the risk of frostdamage. Tree Physiology, Vol. 14 (7-9), S. 691�706.

Nakicenovic, N.,Alcamo, J.,Davis, G., de Vries, B., Fenhann, J.,Gaffin, S.,Gregory, K., Grübler, A., Jung, T.Y., Kram, T., Rovere, E.L.L.,Michae-lis, L.,Mori, S.,Morita, T., Pepper, W., Pitcher, H., Price, L., Riahi, K.,Roehrl, A., Rogner, H.H., Sankovski, A., Schlesinger, M., Shukla, P.,Smith, S., Swart, R., Rooijen, S., Victor, N., Dadi, Z. (Hrsg.) (2000): Spe-cial Report on Emissions Scenarios, A special Report of Working Group III of theIntergovernmental Panel on Climate Change. Cambridge Univ. Press.

Nash, J.E., Sutcliffe, J.V. (1970): River �ow forecasting through conceptual mo-dels. PartI � A discussion of principles. Journal of Hydrology, Vol. 10 (3), S. 282�290.

Neilson, R.P. (1995): A model for predicting continental scale vegetation distributionand water balance. Ecological Applications, Vol. 5 (2), S. 362�385.

Neitsch, S.L., Arnold, J.G., Kiniry, J.R., Srinivasan, R., Williams, J.R.

(2004): Soil and Water Assessment Tool-Input/Output Documentation. USDA-ARSPublications, Version 2005.

Neitsch, S.L., Arnold, J.G., Kiniry, J.R., Williams, J.R. (2005): Soil and Wa-ter Assessment Tool-Theoretical Documentation. USDA-ARS Publications, Version2005.

Norby, R.J., Wullschleger, S.D., Gunderson, C.A., Johnson, D.W., Ceu-lemans, R. (1999): Tree responses to rising CO2 in �eld experiments: Implicationsfor the future forest. Plant Cell and Environment, Vol. 22 (6), S. 683�714.

Notaro, M., Vavrus, S., Liu, Z. (2007): Global vegetation and climate change dueto future increases in CO2 as projected by a fully coupled model with dynamicvegetation. Journal of Climate, Vol. 20 (1), S. 70�90.

Olioso, A., Chauki, H., Courault, D., Wigneron, J.P. (1999): Estimation ofevapotranspiration and photosynthesis by assimilation of remote sensing data intoSVAT models. Remote Sensing of Environment, Vol. 68 (3), S. 341�356.

Owensby, C.E., Coyne, P.I., Ham, J.M., Auen, L.M., Knapp, A.K. (1993): Bio-mass production in a tallgrass prairie ecosystem exposed to ambient and elevatedCO2. Ecological Applications, Vol. 3 (4), S. 644�653.

Polomski, J., Kuhn, N. (1998): Wurzelsysteme. Verlag Paul Haupt Bern, Stuttgart,Wien.

Rasse, D.P., Francois, L., Aubinet, M., Kowalski, A.S., Walle, I.V., Lai-tat, E., Gerard, J.C. (2001): Modelling short-term CO2 �uxes and long-term treegrowth in temperate forests with ASPECTS. Ecological Modelling, Vol. 141 (1-3),S. 35�52.


Richards, L.A. (1931): Capillary conduction of liquids in porous mediums. Physics,Vol. 1 (5), S. 318�333.

Rötzer, T., Grote, R., Pretzsch, H. (2004): The timing of bud burst and its e�ecton tree growth. International Journal of Biometeorology, Vol. 48 (3), S. 109�118.

Rutter, A.J., Morton, A.J., Robins, P.C. (1975): A predictive model of rainfallinterception in forests. II.Generalization of the model and comparison with observati-ons in some coniferous and hardwood stands. Journal of Applied Ecology, Vol. 12 (1),S. 367�380.

Saxe, H., Ellsworth, D.S., Heath, J. (1998): Tree and forest functioning in anenriched CO2 atmosphere. New Phytologist, Vol. 139 (3), S. 395�436.

Schaldach, R., Alcamo, J. (2006): Coupled simulation of regional land use changeand soil carbon sequestration: A case study for the state of Hesse in Germany. En-vironmental Modelling & Software, Vol. 21 (10), S. 1430�1446.

Shuttleworth, W.J., Wallace, J.S. (1985): Evaporation from sparse crops � anenergy combination theory. Quarterly Journal of the Royal Meteorological Society,Vol. 111 (469), S. 839�855.

Sitte, P., Kadereit, E.W., Bresinsky, A., Körner, C. (2002): Strasburger�Lehrbuch der Botanik. Spektrum Akademischer Verlag, 35. Au�.

Srinivasan, R., Ramanarayanan, T.S., Arnold, J.G., Bednarz, S.T. (1998):Large area hydrologic modeling and assessment � Part II: Model application. Journalof the American Water Resources Association, Vol. 34 (1), S. 91�101.

Stober, I. (1995): Die Wasserführung des kristallinen Grundgebirges. Ferdinand EnkeVerlag Stuttgart.

Stockle, C.O., Dyke, P.T., Williams, J.R., Jones, C.A., Rosenberg, N.J.(1992a): A method for estimating the direct and climatic e�ects of rising atmosphericcarbon dioxide on growth and yield of crops: Part II � Sensitivity analysis at threesites in the Midwestern USA. Agricultural Systems, Vol. 38 (3), S. 239�256.

Stockle, C.O., Williams, J.R., Rosenberg, N.J., Jones, C.A. (1992b): A me-thod for estimating the direct and climatic e�ects of rising atmospheric carbon di-oxide on growth and yield of crops: Part I � Modi�cation of the EPIC model forclimate change analysis. Agricultural Systems, Vol. 38 (3), S. 225�238.

Stricker, H., Brutsaert, W. (1978): Actual evapotranspiration over summer pe-riod in the �Hupsel Catchment�. Journal of Hydrology, Vol. 39 (1-2), S. 139�157.

Svendsen, H., Hansen, S., Jensen, H.E. (1995): Simulation of crop production,water and nitrogen balances in two german agroecosystems using the DAISY model.Ecological Modelling, Vol. 81 (1-3), S. 197�212.


Thompson, A.L., Gilley, J.R., Norman, J.M. (1993a): A sprinkler water dro-plet evaporation and plant canopy model.I. Model Development. Transactions of theAmerican Society of Agricultural Engineers, Vol. 36 (3), S. 735�741.

Thompson, A.L., Gilley, J.R., Norman, J.M. (1993b): A sprinkler water dro-plet evaporation and plant canopy model.II. Model Application. Transactions of theAmerican Society of Agricultural Engineers, Vol. 36 (3), S. 743�750.

Thornton, P.E., Law, B.E.,Gholz, H.L., Clark, K.L., Falge, E., Ellsworth,D.S., Golstein, A.H., Monson, R.K., Hollinger, D., Falk, M., Chen, J.,Sparks, J.P. (2002): Modeling and measuring the e�ects of disturbance history andclimate on carbon and water budgets in evergreen needleleaf forests. Agriculturaland Forest Meteorology, Vol. 113 (1-4), S. 185�222.

Tiktak, A., Bouten, W. (1992): Modelling soil water dynamics in a forested ecosys-tem. III: Model description and evaluation of discretization. Hydrological Processes,Vol. 6 (4), S. 455�465.

Tissue, D.T., Thomas, R.B., Strain, B.R. (1997): Atmospheric CO2 enrichmentincreases growth and photosynthesis of Pinus taeda: a 4 year experiment in the �eld.Plant Cell and Environment, Vol. 20 (9), S. 1123�1134.

Uhlenbrook, S. (1999): Untersuchung und Modellierung der Ab�uÿbildung in einemmesoskaligen Einzugsgebiet. Dissertation, Albert-Ludwigs Universität Freiburg i. Br.,Institut für Hydrologie.

Uhlenbrook, S. (2000): Scienti�c excursion to the Dreisam Basin�Southern BlackForest Mountains. Institut für Hydrologie, Freiburg.

van Dam, J.C. (2000): Field-scale water �ow and solute transport. SWAP model con-cepts, parameter estimation, and case studies. Dissertation, Wageningen Universität,Niederlande.

van Genuchten, M.T. (1980): A closed-form equation for predicting the hydraulicconductivity of unsaturated soils. Soil Science Society of America Journal, Vol. 44,S. 892�898.

Vetter, M., Wirth, C., Bottcher, H., Churkina, G., Schulze, E.D., Wutz-

ler, T.,Weber, G. (2005): Partitioning direct and indirect human-induced e�ectson carbon sequestration of managed coniferous forests using model simulations andforest inventories. Global Change Biology, Vol. 11 (5), S. 810�827.

von Wuehlisch, G., Krusche, D., Muhs, H.J. (1995): Variation in temperaturesum requirement for �ushing of beech provenances. Silvae Genetica, Vol. 44 (5-6), S.343�346.

Wang, Y.P., Jarvis, P.G. (1990): Description and Validation of an array model �MAESTRO. Agricultural and Forest Meteorology, Vol. 51 (3-4), S. 257�280.


Wechsung, F., Krysanova, V., Flechsig, M., Schaphoff, S. (2000): May landuse change reduce the water de�ciency problem caused by reduced brown coal miningin the state of Brandenburg? Landscape and Urban Planning, Vol. 51 (2-4), S. 177�189.

Wellpott, A., Imbery, F., Schindler, D., Mayer, H. (2005): Simulation ofdrought for a Scots pine forest (Pinus sylvestris L.) in the southern upper Rhineplain. Meteorologische Zeitschriften, Vol. 14 (2), S. 143�150.

Whitehead, D., Kelliher, F.M., Frampton, C.M., Godfrey, M.J.S. (1994):Seasonal development of leaf-area in a young, widely spaced Pinus-Radiata Donstand. Tree Physiology, Vol. 14 (7-9), S. 1019�1038.

Will, R.E., Teskey, R.O. (1997): E�ect of irradiance and vapour pressure de�cit onstomatal response to CO2 enrichment of four tree species. Journal of ExperimentalBotany, Vol. 48 (317), S. 2095�2102.

Williams, M., Rastetter, E.B., Fernandes, D.N., Goulden, M.L., Wofsy,

S.C., Shaver, G.R.,Melillo, J.M.,Munger, J.W., Fan, S.M.,Nadelhoffer,K.J. (1996): Modelling the soil-plant-atmosphere continuum in a Quercus�Acer standat Harvard forest: The regulation of stomatal conductance by light, nitrogen andsoil/plant hydraulic properties. Plant Cell and Environment, Vol. 19 (8), S. 911�927.

Woodward, F.I. (1987): Stomatal numbers are sensitive to increases in CO2 frompreindustrial levels. Nature, Vol. 327 (6123), S. 617�618.

Wullschleger, S.D., Norby, R.J., Gunderson, C.A. (1997): Forest trees andtheir response to atmospheric CO2 enrichment: A compilation of results. IN: L. H.Allen Jr and M. B. Kirkham and D. M. Olszyk and C. E. Williams (Hrsg.): Advan-ces in Carbon Dioxide E�ects Research, ASA Special Publication no. 61, AmericanSociety of Agronomy, Madison, WI, S. 79�100.

Ehrenwörtliche Erklärung:

Hiermit erkläre ich, dass die Arbeit selbständig und nur unter Verwendung der ange-gebenen Hilfsmittel angefertigt wurde.

Ort, Datum Unterschrift

Veränderungen des Transpirationsregimes im Klimawandel ... · Danksagung Ich danke Herrn Prof. Dr....

Documents

Transcript of Veränderungen des Transpirationsregimes im Klimawandel ... · Danksagung Ich danke Herrn Prof. Dr....