Suche

    
Suche nur in dieser Rubrik

Erweiterte Suche

Kontakt

Dr. Jan Engel

zur LFE Homepage

Landeskompetenzzentrum Forst Eberswalde (LFE)

Alfred-Möller-Straße 1
16225 Eberswalde

Die waldwissen.net-App!

App Waldwissen

Waldwissen Newsletter

Unser Waldwissen-Newsletter informiert Sie vier, fünf Mal jährlich über spezielle Beiträge und Waldwissen-Aktivitäten.

Ihr E-Mail*

Artikel

Autor(en): Aline Wenning, Rainer Hentschel, Jens Schröder, Katrin Möller
Redaktion: LFE, Deutschland
Kommentare: Artikel hat 0 Kommentare
Bewertung: Zu Favoriten Druckansicht 83.3383.3383.3383.3383.33 (2)

Datenfriedhof oder Schatzkammer? Nutzungsmöglichkeiten für Waldschutz-Datenbestände in Brandenburg

Die Informationen aus dem langjährigen flächendeckenden Waldschutz-Überwachungssystem erzeugen große Datenmengen. Diese enthalten wichtige Informationen als Entscheidungsgrundlage für mögliche Maßnahmen zur Abwehr oder Minimierung von Waldschäden. Die Ansprüche bezüglich der Nutzung der verschiedensten Datengrundlagen steigen nicht nur in Bezug auf die immer umfassenderen Nachweispflichten (z. B. Pflanzenschutzmitteleinsatz).

Datenschätze müssen gehoben werden. (Zeichung: A. Wenning)
Datenschätze müssen aus den Schatzkammern gehoben werden. (Zeichnung: Lilith Adler, 2017)

1. Einleitung

Die immer komplexeren Fragestellungen in Bezug auf den Klimawandel und die zukünftige Bewirtschaftung der Wälder verlangen nach intelligenten Analysen. Voraussetzung hierfür ist ein konsistentes Datenmanagement, um dem Anspruch auf Nachhaltigkeit in Wissenschaft, Wirtschaft und Naturschutz gewachsen zu sein.

Die in der Hauptstelle Waldschutz des Landeskompetenzzentrums Forst Eberswalde (LFE) im Rahmen des Waldschutzmonitorings gesammelten Daten sind eine entscheidende Grundlage des Drittmittelprojekts "WAHYKLAS" (Waldklimafonds). Die Auswertungen stützen sich auf die vom Waldschutz-Team des LFE gesammelte umfangreiche Datenbasis, die gemeinsam mit der Forstpraxis erhoben wird. In Zusammenarbeit mit einem weiterem Waldklimafondsprojekt – "DSS-RiskMan", wurde eine einheitlich strukturierte und auch zukünftig nutzbare Datenbank aufgebaut. Diese wurde im PostgreSQL-Format geschaffen, die es unter anderem ermöglicht, die vorliegenden Daten direkt mit GIS-Software auswerten zu können. Informationen verschiedenster Datenbereiche fließen in die Auswertung mit ein, hierzu gehören Daten zum Standort und zur Witterung, Monitoringergebnisse, Fraßkartierungen und die Dokumentation der Anwendungen von Pflanzenschutzmitteln. Wichtige Grundlage sind auch die Bestandesdaten, die über den Datenspeicher Wald erfasst sind und flächendeckend den Brandenburger Wald beschreiben.

2. Daten und Methoden

Die umfangreichen Daten resultieren aus der terrestrischen bzw. satellitengestützten Fraß-Kartierung für Kiefern- und Eichen-Großschädlinge, der Winterbodensuche und den artspezifischen stufigen Überwachungsverfahren. Genutzt werden auch die Daten über Pflanzenschutzmitteleinsätze im Wald. Der Auswertungszeitraum bezieht sich auf die Jahre von 2002 bis 2016 (siehe Tab. 1).

Tab. 1: Datenbestand und Größenordnung der verschiedenen Beobachtungen.
(Zum Vergrößern bitte anklicken).
Datengrundlage der Untersuchung

2.1 Aufarbeitungen der Roh- bzw. Primärdatenbestände

Die Rohdaten aus den verschiedenen Quellen liegen in unterschiedlichen Formaten und Datentiefen vor. Voraussetzung für die weitere Verwendung der Daten war:

  • Lokalisierbarkeit der Daten in Bezug auf die Forstabteilungsadresse
  • Zuordnung der Daten auf ein Insekt bzw. eine Baumart
  • Herstellung der Eindeutigkeit im zeitlichen Bezug

Nur so ist es möglich die Waldschutzdaten im Zusammenhang mit Eigenschaften des Standortes, des Waldbestandes und des Ökosystems insgesamt zu betrachten.

2.2 Waldschutzmonitoringdaten

Die Brandenburger Waldbestände sind von regelmäßigen Gradationen der Kieferngroßschädlinge aber auch durch den Fraß von Schmetterlingsraupen an Eichen, wie Eichenprozessionsspinner oder Frostspanner bedroht. Das ist der Grund für umfangreiches Monitoring, dazu gehört auch die terrestrische Fraßkartierung der Kiefer. Seit 2008 wird diese Fraßkartierung auch bei der Eiche für den Eichenprozessionsspinner auf Abteilungsebene durchgeführt (Abb. 2).

Fraßkartierung Großschädlinge in Brandenburg
Abb. 2.: Darstellung der georeferenzierten Fraßereignisse in Brandenburg (links Kiefernbestände 2003-2016, rechts Eichenbestände 2008-2016). Die Waldfläche Brandenburgs ist hellgrün dargestellt.
(Zum Vergrößern bitte anklicken).

2.3 Daten über Pflanzenschutzmitteleinsätze

Das Waldschutz-Monitoring bildet die Entscheidungsgrundlage für den Einsatz von Pflanzenschutzmitteln (PSM) in Wäldern. Hier gilt die Prämisse des Bestandeserhalts und damit dem Erhalts der Waldfunktionen. Die Daten über die erfolgten PSM Einsätze sind in einer "PSM-Datenbank" für die Baumarten Kiefer und Eiche auf die Forstabteilung bezogen.

2.4 Bestandesdaten

Der Datenspeicher Wald in der Version 2 (DSW², LFB und LFMV 2015) ermöglicht es, die forstlich relevanten Informationen geographisch verortet abzufragen.

2.5 Standortsparameter und Wasserhaushaltsgrößen

In einer separaten Datenbank liegen Informationen zum forstlichen Standort vor, hier enthaltene Parameter beschreiben die potentielle Evapotranspiration, das pflanzenverfügbare Wasser und die nutzbare Feldkapazität.

2.6 Klimadaten und Klimaszenarien

Die in einer weiteren Datenbank enthaltenen Klimadaten basieren auf den Messwerten der DWD-Stationen in Brandenburg. Weiter stehen für die Auswertung zukünftiger Klimaereignisse und deren Bezug auf die Insektenkalamitäten drei Klimaszenarien (RCP 2.6, RCP 4.5 und RCP 8.5) zur Verfügung.

3. Ergebnisse und Diskussion

Ein Hauptergebnis des Projektes ist die Erstellung der "Waldschutz-Datenbank". Nach Abschluss der Datenaufbereitung erfolgte die Analyse möglicher Einflussfaktoren für das Auftreten der verschiedenen Großschädline.

3.1 Lokalisierbarkeit der Monitoring Daten

Für die Zusammenführung der Daten aus verschiedenen Quellen war es wichtig, sie in der Landschaftsebene zu lokalisieren. Die meisten Daten sind auf die forstliche Verwaltungsstruktur mit einer Forstadresse bezogen. Die Detailschärfe der unterschiedlichen Datenquellen ist hier zum Teil sehr variabel.

GIS-Auswertung Fraßgeschehen
Abb. 3.: Beispiel für die unterschiedlichen Bereiche der erhobenen Waldschutzmonitoringdaten zur Nonnen- und anschließenden Kiefernspinnergradation in der „Lieberoser Endmoräne“ in Südbrandenburg.
(Zum Vergrößern bitte an klicken).

Die Überwachungsdaten der Nonnenkalamität 2013 und des anschließenden Auftretens des Kiefernspinners 2014 in der Lieberoser Endmoräne verdeutlichen beispielhaft (Abb.3.), mit welchem Aufwand Monitoringdaten erhoben und zur Abschätzung des Gefährdungssituation herangezogen werden (Möller und Heinitz 2016).

Größe und Farbe der Symbole codieren die ermittelte Gefährdung entsprechend der Ampelfarben., die 2013 vom Nonnenfraß betroffenen und terrestrisch erfassten Abteilungen sind gelb, die vom Sensor RapidEye (Marx et al. 2015) identifizierten Flächen mit Nadelverlusten durch Kiefernspinner 2014 hellblau dargestellt.

Eine große Schwierigkeit bildeten die verschiedenen Strukturreformen der vergangenen 15 Jahre im Forstbereich (Änderung Forstadresse).

3.2 Variablenanalyse am Beispiel der Gemeinen Kiefernbuschhornblattwespe (Diprion pini L.)

Im Jahr 2016 kam es im Süden Brandenburgs zu massivem Herbstfraß durch die Gemeine Kiefernbuschhornblattwespe. Diese ist in der Lage unter bestimmten Bedingungen eine zweite Generation auszubilden.
Welche Schlüsselfaktoren den Massenwechsel beeinflussen ist nicht abschließend geklärt (Eichhorn 1991). Vermutet wird ein starker Einfluss der Witterung und der Tageslänge.

Tabelle 2: Ergebnisse des Verfahrens "Random Forest" zum Einfluss verschiedener Variablen im Datensatz (grün: Variablengruppe "modellierter Kiefernaustrieb", blau: Variablengruppe "Klima", orange: Variablengruppe "Waldeigenschaften inkl. Diversität", grau: Variablengruppe "Überwachungsdaten").

(Zum Vergrößern bitte klicken)

Variablengruppen der Einflussfaktoren

Für die Analyse der Einflussfaktoren wurden verschiedenste Variablengruppen aus den unterschiedlichen Datenbereichen gebildet und miteinander verglichen. Geprüft wurden über 900 Variablenkombinationen aus vier Variablengruppen. Die Datenanalyse erfolgte mittels "Random Forest" (Hentschel et al. 2016).

Erste Ergebnisse zeigen den starken erklärenden Einfluss von Klimavariablen auf das Auftreten von Fraßereignissen (Tab. 2). Im Besonderen die Temperatursummen um den modellierten Kiefernaustrieb (clim_tmean_leaf_pinus_sum_p7a7) und die Niederschlagssummen bis April (clim_rain_p04_sum) scheinen hohen Einfluss zu haben. Die Diversität der Baumarten auf 1000 ha (bu1000_div_sw_s) wirkt sich hemmend auf das Auftreten von Fraß aus (Shannon und Weaver 1949). Die Analyseergebnisse belegen, dass Diprion pini in sensiblen Entwicklungsphasen stark auf die Witterung reagiert.

4. Schlussfolgerung und Fazit

Die Ergebnisse der Drittmittelprojekte WAHYKLAS und DSS-RiskMan zeigen, dass es möglich ist, verschiedenste Datenquellen des LFE zusammenzuführen und diese Datenbestände für weitere Analyseschritte bereitzustellen. Erste Analyseschritte zeigen wichtige Einflussfaktoren für die Populationsdynamiken verschiedener Schadinsekten. Wichtig bleibt aber, dass die Überwachung der Gefährdungssituation in Brandenburger Waldbeständen - damit auch die Datenerhebung - fachlich qualifiziertes und quantitativ ausreichendes Personal erfordert.

Die mit hohem Einsatz gewonnenen Informationen dürfen nicht auf einem "Datenfriedhof" landen, der für zukünftige Analysen nicht mehr zugänglich ist.

5. Literatur

Eichhorn, O. (1991): Voltinismus und Schlüpfwellenfolge mitteleuropäischer Ökotypen der Kiefern-Buschhornblattwespe Diprion pini L. (Hym., Diprionidae), ihre Mechanismen und ihre Bedeutung für den Massenwechsel . – J.Appl. Ent. 112: 437-453.

Hielscher, K.; Engelmann, A. (2012): Operational monitoring of the nun moth Lymantriamonacha L. (Lepidoptera: Lymantriidae) using pheromone-baited traps – a rationalization proposal. Journal ofForest Science 58 (5): 225-233.

Marx, A.; Möller, K.; Wenk, M. (2015): RapidEye-Waldschutzmonitoring in Brandenburg. AFZ – Der Wald 11: 40-42.Möller, K. (2016). Der Kiefernspinner im NSG “Lieberoser Endmoräne” – Waldschutz-Risikomanagement mit Hindernissen in Brandenburg. Eberswalder Forstliche Schriftenreihe 62: 13-17.

Möller, K.; Heinitz, M. (2016): Waldschutz in Brandenburg – das Risikomanagement erfordert die Zusammenarbeit von Forst- und Naturschutzbehörden. Natur und Landschaftspflege in Brandenburg 1, 2: 30-39.

Schröder, J. (2017): Zwischenbericht "Waldhygienische Anpassungsstrategien für das steigende Potential von Schadorganismen in vulnerablen Regionen unter Berücksichtigung von Klimawandel und zunehmenden Restriktionen (WAHYKLAS)", Teilprojekt 4. Landeskompetenzzentrum Forst Eberswalde (LFE), unveröffentlicht.

Hentschel, R.; Wenning, A.; Schröder, J.; Möller, K. (2016): Vielfalt kontra Kahlfraß – Zum Einfluss der Bestandesstruktur auf die Fraßintensität der Nonne (Lymantria monacha L.) in Brandenburg. Eberswalder Forstliche Schriftenreihe 62: 69-76.

LFB und LFMV (2015): Datenspeicher Wald Version 2. Applikation und Walddatenbank des Landesbetriebs Forst Brandenburg (LFB) und der Landesforst Mecklenburg-Vorpommern – Anstalt des öffentlichen Rechts, Datenbank LFB, Potsdam.

R Core Team (2015): R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/.

Mehr auf waldwissen.net