Zur Seitenansicht
 

Titelaufnahme

Titel
Forstliche Standortsmodellierung im Forstbetrieb Niederkreuzstetten / eingereicht von Rupert Wilhelm
VerfasserWilhelm, Rupert
GutachterKatzensteiner, Klaus ; Bauer, Thomas
Erschienen2014
UmfangV, 100 Bl. : [2] gef. Kt. ; Ill., graph. Darst., Kt.
HochschulschriftWien, Univ. für Bodenkultur, Masterarb., 2014
Anmerkung
Zsfassung in engl. Sprache
SpracheDeutsch
DokumenttypMasterarbeit
Schlagwörter (DE)Standortsmodellierung, Weinviertel, Brook90, R, Wasserhaushalt
Schlagwörter (EN)forest site modelling, Weinviertel, Brook90, R, water balance
Schlagwörter (GND)Kreuzstetten-Niederkreuzstetten / Forstrevier / Standort / Modellierung
URNurn:nbn:at:at-ubbw:1-8038 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Forstliche Standortsmodellierung im Forstbetrieb Niederkreuzstetten [6.99 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Ziel der Arbeit war die Erstellung einer forstlichen Standortstypenkarte als Bewirtschaftungsgrundlage für das Forstrevier Niederkreuzstetten (mit einer Fläche von rund 800 ha) der Firma ALWA, in Niederösterreich (Weinviertel). Eine klassische forstliche Standortskartierung ist zeitaufwändig und teuer. In der vorliegenden Arbeit wird daher eine Methode dargestellt, mit der terrestrisch erhobene Punktdaten, fernerkundliche Daten und ein mechanistisches Wasserhaushaltsmodell zur Ableitung flächendeckender forstlich relevanter Standortsinformationen verknüpft werden. Vor der Punktaufnahme erfolgte eine Stratifizierung des Geländes nach Naturnähe der Bestände, geologischer Einheit und Lage. Die Erhebung der Stichprobe fand anschließend entlang von Transekten (Catenen) statt. Um aus der Stichprobe räumliche Gruppen zu bilden, die analog zu Standortseinheiten gehandhabt werden können, und das Untersuchungsgebiet nach Unterschieden im Energie- und Wasserhaushalt zu beschreiben, wurden zusätzlich Attribute aus dem digitalen Geländemodell (Solarstrahlung, Topographic Wetness Index, Topographic Position Index) und der Normalized Difference Vegetation Index aus Farb-Infrarot-Luftbildaufnahmen (CIR) abgeleitet und eine Clusteranalyse durchgeführt. Mittels multinomischer logistischer Regression wurden in der Folge in R Modelle erstellt , mit denen über die Prädiktoren Hangneigung, transformierte Exposition und horizontale Krümmung für jede Rasterzelle die Gruppenzugehörigkeit errechnet wurde. Die vorhergesagte Zuordnungswahrscheinlichkeit für die 8 ermittelten Einheiten reicht von 0.01 bis 0.84. Schließlich wurde für die Standortseinheiten das hydrologische Modell Brook90 angewendet, um Wasserhaushaltsparameter und potentiellen Wasserstress für die Vegetation abzuleiten.

Zusammenfassung (Englisch)

The aim of this master thesis is a forest site mapping for the forest district Niederkreuzstetten (Company ALWA), to support silvicultural management. The investigated area encompasses 800 ha and is located in Lower Austria (region ‘Weinviertel). Classical forest site classification is often too expensive and time-consuming. For this reason we have conducted following approach: Point and remotely sensed data were combined with a mechanistic water balance model to obtain area-wide information that is meaningful for future forestry applications. At first the sampling was stratified by environmental gradients like natural forests, geological units and the aspect of the terrain. Afterwards soil attributes were collected on transects (catenae). Additional spatial groups, which can be treated as forest sites, are identified based on attributes derived from the digital terrain model (such as solar radiation, topographic wetness index and topographic position index); the normalized difference vegetation index was obtained from color infrared imagery. According to these attributes a cluster analysis was applied to determine differences in water balance and energy budget. With R the parameters slope, a radiation index and plan curvature were used in a multinomial logistic regression analysis to predict the area-wide distribution of the spatial groups for every raster cell. Altogether eight different spatial groups were identified. The predicted probabilities of the groups vary from 0.01 to 0.84. Finally the model Brook90 was applied to the groups (forest sites) which resulted water balance parameters and potential number of days with drought stress for vegetation.