2. Daten und Methoden
Bodenchemische Daten
Regionalisierungen wurden in dieser Arbeit auf der Basis der
Daten der BZE I und der auf den Versuchsfl дchen des Projektverbundes
ENFORCHANGE (2007) erhobenen Daten
durchgefьhrt.
In den Jahren 1992–1997 wurde in Sachsen und Sachsen-
Anhalt eine Bodenzustandserhebung im Wald (BZE I) durchgefьhrt
(rAbEn et al. 2000). Als Referenzjahr der BZE I im
Gebiet der Dьbener Heide wird in dieser Arbeit das Jahr
1995 angenommen. Die bei der BZE I angewandten Methoden
der Gelдndeaufnahme und chemischen Analyse erfolgten
streng nach der in den 80er Jahren von den Mitgliedern
der Bund-/Lдnder-Arbeitsgruppe „BZE“ ausgearbeiteten Arbeitsanleitung
(BML 1990), wodurch eine ьberregional vergleichbare
und hochwertige Datenbasis erreicht werden
sollte (rAbEn et al. 2000). Im Rahmen des Projektverbundes
ENFORCHANGE (2007) sind im Jahr 2006 in der Dьbener
Heide Bodenprofi le an zwцlf reprдsentativ ausgewдhlten Versuchsfl
дchen (Kriterien: Substrat, Bestockung, Immissionsgradient;
friTz & mAKEsCHin 2007) bodenchemisch untersucht
worden. Die Probenahme erfolgte tiefenstufenweise nach
Arbeitsanleitung der BZE II (BMELV 2006), die bodenchemische
Analyse nach den Vorgaben des Handbuchs Forstliche
Analytik (BMELV 2005)
Auswahl des Datenkollektivs
Im Zuge der explorativen Datenanalyse wurden zunдchst
Korrelationsanalysen fьr den Gesamt-Datenbestand der
BZE I der Dьbener Heide erstellt (Kern- und AuЯenbereich =
grьne und blaue Inventurpunkte in Abb. 1). So konnte eine
relativ umfangreiche Datenbasis fьr statistische Analysen
einbezogen werden. Ziel dieser Arbeit war aber, speziell
Verдnderungstendenzen im Kerngebiet der Dьbener aufzuzeigen,
und wenn mцglich auch zu regionalisieren. Hierzu
war es nцtig, mit einer eingeengten Stichprobenauswahl
(blaue Inventurpunkte in Abb.1) aus dem engeren Umfeld der
Enforchange-Kernfl дchen der Dьbener Heide (rote Rechtecke
in Abb.1) zu arbeiten. Ein univariater Vergleich von bodenchemischen
ZustandsgrцЯen der BZE I, geplottet gegen
den (logarithmierten) Abstand der BZE-Inventurpunkte von
den nordwestlich gelegenen Hauptemittenten in Zschornewitz
und Bitterfeld, zeigte wesentlich straffere lineare Zusammenhдnge
fьr das Kerngebiet als fьr das erweiterte
Gebiet der Dьbener Heide (Abb. 2). Dies spiegelt die Bodenbelastung
durch Luftschadstoffe in der Vergangenheit im
Industrierevier Halle-Leipzig-Bitterfeld wider, die bis in einer
Entfernung von mindestens 25 km leewдrts von Bitterfeld
im Kerngebiet der Dьbener Heide besonders hoch ausfдllt
(vgl. bArOnius 1992, KOCH et al. 2002 b). Aus sachwissenschaftlichen
Erwдgungen macht es also Sinn, das BZE I
Datenkollektiv auf den engeren Bereich der Dьbener Heide
zu begrenzen. Problematisch ist dabei der geringe Stichprobenumfang
von 17 Beobachtungen, der zu gering zur Erstellung
aussagekrдftiger multipler Regressionsmodelle sein
kann. Im Untersuchungsgebiet der Dьbener Heide erwies er
sich aber als noch vertretbar, d. h. ausreichend hoch, da in
diesem Gebiet im Vergleich zu anderen Regionalisierungsstudien
auЯergewцhnlich starke (hinsichtlich partiellem RІ
und Signifi kanz) und klar interpretierbare Kovariablen (hinsichtlich
mцglicher Kausalitдt) gefunden werden konnten
(siehe Kap. Ergebnisse).
Abb. 1: Lage der Stichprobenpunkte in der Dьbener Heide; rot: Beprobung
in den ENFORCHANGE-Kernversuchsfl дchen im Jahr
2006; cyanblau: BZE I-Flдchen (1995) im engeren Kern der Dьbener
Heide; grьn: BZE I-Flдchen (1995) im AuЯenbereich der
Dьbener Heide.
Fig. 1: Location of the test plots in the region Dьbener Heide; red: soil
samplings from the experimental plots of the ENFORCHANGE
study in 2006; cyan blue: ICP Forest Level I-plots (BZE 1995)
within the central area of the Dьbener Heide; green: ICP Forest
Level I-plots (BZE 1995) on the periphery of the Dьbener
Heide.
pH-H2O 0–5 cm
3.61 – 3.82 4.42 – 5.18 Versuchsfl дchen (2005)
3.82 – 3.99 5.18 – 6.30 BZE-I (~1995, Kernbereich)
3.99 – 4.42 BZE-I (~1995, AuЯenbereich)
Waldцkologie, Landschaftsforschung und Naturschutz 8 (2009) 23
Regionalisierung der bodenchemischen Drift AFSV
Regionalisierungsverfahren
Zentraler Kern einer Regionalisierung ist die Entwicklung
sachlogisch begrьndeter Ьbertragungsregeln (um vom Punkt
zur Flдche gelangen zu kцnnen). Die Ьbertragung von Messdaten
auf die Landschaft ist dann mцglich, wenn es in der
explorativen Datenanalyse gelingt, signifi kante standцrtliche
Einfl ussfaktoren auf der Plotebene zu identifi zieren und diese
Einfl ussfaktoren auf der Landschaftsebene fl дchendeckend
digital vorhanden sind. Zur Beurteilung der Validitдt dieser
Ьbertragungsregeln ist der Einsatz geeigneter statistischer
Verfahren unabdingbar. Diese statistischen Verfahren stellen
im Regionalisierungsprozess aber auch die wesentliche
HilfsgrцЯe dar, um reale empirische Daten in wissenschaftliche
Aussagen (wie Theorien oder Hypothesen) zu ьberfьhren
(vgl. zi rlEWAgEn & vOn WilPErT 2004).
Regionalisierung der bodenchemischen Drift (1995–2006)
Die Modellierung rдumlicher und zeitlicher Einfl ьsse auf bodenchemische
Eigenschaften erfolgte in dieser Arbeit getrennt.
In einem ersten Arbeitsschritt wurde die rдumliche
Variabilitдt von pH und Basensдttigung der BZE I-Daten
analysiert und modelliert (statistische Analyse und Modellbildung
auf der Raumskala, Referenzzeitraum ~1995) und Prognosekarten
im GIS berechnet. Diese Karten wurden dann
mit den 12 Enforchange-Versuchsfl дchen verschnitten und
Korrelationen zwischen den modellierten BZE I-Daten des
Jahres 1995 und den bodenchemischen Messwerten des
Jahres 2006 berechnet. In der explorativen Datenanalyse
wurden die Abweichungen zwischen beiden Datensдtzen
kausalanalytisch und quantitativ analysiert. Im letzten Auswertungsschritt
wurden die bei dieser Residuenanalyse abgeleiteten
Algorithmen zur Regionalisierung bodenchemischer
Daten in der Dьbener Heide fьr das Jahr 2006 verwendet.
Durch Gegenьberstellung der Upscaling-Ergebnisse der
Jahre 1995 und 2006 lieЯ sich die bodenchemische Drift im
Modellgebiet regionalisieren und visualisieren.
Regionalisierung bodenchemischer Daten der BZE I
Zur Regionalisierung bodenchemischer ZustandsgrцЯen der
BZE I in der Dьbener Heide wurden multiple lineare Regressionsmodelle
erstellt, die mцglichst weitgehend die rдumliche
Variation der ZielgrцЯe (Basensдttigung, pH) aufklдren
sollten. Konventionelle Methoden der Geostatistik (Variogrammanalyse)
dienten i.d.R. nur noch der Prьfung der Unabhдngigkeit
und Zufallsverteilung der Residuen (zi rlEWAgEn
2003, zi rlEWAgEn et al. 2006). Ziel war hierbei, nur Prдdiktoren
zuzulassen, die in einem bodenkundlich sinnvollen Zusammenhang
zu der ZielgrцЯe stehen. (zi rlEWAgEn & vOn
WilPErT 2004). Zahl und Art der bei der Modellerstellung
verwendeten Prдdiktoren wurden an die in der zitierten Literatur
verwendeten angelehnt, wurden jedoch im Modellgebiet
individuell bestimmt. Die Optimierung der Gelдndemodelle
und die Modellgьte wurden fьr jedes Regionalisierungsmodell
anhand der statistischen KenngrцЯen Kollinearitдtsindex,
Toleranzindex, RMSE, RІ, partielles RІ der ins
Modell einbezogenen Prдdiktoren sowie anhand der Entwicklung
der statistischen KenngrцЯen wдhrend der schrittweisen
Anpassung des Modells dokumentiert. Ebenso wurden
anhand einschlдgiger statistischer Tests fьr die verwendeten
Prдdiktoren und die ZielgrцЯe (Basensдttigung, pH)
die Voraussetzungen fьr die Bildung multipler linearer Regressionsmodelle
geprьft und ggf. eine entsprechende
Transformation der Daten durchgefьhrt. Die Gьte der Regionalisierungsmodelle
wurde durch eingehende Fehleranalyse
ьberprьft. Dabei wurde auch die Autokorrelation berьcksichtigt.
Die Einhaltung der Voraussetzungen fьr die Anwendung
von Regressionsanalysen wurde ьber grafi sche Auswertungen
zu den Verteilungscharakteristika und Residuen sowohl
fьr die Prдdiktoren als auch das Gesamtmodell geprьft und
dokumentiert.
Abb. 2: pH-H2O-Werte der BZE I in 5 – 10 cm Tiefe im Verhдltnis zum logarithmierten Abstand der BZE-Inventurpunkte von den Hauptemittenten
in Zschornewitz und Bitterfeld fьr das engere Kerngebiet (links) und den erweiterten Einzugsbereich der Dьbener Heide (rechts); zur
Flдchenabgrenzung („Kerngebiet“ vs. „alle Daten“) s. Abb. 1.
Fig. 2: pH-H2O (BZE I-values) at 5– 10 cm depth plotted against the distance from main sources of industrial emissions in Zschornewitz and Bitterfeld;
left: only data from the central area; right: all data, including data from the periphery of the region Dьbener Heide (cf. Fig. 1).
AFSV Regionalisierung der bodenchemischen Drift
Bodenchemische Parameter weisen hдufig nichtsymmetrische,
schiefe Verteilungen auf. In den verschiedenen in dieser
Studie angepassten Modellen konnten durch Log-Transformierungen
schiefe Verteilungen reduziert und eine an die
Normalverteilung besser angepasste Verteilung erzielt werden.
Zur Ьberprьfung wurden deskriptive Statistiken, PP-,
QQ- und Boxplots verwendet. Multikollinearitдt wurde mit der
Korrelationsmatrix, den Toleranzwerten der Regressoren sowie
dem Konditionsindex ьberprьft. Zur Vermeidung der
Ьberparametrisierung wurde die Anzahl Regressoren in allen
Modellen begrenzt. Hierzu diente auch der schrittweise
Aufbau der multiplen Regressionsmodelle im sogenannten
STEPWISE-Verfahren (= schrittweiser Aufbau der Regression
mit Kovariablen, Prozedur REG; SAS Institute 1999).
Die Gьltigkeit von Linearitдt und Varianzgleichheit wurde
durch Residuenanalyse ьberprьft. Diese half zudem, AusreiЯer
auszumachen, die zu verzerrten Regressionsmodellen
fьhren kцnnen. Verfahren der konventionellen Statistik und
Variogrammanalysen wurden mit dem Programmpaket SAS/
STAT durchgefьhrt (SAS Institute 1990, Release 9.1.3).
Die mit SAS berechneten Regressionskoeffizienten wurden
halb automatisch in ArcView-GIS 3.3 eingelesen und zur
Berechnung der Prognosekarten mit Avenue-Skripten verwendet.
Alle Prognosekarten wurden in Form von ArcView-
Grids erzeugt. Dadurch, dass alle wesentlichen Schritte der
Modellerstellung skriptgesteuert erfolgten, konnten alternative
Modelle zur Plausibilitдtskontrolle zeitnah im GIS getestet
bzw. auch im Nachhinein leicht ьberprьft werden. Die
Berechnung der Prognosekarten erfolgte im 20 m-Raster,
der rдumlichen Auflцsung des zur Verfьgung stehenden digitalen
Gelдndemodells.