GIS-gestützte Modellierung der räumlichen Verteilung der - E-LIB

Transcription

GIS-GESTÜTZTE MODELLIERUNG DER RÄUMLICHEN VERTEILUNG DER
VEGETATION IM TIDEBEREICH VON ÄSTUAREN UNTER DEN BEDINGUNGEN
EINER KLIMAÄNDERUNG MITTELS DER KLASSIFIKATIONS- UND
REGRESSIONSANALYSE (CART) AM BEISPIEL DER UNTERWESERVORLÄNDER
Dissertation zur Erlangung des Doktorgrades der Naturwissenschaften
vorgelegt von
Dipl.-Biol. Susanne Osterkamp
aus Kleve am Niederrhein
Universität Bremen
Fachbereich 2 Biologie/Chemie
April 2006
ERKLÄRUNG
Hiermit erkläre ich, dass ich
1. diese Arbeit ohne unerlaubte fremde Hilfe angefertigt habe,
2. keine anderen als die von mir angegebenen Hilfsmittel und Quellen benutzt habe und
3. die den benutzten Werken wörtlich oder inhaltlich entnommenen Stellen als solche kenntlich
gemacht habe.
04.04.2006
Susanne Osterkamp
DANKSAGUNG
Für die Unterstützung, die ich während meiner Promotionszeit erfahren habe, möchte ich allen, die
mir geholfen haben, herzlich danken!
Meinem Doktorvater Dr. Michael Schirmer danke ich für die Möglichkeit zur Mitarbeit im KLIMUProjekt, die Bereitstellung des Themas, seine inhaltliche und persönliche Unterstützung, die Betreuung
der Arbeit und die Übernahme des Referates. Prof. Dr. Gerd Weidemann danke ich für die
Übernahme des Korreferates. Auch meinen Prüfern Prof. Dr. Juliane Filser und Prof. Dr. JörgFriedhelm Venzke danke ich sehr.
Allen
Kollegen
und
Kolleginnen
des
BMBF-Forschungsprojektes
„Klimaänderung
und
Unterweserregion“, allen voran dem Projektleiter Dr. Schirmer, dem Projektkoordinator Dr.
Schuchardt und meinen Mitstreitern Dr. Dietmar Kraft und Steffan Wittig, danke ich für die gute Zeit
in unserem Projektteam. Nicht vergessen will ich meine Kollegen von der AG Aquatische Ökologie,
denen ich für die schönen gemeinsamen Jahre und die gute Atmosphäre danken möchte. Dr. Maya
Trapp und Dr. Stefan Trapp, Achim Lotz, Doris Bos und Frau E. Urban danke ich herzlich für das
Korrekturlesen. Dr. Katrin Urban und Dr. Sebastian Trapp danke ich für die ermunternden fachlichen
Diskussionen. Eike Frese, Dr. Frank Hellberg und Hermi Schröder danke ich für die schönen
Exkursionen an die Weser und ihre vegetationskundlichen Unterweisungen. Steffen Schwantz danke
ich für seine Beratung zum Thema Geodaten und den Dim Sums. Meinen Vorgesetzten und Kollegen
beim Senator für Bau, Umwelt und Verkehr danke ich für die Unterstützung meines
Promotionsvorhabens. Nicht zuletzt gilt mein herzlicher Dank Herrn Wosniok vom Fachbereich
Mathematik/Informatik, der mir bei den statistischen Analysen und Modellierungen mit CART in R
mit gutem Rat zur Seite stand.
Susanne Osterkamp
Inhalt
INHALTSVERZEICHNIS
TABELLENVERZEICHNIS
ABBILDUNGSVERZEICHNIS
TEIL I EINLEITUNG UND UNTERSUCHUNGSGEBIET
1
EINLEITUNG .................................................................................................................................1
1.1
Problemstellung ............................................................................................................... 1
1.2
Stand der Klimafolgenforschung .....................................................................................4
1.3
Das Forschungsprojekt „Klimaänderung und Unterweserregion“ (KLIMU) ................6
1.4
Zielsetzung, Aufgabenstellung und wissenschaftlicher Fortschritt ................................6
2
DAS UNTERSUCHUNGSGEBIET .............................................................................................. 10
2.1
Geografische Lage und Naturraum............................................................................... 10
2.2
Geogenese und Böden ....................................................................................................11
2.3
Nutzungsarten und Vegetation ..................................................................................... 13
2.3.1
Unterweser......................................................................................................................................13
2.3.2
Unterweservorland ........................................................................................................................14
2.4
Klima und Standortparameter........................................................................................ 15
TEIL II VORLANDVEGETATION UND STANDORTPARAMETER, DATENBASIS
UND METHODEN
3
VORLANDVEGETATION UND STANDORTPARAMETER................................................... 19
3.1
Standortparameter tidebeeinflusster Lebensräume....................................................... 19
3.1.1
3.1.1.1
Überflutung und Topografie ...................................................................................................................................20
3.1.1.2
Strömung....................................................................................................................................................................21
3.1.1.3
Lage der Trübungszone, Gewässergüte und Salinität..........................................................................................22
3.1.2
Standörtlicher Faktorenkomplex.................................................................................................23
3.1.2.1
Bodenfeuchte und Bodenart ...................................................................................................................................23
3.1.2.2
Standorttyp.................................................................................................................................................................24
3.1.2.3
Nutzungsart und -intensität.....................................................................................................................................24
3.1.3
Klimatischer Faktorenkomplex ...................................................................................................25
3.1.3.1
CO2-Konzentration ..................................................................................................................................................25
3.1.3.2
Temperatur.................................................................................................................................................................26
3.1.3.3
Strahlung, UV-B........................................................................................................................................................26
3.1.4
3.2
Hydrologischer Faktorenkomplex ..............................................................................................19
Biotischer Faktorenkomplex........................................................................................................27
3.1.4.1
Sukzession ..................................................................................................................................................................27
3.1.4.2
Verbreitungsmechanismen der Vegetation ...........................................................................................................28
Gliederungskonzepte der Vegetation ............................................................................ 28
3.2.1
Biotoptypen ....................................................................................................................................29
3.2.2
Pflanzengesellschaften ..................................................................................................................30
Inhalt
4
DATENBASIS ................................................................................................................................ 31
4.1
Szenarien........................................................................................................................ 32
4.1.1
Klimaszenario.................................................................................................................................32
4.1.2
Nutzungsszenarien ........................................................................................................................34
4.2
Projektdaten ................................................................................................................... 34
4.2.1
Digitales Geländemodell (DGM)................................................................................................35
4.2.2
Tidehoch- und Tideniedrigwasser...............................................................................................35
4.2.3
Salinität ............................................................................................................................................36
4.2.4
Sielzugzeiten und Meliorationswasserstände.............................................................................37
4.3
Literaturdaten ................................................................................................................ 38
4.3.1
Bodentyp und -feuchte .................................................................................................................38
4.3.2
Biotoptypenkartierung ..................................................................................................................38
4.4
Felduntersuchungen ...................................................................................................... 38
4.4.1
5
Aktuelle Vegetations- und Biotoptypenkartierung...................................................................38
METHODEN .................................................................................................................................40
5.1
Datenaufbereitung und –integration mit einem Geografischen Informationssystem .. 40
5.1.1
Datenaufbereitung der Standortparameter ................................................................................42
5.1.2
Datenintegration ............................................................................................................................43
5.2
5.1.2.1
Biotoptypen- und Bodeninformationen ................................................................................................................44
5.1.2.2
Hydrologische Informationen.................................................................................................................................44
5.1.2.3
Standorttypen und Flächennutzung .......................................................................................................................45
5.1.2.4
Ableitung einer Karte der Nutzungstypen ............................................................................................................46
Datenanalyse und Modellierungsverfahren ................................................................... 46
5.2.1
Deskriptive Statistik.......................................................................................................................47
5.2.2
Explorative Datenanalyse.............................................................................................................48
5.2.2.1
5.2.3
Parametrische und nicht-parametrische Verfahren..............................................................................................48
Klassifikations- und Regressionsbäume (CART) .....................................................................49
5.2.3.1
Eigenschaften des CART-Verfahrens....................................................................................................................50
5.2.3.2
Vorteile des CART-Verfahrens...............................................................................................................................50
TEIL III ERGEBNISSE UND DISKUSSION
6
ERGEBNISSE UND DISKUSSION: STATUS QUO-ANALYSE ................................................52
6.1
Deskriptive Datenanalyse und Flächenbilanzen ........................................................... 52
6.1.1
Hydrologischer Faktorenkomplex ..............................................................................................56
6.1.1.1
Topografie..................................................................................................................................................................56
6.1.1.2
Lage der Biotoptypen zum MThw .........................................................................................................................56
6.1.1.3
Festlegung einer THw-Linie....................................................................................................................................57
6.1.1.4
Überflutungsdauer ....................................................................................................................................................58
6.1.1.5
Salinität .......................................................................................................................................................................59
6.1.2
Standörtlicher Faktorenkomplex.................................................................................................61
6.1.2.1
Bodentyp ....................................................................................................................................................................61
6.1.2.2
Bodenfeuchte.............................................................................................................................................................62
Inhalt
6.2
6.1.2.3
Verschneidung unterschiedlicher Maßstabsbereiche ...........................................................................................64
6.1.2.4
Nutzungsart und -intensiät: Nutzungstypen .........................................................................................................64
6.1.2.5
Verwendung der Kategorie der Nutzungstypen...................................................................................................65
6.1.2.6
Standorttypen als Ergebnis der Nutzungsart und -intensität .............................................................................68
Zonierung und räumliche Verteilung der Vegetation der Unterweservorländer im
Status quo....................................................................................................................... 69
6.2.1
Naturnahes tidebeeinflusstes Vorland........................................................................................69
6.2.1.1
Röhrichte....................................................................................................................................................................69
6.2.1.2
Vegetationsloses Watt ..............................................................................................................................................70
6.2.2
Landwirtschaftlich genutztes, tidebeeinflusstes Vorland ........................................................70
6.2.2.1
Extensiv- und Feuchtgrünland................................................................................................................................70
6.2.2.2
Extensiv- und Intensivgrünland..............................................................................................................................71
6.2.2.3
Grünlandbrachen ......................................................................................................................................................72
6.2.3
Sommerbedeichte Vorlandbereiche............................................................................................72
6.2.3.1
Grasacker....................................................................................................................................................................73
6.2.3.2
Intensivgrünland .......................................................................................................................................................73
6.2.3.3
Extensivgrünland ......................................................................................................................................................73
6.2.4
Aufgespülte Vorlandbereiche ......................................................................................................74
6.2.5
Befestigte Uferabschnitte .............................................................................................................74
7
ERGEBNISSE UND DISKUSSION: MODELLIERUNG DER VEGETATION MIT
DEM VEGETATION-STANDORT-MODELL (VS-MODELL)...........................................................76
7.1
Modellbeschreibung ...................................................................................................... 76
7.1.1
Modellvariablen..............................................................................................................................77
7.1.2
Modellannahmen, Definition von Veränderung, Gültigkeitsbereich des VS-Modells,
Maßstab und Skalen ......................................................................................................................79
7.2
7.1.2.1
Modellannahmen.......................................................................................................................................................79
7.1.2.2
Definition des Begriffs „Veränderung“ .................................................................................................................80
7.1.2.3
Gültigkeitsbereich des VS-Modells ........................................................................................................................80
7.1.2.4
Maßstabs- und Skalenproblematik .........................................................................................................................81
Modellvalidierung .......................................................................................................... 82
7.2.1
Kreuzvalidierung............................................................................................................................83
7.2.2
Diskussion der Validierungsergebnisse ......................................................................................84
7.2.2.1
Validierungsergebnisse für die Nutzungstypen ....................................................................................................85
7.2.2.2
Validierungsergebnisse für die Biotoptypen .........................................................................................................85
7.2.2.3
Validierungsergebnisse für die aggregierten Biotoptypen ...................................................................................86
7.2.3
7.3
Aussagekraft der Validierungsergebnisse...................................................................................86
Modellanwendung unter den Bedingungen des Status quo ......................................... 87
7.3.1
Modellierung der Nutzungstypen für den Status quo..............................................................88
7.3.2
Modellierung der Biotoptypen für den Status quo...................................................................89
7.4
Modellanwendung unter den Bedingungen einer Klimaänderung............................... 92
7.4.1
7.4.1.1
Modellierung der Nutzungstypen unter den Bedingungen einer Klimaänderung ..............93
Modellierung der Nutzungstypen unter den Bedingungen einer Klimaänderung mit Nutzungsszenario 194
Inhalt
7.4.1.2
Modellierung der Nutzungstypen unter den Bedingungen einer Klimaänderung mit Nutzungsszenario 295
7.4.1.3
Fazit: Modellierung der Nutzungstypen unter den Bedingungen einer Kimaänderung.................................95
7.4.2
Modellierung der Biotoptypen unter den Bedingungen einer Klimaänderung................. 100
7.4.2.1
Modellierung der Biotoptypen unter den Bedingungen einer Kimaänderung mit Nutzungsszenario 1....101
7.4.2.2
Modellierung der Biotoptypen unter den Bedingungen einer Klimaänderung mit Nutzungsszenario 2 ..106
7.4.2.3
Fazit: Modellierung der Biotoptypen unter den Bedingungen einer Klimaänderung...................................109
7.4.3
Bedeutung morphologischer Veränderungen des Unterweservorlandes infolge einer
Klimaänderung............................................................................................................................ 114
7.5
Zonierung und räumliche Verteilung der Vegetation der Unterweservorländer infolge
einer Klimaänderung ....................................................................................................116
7.5.1
Veränderung der Vegetation infolge einer Klimaänderung mit Nutzungsszenario 1...... 116
7.5.1.1
Tidebeeinflusstes Vorland .....................................................................................................................................116
7.5.1.2
Sommerbedeichte Vorlandbereiche .....................................................................................................................117
7.5.1.3
Aufgespülte Vorlandbereiche................................................................................................................................118
7.5.1.4
Befestigte Uferabschnitte.......................................................................................................................................119
7.5.2
Veränderung der Vegetationszusammensetzung infolge einer Klimaänderung mit
Nutzungsszenario 2 .................................................................................................................... 119
7.5.3
Exkurs I: Auwaldentwicklung................................................................................................... 120
7.5.4
Exkurs II: Neophyten ................................................................................................................ 121
8
ZUSAMMENFASSENDE DISKUSSION UND AUSBLICK ..................................................... 123
8.1
Zusammenfassende Diskussion .................................................................................. 123
8.1.1
Gültigkeitsbereich des VS-Modells.......................................................................................... 124
8.1.2
Eignung der verwendeten Klassifikationsverfahren und Maßstabsbereiche..................... 125
8.1.3
Auswahl der wesentlichen für die Modellierung geeigneten Standortparameter ............. 126
8.1.4
Aussagekraft des VS-Modells: Modellvalidierung ................................................................. 127
8.1.5
Eignung des CART-Verfahrens: Einstufung der Validierungsergebnisse......................... 129
8.1.6
Plausibilitätsprüfung des VS-Modells: Modellierung des Status quo ................................. 129
8.1.7
Bewertung der Modellergebnisse: Auswirkungen einer Klimaänderung auf die
Vorlandvegetation der Unterweser .......................................................................................... 131
8.1.8
Relevanz der Modellergebnisse: Bedeutung morphologischer Veränderungen des
Unterweservorlandes infolge einer Klimaänderung.............................................................. 132
8.1.9
9
Bewertung und Übertragbarkeit des VS-Modells .................................................................. 134
8.2
Ausblick: Das VS-Modell als ein Instrument des vorsorgenden Handelns ................ 135
8.3
Resümee....................................................................................................................... 136
ZUSAMMENFASSUNG............................................................................................................... 139
TEIL IV LITERATUR UND ANHANG
10
LITERATUR ................................................................................................................................ 143
11
ANHANG .........................................................................................................................................I
Inhalt
TABELLENVERZEICHNIS
Tab. 1:
Tab. 2:
Tab. 3:
Tab. 4:
Tab. 5:
Tab. 6:
Tab. 7:
Tab. 8:
Tab. 9:
Tab. 10:
Tab. 11:
Tab. 12:
Tab. 13:
Klimaszenario 2050, Region Bremen: Übersicht über die aus dem Modell
ECHAM4/OPYC3 nach v. STORCH et al. (1998) berechneten Klimaparameter CO2,
Temperatur, Niederschlag, Windgeschwindigkeit und windbedingter Tidehochwasserstand.
Ausgabe der Werte als Mittelwert pro Quartal beginnend mit Dezember. Bezugszeitraum
1961 - 1990. Ableitungen des Meeresspiegelanstiegs aus IPCC (2001) „business as usual“ und
„high estimate“, Tabelle nach SCHUCHARDT & SCHRIMER (2005).............................................33
Übersicht über die in die räumliche und quantitative statistische Analyse und die
Modellierung eingehenden Parameter..............................................................................................43
Übersicht über die für die qualitative Standortanalyse verwendeten Parameter und Gutachten
..............................................................................................................................................43
Die drei anhand des Tiedeeinflusses und der Topografie charakterisierten Standorttypen des
Untersuchungsgebietes .......................................................................................................................46
Übersicht über die sieben verschiedenen im Untersuchungsgebiet vorkommenden
Nutzungstypen (verändert nach DIERSCHKE 1994) ......................................................................46
Übersicht über die für die tabellarische und grafische Darstellung zusammengefassten
Biotoptypen in alphabetischer Reihenfolge und die kartierten Biotoptypen des
Unterweservorlandes mit Beschreibung nach v. DRACHENFELS (1994) ...................................53
Flächenanteile der Biotoptypen (für die tabellarische Übersicht zu größeren Einheiten
zusammengefasst) im Status quo (in alphabetischer Reihenfolge) des Vorlandes der
Unterweser in ha und % .....................................................................................................................54
Einstufung der Bodenkundlichen Feuchtestufe (BKF, aus MÜLLER 1997) .............................64
Flächenanteile der verschiedenen Vorlandtypen im Status quo: Tidebeeinflusstes Vorland
ohne Wattflächen, Sommerpolder und Spülfeld in ha und %......................................................68
Übersicht über die Ergebnisse der symmetrischen Kreuzvalidierung für die abhängigen
Variablen Nutzungstyp, kartierte Biotoptypen und aggregierte Biotoptypen. Die
Fehlklassifikationsrate und die korrekte Klassifikationsrate sind in % angegeben (Zahl der für
die abhängigen Variablen berechneten Klassen in Klammern) ...................................................85
Gegenüberstellung der Flächenanteile der für den Status quo abgeleiteten Nutzungstypen
und der mit dem VS-Modell für den Status quo prognostizierten Flächenanteile der
Nutzungstypen in ha und % ..............................................................................................................89
Gegenüberstellung der Flächenanteile der aggregierten Biotoptypen, s. Anhang Tab. A11 (für
die tabellarische Darstellung zu größeren Einheiten zusammengafasst, s. Tab. 6) im Status
quo und ihrer für den Status quo mit dem VS-Modell prognostizierten Flächenanteile in ha
und % ....................................................................................................................................................91
Übersicht über die für die Modellierung der Nutzungstypen und Biotoptypen verwendeten
Standortparameter ...............................................................................................................................92
Inhalt
ABBILDUNGSVERZEICHNIS
Abb. 1:
Abb. 2:
Abb. 3:
Abb. 4:
Abb. 5:
Abb. 6:
Abb. 7:
Abb. 8:
Abb. 9:
Abb. 10:
Abb. 11:
Abb. 12:
Abb. 13:
Abb. 14:
Abb. 15:
Schritte der Modellbildung, Schema des Ablaufplanes zur Ableitung des Prognosemodells
zur Modellierung der räumlichen Verteilung der Vorlandvegetation (nach MÜLLER et al.
1996, verändert) .....................................................................................................................................8
Deutsche Bucht und die Unterweser: Das Untersuchungsgebiet, das Vorland der
Unterweser, liegt zwischen Bremen und Bremerhaven im Nordwesten Deutschlands (Quelle
um Beschriftungen ergänzt aus dem World Wind-Programm der NASA:
http://worldwind.arc.nasa.gov) ........................................................................................................10
Das Unterweservorland zwischen Bremen und Bremerhaven mit Sommerpoldern,
tidebeeinflusstem Vorland und Spülfeldern, den Landkreisen Wesermarsch, Cuxhaven und
Osterholz und der Unterweser ..........................................................................................................18
Für bestimmte Pegelpunkte (Unterweserkilometer) zwischen Elsfleth und Bremerhaven
gemessene und im Längsverlauf der Unterweser modellierte Salzgehalte im Status quo (Sq)
und für das Klimaszenario (Ks) für ausgewählte niedrige (ca. 140 m³/s), mittlere (ca.
350 m³/s), hohe Oberwasser (ca. 1100 m³/s) und daraus berechnete Mittelwerte für die
Referenzjahre 1991 und 1994 (n = 305), (Modellierung des TP Unterwesersimulation) ........37
Schematische Übersicht über die Vorgehensweise bei der Datenintegration in das GIS und
bei der Modellierung der Biotoptypen und Nutzungstypen mittels des VS-Modells auf Basis
des CART-Verfahrens (Diagramm verändert nach DUTTMANN 1999) .....................................47
Beispielhafte Darstellung eines mit dem CART-Verfahren für die Prognose der Biotoptypen
berechneten Entscheidungsbaumes (Ausschnitt)...........................................................................51
Biotoptypenverteilung (für die grafische Darstellung zu größeren Einheiten
zusammengefasste Biotoptypen) der Unterweservorländer im Status quo zwischen Bremen
und Bremerhaven ................................................................................................................................55
Mittelwerte und Standardabweichungen der Höhenlagen der Biotoptypen (für die grafische
Darstellung zu größeren Einheiten zusammengefasst) im Status quo bezogen auf das MThw.
Differenz aus Höhen und MThw der Jahre 1991 und 1994 [m] NN, ohne Berücksichtigung
der Sommerpolder, Quelle: Teilprojekt Unterwesersimulation, a)= Bolboschoenus maritimus,
b)= Phragmites australis .........................................................................................................................57
Mittlere tägliche Überflutungsdauer der Biotoptypen (für die grafische Darstellung zu
größeren Einheiten zusammengefasst) in Stunden pro Tag im Status quo (ohne
Berücksichtigung der Sommerpolder) auf Basis des MThw und MTnw der Jahre 1991 und
1994, Quelle: Teilprojekt Unterwesersimulation. a)= Bolboschoenus maritimus, b)= Phragmites
australis ...................................................................................................................................................59
Mittlere Salzkonzentration [psu] der Jahre 1991 und 1994 für repräsentative Oberwasser
bezogen auf die Biotoptypen (für die grafische Darstellung zu größeren Einheiten
zusammengefasst) im Status quo (ohne Berücksichtigung der Sommerpolder, Quelle:
Teilprojekt Unterwesersimulation. a)= Bolboschoenus maritimus, b)= Phragmites australis)...........61
Flächenanteile der Biotoptypen (für die grafische Darstellung zu größeren Einheiten
zusammengefasst) im Status quo in ha bezogen auf die im Untersuchungsgebiet
vorkommenden Bodentypen, aus NLFB (1999) ............................................................................62
zusammengefasst) im Status quo in ha bezogen auf die im Untersuchungsgebiet für die
anstehenden Bodentypen angegebenen Bodenkundlichen Feuchtestufen (BKF), aus NLFB
(1999) .....................................................................................................................................................63
vorkommenden Nutzungstypen........................................................................................................65
Räumliche Verteilung der Nutzungstypen der Unterweservorländer im Status quo zwischen
Bremen und Bremerhaven .................................................................................................................67
vorkommenden Standorttypen Sommerpolder, Tidevorland und Spülfeld...............................68
Inhalt
Abb. 16: Schematische Übersicht über die bei der Modellierung berücksichtigten Standortparameter
(weiß hinterlegt) und nicht berücksichtigen Standortparameter (grau hinterlegt) zur
Vorhersage der Biotoptypen (weiß hinterlegt und grau umrandet) und der Nutzungstypen
(weiß hinterlegt und grau umrandet). Die mit gestrichelten Pfeilen gekennzeichneten
Zusammenhänge können innerhalb des Modells nicht berücksichtigt werden.........................79
Abb. 17: Schema des symmetrischen Testes nach der Methode der Kreuzvalidierung ...........................83
Abb. 18: Gegenüberstellung der anhand des VS-Modells modellierten Flächenanteile der
Nutzungstypen des Untersuchungsgebietes in ha im Status quo und infolge einer
Klimaänderung (Klimaszenario) mit Nutzungsszenario 1 und Nutzungsszenario 2 ...............93
Abb. 19: Modellierte räumliche Verteilung der Nutzungstypen der Unterweservorländer zwischen
Bremen und Bremerhaven infolge einer Klimaänderung mit Nutzungsszenario 1..................96
Abb. 20: Übersicht über zu erwartende Veränderungen der Verteilung der Nutzungstypen der
Unterweservorländer zwischen Bremen und Bremerhaven infolge einer Klimaänderung mit
Nutzungsszenario 1 im Vergleich zum Status quo.........................................................................97
Bremen und Bremerhaven infolge einer Klimaänderung mit Nutzungsszenario 2..................98
Nutzungsszenario 2 im Vergleich zum Status quo.........................................................................99
Abb. 23: Gegenüberstellung der anhand des VS-Modells modellierten Flächenanteile der aggregierten
Biotoptypen s. Anhang Tab. A11 (die für die grafische Darstellung zu größeren Einheiten
zusammengafasst wurden) des Untersuchungsgebietes in ha im Status quo und infolge einer
Klimaänderung (Klimaszenario) mit Nutzungsszenario 1 und Nutzungsszenario 2 (Röhricht
> MThw = Röhricht über MThw, Röhricht < MThw = Röhricht unter MThw) ................ 101
Abb. 24: Repräsentativer Ausschnitt des Untersuchungsgebietes: Gegenüberstellung der Biotoptypenverteilung des Status quo und der Biotoptypenverteilung infolge einer Klimaänderung für
Nutzungsszenario 1 für den nördlichen Teil des Harrier Sandes und die Strohauser Plate
(aggregierte Biotoptypen s. Anhang Tab. A11) ........................................................................... 102
Abb. 25: Repräsentativer Ausschnitt des Untersuchungsgebietes: Gegenüberstellung der Biotoptypenverteilung des Status quo und der Biotop-typenverteilung infolge einer Klimaänderung für
(aggregierte Biotoptypen s. Anhang Tab. A11) ........................................................................... 106
Abb. 26: Modellierte räumliche Verteilung der Biotoptypen (aggregierte Biotoptypen s. Anhang Tab.
A11, die für die grafische Darstellung zu größeren Einheiten zusammengafasst wurden) der
Nutzungsszenario 1.......................................................................................................................... 110
Abb. 27: Übersicht über zu erwartende Veränderungen der Biotoptypenverteilung der
Nutzungsszenario 1 im Vergleich zum Status quo...................................................................... 111
Nutzungsszenario 2.......................................................................................................................... 112
Abb. 29: Übersicht über zu erwartende Veränderungen der Verteilung der Biotoptypen der
Nutzungsszenario 2 im Vergleich zum Status quo...................................................................... 113
Teil I - Einleitung
1
1.1
1
EINLEITUNG
Problemstellung
Von den Auswirkungen einer möglichen Klimaänderung sind Küstenregionen und Ästuare unmittelbar
betroffen (SCHUCHARDT & SCHIRMER 2005, BENISTON et al. 1998, JELGERSMA 1994). Als Ästuar ist
der gesamte unter Tideeinfluss stehende Bereich eines ins Meer mündenden Flusses definiert. Ändert
sich das Klima, ist mit einem Anstieg des Meeresspiegels und in der Folge mit einer Erhöhung des
Tidehochwassers und einer Zunahme der Häufigkeit des Auftretens von Extremereignissen, wie
Sturmfluten, zu rechnen (IPCC 2001). Verschieben sich die Mittelwerte der hydrologischen Größen
und der Temperatur langfristig, hat dies auch direkten Einfluss auf die Vegetation der küstennahen
tidebeeinflussten Vorlandlebensräume, die Bodenbildung, die Mineralisation und den Stoff- und
Nährstoffhaushalt (NICHOLLS et al. 1999). Die ökologischen Auswirkungen einer Klimaänderung
können vor allem dann gravierend sein, wenn landseitige Rückzugsgebiete durch Flussausbau und
Bedeichung kaum zur Verfügung stehen (STERR 1998, SCHIRMER 1996, SCHIRMER 1994).
Funktion und Charakteristik tidebeeinflusster Lebensräume
Ästuare stellen Übergangszonen zwischen limnischen und marinen Ökosystemen dar und erfüllen
wichtige ökologische Regulations-, Habitat- und Produktionsfunktionen (LOZÁN & KAUSCH 1996).
Hier vollzieht sich ein regelmäßiger, intensiver Austausch von Wasser, gelösten und festen Stoffen und
Organismen. Ausgedehnte Röhrichte, Seegras- und Salzwiesen haben dabei die Funktion
biochemischer Filter für Nährstoffe und Puffer für Energieeinträge bei Überflutungsereignissen.
Sedimentationsprozesse finden vor allem innerhalb strömungsberuhigter, mit Vegetation bewachsener
Zonen statt. Während der Überflutungsperioden lagern sich die in der Tidewelle suspendierten
Schweb- und Nährstoffe auf dem Vorland ab. Der organische Detritus dient als Substrat für
Mikroorganismen für Mineralisations- und Bodenbildungsprozesse. Flussunterläufe sind daher
hochproduktive Habitate (DAY et al. 1989) und stellen wichtige Aufwuchs- und Lebensräume für
Fische und Makrozoobenthos dar. Das große Nährstoffangebot wird auch von mit dem Flutstrom
einwandernden marinen Fisch- und Krebsarten genutzt.
Kennzeichnend für den tidebeeinflussten Lebensraum Ästuar ist eine von Jahr zu Jahr unterschiedliche
Saisonalität und Ausprägung der hydrologischen und klimatischen Faktoren (GRABEMANN et al. 1999)
sowie eine hohe räumliche und zeitliche Dynamik (BARNES 1974). Neben dem zwei Mal täglich
wiederkehrenden Wechsel von Ebbe und Flut kommt es vor allem in niederschlagsreichen Jahren zu
jahreszeitperiodischen Überflutungen. Die Effekte von Sturmfluten können, überwiegend gegen Ende
des Winters und bei ungünstigen Wetterlagen oder Windrichtungen, durch das gleichzeitige Auftreten
großer Oberwasserabflüsse aus dem Flusseinzugsgebiet noch verstärkt werden. Aus gewässer- und
auenökologischer
Sicht
sind
solche
Hochwässer
natürliche
Ereignisse.
Für
die
von
Teil I - Einleitung
2
Überschwemmungen betroffenen Bewohner flussnaher Gebiete stellen sie dagegen Katastrophen dar.
Extremereignisse wie Sturmfluten, hohe oder niedrige Oberwasserabflüsse innerhalb eines Jahres und
Hitze oder Frostereignisse können Dominanzverhältnisse und Bestandsdichten der Tier- und
Pflanzengesellschaften stark verändern. Davon am stärksten betroffen sind Populationen mit langen
Generationszeiten und Vegetationstypen in späten Sukzessionsstadien wie beispielsweise Auwälder
(SCHIRMER 1996). Unter natürlichen oder naturnahen Bedingungen sind die tidebeeinflussten Ufer der
Ästuare gemäßigter Breiten häufig durch eine mehr oder weniger scharfe Zonierung oder durch
Übergänge von Vegetationseinheiten des offenen Wassers über amphibische Vegetation bis hin zu
terrestrischer Vegetation charakterisierbar (HEJNY & SEGAL 1998). Dabei stellt der Wechsel von
Trockenfallen und Überflutung den entscheidenden ökologischen Standortparameter für die ufernahen
Lebensgemeinschaften der Vorlandbereiche dar (DISTER 1996). Die vorlandtypischen Pflanzenarten
sind weitgehend an die herrschenden täglichen, saisonalen und interannuellen Streuungen der
hydrologischen Parameter und der Klimaparameter angepasst und verfügen über Strategien zur
Aufrechterhaltung oder Neuetablierung ihrer Populationen.
Ursachen und mögliche Folgen einer Klimaänderung
Unter dem Begriff Klima wird im Allgemeinen die langfristige Ausprägung des Wetters verstanden
(HUPFER 1998). Die Variabilität des Klimas wird dabei durch langjährige Messreihen und den daraus
errechneten Maßzahlen wie Mittelwerte, Extremwerte und Häufigkeitsverteilungen meteorologischer
Klimaelemente beschrieben. Dazu gehören die Parameter Lufttemperatur (2 m Höhe über Grund),
Niederschlagshöhe, Luftdruck, Wind, Strahlungsenergie, Wolkenbedeckung und die Konzentrationen
verschiedener
Gase
und
Spurenstoffe
in der
Atmosphäre,
die
Sonnenscheindauer,
das
Reflexionsvermögen der Oberfläche und weitere zusammengesetzte Größen (HANTEL 2005) Der
Klimabegriff wird häufig für verschiedene Maßstabsebenen verwendet: Man spricht von globalem oder
Weltklima,
von
Makroklima
(bezogen
auf
Weltregionen),
von
Regionalklima
(z.B.
für
Norddeutschland) und vom Mikroklima (bezogen auf einzelne Pflanzenbestände). Prozesse und
Zustände, die das Klima bedingen, aufrechterhalten und verändern, werden allgemein als
Klimafaktoren bezeichnet. Klimafaktoren sind unter anderem die Sonnenstrahlung, die Land-MeerVerteilung und die Größe und Lage der Landmassen über dem Meeresspiegel. Das Klima einer Region
wird von der allgemeinen Zirkulation der Atmosphäre und des Ozeans bestimmt, bei der Luftmassen
und
Meeresströmungen
Energieaustausch
unterschiedlicher
gewährleisten.
Temperatur
Verschiebungen
des
den
so
globalen
Wärmetransport
und
genannten
Luftdruckgürtels
und
Intensivierungen oder Abschwächungen der ozeanischen Energietransporte können erhebliche
regionale Klimaänderungen hervorrufen (HUPFER & SCHÖNWIESE 1998, STEINRÜCKE 1998).
Ursachen für eine Änderung des Klimas werden vielfach in Veränderungen der atmosphärischen und
ozeanischen Zyklen gesehen, die wiederum durch die Zyklen der Erdbahn, die Neigung der Erdachse
und die Zyklen der Sonnenaktivität beeinflusst werden. Darüber hinaus wird das Klima auch durch
Teil I - Einleitung
3
den „Treibhauseffekt“ und die Erhöhung der UV-B-Strahlung aufgrund der Verringerung der
stratosphärischen Ozonschicht beeinflusst (IPCC 2001). In den vergangenen 250 Jahren wurde durch
die Verbrennung fossiler Brennstoffe und die Veränderungen der Landnutzung und Landwirtschaft
(MOISIER 1998) eine Zunahme der Konzentration von Kohlendioxid um 30 %, von Methan um
145 % und von Stickstoffoxid um 15 % verzeichnet (ROECKNER 1998). Gleichzeitig konnte
nachgewiesen werden, dass die mittlere Oberflächentemperatur der Erde seit Mitte des letzten
Jahrhunderts um ca. 0,6° C angestiegen ist (IPCC 2001, HUPFER & SCHÖNWIESE 1998). Dabei besteht
eine
enge
statistische
Korrelation
zwischen
der
Zunahme
der
globalen
mittleren
Oberflächentemperatur der Erde und der anthropogen verursachten Zunahme der klimawirksamen
Gase (NICHOLLS 2000, WOODWELL et al. 1998, TOL & DE VOS 1998, HÄGER et al. 1998).
Mögliche hydrologische Folgen einer Klimaänderung betreffen neben der Beschleunigung des
Meeresspiegelanstieges und der Erhöhung des Tidehoch- und –niedrigwassers sowie des Tidenhubs
vor allem die Zunahme der Häufigkeit des Auftretens von Extremereignissen (IPCC 2001, SCHIRMER
1996). Eine veränderte Hydro- und Morphodynamik innerhalb des Ästuars hat neben einem
veränderten Gehalt an gelösten Stoffen und einer Veränderung der Sedimentation durch die
Verlagerung der Brackwasserzone und des Trübungsmaximums landeinwärts (GRABEMANN et al.
1999) auch direkte und indirekte Auswirkungen auf Flora und Fauna: Beispielsweise können höhere
Niederschläge zu Auswaschungen von Nährstoffen und zu mehr Erosion durch Zunahme der
Strömungsgeschwindigkeit bei starken Oberwassern führen. Vor allem höhere Winter- und
Sommertemperaturen können Stoffwechselprozesse verstärken und sowohl die Produktion (z.B.
Biomassezunahme) als auch die Konsumption (Auf- und Abbau organischer Substanz) sowie die
Mineralisationsprozesse im Boden verändern. Erhöhte Temperaturen und eine Verlängerung der
Verweilzeiten des Wasserkörpers können zu Veränderungen des Sauerstoffhaushaltes und zu
Nährstofffreisetzung und Eutrophierung im Ästuar führen und die Gewässergüte beeinflussen (IPCC
2001,
GRABEMANN
et
al.
1999).
Durch
Temperaturerhöhungen
können
sich
Dominanzverschiebungen und Veränderungen des Artenspektrums innerhalb von Flora und Fauna
vollziehen (BEUKEMA & BROUNS 1990). Zum Beispiel kann es zu einer Verschiebung der
Verbreitungsgrenzen von Pflanzen und Tieren (v. WESTERNHAGEN 1998, 1993) und zu einem
erhöhten Anteil von Neozoen (SCHUCHARDT et al. 1999) und Neophyten (BRANDES & SANDER 1995,
TABACCHI 1995) kommen. Der Verlust endemischer Populationen und litoraler Biozönosen könnte
die Folge sein (BEST et al. 1993, BOER & DE GROET 1990).
Bei der Betrachtung möglicher ökologischer Folgen einer Klimaänderung müssen auch die
anthropogen veränderten Eigenschaften eines Ästuars berücksichtigt werden. Die Wirkung und die
Ausprägung der hydrologischen Größen auf die Struktur und die Lebensgemeinschaften von Ästuaren
hängen nicht nur von klimatischen Veränderungen, sondern auch stark vom Grad und der Intensität
der
Nutzung
ab:
Flussausbauten
zur
Schiffbarmachung,
Eindeichungen
und
künstliche
Teil I - Einleitung
4
Ufersicherungen führen zu deutlichen Veränderungen der flusstypischen Morphodynamik und der
räumlichen Strukturvielfalt von Ästuaren (SCHIRMER 1996). Als Folge verändern sich die
hydrologischen
Parameter
wie
Tidenhub,
Größe
des
tidebeeinflussten
Bereichs,
Strömungsgeschwindigkeit, Lage der Brackwasserzone, Verweilzeiten des Wasserkörpers und die
Gewässergüte. Der Ausbau von Ästuaren zu Schifffahrtsstraßen und auch die Landwirtschaft und
Freizeitnutzung von Vorlandbereichen haben bereits vielfach zum Verlust ökologischer Funktionen
und zum Rückgang auentypischer Lebensräume und Vegetation, wie beispielsweise Auwäldern und
Röhrichten, beigetragen (CLAUS et al. 1998, CLAUS et al. 1994a, SCHIRMER 1994).
1.2
Stand der Klimafolgenforschung
Dass der Mensch Anteil an der Veränderung der klimabestimmenden Eigenschaften der Atmosphäre
hat und somit Einfluss auf das Klima selbst nimmt, wird inzwischen kaum mehr bezweifelt
(GÖNNERT et al. 2004, SÜNDERMANN et al. 2001, WUEBBLES et al. 1999, KARL & TRENBERTH 1999).
Weltweit erforschen Wissenschaftler in Afrika (HULME et al. 2001, MAGADZA 2000), Asien (ALI 1996),
Europa (HULME & CARTER 2000, ZEIDLER 1997, KWADIJK & ROTMANS 1995) und Amerika
(NOVACECK & CLELAND 2001), teilweise unterstützt durch das Klimaforschungsprogramm der USamerikanischen Regierung (USGCRP - United States Global Change Research Program:
http://www.usgcrp.gov/usgcrp/nacc/default.htm), die möglichen Folgen der globalen Erwärmung
und eines steigenden Meeresspiegels (SMITH & LAZO 2001, BOESCH et al. 2000, HULME et al. 1999).
Die Forschungen zielen darauf ab, die sozio-ökonomischen Folgen für die Bevölkerung und die
Staaten der betroffenen Regionen der Erde abzuschätzen. Deshalb werden unter anderem die
Auswirkungen auf die Wasserressourcen (FEDDEMA & FREIRE 2001, JACKSON et al. 2001), auf die
Nahrungsmittelproduktion (ROTTER & VAN DE GEIJN 1999, BACHELET & GAY 1993) und den
landwirtschaftlichen Ertrag (KARING et al. 1999, ROUNSEVELL et al. 1999), auf die Forstwirtschaft
(GREGORY & INGRAM 2000, HANSON & WELTZIN 2000) und die menschliche Gesundheit (PATZ et
al. 2000, REITER 2001) untersucht (IPCC 2001). Dahinter steht das Bestreben, unter dem Aspekt der
Vorsorge eventuelle Gefahren zu erkennen und Strategien zur Vermeidung oder Abmilderung der
möglichen Klimafolgen entwickeln zu können (IPCC 2001, SCHERAGA & GRAMBSCH 1998).
Ein weiterer Fokus der internationalen Forschung liegt auf der Abschätzung der Folgen einer
Klimaänderung für die direkt von einem Meeresspiegelanstieg betroffenen Küstenökosysteme und
Küstenlebensräume (NICHOLLS 2000, TITUS & NARAYANAN 1996, JELGERSMA et al. 1993), in denen
derzeit ca. zwei Drittel der Weltbevölkerung leben. In Untersuchungen der weltweiten Auswirkungen
eines klimainduzierten Meeresspiegelanstiegs auf Küstenökosysteme geht beispielsweise NICHOLLS et
al. (1999) von einem Rückgang der Salzmarschen und der tidebeeinflussten Feuchtgebiete und
Röhrichtzonen von insgesamt bis zu 25 % bis zum Jahr 2080 aus. Unter Berücksichtigung weiterer
Faktoren, wie Landverbrauch und Urbanisierung, kann künftig sogar von einem Verlust von 40 % bis
50 % dieser Lebensräume ausgegangen werden.
Teil I - Einleitung
5
Die Schwerpunkte der ökologischen und ökophysiologischen Untersuchungen von Küstenregionen
und Ästuaren liegen auf der Analyse der autökologischen und populationsökologischen Folgen für
einzelne Tierarten (Fische, Makrozoobenthos: ENGLE & SUMMERS 1999, Vögel: ZALAKEVICIUS &
ZALAKEVICIUS 2001) und Pflanzenarten (SHORT & NECKLES 1999) sowie der Abschätzung der
Veränderung oder des Verlustes von besonderen Küstenökosystemen wie Salzmarschen (MATAMALA
& DRAKE 1999), Mangroven (ELLISON & FARNSWORTH 1996) und Korallenriffen (KNOWLTON
2001). In den USA (EPA: http://yosemite.epa.gov/oar/globalwarming.nsf/content/index.html) und
Europa (HULME & CARTER 2000) werden speziell für die Küstengebiete und Ästuare die
regionalspezifischen klimatischen Verhältnisse und ökosystemaren Klimaeffekte modelliert. Die
Abschätzung der Klimasensitivität betroffener Arten, die Reaktion der Ökosysteme und mögliche
Veränderungen oder Verluste von Habitaten stehen dabei im Vordergrund der Forschungen, wie sie
beispielsweise für die gesamte Ostküste der Vereinigten Staaten (NAJJAR et al. 2000, MICHENER et al.
1997), aber auch in Europa, z.B. für das Ebro-Delta in Spanien (SANCHEZ et al. 1996), das Tagus
Ästuar in Portugal (SIMAS et al. 2001) oder das Unterweserästuar (VAGTS et al. 2000) durchgeführt
wurden. Als methodisches Instrumentarium zur Abschätzung der Klimafolgen und der Ableitung
möglicher Reaktionsstrategien werden in einigen Forschungsprogrammen, beispielsweise für die
Atlantikküste der USA (LASSITER et al. 2000) oder für die Nordseeinsel Sylt (DASCHKEIT & SCHOTTES
2002) von den globalen
Klimamodellen abgeleitete, regionalisierte
Klimaszenarien unter
Berücksichtigung von Wasserständen, Temperatur, CO2-Konzentration, Niederschlag etc. verwendet.
Die Mehrzahl der Studien in den Niederlanden, Südamerika oder Kanada beschränkt sich allerdings
auf
die
Untersuchung
der
Auswirkungen
verschiedener
Szenarien
eines
künftigen
Meeresspiegelanstiegs und auf die Analyse der räumlichen und zeitlichen Auswirkungen eines
veränderten Überflutungsregimes (VAN WIJNEN & BAKKER 2001, MORTSCH 1998, OLIVO DELOURDES 1997, NOEST 1991). Dabei dienen ökologische und hydrologische Modelle dazu, die
Entwicklung oder die ökophysiologische Reaktion meist einzelner Spezies aufgrund sich verändernder
klimatischer Umweltbedingungen zu modellieren (SIMAS et al. 2001, PRIMACK 2000, SANCHEZ et al.
1996). Zur Integration der Daten und zur Darstellung und Visualisierung der räumlichen und
zeitlichen Veränderungen werden vielfach bereits Geografische Informationssysteme (GIS, s. Kap. 5.1)
eingesetzt (DASCHKEIT & SCHOTTES 2002, SIMAS et al. 2001, VAGTS et al. 2000, POTTER &
KLOOSTER 1999, EL-RAEY et al. 1999, ZEIDLER 1997, HOBBS 1994).
Die weltweiten Studien zielen darauf ab, über die Abschätzung der ökologischen Folgen einer
Klimaänderung hinaus (LASSITER et al. 2000, NAJJAR et al. 2000, NICHOLLS et al. 1999, MICHENER et
al. 1997) regionale Gegenmaßnahmen, beispielsweise für den Küstenschutz, zu erarbeiten (DASCHKEIT
& SCHOTTES 2002, IPCC 2001, VAGTS et al. 2000, WATERMAN et al. 1998). Dabei ist zu
berücksichtigen, dass die bisher gemachten Prognosen über das Ausmaß und die Geschwindigkeit des
Klimawandels nach wie vor mit großen Unsicherheiten behaftet sind (TRIACCA 2001) und stark von
den jeweiligen lokalen Gegebenheiten abhängen (JONES 1994).
Teil I - Einleitung
6
Im Hinblick auf die Prävention möglicher Gefahren durch eine Klimaänderung gilt es daher,
Reaktionsstrategien zu entwickeln und die Sensitivität der Ästuare und Küstenregionen Deutschlands
gegenüber Veränderungen der klimatischen Verhältnisse zu erforschen (v. LIEBERMAN et al. 2005,
SCHIRMER & SCHUCHARDT 2005, DASCHKEIT & SCHOTTES 2002, SÜNDERMANN et al. 2001, VAGTS
et al. 2000).
1.3
Das Forschungsprojekt „Klimaänderung und Unterweserregion“ (KLIMU)
Die vorliegende Arbeit ist eingebunden in das interdisziplinäre Forschungsprojekt „Klimaänderung
und Unterweserregion“ (KLIMU), das im Rahmen des Klimafolgenforschungsprogramms der
Bundesregierung „Klimaänderung und Küste“ in den Jahren 1997 bis 2000 vom BMBF und der Freien
Hansestadt Bremen gefördert wurde. Innerhalb dieses Projektes wurde auf breiter wissenschaftlicher
Basis die Sensitivität des Natur-, Lebens- und Wirtschaftsraumes Unterweserregion gegenüber einer
Klimaänderung untersucht (KNOGGE & ELSNER 2005, KÖNIG & WITTIG 2005, KRAFT et al. 2005,
KRAFT 2004, KRAFT & SCHIRMER 2001, SCHUCHARDT & SCHIRMER 2005, OSTERKAMP et al. 2001,
OSTERKAMP & SCHIRMER 2000, KÖNIG et al. 2000). Dabei wurde ein regionalisiertes Klimaszenario
für das Jahr 2050 berechnet und Veränderungen der Klimaparameter Temperatur, CO2, Niederschlag,
Tidewasserstände und Windverhältnisse modelliert (SCHIRMER 2005). Das verwendete Klimaszenario
(Kap. 4.1) ist nicht mit einer Klimaprognose zu verwechseln, da weder Aussagen über
Eintrittswahrscheinlichkeiten und absolute Werte gemacht werden noch auf der vorhandenen
Datengrundlage möglich sind (SCHIRMER & SCHUCHARDT 1999).
Die Datenbasis des KLIMU-
Projektes sowie der vorliegenden Arbeit umfasst die Jahre 1988 bis 1994.
1.4
Zielsetzung, Aufgabenstellung und wissenschaftlicher Fortschritt
Ziel der vorliegenden Arbeit ist es, die möglichen Effekte einer Klimaänderung auf die
Vorlandvegetation von Ästuaren Norddeutschlands am Beispiel der Unterweser abzuschätzen. Die
prinzipielle Frage, der nachgegangen wird, lautet: Was würde geschehen, wenn eine Klimaänderung,
wie sie innerhalb des Klimaszenarios formuliert wird, unmittelbar auf die heutigen Gegebenheiten und
Bedingungen des Unterweserraumes träfe? Dazu wird in einem ersten Schritt ein Vegetation-StandortModell (VS-Modell) erarbeitet, das die komplexen Zusammenhänge zwischen der Vegetation und den
Standortparametern für große bis mittlere Maßstabsbereiche vereinfacht darstellen kann. In einem
zweiten Schritt werden die Vegetationsveränderungen infolge einer Klimaänderung auf der Basis
behördlicher zur Verfügung stehender Standortdaten flächendeckend modelliert. Die Modellierung
erfolgt mit Hilfe des für ökologische Modellierungen inzwischen vor allem in den USA häufig
eingesetzten parameterfreien statistischen Verfahrens der Klassifikations- und Regressionsbäume
(Classification and Regression Trees, CART, Kap. 5.2.3, MUNOZ & FELICISMO 2004, BREIMAN et al.
1984). Als Datengrundlage zur Darstellung der Vegetation dienen flächendeckend vorliegende
Teil I - Einleitung
7
Biotoptypeninformationen aus der Kartierung zur Vertiefung der Unterweser (KURZ & KÜVER 1991),
die an den Kartierschlüssel des Niedersächsischen Landesamtes für Ökologie (v. DRACHENFELS 1994)
angepasst wurden. Die modellierten Standortparameter wie Überflutungshöhen, Überflutungsdauern,
Salzkonzentrationen, Bodenfeuchten, Bodentypen, Standorttypen und Nutzungsarten stammen aus
dem Forschungsprojekt „Klimaänderung und Unterweserregion“, liegen in Form von metrischen und
ordinalen Vektor- und Punktdaten vor und wurden für die Integration in ein GIS (Geografisches
Informationssystem ArcView, ESRI, Kap 5.1) aufbereitet. Das verwendete CART-Verfahren basiert
auf einem Entscheidungsmodell, das die Beziehungen zwischen Standortparametern und den
verschiedenen Biotoptypen in Form von Wenn/Dann Aussagen analysiert. Anhand dieses Modells
können die Verteilungsmuster der Vegetation abhängig von räumlich unterschiedlich wirkenden
Gradienten, wie beispielsweise dem Tidewasserstand, simuliert werden, wobei die verschiedenen
Gradienten hierarchisch angeordnet werden können (MÜLLER 1992, O'NEILL et al. 1986). Das Modell
berechnet dabei Wahrscheinlichkeiten des Auftretens eines Biotoptyps für jede einzelne Fläche
aufgrund der zugehörigen charakteristischen Kombination der verschiedenen Standortparameter. Die
mit CART gewonnen Modellergebnisse, mit denen in Kombination mit einem GIS die räumliche
Verteilung der Biotoptypen modelliert und dargestellt werden kann, werden mit der Methode der
Kreuzvalidation (Kap. 7.2.1) überprüft. Die Validierung ermöglicht es, Aussagen zur Modellgüte zu
treffen und anhand der Abweichungen der Modellergebnisse von den realen Werten Fehler in den
Ausgangsdaten sowie den zugrunde gelegten Hypothesen aufzudecken und gegebenenfalls zu
korrigieren (MÜLLER 1999, BRECKLING & REICHE 1996, MÜLLER et al. 1996). In Abbildung 1 sind die
Schritte der Modellbildung schematisch dargestellt.
Aufgabenstellung
Nachfolgend sind die innerhalb der vorliegenden Arbeit behandelten Aufgabenstellungen
zusammenfassend dargestellt:

Die Entwicklung eines methodischen Konzeptes zur Datenauswahl, Datenaufbereitung und
Datenintegration
für
bereits
vorhandene
regionale
und
topografische
Daten
Norddeutschlands bezogen auf den Lebensraum Ästuar am Beispiel der Unterweser, für
große bis mittlere Maßstabsbereiche.

Die GIS-gestützte deskriptive Analyse des Zusammenhanges zwischen abiotischen
Standortparametern und der Merkmalsausprägung der Vorlandvegetation auf der Ebene von
flächendeckend vorliegenden Biotoptypen- und Standortinformationen.

Die Entwicklung und Validierung eines Vegetation-Standort-Modells auf Basis des CARTVerfahrens.

Die
Modellierung
der
Vegetationsverteilung
Berücksichtigung verschiedener Nutzungsszenarien.
infolge
einer
Klimaänderung
unter
Teil I - Einleitung
8
Problemstellung: Prognose
Definition Modellzweck:
Definition von Maßstab und
der Vegetation infolge einer
Modellierung von
Komplexität
Klimaänderung
Vegetationsveränderungen
Problemlösung:
Anwendungsorientiertes
Prognosemodell
Definition der
Datenrelationen und
-anforderungen
Prognose der Vegetation
aufgrund veränderter
Standortparameter
Definition abhängige und
Test: Auswahl der Variablen
unabhängige Variablen
Durchführung der
Datenkalibrierung und der
Validierung
Auswahl des Modelltyps
Statistisches Verfahren:
CART
Abb. 1: Schritte der Modellbildung, Schema des Ablaufplanes zur Ableitung des Prognosemodells zur
Modellierung der räumlichen Verteilung der Vorlandvegetation (nach MÜLLER et al. 1996,
verändert)
Die vorliegende Arbeit geht der Frage nach, wie sich die aktuelle Vorlandvegetation in Abhängigkeit
von den im Klimaszenario zugrunde gelegten Bedingungen, vor allem in Bezug auf einen
beschleunigten Meeresspiegelanstieg (CHURCH et al. 2001), verändern könnte. Unter dem Aspekt der
Vorsorge liegt der Fokus der Arbeit somit auf der Untersuchung und der Modellierung des
Zusammenhanges zwischen Standort und Merkmalsausprägung der Vegetation unter heutigen
topografischen Bedingungen. Eine klimabedingte Veränderung der Morphologie und Topografie der
Unterweser und ihrer Vorländer kann nicht bearbeitet werden, denn zur quantitativen und inhaltlichen
Beschreibung
morphologischer
und
topografischer
Veränderungen
fehlen
raumbezogene
Informationen, auf deren Grundlage das Ausmaß und die Art der zu erwartenden morphologischen
Veränderungen prognostiziert werden könnten. Die Bedeutung möglicher morphologischer
Veränderungen wird in Bezug auf das VS-Modell in den Kapiteln 7.4.3 und 8.1.8 diskutiert.
Teil I - Einleitung
9
Wissenschaftlicher Fortschritt
Die Modellierung der Vegetationsveränderung für den Lebensraum Unterweser wird für ein
Untersuchungsgebiet mit einer Fläche von über 50 km² durchgeführt. Bisherige Ansätze zur
Abschätzung von Vegetationsveränderungen in der Bundesrepublik Deutschland berücksichtigen
kleinere
Untersuchungsräume
von
wenigen
Hektar,
wie
z.B.
einzelne
Vorland-
oder
Vordeichsabschnitte von Flussläufen (BUNDESANSTALT FÜR GEWÄSSERKUNDE 2003, SCHILLINGER
2002, VAGTS 2000, BUNDESANSTALT FÜR GEWÄSSERKUNDE 1998), beziehen sich innerhalb Europas
regional überwiegend auf die Analyse des Vorkommens und die Gefährdung einzelner Pflanzenarten
besonderer Lebensräume, wie beispielsweise der Salzmarschen oder Mangroven (SIMAS et al. 2001,
PRIMACK 2000, SANCHEZ et al. 1996) oder stellen grobe Abschätzungen für ganze Küstenregionen dar
(NAJJAR et al. 2000, MICHENER et al. 1997). Dagegen liegen in den Vereinigten Staaten und in Kanada
bereits Studien vor, die die Klimasensitivität der Vegetation verschiedener Ästuare und der Großen
Seen auf breiter Basis analysieren, um zu qualitativ und quantitativ flächendeckenden Aussagen
möglicher zu erwartender Veränderungen der Vegetation zu kommen (LASSITER et al. 2000, MORTSCH
1998). Die vorliegende Untersuchung ergänzt die nationale und internationale Klimafolgenforschung
(DASCHKEIT & SCHOTTES 2002, VAN WIJNEN & BAKKER 2001, SIMAS et al. 2001, HULME & CARTER
2000, NICHOLLS 2000, VAGTS et al. 2000, OLIVO DE-LOURDES 1997, TITUS & NARAYANAN 1996,
NOEST 1991, EPA: http://yosemite.epa.gov/oar/globalwarming.nsf/content/index.html, JELGERSMA
et al. 1993, USGCRP: http://www.usgcrp.gov/usgcrp/nacc/default.htm), indem unter dem Aspekt
der Vorsorge eine flächendeckende Abschätzung möglicher Klimafolgen für die Vegetation des
gesamten Lebensraumes Ästuar am Beispiel der Unterweser vorgenommen wird. Die Ergebnisse der
Arbeit tragen zu einer Verbesserung der Kenntnis der Standort-Wirkungszusammenhänge für die
Vorlandvegetation von Ästuaren Norddeutschlands bei. Darüber hinaus wird hiermit ein validiertes,
anwendungsorientiertes Verfahren zur Modellierung der Vegetation auf der Grundlage vorhandener
regionaler und topografischer Daten zur Verfügung gestellt.
Teil I - Untersuchungsgebiet
2
2.1
10
DAS UNTERSUCHUNGSGEBIET
Geografische Lage und Naturraum
Die Unterwesermarsch ist dem „Naturraum Watten und Marschen“ zuzuordnen (v. DRACHENFELS
1994) und liegt im Norddeutschen Raum im nordwestlichen Teil des Elbe-Weser-Dreiecks (MEISEL
1969). Die Marsch ist eine flache, offene Landschaft ohne größere Gehölzanteile. Landwirtschaftlich
wird sie überwiegend als Grünland genutzt. Charakteristisch für diesen Landschaftstyp ist das
engmaschige und weit verzweigte Grabennetz, das neben der Hutefunktion für das Vieh vor allem der
Regulation der Zu- und Entwässerung der Flächen dient. Die Unterweser, zwischen Bremen und
Bremerhaven gelegen, durchfließt die Wesermarsch von Süden nach Norden und mündet schließlich
in die Deutsche Bucht (Abb. 2). Als das Vorland der Unterweser wird der tidebeeinflusste Auenbereich
des
Naturraumes
Unterwesermarsch
bezeichnet.
Das
Unterweservorland
schließt
alle
Überflutungsräume ein, sowohl die regelmäßig tidebeeinflussten als auch solche, die durch
Sommerdeiche geschützt nur selten von Hochwasserereignissen betroffen sind (s. Kap. 2.3). Das
Untersuchungsgebiet (Abb. 3) umfasst eine Fläche von über 50 km².
Abb. 2: Deutsche Bucht und die Unterweser: Das Untersuchungsgebiet, das Vorland der Unterweser,
liegt zwischen Bremen und Bremerhaven im Nordwesten Deutschlands (Quelle um
Beschriftungen
ergänzt
aus
dem
World Wind-Programm
der
NASA:
http://worldwind.arc.nasa.gov)
2.2
11
Geogenese und Böden
Das Aller-Weser-Urstromtal entstand während der Saale Eiszeit (vor ca. 240.000 bis 125.000 Jahren)
durch das Abfließen der am Eisrand austretenden Schmelzwässer (BEHRE 1994). Die so entstandene
Erosionsrinne lenkte die Weser aus ihrer ursprünglichen West- in eine Nordrichtung um und ließ den
bis heute aktiven Weserlauf über Nienburg, Verden und Bremen nach Bremerhaven entstehen (STREIF
1993).
In der folgenden Eem Warmzeit (vor ca. 125.000 bis 115.000 Jahren) stieg der Nordseespiegel mit
einer mittleren Rate von etwa 4 m pro Jahrhundert extrem rasch an und erreichte in seiner
Maximalausdehnung etwa die heutige Küstenkonfiguration. In der sich anschließenden letzten Eiszeit,
dem Weichselglazial (vor ca. 115.000 bis 10.000 Jahren), stießen die skandinavischen Eismassen
schließlich nur noch bis zur Elbe vor. Der Meeresspiegel der Nordsee lag in diesem Zeitraum um mehr
als 45 m unter dem heutigen Niveau.
Der Mündungsbereich der Unterweser wie auch die gesamte Küstenregion waren im nachfolgenden
Holozän auf Grund der nacheiszeitlichen Meeresspiegelschwankungen erheblichen Veränderungen
unterworfen: Zu Beginn der Nacheiszeit verlief die Küstenlinie noch nördlich der Doggerbank in der
heutigen südlichen Nordsee. Durch das Abschmelzen der Eismassen stieg der Meeresspiegel dann
relativ rasch an und die Nordsee drang nach Süden vor. Seit dem Atlantikum (vor ca. 7.500 Jahren)
wurden durch starke Meerestransgressionen mit durchschnittlichen Raten von 2,1 m pro Jahrhundert
nach dem Abschmelzen des Inlandeises marine, brackige und fluvilale Sedimente in einer Mächtigkeit
von wenigen dm bis 20 m über pleistozänen Schichten abgelagert (STREIF 1993). Die Marschbildung
setzte in den ufernahen Gebieten des Meeres und der Flussmündung ein, die durch die Tide
regelmäßig überflutet wurden: Abhängig von Strömung und Morphologie sedimentierte der
mitgeführte Schlick, Schlickton, Schlicksand und Sand, und es kam im Laufe der Zeit zu einer
Erhöhung der Marsch. Ufernah bildete sich auf diese Weise mehr oder weniger sandiges Hochland,
während sich weiter entfernt eher schlickige Sedimente ablagerten und das heute tiefer gelegene
Sietland bildeten. Sturmfluten und Hochwässer trugen zum Anwachsen der Uferwälle bei. Es
entstanden auch relativ trockene Standorte, die schließlich mit Baumvegetation aus Ulmen, Eichen und
Eschen besiedelt wurden. In tiefer gelegenen Gebieten entstand dagegen eine amphibische Landschaft
mit Gezeitenrinnen, Altwässern und einer Sumpf-Vegetation mit Erlen und Weiden (STREIF 1993).
Die Landschaftsentwicklung der Region wird seit ca. 8.000 Jahren stark von einem
Meeresspiegelanstieg geprägt. Ein relativ schnell steigender Meeresspiegel verlagerte die Küstenlinie im
Laufe der Zeit landeinwärts und schuf so einen Stauraum, der von den verfügbaren Sedimenten
zunächst nicht vollständig aufgefüllt werden konnte (BEETS 1995). Erst vor ca. 6.000 bis 5.000 Jahren,
als der Meeresspiegelanstieg sich verlangsamte, konnten die entstandenen Wattbuchten und Lagunen
wieder mit Sedimenten aufgefüllt werden und ein zusammenhängender Strandwall entstehen, der die
12
Küstenniederung gegen die See abriegelte. Der bis heute andauernde Meeresspiegelanstieg mit einer
durchschnittlichen Rate von 5 cm pro Jahrhundert (BEETS 1995) führte dann wieder zu Materialabtrag
in der Küstenniederung. Der beginnende Bau zusammenhängender Seedeiche im 13. Jahrhundert, die
entstehende Binnenentwässerung und die zunehmende Torfgewinnung verursachten schließlich ein
teilweises Absacken der Marsch unter ihr ursprüngliches Niveau, ein Umstand, der auch zu den großen
Landverlusten Norddeutschlands durch die mittelalterlichen Sturmfluten beigetragen hat (STREIF
1993).
Die sich im Lauf der Zeit durch Überflutung und Sedimentation bildenden Marschböden sind je nach
Ablagerungsbedingungen unterschiedlich aufgebaut und zusammengesetzt. Die Profile der
Marschböden können bis zu 20 m mächtig sein und zeigen die unterschiedlichsten Horizontabfolgen,
die verschiedenen Überflutungszustände, die einsetzende Bodenbildung, Absenkungs- und
Sedimentationsprozesse der letzten Jahrtausende widerspiegeln (LERCH 1991). Charakteristisch für die
Marschenböden sind sehr feine, tonreiche Sedimente, die entweder durch die in das Ästuar hinein
reichenden Gezeitenströme des Meeres oder durch mitgeführte Sedimente aus dem Oberwasserabfluss
geprägt sind.
Der abgelagerte Schlick besteht in der Regel aus schluffigem Ton bis nahezu tonfreiem, quarzreichem
Feinsand. Der Salzgehalt kann von über 2 psu im frischen Seeschlick auf weniger als 0,05 psu in den
Flussmarschen absinken; umgekehrt steigt, abhängig vom Alter, der Kalkgehalt der Marschenböden, in
der Regel stromauf an. Die Tonmineralien sind im Seewasserbereich daher vorwiegend mit Na+ belegt.
Im Brackwasser dominieren Na+ und Mg2+ und im Flusswasserbereich überwiegend Calcium-Ionen.
Seemarschen entstehen unter marinen Bedingungen. In den jungen Seemarschen ist der Kalkgehalt
noch hoch, während ältere Marschgebiete im Oberflächenbereich weitgehend entkalkt sein können.
Seemarschen finden sich entlang der Unterweser vor allem zwischen Sandstedt und Bremerhaven (s.
Abb. 3). Im Mischungsbereich von Fluss- und Meerwasser entsteht dagegen die mäßig salzhaltige
Brackmarsch, deren Kalkgehalt stark wechseln kann, die sich meist jedoch durch einen stark
verdichteten, wasserundurchlässigen Unterboden auszeichnet. Flussmarschen entstehen wiederum im
Süßwasserbereich oder unter schwach brackigen Bedingungen. Die Ca²+ reiche Flussmarsch lagert
dichter, und während der Bodenbildung entsteht weniger Sulfid, dagegen mehr Methan als bei der
Seemarsch (SCHEFFER & SCHACHTSCHABEL 1998). Flussmarschen erstrecken sich weseraufwärts von
Sandstedt bis Bremen. In Kapitel 6.1.2.1 ist die räumliche Verteilung der unterschiedlichen entlang des
Unterweser vorkommenden Marschentypen näher beschrieben.
2.3
2.3.1
13
Nutzungsarten und Vegetation
Unterweser
Das Weserästuar wird in die landseitige Unterweser und die sich zum Wattenmeer hin öffnende
Außenweser unterteilt. Die insgesamt 68 km lange Unterweser, zwischen dem Tidewehr in Bremen
und der Stadt Bremerhaven gelegen, gliedert sich in einen limnischen und im Unterlauf in einen
meerwasserbeeinflussten brackigen Teil, wobei die Brackwassergrenze je nach Tidezyklus und
Oberwasserablauf etwa um den Uw-km 50 pendelt (SCHIRMER 1996). Die marin geprägte Außenweser
verläuft von Bremerhaven durch das Wattenmeer und erreicht nach etwa 60 km die Seegrenze der
Nordsee.
Die Unterweser gehört heute zu den weltweit am stärksten ausgebauten Ästuaren. Ursprünglich war
die Unterweser ein flacher, mäandrierender, in zahlreiche Nebenarme aufgegliederter Flachlandfluss.
Die fließgewässertypische Dynamik beruhte in erster Linie auf den fluviatilen Umlagerungsprozessen
Erosion, Transport und Sedimentation. Jahreszeitlich und tideabhängig wechselnde Strömungen und
Wasserstände formten ein dynamisches, mosaikhaftes Nebeneinander von Biotoptypen verschiedener
Sukzessionsstadien. In Abhängigkeit von der Überflutungshäufigkeit bildete sich eine Flusslandschaft
typischer Zonation mit Watten und Hartholzauen aus (CLAUS et al. 1994a und 1994b). Bereits im 12.
Jahrhundert wurden die ersten Deiche gebaut, in deren Schutz es zur Erschließung der Wesermarsch
kam. Nach der Rodung der Auwälder wurde ein umfangreiches Graben- und Fleetsystem zur
Entwässerung der nassen Marsch- und Moormarschgebiete angelegt. Aufgrund der im Laufe der Zeit
durch den Deichbau hervorgerufenen Abtrennung von der ursprünglichen Aue wurden Dynamik und
Materialhaushalt der Unterweser auf den Hauptstrom und die tidebeeinflussten Vorlandbereiche
konzentriert.
Zwischen 1887 und 1895 wurde dann von Franzius die erste große Weserkorrektur durchgeführt. Ihr
folgten fünf weitere Ausbauten bis Ende der 1970er Jahre bis zu einer Tiefe von neun Metern unter
Seekartennull. Diese Umgestaltungen der Unterweser, vor allem im 20. Jahrhundert, führten zu starken
morpho-hydrologischen Veränderungen und zu deutlich höheren Hochwassern und Sturmfluten
(SCHIRMER 1995). Das Ästuar wird heute in seiner gesamten Länge bis zum Weserwehr im
stadtbremischen Bereich unmittelbar von den wechselnden Einflüssen der Gezeiten und den damit
verbundenen Salinitätsschwankungen geprägt. Weitere hydrologische Folgen des Ausbaus sind zum
einen das Absinken des Tideniedrigwassers und zum anderen eine Zunahme des Tidenhubs. Der
ausbaubedingte Tidenhub liegt in Bremerhaven derzeit bei ca. 3,6 m und in Bremen bei ca. 4,1 m.
Ende des 19. Jahrhunderts lag der verzeichnete Tidenhub im bremischen Stadtgebiet bei nur wenigen
dm. Insgesamt kam es durch die Ausbauten zu einer Erniedrigung des Mittelwasserstandes und damit
zum Absinken des Grundwasserstandes in den ufernahen Vorland- und Marschenbereichen (CLAUS et
al. 1994a). Die Kanalisierung der Unterweser hat auch zu einer Verlagerung der Brackwasserzone
14
stromauf und zu einer Verlängerung der Verweilzeiten des Oberwassers im Ästuar geführt. Vor allem
bei sommerlichen niedrigen Abflüssen während Niedrigwasserphasen kommt es in der Folge zu
verstärkten Sauerstoffzehrungen und zur Akkumulation von Fest- und Schadstoffen im Vorland- und
Uferbereich (SCHIRMER 1994). Insgesamt hat durch die Vertiefung auch die Strömungsgeschwindigkeit
und die Gefahr von Erosion zugenommen. Daher sind weite Strecken vieler Uferabschnitte künstlich
befestigt worden (s. u.). Die Nebenflüsse Hunte, Lesum und Ochtum sind in den vergangenen
Jahrzehnten mit Sturmflutsperrwerken versehen worden, die im Bedarfsfall geschlossen werden
können.
Den Salzkonzentrationen entsprechend kann die Unterweser im Längsverlauf in limnische, oligohaline
und mesohaline Bereiche eingeteilt werden. Diese aufgrund der unterschiedlichen Oberwasser und des
Tidegeschehens mehr oder weniger abgrenzbaren Bereiche können durch überwiegend limnische,
euryhaline oder marine Biozönosen charakterisiert werden. Bezogen auf den Querschnitt gliedert sich
der Lebensraum Ästuar in drei für die aquatische Fauna bedeutsame Biotoptypen: die eigentliche
Stromrinne, die Flachwasserzonen und die Wattflächen, die entweder vegetationslos sind oder
Röhrichtbewuchs aufweisen. Je nach Unterweserabschnitt ist die Ausprägung dieser Teillebensräume
aufgrund der starken Beeinträchtigungen (SCHIRMER 1996, SCHUCHARDT 1995) allerdings sehr
unterschiedlich. So sind vor allem die für die aquatische Fauna besonders wichtigen Flachwasserzonen
im limnischen Abschnitt durch die Ausbauten nur noch in geringem Umfang und in naturferner
Ausprägung vorhanden. Dagegen sind die Wattbereiche bedingt durch den Tidenhub künstlich
vergrößert worden. Insgesamt ist der Verlust naturraumtypischer Strukturen seit 1887 im gesamten
Unterweserraum (CLAUS et al. 1994a) wie auch in den benachbarten deutschen Ästuaren
(SCHUCHARDT et al. 1999) enorm.
2.3.2
Unterweservorland
Das Untersuchungsgebiet (Abb. 3), das Vorland der Unterweser, wird lateral durch Winterdeiche von
der Marsch abgetrennt. In Nord-Südrichtung erstreckt sich das Vorland entlang der Unterweser von
der Geestemündung bei Bremerhaven (Uw-km 65) bis hin zum Weserwehr (Uw-km –4,25) im
bremischen Stadtgebiet. Das Vorland der Unterweser stellt den tidebeeinflussten Auenbereich des
Naturraumes Unterwesermarsch dar. In diesem jüngsten, flussnächsten Teil der Marsch dominieren
Böden der unreifen Fluss-, Brack- und Seemarsch. Aktuell besitzt das Vorland eine Gesamtfläche von
rund 6000 ha. Diese Fläche umfasst sowohl die zwischen Hauptdeich und oberhalb der mittleren
Tidehochwasserlinie (MThw-Linie) gelegenen Grünlandbereiche als auch die vom Tideröhricht
besiedelten Gebiete bis ca. 70 cm unter MThw.
Die Trennung von Marsch und Aue wurde schon vor etwa 800 Jahren durch den damals beginnenden
Deichbau eingeleitet. Im Zuge der Weserkorrektur Ende des 19. Jahrhunderts und der bis in die 70er
Jahre des 20. Jahrhunderts nachfolgenden Flussausbauten entstanden die Vorländer in ihrer aktuellen
Form (SCHIRMER 1995). Die heutigen Vorländer der Unterweser stellen somit die Reste der
15
historischen Aue dar. Das Erscheinungsbild der Vorländer wird vor allem von den ehemaligen
Weserinseln, den so genannten Sänden, geprägt. In den letzten 1000 Jahren haben sich Lage, Größe
und Form dieser Inseln durch den Einfluss der Gezeiten und die häufige Verlagerung des
Hauptstromes immer wieder stark verändert. Im Laufe des 19. Jahrhunderts wurde dann der größte
Teil der Inseln befestigt, miteinander verbunden und sommerbedeicht.
Insgesamt sind ca. 52 % der Aue mit Sommerdeichen von im Mittel 3,5 m Höhe versehen. Dazu
gehören die großen Weserinseln und Platen: Tegeler Plate, Strohauser Plate, Harrier Sand, Elsflether
Sand, Rusch Sand, Tegeler Sand, Warflether Sand und Julius Plate. Im Zuge der Vertiefung und der
Ausbauten der Unterweser zur Seeschifffahrtsstraße sind ca. 60 % der Ufer (bezogen auf die gesamte
Uferlänge) künstlich mit Steinpackungen befestigt worden (CLAUS et al. 1994a). Ausbaggerung und
Vertiefung des Weserästuars haben vor allem seit den 1970er Jahren auf ehemals tidebeeinflussten
Ufern Spülfelder von 3 bis 4 m Höhe über MThw entstehen lassen. Spülfelder nehmen inzwischen ca.
10 % der Fläche des Untersuchungsgebietes ein. Alle diese Maßnahmen haben dazu geführt, dass
heute weite Teile der Vorländer mit Sommerpoldern versehen sind und nur noch ca. 38 %
tidebeeinflusst sind.
Rund 82 % der Vorländer sind durch menschliche Nutzungen geprägt. Landwirtschaftlich werden sie
vorwiegend als Grünländer genutzt. Für Marschflüsse naturraumtypische tidebeeinflusste Gebiete mit
Schilfriedern, Binsen und Rohrkolben finden sich nur noch auf knapp 20 % der Flächen. Die
Röhrichtflächen sind dabei durch das niedersächsische Naturschutzgesetz § 28a geschützt. Auch die
ausgedehnten Grünlandbereiche der Strohauser Vorländer, des Harrier Sandes und des Hammelwarder
Sandes
unterliegen
dem
Grünlandschutzprogramm
Niedersachsens.
Anteil
an
den
Unterweservorländern haben neben dem Lande Bremen mit seinen Städten Bremen und Bremerhaven
die Landkreise Wesermarsch, Cuxhaven und Osterholz (Abb.3).
2.4
Klima und Standortparameter
Das Untersuchungsgebiet gehört der feuchtgemäßigten Westwindzone der Nordhalbkugel an und ist
durch ein ausgeprägtes Jahreszeitenklima, vorherrschende Westwinde und den häufigen Durchzug von
Zyklonen gekennzeichnet. Charakteristisch für das maritime Klima sind kühle, niederschlagsreiche
Sommer (mittlere Juli-Temperatur 17,3 °C) und mäßig kalte Winter (mittlere Januar-Temperatur
zwischen 0,6 °C und 1,6 °C).
Temperaturen
Die Jahresmitteltemperaturen liegen je nach betrachtetem Zeitraum zwischen 8,8 °C und 9,3 °C. In
Bremen können im Mittel an 24 Tagen im Jahr Temperaturen über 25 °C erreicht werden, in
Bremerhaven werden dagegen durchschnittlich nur an 16 Tagen Temperaturen über 25 °C gemessen
16
(HEINEMANN 2003, BÄTJER & HEINEMANN 1980). Die Anzahl der frostfreien Tage beläuft sich in
Bremen auf ca. 167, im an der Küste gelegenen Bremerhaven auf immerhin 226. Spätfröste können bis
etwa Mitte Mai in Bremen und bis Mitte April in Bremerhaven auftreten. Frühfröste sind in Bremen ab
Mitte September und in Bremerhaven ab Mitte Oktober wahrscheinlich. Die tiefste bisher in Bremen
gemessene Temperatur betrug im Februar 1940 -23,6 °C. Der mit 37,6 °C bis dahin höchste
Temperaturwert wurde am 9.8.1992 in Bremen gemessen. In der Regel setzt intensives
Pflanzenwachstum etwa bei Tagesmitteltemperaturen um 5 °C ca. um den 30. März ein. Diese Periode
mit Tagesmitteltemperaturen von mindestens 5 °C dauert durchschnittlich bis zum 10. November.
Niederschläge
Für den Zeitraum von 1931 bis 1971 beträgt die Niederschlagssumme im langjährigen Mittel je nach
Bezugszeitraum und Station zwischen 650 und 715 mm (HEINEMANN 2003, BÄTJER & HEINEMANN
1980). Die Monate mit den höchsten Niederschlägen sind Juli und August. Der niederschlagsärmste
Monate ist der März. Marschgebiete zeichnen sich bei guter Wasserversorgung durch ganzjährig hohe
Verdunstungsraten aus. Die Evapotranspiration kann im Bremer Raum ab Mitte April sogar die
Niederschlagswerte übersteigen und zu einem Feuchtedefizit führen (JANSEN 1990).
Strömung
Bei hohen Niederschlägen zur Zeit der Schneeschmelze im Frühjahr kann es zu einem Anstieg des
Oberwasserabflusses aus dem Flusseinzugsgebiet der Weser und zu einer starken Zunahme der
Strömungsgeschwindigkeiten
kommen.
Aktuell
variieren
die
maximalen
bzw.
mittleren
Strömungsgeschwindigkeiten während Ebbe oder Flut etwa zwischen 1 bzw. 0,7 m/s bei Bremerhaven
(Uw-km 67) und zwischen 0,55 bzw. 0,4 m/s bei Uw-km 20 (stadtbremisches Gebiet). Innerhalb
einzelner Tidezyklen konnten die Strömungsgeschwindigkeiten sogar 2 m/s übersteigen (GRABEMANN
et al. 1999).
Salzgehalte und Trübungszone
Der Salzgehalt der Unterweser steigt stromab durch den zunehmenden Einfluss des Meerwassers
kontinuierlich an. Der limnisch-oligohaline Abschnitt der Unterweser zwischen dem Weserwehr im
stadtbremischen Bereich und Uw-km 55 weist Salinitäten von <2 psu auf. Zwischen Uw-km 35 und
55, wo sich Süß- und Salzwasser mischen, entsteht die ästuartypische brackige (oligohaline)
Trübungszone, die sich durch sehr hohe Schwebstoffgehalte auszeichnet. Diese Trübungszone
entsteht einerseits aufgrund des veränderten Salzgehaltes und der osmotischen Bedingungen, die die
von stromauf kommenden Plankter absterben lässt. Andererseits bedingt die starke Tideströmung
Sedimentations- und Resuspensionsprozesse, die ebenfalls zur Bildung einer Trübungswolke beitragen.
Der Salzgehalt im sich anschließenden mesohalinen Abschnitt der Unterweser (ab Uw-km 55)
schwankt in Abhängigkeit von Oberwasserabfluss und Tidephase etwa zwischen 5 bis 18 psu
(GRABEMANN et al. 1999).
17
Windgeschwindigkeiten
Die mittleren Windgeschwindigkeiten liegen in Bremen etwa zwischen 4 und 5 m/s und im
küstennahen Bremerhaven zwischen 5 und 6 m/s. Im Mittel werden für Bremen vor allem im Winter
16 Sturmtage mit Windstärken von mindestens 8 Beufort (Windgeschwindigkeit < 17,2 m/s)
registriert. Als Windrichtung herrschen westliche und südwestliche Winde vor.
Tidewasserstände
Die Mittleren Tidehoch- und Tideniedrigwasserwerte liegen für die 10-Jahresreihe 1985 bis 1994 in der
Größenordnung zwischen 2,40 m über NN bzw. -1,12 m unter NN im bremischen Stadtgebiet und ca.
1,75 m über NN und -1,96 m unter NN in Bremerhaven. Die Tidedauer beträgt in der Wesermündung
im Mittel 12 h 25 min. Da das Oberwasser dämpfend auf die flussaufwärts gerichtete Flutwelle wirkt,
wird die Flutdauer flussaufwärts immer kürzer und die Ebbdauer entsprechend länger. Des Weiteren
verzögert sich die Eintrittszeit des Niedrigwassers (NW) und des Hochwassers (HW) stromaufwärts
(GRABEMANN et al. 1999, WETZEL 1987, DIRKSEN 1986).
Tidenhub
Der mittlere Tidenhub liegt in Bremerhaven derzeit bei ca. 3,8 m und in Bremen bei ca. 4,1 m.
Aufgrund dieses großen Tidenhubs lässt sich das Weserästuar als mesotidal klassifizieren.
Hervorgerufen durch die sich überlagernden, gegensätzlichen Auswirkungen der Reibung und der
Konvergenz der Flussquerschnitte ändert sich der Tidenhub in Flusslängsrichtung. Daher ist die
Weser den hypersynchronen Ästuaren zuzuordnen (Typisierungen z.B. in NICHOLLS & BIGGS 1985).
18
Bremerhaven
Einswarder Plate
Nordenham
Tegeler Plate
Kleinensieler Plate
Cuxhaven
Wesermarsch
Strohauser Plate
Strohauser Vorländer
Brake
Harrier Sand
Hammelwarder Sand
Osterholz
Elsfleth
Elsflether Sand
Rönnebecker Sand
Tegeler Sand
Julius Plate
Warflether Sand
Bremen Nord
Bremen
10
0
Sommerpolder
Tidebeeinflusstes Vorland
Spülfelder
N
10 Kilometer
Landkreisgrenzen
Städte/Siedlungen
Unterweser
Abb. 3: Das Unterweservorland zwischen Bremen und Bremerhaven mit Sommerpoldern,
tidebeeinflusstem Vorland und Spülfeldern, den Landkreisen Wesermarsch, Cuxhaven und
Osterholz und der Unterweser
Teil II - Vorlandvegetation und Standortparameter
3
19
VORLANDVEGETATION UND STANDORTPARAMETER
In den nachfolgenden Kapiteln wird die Bedeutung der verschiedenen die Vegetation von
Vorlandlebensräumen prägenden Standortparameter unter Bezug auf die im Klimaszenario (Kap. 4.1)
dargestellten Veränderungen beschrieben.
3.1
Standortparameter tidebeeinflusster Lebensräume
Die Faktoren, die das Pflanzenwachstum beeinflussen, sind einerseits der Faktor Stress, der alle jene
Phänomene bezeichnet, die die Photosynthese hemmen, also auf eine Beschränkung der Ressourcen
Licht, Wasser und Mineralnährstoffe zurückgeführt werden kann, andererseits der Faktor Störung,
durch den die Pflanze ganz oder teilweise zerstört wird. Darunter sind unter anderem der mechanische
Einfluss durch Nutzung, die Beeinträchtigung durch Überflutung, Wind, Frost, Trockenheit und
Bodenerosion und Krankheiten sowie Fraßschäden durch Herbivore zu verstehen (GRIME 2001,
1979). Die Entwicklung und Ausprägung der Vegetation eines Gebietes hängt von den herrschenden
Klimabedingungen ab (LEEMANNS & BORN 1994). Als Folge des CO2-Anstieges, der globalen
Temperaturerhöhung und den daraus resultierenden hydrologischen Veränderungen (s. Kap. 4.1) sind
entsprechende Veränderungen der Vegetation und der Vegetationszusammensetzung zu erwarten
(IRMLER & SCHRAUTZER 1995, BEST et al. 1993). In erster Linie entscheidend für die von Jahr zu Jahr
unterschiedliche Vegetationsentwicklung sind dabei nicht die errechneten langjährigen Mittelwerte der
Klimaparameter, sondern verstärkt auftretende Extremereignisse (DISTER 1996). Sowohl die Biomasse
als auch die Zusammensetzung der Vegetation werden stark durch saisonale Größen wie die Länge der
Vegetationsperiode, die Strenge der Winter, das Auftreten von Überflutungsereignissen, Dauerregen,
Trockenheit und Spät- und Frühfrösten beeinflusst. Für Auenstandorte in Hafengebieten der Elbe
stellte PREISINGER (1991) fest, dass zwischen dem Merkmal der Vegetation und den
Standortparametern Höhe und Überflutung nicht in allen Fällen ein direkter kausaler Zusammenhang
festgestellt werden kann. Von entscheidender Bedeutung für die Vegetationsentwicklung ist seiner
Ansicht nach neben den physiologischen und morphologischen Eigenschaften der einzelnen
Pflanzenarten (DISTER 1996) vor allem der Aspekt der Nutzung und des Uferverbaus (PREISINGER
1991).
3.1.1
Hydrologischer Faktorenkomplex
Vorlandstandorte sind dem Einfluss der Gezeiten, der damit einhergehenden Strömung sowie Wind
und Wellenschlag permanent ausgesetzt. Durch den täglich zweimaligen Wechsel zwischen
Tidehochwasser (THw) und Tideniedrigwasser (TNw) stellen sie extreme Lebensräume für Tiere und
Pflanzen dar. Für die Ausprägung der Vegetation von ufernahen, strömungsbeeinflussten
Auenstandorten ist der Faktor Überflutung daher der entscheidende Standortparameter (BALDWIN et
al. 2001, BERTNESS 1999). Dazu schreiben HEJNY & SEGAL (1998): “By definition hydrology is of
primary importance to the ecology function and conservation of wetlands. The effects of the
20
hydrological conditions on the wetland habitats and biotic communities can be predicted if one knows
the biology and ecology of the potentially dominant plants.”
3.1.1.1
Überflutung und Topografie
Anhand der relativen Höhenlage eines Standortes zum Tidehochwasser können die wichtigen
Standortparameter Überflutungsdauer, -höhe und -häufigkeit berechnet werden (DISTER 1996,
ELLENBERG 1996, PREISINGER 1991, KÖTTER 1961). Die Lage eines Standortes bestimmt, ob die
Überflutung im Jahr einige oder mehrere Wochen dauert, so dass schon Niveauunterschiede von
wenigen Zentimetern die Vegetationszusammensetzung beeinflussen können (VIVIANSMITH 1997).
Die Verfügbarkeit von ausreichend genauen und zahlreichen Höhendaten eines Gebietes ist also für
eine Prognose der Vegetationsentwicklung maßgeblich (s. Kap. 4.2, 5.1 und HEJNY & SEGAL 1998).
ELLENBERG (1996), PREISINGER (1991) und KÖTTER (1961) beschreiben in ihren Arbeiten eine
auentypische Zonierung der Vegetation naturnaher Ufer auf der Ebene von Pflanzengesellschaften in
Abhängigkeit vom Mittleren Tidehochwasser (MThw). Anhand des Standortparameters Wasserstand
lassen sich nach HEJNY & SEGAL (1998) grob die folgenden vier Bereiche unterscheiden: die so
genannten terrestrischen Bereiche, die nur gelegentlich überflutet werden und bei denen der
Wasserspiegel deutlich unter der Bodenoberfläche liegt, die epilitorale Zone mit geringem
Grundwasserflurabstand, die eulitorale Zone, die per Definition zwischen dem saisonal schwankenden
Tidehoch- und dem Tideniedrigwasser zu finden ist, und das Litoral, das permanent überflutet ist. Ein
infolge einer Klimaänderung ansteigender Meeresspiegel bedingt auch ein erhöhtes Tidehochwasser
und einen erhöhten Tidenhub (NICHOLLS et al. 1999) und hat demnach direkte Auswirkungen auf die
Ausprägung der Vegetationszonierung und -zusammensetzung (VAN WIJNEN & BAKKER 2001).
Darüber hinaus wirken sich die Erhöhung des MThw sowie häufigere Überflutungen auch direkt auf
die Möglichkeiten der Nutzung der Vorländer aus (s. u.).
Bei
einer
verlängerten
Überflutungsdauer
werden
generell
hochwassertolerante
sauerstoffmangelresistente Arten wie Röhrichte und Flutrasen in ihrer Ausbreitung gefördert
(CRAWFORD 1993). Der Parameter Überflutungshöhe ist dabei insofern bedeutsam, als dass
überflutungstolerante Arten auch solche Ereignisse überdauern können, bei denen wenigstens eines
ihrer Blätter aus dem Wasser herausragt (DISTER 1996). Denn zahlreiche Sumpf- und Röhrichtarten
verfügen über die Fähigkeit, in ihrem Wurzelbereich ein Aerenchym auszubilden und so die
unterirdischen Organe durch den Transport von Sauerstoff über die oberirdischen Pflanzenteile zu
versorgen (LERCH 1991). Dabei gibt es verschiedene Strategien, wie Pflanzen auf Überflutung und die
dadurch hervorgerufene Anoxie im Boden reagieren. Die Kennzeichen einer typischen Auenvegetation
sind effektive Ausbreitungs- und Reproduktionsstrategien sowie Störungs- und Stresstoleranz (s. Kap.
3.1.2). Viele Pflanzenarten sind allerdings nur nach seltenen und kurzen Überflutungsereignissen
wieder in der Lage, ihre abgestorbenen Wurzeln zu regenerieren und halten langen Überflutungszeiten
21
nicht stand. Insgesamt spielt natürlich die Häufigkeit, Dauer und die Saisonalität von Störungen, wie
sie Überflutungsereignisse darstellen, eine wichtige Rolle für die Sukzession (s.u.) und Art der
Ausprägung der Vegetation (BORNETTE & AMOROS 1996).
3.1.1.2
Strömung
Neben der Überflutung ist auch die Strömungsgeschwindigkeit für die Pflanzengesellschaften der
Ufersäume ein stark differenzierender Faktor (CROWE & SHARP 1996, FRENCH & CHAMBERS 1996,
KOPECY 1966). Beispielsweise kann eine Zunahme der Niederschläge im Frühjahr zu einem Anstieg
der Oberwasserabflüsse aus dem Flusseinzugsgebiet der Unterweser führen und die maximalen
Strömungsgeschwindigkeiten erhöhen (Kap. 4.1). Aktuell variieren die maximalen bzw. mittleren
Strömungsgeschwindigkeiten innerhalb des Weserästuars bezogen auf die Mitte der Stromrinne
während Ebbe bzw. Flut etwa zwischen 1 bzw. 0,7 m/s bei Bremerhaven (Uw-km 67) und zwischen
0,55
bzw.
0,4
m/s
bei
Uw-km
20.
Innerhalb
einzelner
Tidezyklen
können
die
Strömungsgeschwindigkeiten auch 2 m/s übersteigen. Im Klimaszenario (Kap. 4.1) nehmen die
maximalen und mittleren modellierten Strömungsgeschwindigkeiten um 1 bis 7 cm/s zu
Die Strömungsgeschwindigkeit ist als Maß der Strömungsenergie zu verstehen und hat bei
tiderhythmisch auftretenden Überflutungsereignissen und im Besonderen bei Sturmfluten einen
direkten mechanischen Einfluss auf die Vegetation und auf Erosions- und Sedimentationsvorgänge,
wobei flache Ufer anders betroffen sind als steile Ufer. Darüber hinaus stellen auch Wind und
schiffsbedingter Wellenschlag mechanische Größen dar, die die Vegetationsausprägung der Ufer stark
beeinflussen und formen. Das Ausmaß der Beeinträchtigung der Vegetation durch diese periodisch
auftretenden mechanischen Störungen ist abhängig von der Uferform und –neigung und darüber
hinaus auch vom Regenerationspotential sowie von der Halmfestigkeit der am Ufer wachsenden
Pflanzen (GRIME 2001, 1979). Zweifellos stellen dichte Röhrichtbestände entlang der Ufer von
tidebeeinflussten Flussunterläufen effektive mechanische Puffer dar, so dass sich innerhalb der
Röhrichte stark strömungsberuhigte Zonen bilden, die eine hohe Organismendichte aufweisen, als
Rückzugsraum für Jungfische dienen, und in denen vor allem Sedimentationsprozesse stattfinden. Von
der Stärke der Strömung wird, abhängig von Bewuchs und Uferform, also die Art des Bodensubstrates
und die Sedimentationsrate eines Standortes geprägt. Entlang eines Strömungsgradienten werden die
Korngrößenfraktionen der mitgeführten Sande und Schlicke vor allem im Bereich der Trübungszone
in typischer Weise klassifiziert: In Bereichen mit starker Strömung sedimentieren überwiegend Sande.
Mit abnehmender Strömungsenergie setzt sich zunächst Schluff und schließlich Ton ab. Die
unterschiedlichen Standortbedingungen des Vorlandes mit seinen Nebenarmen und Inseln verursachen
im Längsverlauf des Ästuars distinkte Sedimentations- und Erosionsbedingungen während der Tiden
und Sturmfluten. Die verschiedenen Ausbauten der Unterweser (Kap. 2.3) haben allerdings insgesamt
zu einer Zunahme der Strömungsgeschwindigkeit geführt und die Erosion der Ufer entlang des
Hauptstromes erhöht (SCHIRMER 1995). Sedimentation findet abhängig vom Oberwasserabfluss und
saisonal unterschiedlich vor allem im Bereich von Stillwasserzonen, beispielsweise in den bremischen
Häfen, statt (SCHUCHARDT 1995). Vor allem bei mittlerem Oberwasserabfluss (ca. 300 m³/s) scheint
22
die Sedimentation im bremischen Hafengebiet hoch zu sein. Bei großem Abfluss ist die Sedimentation
dort dagegen reduziert.
3.1.1.3
Lage der Trübungszone, Gewässergüte und Salinität
Saisonal variiert die Verweilzeit eines Wasserkörpers in der Weser abhängig vom Oberwasserabfluss
stark. Im Ästuar wirken der vom Meer her eindringende Flutstrom und das von stromauf abfließende
Oberwasser gegeneinander. Davon abhängig schwankt auch die Lage der ästuartypischen
Trübungszone und des Salzkeils, der sich von der Nordsee in die Unterweser schiebt. Hydrologische
Berechnungen von GRABEMANN et al. (1999) ergeben, dass sich unter den Bedingungen des
Klimaszenarios für einen definierten geringen Oberwasserabfluss von 120 m³/s, wie er vor allem in
den Sommermonaten zu beobachten ist, die Tidedynamik und damit die Verweilzeit des Weserwassers
im Ästuar von 30 auf 40 Tage verlängert. Im Klimaszenario treten Situationen mit geringerem
Oberwasser vermehrt auf. Umgekehrt verkürzen dagegen die im Klimaszenario im Frühjahr bzw. im
Winter erhöhten Oberwasserabflüsse die Verweilzeit.
Die Grenze der Brackwasserzone, die von GRABEMANN et al. (1999) aufgrund der anthropogen
erhöhten Salzfracht des Oberwassers bei einem Salzgehalt von 2 psu definiert wird (Süßwasser ≤ 0,5
psu), verschiebt sich unter den Bedingungen des Klimaszenarios bei einem definierten Oberwasser im
Mittel um etwa 2 km weiter stromauf. Sie variiert dann tide- und oberwasserabhängig zwischen Uw-km
32 und km 64. Damit erreicht die Brackwasserzone im Klimaszenario die stromaufwärts liegende
Grenze um Uw-km 32 etwa viermal häufiger als unter heutigen Bedingungen.
Parallel zur Verlagerung der Brackwassergrenze verschiebt sich auch die Trübungszone entsprechend
weiter stromauf. Eine klimabedingte erhöhte Wassertemperatur führt zudem zu einer Steigerung
sauerstoffzehrender mikrobieller Abbauprozesse in der Unterweser vor allem zwischen Uw-km 10 bis
Uw-km 30. Gleichzeitig bedingen längere Verweilzeiten eines Wasserkörpers in der Unterweser, vor
allem im Sommer, eine Reduzierung des Sauerstoffgehalts um 1 mg/l bis 2 mg/l und verursachen
längere Zeiträume niedriger Sauerstoffkonzentrationen (GRABEMANN et al. 1999). Die Gewässergüte
spielt für die Ufervegetation allerdings nur indirekt eine Rolle, da zunächst die Nährstoff- und
Salzgehaltsbedingungen im Substrat selbst bzw. im Bodenwasser für die dort wurzelnden Pflanzen
entscheidend sind. Die Nährstoff- und Salzgehalte in der fließenden Welle unterscheiden sich in der
Regel stark von den im Bodenwasser gemessenen Gehalten (HEJNY & SEGAL 1998). Der Salzgehalt
der im Einflussbereich des Meeres entstandenen See- und Brackmarschen kann bis zu 2 psu betragen,
wohingegen die Werte in der Bodenlösung deutlich darunter liegen. Für die Unterweser stehen keine
Messungen des Salzgehaltes der Bodenlösung zur Verfügung. Grundsätzlich entstehen aber auf
salzbeeinflussten Standorten durch das hohe osmotische Potenzial der Ionenkonzentration im Boden
große Saugspannungen, denen die meisten Gefäßpflanzen nicht mehr gewachsen sind. Halophyten
sind dagegen an derartige Bedingungen angepasst. Durch die aktive Aufnahme von Ionen gleichen sie
23
das Konzentrationsgefälle zwischen Bodenlösung und Zellsaft aus. Die Pflanzen können durch die
osmotisch wirksamen Zuckerkonzentrationen in den Wurzelzellen Wasser aufnehmen.
Als Halophyten werden in der Regel solche Pflanzenarten bezeichnet, die bei einem Salzgehalt von
über 0,05 psu in der Bodenlösung vorkommen können. Dabei lassen sich nur für wenige Arten scharfe
Grenzen zwischen Halophyten und Nichthalophyten ziehen. Die Salzverträglichkeit kann innerhalb
derselben Gattung von Art zu Art und auch innerhalb einer Art schwanken. Man spricht daher auch
präziser von ökologischer Salztoleranz (LERCH 1991). Nach KURZ & KÜVER (1991) kann z.B.
Phragmites australis bis zu einem Salzgehalt von 0,06 psu des Bodenwassers wachsen. Unter starkem
Salzeinfluss kann Schilf also mit erhöhter Wasseraufnahmefähigkeit ins Gewebe reagieren. SCHEER
(1953) stellte bei Untersuchungen am Jadebusen fest, dass sogar noch Salzgehalte von 1 psu von den
Pflanzen toleriert wurden, wobei die Vitalität der Bestände deutlich herabgesetzt war und die Rhizome
in den jeweils salzärmsten Bodenbereichen angelegt wurden.
3.1.2
Standörtlicher Faktorenkomplex
3.1.2.1
Bodenfeuchte und Bodenart
Die Eigenschaften des Bodens prägen die Vegetation und umgekehrt. Die Vegetation selbst und die im
Boden stattfindenden biochemischen Prozesse werden wiederum durch die Witterung und das Klima
und bei semiterrestrischen Marschenböden auch stark durch die Höhe und Verweildauer einer
zusammenhängenden Wasserschicht im oder über dem Boden beeinflusst (LERCH 1991). Vorlandoder Auenböden gehören im Allgemeinen zu den subaquatischen oder semiterrestrischen Böden,
deren A-Horizont einen hohen Anteil organischer Substanz und hohe Besiedlungsdichten von
Bodenorganismen aufweist. Der B-Horizont ist dagegen durch Sauerstoffmangel gekennzeichnet. Dort
herrschen stark reduzierende Bedingungen vor. Von der Bodenart selbst ist wiederum die Luft- und
Wasserkapazität sowie die Kationenaustauschkapazität bzw. das Nährstoffhaltevermögen eines
Standortes abhängig. Gleichzeitig ist in überfluteten Böden, als Folge der hohen Wärmekapazität des
Wassers,
insgesamt
eine
größere
Temperaturausgeglichenheit
zu
beobachten.
Für
die
Merkmalsausprägung der Vegetation auf nur selten überfluteten Standorten spielt der Parameter
Grundwasserflurabstand und daraus abgeleitet die Bodenfeuchte eine große Rolle (ROSSET 1990).
Auf stark tidebeeinflussten Vorlandbereichen füllt das periodisch eindringende Wasser den gesamten
Porenraum im Boden aus. In der Folge nimmt der Gehalt an molekularem Sauerstoff stark ab. Die
Überflutung unterbricht also den Gasaustausch zwischen der Bodenwurzelzone und der Atmosphäre.
Nur in der wenige Millimeter mächtigen Grenzschicht zwischen gestautem Wasser und Atmosphäre
finden sich noch messbare Sauerstoffkonzentrationen. In häufig überstauten Böden herrscht ein
niedriges Redoxpotenzial vor, wodurch in den überwiegend alkalischen Marschenböden die
Kationenaustauschkapazität vermindert ist (SCHEFFER & SCHACHTSCHABEL 1998). Der Abbau und
Umbau organischer Substanz verläuft hier im Vergleich zu gut durchlüfteten Böden deutlich
langsamer. Der Anteil organischer Substanz ist in der Regel dementsprechend hoch. Bei
24
Sauerstoffmangel bleibt die Zersetzung organischer Reste unvollständig, so dass neben CO2 und
Humusstoffen sich vor allem Reduktionsendprodukte wie H2, CH4, NH3, Sulfide, organische
Kohlenwasserstoffverbindungen und flüchtige Schwefelverbindungen bilden (LERCH 1991).
Überflutete
oder
staunasse
Standorte
werden
unter
natürlichen
Bedingungen
von
sauerstoffmangeltoleranten Pflanzenarten der Stromtal- und Röhrichtgesellschaften besiedelt.
3.1.2.2
Standorttyp
Nicht nur die Lage eines Standortes zum Tidehoch- oder -niedrigwasser spielt für die Vegetation eine
Rolle. Wichtig sind auch weitere topografische Größen wie Neigung, Exposition gegenüber Wind und
Wellen und die Uferstruktur. Darüber hinaus kann auch die schlichte Größe eines Vorlandbereiches,
der zwischen wenigen Quadratmetern und einigen Hektar schwanken kann, von Bedeutung für die
Beeinflussung durch Wind oder Wellenschlag sein. Besonders wind- und wellenexponierte Standorte
können langfristig leicht erodieren und zerstört werden (HEJNY & SEGAL 1998).
Im Zuge der Ausbauten der Norddeutschen Ästuare zu Schifffahrtsstraßen wurden, wie in Kap. 2.3
bereits beschrieben, weite Bereiche der Ufer der Unterweser verbaut, aufgespült und befestigt. Solche
überformten Standorte zeichnen sich meist durch Steinschüttungen, Spundwände oder durch dem
Ufer vorgelagerte Deckwerke zum Erosionsschutz aus. Für das Vorland der Unterweser kann
zwischen folgenden überformten Standorttypen unterschieden werden: naturnahe tidebeeinflusste Aue,
bewirtschaftete tidebeeinflusste Aue, bewirtschaftete und sommerbedeichte Bereiche, Spülfelder und
befestigte Uferabschnitte (s. Kap. 5.1.2.3, 6.1 und 6.2). Auch durch die Anlage von Uferbefestigungen,
Sommerpoldern und Spülfeldern, die den Einfluss der Gezeiten einschränken, ist die Topografie und
damit das Überflutungsregime und die anstehenden Substrattypen und -eigenschaften der Vorländer
entscheidend verändert worden. Darüber hinaus hängt vom Ufersubstrat oder Bodentyp, der
Topografie und der Exposition eines Standortes nicht nur das Überflutungsregime, sondern auch die
landwirtschaftliche Nutzbarkeit ab.
3.1.2.3
Nutzungsart und -intensität
Die Nutzungsart und -intensität spielt eine maßgebliche Rolle für die Etablierung und Ausprägung der
Vegetation (Kap. 5.1.2.4, 6.1, 7.1). Die landwirtschaftliche Nutzung ist daher neben der Überflutung
und der Bodenfeuchte ebenfalls ein wesentlicher Standortparameter. Durch Entwässerung, Mahd,
Beweidung, Düngung und Einsaat können, abhängig von der Nutzungsintensität, Ackerflächen,
Weiden, Mähwiesen oder landwirtschaftliche Brachen entstehen. Dabei können nur solche Bereiche
landwirtschaftlich genutzt werden, die dem direkten Einfluss der Überflutung durch Sommerdeiche
oder durch ihre erhöhte Lage entzogen sind. Die phänologische Ausprägung der Pflanzenbestände ist
durch Veränderungen des Bewirtschaftungsregimes stark modifizierbar und auch die Sukzession (s.u.)
ist auf bewirtschafteten Flächen allogen gesteuert: Bei geringer Mahdfrequenz und spätem ersten
25
Mahdtermin kommen beispielsweise eher hochwüchsige Grünlandarten zur Dominanz. Durch häufige
Mahd werden dagegen eher niederwüchsige Arten mit hohem Regenerationsvermögen selektiert.
Düngung
verursacht
durch
die
Bereitstellung
zusätzlicher
Nährstoffe
während
der
Hauptwachstumsphase auf gut wasserversorgten Grünlandstandorten generell erhöhte Erträge und
vermindert witterungsabhängige Erntedepression. Dabei setzen sich die typischen Düngezeiger wie
Festuca pratensis und Alopecurus pratensis nur dann gegenüber konkurrenzschwächeren Arten durch, wenn
sie auch schon im Ausgangsbestand vorhanden sind (BORNKAMM & HENNING 1982). Fehlen sie,
profitieren solche Arten, die die Nährstoffe am schnellsten aufnehmen und in Phytomasse umsetzen
können. Großen Einfluss auf die Bestände hat, abhängig von Mahdzeitpunkt und -häufigkeit, dabei
also
auch
das
im
Boden
vorhandene
Samenpotenzial,
das
wiederum
durch
frühere
Bewirtschaftungsweisen beeinflusst ist (GRIME 2001, ROSENTHAL 1992). Bewirtschaftungsänderungen
wie beispielsweise das Brachfallen von zuvor genutzten Grünlandflächen können im Sinne von GRIME
(1979) als Störung bezeichnet werden und führen vor allem auf nährstoffreichen Standorten rasch zu
veränderten, neuen Pflanzengemeinschaften. Die Bestandsstruktur ist hier überwiegend durch
hochwüchsige Rhizompflanzen gekennzeichnet und verursacht durch die Streubildung und die
Lichtkonkurrenz gegenüber dem Ausgangsbestand starke Artverluste (ROSENTHAL 1992).
Beweidung
als
Nutzungsform
hat
ebenfalls
eine
stark
selektierende
Wirkung
auf
die
Artenzusammensetzung. Auf beweideten Flächen erfolgt eine Auslese von für das Weidevieh
wohlschmeckenden Pflanzen. Zusätzlich kommt es auf stark betretenen Flächen mit hohem
Viehbestand zur Entwicklung von Trittpflanzengesellschaften und offenen Stellen. Grundsätzlich
werden durch Beweidung regenerationsfähige Untergräser, Rosetten- und Halbrosettenpflanzen
gefördert (LERCH 1991).
3.1.3
3.1.3.1
Klimatischer Faktorenkomplex
CO2-Konzentration
Eine klimabedingte Verdoppelung des CO2-Gehaltes der Atmosphäre, wie im Klimaszenario (Kap.
4.1) beschrieben, hat bei ausreichender Wasser- und Nährstoffversorgung direkte Düngungseffekte auf
die Vegetation. Verschiedene Pflanzenarten reagieren bei sonst gleichen Standortbedingungen
unterschiedlich auf eine Erhöhung der CO2-Konzentration. Nach COLLATZ et al. (1998) werden durch
die CO2-Erhöhung vor allem zu den C3-Pflanzen zählende Grasarten in ihrer Biomasseproduktion
gefördert. In Laborexperimenten mit Bäumen führte eine künstliche Erhöhung des CO2-Gehaltes der
Umgebungsluft beispielsweise zur Erhöhung der Nettophotosyntheserate und folglich zu einer
Biomassezunahme (BARTON et al. 1993, DUFRENE et al. 1993). Laborexperimente mit einzelnen
Pflanzenarten können allerdings nur Hinweise darauf geben, wie Arten im Freiland reagieren. Die
Forschungsergebnisse können nicht eins zu eins auf ein gesamtes Ökosystem übertragen werden.
Andere Autoren gehen auch von einer erhöhten Nährstoffverfügbarkeit durch Steigerung der
26
Bodenaktivität aufgrund erhöhter Temperatur und Bodenfeuchte aus, was allerdings auch zu einer
weiteren Freisetzung der Treibhausgase CO2-und CH4- führen kann (MOISIER 1998).
3.1.3.2
Alle
Temperatur
biochemischen
Prozesse
sind
temperaturabhängig.
Erhöhte
Temperaturen
steigern
Stoffwechselfunktionen und führen beispielsweise bei Pflanzen zu verstärktem Wachstum. Eine durch
eine Klimaänderung hervorgerufene Erhöhung der Jahresmitteltemperatur führt zu einem früheren
Beginn des Vegetationswachstums und damit insgesamt zu einer Verlängerung der Vegetationsperiode.
Auf Standorten mit ausreichender Nährstoff- und Wasserversorgung kann es daher zu einem starken
Anstieg der Biomasseproduktion kommen (SPARKS & CAREY 1995). Dies träfe beispielsweise auf
hygrophile Pflanzenarten des Feuchtgrünlandes oder der Röhrichte zu. Bei tagneutralen Pflanzen
(LARCHER 2001) kann es durch Temperaturerhöhungen zu einer Vorverlegung der Blühphase
kommen (ASSHOFF et al. 1995). Eine Verlängerung der Vegetationsperiode führt zu insgesamt höheren
Verdunstungsraten, da Transpiration und Interzeption über einen längeren Zeitraum erfolgen. Eine
weitere direkte Einwirkung der erhöhten Temperatur ist die Steigerung der Bodenaktivität mit vom
Redoxpotenzial
abhängiger
stärkerer
Mineralisierung
oder
der
Freisetzung
anaerober
Stoffwechselprodukte wie beispielsweise Methan.
3.1.3.3
Strahlung, UV-B
Die Ozonschicht der Atmosphäre wirkt als Schutzschild für die energiereiche UV-B-Strahlung (280–
320 nm). Durch eine anthropogen verursachte Abnahme der Ozonkonzentration (MARSH & GROSSA
2001) gelangt mehr UV-B-Strahlung in die Troposphäre und auf die Erdoberfläche. Effekte erhöhter
UV-B-Strahlung auf Pflanzen sind u.a. die Inhibition der Photosynthese und des Wachstums (JORDAN
1993). FRANZARING & THERBURG (1997) beobachteten in Freilandversuchen bei allen untersuchten
Grünlandarten Arten Schädigungen in Form von Nekrosen der Blätter und einem insgesamt
niedrigerem Wuchs. Allerdings ist die Sensitivität verschiedener Pflanzenarten und auch innerhalb
verschiedener Ausprägungen ein und derselben Art zum Teil beträchtlich (TERAMURA & SULLIVAN
1994). Für die Abschätzung der Folgen erhöhter UV-B-Strahlung auf die landwirtschaftliche
Produktion, auf aquatische Ökosysteme oder auf Wälder ist die Untersuchung verschiedener
Stressfaktoren in Kombination mit UV-B-Effekten von besonderer Bedeutung. Dabei spielt
beispielsweise die Temperaturabhängigkeit der UV-B-Toleranz von Pflanzen vor allem im Hinblick auf
eine mögliche globale Erwärmung und Wasserstress eine wichtige Rolle. Sowohl erhöhte
Temperaturen als auch Wasserstress steigern die negativen UV-B-Effekte auf das Pflanzenwachstum
(TERAMURA & SULLIVAN 1990). Auch die Anfälligkeit beispielsweise gegenüber Pilzbefall und anderen
Pflanzenkrankheiten kann zunehmen (ORTH et al. 1990). Zusätzlich können die positiven
Auswirkungen gesteigerter CO2-Konzentrationen bezüglich der Biomasseproduktion durch eine
erhöhte UV-B Strahlung vermindert werden (TERAMURA & SULLIVAN 1990).
3.1.4
27
Biotischer Faktorenkomplex
Bei der Untersuchung zeitlicher und räumlicher Aspekte der Vegetationsdynamik hängen die
beobachteten Veränderungen der Vegetation von der betrachteten Ökosystemaren Ebene, der Größe
der Fläche und dem beobachteten Zeitraum ab.
3.1.4.1
Sukzession
In der Ökologie wird unter dem Begriff der Sukzession allgemein die dynamische Interaktion zwischen
Populationen unter sich ändernden ökologischen Bedingungen verstanden (GLENN-LEWIN & VAN
DER
MAAREL 1992). Die von ODUM und MARGALEFF in den 60er Jahren des 20. Jahrhunderts
entwickelte Vorstellung einer Homöostase wurde inzwischen zu Gunsten empirisch beobachteter
dynamischer Veränderungs- und Anpassungsprozesse an sich ändernde Umweltbedingungen
aufgegeben. Heute wird die von HUSTON schon 1979 postulierte Veränderbarkeit der Vegetation
betont
und
als
Norm
betrachtet
(HUSTON
1994,
1979).
Um
die
Phänomene
von
Vegetationsveränderungen zu beschreiben, werden von GLENN-LEWIN & VAN DER MAAREL (1992)
folgende Typen von Sukzession unterschieden: Progression und Retrogression, primäre und sekundäre
Sukzession sowie autogene und allogene Sukzession.
Innerhalb der Sukzessionstheorie werden populationsökologische Veränderungen der Vegetation auf
die ökophysiologischen Eigenschaften einzelner Arten zurückgeführt (PEET 1992). Allerdings können
allein auf der Grundlage populationsökologischer Prozesse nicht alle beobachteten Veränderungen
erklärt
werden,
da
die
meist
als
konstant
angenommenen
Standortparameter
und
Standorteigenschaften eher als Prozesse verstanden werden müssen. Dies betrifft vor allem Prozesse
der Bodenentwicklung und die auf verschiedenen Zeitskalen auf einen Standort wirkenden
physikalischen Umweltfaktoren wie Klimaschwankungen und wetterbedingte Extremereignisse. Der
Begriff „Primäre Sukzession“ wurde für Prozesse definiert, die sich auf zuvor unbesiedelten und von
Organismen weitgehend unbeeinflussten Standorten vollzogen. In der praktischen Anwendung des
Begriffs zur Beschreibung von Vegetationsveränderungen wurde er meist verwendet, um
Standortveränderungen zu kennzeichnen, die sich über lange Zeiträume erstreckten, wie beispielsweise
Bodenbildungsprozesse. Der Begriff der „Sekundären Sukzession“ beschreibt Regenerationsprozesse
von Ökosystemen nach Störungen. In der praktischen Anwendung des Begriffs diente er zur
Beschreibung von beobachteten Populationsveränderungen in Ökosystemen (GLENN-LEWIN & VAN
DER MAAREL 1992).
Tatsächlich gelang bislang keine logisch ganz einwandfreie Definition des Sukzessionsbegriffes, denn
in vielen Fällen können, wie HUSTON (1994) ausführt, für einen Standort verschiedene
Sukzessionsstadien gleichzeitig beschrieben werden. Darüber hinaus gelingt es bis heute kaum, die
Entwicklung von Ökosystemen oder auch nur der Vegetation eines Standortes genau vorherzusagen,
weil die kritischen Faktoren und Prozesse weiterhin weitgehend unbekannt bleiben. Daher werden
28
beispielsweise für die Entwicklung von Salzmarschvegetation so genannte „multiple pathways of
succession“ beschrieben, das heißt, dass sich die Vegetation zweier hinsichtlich ihrer Ausgangssituation
identisch erscheinender Standorte in völlig verschiedene Richtungen entwickeln kann. Denn innerhalb
eines bestimmten Zeitraumes können verschiedene Vegetationstypen, Dominanzverhältnisse und
Diversitäten beobachtet werden (HEJNY & SEGAL 1998).
3.1.4.2
Verbreitungsmechanismen der Vegetation
Für die Verbreitung und Ansiedlung von Pflanzenarten spielt, neben ihrer Anpassungsfähigkeit an die
herrschenden Standortbedingungen, auch ihr Samenvorkommen am Standort, die räumliche Nähe
(Einwanderung
über
Verdriftung,
Rhizome
oder
Stolone)
und
ihr
bevorzugter
Verbreitungsmechanismus über Samen oder Pflanzenteile mit dem Wind oder der Strömung, eine
wichtige Rolle (ROSENTHAL 1992). Einerseits können also zufällige Phänomene wie Erstansiedlung für
die Ausbreitung und Entwicklung eines bestimmten Vegetationstyps entscheidend sein (HEJNY &
SEGAL 1998). Dabei spielt das Samenpotenzial eines Standortes allerdings erst nach Störungen, die die
bisherige Vegetation so weit zerstören, dass wieder neu besiedelbare freie Flächen entstehen, eine
wesentliche Rolle. Andererseits können Rhizompflanzen wie Phragmites australis, die zudem noch über
einen internen Nährstoffkreislauf verfügen und im Frühjahr schnell aufwachen können, rasch in neue
nasse, feuchte oder auch weniger feuchte Bereiche einwandern und bei fehlender Bewirtschaftung
alsbald die bisherige Vegetation verdrängen.
3.2
Gliederungskonzepte der Vegetation
Um herauszufinden, wie sich eine Klimaänderung großräumig auf die Vegetation der
Unterweservorländer auswirkt, muss die Vegetation zunächst flächendeckend erfasst werden. Zur
Datenerhebung z.B. durch Kartierung der Bestände stehen in der Vegetationskunde verschiedene
Klassifikationssysteme zur Verfügung. Bei jeder Art von Klassifikation sollte allerdings berücksichtigt
werden, dass die Form der systematischen Abgrenzung und Anordnung von Objekten eine
Abstraktion darstellt, da Objekte immer nur auf der Basis einer beschränkten Zahl von Eigenschaften
wahrgenommen und definiert werden können. Darüber hinaus ist ihre systematische Ordnung durch
eine bestimmte Sichtweise und Zielsetzung geprägt (ZONNENVELD 1994, LAATSCH & SCHLICHTING
1959). Für die Art und Qualität der getroffenen Aussage ist das verwendete Abstraktionsverfahren
ebenso konstituierend wie das zugrunde liegende Klassifikationsschema oder der Zweck der
Untersuchung.
Die meisten Typisierungen von Vegetation erfolgen innerhalb eines hierarchisch aufgebauten
Klassifikationsschemas. In der Pflanzensoziologie (BRAUN-BLANQUET 1964) werden beispielsweise
Assoziationen zu übergeordneten Verbänden, Ordnungen und schließlich Klassen zusammengefasst.
Die exakten Grenzen zwischen solchen Vegetationseinheiten sind im Gelände allerdings nicht immer
29
klar zu erkennen. Darüber hinaus ist besonders das der Pflanzensoziologie zugrunde liegende Konzept
der physiognomischen Homogenität nur schwer zu objektivieren (WIEGLEB 1986). Seit langem wird
daher, vor allem in den Vereinigten Staaten, die Auffassung der Vegetation als Kontinuum vertreten
(WHITTAKER 1973). Der Terminus „Fuzzy Boundaries“ macht dabei deutlich, dass an Stelle von
Vegetationsgrenzen Übergangszonen und damit Ökotone definiert werden können. Aktuell findet das
Konzept im Zusammenhang mit wahrscheinlichkeitsbasierten Fernerkundungsansätzen Verwendung
(DALE 1999).
Unabhängig vom Erscheinungsbild der in einem Gebiet vorgefundenen Vegetation ist es jedoch bisher
unvermeidbar Vegetationskarten und deren digitale Repräsentation als Vektor- und Rasterdaten (GIS,
Kap. 5.1) mit harten Grenzen zu verstehen und die Vegetation in nominalskalierte Variablen zu
überführen. Denn ohne diese Festlegung wäre eine eindeutige und lesbare kartografische
Repräsentation nicht möglich (HÖRSCH 2001). Nach GREEN & HARTLEY (2000) ist die kartografische
Form der Abstraktion für die Praxis sogar notwendig und von daher akzeptabel, solange man sich
bewusst ist, dass die gezogenen Grenzlinien nicht notwendigerweise scharfen Grenzen entsprechen.
3.2.1
Biotoptypen
Nach BLAB (1993) versteht man unter einem Biotop den Lebensraum einer Lebensgemeinschaft von
einer bestimmten Mindestgröße und einer einheitlichen, abgrenzbaren Beschaffenheit. Unter einem
Biotoptyp werden dabei nach v. DRACHENFELS (1994) solche Biotope zusammengefasst, die
hinsichtlich
wesentlicher
Eigenschaften
übereinstimmen:
Ein
„Biotop“
ist
somit
ein
vegetationstypologisch und/oder landschaftsökologisch definierter und im Gelände widererkennbarer
Landschaftsausschnitt.
Biotoptypen
sind
in
der
Landschaftsplanung
häufig
verwendete
Kartiereinheiten zur Klassifizierung verschiedener Landnutzungen.
In der vorliegenden Arbeit wurde, da der weitaus Größte Teil des Untersuchungsgebietes in
Niedersachsen liegt, der Kartierschlüssel nach v. DRACHENFELS (1994) verwendet. Mittels der dort
beschriebenen Biotoptypen ist es möglich, auch große Gebiete auf einheitlicher Basis zu erfassen und
qualitativ zu beschreiben. Biotoptypen werden vor allem auf einer mittleren Maßstabsebene, zwischen
1:2.500
und
1:50.000,
zur
übersichtlicheren
Darstellung
der
Vegetation
und
weiterer
Landschaftselemente herangezogen. Allerdings gibt v. DRACHENFELS (1994) keine einheitliche
Definition der von ihm verwendeten Klassifikationsschemata für die zahlreichen unterschiedlichen
Biotoptypen an. Innerhalb des Kartierschlüssels werden beispielsweise sowohl industrielle Flächen,
Siedlungsbiotope, Wälder als auch verschiedene Grünlandgesellschaften beschrieben (s. Kap. 5.1 und
6.2). Die Einordnung der Grünlandgesellschaften zu Biotoptypen folgt dabei im Wesentlichen den in
der deutschen Vegetationskunde beschriebenen Pflanzengesellschaften. Pflanzengesellschaften können
nach den Definitionen von v. DRACHENFELS (1994) leicht entsprechenden Biotoptypen zugeordnet
werden. Meist wurden verschiedene Pflanzengesellschaften mit ähnlichen Standortbedingungen unter
einem einzigen Biotoptyp zusammengefasst. Daher kann kaum von einem Biotoptyp auf die jeweilige
30
Pflanzengesellschaft und ihre Artenzusammensetzung rückgeschlossen werden. Mit der Klassifizierung
der Vegetation in Biotoptypen ist also durch die Generalisierung gegenüber der pflanzensoziologischen
Erfassung auch ein großer Verlust von ökologisch wichtigen Informationen auf Gesellschafts- und
Artebene verbunden.
3.2.2
Pflanzengesellschaften
Unter der Vegetation eines Gebietes wird in der Vegetationskunde die Summe aller vorkommenden
verstanden
(DIERSCHKE 1994).
werden
über
Vegetationsaufnahmen erfasst. Dabei werden sowohl die Abundanzen (Häufigkeiten) als auch die
Dominanzen (Deckungsgrade) der vorkommenden Arten berücksichtigt (BRAUN-BLANQUET 1964).
Anschließend werden die Vegetationsaufnahmen in Tabellen zusammengefasst und entsprechend ihrer
floristischen Ähnlichkeit geordnet. Dazu werden die aufgenommenen Arten aller kartierten Gebiete
nach Stetigkeit sortiert. Am Ende dieser Umgruppierung stehen Arten mit ähnlichen
Verteilungsspektren zusammen und bilden nach so genannten Differentialarten getrennte
Vegetationseinheiten. Die Einordnung in das pflanzensoziologische System erfolgt durch den
Vergleich der erarbeiteten Vegetationstypen mit bereits in der Literatur beschriebenen Einheiten
(DIERßEN 1993). Zur Analyse der Auswirkungen einer Klimaänderung auf die Vegetation müssen die
für die Ausprägung eines bestimmten Vegetationstyps entscheidenden Standortparametern bestimmt
werden. Für Pflanzengesellschaften, die nach der Methode von Braun-Blanquet kartiert wurden, sind
in der Literatur zahlreiche Beispiele für Standortcharakterisierungen bekannt, die auf dem Konzept der
ökologischen Klassifikation beruhen. Innerhalb des Konzeptes der ökologischen Klassifikation werden
standörtlich analoge Artenkombinationen zu einem Vegetationstyp zusammengefasst. Die ökologische
Amplitude
dieser
Artengruppen
stimmt
dabei
hinsichtlich
bestimmter
Parameter
(z.B.
Überflutungsdauer und -häufigkeit) überein. Allerdings erfolgt die Standortbeschreibung bei
pflanzensoziologischen Aufnahmen oft anhand der Zeigerwerte nach ELLENBERG et al. (1991), die
weniger auf gemessenen Daten, dafür um so mehr auf Erfahrungswissen beruhen. Dabei kann eine
Vegetationseinheit sowohl auf einen als auch auf mehrere Standortaspekte wie Hydrologie, Trophie
oder Nutzungsintensität bezogen werden (ELLENBERG 1996, KÖTTER 1961). Für Biotoptypen liegen
dagegen bislang keine vergleichbaren Untersuchungen oder Analysen vor, von denen sich solche
standörtlichen Kenngrößen direkt ableiten ließen.
Teil II - Datenbasis
4
31
DATENBASIS
Um abzuschätzen, wie sich die Vegetation eines konkreten Untersuchungsgebietes aufgrund
veränderter abiotischer Standortparameter entwickelt, müssen Daten vorliegen, die den aktuellen
Zustand des Gebietes hinreichend beschreiben. Dazu gehören unter anderem flächendeckende
Informationen zur Vegetationsbedeckung, zur Nutzung, zur Topografie und zum Boden. Festgelegt
werden müssen weiterhin die Maßstabsebene und die Flächengröße, auf der die Veränderungen
abgebildet werden sollen. Darüber hinaus bedarf es raumbezogener Daten der hydrologischen,
standörtlichen und klimatischen Parameter. Zur Prognose der Vegetationsentwicklung aufgrund einer
angenommenen Klimaänderung müssen schließlich klimaabhängige Modellierungen der sich
ändernden klimatischen, hydrologischen und standörtlichen Parameter flächenbezogen vorliegen oder
zumindest auf die Fläche übertragbar sein. Erst dann sind die Voraussetzungen für eine
flächendeckende
und
standortbezogene
Analyse
und
eine
Abschätzung
der
künftigen
Vegetationsentwicklung infolge einer Klimaänderung geschaffen. Vor dem Hintergrund eines im
Auftrag des KLIMU-Projektes (SCHIRMER & SCHUCHARDT 2001) regionalisierten Klimaszenarios (v.
STORCH et al. 1998) erfolgt die Abschätzung der Klimasensitivität der Unterweservorländer für den
Prognosehorizont des Jahres 2050.
Im Folgenden werden die verschiedenen Datenquellen näher beschrieben:

Unter Projektdaten werden alle jene Daten der hydrologischen Teilprojekte (TP) verstanden,
die im Rahmen des Verbundvorhabens KLIMU modelliert wurden (TP Unterwesersimulation:
GRABEMANN et al. 2005, GRABEMANN et al. 1999, TP Grundwasser: HOFFMANN et al. 2005,
TP Wasserwirtschaft: MANIAK et al. 2005, MANIAK et al. 1999, TP Küstenschutz:
ZIMMERMANN et al. 2005, v. LIEBERMAN & MAI 1999). Die Modellierung der hydrologischen
Daten beruht auf den im Klimaszenario berechneten Klimadaten und auf Messungen der
Jahre 1991 und 1994.

Als Literaturdaten werden solche Daten verstanden, die einen konkreten räumlichen Bezug
zum Untersuchungsgebiet Unterweservorländer aufweisen. Es handelt sich um vor Ort
erhobene und größtenteils kartografisch erfasste Daten verschiedener regionaler Studien der
Jahre 1988 bis 1994 (NLFB 1999, GFL 1992, KURZ & KÜVER 1991).

Als Felduntersuchungen werden als Gutachten vergebene oder selbst erhobene Daten aus den
Jahren 1998 bis 2000 bezeichnet, die entweder der Vertiefung, Korrektur oder der
Aktualisierung der so genannten Literaturdaten dienen (OSTERKAMP & SCHIRMER 2000,
SCHRÖDER & GEHLKEN 1999).
Als Werkzeug zur Integration und Analyse der vorliegenden Daten dient ein GeografischesInformationssystem (GIS der Firma ESRI ArcView 3.2a und ArcInfo 8.3, Kap 5.2).
4.1
4.1.1
32
Szenarien
Klimaszenario
Im Rahmen des Verbundvorhabens „Klimaänderung und Unterweserregion“, kurz KLIMU
(SCHIRMER & SCHUCHARDT 1999), wurde durch v. STORCH et al. (1998) vom Max-Planck-Institut für
Meteorologie in Hamburg zur Abschätzung möglicher Folgen einer Klimaänderung auf den
Unterweserraum ein regionalisiertes Klimaszenario errechnet (s. IPCC 2001, SCHELLNHUBER & STERR
1993).
Dabei wurde auf Modellrechnungen mit dem Klimamodell ECHAM4/OPYC3 bis 2100
zurückgegriffen, für die das IPCC-Szenario IS92a („business as usual - best estimate; 2x CO2“)
zugrunde gelegt wurde (SCHUCHARDT & SCHIRMER 2005). Als Eingangsgrößen für die
Regionalisierung der Modellergebnisse auf das Untersuchungsgebiet wurden die monatlichen ModellRechenergebnisse des Luftdrucks auf Meereshöhe und der bodennahen Lufttemperatur für das
Modelljahr 2050 modelliert. Dabei stellen die aus dem Klimamodell ECHAM4/OPYC3 errechneten
Temperatur- und Niederschlagsdaten geglättete 11-jährige Quartals-Mittelwerte dar. Um mit
regionaltypischen Spannweiten von Klimaparametern arbeiten zu können, wurden als Bezugsjahre für
verschiedene Wetterstationen der Region die Jahre 1991 und 1994 ausgewählt: Das Jahr 1991 war kalt,
trocken und durch niedrige Oberwasserabflüsse gekennzeichnet. Das Jahr 1994 kann dagegen als
warmes, feuchtes Jahr mit hohen Oberwasserabflüssen bezeichnet werden. Durch Addition der
Temperatur- und Niederschlagsszenarien auf die 1991 und 1994 ermittelten Werte wurden die
Referenzjahre 2050/51 erstellt (SCHUCHARDT & SCHIRMER 2005).
Nachstehend sind in Tabelle 1 die quartalsweise gemittelten Änderungen verschiedener
Klimaparameter für den Prognosehorizont des Jahres 2050 zusammengestellt. Die Ergebnisse der
durch v. STORCH et al. (1998) errechneten Änderungen von Temperatur, Niederschlag, Wind und
windbedingtem Tidehochwasserstand wurden mit Annahmen zur Erhöhung des Meeresspiegelanstiegs
(IPCC 2001) und Annahmen für eine Zunahme des Tidenhubs kombiniert.
Wesentliche klimabedingte Veränderungen der Standortbedingungen und der Biotoptypenverteilung
ergeben sich im Prinzip aus dem Anstieg des Meeresspiegels, erhöhten Tidewasserständen, höherer
Oberwässer, einer Erhöhung der Jahresmitteltemperaturen und aus der Verlängerung der
Vegetationszeit (s. Tab. 1). Deutliche Zunahmen der Niederschläge im Frühjahr (März bis Mai) und
eine leichte Abnahme im Sommer (Juni bis August) werden berechnet (v. STORCH et al. 1998).
33
Tab. 1: Klimaszenario 2050, Region Bremen: Übersicht über die aus dem Modell ECHAM4/OPYC3
nach v. STORCH et al. (1998) berechneten Klimaparameter CO2, Temperatur, Niederschlag,
Windgeschwindigkeit und windbedingter Tidehochwasserstand. Ausgabe der Werte als
Mittelwert pro Quartal beginnend mit Dezember. Bezugszeitraum 1961 - 1990. Ableitungen
des Meeresspiegelanstiegs aus IPCC (2001) „business as usual“ und „high estimate“, Tabelle
nach SCHUCHARDT & SCHRIMER (2005)
CO2 [ppm] 2050
Quartal
Dez, Jan, Feb
März, April, Mai
Juni, Juli, Aug
Sept, Okt, Nov
Jahresmittel
Quartal
Dez, Jan, Feb
März, April, Mai
Juni, Juli, Aug
Sept, Okt, Nov
Jahresmittel
Quartal
Dez, Jan, Feb
März, April, Mai
Juni, Juli, Aug
Sept, Okt, Nov
Jahresmittel
Quartal
Dez, Jan, Feb
März, April, Mai
Juni, Juli, Aug
Sept, Okt, Nov
Jahresmittel
Jahr
Jahr
CO2 [ppm]
2 x 360
Temperatur [°C] (Luft + 2m, Mittelwerte)
Bezugszeitraum
Jahr
1961-90
2050
1,5
+2,9
8,2
+3,2
16,6
+2,7
9,6
+2,2
9
+2,7
Niederschlag [mm/d]
Bezugszeitraum
Jahr
1961-90
2050
1,715
+0,269
1,732
+0,383
2,251
-0,136
1,889
+0,231
1,897
+0,187
Windgeschwindigkeit [m/sec]
Bezugszeitraum
Jahr
1961-90
2050
5,02
+0,33
4,65
+0,22
3,97
-0,17
4,42
+0,30
4,51
+0,17
Windbedingter Tidehochwasserstand [cm] (99% Quantil=Extremwerte)
Bremerhaven
Bezugszeitraum
Jahr
1961-90
2050
108,3
+14,4
71,4
+ 7,5
67,5
+ 0,1
105,2
+ 8,2
88,1
+ 7,5
Anstieg Meeresspiegel [cm] in Bremerhaven
heute
2050
ca. NN
+55 cm (15 cm säkular + 40cm anthropogen)
Tidenhub [cm] in Bremerhaven
heute
2050
380
+ 30 (MThw +15cm, MTnw -15cm)
4.1.2
34
Nutzungsszenarien
Dem Versuch, die Auswirkungen klimatischer Veränderungen und daraus künftig resultierende
mögliche Gefahren für einen Landschaftsraum abzuleiten, sind enge Grenzen gesetzt. Während für die
Berechnung wahrscheinlicher klimatischer Änderungen mathematische Modelle zur Verfügung stehen,
können gesellschaftliche und sozioökonomische Prozesse kaum vorhergesagt werden. Dabei ist aber
mit Sicherheit davon auszugehen, dass die politischen und ökonomischen Rahmenbedingungen, die
heute das Landschaftsbild der Unterweser prägen, in 50 Jahren ganz andere als heute sein werden
(BAHRENBERG & KÖNIG 2005, BAHRENBERG et al. 1999). Da innerhalb der vorliegenden Arbeit keine
kompletten Entwicklungsszenarien für die Unterweserregion entworfen werden können, beschränkt
sich die Abschätzung auf plausible Annahmen zur künftigen Nutzungsintensität innerhalb der
Landwirtschaft. Eine umfassende Analyse aller möglichen Varianten künftiger landwirtschaftlicher
oder weiterer Nutzungsarten, die vor allem auch von der Agrarpolitik der Europäischen Union
abhängen und die unter anderem auch eine Teilaufgabe und Extensivierung oder Renaturierung bzw.
Teilintensivierung von Flächen beinhalten könnte, kann innerhalb der vorliegenden Arbeit nicht
durchgeführt werden. Betrachtet wird daher die Vegetationsveränderung für folgende zwei
Nutzungsvarianten (s. Kap. 7.4):

Im Nutzungsszenario 1 wird ein im Vergleich zu heute unverändertes Nutzungsinteresse mit
entsprechenden
Nutzungsarten
und
-intensitäten
bei
gleichzeitiger
Klimaänderung
angenommen. Der Schwerpunkt liegt wie im Status quo auf der Grünlandnutzung für die
Milchwirtschaft, als Mähweide, Weide und Wiese. Wo es die Bodenverhältnisse zulassen findet
Ackernutzung statt.

Im Nutzungsszenario 2 wird ein verändertes Nutzungsinteresse vorausgesetzt: Die
Sommerpolder werden für den Tideeinfluss geöffnet. Die Vorländer können sich unter der
Prämisse der Nachhaltigkeit und des Ressourcenschutzes entwickeln (SCHUCHARDT &
SCHIRMER 2005, SCHUCHARDT & SCHIRMER 2002, SCHUCHARDT & SCHIRMER 1999, Claus et
al. 1994a und 1994b). Wo es die Tideverhältnisse zulassen werden die Vorländer
landwirtschaftlich oder anderweitig genutzt.
Das
Nutzungsszenario 2
stellt
vor
dem
Hintergrund
der
aktuellen
Gegebenheiten
des
Unterweservorlandes möglicherweise kein realistisches Szenario dar. Anhand dieses Extremszenarios
soll in erster Linie getestet und gezeigt werden, welche Bedeutung der Standortparameter „Nutzungsart
und -intensität“ für die Prognose der Biotoptypenverteilung der Unterweservorländer hat.
4.2
Projektdaten
Auf der Basis des Klimaszenarios (Kap. 4.1) wurden von den ingenieurwissenschaftlichen
Teilprojekten des Verbundvorhabens Klimaänderung und Unterweserregion (KLIMU) für das
Untersuchungsgebiet unter den heutigen Bedingungen für den Fall des Eintretens einer
35
Klimaänderung hydrologische Standortparameter modelliert sowie die topografische Basisdaten zur
Verfügung gestellt.
4.2.1
Digitales Geländemodell (DGM)
Nach GOODCHILD (1994) ist ein DGM als numerisches Modell der Erdoberfläche definiert. Dabei
wird die Oberfläche der Erde mittels einer Anzahl von Höhenangaben (z) und entsprechenden
Koordinaten (x, y) repräsentiert. Jeder Höhenangabe liegt demnach ein Koordinaten-Tupel mit x,y,z
zugrunde. Mit Hilfe eines DGM können aus Punktdaten flächendeckend die Höhendaten eines
Gebietes interpoliert werden. Zur Erstellung des DGM für die Unterweservorländer wurde die im
Teilprojekt Unterwesersimulation von GRABEMANN et al. (1999) verwendeten Tiefenprofile aus Daten
von Querschnittspeilungen des Wasser- und Schifffahrtsamtes Bremerhaven herangezogen, die entlang
der Unterweser im Abstand von 125 m für die Fahrrinne der Unterweser und die Wattflächen erhoben
worden sind. Im Bereich von Bremerhaven wurden auch Seekarten zur Ermittlung der Höhen des
Eulitorals und Supralitorals verwendet (GRABEMANN et al. 1999). Die vom Teilprojekt Küstenschutz
(ZIMMERMANN et al. 2005) von Dr. Stefan May aus der DGK 1:5.000 abgeleiteten und zur Verfügung
gestellten Höheninformationen der Vorländer (n = 79889) wurden mit den vom Teilprojekt
Unterwesersimulation von Dr. Iris Grabemann bereitgestellten Tiefenprofilen der Unterweser
(n = 5150) verschnitten. Die Punktdaten wurden im Rahmen der vorliegenden Arbeit mit Hilfe des
Spatial-Analyst von ESRI (ArcInfo 8.3) nach der Spline-Methode in ein Grid mit Rasterweiten von
25 x 25 m überführt.
4.2.2
Tidehoch- und Tideniedrigwasser
Für die Beschreibung der heutigen Situation (Status quo= Sq) und unter den formulierten
Bedingungen des Klimaszenarios (Ks) wurde das Mittlere Tidehochwasser (MThw) und das Mittlere
Tideniedrigwasser (MTnw) vom TP Unterwesersimulation für 11 Pegel entlang der Unterweser
(Anhang Tabelle A2) anhand der real gemessenen Wasserstände der Jahre 1991 und 1994 modelliert
(GRABEMANN et al. 1999). Die Modellierung wurde mit Hilfe des numerischen querschnittsgemittelten
Gewässergüte- und Transportmodells FLUSS durchgeführt. Bei den Modellierungen für das
Klimaszenario wurden als Folge der angenommenen Klimaänderungen Wasserstandsänderungen am
seeseitigen Modellrand, die jahreszeitlich unterschiedlichen Oberwasseränderungen am flussseitigen
Rand und die jahreszeitlich unterschiedlichen Temperaturänderungen berücksichtigt. Das Jahr 1991
stellt ein Referenzjahr für Zeiträume mit geringem Oberwasserabfluss dar. Das Jahr 1994 stellt dagegen
ein Referenzjahr für große Oberwasserabflüsse und häufige Sturmfluten dar (GRABEMANN et al. 1999).
Zur
Berechnung
der
Überflutungsdauern
stellte
Dr.
Iris
Grabemann
vom
Teilprojekt
Unterwesersimulation darüber hinaus einen am 08.06.1994 und 09.06.1994 gemessenen als
repräsentativ eingestuften Tidezyklus zur Verfügung. Vom Teilprojekt Küstenschutz wurde von Prof.
Dr. von Lieberman für die Pegel Weserbrücke, Vegesack, Farge, Brake und Bremerhaven für die Jahre
1991 und 1994 die Unterschreitungshäufigkeiten (wie oft fällt ein Bereich trocken) und
36
Überschreitungshäufigkeiten (wie oft wird ein Bereich überflutet) für die verschiedenen Vorlandhöhen
in m über NN in 20 cm-Schritten modelliert (s. Anhang, Tab. A4).
4.2.3
Salinität
Bei einem im Klimaszenario veränderten Wassermassenaustausch sind auch Änderungen in der
Position der Brackwasserzone (definiert durch eine Salzkonzentration von 2,5 psu) und der
Salzkonzentration im Längsverlauf der Unterweser zu erwarten. Die Position der Brackwasserzone
hängt dabei grundsätzlich von der Tidephase und von der Oberwasserführung ab. Die zwischen 1984
und 1996 gemessenen Salzkonzentrationslängsprofile zeigen daher eine hohe Variabilität. In Abbildung
4 sind die Salzkonzentrationen im Status quo (Messungen) und unter den Bedingungen des
Klimaszenarios (Modellierung) dargestellt. Die Graphik zeigt für bestimmte Pegelpunkte
(Unterweserkilometer) entlang der Unterweser zwischen Elsfleth und Bremerhaven gemessene und
modellierte Salzkonzentrationen im Status quo (Sq) und für das Klimaszenario (Ks) für ausgewählte
niedrige (ca. 140 m³/s), mittlere (ca. 350 m³/s), hohe Oberwasser (ca. 1100 m³/s) und Mittelwerte für
die Referenzjahre 1991 und 1994 (n = 305) (Daten des TP Unterwesersimulation von Dr. Iris
Grabemann, GRABEMANN et al. 1999). Die Abbildung 4 verdeutlicht, dass vor allem für mittlere und
hohe Oberwasser die Salzkonzentrationen im Längsverlauf nur geringfügig erhöht sind. Die
Modellierung von GRABEMANN et al. (1999) ergab, dass die Positionen der landseitigen Grenze der
Brackwasserzone innerhalb der Schwankungsbreite der aus den Messungen abgeleiteten Positionen
liegen und die Brackwasserzone im Mittel stromauf etwa bei Uw-km 36 (bei Brake) verläuft. Unter den
im Klimaszenario berechneten Bedingungen kann die Brackwasserzone im Mittel etwa 2 km weiter
stromaufwärts vordringen. Die Tatsache, dass die Salzkonzentrationen auch unter den Bedingungen
einer Klimaänderung innerhalb der im Status quo vorkommenden Schwankungsbreiten liegen,
erschwert
allerdings
eine
Abschätzung
der
Auswirkungen
auf
die
Vegetation.
Erhöhte
Salzkonzentrationen wirken sich im Längsverlauf der Unterweser vor allem zunächst auf Art- und
Populationsebene aus. Die Bedeutung der Salinität für die Vorlandvegetation und ihre
Verbreitungsgrenzen sind in Kap. 3.1.1.3 und 3.1.2 erläutert.
37
16
15
Sq 138 m³
14
Salzgkonzentration [psu]
13
Ks 138 m³
12
Sq 346 m³
11
10
Ks 346 m³
9
8
Sq 1100 m³
7
6
Ks 1100 m³
5
4
SQ Mittelwert
3
2
KS Mittelwert
1
65,3
63,6
62,1
60,6
59,1
57,6
56,1
55,1
53,6
52,1
51,1
49,6
48,1
46,6
45,1
43,6
42,1
40,6
39,2
37,6
36,1
34,6
33,3
32,1
30,6
0
Unterweserkilometer
Abb. 4: Für bestimmte Pegelpunkte (Unterweserkilometer) zwischen Elsfleth und Bremerhaven
gemessene und im Längsverlauf der Unterweser modellierte Salzgehalte im Status quo (Sq)
und für das Klimaszenario (Ks) für ausgewählte niedrige (ca. 140 m³/s), mittlere (ca.
350 m³/s), hohe Oberwasser (ca. 1100 m³/s) und daraus berechnete Mittelwerte für die
Referenzjahre 1991 und 1994 (n = 305), (Modellierung des TP Unterwesersimulation)
4.2.4
Sielzugzeiten und Meliorationswasserstände
Durch Sommerpolder sind weite Teile des Vorlandes dem direkten Tideeinfluss entzogen.
Entscheidende hydrologische Standortparameter sind hier die Bodenkundliche Feuchtestufe bzw. der
Grundwasserflurabstand
(s.
Kap.
3.1).
Aufgrund
der
Nähe
zum
Fluss
folgt
der
Grundwasserflurabstand innerhalb der Sommerpolder im langjährigen Mittel dem Mittelwasserstand
der Unterweser. Die Regulation der Grundwasserstände bzw. der Meliorationswasserstände erfolgt
innerhalb der sommerbedeichten Gebiete im freien Sielzug über die weit verzweigten Grabensysteme.
Zur Ableitung der Bodenfeuchte wurden von den Teilprojekten Grundwasser und Wasserwirtschaft
innerhalb des KLIMU-Projektes die Sielzugzeiten, also die Dauer der Be- und Entwässerung,
beispielhaft für den größten Sommerpolder, dem Harrier Sand analysiert. Zur Berechnung der
Sielzugzeiten dienten die Inputgrößen Außentide, der Querschnitt des Sielbauwerkes, die Geländehöhe
sowie das Volumen des Gewässernetzes. Es wurden die Parameter Sielzugdauer und -menge und
Grabenwasserstand berechnet. Von Dr. Dietmar Kraft wurde innerhalb des TP Ökologie die
Veränderung der Bodenkundlichen Feuchtestufe der Vorländer infolge einer Klimaänderung
berechnet. Die Berechnung ergab, dass bei einer Klimaänderung insgesamt mit einer Erhöhung der
Bodenkundlichen Feuchtestufe um ca. + 1 zu rechnen ist. Dabei sind keine dauerhaften großflächigen
Vernässungen zu erwarten, weil der örtlich begrenzte Spitzenwert des Grabenwasserstandsanstiegs
insgesamt gering ist und die anfallenden Wassermengen zu späteren Zeitpunkten im freien Sielzug
wieder über das Siel abgeführt werden können (MEINKEN & HOFFMANN 1999, MANIAK et al. 1999).
4.3
38
Literaturdaten
Die vorliegende Arbeit nutzt und analysiert bereits vorhandene regionale Daten und wissenschaftliche
Studien aus der Unterweserregion. Im Folgenden werden die wichtigsten Datenquellen vorgestellt.
4.3.1
Bodentyp und -feuchte
Digitale Informationen zu Bodentypen, Bodenart sowie Bodenkundliche Feuchtestufe und dem
Grundwasserflurabstand wurden den Bodenübersichtskarten im Maßstab 1:50.000 (NLFB 1999) für
Niedersachsen entnommen. Für die im Vorland anstehenden Bodentypen wurden die unter den
Bedingungen des Klimaszenarios zu erwartenden Bodenkundlichen Feuchtestufen innerhalb des
KLIMU-Projektes berechnet. Nähere Informationen zur Methode und den verwendeten
Verknüpfungsregeln finden sich bei KRAFT (2004) und MÜLLER (1997).
4.3.2
Biotoptypenkartierung
Aus der Umweltverträglichkeitsuntersuchung zur Vertiefung der Außenweser liegen flächendeckende
Biotoptypenkartierungen der Vorländer im Maßstab 1:2.500 vor (GFL 1992, KURZ & KÜVER 1991).
Im Rahmen der UVU zur Vertiefung der Außenweser wurden Artenlisten der auf den Vorländern
vorkommenden
Pflanzenarten
für
ausgewählte
Vorlandbereiche
erstellt.
Anhand
der
Landschaftsrahmenpläne der Landkreise Cuxhaven, Wesermarsch und Osterholz wurden die
Biotopkartierungen aus der Umweltverträglichkeitsprüfung zur Vertiefung der Außenweser
abgeglichen und für den Vorlandbereich Hammelwarder Sand ergänzt. Die analogen Karten der
Biotoptypenkartierung (GFL 1992, KURZ & KÜVER 1991) wurden vom TP Wasserwirtschaft gescannt
und georeferenziert (Gauss-Krüger-Koordinaten). Anschließend wurden die Karten digitalisiert und
attributiert, das heißt mit der Biotoptypinformation versehen (SCHIRMER et al. 1999).
4.4
Felduntersuchungen
Eine weitere Informationsquelle stellen aktuelle Freilanddaten und Felduntersuchungen dar, die
entweder, wie im Fall der Biotoptypenkartierung, von der Autorin selbst durchgeführt wurden, oder in
Form von ergänzenden Gutachten in Auftrag gegeben wurden. Konzeption, Fragestellung und
Auswertungsschritte der Gutachten wurden dabei von der Autorin entwickelt. Auch die
pflanzensoziologisch näher untersuchten Flächen wurden auf der Basis der von der Autorin
durchgeführten Standortanalysen und Korrekturen der Biotoptypenkartierungen ausgewählt.
4.4.1
Aktuelle Vegetations- und Biotoptypenkartierung
Vegetationskundliche Untersuchungen der im Rahmen der Erweiterung des Bremerhavener
Containerterminals CTIII und IV angelegten Ausgleichs- und Ersatzflächen dienten dazu, die
einzelnen Bereiche auf der Einswarder Plate und der Tegeler Plate zu charakterisieren und zu
aktualisieren. Des weiteren wurden SCHRÖDER & GEHLKEN (1999) beauftragt, pflanzensoziologische
Untersuchungen nach BRAUN-BLANQUET (1964) auf zuvor ausgewählten Vorlandstandorten mit dem
39
Ziel durchzuführen, detailliertere Informationen über die Eigenschaften verschiedener Grünlandtypen
auf Gesellschafts- und Artebene zu erhalten. Die Ergebnisse der Kartierung sind in der
unveröffentlichten Studie von SCHRÖDER & GEHLKEN (1999) niedergelegt (s. Anhang, Tab. A6, Tab.
A7). Insgesamt wurden auf der Basis der gemeinsam mit der Autorin durchgeführten Feldexkursionen
sechs Referenzgebiete auf der Einswarder Plate, der Kleinensieler Plate, den Strohauser Vorländern,
dem Hammelwarder Sand und dem Harrier Sand ausgewählt und vegetationskundlich kartiert.
Die im Rahmen der Umweltverträglichkeitsuntersuchung zur Vertiefung der Außenweser (GFL 1992,
KURZ & KÜVER 1991) zum Teil schon Ende der Achtziger bis Anfang der Neunziger Jahre des 20.
Jahrhunderts erhobenen Biotoptypklassifikationen wurden entlang der Unterweser auf ausgewählten
Standorten auf ihre Aktualität von der Autorin überprüft und anhand eigener Nachkartierungen
aktualisiert und auf den Biotoptypenschlüssel von v. DRACHENFELS (1994) übertragen (s. Anhang
Tab. A5).
Teil II - Methoden
5
40
METHODEN
Methodisch wird innerhalb der vorliegenden Arbeit der Frage nachgegangen, wie sich eine mögliche
Klimaänderung unter den heute herrschenden Bedingungen auf die Vorlandvegetation der Unterweser
auswirken würde (s. Kap. 1.4 und 7.4.3, 8.1.8). Die Analyse des Zusammenhanges zwischen
abiotischen Standortparameter und der Merkmalsausprägung der Vorlandvegetation der Unterweser
wird in den Kapiteln 6 und 7 auf der Grundlage der in Kap. 4 vorgestellten Daten (Kap. 4.4),
Gutachten (Kap. 4.3) und der Modellergebnisse der hydrologischen Teilprojekte des KLIMU-Projektes
vorgenommen (Kap. 4.2).
Im Folgenden wird das methodische Vorgehen zur Datenaufbereitung der für die Modellierung
verwendeten Standortparameter und die Integration der aus verschiedenen Datenquellen stammenden
Standortparameter in ein GIS (Geografisches Informationssystem) dargestellt (Kap. 5.1). Für die
explorative Datenanalyse des Zusammenhangs zwischen Standortparametern und Merkmal der
Vegetation sowie zur Modellierung künftiger Veränderungen aufgrund einer Klimaänderung wird das
Verfahren der Klassifikations- und Regressionsbäume (Classification and Regression Tree, CART)
nach BREIMAN et al. (1984) verwendet und beschrieben (Kap. 5.2).
5.1
Datenaufbereitung und –integration mit einem Geografischen
Informationssystem
Geografische Informationssysteme (GIS) werden heute sowohl in der raumbezogenen Wissenschaft
als auch in der Stadt- und Landschaftsplanung, der öffentlichen Verwaltung, der Telekommunikation
und der Logistik eingesetzt (BILL 1999). Mit einem GIS können räumliche Daten analysiert, dargestellt,
verknüpft und verarbeitet werden (s. z.B. BARTHELME 1995, CONGALTON & GREEN 1995). Dazu
werden
die
Daten
auf
der
Grundlage
eines
einheitlichen
räumlichen
Bezugssystems
(Koordinatensystem) erfasst (AUGSTEIN & GREVE 1994). Die vielfältigen Eigenschaften eines
Gebietes können durch Verschneidung verschiedener thematischer Karten (z.B. Nutzung,
Fließgewässer, Topografie) und Datentypen als Informationsebenen, so genannte Layer, in einem GIS
dargestellt und zueinander in Beziehung gesetzt werden. Jeder thematische Layer besteht aus vielen
Geoobjekten. Geoobjekte sind im GIS durch Punkte (z.B. Bäume), Linien (z.B. Isolinien) oder Flächen
(z.B. Nutzungseinheiten) und den zugeordneten beschreibenden Eigenschaften, den Attributen (z.B.
Flächengröße oder Länge) definiert (UTHE 1988). Als Datengrundlage können digitalisierte Karten im
Vektor- oder Rasterformat, Satellitendaten, gescannte Karten und Luftbilder, GPS-Daten, erhobene
Felddaten in Tabellenformat oder Geoinformationen aus Datenbanken verwendet werden. Innerhalb
der Kartografie werden diskrete und kontinuierliche Objekte unterschieden. Kontinuierliche Objekte
wie beispielsweise Höhenlinien oder Grundwasserstände werden dabei meist als Isolinien dargestellt.
Dagegen differenziert man als Diskreta solche Objekte, die sich aufgrund unterschiedlicher
Teil II - Methoden
41
Eigenschaften, wie z.B. der Nutzung (Wald, Gewässer), gegenseitig ausschließen (HAKE &
GRÜNREICH 1994). Dabei sind die Grenzen solcher als Diskreta bezeichneter Objekte in der Regel
nicht scharf. Die diskrete Darstellung von Objekten dient allein der sinnvollen kartografischen
Wiedergabe von Objekten und ihren Eigenschaften und stellt eine Generalisierung der natürlichen
Gegebenheiten dar (Kap. 3.2 und 6.1.1.3). Eine ausführliche Beschreibung dazu gibt u.a. GLAVAC et al.
(1992). Mit einem GIS können die räumlichen Informationen eines Gebietes, die in Form von Karten
in einzelnen thematischen Layern vorliegen, zu einer Gesamtaussage zusammengeführt werden. Eine
Verschneidung von Daten und die im GIS visualisierte räumliche Analyse ermöglicht es beispielsweise
ökologische Zusammenhänge zu erkennen.
Für die Zusammenführung der verschiedenen Informationsebenen (s. Kap. 4 ), die Verschneidung der
komplexen raumbezogenen Daten, die Modellierung und die räumliche Rückübertragung der
Auswertungsergebnisse wurden im Rahmen der vorliegenden Arbeit das Desktop-GIS ArcView 3.1
bzw. 3.2a sowie ArcInfo 8.3 der Firma ESRI als Werkzeuge eingesetzt. In der vorliegenden Arbeit
wurde mit Raster- und Vektordaten gearbeitet. Im Folgenden sind die Datenformate Vektordaten und
Rasterdaten daher kurz beschrieben:

Vektordaten, die in ArcView/ArcInfo u.a. im proprietären Shape-Format vorliegen, werden
eingesetzt, um diskrete Objekte eines Gebietes in einer Karte als Polygone, Linien oder Punkte
darzustellen (BILL & FRITSCH 1991). Im Vektormodell wird jedes Objekt über x,yKoordinaten definiert, diese Punkte werden im GIS zu Linien oder Flächen (Polygonen)
verbunden. Die so entstandenen Geometrien, die beispielsweise Gewässer oder Biotoptypen
darstellen können, bezeichnet man als Geoobjekte. Jedem Geoobjekt sind Attribut- oder
Sachdaten zugeordnet, die die Eigenschaften des Objektes beschreiben. Die Sachdaten werden
in Tabellen oder Datenbanken abgelegt und sind mit dem Geoobjekt verknüpft. Der Einsatz
von Vektordaten bietet sich vor allem im groß- und mittelmaßstäblichen Bereich von 1:100 bis
1:50.000 an, in dem mit Daten größerer Genauigkeit gearbeitet wird. Aber auch in anderen
Maßstabsebenen wird das Vektormodell, das bezüglich Lagegenauigkeit gegenüber dem
Rastermodell Vorteile aufweist, für flächenscharfe Aussagen verwendet.

Im Rastermodell, das in ArcView/ArcInfo im Grid-Format vorliegt, werden Geoobjekte in
einzelne Zellen bzw. Pixel aufgerastert. Das geometrische Grundelement ist eine Rasterzelle,
die eine Fläche von einheitlichem Informationsgehalt darstellt. Jede Rasterzelle ist innerhalb
einer Matrix durch eine bestimmte Position auf einer Zeile und einer Spalte definiert. In
diesem Format kann den einzelnen Rasterzellen nur ein gemessener oder berechneter Wert
bzw. eine Eigenschaft zugewiesen werden. Eine Rasterkarte wird - anders als ein Vektorkarte durch die Kombination mehrerer Themen nicht in ihren Geometrien verändert, weil eine
Rasterzelle ohnehin die kleinste Geometrie bildet (HAKE & GRÜNREICH 1994). Die
Darstellung im Rasterformat wird vor allem zur Integration heterogener Ausgangsdaten mit
Höheninformationen verwendet.
Teil II - Methoden
5.1.1
42
Datenaufbereitung der Standortparameter
Zur Herstellung der Datenintegrität und Datenkonsistenz wurden die relevanten Daten aus den
Hydrologischen TP, den vegetationskundlichen Gutachten und aus der Bodenübersichtskarte
Niedersachsens aufbereitet und zusammengeführt. Zur Modellierung der Biotoptypen wurden die
Standortparameter Standorttyp, Nutzungstyp, Bodentyp, Bodenkundliche Feuchtestufe, Differenz aus
Höhe über NN und standörtlichem MThw bzw. MTnw, Überflutungsdauer, Überflutungshäufigkeit
und Salzgehalt der Unterweser verwendet (s. Kap. 7.1, Anhang, Tab. A10). In Tabelle 2 sind die in die
explorative Datenanalyse eingehenden und für die Modellierung integrierten Parameter dargestellt.
Darüber hinaus sind in Tabelle 3 auch die Parameter und Gutachten aufgeführt, die nicht in die
Modellierung eingehen, sondern in Kap. 6.2 und 7.5 qualitativ berücksichtigt werden.
Das in heterogener Form vorliegende Datenmaterial des untersuchten Gebietes wurde vereinheitlicht
bzw. normiert oder typisiert. Um beispielsweise die Biotoptypendaten der verschiedenen Jahre und
Bearbeiter vergleichbar zu machen, mussten diese mit einer einheitlichen Nomenklatur nach v.
DRACHENFELS (1994) versehen, also übersetzt werden (s. Tab. A5 Anhang). Ziel dieser Strukturierung
war es, eine übersichtliche und einheitliche Datenbasis für die weiteren Auswertungsschritte und die
Integration der Daten in ein GIS zu schaffen. Gemessene oder modellierte flächenbezogene
hydrologische Daten, der TP Unterwesersimulation und des TP Küstenschutz (s. Kap. 4.2) wurden
bezogen auf die Fragestellung neu berechnet, in ein geeignetes Importformat gebracht und mit
Koordinaten versehen (Kap. 5.1.2.2). Bereits digital zur Verfügung stehende ökologische
Hintergrunddaten wie z.B. Bodeninformationen (s. Kap. 4.3.1) wurden unverändert übernommen.
Teil II - Methoden
43
Tab. 2: Übersicht über die in die räumliche und quantitative statistische Analyse und die Modellierung
eingehenden Parameter
Bezeichnung
Parameter
Datentyp
Quelle
Biotoptypen
nominal
Aus der
abgeleitete Nutzungstypen
(Nutzungsart und
Nutzungsintensität)
Aus der DGK 5 und Karten
des WSA Bremerhaven
abgeleitete Standorttypen
(nach Grad des Verbaus)
Hydrologische Parameter:
Mittleres Tidehochwasser
[m] über NN MThw und
Mittleres Tideniedrigwasser
[m] über NN MTnw
Mittelwerte der Salinität
[psu] für verschiedene
Oberwasser der Jahre 1991
und 1994
Nutzungstyp
ordinal
KURZ & KÜVER (1991), GFL
(1992)
Vorliegende Arbeit und
Teilprojekt Ökologie
Standorttyp
ordinal
Vorliegende Arbeit und
Teilprojekt Ökologie
MThw
MTnw
metrisch
metrisch
Modellierung: Teilprojekt
Unterwesersimulation
GRABEMANN et al. (1999)
Salz
metrisch
Modellierung: Teilprojekt
Unterwesersimulation
GRABEMANN et al. (1999)
Höheninformationen, Höhe Höhe
[m] über NN
metrisch
Vom MThw, MTnw und
den Über- und
Unterschreitungshäufigkeiten abgeleitete
hydrologische Parameter
metrisch
Teilprojekt Unterwesersimulation
GRABEMANN et al. (1999), und
Teilprojekt Küstenschutz
ZIMMERMANN et al (2005)
Teilprojekte Unterwesersimulation
und Küstenschutz und
vorliegende Arbeit
Bodentyp und Bodenart
Aus Bodenkarte
entnommene
Bodenparameter der
Feuchte
Differenz aus Höhe und MThw
bzw. MTnw [m] über NN
DMThw, DMTnw
Überflutungshäufigkeit pro Jahr
UEBERA
Überflutungsdauer pro Tag
UEFL
Bodentyp
Grundwasserstufe
Bodenkundliche Feuchtestufe
metrisch
metrisch
nominal
ordinal
ordinal
NLFB (1999)
NLFB (1999) und Teilprojekt
Grundwasser
Tab. 3: Übersicht über die für die qualitative Standortanalyse verwendeten Parameter und Gutachten
Bezeichnung
Klimaszenario
Gutachten Neophyten
Gutachten und Kartierung
5.1.2
Parameter
CO2, Temp. [°C]
Artbezeichnung
Quelle
V. STORCH et al. (1998)
KESEL (2000)
SCHRÖDER & GEHLKEN (1999)
Datenintegration
Im Folgenden sind die verwendeten Basisdaten und ihre Integration mit einem GIS beschrieben. Die
verschiedenen im Vektorformat vorliegenden Datenbestände wurden miteinander verschnitten und
anschließend in das Rasterformat mit Zellgrößen von 25 m x 25 m überführt. Weitergehende
Teil II - Methoden
44
Informationen über die Verwendung von Vektordaten und Rasterdaten zur räumlichen Datenanalyse
sind u.a. bei KÖNIG (1995) zu finden.
5.1.2.1
Biotoptypen- und Bodeninformationen
Flächendeckende Daten der Biotoptypenkartierung standen für den gesamten Vorlandbereich zur
Verfügung (GFL 1992, KURZ & KÜVER 1991, S. Kap. 4.4). Es wurden von KURZ & KÜVER (1991) und
der GFL (1992) insgesamt 38 Biotoptypen kartiert, die wie in Kapitel 6.1, in Tabelle 6 dargestellt, in 42
Biotoptypen ausdifferenziert wurden. An dem Polygon-Shape der im Maßstab 1:2.500 vorliegenden
Biotoptypenkartierung wurden von der Autorin die notwendigen Fehlerkorrekturen und
Plausibilitätsprüfungen im Hinblick auf die Attributzuweisungen in ArcView durchgeführt. Die von
KURZ & KÜVER (1991) kartierten Biotoptypen wurden an die Nomenklatur von v. DRACHENFELS
(1994) angepasst und es wurde eine Übersetzungstabelle (Anhang, Tab. A5) erstellt. Die Übersetzung
wurde anhand der vorliegenden Artenlisten (KURZ & KÜVER 1991), die als Referenz für die kartierten
Biotoptypen dienten, durchgeführt. Schon GREIG-SMITH (1983) stellte fest, dass in vielen Fällen
qualitative Vegetationsdaten (d.h. Artenlisten der Probeflächen) ausreichen, um zu einer angemessenen
Klassifikation der Aufnahmen bzw. der Standorte zu gelangen.
Die
Bodeninformationen
mit
den
Parametern
Bodentyp
und
Bodenfeuchte
aus
den
Bodenübersichtskarten 1:50.000 (NLFB 1999) wurden mit den Biotoptypinformationen verschnitten.
Die Biotoptypinformationen und die Bodeninformationen stammen jeweils aus verschiedenen
Datenquellen. Bei der Verschneidung der genannten Flächendaten im Vektorformat entstehen daher
neue Polygone und neue Flächengrenzen (BONHAM-CARTER 1994, HAKE & GRÜNREICH 1994). Das
Resultat der Zusammenführung der Biotoptypen- und der Bodeninformation ist eine Karte der
kleinsten gemeinsamen Geometrien. Bei BARTHELME (1995) und HAKE & GRÜNREICH (1994) werden
Fehlermöglichkeiten durch die Objektbildung bei der Verschneidung von Geodaten ausführlich
diskutiert. Die Kombination aller zur Verfügung stehenden Themen zu einem Layer ist aufwendig, hat
aber den entscheidenden Vorteil, dass auf alle Attribute aller Themen gleichzeitig zugegriffen werden
kann und Änderungen einzelner Attribute nur in einem Layer überschrieben werden müssen.
5.1.2.2
Hydrologische Informationen
Die Flächenbilanzen für die Vorländer der Unterweser wurden in Abstimmung mit der GKSS in
Geesthacht (GRABEMANN et al. 1999) auf der Basis der mittleren Wasserstände der Jahre 1991 und
1994 erstellt (d.h. die Tidewasserstände der Jahre 1991 und 1994 wurden gemittelt, denn diese
entsprechen nahezu dem 10-Jährigen Mittel zwischen 1981 und 1991). Darüber hinaus ergab eine
weitere Überprüfung, dass die Berechnung mit über das Jahr gemittelten Wasserständen für die
Beantwortung der Fragestellung ausreichend war (d.h. es wurde nicht zwischen sommerlichen und
winterlichen Wasserständen unterschieden). Zur Übertragung der punktförmigen Pegeldaten des
MThw und des MTnw, der Überflutungsdauern und der Überflutungshäufigkeiten auf die
Teil II - Methoden
45
Biotoptypeninformationen im GIS wurden für Intervalle von 5 bis 7 km im Längsverlauf der
Unterweser Unterweserabschnitte mit gleichen Tidewasserständen definiert, die um die 11 Pegelpunkte
angelegt wurden (s. Anhang, Tab. A1, Tab. A2).
Bezug nehmend auf ELLENBERG (1996) und KÖTTER (1961) wurde im Rahmen der vorliegenden
Arbeit auf Basis des erstellten DGM (Kap. 4.2.1) im GIS die relative Lage der Flächen der
verschiedenen Biotoptypen in Bezug auf das MThw und MTnw durch Subtraktion der
Höheninformation von den Tidewasserständen als Parameter DMThw und DMTnw berechnet
(Tab.2). Anhand der Höhen- und der MThw- und MTnw-Daten wurden die Wattflächen (zwischen
MThw und MTnw gelegen) bilanziert.
Dr. Iris Grabemann vom Teilprojekt Unterwesersimulation stellte zur Berechnung der
Überflutungsdauern einen am 08.06.1994 und 09.06.1994 gemessenen als repräsentativ eingestuften
Tidezyklus zur Verfügung. Anhand der Messzeitpunkte und Pegeldaten wurden im Rahmen dieser
Arbeit die entsprechenden Überflutungsdauern für die jeweiligen Unterweserabschnitte 1 bis 11
berechnet (s. Anhang, Tab. A3) und im GIS durch Verschneidung mit den Biotoptypendaten auf die
Fläche übertragen.
Auch wurden gemessene und modellierte Salzkonzentrationen für ausgewählte niedrige, mittlere und
hohe Oberwasser als Mittelwerte der Referenzjahre 1991 und 1994 von Dr. Iris Grabemann zur
Verfügung gestellt (Kap. 4.3.2). Die Salzinformationen wurden mit den Biotoptypendaten verschnitten.
Vom Teilprojekt Küstenschutz wurde von Prof. Dr. von Lieberman für die Pegel Weserbrücke,
Vegesack,
Farge,
Brake
und
Bremerhaven
für
die
Jahre
1991
und
1994
die
Unterschreitungshäufigkeiten (wie oft fällt ein Bereich trocken) und Überschreitungshäufigkeiten (wie
oft wird ein Bereich überflutet) für die verschiedenen Vorlandhöhen in m über NN in 20 cm-Schritten
modelliert und dem KLIMU-Projekt zur Berechnung der Überflutungshäufigkeiten zur Verfügung
gestellt (s. Anhang, Tab. A4). Die Daten wurden ebenfalls mit den Biotoptypeninformationen
verschnitten.
5.1.2.3
Standorttypen und Flächennutzung
Anhand der Biotoptypenkartierung, der Deutschen Grundkarte 1:5.000 (DGK 5) und Karten des
Wasser- und Schifffahrtsamtes Bremen zur Lage der Spülfelder im Vorland wurde eine Karte der
Standorttypen erstellt. Neben den hydrologischen Faktoren spielt laut PREISINGER (1991), der
Standorte entlang der Unterelbe untersucht hat, vor allem in überformten Ästuaren der Parameter
Standorttyp als Maß für die topographische Überprägung des ursprünglichen Standortes bezüglich der
Merkmalsbildung der Vegetation eine entscheidende Rolle. Dabei werden je nach Grad der
Uferumgestaltung im Hinblick auf die Topografie und den Tideeinfluss folgende Standorttypen
unterschieden (Tab. 4): tidebeeinflusstes Vorland, sommerbedeichte Bereiche (Sommerpolder) und
Spülfelder.
Teil II - Methoden
46
Tab. 4: Die drei anhand des Tiedeeinflusses und der Topografie charakterisierten Standorttypen des
Untersuchungsgebietes
Typ-Nr.
Standorttyp
1
tidebeeinflusstes Vorland
2
Sommerpolder
3
Spülfelder
5.1.2.4
Ableitung einer Karte der Nutzungstypen
Die Vorländer der Unterweser werden, wie in Kap. 2.2 beschrieben, stark genutzt. Zur Einordnung der
Natürlichkeit von Standorten stellen die Nutzungstypen das Maß für den menschlichen Einfluss auf
Ökosysteme dar (KOWARIK 1988). Im Folgenden werden in Bezug auf DIERSCHKE (1994) für das
untersuchte Gebiet sieben Nutzungstypen von „natürlich“ bis „künstlich“ unterschieden. Mit der
Ziffer 1 werden dabei Flächen ohne menschlichen Einfluss charakterisiert, die laut BEHRE (1994) und
STREIF (1993) für den Naturraum Unterwesermarsch als natürlich gelten können. Der Ziffer 7 werden
dagegen solche Bereiche zugeordnet, die beispielsweise durch Versiegelung stark überformt sind. In
Tabelle 5 sind die verschiedenen Nutzungsgrade für die Identifikation der Nutzung im Status quo
erläutert. Durch Abgleich der Biotoptypinformation, den Höheninformationen und dem Verlauf der
Deichlinie konnten jeder Fläche Nutzungs- und Standorttypen zugeordnet werden (s. Kap. 5.1.1).
Tab. 5: Übersicht über die sieben verschiedenen im Untersuchungsgebiet vorkommenden
Nutzungstypen (verändert nach DIERSCHKE 1994)
Nutzungstypen Stufe
Menschlicher Einfluss Pflanzendecke
Art der Nutzung
natürlich
1
fehlend
Röhrichte / Auwald
keine
naturnah
mäßig verändert
bis naturnah
2
3
schwach, episodisch
schwach, episodisch
Röhrichte
Brachen
mäßig verändert
4
stark verändert
5
stärker: extensive
Wiesen
Nutzung
stark: intensive Nutzung Wiesen / Weiden
sehr stark
verändert
6
sehr stark, permanent
Acker
kaum
junge Brache, auch
gelegentliche einfache
Mahd oder sehr extensive
einfache Mahd oder
Weide
mehrfache, 2- bis 3-malige
Mahd oder Mähweide,
starker Milchviehbesatz
mehrfache
künstlich
7
total
Fehlend
befestigte Ufer
5.2
Datenanalyse und Modellierungsverfahren
In Abbildung 5 ist die Vorgehensweise bei der Datenintegration mit einem GIS und der Modellierung
der Nutzung und der Biotoptypen schematisch dargestellt. Der Zusammenhang zwischen
Standortparametern und Vegetation wird anhand räumlicher Analysen im GIS und deskriptiver
Statistik untersucht. Die anschließende Datenanalyse und Modellierung erfolgt mit dem
Teil II - Methoden
47
parameterfreien statistischen Verfahren CART (Kap. 5.2.3). Zur Modellierung der Geodaten werden
die im Vektorformat zu einem Gesamtdatensatz integrierten Einzelinformationen mit Hilfe des
Spatial-Analyst (ArcInfo 8.3) nach der Spline-Methode in einen Rasterdatensatz mit Rasterweiten von
25 x 25 m umgewandet, mit den Höheninformationen verschnitten und anschließend zur weiteren
Bearbeitung wieder in ein Vektorformat umgewandelt.
Punkt-/Standortdaten (vektorbezogen)
Flächendaten (vektorbezogen)
Informationsebene (Shape):
Bodenkarte
Informationsebene (Shape):
Szenarien des MThw
und MTnw, Szenarien der
Überflutungsdauer und
–häufigkeiten, Höhendaten
Datenintegration:
Parameteraufbereitung +
Erstellung eines DGM,
Verschneidung der
Biotoptypinformationen,
Standortinformationen
und der Höhendaten.
Rasterweiten 25x25 m
Datenimport in das VSModell (CART)
Validierung des VSModells:
Nutzungstypen,
Biotoptypen
Modellierung
Nutzungstypen:
Standortvariablen+
Klimaszenario +
Nutzungsszenarien
Ergebnis-Shapes:
Biotoptypen +
Nutzungstypen
Infolge einer
Klimaänderung
Modellierung
Biotoptypen:
Standortvariablen +
Klimaszenario+
Nutzungsszenarien
Für die Integration
in ein GIS:
Verknüpfung der
Prognoseergebnisse
mit den
Flächendaten (ID)
Abb. 5: Schematische Übersicht über die Vorgehensweise bei der Datenintegration in das GIS und bei
der Modellierung der Biotoptypen und Nutzungstypen mittels des VS-Modells auf Basis des
CART-Verfahrens (Diagramm verändert nach DUTTMANN 1999)
5.2.1
Deskriptive Statistik
Anhand von Häufigkeitsanalysen können die in Kapitel 3.1 beschriebenen Zusammenhänge
beispielsweise
zwischen
Wasserstand
und
Merkmalsausprägung
der
Vegetation
für
die
Unterweservorländer nachvollzogen und bei der nachfolgenden explorativen Datenanalyse auf
Plausibilität überprüft werden. Im Shape-Format der Firma ESRI sind die charakteristischen
Standorteigenschaften der Vorlandflächen als Attributinformationen in Tabellen im dBase-Format
Teil II - Methoden
48
organisiert. Darin sind die funktionalen Informationen über die einzelnen Flächen mit den
zugeordneten Biotoptypen und entsprechenden Pflanzengesellschaften, die jeweilige Flächengröße,
Bodenart und –typ, hydrologische Informationen (MThw und MTnw), Höhe über NN sowie der
amtliche Schutzstatus (Naturschutzgebiete etc.) enthalten. Die im GIS integrierten Informationen
wurden in ArcView (Tool: Abfragemanager) und als Kreuztabellen (Pivot-Abfragen) in Excel
(Office 97) auf der Basis der vorhandenen Informationen: Lage zum MThw, MTnw,
Salzkonzentration, Überflutungsdauer, Überflutungshäufigkeit, Bodenfeuchte, Bodentypen und
Nutzungstypen ausgewertet. Mittels auf Anzahl und Flächengröße bezogener, gewichteter
Häufigkeitsverteilungen wurden Mittelwerte und Standardabweichungen der Standortparameter
Überflutungshöhe-, dauer, -häufigkeit, Salzkonzentration und Bodentyp flächenbezogen für die
verschiedenen Biotoptypen bestimmt. Die Ergebnisse dieser Status quo-Analyse werden in Kap. 6.1
dargestellt und diskutiert.
5.2.2
Explorative Datenanalyse
Die innerhalb der Forschung verwendeten Vegetationsmodelle können grundsätzlich in drei
Modelltypen aufgeteilt werden (HÖRSCH 2001): In Boolesche Modelle (diskrete Modelle), in
parametrische Modelle und in nicht-parametrische Modelle.
5.2.2.1
Parametrische und nicht-parametrische Verfahren
Die Booleschen Modelle weisen einer Flächeneinheit aufgrund einer bestimmten Amplitude der
Vorhersagevariablen genau eine Klasse zu und sind verteilungsfrei (GUISAN & ZIMMERMANN 2000).
Dagegen berechnen parametrische Verfahren wie z.B. Maximum Likelihood, Logistische Regression
(LOGIT) oder Kanonische Korrespondenzanalysen (CCA) die Wahrscheinlichkeiten des Auftretens
bzw. die zu erwartende relative Häufigkeit des Auftretens beispielsweise von Vegetationstypen oder
Biotoptypen. Diesen Verfahren liegen bestimmte Annahmen zur Verteilung der verwendeten Daten
zugrunde (BACKHAUS et al. 2000, BAHRENBERG 1992). Sowohl die logistischen Regression als auch
die Diskriminanzanalyse werden zur Ableitung und Voraussage von Vegetationstypen eingesetzt
(BACKHAUS et al. 2000, DILLON & GOLDSTEIN 1984). Dabei wird die logistische Regression
gegenüber der Diskriminanzanalyse häufig vorgezogen, denn diese braucht weniger scharfe
Modellannahmen und es besteht die Möglichkeit metrische und kategorische Variablen zu verwenden
(MARZLOFF 1999). Darüber hinaus kann mit ihr nicht nur eine Vorkommensprognose, sondern auch
die Analyse der Bedeutung einzelner Standortparameter für die Vegetationsausprägung durchgeführt
werden (MORRISON et al. 1998). Die Korrespondenzanalyse ist dagegen ein Verfahren für
ausschließlich nominalskalierte (kategoriale) Daten. In seiner Grundidee ist es mit der für metrische
Daten eingesetzten Hauptkomponentenanalyse vergleichbar. Mit der Korrespondenzanalyse werden
die mehrdimensionalen Daten durch Skalierung in einem niedriger dimensionierten rechtwinkligen
Koordinatensystem erfasst. Der größtmögliche Anteil der Datenvarianz wird dabei auf der ersten
Achse dargestellt. Der größtmögliche verbleibende Anteil der noch nicht beschriebenen Datenvarianz
auf der zweiten usw.. Je kleiner die Anzahl der betrachteten Kategorien ist und je klarer die
Teil II - Methoden
49
Zusammenhänge zwischen den untersuchten Variablen sind, desto weniger Dimensionen werden zur
graphischen Darstellung benötigt. Für die Art und Stärke des Zusammenhangs zwischen den Variablen
spielen der Gradient entlang der betrachteten Dimensionsachse und die relative Entfernung vom
Nullpunkt eine Rolle. Für die Verbreitungsmodellierung eignet sich dieses Verfahren nicht.
Die Voraussetzung für die Verwendung der beschriebenen parametrischen Verfahren ist die Annahme
einer glockenförmigen Verteilung und die Unabhängigkeit der Daten. Bei raumbezogenen und
flächendeckend vorliegenden Datensätzen, wie sie in der vorliegenden Arbeit verwendetet werden, ist
das Problem der räumlichen Autokorrelationen allerdings inhärent und unvermeidbar (MARZLOFF
1999, BONHAM-CARTER 1994). Daher können solche Daten kaum als voneinander unabhängig gelten.
Für nicht-parametrische Modelle wie beispielsweise dem Verfahren der Klassifikations- und
Regressionsbäume (Classification and Regression Trees = CART, s. Kap. 5.2.3, BREIMAN et al. 1984),
Generalized Additive Model (GAM), General Linear Models (GLM) oder Neuronalen Netzen
(Artificial Neuronal Networks = ANN) gelten diese Voraussetzung nicht mehr.
5.2.3
Auf
Klassifikations- und Regressionsbäume (CART)
der
Grundlage
des
explorativen
statistischen
Verfahrens
der
Klassifikations-
und
Regressionsbäume (Classification and Regression Trees = CART, BREIMAN 2000) und der aus der
Literatur bekannten Standortpräferenzen einzelner Biotoptypen und Pflanzenarten der Grünländer
und Röhrichte können Voraussagen über die künftige Entwicklung der Vegetationseinheiten
vorgenommen werden (FRANKLIN 1998). Das CART-Verfahren wird vor allem in den Vereinigten
Staaten bereits häufig zur Modellierung ökologischer Fragestellungen eingesetzt (MUNOZ &
FELICISMO 2004). Das Schätzverfahren liefert durch den Vergleich zwischen prognostizierten und
realen Verhältnissen quantifizierbare und entscheidbare Wenn/Dann Aussagen, die in einem
Entscheidungsbaum dargestellt werden. Innerhalb des Modells werden Wahrscheinlichkeiten des
Auftretens eines Biotoptyps für jede einzelne Fläche aufgrund der zugehörigen charakteristischen
Kombinationen der verschiedenen Standortparameter berechnet. Anhand der Abweichungen der
Modellergebnisse von den realen Werten können mögliche Fehler in den Ausgangsdaten und den
zugrunde gelegten Hypothesen aufgedeckt und gegebenenfalls korrigiert werden (MÜLLER 1999,
BRECKLING & REICHE 1996, MÜLLER et al. 1996).
Die Berechnungen und Modellierungen wurden mit dem CART-Modul des Statistik-Programms „R“
(R Development Core Team 2005) Version 1.6.1, das an der ETH Zürich entwickelt wurde
(http://www.r-project.org), durchgeführt. „R“ ist ein GNU Projekt mit starken Ähnlichkeiten zum
kommerziellen Statistikprogramm „SPLUS“ (http://www.insightful.com/). „R“ ist als sogenannte
„Freie Software“ unter den Bedingungen der „Free Software Foundation's GNU General Public
License“ erhältlich unter http://www.r-project.org/ - (GNU bedeutet: GNU is not UNIX. Dies ist ein
Akronym der Open Source Community).
Teil II - Methoden
5.2.3.1
50
Eigenschaften des CART-Verfahrens
Der CART-Ansatz geht auf Konzepte aus dem Bereich der künstlichen Intelligenz zurück, innerhalb
der anhand von Entscheidungsregeln Binärbäume aufgestellt werden (RIPLEY 1996). Der
mathematische Algorithmus, der CART zugrunde liegt, beruht auf dem Verfahren des binären
rekursiven Partitionierens (BREIMAN et al. 1984). Der Ausgangsdatensatz wird dabei iterativ anhand
des bestmöglichen Unterscheidungskriteriums (Standortparameter) gruppiert und so fortlaufend
(rekursiv) in jeweils zwei (binär) Teilmengen (Partitionen) aufgeteilt, die ihrerseits wieder je in zwei
Teilmengen aufgeteilt werden usw. (s. Abb. 6). Innerhalb des so entstehenden Binärbaumes wird an
jeder der auf diese Weise entstehenden Verzweigungen (Knoten) jede verwendete unabhängige
Variable (Standortparameter) auf ihre Eignung als Unterscheidungskriterium zur Aufteilung des
Ausgangsdatensatzes bzw. der daraus abgeleiteten Teilmengen getestet (BREIMAN 2000).
Es entsteht zunächst ein Maximalbaum, der allerdings für die Klassifikation ungeeignet ist, weil mittls
des kompletten Ausgangsdatensatzes klassifiziert wird und so auch zufällige Phänomene mit abgebildet
werden. Denn innerhalb der verwendeten Daten sind immer auch Informationen enthalten, die nicht
für eine Vorhersage verwendet werden können und auch als Rauschen (random oder noise variation)
bezeichnet werden. Bei der Identifikation geeigneter Unterscheidungskriterien bzw. Standortparameter
ist es aber wichtig, den Punkt auszumachen, an dem der Datensatz nicht weiter partitioniert werden
soll, um verwertbare Aussagen zu erhalten. Hierzu wird der Maximalbaum mit Hilfe des so genannten
Pruning gestutzt und der optimale Baum berechnet. Der Pruning Algorithmus dient dazu, möglichst
viele der abhängigen Variablen (Zielvariablen) durch verschiedene Kombinationen unabhängiger
Variablen (Eingangsvariablen) vorherzusagen, wobei gleichzeitig redundante Ergebnisse vermieden
und zufällige Phänomene nicht mit abgebildet werden sollen (RIPLEY 1996, BREIMAN et al. 1984). Der
Bearbeiter legt den Pruningfaktor fest, durch den die Berechnung neuer Verzweigungen des
Entscheidungsbaumes gestoppt und die Fehlklassifikationsrate bestimmt wird, die die Güte des
Modells angibt. Bei der Festlegung des Prunigngfaktors sollte zwischen einer minimalen
Fehlklassifikationsrate und einer maximalen Trefferquote abgewogen werden so dass ein optimaler
Entscheidungsbaum erzeugt werden kann. In vielen Fällen können die abhängigen Variablen schon
nach wenigen Rechenschritten (Wenn/Dann-Abfragen) befriedigend vorhergesagt werden. Anhand
des endgültigen, optimalen Entscheidungsbaumes werden in „R“ die Wahrscheinlichkeiten des
Vorkommens von Biotoptypen für jede Fläche berechnet und können über eine ID mit dem
Geodatensatz verknüpft und im GIS räumlich dargestellt werden. Weiterführende Arbeiten zum
mathematischen Hintergrund und den verwendeten Algorithmen finden sich unter anderem bei
BREIMAN et al. (1994) und BREIMAN (2000). Ein Ausschnitt eines mit CART berechneten
Entscheidungsbaumes ist beispielhaft in Abbildung 6 dargestellt.
5.2.3.2
Vorteile des CART-Verfahrens
Das CART-Verfahren hat beispeilsweise gegenüber dem Verfahren der Künstlichen Neuronalen Netze
den Vorteil, dass die Ergebnisse ein einfaches Modell zur Klassifizierung bzw. zur Vorhersage von
Teil II - Methoden
51
Variablen bereitstellen, das als Entscheidungsbaum grafisch und sehr anschaulich in Folgen logischer
Wenn/Dann Abfragen dargestellt wird. In dem berechneten Entscheidungsbaum werden die
unabhängigen Variablen, anhand derer sich die abhängigen Variablen am besten klassifizieren lassen,
zu Beginn verwendet während kleinräumig wirkende Variablen in der Nähe der Endknoten auftauchen
(MOORE et al. 1991). Die Bedeutung der Standortparameter für die vorhersage der Biotoptypen ist so
anhand ihrer Reihenfolge bei der Klassifizierung grafisch direkt ablesbar. Gegenüber parametrischen
Verfahren hat das CART-Verfahren den Vorteil, dass sowohl kontinuierliche als auch kategoriale
Variablen verwendet werden können und dass über die Verteilung und die mögliche räumliche
Autokorrelation der Variablen keine Annahmen getroffen werden müssen, die den Zusammenhang
zwischen der vorherzusagenden Variable und den unabhängigen Variablen als linear oder nicht-linear
beschreiben. Auch sind fehlende Werte innerhalb von Datensätzen unproblematisch, weil
unvollständige Datensätze automatisch unberücksichtigt bleiben.
Zusammenfassend kann festgestellt werden, dass das parameterfreie CART-Verfahren, das vor allem
in den USA häufig eingesetzt wird (MUNOZ & FELICISMO 2004), ein exploratives Verfahren zur
Vorhersage von Variablen ist, das auch dann angewendet werden kann, wenn nur wenig über die
Zusammenhänge und Abhängigkeiten zwischen den zu betrachtenden Variablen bekannt ist und kein
mathematisches Modell existiert, das den Zusammenhang hinreichend beschreibt. Darüber hinaus
können CART-Modelle auch das Verhältnis zwischen wenigen Variablen erfassen, die innerhalb einer
linearen oder non-linearen Gleichung nicht ohne weiteres berücksichtigt werden könnten.
Nutzung<2,5
Salz<1,4 (psu)
Überflutungen<668 (n/a)
Überflutungsdauer<2,15 (h/d)
...
...
Nutzung<4,5
...
...
DMThw<-1,45
(m)
...
Flusswattröhricht
Flusswatt
Extensivgrünland
Abb. 6: Beispielhafte Darstellung eines mit dem CART-Verfahren für die Prognose der Biotoptypen
berechneten Entscheidungsbaumes (Ausschnitt)
Teil III - Ergebnisse und Diskussion: Status quo-Analyse
6
52
ERGEBNISSE UND DISKUSSION: STATUS QUO-ANALYSE
Im Folgenden werden die Ergebnisse der Datenanalyse und Flächenbilanzen für den Status quo des
Untersuchungsgebietes vorgestellt. Die verwendeten Daten und Quellen zur Analyse des Status quo
stammen aus den Jahren 1988 bis 1994 (Kap. 1.3, Kap. 4, Anhang). Die dieser Arbeit zugrunde
liegenden Daten stehen auf Anfrage in digitaler Form zur Verfügung.
Schwerpunkt von Kapitel 6.1 ist die Analyse der räumlichen Verteilung der Biotoptypen in Bezug auf
die Standortparameter Überflutung, Bodentyp, Bodenfeuchte, Standorttyp und Nutzungstyp (s. Kap.
4.2 und 5.1.1). Hierzu wird in Kapitel 6.1 der Zusammenhang zwischen der Biotoptypenverteilung und
den ausgewählten Standortparametern mit Hilfe der deskriptiven Statistik analysiert und anhand von
Kreuztabellen berechnet. Flächenbilanzen werden mit einem GIS vorgenommen und kartografisch
dargestellt.
In Kapitel 6.2 wird die Vorlandvegetation auf der Ebene der Pflanzengesellschaften und Arten
differenziert und die räumliche Verbreitung und Zonierung der Vegetation im Hinblick auf die
ökologischen Ansprüche und Funktionen der Vegetationseinheiten beschrieben.
6.1
Deskriptive Datenanalyse und Flächenbilanzen
Die Vorländer der Unterweser sind flächendeckend durch Biotoptypenkartierungen erfasst (s. Kap. 4.4
und 5.1, GFL 1992, KURZ & KÜVER 1991). Die Datenanalyse wird für 38 der 42 kartierten
Biotoptypen durchgeführt. Die Biotoptypen „Stromrinne“, „Flachwasserzonen“, „Marschgräben“,
„Naturnahe Stehende Gewässer“ und „Sonstiges Mesophiles Grünland“ der Deiche gehen nicht in die
Flächenbilanzen und die Modellierung ein, weil es für diese Biotoptypen keine verlässlichen
Höheninformationen gibt, die es erlauben würden ein adäquates DGM (Kap. 4.2.1) zu erstellen. Der
Übersichtlichkeit halber wurden Biotoptypen mit ähnlichen Standort- oder Nutzungsansprüchen, wie
Freizeitanlagen, verschiedene Bebauungstypen oder unterschiedliche Röhrichttypen für die grafische
Darstellung zu größeren Einheiten zusammengefasst. Tabelle 6 gibt eine Übersicht über die aus
graphischen Gründen zusammengefassten und die kartierten Biotoptypen sowie ihre Nomenklatur. In
Tabelle 7 sind die Flächengrößen der im Folgenden der Übersichtlichkeit halber für die grafischen
Darstellungen verwendeten „zusammengefassten Biotoptypen“ angegeben. In Abbildung 7 ist die
Biotoptypenverteilung der Unterweservorländer für den Status quo dargestellt.
53
Tab. 6: Übersicht über die für die tabellarische und grafische Darstellung zusammengefassten
Biotoptypen in alphabetischer Reihenfolge und die kartierten Biotoptypen des
Unterweservorlandes mit Beschreibung nach v. DRACHENFELS (1994)
Für die grafische Darstellung
Kartierte
zusammengefasste Biotoptypen
Biotoptypen
Acker
Bäume/Gehölze
Bäume/Gehölze
Bebauung
Bebauung
Bebauung
Extensivgrünland
Extensivgrünland
Extensivgrünland
Feuchtgrünland
Feuchtgrünland
Flutrasen
Flutrasen
Freizeitanlage
Freizeitanlage
Freizeitanlage
Freizeitanlage
Gewässer/Gräben
Gewässer/Gräben
Grasacker
Intensivgrünland
Intensivgrünland
Röhricht (über MThw)
Röhricht (unter MThw)
Ruderalflur
Ruderalflur
Ruderalflur
Steinufer
Strand
Stromrinne
Trockenrasen
Watt ohne Vegetation
Watt ohne Vegetation
(Abkürzung)
AT
WPB
WXP
ODP
OGI
OI
GMF
GMZ
KHF
GNR
NSG
GFF
GNF
PA
PHO
PSC
PZA
FGM
SEZ
GA
GIM
GIMw*
KRP
KRS
NRR
NRS
NRT
FWR
FWRs*
FWRt*
KBR
KBRs*
KBRt*
UHF
UHM
URF
KX
KSN
FZTs*
RSZ
FWO
KBO
Beschreibung
Basenreicher Lehm/Tonacker
Birken- und Zitterpappel-Pionierwald
Hybridpappelforst
Landwirtschaftliche Produktionsanlage
Industrielle Anlage
Innenstadtbereich
Mesophiles Grünland mäßig feuchter Standorte
Sonstiges Mesophiles Grünland
Salzwiese der Ästuare
Nährstoffreiche Nasswiese
Seggenried, nährstoffreicher Standorte
Flutrasen
Seggen-, binsen-, hochstaudenreicher Flutrasen
Parkanlage
Obst- und Gemüsegarten
Campingplatz
Grünanlage ohne Altbäume
Marschgraben
Sonstiges naturnahes nährstoffreiches Kleingewässer
Grünland-Einsaat (Grasacker)
Intensivgrünland der Marschen
Intensivgrünland der Marschen (Mähweide)*
Schilfröhricht der Brackmarsch
Strandsimsenröhricht der Brackmarsch
Rohrkolben-Landröhricht
Schilf-Landröhricht
Teichsimsen-Landröhricht
Flusswatt-Röhricht mit Strandsimsen
Flusswatt-Röhricht mit Schilf*
Flusswatt-Röhricht mit Rohrkolben*
Brackwasserwatt-Röhricht mit Strandsimse
Brackwasserwatt-Röhricht mit Schilf*
Brackwasserwatt-Röhricht mit Teichsimse*
Halbruderale Gras-und Staudenflur feuchter Standorte
Halbruderale Gras-und Staudenflur mittlerer Standorte
Ruderalflur frischer bis feuchter Standorte
Küstenschutzbauwerk, Steinschüttung
Naturnaher Sandstrand, Sandwatt* mit Röhricht*
stark ausgebauter Flussunterlauf mit Tideeinfluss*
Sonstiger Sand-Magerrasen
Flusswatt ohne Vegetation höherer Pflanzen
Brackwasserwattt ohne Vegetation höherer Pflanzen
*Eigene Differenzierungen: Anpassung des Kartierschlüssels, verändert nach v. DRACHENFELS (1994).
Kursiv sind die nicht in der Status quo-Analyse und in der nachfolgenden Modellierung berücksichtigten Biotoptypen
dargestellt.
54
Die Vorländer wie auch die binnendeichs gelegene Marsch sind von der Landwirtschaft geprägt, die
67 % der Vorlandflächen dominiert (Prozentangaben bezogen auf die Vorlandfläche über MThw, s.
Tab. 7): Bereiche mit Intensivgrünland und Grasacker nehmen etwa 45 %, Mais– oder Kohlacker rund
10 % der Flächen ein. Auf ca. 12 % der tidebeeinflussten Vorlandbereiche (ohne Berücksichtigung der
Hauptdeiche) findet sich Mesophiles Grünland (Extensivgrünland). Artenreiche Feucht- und
Nassgrünländer sind nur auf ca. 1 % der Fläche verbreitet. Vor allem die intensiv genutzten
Grünlandbestände unterliegen im Sinne von GRIME (2001) ständigen mechanischen Störungen wie
ein- bis mehrfache Mahd oder Beweidung sowie Tritt und Bodenverdichtung. Zu solchen von
DIERSCHKE (1997) als gestört oder überformt bezeichneten Flächen gehören auch Sport- und
Parkanlagen sowie Campingplätze und Grünlandbrachen. Acht Prozent des Gebietes dienen der
Freizeitnutzung. Ruderalvegetation bzw. Hochstaudenfluren finden sich in der Nachbarschaft von
Wirtschaftsgrünländern, entlang von Gräben und der Unterweser. Brachebereiche mit Ruderal– und
Stromtalvegetation, die über 3 % der Fläche ausmachen, sind oft auf ehemaligen Grünländflächen
sowie auf verbauten oder befestigten Ufern und in besiedelten Gebieten anzutreffen. Nur ca. 20 % der
Vorländer sind mit naturnahen Röhrichten besiedelt, der übrige Teil wird von bebauten Flächen
Gehölzen und Baumgruppen (ca. 7 %) eingenommen. In Tabelle 7 sind die Flächenanteile [ha, %] für
die für die grafische Darstellung zusammengefassten Biotoptypen bezogen auf die über MThw
gelegene Vorlandfläche dargestellt.
Tab. 7: Flächenanteile der Biotoptypen (für die tabellarische Übersicht zu größeren Einheiten
zusammengefasst) im Status quo (in alphabetischer Reihenfolge) des Vorlandes der
Unterweser in ha und %
Zusammengefasste Biotoptypen
Flächenanteile [ha]
Flächenanteile [%]
Acker
Bäume/Gehölze
Bebauung
Extensivgrünland
Feuchtgrünland
Flutrasen
Freizeit
Grasacker
Intensivgrünland
Röhricht unter MThw
Röhricht über MThw
Ruderalflur
Steinufer
Strand
Trockenrasen
(landwirtschaftlich genutzte Fläche)
Summe Vorland über MThw
Vegetationsloses Watt
Summe Vorland unter MThw
Keine Angaben
Summe Vorland ges.
437
103
204
527
25
53
377
202
1770
410
509
145
8
99
19
(3014)
4478
1107
1516
158
6152
10
2
5
12
1
1
8
5
40
9
11
3
0
2
0
(67)
100
25
34
4
-
55
Bremerhaven
Nordenham
Einswarder Plate
Tegeler Plate
Kleinensieler Plate
Strohauser Plate
Brake
Harrier Sand
Hammelwarder Sand
Elsfleth
Elsflether Sand
Rönnebecker Sand
Tegeler Sand
Julius Plate
Warflether Sand
Bremen Nord
Bremen
10
0
Acker
Bäume/Gehölze
Bebauung
Freizeit
N
10 Kilometer
Grasacker
Intensivgrünland
Extensivgrünland
Flutrasen
Feuchtgrünland
Ruderalflur
Röhrichte
Watt
Strand
Trockenrasen
Städte/Siedlungen
Unterweser
Abb. 7: Biotoptypenverteilung (für die grafische Darstellung zu größeren Einheiten zusammengefasste
Biotoptypen) der Unterweservorländer im Status quo zwischen Bremen und Bremerhaven
6.1.1
56
Die Standortparameter Überflutungshäufigkeit und –dauer spielen für die Merkmalsausprägung der
Vorlandvegetation eine wichtige Rolle (BALDWIN et al. 2001, BERTNESS 1999). Ob, wie oft und wie
lange ein Standort überflutet wird, hängt wie in Kap. 3.1 beschrieben entscheidend von seiner
räumlichen Lage und Topografie ab.
6.1.1.1
Topografie
Die Vorländer der Unterweser weisen nur geringe Reliefunterschiede von wenigen dm auf. Auf weiten
Teilen der tidebeeinflussten, mit Grünländern bestandenen Vorlandbereiche und der Sommerpolder
werden nur Höhen zwischen 1,7 m über NN bis 2,4 m über NN erreicht. Signifikante Erhöhungen
stellen lediglich die künstlich entstandenen Spülfelder mit Höhen zwischen 3 m bis über 7 m über NN
und die Sommer- und Winterdeiche dar. Die mittlere Höhe der Sommerdeiche liegt etwa bei 3 m bis
3,5 m über NN, die Winterdeiche erreichen Höhen zwischen 6 m bis 8 m über NN. Die in dieser
Arbeit durchgeführten Standortanalysen basieren auf einem Digitalen Geländemodell (DGM) des
Unterweservorlandes (s. Kap. 4.2.1). Die aus der DGK 5 (Deutschen Grundkarte 1:5000)
digitalisierten Höhendaten besitzen allerdings eine relativ geringe Datendichte. Vor allem für Gebiete
mit geringen Höhenunterschieden ist aber die Erstellung eines einigermaßen realistischen DGM nur
auf der Grundlage genauer Höheninformationen zu leisten. Die Genauigkeit des erstellten DGM hängt
also vor allem von der Auflösung der verwendeten Input-Daten ab, die hier zwischen 0,2 m bis ca. 1 m
liegen können. Berechenbare Zellgrößen mit einer feineren Auflösung als sie mit 25 x 25 m das
berechnete DGM aufweist ergeben daher keine größere Genauigkeit. Weiterführende Informationen
zur Diskussion über eine realistische Rekonstruktion von Oberflächen aus Punkt- und Liniendaten
finden sich bei HÖRSCH (2001), JAEGER (2000), DIKAU & SCHMIDT (1999) und SCHNEIDER (1998).
6.1.1.2
Lage der Biotoptypen zum MThw
Die Auswirkungen hydrologischer Änderungen auf die Komposition und Biomasse der
tidebeeinflussten Vorlandvegetation ist bis heute kaum flächendeckend untersucht. Dabei kann schon
kurzzeitige Überflutung während der Wachstumsphase die Abundanzverhältnisse vor allem der
annuellen Pflanzenarten deutlich verändern (BALDWIN et al. 2001). Abhängig von ihrer relativen Lage
zum MThw lassen sich dennoch für die kartierten Biotoptypen der Unterweser demnach
charakteristische Zonierungen entlang eines Gradienten abnehmender Überflutung feststellen:
Wattflächen finden sich erwartungsgemäß etwa ab –1,5 m unter MThw bzw. im Bereich des MThw.
Röhrichte kommen etwa zwischen –1,5 unter bis 0,2 m über MThw vor. Es folgen Ruderalfluren,
Feuchtgrünländer und Flutrasen (-0,2 unter MThw bis 1,9 m über MThw). Daran schließen sich etwa
ab 0,7 m über MThw Intensivgrünländer und für die Freizeitnutzung erschlossene und bebaute
Industrieflächen an. Auch SEELIG (1992), OERTLING (1992), BERGHAUSEN (1992), PREISINGER
(1991) und KÖTTER (1961) fanden vergleichbare Zonierungen der Vegetation für die Vorlandbereiche
Unterelbe.
57
In Abbildung 8 sind die Mittelwerte und die Standardabweichungen der Höhenlagen der für die
grafische Darstellung zusammengefassten Biotoptypen bezogen auf das MThw dargestellt. Die
Auswertung der Höhendaten zeigt, dass die Dichte der Messpunkte für die exakte Abbildung der
Standortverhältnisse
der
zum
Teil
kleinräumig
vorkommenden
Fluss-
und
Brackwasserröhrichtbestände nicht ausreicht: Knapp 13 ha von insgesamt ca. 400 ha, für die KURZ &
KÜVER (1991) Fluss- und Brackwasserröhrichte kartiert haben, kommen angeblich bis unter 2 m
unterhalb des MThw vor. Unter der Annahme, dass die MThw-Linie einen wesentlichen abiotischen
Standortparameter für Fluss- und Brackwasserröhrichte darstellt, ist daher bezogen auf das gesamte
Untersuchungsgebiet nur für ca. 0,3 % der Flächen die Genauigkeit des vorliegenden DGM nicht
hinreichend.
6,0
5,0
4,0
Lage zum MThw [m] NN
3,0
2,0
1,0
0,0
-1,0
-2,0
-3,0
Trockenrasen
Bebauung
Freizeitanlage
Baume / Gehölze
Uferbefestigung
Ruderalflur
Acker
Grasacker
Brackmarschröhricht (b)
Extensivgrünland
Landröhricht
Intensivgrünland
Brackmarschröhricht
Flutrasen
Feuchtgrünland
Strand
Brackwasserwattröhricht (a)
Brackwasserwattröhricht (b)
Flusswattröhricht
Flusswatt
Brackwasserwatt
-4,0
Abb. 8: Mittelwerte und Standardabweichungen der Höhenlagen der Biotoptypen (für die grafische
Darstellung zu größeren Einheiten zusammengefasst) im Status quo bezogen auf das MThw.
Differenz aus Höhen und MThw der Jahre 1991 und 1994 [m] NN, ohne Berücksichtigung
der Sommerpolder, Quelle: Teilprojekt Unterwesersimulation, a)= Bolboschoenus maritimus, b)=
Phragmites australis
6.1.1.3
Festlegung einer THw-Linie
Bei der räumlichen Analyse von Überflutungsphänomenen in hoch dynamischen Lebensräumen wie
Ästuaren stellt sich die Frage, ob überhaupt eine Uferlinie festgelegt werden kann, anhand derer man
den amphibischen vom terrestrischen Bereich unterscheidet (Kap. 5.1). Grundsätzlich stellt man sich
58
eine Uferlinie im Grenzbereich von Land und Wasser vor. Es liegt auf der Hand, dass für
tidebeeinflusste Uferbereiche der Meeresküsten und Ästuare im Grunde aber keine starre Uferlinie
angenommen werden kann. Sobald dynamische Prozesse berechenbar und damit auch darstellbar
werden sollen, müssen allerdings aus methodischen und inhaltlichen Gründen fiktive stationäre
Zustände definiert werden, denn dynamische Prozesse im GIS abzubilden oder zu modellieren stößt
zur Zeit noch auf enge Grenzen (MÜLLER 1999). In einem GIS sind Daten in Form von Punkten und
Flächenbegrenzungen durch Lage (x,y) und Höhenkoordinaten (z) räumlich festgelegt und damit nicht
variabel (Kap. 5.1). Eine gedachte und im Folgenden verwendete Ufer- oder Grenzlinie zwischen dem
amphibischen und dem terrestrischen Bereich bezeichnet zunächst nur einen von vielen möglichen
Zuständen einer Wasserlinie zu einem bestimmten Zeitpunkt und für einen bestimmten abgegrenzten
Ort des Tidegeschehens. Die Verwendung des Mittleren Tidehochwassers als eine solche Grenzlinie
wird hier daher durchaus als kritisch betrachtet; jedoch dient sie im Allgemeinen (KÖTTER 1961) und
so auch innerhalb der vorliegenden Arbeit im Besonderen in Anlehnung an LOCKWOOD & FOWLER
(2000) als eine Art Hilfslinie zur Verortung und Modellierung verschiedener Vegetationstypen im
Uferbereich von Ästuaren in Relation zu einem sich permanent ändernden Wasserstand.
6.1.1.4
Überflutungsdauer
Bei der Betrachtung der täglichen mittleren Überflutungsdauer in Stunden findet sich, wie KLEIKAMP
(1996) beschreibt, die größte Anzahl der Biotoptypen auf den weniger als eine Stunde überfluteten
Bereichen. Die Mittelwerte der täglichen Überflutungsdauern tendieren für die Biotoptypen Acker,
bebaute Gebiete (Bebauung) und Trockenrasen gegen 0 Stunden. Auf Flächen, die täglich deutlich
mehr als eine Stunde der Überflutung ausgesetzt sind, prägen neben Extensivgrünländern und Bäumen
oder Gebüschen Röhrichte das Erscheinungsbild. Auf Bereichen, die mehr als ca. sieben Stunden pro
Tag unter Wasser stehen, treten die Röhrichte und andere Vegetation gegenüber ausgedehnten
vegetationslosen Wattflächen zurück.
HORCHLER (1997) stellte für Grünlandbereiche nicht tidebeeinflusster Auenbereiche des unteren
Niederrheins saisonal zum Teil deutlich längere Überflutungszeiträume fest als sie an der Unterweser
zu beobachten sind. Von HELLBERG (1995) wurden Wiedervernässungsmaßnahmen extensiv
genutzter Grünländer im Raum Bremen und der Dümmerniederung in Nordwestdeutschland
untersucht. Er fand wie HORCHLER (1997) für die vor allem im Winter und Frühjahr permanent
überstauten bzw. feucht-nassen Standorte für überflutungstolerante Gräser wie die Flutrasenart
Alopecurus geniculatus vergleichbare Toleranzen hinsichtlich der Überflutungsdauer vor. Im Gegensatz zu
den von HELLBERG (1995) untersuchten im Winter und Frühjahr permanent überfluteten Poldern ist
das hier betrachtete Unterweservorland saisonal unterschiedlich stark von den täglichen Überflutungen
ausgesetzt. Daher sind in erster Linie die täglichen Überflutungszeiträume während der
Vegetationsperiode sind für die Vegetationsentwicklung und die Artenzusammensetzung des
Grünlandes des Unterweservorlandes entscheidend (HELLBERG 1995, MEISEL 1977). So werden auch
59
von KÖTTER (1961) ähnliche Überflutungsdauern wie in der vorliegenden Arbeit berechnet
beispielsweise für die Röhrichtvegetation der Unterelbe beschrieben.
In Abbildung 9 ist die mittlere tägliche Überflutungsdauer der für die grafische Darstellung
zusammengefassten Biotoptypen (Kap. 6.1) in Stunden pro Tag angegeben (berechnet für die
tidebeeinflussten Vorländer und die Spülfelder ohne Berücksichtigung der Sommerpolder). Die Daten
zur Überflutungsdauer wurden auf Basis der MThw und MTnw der Jahre 1991 und 1994 anhand der
Daten des TP Unterwesersimulation berechnet (s. Kap. 5.1.2.2).
20
19
18
Überflutungsdauer in Stunden pro Tag
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
Brackwasserwatt
Flusswatt
Flusswattröhricht
Uferbefestigung
Strand
Flutrasen
Brackmarschröhricht (a)
Feuchtgrünland
Intensivgrünland
Extensivgrünland
Ruderalflur
Landröhricht
Grasacker
Freizeitanlage
Baume / Gehölze
Trockenrasen
Bebauung
Acker
0
Abb. 9: Mittlere tägliche Überflutungsdauer der Biotoptypen (für die grafische Darstellung zu größeren
Einheiten zusammengefasst) in Stunden pro Tag im Status quo (ohne Berücksichtigung der
Sommerpolder) auf Basis des MThw und MTnw der Jahre 1991 und 1994, Quelle: Teilprojekt
Unterwesersimulation. a)= Bolboschoenus maritimus, b)= Phragmites australis
6.1.1.5
Salinität
Neben der Überflutung ist die Salzkonzentration ein wichtiger Standortparameter für die Vegetation.
Saisonal variiert die Verweilzeit eines Wasserkörpers in der Unterweser abhängig vom
Oberwasserabfluss stark. Zudem wirken der vom Meer her eindringende Flutstrom und das von
stromauf abfließende Oberwasser gegeneinander. Davon abhängig schwankt auch die Lage der
ästuartypischen Trübungszone und des Salzkeils, der sich von der Nordsee in die Unterweser schiebt.
60
Die Salzkonzentration der im Einflussbereich des Meeres entstandenen See- und Brackmarschen kann
bis zu 2 psu betragen (GRABEMANN et al. 1999). Die Salzkonzentration von Süßwasser liegt dagegen
unter 0,5 psu. Für die Vegetation ist allerdings weniger die Salzkonzentration der Unterweser als die
Salzkonzentration des Bodenwassers entscheidend (Kap. 3.1.1.3). Die Salzkonzentration der fließenden
Welle ist zudem deutlich höher als die des Bodenwassers (HEJNY & SEGAL 1998). Da für die
Unterweser keine flächendeckenden Messungen der Salzkonzentration der Bodenlösung zur
Verfügung stehen, wird die mittlere Salzkonzentration der Unterweser im Längsverlauf für die Analyse
der Standortbedingungen der Biotoptypen verwendet. Dabei werden die weitgehend vor Überflutung
geschützten Biotoptypen der Sommerpolder nicht berücksichtigt (s. Kap. 4.2.3). In Abbildung 10 sind
die mittleren Salzkonzentrationen der Unterweser der Jahre 1991 und 1994 bezogen auf für die
grafische Darstellung zusammengefassten Biotoptypen dargestellt. Erwartungsgemäß findet sich
Flusswatt, Landröhrichte und beispielsweise Feuchtgrünland in einem Bereich der Unterweser, der
überwiegend von Süßwasser geprägt ist. Brackwasserwatt und Brackmarschröhrichte sind hingegen
dort zu finden, wo die Salzkonzentration der Unterweser 2 psu deutlich übersteigt. Die Biotoptypen
Acker, Bebauung, Freizeitanlage, Grasacker und Trockenrasen sind fast ausschließlich auf
überflutungssicheren Spülfelder anzutreffen. Die Zuordnung einer mittleren Salzkonzentrationen für
diese Biotoptypen entspricht daher nicht ihren ökologischen Anforderungen, sondern spiegelt schlicht
ihre Verbreitung im Längsverlauf der Unterweser wieder.
61
6,0
Salzkonzentration [psu]
5,0
4,0
3,0
2,0
1,0
Uferbefestigung
Flutrasen
Brackwasserwatt
Brackmarschröhricht (a)
Acker
Extensivgrünland
Bebauung
Ruderalflur
Intensivgrünland
Grasacker
Strand
Baume / Gehölze
Freizeitanlage
Feuchtgrünland
Trockenrasen
Flusswattröhricht
Landröhricht
Flusswatt
0,0
Abb. 10: Mittlere Salzkonzentration [psu] der Jahre 1991 und 1994 für repräsentative Oberwasser
bezogen auf die Biotoptypen (für die grafische Darstellung zu größeren Einheiten
zusammengefasst) im Status quo (ohne Berücksichtigung der Sommerpolder, Quelle:
Teilprojekt Unterwesersimulation. a)= Bolboschoenus maritimus, b)= Phragmites australis)
6.1.2
6.1.2.1
Bodentyp
In Abbildung 11 ist die Verteilung der verschiedenen Biotoptypen bezogen auf die unterschiedlichen
im
Untersuchungsgebiet
vorkommenden
Bodentypen
dargestellt.
Zum
einen
weist
die
Biotoptypenverteilung auf den Ausbaugrad der zwischen Bremen und Elsfleth gelegenen
Flussmarschgebieten hin. Zum anderen zeigt sich daran auch die Nutzbarkeit der unterschiedlichen
Marschbodentypen für die Landwirtschaft, die vor allem durch den jeweiligen Sand- und Kalkgehalt
bestimmt wird. Generell ist der Sandgehalt, von dem die Durchlässigkeit und Bearbeitbarkeit der
Böden abhängt, in den küsten- und flussnahen Vorlandgebieten hoch und nimmt landeinwärts hin ab.
Sandige Marschbereiche, wie sie beispielsweise auf dem sommerbedeichten Hammelwarder Sand zu
finden sind, eignen sich daher gut für den Ackerbau, wohingegen tonige Marschgebiete und solche, die
wie die Strohauser Vorländer häufig überflutet werden, eher von der Grünlandwirtschaft geprägt sind
(BEHRE 1994). Auch Seemarschen, die im Bereich der Einswarder Plate vorkommen, sind sehr
fruchtbare Böden und sind im Prinzip gut für den Ackerbau nutzbar. Die Brackmarschen mit ihrem
62
starken Schluffanteil und dem hohen Gehalt an Magnesium- und Natrium-Ionen stellen dagegen sehr
dichte, kaum durchlässige Böden mit starker Wasserbindungskraft dar. Das kann dazu führen, dass
selbst bei hoher Wassersättigung die nutzbare Feldkapazität nur 10 % bis 20 % beträgt und Pflanzen
dem Boden kaum Wasser entziehen können. Brackmarschen eignen sich also weder für den Ackerbau
noch für die intensive Grünlandwirtschaft (LERCH 1991). Daher ist der Anteil der extensiv genutzten
Grünländer sowie der nicht nutzbaren, stark tidebeeinflussten, mit Röhricht bestandenen Flächen hoch
(Abb. 11).
Flächenanteil [ha]
3200
3000
2800
2600
2400
2200
2000
1800
1600
1400
1200
1000
800
600
400
200
0
Watt
Strand
Ruderalfluren
Röhrichte
Intensivgrünland
Extensivgrünland
Bebauung/Freizeit
Bäume/Gehölze
Acker
Auftragsboden
Flussmarsch Brackmarsch
Seemarsch
Sonstige
Abb. 11: Flächenanteile der Biotoptypen (für die grafische Darstellung zu größeren Einheiten
vorkommenden Bodentypen, aus NLFB (1999)
6.1.2.2
Mit
Bodenfeuchte
zunehmender
Entfernung
vom
Ufer
gewinnt
der
Standortparameter
Bodenfeuchte
(Bodenkundliche Feuchtstufe) gegenüber dem Tideeinfluss signifikante Bedeutung für die
Artenzusammensetzung und die Vegetationsstruktur von Auenstandorten (DAVIS et al. 1996). Die
Bodenkundliche Feuchtestufe (BKF) wird anhand der Auswertungsmethoden im Bodenschutz nach
festgelegten Verknüpfungsregeln berechnet (MÜLLER 1997). Als Ergebnis erhält man ordinale Werte in
einer Skala von 0 (Steppe, Fels) bis 11 (offene Wasserfläche). Den entsprechenden Wertestufen werden
Angaben zur landwirtschaftlichen Nutzbarkeit als Acker oder Weidefläche zugeordnet (s. Tab. 8). Die
Bodenkundliche Feuchtstufe wird neben anderen Parametern anhand des Grundwasserflurabstandes
berechnet und hängt so indirekt auch von der Art der Nutzung ab (s.u.), da der
Meliorationswasserstand der Flächen durch die Zu- und Entwässerung bzw. durch die Anlage von
Grüppen vom Landwirt reguliert werden kann (HIGGINS et al. 1997, OLIVEIRA-FILHO et al. 1996). Es
handelt sich weder bei der Bodenkundlichen Feuchtestufe noch beim Grundwasserflurabstand oder
beim pflanzenverfügbaren Bodenwasser im statistischen Sinne um voneinander unabhängige
Parameter (s. Kap. 5.2.2, 7.1.1). DAVIS et al. (1996) und GROOTJANS et al. (1985) sehen neben den
jährlichen
Mittelwerten
der
absoluten
Schwankungsbreite
des
Wasserstandes
den
Grundwasserflurabstand
und
daraus
63
abgeleitet
die
Bodenkundliche
Feuchtstufe
für
die
Vegetationsausprägung als entscheidend an.
In Abbildung 12 ist die Verteilung der Biotoptypen bezogen auf die im Untersuchungsgebiet
vorkommenden Bodenkundlichen Feuchtestufen dargestellt. Die Tabelle 8 gibt eine Übersicht über die
verschiedenen Bodenkundlichen Feuchtestufen (BKF). Trockene Standorte (BKF 3), die auch für die
Ackernutzung nicht geeignet sind, sind entlang der Unterweser meist mit industriellen Anlagen oder
Anlagen zur Freizeitnutzung bebaut. Schwach-frische (BKF 4) bis mittel-frische (BKF 5) Bereiche sind
dagegen im Vorland nicht anzutreffen. Im Untersuchungsgebiet sind auch stark-frische (BKF 6)
Bereiche überwiegend bebaut. Hier kommen auch Brachen mit Ruderalvegetation vor. Schwach (BKF
7) bis stark feuchte (BKF 9) Flächen werden in unterschiedlichem Grade als Acker, Intensivgrünländer
oder Extensivgrünländer genutzt. Röhrichte treten auch auf stark feuchten (BKF 9) Bereichen und als
Brackwasserröhrichte oder Flusswattröhrichte auch auf permanent überfluteten (BKF 11) Bereichen
auf. Das Ergebnis der Datenanalyse, dargestellt in Abbildung 12, suggeriert, dass es landwirtschaftlich
genutzte Flächen gibt, die die Bodenkundliche Feuchtestufe 11 aufweisen. Tatsächlich werden diese
Flächen landwirtschaftlich genutzt, hier wäre aber maximal die Bodenkundliche Feuchtestufe 8 bis 9 zu
erwarten. Das hier berechnete Ergebnis muss daher zum Teil auf den Randeffekt der Verschneidung
der unterschiedlichen Maßstabsbereiche der Boden- und Biotoptypendaten im Grenzbereich zwischen
Land
und
Wasser
zurückzuführen
sein
(s.
Kap.
6.1.2.3).
Im
Ausgangdatensatz
der
Bodenübersichtskarte für das Untersuchungsgebiet kommen übrigens keine BKF von 0, 1, 2 und 10
vor, so dass diese auch in der Abbildung 12 fehlen.
Flächenanteil [ha]
2200
2000
Watt
1800
Strand
1600
Ruderalfluren
1400
Röhrichte
1200
Intensivgrünland
1000
800
Extensivgrünland
600
Bebauung/Freizeit
400
Bäume/Gehölze
200
Acker
0
BKF 3
BKF 6
BKF 7
BKF 8
BKF 9
BKF 11
zusammengefasst) im Status quo in ha bezogen auf die im Untersuchungsgebiet für die
anstehenden Bodentypen angegebenen Bodenkundlichen Feuchtestufen (BKF), aus NLFB
(1999)
64
Tab. 8: Einstufung der Bodenkundlichen Feuchtestufe (BKF, aus MÜLLER 1997)
BKF
11
10
9
8
Bezeichnung
nass
stark feucht
mittel feucht
7 schwach feucht
6 stark frisch
5 mittel frisch
4 schwach frisch
3 schwach trocken
2 mittel trocken
1 stark trocken
0 dürr
6.1.2.3
Eignung für landwirtschaftliche Nutzung
meist offenes Wasser
für landwirtschaftliche Nutzung zu nass
für Wiese bedingt geeignet, da häufig zu feucht
für Wiese geeignet, für Weide bedingt geeignet, für Intensivweide und Acker zu
feucht
für Wiese und Weide geeignet, für Intensivweide und für Acker bedingt geeignet (im
Frühjahr zu feucht)
für Grünland und Acker geeignet, für intensive Ackernutzung im Frühjahr
gelegentlich zu feucht
für Acker und Grünland geeignet
für Acker und Grünland geeignet, intensive Grünlandnutzung im Sommer
gelegentlich zu trocken
für Acker geeignet, für intensive Ackernutzung im Sommer zu trocken, für intensive
Grünlandnutzung zu trocken
für Acker und extensive Grünlandnutzung zu trocken
Trockenrasen
Steppenrasen
Verschneidung unterschiedlicher Maßstabsbereiche
Die Daten zu den Bodentypen, der Bodenkundlichen Feuchtestufe und der Biotoptypenkartierung
wurden wie bereits beschrieben in sehr unterschiedlichen Maßstabsbereichen aufgenommen.
Problematisch ist die Verschneidung dieser Datenbestände daher vor allem für die täglich überfluteten,
wesernahen Grenzbereiche, denn in der „Realität“ heterogene Flächen werden im Maßstab 1:50.000 als
homogen, hier z.B. mit der BKF 9 oder 11, eingestuft. Teilbereiche dieser Flächen, die für die
Biotoptypenkartierung im Maßstab 1:2.500 aufgenommen wurden, werden im Status quo aber
beispielsweise als Intensivgrünland (BKF = 8 bis 4) genutzt. Auch die im Vergleich zu den
Biotoptypen kleinmaßstäbigen Karte der Bodentypen, die für die 1:50.000-Darstellung zudem noch
generalisiert wurde (FUCHS 2002), erlauben keine kleinräumigen Zuordnungen von den Biotoptypen zu
den Bodentypen. Durch die Verschneidung dieser unterschiedlichen Maßstabsbereiche entstehen
notwendig Ungenauigkeiten, da die kartierten Flächenunterschiede nicht so differenziert wie
erforderlich den in einem vergleichsweise kleinen Maßstab vorliegenden Bodeninformationen
zugeordnet werden können. Das in Kap. 6.1.2.2 beschriebene Ergebnis ist somit erklärbar.
Weitergehende Informationen zur Verschneidung von unterschiedlichen Maßstabsbereichen finden
sich bei u.a. HÖRSCH (2001), MARZLOFF (1999) und BIAN (1997).
6.1.2.4
Nutzungsart und -intensiät: Nutzungstypen
In Abbildung 13 sind die Flächenanteile der für die grafische Darstellung zusammengefassten
Biotoptypen in ha bezogen auf die im Untersuchungsgebiet vorkommenden Nutzungstypen
dargestellt. Die Abbildung 14 zeigt darüber hinaus die räumliche Verteilung der Nutzungstypen der
Unterweservorländer für den Status quo.
Weite Teile der Vorländer der Unterweser sind Domänen. Das staatliche Domänenamt verpachtet
Land und Hofstellen an Landwirte. Auf dem fruchtbaren Vorland werden auf weiten Flächen
65
hochwertige Futtergräser angebaut, die für die Jung- und Milchviehhaltung sowie für die Rindermast
verwendet werden können. Die Art der Flächennutzung ist dabei auf nicht hochwassergeschützten
Bereichen vor allem von der Überflutungshäufigkeit, -dauer und -höhe abhängig. Darüber hinaus spielt
für die Intensität der Flächennutzung (Nutzungstyp) auch die Entfernung zum Hof und die Größe und
Modernität der Ausstattung des landwirtschaftlichen Betriebes eine Rolle. Des weiteren müssen die
Landwirte Nutzungsvorschriften des Naturschutzes, bestehende Naturschutzplanungen und
Extensivierungsprogramme ebenso wie die Ausweisung von Flächen als Ausgleichs- oder
Ersatzgebiete bei ihren Bewirtschaftungsüberlegungen berücksichtigen (Kap. 6.1.2.6). Diese hier im
weitesten
Sinne
als
Vegetationsausprägung
Nutzungsfaktoren
der
Vorländer,
bezeichneten
beispielsweise
Standortparameter
dienen
beeinflussen
Vorlandbereiche
südlich
die
von
Bremerhaven als Ausgleichs- und Ersatzgebiete für Bauvorhaben im Bereich der Stadt Bremerhaven.
Seit 1997/98 sind diese Flächen ganz oder teilweise aus der Nutzung genommen und nach den
Vorgaben des Naturschutzes naturnah gestaltet worden. Ferner hängt die Art und die Intensität der
Flächennutzung, die das Erscheinungsbild der Wesermarsch und ihrer Vorländer prägt, auch stark von
staatlichen Förderprogrammen und der Landwirtschaftspolitik der Europäischen Union ab (s. Kap.
7.1.2.3).
2200
Watt
Flächenanteil [ha]
2000
1800
Strand
1600
Ruderalfluren
1400
Röhrichte
1200
Intensivgrünland
1000
Extensivgrünland
800
600
Bebauung/Freizeit
400
Bäume/Gehölze
200
Acker
0
künstlich
sehr stark
verändert
stark
verändert
mäßig
verändert
mäßig
verändert
bis
naturnah
naturnah
vorkommenden Nutzungstypen
6.1.2.5
Die
Verwendung der Kategorie der Nutzungstypen
Nutzungsinformation
der
verschiedenen
Nutzungstypen
ist
im
Prinzip
bereits
im
Biotoptypenkonzept selbst enthalten (v. DRACHENFELS 1994). Die vorgenommene Klassifikation der
Nutzungsintensität liegt hier somit scheinbar redundant vor. Laut DIERSCHKE (1997) spielt jedoch
66
neben den natürlichen zum Teil vom Menschen modifizierten Standortparametern, die die Ausprägung
der Biotoptypen beeinflussen, vor allem die Art, Dauer und Dynamik der Nutzung eine entscheidende
Rolle für die Merkmalsausprägung der Vegetation. Der Nutzungsgrad bzw. die Nutzungsintensität
stellt daher im Allgemeinen und hier im Besonderen ein wichtiges Unterscheidungskriterium für die
entlang der Unterweser stark genutzten Vorlandbereiche dar. Denn die moderne Landwirtschaft ist,
wie GEHLKEN (1995) zeigt, in der Lage nahezu unabhängig von den ursprünglich prägenden
Standortparametern eine stark nutzungsabhängige, für den jeweiligen Betrieb optimale Vegetation
herzustellen (s. Kap. 5.2 , 6.3, 7.1.2.3). In Abbildung 13 sind die Flächenanteile der für die grafische
Darstellung zusammengefassten Biotoptypen in ha bezogen auf die verschiedenen Nutzungstypen (s.
Kap. 5.1.2.4) dargestellt. Die Abbildung 14 zeigt die räumliche Verteilung der Nutzungstypen der
Unterweservorländer für den Status quo.
67
Bremerhaven
Nordenham
Einswarder Plate
Tegeler Plate
Kleinensieler Plate
Strohauser Plate
Brake
Harrier Sand
Hammelwarder Sand
Elsfleth
Elsflether Sand
Rönnebecker Sand
Tegeler Sand
Julius Plate
Warflether Sand
Bremen Nord
Bremen
10
0
künstlich
sehr stark verändert
stark verändert
N
10 Kilometer
mäßig verändert
mäßig verändert bis naturnah
naturnah
keine Angaben
Städte/Siedlungen
Unterweser
Abb. 14: Räumliche Verteilung der Nutzungstypen der Unterweservorländer im Status quo zwischen
Bremen und Bremerhaven
6.1.2.6
68
Standorttypen als Ergebnis der Nutzungsart und -intensität
Im Vorland prägt neben den Parametern Überflutungshäufigkeit, –höhe und Nutzungsart auch der
Parameter Standorttyp maßgeblich die Biotoptypenausstattung der Flächen. In Anlehnung an
PREISINGER (1991) lassen sich entlang eines Gradienten mit zunehmender Nutzung und
abnehmendem Tideeinfluss folgende Standorttypen unterscheiden: Tidevorland, Sommerpolder und
Spülfelder (s. Kap. 6.2). In Abbildung 15 sind die verschiedenen im Untersuchungsgebiet
vorkommenden Standorttypen: tidebeeinflusstes Vorland (Tidevorland), Sommerpolder und Spülfelder
dargestellt (s. Kap. 5.1.2.3 und Kap. 2.33.2, Abb. 3). Die jeweilige Biotoptypenverteilung spiegelt
deutlich die Nutzungsintensität und Nutzbarkeit der Standorttypen wider (Abb. 15): Auf den
Sommerpoldern finden sich überwiegend Intensivgrünländer und Äcker sowie bebaute Bereiche und
Flächen für die Freizeitnutzung. Auf den tidebeeinflussten Vorländern kommen dagegen vor allem
naturnahe Röhrichte und deutlich mehr extensiv genutzte, Mesophile Grünländer vor. Die hoch
gelegenen Spülfeldern werden häufig als Ackerstandorte oder für Freizeitaktivitäten (Campingplätze)
Flächenanteil [ha]
genutzt.
3200
3000
2800
2600
2400
2200
2000
1800
1600
1400
1200
1000
800
600
400
200
0
Watt
Strand
Ruderalfluren
Röhrichte
Intensivgrünland
Extensivgrünland
Bebauung/Freizeit
Bäume/Gehölze
Acker
Sommerpolder
Tidevorland
Spülfeld
vorkommenden Standorttypen Sommerpolder, Tidevorland und Spülfeld
In Tabelle 9 sind die Flächenanteile der verschiedenen Standorttypen bezogen auf die Vorlandfläche
der Unterweser ohne vegetationslose Wattflächen dargestellt.
Tab. 9: Flächenanteile der verschiedenen Vorlandtypen im Status quo: Tidebeeinflusstes Vorland ohne
Wattflächen, Sommerpolder und Spülfeld in ha und %
Vorlandtyp
(ohne vegetationslose Wattflächen)
Sommerpolder
Spülfeld
Summe
Flächenanteil [ha]
1857
Flächenanteil [%]
38
2532
497
4891
52
10
100
6.2
69
Zonierung und räumliche Verteilung der Vegetation der Unterweservorländer im
Status quo
Im Folgenden wird die Vegetation des Untersuchungsgebietes auf Pflanzengesellschafts- und Artebene
beschrieben und ihre räumliche Verbreitung im Hinblick auf die ökologischen Ansprüche und
Funktionen der Vegetationseinheiten dargestellt. Die kartieren Pflanzengesellschaften und ihre
Standorte sind im Anhang in den Tabellen A6 und A7 zu finden.
Die vorliegenden Biotoptypenkartierungen sind durch aktuelle pflanzensoziologische Kartierungen auf
Gesellschaftsebene ergänzt worden (s. Kap. 4.4, Anhang, Tab. A6). Auf der Grundlage der
pflanzensoziologischen Kartierung von SCHRÖDER & GEHLKEN (1999) sowie der von KURZ &
KÜVER (1991) angefertigten Vegetationstabellen konnten den einzelnen Biotoptypen entsprechende
Pflanzengesellschaften zugeordnet werden. Damit war es möglich, die aus der Fachliteratur
(ELLENBERG 1996, KÖTTER 1961, MEISEL 1977, 1969) bekannten Standortansprüche, z.B. zur
Überflutungsdauer und Nutzungsintensität, auf die Biotoptypen zu übertragen. Die Zuordnungstabelle
für
die
nach
KURZ & KÜVER
(1991)
und
das
Ergebnis
der
pflanzensoziologischen Kartierung nach SCHRÖDER & GEHLKEN (1999) befinden sich im Anhang in
Tabelle A7.
6.2.1
6.2.1.1
Naturnahes tidebeeinflusstes Vorland
Röhrichte
Für Standorte, die sich aufgrund häufiger und starker Überflutungen für eine landwirtschaftliche
Bewirtschaftung oder eine Freizeitnutzung nicht eignen, spielen die Lage zum MThw und die
Uferneigung für die Merkmalsausprägung der Vegetation eine entscheidende Rolle (PREISINGER
1991). Auf flachen Ufern (ohne Abbruchkanten) können sich Schilfröhrichte des Süß- und
Brackwassers zwischen MThw ± 70 cm ausbilden (ELLENBERG 1996, KÖTTER 1961). Im Weserästuar
liegt ihr Verbreitungsschwerpunkt zwischen +20 cm und – 40 cm, bezogen auf das MThw. Hier finden
sich rund 90 % der Röhrichtflächen. KÖTTER (1961) fand entlang der Unterelbe für Schilf
entsprechende mittlere Ansiedlungshöhen von ca. 50 cm unter MThw. Phragmies australis ist anders als
an der Elbe oder Ems die bestandsbildende Röhrichtart der Unterweser (GROTJAHN 1983). Den
Schilfröhrichten vorgelagert treten bis tief in die Wattflächen eindringend von MThw -70 bis maximal
-150 cm Bestände der Strand- und Salzteichsimse (Bolboschoenus maritimus, Scirpus lacustris ssp.
tabernaemontani) auf. OERTLING (1992) und SEELIG (1992) stellten entlang der Unterelbe ähnliche
Zonierungen innerhalb der untersuchten Röhrichtgesellschaften fest. Brackwasserröhrichte sind in
ihrer Artenzusammensetzung durch das gleichzeitige Vorkommen von Salzpflanzen und weniger
salztoleranten Arten gekennzeichnet. Allerdings sind die Röhrichte der Brackmarsch (KBR, oberhalb
MThw, Kap. 6.1) und Landröhrichte des Süßwassers (NRS, oberhalb MThw) anhand der
Artenzusammensetzung allein meist kaum voneinander zu unterscheiden, denn der Bestandsbildner
Schilf kann sowohl auf brackigen als auch auf stark salzbeeinflussten Standorten der Vorländer
70
vorkommen (KURZ 1997). Per Definition liegen die Salzkonzentrationen des Brackwassers zwischen
2 psu und 18 psu. Entlang der Unterweser schwanken die Salzgehalte von Tide zu Tide und abhängig
von der Höhe des Oberwasserabflusses (GRABEMANN et al. 1999). SCHEER (1953) fand noch
Schilfvorkommen bei ca. 10 psu, vor allem an solchen Standorten, an denen die Salzgehalte des
Bodens auf sandigem Substrat und durch Aussüßung des Regenwassers niedriger waren als die des
Wassers (KURZ 1997). Röhrichte finden sich auf insgesamt 20 % der Vorlandflächen der Unterweser,
vor allem im Bereich des Warflether Armes, des linken und des rechten Nebenarmes der Unterweser,
auf der Strohauser Plate und der Einswarder Plate. Die Röhrichte des Brackwasser- und Flusswatts
sowie die Landröhrichte der Marsch sind nach § 20c und § 28a des Niedersächsischen
Naturschutzgesetzes geschützt.
6.2.1.2
Vegetationsloses Watt
Wattflächen spielen im Allgemeinen sowohl für den Stoffhaushalt (Sauerstoffgehalt, Abbau von
Nährstoffen) eines Ästuars als auch innerhalb der Nahrungskette, z.B. als Nahrungsquelle für das
Makrozoobenthos und für Fische (bei Flut) und Avifauna (bei Ebbe), eine große Rolle und sind ein
wichtiges Bindeglied zwischen Fluss und Marsch (HAGGE & GREISER 1996). Entlang der Unterweser
wird zwischen Süß– (limnischer Abschnitt: etwa UW km –4,75 bis 30) und Brackwasserwatt
(oligohaliner und mesohaliner Abschnitt: etwa UW km 30 bis 65) unterschieden. Aufgrund des großen
ausbaubedingten Tidenhubs von 3,6 m bei Bremerhaven bis zu 4,1 m im stadtbremischen Bereich sind
im gesamten Unterweserabschnitt zwischen der MThw– und MTnw–Linie vegetationslose
Wattbereiche (KBO, FWO, s.a. Kap. 3.1) mit einer Fläche von ca. 1100 ha vorhanden. In Stadt– und
Hafenbereichen beträgt ihre horizontale Ausdehnung zwischen 0 m und 2 m (senkrechte
Uferbefestigung, vergossene Steinschüttungen) und im Bereich der Nebenarme (UW km 30 bis 53)
und des Lunewatts (UW km 60 bis 65) 50 m bis mehrere 100 m.
6.2.2
Landwirtschaftlich genutztes, tidebeeinflusstes Vorland
Diese knapp oberhalb des MThw gelegenen seltener überfluteten Flächen werden vorwiegend
landwirtschaftlich als Mähwiesen genutzt. Für die Ausprägung der verschiedenen Grünlandtypen ist
daher, neben dem Tideeinfluss, wie von DIERSCHKE (1997), GROOTJANS et al. (1985) und MEISEL
(1969) beschrieben, vor allem die Intensität und Art der Nutzung ausschlaggebend. Tidebeeinflusste
landwirtschaftlich genutzte Gebiete mit Intensivgrünland, Mesophilem Grünland und Nassgrünland
bzw. Flutrasen nehmen insgesamt ca. 766 ha ein und finden sich auf den Strohauser Vorländern, der
Einswarder Plate und dem Neuen Pfand.
6.2.2.1
Extensiv- und Feuchtgrünland
Im Bereich 0 bis 20 cm oberhalb des MThw finden sich neben Röhrichten vor allem extensiv genutzte,
ein- bis maximal zweimal pro Jahr gemähte seggen- und binsenreiche Flutrasen (vereinzelt: GNF).
Knapp die Hälfte der noch an der Unterweser vorkommenden seggen- und binsenreiche Flutrasen
(GFF), finden sich auf diesen häufig bis zu 2,4 Stunden täglich überfluteten Bereichen (HELLBERG
71
1995). Diese zu der Rumici-Alopecuretum geniculati Gesellschaft (SCHRÖDER & GEHLKEN 1999)
zählenden Rasen werden von verschiedenen Gräsern wie Alopecurus geniculatus, Agrostis stolonifera oder
Agropyron repens dominiert. Blütenpflanzen fehlen hier weitgehend. Dieser Typ der Flutrasen, der auch
entlang der Elbe häufig anzutreffen ist, entsteht aus dem Versuch die Flächen intensiv zu nutzen
(KURZ 1997). Der konstituierende Standortparameter ist neben der Nutzungsart eine regelmäßige
längere Überflutung im Winter oder Frühjahr mit stehendem oder langsam fließendem Wasser und
eine periodische Überschlickung (MEISEL 1977, KLAPP 1965, TÜXEN 1956). Auch auf selten
überfluteten beweideten Bereichen sind solche Flutrasen anzutreffen (KURZ 1997). Hier entstehen sie
unter dem Einfluss eines hohen Weideviehbesatzes und der dadurch verursachten Verdichtung des
Bodens. Die schlechteren Abflussverhältnisse befördern dann dass Auftreten von Alopecurus geniculatus,
Agrostis stolonifera und Binsen oder Seggen. Die entsprechend der Feuchteverhältnisse erst im Mai/Juni
für Mahd oder Jungviehbeweidung nutzbaren Standorte kommen auf dem Neuen Pfand, dem
Strohauser Vorland und der Kleinensieler Plate vor (SCHRÖDER & GEHLKEN 1999). Das RumiciAlopecuretum ist Ersatzgesellschaft des Salicion albae bzw. des Alno-Ulmion (Weichholzaue).
Flutrasen sind nach Niedersächsischem Naturschutzgesetz § 28b geschützt. Die an der Unterweser
kartierten Flutrasen stellen fast ohne Ausnahme Degenerationsformen von artenreichen Nasswiesen
dar. Für den Naturschutz haben solche Flächen dennoch eine große Bedeutung, denn die meisten
durch die landwirtschaftliche Nutzung hervorgerufen Veränderungen sind mehr oder weniger
reversibel, da sich dort innerhalb relativ kurzer Zeit wieder Nasswiesen etablieren lassen (KURZ 1997).
6.2.2.2
Extensiv- und Intensivgrünland
Ab etwa 20 cm oberhalb des MThw wechseln sich Intensivgrünländer (GIM) mit verschiedenen
Ausprägungen des Mesophilen Grünlandes (GMF) ab. Die Flächen sind während der
Vegetationsperiode dem täglichen Tideeinfluss weitgehend entzogen. Bei Sturmfluten werden
regelmäßig große Mengen von Nährstoffen durch Schlammablagerungen eingetragen. Zusätzlich
werden sie wahrscheinlich noch mit bis zu 100 kg Phosphat pro ha gedüngt. Eine Mahd erfolgt
abhängig von den Überflutungsverhältnissen ca. zwei- bis dreimal pro Jahr (SCHRÖDER & GEHLKEN
1999). Alopecurus pratensis beherrscht das Bild dieser homogen erscheinenden Wiesen, die zum Teil nur
schwer von den Intensivgrünländern unterschieden werden können. Die Alopecurus-Wiesen, die
überwiegend zu den Mesophilen oder auch extensiv genutzten Grünländern (GMF) gerechnet werden
können, weisen laut SCHRÖDER & GEHLKEN (1999) folgende Vertikalstruktur auf: Alopecurus pratensis
und Festuca pratensis bilden eine Oberschicht. Eine mittlere Schicht setzt sich aus Untergräsern wie
Festuca rubra und Lolium perenne sowie den Kräutern Ranunculus acris, Cardamine pratensis und Polygonum
amphibium f. terrestre zusammen. In der untersten Schicht wachsen Trifolium pratense, Ranunculus repens,
Rosettenpflanzen und Agrostis stolonifera. Im Frühjahr sind die Bestände von Ranunculus repens und
Taraxacum officinale gelb, sowie von Cardamine pratensis rosa. Nach dem ersten Schnitt blühen Trifolium
repens, Trifolium pratense und Polygonum amphibium f. terrestre, später folgt Leontodon autumnalis. Diese
blühenden Kräuter und Stauden sind für blütenbesuchende Insekten eine wichtige Nahrungsquelle.
72
Die meist artenreichen Gesellschaften sind auf den Strohauser Vorländern weit verbreitet. Auf einigen
Flächen findet sich allerdings auch Lolium
multiflorum, eine ertragreiche Ansaatart der
Intensivgrünländer (GIM) und Grasäcker (GA).
Die Intensivgrünländer unterscheiden sich von den Mesophilen Grünländern vor allem durch das
Auftreten von Nährstoffzeigern, dem Fehlen mesophiler Grünlandkennarten und die relative
Artenarmut. Aufgrund der hohen Bodenfeuchte und der regelmäßigen Überflutungen in diesen
Bereichen breiten sich auf den Flächen in ein bis zwei Jahren wieder Flutrasen und Arten des
Mesophilen Grünlandes aus. Bei extensiver oder unregelmäßiger Nutzung kommen schließlich die
Arten Phalaris arundinacea und Phragmites australis zur Dominanz. Auf ursprünglich von Lolio-multiflorum
und Alopecurus pratensis geprägten Flächen können so innerhalb weniger Jahre ausgeprägte Röhrichte
und Stromtalvegetation entstehen (SCHRÖDER & GEHLKEN 1999, KURZ 1997). Ökologisch haben
artenarme Intensivgrünländer nur eine geringe Bedeutung. Aufgrund der hier kaum verbreiteten
blühenden Kräuter und Stauden können sie nur in geringem Umfang als Nahrungsgrundlage für
Insekten dienen. Im Hinblick auf den Vogelschutz sind sie aber vor allem als großflächig feuchte
Rinderweiden von Bedeutung. Einige Wiesenvogelarten finden hier Brutplätze (SCHRÖDER &
GEHLKEN 1999, KURZ 1997).
6.2.2.3
Grünlandbrachen
Auf erst seit kurzem aus der Nutzung genommenen und tidebeeinflussten ehemaligen
Grünlandflächen hat sich im Bereich der Einswarder Plate bis 1998/99 eine Festuca rubra-Crepis
biennis-Gesellschaft entwickelt (SCHRÖDER & GEHLKEN 1999). Die Artenzusammensetzung deutet
auf eine diskontinuierliche Nutzung bzw. Brache hin. Kennzeichnend sind die Dominanz des Festuca
rubra und die Beteiligung von Crepis biennis und Carum carvi. Typische Grünlandarten kommen nur
vereinzelt vor. Die Festuca rubra-Brachen besiedeln im Allgemeinen frische Standorte, die nur
gelegentlich überspült werden. Die Standortansprüche sind dabei denen der Ranunculus-repensAlopecurus-Gesellschaft ähnlich (SCHRÖDER & GEHLKEN 1999). Ranunculus-repens-Alopecurus
Bestände sind auf dem Neuen Pfand verbreitet und wachsen dort auf den höher liegenden, seltener
überfluteten Bereichen im Mosaik mit Flutrasen des Rumici-Alopecuretum, deren Vorkommen, wie
auch MEISEL (1977) beschreibt, ebenfalls auf Brache hinweist. Auf den Brachen finden sich auch
Blütenpflanzen, die diese Standorte im Gegensatz zu den weitgehend monotonen Intensivgrünländern
für verschiedene Insektengruppen wie Schmetterlinge, Hautflügler, Zweiflügler und Käfer interessant
machen (KURZ 1997).
6.2.3
Sommerbedeichte Vorlandbereiche
Sommerbedeicht sind die großen Platen und Sände, darunter Teile der Strohauser Plate, die große
Weserinsel Harrier Sand und der benachbarte Hammelwarder Sand. Sommerpolder nehmen
ca.
2530 ha der Vorlandfläche ein. Hier sind die Standortparameter Bodenfeuchte, Entwässerbarkeit der
Flächen und die Art und Intensität der Nutzung ausschlaggebend für die Merkmalsausprägung der
73
Vegetation. Häufig anzutreffen ist in diesen Bereichen vorwiegend als Mähweide genutztes
Intensivgrünland (GIMw), Grünlandansaaten (GA) und Kohläcker (AT), seltener hingegen extensiv
genutztes bzw. Mesophiles Grünland (GMF) oder Flutrasen (GFF, s. Kap. 6.1).
6.2.3.1
Grasacker
Ein Großteil der Grasländer der Unterweservorländer ist aus Ansaaten (GA) entstanden. Ansaaten
sind notwendig, weil hohe Stickstoffgaben und Vielschnitt die Verunkrautung des Grünlandes mit
Quecken und Ampfer befördert (LÜHRS 1994, HÜLBUSCH 1987). Die jährliche Ansaat, nachweisbar
anhand des Vorkommens der einjährigen Saatart Lolium multiflorum und der Herbizideinsatzes, werden
durchgeführt, um möglichst ertragreiche Grünlandbestände herzustellen. Junge Lolium multiflorum
Ansaaten sind daher leicht an der homogenen Struktur der Bestände zu erkennen. Zwischen den
Ansaatarten Lolium multiflorum, Lolium perenne und Trifolium repens wachsen auch verschiedene annuelle
Ackerunkräuter wie Stellaria media, Capsella bursa-pastoris und Geranium molle. Die Gesellschaften stehen
daher vor allem im ersten Jahr soziologisch den Ackerunkrautgesellschaften (Stellarietea) nahe. Je nach
Bewirtschaftungsintensität und -art entwickeln sich die Ansaaten entweder zu Poo-Rumiceten oder zu
Arrhenatheretalia-Gesellschaften (SCHRÖDER & GEHLKEN 1999).
6.2.3.2
Intensivgrünland
Pflanzensoziologisch kann das auf dem Harrier Sand kartierte Intensivgrünland (GIM) dem PooRumicetum zugeordnet werden. Die Nutzung variiert zwischen 3-4-schüriger Wiesennutzung (Silage),
Umtriebsweide mit hohen Besatzdichten, kurzen Standzeiten und häufigem Umtrieb sowie einer
Kombination beider Nutzungen in Form der Mähweide. Die eingesetzten Düngemengen von ca.
200 kg N/ha/J sind auf drei bis vier Gaben im Jahr verteilt. Der Standortparameter Nutzung
überlagert hier weitgehend die abiotischen Standortparameter und führt zu gleichförmigen
Grünlandbeständen. Nur das gelegentliche Vorkommen von Polygonum amphibium f. terrestre deutet auf
eine gute Wasserversorgung der Standorte hin (SCHRÖDER & GEHLKEN 1999). Es können folgende
zwei wirtschaftsbedingte Ausbildungen des Poo-Rumicetum unterschieden werden:
Erstens eine Ausbildung mit Anthriscus sylvestris und Heracleum sphondyleum (Poo-Rumicetum
heracleetosum) in vorwiegend gemähten Beständen, die auf hoffernen Grasländern des Hammelwarder
Sandes und auch auf dem Strohauser Vorland zu finden sind (SCHRÖDER & GEHLKEN 1999).
Zweitens die Poa annua-Ausbildung, die überwiegend auf dem Harrier Sand vorkommt. Poa annua
besiedelt hier die durch hohe Besatzdichten verursachten Narben-Verletzungen.
6.2.3.3
Extensivgrünland
Auf trockeneren Bereichen des Hammelwarder Sandes finden sich vereinzelt auch als Extensivweiden
genutzte Mesophile Grünländer (GMF, auch als GIMw kartiert), die den Cynosurion-Gesellschaften
(Lolio-Cynosuretum typicum SCHRÖDER & GEHLKEN 1999) zugeordnet werden können. Die
Cynosurion-Standorte sind, im Vergleich zu den auf tidebeeinflussten Vorländern verbreiteten
Alopecurus-Wiesen, deutlich trockener. Die sommerliche Abtrocknung der Böden schafft die
74
Voraussetzung einer weidefesten Narbe. Bezogen auf den Wasserhaushalt sind die Standorte denen des
Poo-Rumicetum vergleichbar. Darauf deutet das Vorkommen von Dactylis glomerata hin. Die floristischsoziologischen Unterschiede zwischen Cynosurion und Poo-Rumicetum sind hauptsächlich
wirtschaftsbedingt.
6.2.4
Aufgespülte Vorlandbereiche
Im Zuge der Unterweserausbauten sind Spülfelder entstanden (s. Kap. 2.2), die mit 3 m bis 4 m über
NN den regelmäßigen Überflutungen weitgehend entzogen sind. Die Art der Nutzung und der
Düngung, aber auch der Bodentyp der aufgespülten Substrate (Schlick oder Sand) ist auch hier
wesentlich für die Ausprägung der Vegetation verantwortlich. Spülfelder nehmen ca. 497 ha ein und
werden wegen ihrer überflutungsgeschützten Lage häufig als Ackerstandorte und zur Ansaat von
Hochleistungsgräsern (Grasacker) genutzt. Neben Maisäckern kommen vor allem Lolium multiflorumAnsaaten (GA) oder extensiv als Weiden genutzte, jedoch artenarme Grasländer vor, die daher den
Intensivgrünländern (GIMw) zugerechnet werden.
Auf trockeneren, erst seit kurzem aus der Nutzung genommenen sandigen und vergleichsweise
nährstoffärmeren Standorten finden sich Grünlandbrachen. Dort wachsen Bestände der Festuca rubraArrhenatherum elatius-Brachen. Bestände von Festuca rubra sind auf ehemaligen Spülfeldern der
Kleinensieler Plate, meist im Bereich der Deichfüße, anzutreffen. Ein dichter Rasen von Festuca rubra
mit eingestreuten hochwüchsigen Horsten von Arrhenatherum elatius, Dactylis glomerata und Alopecurus
pratense sowie Phragmites australis kennzeichnen diese sehr inhomogenen Bestände. Die Dominanz von
Festuca rubra und die Beteiligung einiger Ruderalarten wie Vicia sepium und Arrhenatherum elatius weisen
die Gesellschaften floristisch eindeutig als Brachen aus. Flutrasenarten kommen dagegen kaum vor.
Festuca rubra breitet sich als Streusiedler durch seine dicken Gras-Streuauflagen (MEERMEIER 1993,
MEISEL 1978, HARD 1976) unter Brachebedingungen rasch aus, während andere Grünlandarten
dadurch gleichzeitig ausbleiben (SCHRÖDER & GEHLKEN 1999).
6.2.5
Befestigte Uferabschnitte
Mit Steinschüttungen versehene Ufer liegen in der Regel im Bereich des MTnw und MThw. Insgesamt
sind etwa 60 % der Ufer der Unterweser (bezogen auf die Gesamtuferlänge des Fahrwassers, ohne
Nebenarme) befestigt. Abhängig vom Versiegelungsgrad der Ufer (Steinschüttungen vergossen,
unvergossen oder Spundwände), dem vorhandenen Samenpotenzial und der Pflege finden sich in
diesen Bereichen Biotoptypen der Ruderalfluren (URF, UMF, s. Kap. 6.1) mit Resten der
Stromtalvegetation. Verbaute Ufer sind vorwiegend im bremischen Stadt– und Hafengebiet und
entlang der Weser innerhalb der städtischen Bereiche bei Elsfleth, Brake und Nordenham anzutreffen.
Der Bereich zwischen MTnw- und MThw-Linie ist in der Regel eher vegetationslos. Nur einzelne
Flutrasenarten wie Rumex obtusifolius, Ranunculus repens oder Poa trivialis wachsen in den Steinfugen.
Wenige cm oberhalb der MThw-Linie ist dagegen oft schon ein dichter, meist niederliegender ca.
75
50 cm breiter Bestand von Phalaris arundinacea zu finden (DIERSCHKE 1997). Unmittelbar daran
angrenzend, knapp 20 cm oberhalb des MThw, findet sich ein dichter, etwa 1 m bis 1,5 m breiter
Saum, der von Epilobium hirsutum dominiert wird. Hier wachsen auch weitere krautige Hochstauden,
z.B. Angelica archangelica und Rumex obtusifolius. Die Bestände können der Angelica archangelicaGesellschaft zugeordnet werden (Convolvulo-Angelicetum archangelicae, SCHRÖDER & GEHLKEN
1999). Sie sind beispielsweise auf der Steinschüttung im Bereich des Osterdeichs in Bremen
anzutreffen. Das Convolvulo-Angelicetum ist eine ausdauernde Saumgesellschaft auf Standorten des
Salicion albae, sie besiedelt also potenzielle Standorte der Weichholzaue (SCHRÖDER & GEHLKEN
1999).
Teil III - Ergebnisse und Diskussion: Modellierung der Vegetation mit dem Vegetation-Standort-Modell (VS-Modell)
7
76
ERGEBNISSE UND DISKUSSION: MODELLIERUNG DER VEGETATION
MIT DEM VEGETATION-STANDORT-MODELL (VS-MODELL)
Das in der vorliegenden Arbeit entwickelte Vegetation-Standort-Modell der Vorlandvegetation der
Unterweser (VS-Modell) wird in Kapitel 7.1 beschrieben. Die theoretischen Grundlagen, der
Gültigkeitsbereich und die getroffenen Vorannahmen und Modelleinschränkungen werden diskutiert.
Auf der Grundlage der räumlichen und statistischen Analyse (Kap. 6.1) wird das entwickelte VSModell in Kapitel 7.2 mit Hilfe des CART-Verfahrens (Classifikation and Regression Tree, Kap. 5.2)
validiert. Es werden die für die Modellierung verwendeten Standortparameter beschrieben.
In Kapitel 7.3 wird das VS-Modell auf den Status quo angewandt und auf seine Plausibilität hin
überprüft. Die mit dem Modell prognostizierten Biotoptypenverteilungen und Nutzungstypen werden
mit den realen verglichen. Anhand der Ergebnisse werden die Stärken und Schwächen des Modells
analysiert und diskutiert.
In Kapitel 7.4 werden die Modellierungsergebnisse zur räumlichen Verteilung der Biotoptypen infolge
einer Klimaänderung vorgestellt und diskutiert. Die Modellierungsergebnisse der potenziellen
künftigen Nutzung dienen dabei als Inputparameter für die Modellierung der Vegetationsverteilung.
Die modellierten räumlichen Veränderungen werden bilanziert und mittels eines GIS grafisch
dargestellt (s. Kap. 5.1).
Die Konsequenzen der modellierten Veränderungen für die Zonierung und räumliche Verteilung der
Vegetation werden in Kapitel 7.5 analog zu Kapitel 6.2 auf der Gliederungsebene der
Pflanzengesellschaften unter Berücksichtigung der verschiedenen Nutzungsszenarien vorgestellt.
7.1
Modellbeschreibung
Ziel der Arbeit ist es, die räumliche Verteilung der Vegetation für das gesamte Untersuchungsgebiet zu
modellieren, um zu Aussagen über mögliche Veränderungen der Vegetation der Vorländer entlang der
Unterweser unter den Bedingungen einer Klimaänderung zu kommen (Kap. 7.4). Die Vegetation wird
dazu auf der Gliederungsebene von Biotoptypen beschrieben. Auf der Basis der Untersuchung des
Zusammenhanges zwischen der Verteilung verschiedener Vegetationstypen und den zugehörigen
Standortparameter können laut MÜLLER (1999) räumliche Modellierungen der Verbreitung einzelner
Vegetationstypen oder wie in der vorliegenden Arbeit ganzer Vegetationseinheiten durchgeführt
werden. Das entwickelte Vegetation-Standort-Modell (VS-Modell) dient hier der Validierung der in
Kapitel 6.1 analysierten Zusammenhänge zwischen den Standortparametern und der Vegetation
77
(BOSOFSKE et al. 1999). Innerhalb der Klimafolgenforschung (NAJJAR et al. 2000, PRIMACK 2000,
MORTSCH 1998, RYBCZYK et al. 1998), wie auch in der vorliegenden Arbeit, werden die Ergebnisse der
Modellierungen darüber hinaus auch für die zeitliche Extrapolation von Vegetationsverteilungen
aufgrund eines veränderten Klimas eingesetzt. Das entwickelte VS-Modell bezieht sich auf Elemente
der Modellvorstellung der Gradiententheorie, die bei MÜLLER (1998) näher beschrieben ist. Die
Gradiententheorie
betrachtet
ökologische
Systeme
als
raumzeitliche
Abfolgen
von
Konzentrationsgradienten, die sich in räumlichen Verteilungsmustern wie beispielsweise der
Vegetation widerspiegeln. Die verschiedenen ökosystemaren Gradienten oder Standortparameter
können dabei hierarchisch angeordnet sein (MÜLLER 1999, O'NEILL et al. 1986). Das heißt unter
anderem, dass die Bedeutung der jeweiligen Gradienten bzw. Standortparameter innerhalb eines
betrachteten Systems für die Merkmalsausprägung der Vegetation auf unterschiedlichen Standorten
variieren kann. Das VS-Modell zur Vorhersage von Vegetationsveränderungen beruht dabei auf der
Verknüpfung von geografischer Information über die räumliche Verteilung von Biotoptypen und der
parameterfreien statistischen Methode (CART, Kap. 7.2 und 5.2) zur Analyse der Abhängigkeit
zwischen mehreren Standortparametern, den so genannten Einflussgrößen und den Zielgrößen der
Vegetation.
Innerhalb
der
theoretischen
Ökologie
stehen
zur
Modellierung
von
Vegetationsveränderungen verschiedene Konzepte und Modellvorstellungen, beispielsweise aus der
Kybernetik, Thermodynamik, Informationstheorie, Hierarchietheorie und Netzwerktheorie zur
Verfügung, die bei MÜLLER (1999) näher erläutert werden. Auch ist die Spannbreite der innerhalb der
Ökologie verwendeten statistischen Methoden zur Modellierung von Vegetation groß (MCGLADE
1999, POETHKE & WISSEL 1994, YODZIS 1989, STARFIELD & BLELOCH 1986). Einen Überblick über
die neuere Forschung geben u.a. HÖRSCH (2001) und GUISAN & ZIMMERMANN (2000).
7.1.1
Modellvariablen
Innerhalb des VS-Modells für das Unterweservorland werden zur Vorhersage der räumlichen
Verteilung der Biotoptypen folgende als relevant eingestuften Standortparameter verwendet
Standorttyp, Nutzungstyp, Bodentyp, Bodenkundliche Feuchtestufe, Differenz aus Höhe über NN
und standörtlichem MThw bzw. MTnw, Überflutungsdauer, Überflutungshäufigkeit und Salzgehalt der
Unterweser. Die Abbildung 16 gibt eine schematische Übersicht über die in der Modellierung
berücksichtigten Standortparameter zur Vorhersage der Biotoptypen und der Nutzungstypen. Die
Vorhersagegenauigkeit des VS-Modells wurde dabei anders als bei HÖRSCH (2001) nicht jeweils für die
einzelnen Biotoptypen getrennt berechnet. Vielmehr wurde zunächst für jeden Standortparameter in
Einzeltests die Fehlklassifikationsrate bezogen auf alle Biotoptypen berechnet (s. Anhang Tab. A10)
und der Pool der verwendeten unabhängigen Variablen iterativ erweitert. Auf diese Weise wurden die
zur Verfügung stehenden Standortparameter auf ihre Aussagekraft für die Vorhersage der
Biotoptypen und der Nutzungstypen ausgewählt und getestet.
Der Nutzungstyp bzw. die Art und Intensität der Flächennutzung wird im Folgenden als ein
Standortparameter aufgefasst. Da allerdings auch die Art und Intensität der Nutzung, wie in Kap. 3.1
78
und 6.1 dargestellt, von den jeweiligen Standortparametern abhängen, werden die Nutzungstypen
zunächst als ein Ergebnis der herrschenden Standortbedingungen verstanden. Die Nutzungstypen
können mit folgender Funktion vereinfacht beschrieben und anhand des CART-Verfahrens
prognostiziert werden:
Nutzungstyp = f (Standorttyp, Bodentyp, Bodenkundliche Feuchtestufe, Differenz aus Höhe über NN
und standörtlichem MThw bzw. MTnw, Überflutungsdauer, Überflutungshäufigkeit
und Salzgehalt der Unterweser)
Die Nutzungstypen werden anhand der abiotischen Standortvariablen für den Status quo und unter
den Bedingungen des Klimaszenarios modelliert. Im Weiteren dienen die Modellierungsergebnisse der
Nutzungstypen dann als Inputgröße zur Modellierung der künftigen Biotoptypenverteilung im
Untersuchungsgebiet (Kap. 7.4). Die Art und Intensität der Nutzung geht damit als Standortparameter
„Nutzungstyp“ in die Analyse der räumlichen Verteilung der Vegetation ein. Der komplexe
Zusammenhang zwischen den Merkmalen der Vegetation und den Standortparametern wird innerhalb
des Modells zur Vorhersage der Biotoptypen mit folgender Funktion vereinfacht beschrieben:
Biotoptyp = f (Standorttyp, Nutzungstyp, Bodentyp, Bodenkundliche Feuchtestufe, Differenz aus
Höhe über NN und standörtlichem MThw bzw. MTnw, Überflutungsdauer,
Überflutungshäufigkeit und Salzgehalt der Unterweser)
Die Biotoptypen bzw. Nutzungstypen werden innerhalb des Modells als abhängige Variablen, die
genannten Standortparameter als unabhängige Variablen oder auch als Prediktoren bezeichnet. Die
potenziellen Vegetationsmuster der Biotoptypen werden mit dem Entscheidungsmodell nach dem
CART-Verfahren berechnet (CART, s. Kap. 5.2). Das hier verwendete VS-Modell erlaubt dabei keine
Aussagen über Kausalzusammenhänge zwischen Standortparameter und Vegetationsausprägung
(s. Kap. 7.1.2, 7.2.1).
79
Klimafaktoren
Temperatur, CO2, Wind,
Niederschlag, , UV-BStrahlung, Sonnenscheindauer, Extremereignisse
Überflutungshöhe und Topografie
Überflutungsdauer
Überflutungshäufigkeit
Salinität
Bodentyp
Bodenfeuchteparameter
Standorttyp
Nutzungstypen
(Status quo,
Klimaänderung)
Biotischer Faktorenkomplex
Biomassenentwicklung
Veränderung der Artenzusammensetzung
Neophyten
Sukzession
Biotoptypen (Status quo, Klimaänderung)
Abb. 16: Schematische Übersicht über die bei der Modellierung berücksichtigten Standortparameter
(weiß hinterlegt) und nicht berücksichtigen Standortparameter (grau hinterlegt) zur
Vorhersage der Biotoptypen (weiß hinterlegt und grau umrandet) und der Nutzungstypen
(weiß hinterlegt und grau umrandet). Die mit gestrichelten Pfeilen gekennzeichneten
Zusammenhänge können innerhalb des Modells nicht berücksichtigt werden
7.1.2
Modellannahmen, Definition von Veränderung, Gültigkeitsbereich des VS-Modells,
Maßstab und Skalen
Im Folgenden werden die dem verwendeten VS-Modell zugrunde liegenden Modellannahmen und der
Gültigkeitsbereich näher erläutert.
7.1.2.1
Modellannahmen
Die Modellierung beruht auf der Prämisse, dass die ausgewählten Standortvariablen die Ansprüche der
einen Biotoptyp charakterisierenden Pflanzenarten an ihren Lebensraum hinreichend gut beschreiben
(s. Kap. 7.1.1 und 3.1). Hierfür werden gemessene und modellierte quantifizierbare Standortparameter
verwendet (s. Kap. 4 und Kap. 5.1), die auf der Grundlage von Literaturrecherchen und Datenanalysen
zuvor als ökologisch wichtig eingestuft worden sind (s. Kap. 3.1 und 6.1). Die grundsätzliche
Modellannahme ist, dass Pflanzen sich auf solchen Standorten ansiedeln, an die sie angepasst sind. Das
bedeutet, dass unter Berücksichtigung zufälliger Verbreitung und der Sukzession (Kap. 3.1) bestimmte
80
Biotoptypen auf Standorten mit bestimmten Standortparametern häufiger vorkommen als andere.
Daher kann bei Vorkommen auf eine günstigere Kombination der bestimmenden Standortparameter
geschlossen werden als bei nicht-Vorkommen. Besonders gut zu modellieren sind demnach
Vegetationseinheiten bzw. Biotoptypen, die spezifische Standortansprüche haben. Aus den oben
aufgeführten Grundannahmen geht hervor, dass nicht alle Biotoptypen gleichermaßen gute
Modellergebnisse versprechen können, worauf im Folgenden näher eingegangen wird.
7.1.2.2
Definition des Begriffs „Veränderung“
Um zu Aussagen über mögliche Veränderungen der Vegetation der Unterweservorländer unter den
Bedingungen einer Klimaänderung zu kommen, muss zunächst festgelegt werden was unter einer
Veränderung zu verstehen ist. Im Folgenden wird daher der Begriff Veränderung definiert: Wird für
eine bestimmte Fläche ein Biotoptyp vorhergesagt, der dort nicht zuvor auch kartiert wurde, kann
dieses Ergebnis im Prinzip als eine Veränderung der Vegetation infolge einer Klimaänderung
verstanden werden. Es wird also vereinfacht angenommen, dass sich die Auswirkungen einer
Klimaänderung auf die Vegetation anhand von Abweichungen der Biotoptypenverteilung im Vergleich
zum Ausgangsdatensatz zeigen. Es liegt auf der Hand, dass Abweichungen der Modellergebnisse nicht
nur einfach auf eine Änderung der Standortparameter infolge einer Klimaänderung zurückgeführt
werden können. Um in der Lage zu sein, Abweichungen der Modellergebnisse vom
Ausgangsdatenbestand plausibel auf eine Klimaänderung zurück führen zu können, muss daher zuvor
die Modellgüte und die Vorhersagegenauigkeit des Modells validiert werden (s. Kap. 7.2).
7.1.2.3
Gültigkeitsbereich des VS-Modells
Die Vegetationsentwicklung der Flächen des Unterwesergebietes hängt sowohl stark von der Nutzung
als auch vom Klima und klimabeeinflussten Standortparametern ab (s. Kap. 2.1 und 3.1). Die Art der
Nutzung und das regionale Klima selbst stellen dabei keine voneinander unabhängigen Größen dar.
Die Entscheidung darüber, ob und wie gewirtschaftet wird, ist wiederum wesentlich von den
herrschenden Standorteigenschaften abhängig. Diese können z.B. auf Grund der Lage (z.B. Uferform)
oder aus Gründen des Naturschutzes eine bestimmte Nutzung verhindern, einschränken oder
ermöglichen (s. Kap. 3.1.2 und 6.1.2.4). Kurzfristige Bewirtschaftungsentscheidungen hängen von der
aktuellen Witterung ab. Davon beeinflusst ist beispielsweise der erste Mahdtermin, der
Auftriebszeitpunkt oder die Beweidungsdauer. Die endgültige Entscheidung über Art und Umfang der
Bewirtschaftung fällen die Nutzer schließlich auch vor dem Hintergrund persönlicher Lebensumstände
und den geltenden agrarpolitischen Rahmenbedingungen. Innerhalb der hier entwickelten
Modellvorstellung müssen solche Nutzungsentscheidungen daher als zufällig betrachtet werden und
können im Modell nicht berücksichtigt werden (s. Kap. 3.1.2.3, 6.1.2.4, 6.2.2.2, 6.2.3.1, 6.2.3.2, 7.1.2,
7.3).
81
Neben der Nutzungsgeschichte und möglichen Nutzungsänderungen spielen weitere hier als zufällig
aufzufassende Faktoren, die daher im VS-Modell ebenfalls unberücksichtigt bleiben müssen, für die
Entwicklung der Fläche eine entscheidende Rolle. Es handelt sich um die Parameter Samenpotenzial
des Bodens, ökophysiologisches Entwicklungspotential der Flächen und der dort etablierten
Biotoptypen (Sukzession, s. Kap. 3.1), die Lage im Raum (Isolation, Nachbarschaftseffekte),
Strömungsgeschwindigkeit und damit einhergehende Erosionseffekte sowie eine kleinräumige
Bestandsaufnahme der Substrattypen der Ufer. Diese Größen beeinflussen die Populationsparameter
der verschiedenen Pflanzenarten eines Biotoptyps in ihrer Fertilität, ihrem Wachstum, ihrer
Stoffproduktion und ihren Etablierungsmöglichkeiten. Hierzu stehen für das Untersuchungsgebiet
keine quantitativ erfassten Standortparameter zur Verfügung.
Darüber hinaus kann der zeitliche Aspekt der Vorlandentwicklung, beispielsweise unter den
Bedingungen einer freien Sukzession mit all ihren möglichen zufälligen Entwicklungen und
Zwischenstadien, mit dem hier verwendeten Modellansatz nicht abgebildet werden (Kap. 3.1.4). Es
wird daher für die verschiedenen Prognoseschritte nur eine punktuelle, statische Betrachtungsweise
gewählt, die die Wirklichkeit nur unzureichend abzubilden vermag. Vor diesem Hintergrund kann,
aufgrund der Datenlage und der Kenntnis der Zusammenhänge zwischen Standortparametern und
Merkmalsausprägung der Vegetation, nur ein kleiner Ausschnitt des komplexen Beziehungsgeflechtes
modelliert werden, das in Abb. 16 schematisch dargestellt ist.
Weiterhin können mit Hilfe des Modells nur Biotoptypen oder Nutzungstypen vorhergesagt werden,
die bereits im Ausgangsdatenbestand vorhanden sind, also solche, für die dem Modell Daten von
Klassifikationsmerkmalen zur Modellierung vorliegen (s. Kap. 5.2). Neue Merkmalsauprägungen der
Vegetation oder neue Biotoptypen können mit dem hier verwendeten Modellansatz nicht bestimmt
werden. Das VS-Modell ist basierend auf dem CART-Verfahren vielmehr so aufgebaut, dass die
bestmögliche Annäherung an die Klassifikation des Ausgangsdatenbestandes bei sich ändernden
Standortparametern erreicht wird, ohne zufällige Phänomene mit abzubilden (BREIMAN 2000, RIPLEY
1996, BREIMAN et al. 1984, Kap. 5.2.3).
7.1.2.4
Maßstabs- und Skalenproblematik
Im Hinblick auf die Fragestellung einer Untersuchung sollten Maßstab und Auflösung einander
angemessen sein (MARZLOFF 1999). Von besonderer Bedeutung ist die Maßstabsfrage daher für den
Einsatz von Geografischen Informationssystem (GIS). Bei der Analyse räumlicher Daten werden, wie
auch im vorliegenden Fall, immer verschiedene Skalen betrachtet. Je größer das betrachtete Gebiet,
desto höher ist meist auch die Anzahl der zu analysierenden Daten und räumlichen Phänomene. Der
Maßstab und die Auflösung der verwendeten Daten spielen daher eine zentrale Rolle bei der
Kombination und Interpretation von Daten, denn die analysierten Untersuchungsergebnisse hängen
stark vom Betrachtungsmaßstab bzw. einer der Datenqualität der Ausgangsdaten entsprechend
82
gewählten Rastergröße ab (LAM & QUATTROCHI 1992). Je nach Auflösung und Aggregierungszustand
weisen die hier verwendeten Datenquellen unterschiedliche Informationsgehalte auf (Kap. 5.1.2,
6.1.2.3), was laut FUCHS (2002) und BIAN (1997) die Analyse der Eignung der Standortparameter erst
ermöglicht aber auch erschweren kann. Gleichzeitig wird mit dem hier gewählten Klassifikationsansatz
der Vegetation in Form von Biotoptypen, wie auch FRANKLIN & WOODCOCK (1997) in ihren
Arbeiten zeigen, implizit eine Skalenfestlegung getroffen. Das heißt, dass kleinräumige
Vegetationsveränderungen z.B. Veränderungen auf Ebene von Pflanzenarten (Artzusammensetzung)
nicht modelliert und betrachtet werden können. In der vorliegenden Untersuchung wird vielmehr der
ganze Landschaftsraum Unterweservorland analysiert, wobei Daten verschiedener Maßstabsbereiche
und Genauigkeiten miteinander verschnitten werden müssen. Dabei war die Kartierauflösung nicht
immer höher oder identisch mit dem Betrachtungsmaßstab von 1:2.500, denn die zur Verfügung
stehende Bodenkarte lag beispielsweise nur im Maßstab 1:50.000 vor (s. Kap. 6.1.2.3). Die
Verschneidung verschiedener Maßstabsbereiche kann dazu führen, dass das zu beschreibende
Phänomen, hier die Veränderung der Biotoptypenverteilung des Unterweservorlandes infolge einer
Klimaänderung, nicht für alle Biotoptypen gleichermaßen gut modelliert werden kann. Dies zeigen
auch die Ergebnisse der Modellierung für den Status quo und infolge einer Klimaänderung (Kap. 7.3.2,
7.4.2). Beispielsweise führt der Versuch, mit dem Modell das Vorkommen der Biotoptypen allein über
den Standortparameter Bodentyp zu erklären, nur zu relativ geringen Trefferquoten (s. Kap. 6.1.2.1,
7.1.2.4). Im vorliegenden Fall wurde auf Grund der Notwendigkeit der Verwendung von
unterschiedlichen Maßstabsebenen der Ausgangsdaten wie der Bodenkarte 1:50.000, der
Biotoptypenkartierung 1:2.500 und der Höhendaten eine Rastergröße des DGM (Digitales
Geländemodell) von 25 m x 25 m gewählt (s. Kap. 4.2.1).
7.2
Modellvalidierung
Aufbauend auf den in Kap. 6.1 vorgestellten Häufigkeitsanalysen und der Bedeutung der im Kapitel
3.1 und 6.1 beschriebenen Standortparameter wird im Folgenden die räumliche Verbreitung der
Biotoptypen für den Status quo validiert. Der Grad der Übereinstimmung dieser Modellierung mit der
realen räumlichen Verteilung der Biotoptypen gilt laut MÜLLER (1999) und FISCHER (1990) als
Indikation für die Güte der in Abbildung 16 schematisch dargestellten theoretischen Modellannahmen.
Je genauer die Vegetationsverteilung anhand der ausgewählten Standortparameter modelliert werden
kann, desto größer ist auch die Bedeutung der innerhalb der Analyse verwendeten Faktoren für die
Biotoptypen des Unterweservorlandes. Die Validierung des Modells liefert dabei die Grundlage für die
räumliche Modellierung der wahrscheinlich auftretenden Vegetationstypen unter den im Klimaszenario
formulierten Bedingungen (Kap. 7.4). Dabei muss berücksichtigt werden, dass die Modellergebnisse
prinzipiell nur so gut sein können wie die Eignung, Qualität und Auflösung der Eingangsdaten (s. Kap.
7.1.2.4).
7.2.1
83
Kreuzvalidierung
Zur Validierung des Modells wird, mangels vergleichbarer Daten anderer Untersuchungsräume, nach
MÜLLER (1999) ein symmetrischer Test mit Kreuzvalidation angewendet. In der Abbildung 17 ist das
Schema zur Durchführung des symmetrischen Testes nach der Methode der Kreuzvalidierung
dargestellt. Hierzu wurde in der vorliegenden Arbeit in dem Open Source-Programm „R“ der ETHZürich (Version 1.6.1, s. Kap. 5.2.3, R Development Core Team 2005) ein Datensatz von zufällig
durchmischten Integer-Werten von 1 bis 6717 erzeugt und mit dem Ausgangsdatensatz verknüpft.
Anschließend wurde der so durchmischte Ausgangsdatensatz in zwei gleich große Datensätze
aufgeteilt, also halbiert. Auf der Grundlage der Verteilung der unabhängigen Variablen des ersten
Datensatzes wurde die Biotoptypenverteilung bzw. die Verteilung der Nutzungstypen des zweiten
Datensatzes vorhergesagt und umgekehrt.
Mit dem CART-Verfahren werden für alle Flächen die Wahrscheinlichkeiten des Auftretens der
abhängigen Variable bezogen auf die jeweiligen unabhängigen Variablen berechnet. Die jeweils höchste
Wahrscheinlichkeit ist dann die Vorkommens-Wahrscheinlichkeit für einen bestimmten Biotoptyp
oder Nutzungstyp auf einer Fläche. Geringere Wahrscheinlichkeiten für das Auftreten anderer
Biotoptypen oder Nutzungstypen auf der selben Fläche bleiben innerhalb des CART-Verfahrens
automatisch unberücksichtigt. Die Validierung der erfolgte bezogen auf die Standortparameter
Standorttyp, Nutzungstyp, Bodentyp, Bodenkundliche Feuchtestufe, Differenz aus Höhe über NN
und standörtlichem MThw bzw. MTnw, Überflutungsdauer, Überflutungshäufigkeit und Salzgehalt der
Unterweser.
Testdatensatz:
Datensatz D1 (50%)
mit x unabhängigen erklärenden
Variablen
Datensatz D2 (50%)
mit x unabhängigen erklärenden
Variablen
Kalibrierungsdatensatz:
Prognose der
Biotoptypen und
Nutzungstypen
für Datensatz D2
Prognose der
Biotoptypen und
Nutzungstypen
für Datensatz D1
Abb. 17: Schema des symmetrischen Testes nach der Methode der Kreuzvalidierung
Die Modellgüte wird anhand der Abweichungen der Modellergebnisse von den realen Werten
abgeschätzt (MÜLLER 1999, BRECKLING & REICHE 1996, MÜLLER et al. 1996). Die
Fehlklassifikationsrate ist dabei der Prozentsatz der Biotoptypen, die nicht korrekt modelliert wurden.
Hierbei können, laut Hörsch (2001), Fehler 1. und 2. Art unterschieden werden. Wenn ein auf einer
Fläche in tatsächlich vorhandener Biotoptyp nicht vom Modell erkannt wird, handelt es sich um einen
Fehler 1. Art. In einem solchen Fall können entweder das verwendete Modell oder die ausgewählten
Parameter für die Vorhersage ungeeignet sein. Wenn dagegen für eine Fläche ein Biotoptyp
84
vorhergesagt wird, der auf dieser in Wirklichkeit nicht vorkommt, spricht man von einem Fehler 1.
Art. Hierbei kann das Ergebnis der Modellierung entweder wieder darauf zurückgeführt werden, dass
das Modell oder die Parameter ungeeignet sind oder dass, wie HÖRSCH (2001) und FRANKLIN (1998)
beschreiben, die betroffene Fläche ein potenzieller Standort für den nicht korrekt vorhergesagten
Biotoptyp ist. Solche Flächen können durch Störungen im Sinne von GRIME (2001), beispielsweise
durch landwirtschaftliche Nutzung, verändert sein. Dieser Aspekt ist besonders wichtig, denn die
Unterweser und ihre Vorländer werden stark genutzt, so dass sich die berechneten
Fehlklassifikationsraten zum Teil auch auf die Art der Nutzung zurückführen lassen können (Kap.
7.2.2, 7.3.2), die, wie in Kap. 7.1.2 in den Modellannahmen beschrieben, nur bedingt vorhersagbar ist.
7.2.2
Diskussion der Validierungsergebnisse
Modelle, wie das hier mit dem CART-Verfahren umgesetzte VS-Modell, lassen sich nicht in dem Sinne
verifizieren, dass überprüft werden könnte, ob das Modell die „Wirklichkeit“ exakt beschreibt. Bei der
Modellierung von Landschaftsprozessen kann grundsätzlich nur falsifiziert werden, da es sich nicht um
mathematische oder formal logische Modelle handelt. Dies geschieht im Rahmen der durchgeführten
Validierung, bei der der Unterschied zwischen den Modellergebnissen und den realen Werten, also die
Fehlerrate, getestet wird. Die Größe der tolerierten Fehlklassifikation wird dabei in der Regel vom
Modellanwender selbst festgelegt (DUTTMANN 1999). Weitergehende Informationen zur Beurteilung
der Modellgüte finden sich bei WHITMORE (1991). Auf der Grundlage der Verteilung der
unabhängigen Variablen des ersten Datensatzes werden die Nutzungstypen (s. Kap. 5.1) bzw. die
Biotoptypen (s. Kap. 6.1) des zweiten Datensatzes vorhergesagt und umgekehrt. Die Datensätze D1
und D2 umfassen 3358 bzw. 3359 Flächen von insgesamt 6717 Flächen. Es konnten bei der
Validierung aufgrund unvollständiger Datensätze insgesamt 85 % der Ausgangsdaten verwendet
werden, da unvollständige Datensätze innerhalb der Analyse von CART automatisch unberücksichtigt
bleiben müssen. Die Ergebnisse der Validierung für die Nutzungstypen (Anzahl = 6), die kartierten
Biotoptypen (Anzahl = 38) und die für die Modellierung aggregierten Biotoptypen (Anzahl = 21) sind
in Tabelle 10 anhand der Fehlklassifikationsraten dargestellt. Für die Modellierung der aggregierten
Biotoptypen wurden von den 38 kartierten Biotoptypen solche Biotoptypen zusammengefasst, die
entweder an sich keine ökologische Relevanz haben und die wegen ihres sehr kleinräumigen Auftretens
oder hinsichtlich ihrer Standortansprüche aufgrund der Datenlage (kleinmaßstäbige Bodendaten) kaum
zu unterscheiden sind. Beispielsweise wurden die Biotoptypen Campingplatz, Parkanlage, Grünanlage
und Obstgarten zur Kategorie „Freizeitanlage“ und die verschiedenen Bebauungen einer Fläche (z.B.
landwirtschaftlicher
Produktionsbetrieb,
industrielle
Anlage)
zur
Kategorie
„Bebauung“
zusammengefasst. Ferner wurden beispielsweise die Biotoptypen Birken- und Zitterpappel-Pionierwald
und Hybridpappelforst zur Kategorie Bäume/Gehölze zusammengefasst. In Tabelle A11 im Anhang
sind die für die Modellierung der aggregierten Biotoptypen verwendeten Biotoptypen dargestellt.
85
Tab. 10: Übersicht über die Ergebnisse der symmetrischen Kreuzvalidierung für die abhängigen
Variablen Nutzungstyp, kartierte Biotoptypen und aggregierte Biotoptypen. Die
Fehlklassifikationsrate und die korrekte Klassifikationsrate sind in % angegeben (Zahl der für
die abhängigen Variablen berechneten Klassen in Klammern)
Abhängige
Variablen
Nutzungstyp (6)
kartierte
Biotoptypen (38)
aggregierte
Biotoptypen (21)
7.2.2.1
FehlKorrekte
FehlKorrekte
klassifikationsrate Klassifikationsrate klassifikationsrate Klassifikationsrate
[%]
[%]
[%]
[%]
D1 vorhergesagt
D1 vorhergesagt
D2 vorhergesagt
D2 vorhergesagt
mit D2
mit D2
mit D1
mit D1
30,06
69,94
29,55
70,45
33,09
66,91
34,39
65,61
19,50
80,50
19,20
80,80
Validierungsergebnisse für die Nutzungstypen
Bei der Prognose der Nutzungstypen ergeben sich Vorhersagegenauigkeiten, die zwischen 69 % und
70 % liegen. Die Fehlklassifikationsraten von 30 % bzw. 29 % lassen sich erstens darauf zurückführen,
dass die Art und Intensität der Flächennutzung von so genannten zufälligen Faktoren bestimmt wird,
die nicht modelliert werden können (s. Kap. 7.1.2). Zweitens ähneln sich die verschiedenen
Nutzungstypen auch im Hinblick auf ihre Standortansprüche: Beispielsweise können sich auf
aufgegebenen Spülfeldflächen, die für eine intensive landwirtschaftliche Nutzung geeignet wären, auch
Ruderalfluren (Typ: ungenutzt) entwickeln (Fehler 1. Art).
7.2.2.2
Validierungsergebnisse für die Biotoptypen
Mit dem Modell werden für 65 % bis 66 % der Flächen die korrekten Biotoptypen vorhergesagt. Die
Fehlklassifikationsraten von 33 % bzw. 34 % können darauf zurück geführt werden, dass sich nicht in
allen Fällen Kriterien zur Unterscheidung aller Biotoptypen finden lassen. Beispielsweise sind die
verschiedenen Röhrichttypen hinsichtlich der zur Verfügung stehenden Standortansprüche nicht in
allen Fällen zu differenzieren, weil dazu möglicherweise Parameter wie Strömungsgeschwindigkeit,
Wellenschlag oder genaue Daten zu den Ufersubstraten verwendet werden müssten.
Weiterhin zeigt sich hier auch der Einfluss der nur im Maßstab 1:50.000 zur Verfügung stehenden
Bodenparameter: Kleine Reliefunterschiede der im Maßstab 1:2.500 kartierten Biotoptypen, die sich
vor allem darin zeigen, dass in Senken Flutrasen (GFF) neben Mesophilem Grünland (GMF)
anzutreffen ist, werden im Modell aufgrund der hierfür nicht in einem ausreichend genauen Maßstab
zur Verfügung stehenden Bodendaten und der gewählten Rastergrößen für die Höhen- und
Biotoptypendaten von 25 m x 25 m nicht berücksichtigt (s. Kap. 6.1.2.3, 7.1.2.4). Ein Zusammenhang
zwischen der Höhe oder den Bodeneigenschaften und der Vegetation lässt sich wie HÖRSCH (2001)
schreibt, nur für übereinstimmende Daten auf ausreichend kleinen Skalenniveaus feststellen.
Räumliche Feinheiten, die sich im m²-Bereich abspielen, können in dieser Arbeit daher kaum simuliert
werden (Fehler 2. Art). FISCHER (1990) sieht in einer groben Auflösung des Höhenmodells und der
entsprechenden
Umweltvariablen
eine
der
hauptsächlichen
Restriktionen
gegenwärtiger
Vegetationsmodelle. Trotz der dargestellten Unterschiede in der Auflösung der Vegetations-, Boden-
86
und Höhendaten ist die räumliche Verteilung der Biotoptypen für die gewählte Betrachtungsebene
jedoch, wie anhand der hohen Trefferquoten bei der Validierung gezeigt werden kann, zuverlässig
modellierbar (s. Kap. 7.2.2, 7.2.3).
7.2.2.3
Validierungsergebnisse für die aggregierten Biotoptypen
Für die aggregierten Biotoptypen (s. Anhang Tab. A11) ergeben sich erwartungsgemäß höhere
Modellgenauigkeiten als für die kartierten Biotoptypen selbst. Die Modellergebnisse liegen hier bei
81 %. Als Begründung für die berechnete Fehlklassifikationsrate von 19 % lassen sich ebenso wie bei
den kartierten Biotoptypen die zum Teil ähnlichen Standortansprüche verschiedener aggregierter
Biotoptypen anführen (Fehler 1. Art). Darüber hinaus fanden auch HÖRSCH (2001) und
ZIMMERMANN & KIENAST (1999) für aggregierte Vegetationseinheiten höhere Trefferquoten als
beispielsweise für einzelne Pflanzenarten.
7.2.3
Aussagekraft der Validierungsergebnisse
Die Aussagegenauigkeit verschiedener, in der Literatur verwendeter statistischer Verfahren zur
Modellierung von Vegetationsverteilungen wird in der Literatur kontrovers diskutiert (HÖRSCH 2001).
Dabei werden je nach Untersuchung, verwendetem Verfahren und betrachtetem Vegetationstyp bzw.
betrachteter Pflanzenart unterschiedliche Modellgenauigkeiten erzielt: Für einzelne Pflanzenarten im
südlichen Kalifornien fand FRANKLIN (1998) mit dem Verfahren der Logistischen Regression
beispielsweise zwischen 70 % und 95 % Übereinstimmung mit dem realen Vorkommen. Dagegen
wurden für kalifornische Eichenwälder, ebenfalls mit dem Verfahren der Logistischen Regression, von
DAVIS & GÖTZ (1990) nur Trefferquoten von ca. 40 % erreicht. Bei einem Vergleich der Performanz
und Modellgüte zwischen CART und dem ML-Verfahren, angewendet auf Waldgesellschaften in
Kalifornien, wurden mit CART bis zu 10 % höhere Trefferquoten als mit ML erzielt, nämlich bis zu
86 % (ROGAN et al. 2002, FRANKLIN 1998). HÖRSCH (2001) verglich die Modellgüte des Booleschen
Verfahrens PPD (Trefferquote von 50 % bis 70 %) und des CART-Verfahrens (Trefferquote von
50 % bis 65 %) für die Vorhersage von Pflanzengesellschaften des alpinen Raumes und stellte trotz der
niedrigeren Trefferquoten eine bessere Eignung des CART Verfahrens speziell für ökologisch
komplexe Standorte fest. CAIRNS (2001) verglich die Trefferquote der Verfahren General Linear
Models (GLM), Artificial Neural Networks (ANN) und CART und erzielte bei Verwendung von ANN
mit 57 % Trefferquote die besten Resultate, mit CART wurde dagegen nur eine Trefferquote von 35 %
erreicht. MCDONALD & URBAN (2006) modellierten Veränderungen des Baumbestandes städtscher
Gebiete und stadtrandgebiete in einer in den vergangenen Jahrzehnten rasch gewachsenen Metropol
Region in North Carolina. Bei der Vorhersage der Baumbestände erreichten sie mit dem CARTVerfahren eine Fehlklassifikationsrate von 15,2 % und erzielten damit ein deutlich besseres Ergebniss
als mit GLM, mit dem eine Fehlklassifikationsrate von 33,1 % berechnet wurde.
Offenbar ist die Vorhersagegenauigkeit der verschiedenen Verfahren stark von dem jeweiligen
Untersuchungsgegenstand und den Eigenschaften des untersuchten Gebietes abhängig. CAIRNS (2001)
87
empfiehlt daher unterschiedliche Ansätze parallel zu verfolgen, um optimale Resultate zu erzielen. Der
Fokus der vorliegenden Arbeit liegt allerdings auf der Entwicklung eines anwendungsorientierten
Verfahrens zur Vorhersage von Vegetationsveränderungen infolge einer Klimaänderung und nicht auf
dem methodischen Vergleich der Eignung verschiedener Verfahren. Für die vorliegende Modellierung
wurde das CART-Verfahren gewählt, weil es folgende Vorteile bietet: Das CART-Verfahren ist auf
verschiedenste Datenformate anwendbar. Die Ergebnisse sind leicht zu interpretieren und liefern
darüber hinaus ein einfaches Erklärungsmodell zur Klassifizierung bzw. zur Vorhersage von Variablen
oder Werten, die in Folgen logischer Wenn/Dann Abfragen ausgedrückt werden. Darüber hinaus
wurden bei allen betrachteten Arbeiten die höchsten Vorhersagegenauigkeiten bei ökologischen
Standortanalysen zur Vorhersage der räumlichen Verteilung der Vegetation unabhängig von der
verwendeten Methode vor allem mit einer geeigneten Skalenkombination der verschiedenen
Ausgangsdaten erzielt (HÖRSCH 2001).
Der Vergleich der Ergebnisse der verschiedenen Studien, die unterschiedliche statistische Verfahren
zur Vorhersage von Vegetationsveränderungen angewendet haben, verdeutlicht, dass die Eignung
eines Verfahrens von der Art der Fragestellung, der Zielsetzung, dem Grad der Zusammenfassung
(Aggregationsgrad: Anzahl der betrachteten Klassen), der Heterogenität des Untersuchungsgebietes,
dem Stichprobenumfang (N), dem Klassifikationsverfahren, das auf die Vegetation angewendet wird,
und dem vorherzusagenden Parameter selbst abhängt. Die Arbeiten von ROGAN et al. (2002),
VAYSSIERES et al. (2000), WATTS (1999) und ETTEN (1998) zeigen darüber hinaus, dass mit nichtparametrischen Modellen höhere Vorhersagegenauigkeiten erzielt werden können als mit
parametrischen Verfahren (s. Kap. 5.2.2.1). MCDONALD & URBAN (2006) und HÖRSCH (2001)
erzielten mit CART bessere Trefferquoten als mit vergleichbaren nicht-parametrischen Verfahren. Die
innerhalb der vorliegenden Arbeit modellierten hohen Trefferquoten von 65 % bis 80 % bei der
Validierung der Nutzungstypen und der Biotoptypen weisen eine ähnliche Güte wie die genannten
Arbeiten auf.
7.3
Modellanwendung unter den Bedingungen des Status quo
Im Folgenden wird für den gesamten vollständigen Ausgangsdatensatz (n = 5731 Datensätze) die
räumliche Verteilung der Nutzungstypen und der Biotoptypen im Status quo simuliert. Die
Anwendung des VS-Modell auf den Status quo dient einer Plausibilitätsprüfung des entwickelten
Modells für die räumliche Verteilung der Nutzungstypen und der Biotoptypen. Es liegt auf der Hand,
dass die hierbei erzielten Trefferquoten höher sind als für die Validierungsdatensätze (Kap. 7.2), da
jeweils der komplette und nicht wie bei der Validierung ein aufgeteilter Datensatz für die Berechnung
verwendet wird. Daher sagen die erzielten Trefferquoten wenig über die Modellgüte selbst aus.
Weiterhin muss bei der Gegenüberstellung von den im Status quo vorkommenden und den im Modell
erzielten Ergebnissen zwischen den berechneten Flächenbilanzen insgesamt und der tatsächlichen
88
räumlichen Übereinstimmung der Merkmalsausprägung für den jeweils einzigartigen Standort
unterschieden werden (s. Tab. 11, Tab. 12). Die nachfolgende Analyse verdeutlicht die bereits im
vorangegangenen Kapitel (7.2.1) beschriebenen Stärken und Schwächen des VS-Modells in
Kombination mit dem Verfahren der Klassifikations- und Regressionsbäume (CART).
7.3.1
Modellierung der Nutzungstypen für den Status quo
Die für die Nutzungstypen im Status quo berechneten Modellergebnisse (s. Tab. 11 und Kap. 5.1.2.4)
stimmen zu 73 % mit der realen Verteilung der Nutzungstypen überein. Für 308 ha von insgesamt
6152 ha der Vorlandfläche konnte aufgrund nicht für alle Parameter flächendeckend vorliegenden
Datensätze (Kap. 7.2) keine Prognose erstellt werden. Innerhalb der Modellierung mit dem CARTVerfahren mittels des Statistik-Programms „R“ (R Development Core Team 2005) werden nur
vollständige Datensätze verwendet (s. Kap. 5.2.3.1). In Tabelle 11 sind die realen und modellierten
Flächenanteile [ha, %] der Nutzungstypen in Status quo einander gegenüber gestellt.
Anhand der in Tabelle 12 aufgelisteten Ergebnisse wird deutlich, dass das Modell vor allem zwischen
starker bis sehr starker Nutzung schlecht differenzieren kann: Der Flächenanteil der „stark
veränderten“ Bereiche wird deutlich überschätzt, da 468 ha der „sehr stark veränderten“ und 88 ha der
„mäßig veränderten“ Standorte mit Wahrscheinlichkeiten von 0,49 und 0,59 fälschlicherweise den
„stark veränderten“ zugeordnet werden (Fehler 1. Art). Das erklärt auch, weshalb der Anteil der „sehr
stark veränderten“ Bereiche insgesamt unterschätzt wird. Dabei werden immerhin 81 % der im Status
quo meist intensiv genutzten „stark veränderten“ Flächen mit Wahrscheinlichkeiten, die zwischen 0,49
und 1 liegen korrekt klassifiziert. Das Modellergebnis ist dadurch zu erklären, dass sich ein Großteil der
als „stark verändert“ eingestuften Standorte sowohl für intensivere als auch für extensivere Nutzungen
eignet, das heißt, sie wären ebenso gut als „sehr stark veränderte“ wie auch als „mäßig veränderte“, in
der Regel extensiv genutzte Flächen zu klassifizieren (Fehler 1. Art). Naturnahe Standorte werden vom
Modell mit ca. 90 % korrekt klassifiziert. Das gute Ergebnis ist darauf zurückzuführen, dass die
Vegetation hier stark vom Faktor Überflutung geprägt wird, kaum so genannte „zufällige“
Nutzungsentscheidungen möglich sind und diese Bereiche mit dem Modell daher sehr zuverlässig
erkannt werden.
89
Tab. 11: Gegenüberstellung der Flächenanteile der für den Status quo abgeleiteten Nutzungstypen
und der mit dem VS-Modell für den Status quo prognostizierten Flächenanteile der
Nutzungstypen in ha und %
Nutzungstypen
naturnah
Status quo
[ha]
VS-Modell
VS-Modell
VS-Modell
Status quo
Status quo
Status quo
Prognose [ha] korrekt klassifiziert [ha] korrekt klassifiziert [%]
2124
2186
1917
90
274
322
143
52
599
602
382
64
stark verändert
1770
2031
1443
81
1016
499
377
37
212
204
146
69
5994
5844
4407
73
keine Angaben
158
308
308
-
Summe gesamt
6152
6152
4716
-
mäßig verändert bis
naturnah
mäßig verändert
künstlich
Summe
7.3.2
Modellierung der Biotoptypen für den Status quo
Mit dem VS-Modell wird für die aggregierten Biotoptypen (s. Anhang Tab. A11) bezogen auf den
gesamten Datensatz insgesamt eine Trefferquote von ca. 88 % erzielt. In Tabelle 12 sind die realen und
modellierten Flächenanteile [ha, %] der Biotoptypen in Status quo einander gegenüber gestellt.
Für Intensivgrünland liegt der korrekt klassifizierte Anteil bei 99 %. Den Flächen wird mit einer
Wahrscheinlichkeit von 1 der Biotoptyp Intensivgrünland zugeordnet.
Der Biotoptyp Grasacker wird dagegen mit Wahrscheinlichkeiten zwischen 0,975 % und 0,47 % nur
für 70 % der Flächen korrekt zugeordnet. Denn dort wo im Status Grasacker vorkommt,
prognostiziert das Modell stattdessen die Biotoptypen Freizeitnutzung und Acker. Das Ergebnis ist
darauf zurückzuführen, dass Grasacker auf äußerst selten überfluteten, landwirtschaftlich nutzbaren
Bereichen zu finden ist, die ebenso der Acker- wie der Freizeitnutzung dienen könnten (Fehler 1. Art,
s.a. Kap. 6.2.3).
Die Trefferquote ist für oberhalb des MThw gelegene Landröhrichte mit 94 % hoch. Die
Wahrscheinlichkeit für das Auftreten von Röhrichten liegt für die vom Modell als Röhrichtstandorte
ausgewiesenen Flächen zwischen 0,37 und 1. Röhrichte werden im Modell nur für 76 ha
fälschlicherweise auch dort vorhergesagt, wo im Status quo Strand vorkommt. Dabei sind Röhrichte
entlang der Unterweser in der Tat auch auf sandigen Ufern zu finden. Die Unterscheidung zwischen
Röhricht und Strand gelingt im Modell wahrscheinlich deshalb nicht, weil keine Angaben zur
Strömungsgeschwindigkeit oder nur kleinmaßstäbige Angaben zum anstehenden Bodentyp für die
Modellierung zur Verfügung stehen (s. Kap. 6.1.2.3, 7.1.2.4, 7.4.2.1) Das Ergebnis ist daher
wahrscheinlich auf einen Fehler 2. Art zurückzuführen. Röhrichte unterhalb des MThw werden für
82 % der Flächen korrekt klassifiziert. Nur ca. 20 ha der im Status quo als Landröhricht kartierten
Standorte werden im Modell als Fluss- oder Brackwasserwattröhrichte vorhergesagt. Ca. 18 ha werden
90
darüber hinaus fälschlicherweise dem Biotoptyp Flusswatt zugeordnet und ca. 13 ha der modellierten
Röhrichtstandorte sind im Status quo tatsächlich Strand.
Der Biotoptyp Acker konnte mit einer Wahrscheinlichkeit von 0,75 zu 69 % richtig zugeordnet
werden. Das Ergebnis ist darin begründet, dass in der Modellierung ca. 57 ha der im Status quo als
Acker eingestuften Bereiche vom VS-Modell als Grasacker (Intensivgrünland) klassifiziert werden. Die
Trefferquote für Ruderalfluren liegt mit Auftretenswahrscheinlichkeiten von 0,65 bis 1 bei nur ca.
60 %, weil insgesamt ca. 50 ha fälschlicherweise als Baumstandorte berechnet werden. Ein Grund für
dieses Ergebnis ist darin zu sehen, dass die berechneten Biotoptypen ähnliche Klassifikationsmerkmale
aufweisen: Der größte Teil der Biotoptypen liegt überwiegend auf Spülfeldern, die zum Teil erst
kürzlich aus der Nutzung genommenen wurden. Unter Bedingungen der dort einsetzenden
„naturnahen“ Sukzession können sich hier neben Ruderalfluren langfristig auch Gehölze entwickeln (s.
KURZ 1997). Es handelt sich daher um einen e (Kap. 7.2.1).
Wattflächen sind in erster Linie durch ihre Lage zum MThw – also über den Parameter Überflutung –
definiert. Die Trefferquote für diesen Biotoptyp liegt mit Wahrscheinlichkeiten von 0,98 bis 0,58 bei
93 %. Da für 68 ha, der real im Status quo mit einer Größe von insgesamt 1107 ha berechneten
vegetationslosen Wattflächen, keine vollständigen Datensätze zur Verfügung stehen, konnten diese im
Modell nicht berücksichtigt werden und fehlen daher in der Prognose für den Status quo.
Insgesamt zeigt sich, dass das Vorkommen eines Biotoptyps dann nicht korrekt modelliert wird, wenn
eine Fläche auch ein potenzieller Standort für andere Biotoptypen ist und ähnliche
Standortklassifikationen aufweist (Fehler 1. Art, vgl. Kap 7.2.1). Dabei werden vom Modell sowohl
naturnahe als auch Biotoptypen der landwirtschaftlichen Nutzung mit hohen Trefferquoten zuverlässig
und korrekt vorhergesagt.
91
Tab. 12: Gegenüberstellung der Flächenanteile der aggregierten Biotoptypen, s. Anhang Tab. A11 (für
die tabellarische Darstellung zu größeren Einheiten zusammengafasst, s. Tab. 6) im Status
quo und ihrer für den Status quo mit dem VS-Modell prognostizierten Flächenanteile in ha
und %
Biotoptypen
Status quo
[ha]
VS-Modell
VS-Modell
VS-Modell
Status quo
Status quo
Status quo
Prognose [ha] korrekt klassifiziert [ha] korrekt klassifiziert [%]
Acker
437
360
302
69
Bäume/Gehölze
103
151
90
87
Bebauung
204
169
169
83
Extensivgrünland
527
553
515
98
Feuchtgrünland
25
0
0
0
Flutrasen
53
40
22
41
Freizeitnutzung
377
360
335
89
Grasacker
202
294
141
70
1770
1757
1757
99
509
568
477
94
410
377
334
82
Ruderalflur
145
113
87
60
8
42
7
93
Strand
99
0
0
0
Trockenrasen
19
0
0
0
Watt
1107
1060
1024
93
Summe Vorland
5994
5844
5258
88
keine Angaben
158
308
308
-
Summe gesamt
6152
6152
5566
-
Intensivgrünland
Steinufer
7.4
92
Modellanwendung unter den Bedingungen einer Klimaänderung
Im Folgenden wird das VS-Modell zur Prognose der Biotoptypen und Nutzungstypen unter den
Bedingungen des in Kap. 4.1.1 vorgestellten Klimaszenarios in Kombination mit zwei verschiedenen
Nutzungsszenarien (Kap. 4.1.2) eingesetzt. In Tabelle 13 sind die für die Modellierung der
Nutzungstypen und der Biotoptypen verwendeten Standortparameter aufgelistet (s. Kap. 5.1, 6.1 und
7.1.1).
Tab. 13: Übersicht über die für die Modellierung der Nutzungstypen und Biotoptypen verwendeten
Standortparameter
Standortparameter
Modellierte Veränderung
Bodentyp
Standorttyp
Differenz aus Höhe über NN und
standörtlichem MThw bzw. MTnw
keine
abhängig vom Nutzungsszenario (s. Kap. 5.1.2.3)
Differenz standortabhängig
MThw + 70 cm
MTnw + 40 cm
Änderung entsprechend des MThw, standortabhängig
Änderung abhängig vom Nutzungsszenario und MThw
+1 Winter und + 1 Frühjahr
Änderung abhängig vom MThw, saisonal gemittelt, Verschiebung
des Längengradienten Weser aufwärts
Überflutungsdauer und -häufigkeit
Nutzungstyp
Bodenkundliche Feuchtestufe (BKF)
Salzgehalt der Unterweser
Nutzungsszenarien
Der Unterweserraum ist stark durch die Art seiner Bewirtschaftung und Nutzung geprägt: Aktuell
werden von den 4478 ha, die als Vorlandfläche ohne Flusswatt und Brackwasserwattröhricht sowie
vegetationslose Wattflächen berechnet wurden, ca. 67 % landwirtschaftlich genutzt (s. Kap. 6.1). Im
Status quo finden sich entlang der Unterweser Siedlungsflächen sowie Industrie- und Hafenanlagen; ca.
60 % der Ufer sind befestigt (CLAUS et al. 1994a und 1994b, s. Kap. 2.3.2). Aufgrund der intensiven
Nutzung der Unterweser und ihrer Vorländer müssen daher bei der Analyse der Auswirkungen einer
Klimaänderung
unter
dem
Aspekt
der
Vorsorge
neben
den
veränderten
abiotischen
Standortparametern auch gesellschaftliche Reaktionsstrategien für die Region, soweit im Rahmen der
vorliegenden Arbeit möglich, berücksichtigt werden (s. Kap. 4.1.2, SCHUCHARDT & SCHIRMER 2005
und 1999).
Es werden zwei verschiedene Nutzungsszenarien betrachtet (s. Kap. 4.1.2):

Im Nutzungsszenario 1 wird zunächst ein im Vergleich zu heute unverändertes
Nutzungsinteresse der Vorländer bei gleichzeitiger Klimaänderung angenommen.

Im Nutzungsszenario 2 wird ein deutlich geändertes Nutzungsinteresse gegenüber heute
vorausgesetzt: Die Sommerpolder werden für den Tideeinfluss geöffnet. Anhand des
Nutzungsszenarios 2 wird getestet, welche Bedeutung der Standortparameter „Nutzungsart
und -intensität“ für die Prognose der Biotoptypenverteilung der Unterweservorländer
innerhalb des VS-Modells hat.
7.4.1
93
Modellierung der Nutzungstypen unter den Bedingungen einer Klimaänderung
Die Abbildung 18 zeigt eine Gegenüberstellung der Modellierungsergebnisse der Flächenanteile der
Nutzungstypen für den Status quo und infolge einer Klimaänderung mit Nutzungsszenario 1 und
Nutzungsszenario 2 (s. Kap. 4.1.2): Potenzielle Änderungen der Nutzungsmöglichkeiten ergeben sich
aufgrund steigender Wasserstände vor allem für die tidebeeinflussten Vorlandbereiche der Strohauser
Vorländer. Änderungen der bisherigen Nutzungsweisen sind aber auch auf den Sommerpoldern,
beispielsweise auf dem Harrier Sand, dem Hammelwarder Sand und der Tegeler Plate, zu erwarten.
Die für das Klimaszenario modellierten Nutzungstypen werden für die Modellierung der Biotoptypen
unter Klimaänderungsbedingungen verwendet (Kap. 7.4.2, vgl. Abb. 14, Kap. 6.1.2.5, Anhang Tab.
A8).
6500
keine Angaben
6000
5500
künstlich
5000
4500
Fläche [ha]
4000
3500
stark verändert
3000
2500
mäßig verändert
2000
mäßig verändert bis
naturnah
1500
1000
naturnah
500
0
Status quo
Abb. 18:
Modell
Modell
Klimaszenario +
Klimaszenario +
Nutzungsszenario 1 Nutzungsszenario 2
Gegenüberstellung der anhand des VS-Modells modellierten Flächenanteile der
Nutzungstypen des Untersuchungsgebietes in ha im Status quo und infolge einer
Klimaänderung (Klimaszenario) mit Nutzungsszenario 1 und Nutzungsszenario 2
7.4.1.1
94
Modellierung der Nutzungstypen unter den Bedingungen einer Klimaänderung mit
Nutzungsszenario 1
Das Nutzungsszenario 1 geht von einem unveränderten Nutzungsinteresse gegenüber dem Status quo
aus. Die Abbildung 19 zeigt die modellierte räumliche Verteilung der Nutzungstypen der
Unterweservorländer infolge einer Klimaänderung und Nutzungsszenario 1. In Abbildung 20 sind die
Bereiche der Unterweservorländer dargestellt, für die im Vergleich zum Status quo infolge einer
Klimaänderung mit Nutzungsszenario 1 mit veränderten Nutzungstypen zu rechnen wäre.
Infolge einer Klimaänderung mit erhöhten Tidewasserständen und Bodenfeuchten kann, bezogen auf
den Status quo, mit einer Abnahme der als „sehr stark verändert“ eingestuften Flächen um ca. 60 %
gerechnet werden (Tab. 15, s. Kap. 7.3.1). Dagegen nimmt der Anteil „mäßig veränderter bis
naturnaher“, also potenziell Röhricht bestandener Flächen um ca. 38 % zu. Ein wesentlicher Grund
für diese Veränderung ist der klimabedingte Anstieg des MThw, wodurch der Anteil der regelmäßig
überfluteten Flächen zu nimmt. Dadurch bedingt nimmt auch der Anteil der als „mäßig verändert“
einzustufenden, hauptsächlich als Extensivgrünland nutzbaren Bereiche, die im Status quo vorwiegend
auf tidebeeinflussten Sänden und Platen zu finden sind, um insgesamt ca. 22 % ab.
Auf durch Sommerpolder vor Überflutung geschützten Bereichen wird eine Zunahme der „stark
veränderten“ Bereiche, die meist mit Intensivgrünland bestanden sind, um 18 % prognostiziert. Der
deutliche Anstieg des Anteils „stark veränderter“ Bereiche kann damit erklärt werden, dass aufgrund
der Möglichkeiten, die der modernen Landwirtschaft heute zur Verfügung stehen, auf im Status quo als
Extensivgrünland genutzten Bereichen durch Einsaat auch für einige Vegetationsperioden
Intensivgrünland entstehen kann (Kap. 6.1.2.4, 7.1.2.3). Weiterhin muss berücksichtigt werden, dass
die abiotischen Standortparameter für die Nutzungstypen „mäßig verändert“ und „stark verändert“ bis
„sehr stark verändert“ vom CART-Verfahren nicht für alle Standortbedingungen gleich trennscharf
erkannt werden. Schon bei der Analyse des Status quo (Kap. 6.1) zeigt sich, dass
Nutzungsentscheidungen für eine Fläche stark von der Situation und den Planungen des jeweiligen
landwirtschaftlichen Betriebes abhängen, dem sie angehören (s. Kap. 6.1.2.4, 7.1.2.3). Auch werden die
genannten Nutzungstypen bereits bei der Modellierung des Status quo mit Trefferquoten von 63 % für
„mäßig veränderte“ und 37 % für „sehr stark veränderte“ Standorte korrekt klassifiziert (s. Kap. 7.3.1).
Die prognostizierte Zunahme des Anteils der „stark veränderten“ Nutzungstypen lässt daher den
Schluss zu, dass es sich bei dem Modellergebnis um einen so genannten Fehler 1. Art handelt (s. Kap.
7.2.1). Fehler 1. Art treten vor allem dann auf, wenn die betroffenen Flächen potenzielle Standorte für
verschiedene Nutzungstypen sind (HÖRSCH 2001, FRANKLIN 1998) und sie, wie im vorliegenden Fall,
durch Störungen, wie sie die menschliche Nutzung im Sinne von GRIME (2001) darstellt, verändert
sind.
Für „sehr stark veränderte“ Standorte, die oft auch als Ackerflächen genutzt werden, wird ein
Rückgang von ca. 1000 ha auf ca. 400 ha vorhergesagt. Auch der Anteil der als „künstlich“
95
eingestuften, meist bebauten Flächen, verringert sich von ca. 200 auf ca. 40 ha. Die Ursache für diesen
deutlichen Rückgang ist auf die im Klimaszenario um eine Stufe erhöhte Bodenkundliche Feuchtestufe
zurückzuführen.
7.4.1.2
Modellierung der Nutzungstypen unter den Bedingungen einer Klimaänderung mit
Nutzungsszenario 2
Im Nutzungsszenario 2 werden die Nutzungstypen unter der Annahme modelliert, dass die
Sommerpolder
wieder
dem
Tideeinfluss
zugänglich
gemacht
werden
und
die
dortige
landwirtschaftliche Nutzung aufgegeben wird. Die Abbildung 21 zeigt die modellierte räumliche
Verteilung der Nutzungstypen der Unterweservorländer infolge einer Klimaänderung und
Nutzungsszenario 2. In Abbildung 22 sind die Bereiche der Unterweservorländer dargestellt, für die im
Vergleich zum Status quo infolge einer Klimaänderung mit Nutzungsszenario 2 mit veränderten
Nutzungstypen zu rechnen wäre. Werden die Sommerpolder künftig wieder regelmäßig überflutet, so
steigt der Anteil der „naturnahen“ Nutzungstypen drastisch um 120 % von ca. 2100 ha auf ca. 4680 ha
an. „Mäßig veränderte bis naturnahe“ Bereiche, auf denen häufig Brachen oder Gehölze vorzufinden
sind, dehnen sich dagegen nur um wenige Hektar aus, von ca. 270 ha auf ca. 290 ha. Diese unter den
genannten Vorrausetzungen als durchaus möglich anzusehende Entwicklung kann darauf
zurückgeführt werden, dass „mäßig veränderte bis naturnahe“ Flächen auch potenzielle Standorte für
naturnahe Nutzungstypen sind (Fehler 1. Art): In der Modellierung werden „naturnahe“
Nutzungstypen auch für im Status quo noch als „mäßig verändert“ eingestufte Bereiche vorhergesagt.
Dadurch nimmt der Anteil „mäßig veränderter“ Nutzungstypen gegenüber dem Status quo von ca. 600
ha auf 470 ab. Entsprechend der Annahmen für das Nutzungsszenario 2 verringert sich der
Flächenanteil sowohl der „stark veränderten“ als auch der „sehr stark veränderten“ und darüber hinaus
auch der „künstlichen“ Bereiche deutlich von ca. 1770 ha auf nur ca. 80 ha bzw. von ca. 1000 ha auf
ca. 280 ha, bzw. von ca. 200 ha auf lediglich ca. 30 ha.
7.4.1.3
Fazit: Modellierung der Nutzungstypen unter den Bedingungen einer Kimaänderung
Infolge einer Klimaänderung kann vor allem aufgrund der dann um + 1 erhöhten Bodenkundlichen
Feuchtstufe unter der Voraussetzung der Beibehaltung der Nutzungsintensität des Status quo
(Nutzungsszenario 1), mit einer Abnahme der „mäßig veränderten“, der „sehr stark veränderten“ und
der „künstlichen“ Nutzungstypen um insgesamt ca. 50 % gerechnet werden. Gleichzeitig nimmt der
Anteil „naturnaher“ und „mäßig veränderter bis naturnaher“, also auch potenziell mit Röhricht
bestandener Flächen, um ca. 19 % zu (vgl. Abb. 14, Kap. 6.1.2.5). Werden die Sommerpolder, wie für
das Nutzungsszenario 2 angenommen, wieder dem Tideeinfluss zugänglich gemacht, so steigt der
Anteil der „naturnahen“ Nutzungstypen sogar um insgesamt 120 % an. Das VS-Modell liefert unter
den Bedingungen einer Klimaänderung für die Nutzungsszenarien 1 und 2 plausible und zuverlässige
Ergebnisse für die Vorhersage der verschiedenen Nutzungstypen auf den betrachteten
Vorlandstandorten der Unterweser.
96
Bremerhaven
Nordenham
Einswarder Plate
Tegeler Plate
Kleinensieler Plate
Strohauser Plate
Brake
Harrier Sand
Hammelwarder Sand
Elsfleth
Elsflether Sand
Rönnebecker Sand
Tegeler Sand
Julius Plate
Warflether Sand
Bremen Nord
Bremen
10
0
künstlich
stark verändert
N
10 Kilometer
mäßig verändert
naturnah
keine Angaben
Städte/Siedlungen
Unterweser
Bremen und Bremerhaven infolge einer Klimaänderung mit Nutzungsszenario 1
97
Bremerhaven
Nordenham
Einswarder Plate
Tegeler Plate
Kleinensieler Plate
Strohauser Plate
Brake
Harrier Sand
Hammelwarder Sand
Elsfleth
Elsflether Sand
Rönnebecker Sand
Tegeler Sand
Julius Plate
Warflether Sand
Bremen Nord
Bremen
10
0
10 Kilometer
Änderung der Nutzungstypen zu erwarten
keine Änderung der Nutzungstypen zu erwarten
keine Angaben
N
Städte/Siedlungen
Unterweser
Nutzungsszenario 1 im Vergleich zum Status quo
98
Bremerhaven
Nordenham
Einswarder Plate
Tegeler Plate
Kleinensieler Plate
Strohauser Plate
Brake
Harrier Sand
Hammelwarder Sand
Elsfleth
Elsflether Sand
Rönnebecker Sand
Tegeler Sand
Julius Plate
Warflether Sand
Bremen Nord
Bremen
10
0
künstlich
stark verändert
N
10 Kilometer
mäßig verändert
naturnah
keine Angaben
Städte/Siedlungen
Unterweser
Bremen und Bremerhaven infolge einer Klimaänderung mit Nutzungsszenario 2
99
Bremerhaven
Nordenham
Einswarder Plate
Tegeler Plate
Kleinensieler Plate
Strohauser Plate
Brake
Harrier Sand
Hammelwarder Sand
Elsfleth
Elsflether Sand
Rönnebecker Sand
Tegeler Sand
Julius Plate
Warflether Sand
Bremen Nord
Bremen
10
0
10 Kilometer
Änderung der Nutzungstypen zu erwarten
keine Änderung der Nutzungstypen zu erwarten
keine Angaben
N
Städte/Siedlungen
Unterweser
7.4.2
100
Modellierung der Biotoptypen unter den Bedingungen einer Klimaänderung
Die Abbildung 23 zeigt eine Gegenüberstellung der Modellierungsergebnisse der Flächenanteile der
aggregierten Biotoptypen (s. Anhang Tab. A11) für den Status quo und infolge einer Klimaänderung
mit Nutzungsszenario 1 und Nutzungsszenario 2 (s. Kap. 4.1.2). Die Ergebnisse der Modellierung für
das Nutzungsszenario 1 zeigen, dass ähnlich wie im Status quo auch künftig weite Teile der
Vorlandbereiche für die Landwirtschaft nutzbar sein werden: Denn der Anteil der auf eine
landwirtschaftliche Nutzung zurückzuführenden Biotoptypen nimmt gegenüber dem Status quo von
ca. 3000 ha nur auf ca. 2800 ha ab. Gleichzeitig vergrößert sich der Anteil der mit Röhrichten
bestandenen Flächen von ca. 920 ha auf ca. 1140 ha, um ca. 24 %.
Bei einer Aufgabe der Sommerpolder und Öffnung derselben für den Tideeinfluss (Nutzungsszenario
2) werden infolge einer Klimaänderung erwartungsgemäß künftig überwiegend naturnahe Biotoptypen
auf
den
Vorlandstandorten
modelliert
(s. Kap. 7.4.1.2).
Abhängig
vom
betrachteten
Entwicklungszeitraum und der Geschwindigkeit einer Klimaänderung könnten sich auch auf den
künftig ungenutzten und dem Tideeinfluss zugänglich gemachten Bereichen der ehemaligen
Sommerpolder vegetationslose Wattflächen und Röhrichte einstellen. Langfristig könnten auf höher
gelegenen Uferabschnitten auch Auwaldstrukturen entstehen (s. Kap. 7.5.3). Eine solche Entwicklung
ist aber über das hier verwendete Modell in Kombination mit den zur Verfügung stehenden
Parametern nicht nachzubilden (s. Kap. 7.1.2).
In den folgenden Kapiteln werden die modellierten Veränderungen im Detail vorgestellt. In Kapitel
7.5 wird analog zu Kapitel 6.2 für den Status quo die räumliche Verteilung der Ufer- und potenziellen
Auenvegetation infolge einer Klimaänderung auf der Ebene der Pflanzengesellschaften nachgezeichnet
(vgl. Abb.7, Kap. 6.1, s. Anhang Tab. A9).
6500
101
keine Angaben
6000
Watt
5500
Trockenrasen
Strand
5000
Steinufer
4500
Ruderalflur
Röhricht > MThw
Fläche [ha]
4000
Röhricht < MThw
3500
Intensivgrünland
3000
Grasacker
2500
Freizeit
2000
Flutrasen
Feuchtgrünland
1500
Extensivgrünland
1000
Bebauung
500
Bäume/Gehölze
Acker
0
Status quo
Modell
Modell
Klimaszenario +
Klimaszenario +
Abb. 23: Gegenüberstellung der anhand des VS-Modells modellierten Flächenanteile der aggregierten
Biotoptypen s. Anhang Tab. A11 (die für die grafische Darstellung zu größeren Einheiten
zusammengafasst wurden) des Untersuchungsgebietes in ha im Status quo und infolge einer
Klimaänderung (Klimaszenario) mit Nutzungsszenario 1 und Nutzungsszenario 2 (Röhricht
> MThw = Röhricht über MThw, Röhricht < MThw = Röhricht unter MThw)
7.4.2.1
Modellierung der Biotoptypen unter den Bedingungen einer Kimaänderung mit
Nutzungsszenario 1
Die Abbildung 24 stellt die modellierte räumliche Verteilung der Biotoptypen (aggregierte Biotoptypen,
Kap. 7.2, die für die grafische Darstellung zu größeren Einheiten zusammengafasst wurden, Kap. 6.1)
infolge einer Klimaänderung mit Nutzungsszenario 1 im Detail für einen repräsentativen Ausschnitt
des Untersuchungsgebietes dar. In Abbildung 26 sind die Ergebnisse der Modellierung (infolge einer
Klimaänderung mit Nutzungsszenario 1) für das gesamte Untersuchungsgebiet im Überblick zu sehen.
Abbildung 27 zeigt die Bereiche der Unterweservorländer, für die im Vergleich zum Status quo infolge
einer Klimaänderung mit Nutzungsszenario 1 Änderungen der Biotoptypenverteilung zu rechnen wäre.
Status quo
102
Klimaszenario + Nutzungsszenario 1
Strohauser Plate
Harrier Sand
5000
0
Acker
Bäume/Gehölze
Bebauung
Freizeit
5000
Grasacker
Intensivgrünland
Extensivgrünland
Flutrasen
N
10000 Meter
Feuchtgrünland
Ruderalflur
Röhrichte
Watt
Strand
Trockenrasen
Städte/Siedlungen
Unterweser
Abb. 24: Repräsentativer Ausschnitt des Untersuchungsgebietes: Gegenüberstellung der Biotoptypenverteilung des Status quo und der Biotoptypenverteilung infolge einer Klimaänderung für
(aggregierte Biotoptypen s. Anhang Tab. A11)
Bebaute und Freizeit genutzte Bereiche: Der Anteil bebauter Flächen nimmt von ca. 204 ha auf ca.
20 ha ab. Die starke Abnahme ist darauf zurückzuführen, dass auf Teilen der heute bebauten Bereiche
aufgrund der geänderten Feuchteverhältnisse (Anstieg der Bodenkundlichen Feuchtstufe um + 1, S.
Tab. 13) vom Modell entweder Intensivgrünländer, Röhrichte oder Bäume und Gehölze vorhergesagt
werden. Allerdings wurde schon bei der Modellierung des Status quo der Anteil bebauter Flächen
unterschätzt. Es kann also, anders als vom Modell vorhergesagt, eher davon ausgegangen werden, dass
auch infolge einer Klimaänderung bislang bebaute Bereiche auch weiterhin als solche erhalten bleiben.
Auch sinkt der Anteil der für Freizeitaktivitäten genutzten Bereiche von ca. 370 ha auf ca. 120 ha. Das
Modell prognostiziert für diese Bereiche stattdessen Gehölze, Acker oder Extensivgrünland. Wie
bereits in Kap. 7.1.2.3 erläutert, hängt die künftige Biotoptypenausstattung (Acker, Freizeitnutzung,
Gehölze) solcher Flächen allein von der Nutzungsentscheidung der jeweiligen Eigentümer ab.
Landwirtschaftlich nutzbare Bereiche: Unter den Bedingungen des Nutzungsszenarios 1 und bei
einer Klimaänderung ist nur eine leichte Abnahme des landwirtschaftlich nutzbaren Fläche um ca. 6 %
103
von ca. 3000 ha auf ca. 2830 ha zu verzeichnen. Gründe für diese Ergebnis liegen vor allem im
Rückgang des Biotoptyps Extensivgrünland durch die Besiedlung dieser Standorte mit Röhrichten.
Gleichzeitig wird der Rückgang der landwirtschaftlich nutzbaren Fläche durch eine Verschiebung und
Neuzuordnung, beispielsweise von für Freizeitaktivitäten genutzten Bereichen zu Intensivgrünland,
kompensiert.
Äcker und Intensivgrünländer: Infolge einer Klimaänderung und Beibehaltung der Nutzung wie im
Status quo wird für eine Fläche von 140 ha der Biotoptyp Acker vorhergesagt. Im Status quo wurden
dagegen für 430 ha der Biotoptyp Acker kartiert. Die starke Abnahme des Flächenanteils ist darauf
zurückzuführen, dass auf weiten Teilen der im Status quo als Acker genutzten Bereiche im
Klimaszenario Intensivgrünländer prognostiziert werden. Dieses Ergebnis ist zum einen mit einer
klimabedingten Zunahme der Bodenkundlichen Feuchtestufe (um + 1) zu erklären und zum anderen
darauf zurückzuführen, dass, wie bereits in Kapitel 7.3.2 beschrieben, Äcker und Intensivgrünländer
ähnliche Parameterkombinationen hinsichtlich ihrer Standortbedingungen aufweisen können (s.a. Kap.
7.1.2.3). Daher kann das Modell nicht in allen Fällen zwischen den verschiedenen in Frage
kommenden Biotoptypen für einen Standort unterscheiden (Fehler 1. Art, Kap. 7.2.1). Die von diesen
vorhergesagten Änderungen betroffenen Flächen liegen auf Sommerpoldern und auf hoch gelegenen
Spülfeldern (z.B. auf der Kleinensieler Plate und der Tegeler Plate), sind also auch bei einer
Klimaänderung dem direkten Tideeinfluss entzogen. Der Flächenanteil der Intensivgrünländer erhöht
sich gegenüber dem Status quo um 18 %, weil das Modell für weite Teile der Ackerflächen im
Klimaszenario Intensivgrünland vorhersagt. Auch der Flächenanteil des Biotoptyps Grasacker
verringert sich zu Gunsten von Intensivgrünland von ca. 200 auf ca. 150 ha.
Das Ergebnis ist einerseits darauf zurückzuführen, dass das Modell bereits im Status quo den Anteil
der Intensivgrünländer eher überschätzt (Fehler 1. Art, Kap. 7.2.1, 7.3.2). Andererseits wird für das
Klimaszenario auch ein Anstieg der Bodenkundlichen Feuchtestufe um + 1 vorhergesagt, was eine
landwirtschaftliche Nutzung der Bereiche als Intensivgrünland prinzipiell plausibel erscheinen lässt,
denn grundsätzlich stellen bebaute Flächen und Freizeitanlagen des Vorlandes potenzielle, da
überflutungssichere Standorte für die Intensivgrünlandwirtschaft dar. Umgekehrt kann auch auf
tidebeeinflussten Vorlandbereichen bei entsprechender Entwässerung durch Grüppen und
regelmäßiger Einsaat von Hochleistungsgräsern, wie KURZ (1997) dies für die Elbe beschreibt, ohne
weitere Pflegemaßnahmen allerdings nur für ein bis zwei Vegetationsperioden, Intensivgrünland
etabliert werden. Prinzipiell können heute durch die technischen Möglichkeiten der Landwirtschaft auf
einer Reihe von Standorten mit verschiedenen Standorteigenschaften die gleichen Biotoptypen
hergestellt werden (s. Kap. 3.1.2.3, 6.1.2.2, 6.1.2.3, 6.1.2.4, 6.2.2.2, 6.2.3.1 und 6.2.3.2).
Extensivgrünländer: Das Modell prognostiziert für die Unterweservorländer eine Abnahme des
Anteils der Extensivgrünländer um 15 % von ca. 520 ha auf ca. 450 ha. Ein Rückgang der
Extensivgrünländer wird vor allem für tidebeeinflusste Bereiche modelliert, wie zum Beispiel für die
104
Strohauser Plate, auf denen sich infolge einer Klimaänderung Röhrichte stark verbreiten können. Auch
für den Biotoptyp Flutrasen wird bei gleichzeitiger Zunahme der Röhrichtflächen eine Abnahme des
Flächenanteils von ca. 50 ha auf ca. 20 ha prognostiziert.
Feuchtgrünland, Strand und Trockenrasen: Die Biotoptypen Strand und Trockenrasen werden
weder unter den Bedingungen einer Klimaänderung noch bei der Modellierung des Status quo
vorhergesagt. Statt der Strandbereiche werden die Biotoptypen Röhricht und vegetationsloses Watt, an
Stelle des Biotoptyps Trockenrasen werden Ruderalflur und Extensivgrünland und für Feuchtgrünland
werden Extensivgrünland und Röhrichte prognostiziert. Das Ergebnis ist damit zu erklären, dass die
Flächenausdehnung und die Anzahl der Flächen der genannten Biotoptypen schon im
Ausgangsdatenbestand relativ klein sind und daher bei der Modellierung des Status quo keine
eindeutigen Zuordnungen der Standortparameter für die genannten Biotoptypen erfolgen konnte.
Schwierigkeiten bei der Parameterzuordnung ergeben sich vor allem durch die Verschneidung von
Standortparametern, die sich auf unterschiedliche Maßstabsbereiche beziehen: Die Standortparameter
Bodenkundliche Feuchtestufe und Bodentyp standen nur im Maßstab 1:50.000 zur Verfügung und
wurden mit der Karte der Biotoptypen, die im Maßstab 1:2.500 vorlag, verschnitten (s. Kap. 5.1.1,
5.1.2, 6.1.2.4, 7.1.2.4). Das Modell kann also aufgrund der einander nicht entsprechenden
Maßstabsbereiche die kleinräumig in der Biotoptypenkartierung abgebildeten Unterschiede der
Biotoptypenausprägung nicht mit den zur Verfügung stehenden Bodeninformationen erklären und
entsprechend auch nicht vollständig nachbilden (s. Kap. 6.1.2.1, 6.1.2.2, 6.1.2.3, 6.1.2.4, 7.1.2.4). Für
die Modellierung von Strandbereichen fehlen darüber hinaus weitergehende Informationen zur
Korngrößenverteilung entlang der Ufer und Angaben zur Strömungsgeschwindigkeit für die
verschiedenen Uferabschnitte der Unterweser (s. 6.1.2.4, 7.1.2.4, 7.2.2).
Ruderalfluren: Der Flächenanteil der Ruderalfluren bleibt im Vergleich zum Status quo nahezu
unverändert (Anstieg von 145 ha auf ca. 160 ha). Dabei werden Ruderalfluren, ebenso wie Gehölze,
unter anderem auf Flächen vorhergesagt, auf denen im Status quo Intensivgrünlandwirtschaft
betrieben wird. Das Ergebnis lässt sich neben der durch eine Klimaänderung bedingte erhöhte
Bodenkundliche Feuchtestufe (um +1) wahrscheinlich auch darauf zurückführen, dass sich die
Biotoptypen Intensivgrünland und Ruderalflur, wie in Kap. 6.2.2.3 und 6.2.4.1 bereits beschrieben, auf
Bereichen mit ähnlichen Standortbedingungen entwickeln können (Fehler 1. Art). Tatsächlich finden
sich nachweislich Ruderalfluren beispielsweise auf einem südlich der Einswarder Plate gelegenen
Spülfeld genau dort, wo einige Jahre zuvor noch am Vorkommen typischer Grünlandarten erkennbar,
Intensivgrünlandwirtschaft betrieben wurde.
Bäume und Gehölze: Baumstandorte verdoppeln im Klimaszenario ihren Flächenanteil von ca.
100 ha auf ca. 200 ha. Sie werden vom Modell dort vorhergesagt, wo im Status quo Freizeitnutzung
vorkommt. Bäume und Gehölze kommen bereits im Status quo auf vormals als Campingplatz und
105
heute als Grünland genutzten Bereichen sozusagen als Reste der ehemaligen Freizeitnutzung vor.
Allerdings werden Baumstandorte auch schon bei der Modellierung des Status quo um ca. 50 %
überschätzt (s. Kap. 7.3.2). Ob also der Flächenanteil der Bäume und Gehölze infolge einer
Klimaänderung tatsächlich zunimmt, hängt wahrscheinlich weniger von der veränderten Bodenfeuchte,
als von individuellen Nutzungsentscheidungen ab (s. Kap. 6.1.2.2, 7.1.2.3, 7.5.3).
Röhrichte: Die Schilfbestände nehmen infolge einer Klimaänderung gegenüber dem Status quo um
insgesamt 24 % von ca. 900 ha. auf ca. 1140 ha zu.
Landröhrichte: Der Flächenanteil der Landröhrichte geht auf oberhalb des MThw gelegen Standorten
von ca. 500 ha um ca. 340 ha zurück, weil das Modell aufgrund des Anstiegs des MThw stattdessen
Brack- oder Flussmarschröhrichte oder vegetationsloses Watt prognostiziert. Die bei einer
Klimaänderung regelmäßig überfluteten Standorte liegen im Bereich des Warflether Armes, des
Rechten Nebenarms entlang des Harrier Sandes, auf der Einswarder Plate und auf der Strohauser
Plate.
Brackwasserwatt- und Flusswattröhrichte: Für diese unterhalb der MThw-Linie gelegenen
Röhrichte berechnet das Modell insgesamt eine Verdopplung des Flächenanteils von ca. 400 ha auf ca.
800 ha. Die prognostizierte Zunahme ist dabei ausschließlich auf den Anstieg des Flächenanteils der
Brackwasserwattröhrichte von ca. 195 ha auf ca. 685 ha zurückzuführen, denn Brackwasserröhrichte
können sich auf den tidebeeinflussten Vorlandbereichen der Einswarder Plate und der Strohauser Plate
weiter verbreiten. Dagegen wird für Flusswattröhrichte ein Rückgang um 46 % von ca. 215 ha auf ca.
115 ha vorhergesagt, weil für weite Teile dieser Standorte vegetationsloses Watt modelliert wird. Das
Modell berechnet für die Bereiche Warflether Arm, Elsflether Sand, Rönnebecker Sand und den
rechten Nebenarm am Harrier Sand statt der im Status quo vorkommenden Flusswattröhrichte
vegetationsloses Flusswatt. Eine Erklärung für die Abnahme der Flusswattröhrichte ist darin zu sehen,
dass diese aufgrund der knappen, höher gelegenen Ausweichflächen und zahlreichen Aufspülungen der
Unterweser bei erhöhtem MThw tatsächlich durch vegetationsloses Süßwasserwatt ersetzt werden
könnten (vgl. Kap. 7.4.3). Allerdings werden schon bei der Modellierung des Status quo die
Flächenanteile der Flusswattröhrichte zu Gunsten des Süßwasserwatts unterschätzt, was auch auf einen
Fehler 1. Art hindeuten könnte (s. Kap. 7.2.1, 7.3.2).
Vegetationsloses Watt: Für vegetationslose Wattflächen wird eine Zunahme von insgesamt ca. 1100
ha auf ca. 1300 ha prognostiziert. Der Zuwachs der vegetationslosen Wattflächen ist dabei fast
vollständig auf die Zunahme von Flusswatt im süßwasserbeeinflussten Bereich der Unterweser von ca.
500 auf ca. 700 ha zurückzuführen. Dagegen bleibt der Anteil des Brackwasserwatts gegenüber dem
Status quo im Klimaszenario nahezu unverändert bei ca. 600 ha.
7.4.2.2
106
Modellierung der Biotoptypen unter den Bedingungen einer Klimaänderung mit
Nutzungsszenario 2
Die Abbildung 25 stellt die modellierte räumliche Verteilung der Biotoptypen (aggregierte Biotoptypen,
Kap. 7.2, die für die grafische Darstellung zu größeren Einheiten zusammengafasst wurden, Kap. 6.1)
infolge einer Klimaänderung mit Nutzungsszenario 2 im Detail für einen repräsentativen Ausschnitt
des Untersuchungsgebietes dar. In Abbildung 28 sind die Ergebnisse der Modellierung (infolge einer
Klimaänderung mit Nutzungsszenario 2) für das gesamte Untersuchungsgebiet im Überblick zu sehen.
Abbildung 29 zeigt die Bereiche der Unterweservorländer, für die im Vergleich zum Status quo infolge
einer Klimaänderung mit Nutzungsszenario 2 Änderungen der Biotoptypenverteilung zu rechnen wäre.
Status quo
Klimaszenario + Nutzungsszenario 2
Strohauser Plate
Harrier Sand
5000
0
Acker
Bäume/Gehölze
Bebauung
Freizeit
5000
Grasacker
Intensivgrünland
Extensivgrünland
Flutrasen
10000 Meter
Feuchtgrünland
Ruderalflur
Röhrichte
Watt
N
Strand
Trockenrasen
Städte/Siedlungen
Unterweser
Abb. 25: Repräsentativer Ausschnitt des Untersuchungsgebietes: Gegenüberstellung der Biotoptypenverteilung des Status quo und der Biotop-typenverteilung infolge einer Klimaänderung für
(aggregierte Biotoptypen s. Anhang Tab. A11)
Bebaute und Freizeit genutzte Bereiche: Der Anteil bebauter Flächen nimmt, ganz ähnlich wie im
Nutzungsszenario 1, von 204 ha auf 15 ha ab. Bebaute Bereiche werden allerdings nach wie vor trotz
einer weitgehenden Aufgabe der menschlichen Nutzung (Nutzungsszenario 2) vom Modell
vorhergesagt, weil es vor allem auf den hoch gelegenen Spülfeldern infolge einer Klimaänderung
weiterhin Bereiche gibt, die nicht dem täglichen Tideeinfluss ausgesetzt sind. Die starke Abnahme
erklärt sich dabei dadurch, dass auf Teilen der heute bebauten Bereiche aufgrund der geänderten
107
Feuchtverhältnisse vom Modell vor allem Röhrichte vorhergesagt werden. Freizeitgenutzte Bereiche
gehen von ca. 370 ha auf 110 ha zurück. Hier prognostiziert das Modell stattdessen überwiegend
Landröhrichte, Bäume und Gehölze sowie Extensivgrünland.
Landwirtschaftlich nutzbare Bereiche: Unter den Bedingungen des Nutzungsszenarios 2 (s. Kap.
7.1, 7.4.1.2) geht der Anteil der landwirtschaftlich genutzten Bereiche von ca. 3000 ha im Status quo
auf ca. 700 ha stark zurück. Aufgrund der in dem Nutzungsszenario 2 angenommenen Öffnung der
Sommerpolder für den Tideeinfluss prognostiziert das Modell einen deutlichen Rückgang der
Flächenanteile der Biotoptypen Extensivgrünland, Intensivgrünland, Grasacker, Acker, für
Freizeitaktivitäten genutzte und bebaute Bereiche. An Stelle der genannten Biotoptypen werden mit
abnehmenden Flächenanteilen Brack- und Flusswattröhrichte, Landröhrichte, vegetationsloses Watt,
Bäume und Gehölze sowie Ruderalfluren berechnet. Dieses Modellergebnis verdeutlicht die
entscheidende Bedeutung der Parameter „Nutzungstyp“ und „Standorttyp“ für die Vorhersage der
Biotoptypen entlang der Unterweser, die durch landwirtschaftliche und menschliche Nutzung
hervorgebracht werden (s. Kap. 5.1.3, 6.1.2.4, 6.1.2.7, 7.1.2.3).
Äcker und Intensivgrünländer: Der Anteil der Ackerflächen vermindert sich gegenüber dem Status
quo drastisch von ca. 430 ha auf 27 ha. An Stelle von Äckern werden vom Modell vegetationsloses
Watt, Flusswattröhrichte und Grasacker vorhergesagt. Auch der Flächenanteil des Biotoptyps
Intensivgrünland geht stark von ca. 1770 ha auf ca. 80 ha zurück. Der weitaus größte Teil der
ehemaligen Intensivgrünländer liegt auf Sommerpoldern und wird durch die modellierten
Überflutungen
entweder
durch
vegetationsloses
Brackwasser-
oder
Flusswatt,
Brackwasserwattröhrichte, Landröhrichte oder Bäume und Gehölze ersetzt. Die Flächenverluste für
die Landwirtschaft sind dabei primär auf den direkten Tideeinfluss zurückzuführen. Der Flächenanteil
des Biotoptyps Grasacker verringert sich nur von ca. 200 ha auf ca. 144 ha. An Stelle von Grasacker
kommen Brackwasserwattröhrichte, Landröhrichte, Extensivgrünland oder für Freizeitaktivitäten
genutzte Bereiche vor. Dieser vergleichsweise geringe Flächenrückgang erklärt sich vor allem durch
eine Verschiebung in der Biotoptypenzuordnung der durch die landwirtschaftlich intensive Nutzung
hervorgebrachten Biotoptypen: Für insgesamt ca. 96 ha von im Status quo als Extensivgrünland oder
als Acker genutzten Flächen wird im Nutzungsszenario 2 Grasacker vorhergesagt (Fehler 1. Art).
Extensivgrünländer: Ähnlich wie im Nutzungsszenario 1 verringert sich der Flächenanteil des
Biotoptyps Extensivgrünland auch im Nutzungsszenario 2 von ca. 520 ha auf ca. 410 ha. Diese
vergleichsweise geringe Abnahme ist damit zu erklären, dass auf höher gelegenen Vorlandstandorten,
die
nicht
direkt
tidebeeinflusst
sind,
auch
infolge
einer
Klimaänderung
weiterhin
Extensivgrünlandwirtschaft betrieben werden kann. Der Flächenanteil für den Biotoptyp Flutrasen
bleibt gegenüber dem Status quo sogar unverändert bei ca. 53 ha. Flutrasen und Extensivgrünland sind
108
im Status quo vor allem auf den tidebeeinflussten Vorlandstandorten wie der Einswarder Plate und der
Strohauser Plate anzutreffen.
Feuchtgrünland, Strand und Trockenrasen: Wie bereits im Nutzungsszenario 1 sagt das Modell
auch im Nutzungsszenario 2 die Biotoptypen Feuchtgrünland, Strand und Trockenrasen nicht voraus
(s. Kap. 7.4.2.1).
Ruderalfluren: Durch die im Nutzungsszenario 2 postulierte Nutzungsaufgabe gehen Ruderalfluren
bzw. Brachebereiche von ca. 145 ha auf ca. 90 ha zurück. Das Modell prognostiziert statt des
Biotoptyps Ruderalfluren vegetationsloses Watt, Brackwasserwattröhrichte oder Landröhrichte sowie
Bäume und Gehölze. Hierbei handelt es sich um einen Fehler 1. Art, denn mit Ruderalfluren
bestandene Flächen sind prinzipiell auch Standorte für Bäume und Gehölze.
Bäume und Gehölze: Ähnlich wie im Nutzungsszenario 1 verdoppelt sich der Flächenanteil der
Bäume und Gehölze gegenüber dem Status quo von ca. 100 ha auf ca. 200 ha. Bäume und Gehölze
werden u.a. auf Flächen prognostiziert, auf denen im Status quo für Freizeitaktivitäten genutzte
Bereiche oder Intensivgrünland zu finden sind. Im Nutzungsszenario 1 ist der Flächenanteil der
Bäume und Gehölze mit ca. 218 ha etwas höher als im Nutzungsszenario 2. Dieser für das
Nutzungsszenario 2 modellierte geringfügige Rückgang des Flächenanteils kann damit begründet
werden, dass hier anders als im Nutzungsszenario 1 einige Baumstandorte aufgrund regelmäßiger
Überflutung durch Flusswattröhricht ersetzt werden. Das bedeutet, dass Bäume und Gehölze durch
die Prämisse eines geänderten Nutzungsinteresses im Nutzungsszenario 2 nun direkt mit den
Röhrichten konkurrieren. Die Analyse der Situation des Status quo hat gezeigt, dass Bäume und
Gehölze bevorzugt auf solchen Bereichen zu finden sind, die ursprünglich genutzt wurden und brach
gefallen sind. Vor allem für die Betrachtung der Entwicklung von Bäumen und Gehölzen ist wichtig
anzumerken, dass das VS-Modell keine Entwicklungszeiträume von Vegetation berücksichtigt (s. Kap.
7.1.2 und 4.1.1). Daher kann eine längerfristig als wahrscheinlich geltende Entwicklung von Gehölzen
und Auwaldstrukturen vor allem auf ungenutzten Vorlandbereichen nicht modelliert werden (s. Kap.
7.4.2.2). In einem Exkurs zur Auwaldentwicklung in Kapitel 7.5.3 werden daher die Bedingungen der
Möglichkeiten der künftigen Entwicklung von Auwaldstrukturen diskutiert.
Röhrichte: Bei einer Nutzungsaufgabe des Vorlandes dehnen sich Landröhrichte von ca. 500 ha auf
ca. 730 ha aus, was einer Zunahme des Flächenanteils gegenüber dem Status quo von ca. 46 %
entspricht. Landröhrichte finden sich bei einer Aufgabe der landwirtschaftlichen Nutzung auf ehemals
als Grünland genutzten Flächen. Noch deutlicher fallen die Zuwächse von 410 ha auf 1550 ha bei den
unter MThw gelegenen Röhrichten aus (s. Kap. 7.4.2.1). Der enorme Flächenzuwachs ist vor allem auf
die Besiedlung der infolge einer Klimaänderung in weiten Teilen unter MThw gelegenen ehemaligen
Sommerpolder zurückzuführen.
109
Vegetationsloses Watt: Der Anteil der vegetationslosen Wattflächen nimmt von ca. 1100 ha auf ca.
2390 ha stark zu. Die Zunahme der Wattflächen fällt so beträchtlich aus, weil im Nutzungsszenario 2
auch die deutlich unter MThw gelegenen Gebiete, auf den vormals durch Sommerpolder geschützten
Bereichen (Harrier Sand, Tegeler Plate, Strohauser Plate), regelmäßig überflutet werden.
7.4.2.3
Fazit: Modellierung der Biotoptypen unter den Bedingungen einer Klimaänderung
Mit dem VS-Modell kann die Biotoptypenverteilung der Unterweservorländer infolge einer
Klimaänderung modelliert und die eingangs gestellten Fragen beantwortet werden: Infolge einer
Klimaänderung mit beschleunigtem Meeresspiegelanstieg sind bei unverändertem Nutzungsinteresse
gegenüber dem Status quo (Nutzungsszenario 1) insgesamt nur relativ geringe Veränderungen der
Vegetation und der landwirtschaftlichen Nutzbarkeit der Vorländer, insbesondere der durch
Sommerpolder geschützten Bereiche, zu erwarten. Änderungen der Biotoptypenausprägung werden
vor allem für die tidebeeinflussten Vorländer prognostiziert, wo sich aufgrund erhöhter Wasserstände
Röhrichte ausdehnen und die Extensivgrünlandwirtschaft verdrängen. Werden dagegen die
Sommerpolder für den Tideeinfluss geöffnet (Nutzungsszenario 2), ist mit drastischen Veränderungen
der Biotoptypenausstattung der Unterweservorländer zu rechnen. Die Tidevorländer und die
Sommerpolder werden von Röhrichten besiedelt und eine landwirtschaftliche Nutzung der Vorländer
ist nur noch auf den hoch gelegenen Spülfeldern möglich. Das VS-Modell liefert unter den
Bedingungen einer Klimaänderung für die auf dem Unterweservorland vorkommenden Biotoptypen
realistische und plausible Prognoseergebnisse von hoher Aussagekraft. Die vorliegende Arbeit stellt
damit ein anwendungsorientiertes Modell zur Vorhersage von Vegetationsveränderungen infolge einer
Klimaänderung und eines beschleunigten Meeresspiegelanstiegs zur Verfügung.
110
Bremerhaven
Nordenham
Einswarder Plate
Tegeler Plate
Kleinensieler Plate
Strohauser Plate
Brake
Harrier Sand
Hammelwarder Sand
Elsfleth
Elsflether Sand
Rönnebecker Sand
Tegeler Sand
Julius Plate
Warflether Sand
Bremen Nord
Bremen
10
0
Acker
Bäume/Gehölze
Bebauung
Freizeit
N
10 Kilometer
Grasacker
Intensivgrünland
Extensivgrünland
Flutrasen
Ruderalflur
Röhrichte
Watt
Städte/Siedlungen
Unterweser
Nutzungsszenario 1
111
Bremerhaven
Einswarder Plate
Nordenham
Tegeler Plate
Kleinensieler Plate
Strohauser Plate
Brake
Harrier Sand
Hammelwarder Sand
Elsfleth
Elsflether Sand
Rönnebecker Sand
Tegeler Sand
Julius Plate
Warflether Sand
Bremen Nord
Bremen
Änderung der Biotoptypen zu erwarten
keine Änderung der Biotoptypen zu erwarten
keine Angaben
10
0
Städte/Siedlungen
Unterweser
10 Kilometer
N
Abb. 27: Übersicht über zu erwartende Veränderungen der Biotoptypenverteilung der
112
Bremerhaven
Nordenham
Einswarder Plate
Tegeler Plate
Kleinensieler Plate
Strohauser Plate
Brake
Harrier Sand
Hammelwarder Sand
Elsfleth
Elsflether Sand
Rönnebecker Sand
Tegeler Sand
Julius Plate
Warflether Sand
Bremen Nord
Bremen
10
0
Acker
Bäume/Gehölze
Bebauung
Freizeit
N
10 Kilometer
Grasacker
Intensivgrünland
Extensivgrünland
Flutrasen
Ruderalflur
Röhrichte
Watt
Städte/Siedlungen
Unterweser
Nutzungsszenario 2
113
Bremerhaven
Einswarder Plate
Nordenham
Tegeler Plate
Kleinensieler Plate
Strohauser Plate
Brake
Harrier Sand
Hammelwarder Sand
Elsfleth
Elsflether Sand
Rönnebecker Sand
Tegeler Sand
Julius Plate
Warflether Sand
Bremen Nord
Bremen
Änderung der Biotoptypen zu erwarten
keine Änderung der Biotoptypen zu erwarten
keine Angaben
10
0
Städte/Siedlungen
Unterweser
10 Kilometer
N
Abb. 29: Übersicht über zu erwartende Veränderungen der Verteilung der Biotoptypen der
7.4.3
114
Bedeutung morphologischer Veränderungen des Unterweservorlandes infolge einer
Klimaänderung
Unter den genannten Modellvoraussetzungen und der Annahme, dass sich die Morphologie der
Unterweservorländer nicht verändert (s. Kap. 7.1.2) erscheinen die Modellergebnisse zur Vorhersage
der Biotoptypenverteilung infolge einer Klimaänderung insgesamt als sehr plausibel. Vor allem der
Zuwachs der Wattflächen und der Brack- und Flusswattröhrichte und die leichte Abnahme der
Landröhrichte, beispielsweise im Nutzungsszenario 1, sind durch den Anstieg des MThw einerseits
und die landwirtschaftliche Nutzung der Vorländer andererseits schlüssig zu erklären.
Dabei kann wie im Folgenden gezeigt wird davon ausgegangen werden, dass die Zunahme der
Wattbereiche und eventuell auch der unter MThw gelegenen Flusswatt- und Brackwasserröhrichte für
die stark strömungsberuhigten Bereiche der Unterweser vom VS-Modell vermutlich eher überschätzt
wird: Die Arbeiten der KÜFOG (2005) und der BIOS (2005) zeigen, dass bei einer ausbaubedingten
Erhöhung des MThw entlang der Unterweser für einige Bereiche von Zunahmen der Flusswatt-,
Brackwasserröhrichtbestände sowie der Landröhrichte ausgegangen werden kann (s. Kap. 7.4.2.3).
Durch die Analyse historischer Daten konnte dort qualitativ nachgewiesen werden, dass vor allem in
strömungsberuhigten Bereichen die Vorlandflächen auflanden und mit dem durch den Ausbau der
Unterweser bedingten Anstiegs des MThw Schritt halten könnten. Solche sehr wahrscheinlich auch bei
einer klimabedingten Erhöhung des MThw stattfindenden Auflandungsprozesse können im Rahmen
der vorliegenden Arbeit aufgrund fehlender Standortinformationen zur Morphodynamik nicht
modelliert werden (s. Kap. 7.4.2.3, 7.1.2, 1.4). Die im Auftrag des Wasser- und Schifffahrtsamtes
(WSA) Bremerhaven im Rahmen der UVU zur Vertiefung der Unterweser durchgeführten
Untersuchungen der KÜFOG (2005) und der BIOS (2005) zeigen für einige Standorte entlang der
Unterweser, dass es dort im Falle eines ausbaubedingten Anstiegs des MThw nicht, wie vor den
Ausbauten zum Teil von Experten angenommen, zu einem Rückgang der Röhrichtbestände kommt
(KÜFOG 2005). Der historische Vergleich der Röhrichtentwicklung der letzten 50 Jahre zwischen
Brake und Motzen beweist, dass es zwar im vergangenen Jahrhundert direkt am Hauptstrom zu einer
Verringerung der Röhrichtflächen gekommen ist, dass diese Verringerung aber in erster Linie auf
Maßnahmen der Ufersicherung und Sandaufschüttungen zur Verhinderung von Erosion
zurückzuführen ist. Die Studie der BIOS (2005) weist darüber hinaus nach, dass in den vergangenen
Jahren in dem strömungsberuhigten Bereichen des rechten Nebenarms entlang des Harrier Sandes,
durch Auflandung und Sedimentation deutliche Zunahmen der Röhrichtflächen auf Kosten der
ursprünglichen Flachwasserzonen zu verzeichnen sind. Berücksichtigt werden muss dabei allerdings,
dass es wie in den vergangenen Jahrhunderten geschehen auch infolge einer Klimaänderung entlang
der Ufer des Hauptstromes der Unterweser zur Entstehung eines Uferwalls kommen kann, der die
Vernässung und Wattbildung auf den landeinwärts liegenden Flächen bedingt. Internationale
Untersuchungen für Marschbereiche und Salzwiesen, dass diese mit einen klimabedingten Anstieg des
MThw schritthalten könnten: THOM (1992), der Salzmarschen am Nordwestpazifik untersuchte, stellte
115
einen Zuwachs der Marschbereiche bei gleichzeitigem Anstieg des Meeresspiegels fest. Für das
Wattenmeer wurden von VAN WIJNEN & BAKKER (2001) die Veränderungen der Geländehöhen für
drei Salzmarschen in den letzten 100 Jahren untersucht. Die Vorhersagen gehen davon aus, dass
Salzmarschen in den nächsten 100 Jahren mit einem klimabedingten Meeresspiegelanstieg Schritt
halten können. Wird der Betrachtungszeitraum allerdings über die nächsten 100 Jahre hinaus
ausgedehnt, wird vermutet, dass Marschen, vor allem solche mit bereits geringerer relativer Höhe,
durchaus rückgangsgefährdet sind. NICHOLLS et al. (1999) prognostizieren sogar, dass ein
Meeresspiegelanstieg dazu führen könnte, dass im Jahre 2080 ca. 22% der Küstenvorländer weltweit
verloren gegangen sein könnten.
Ob Marschbereiche oder tidebeeinflusste Vorlandbereiche entlang der Unterweser im Falle eines
ansteigenden Meeresspiegels erhalten bleiben, verschwinden oder mitwachsen können, hängt von den
herrschenden Strömungsverhältnissen, dem Wind, dem schiffsbedingten Wellenschlag der Uferform
sowie den daraus resultierenden Erosionsprozessen und Sedimentationsmöglichkeiten ab. Während im
Hauptstrom
der
Unterweser
heute
schon
die
Erosionsprozesse
ausbaubedingt
die
Sedimentationsprozesse überlagern, bieten die strömungsberuhigten Seitenarme entlang der Inseln und
Sände dagegen im Prinzip gute Auflandungsbedingungen. Die Wachstumsrate des tidebeeinflussten
Vorlandes wird dabei entscheidend über die Menge des organischen Materials bestimmt, das
beispielsweise über die Tide eingetragen wird und die Möglichkeit der Sedimentation, wie sie in
strömungsberuhigten Zonen gegeben ist. Weiterhin ist auch die In-Situ-Produktion organischen
Materials von Bedeutung, die je nach dominierendem Pflanzenbestand variiert. Auch die
Geschwindigkeit
des
Meeresspiegelanstiegs
selbst
ist
ein
wesentlicher
Faktor,
der
die
Wachstumsprozesse der Marschen und Vorländer überlagern kann (NICHOLLS et al. 1999). Daher
hängt die Antwort auf die Frage nach einem Mitwachsen oder Verschwinden der tidebeeinflussten
Vorland- und Marschbereiche auch vom betrachteten Zeitraum ab, in dem die beschriebenen Prozesse
stattfinden können: Ist der Sedimentzuwachs abhängig vom Betrachtungszeitraum im Verhältnis zum
Anstieg des Meeresspiegels gering, sind Erosion und damit der Verlust von Marschflächen die Folge
und umgekehrt (VAN WIJNEN & BAKKER 2001).
Vor dem Hintergrund der vorgestellten Studien kann bei einer Klimaänderung mit einem Zuwachs der
vegetationslosen Wattflächen gerechnet werden. Allerdings wird dieser durch die mit hoher
Wahrscheinlichkeit stattfindenden Auflandungsprozesse in strömungsberuhigten Zonen nicht so hoch
ausfallen wie vom VS-Modell prognostiziert. Die Ergebnisse der KÜFOG (2005) und der BIOS (2005)
deuten nämlich darauf hin, dass vor allem für strömungsberuhigte Süßwasserbereiche des Warflether
Armes und des Rechten Nebenarmes (Harrier Sand) auch bei einem klimabedingten Anstieg des
MThw deutliche Zuwächse der Röhrichtflächen zu erwarten wären. Auch für die im
Brackwasserbereich liegende Schweiburg entlang der Strohauser Plate könnte bei einer Klimaänderung
mit einem erhöhten MThw damit gerechnet werden, dass es zu Auflandungsprozessen und zu einer
116
Zunahme der Röhrichtflächen in den tidebeeinflussten Zonen kommt. Das VS-Modell prognostiziert
für diese Bereiche in weiten Teilen dagegen konsequenterweise vegetationsloses Flusswatt, weil
aufgrund fehlender Daten keine Morphodynamik berücksichtigt werden kann. Stünden modellierte
Informationen zur Morphodynamik flächendeckend zur Verfügung, könnten mit dem VS-Modell
durchaus Voraussagen über potenzielle Wachstumsprozesse der Vorländer und der damit
einhergehenden Ausbreitung von Röhrichten für die Unterweservorländer modelliert werden (s. Kap.
7.1.2, 1.4).
7.5
Zonierung und räumliche Verteilung der Vegetation der Unterweservorländer
infolge einer Klimaänderung
Die Modellergebnisse (Kap. 7.4) zeigen, dass sich infolge einer Klimaänderung die Flächenanteile der
Biotoptypen der Unterweservorländer stark verändern können. In den nachfolgenden Kapiteln wird
analog zu Kapitel 6.2 (Status quo) die räumliche Verteilung der Ufer- und potenziellen Auenvegetation
infolge einer Klimaänderung auf der Ebene der Pflanzengesellschaften (s. Anhang Tab. A6 und A7)
dargestellt.
7.5.1
7.5.1.1
Veränderung der Vegetation infolge einer Klimaänderung mit Nutzungsszenario 1
Etwa 78 % der heute über MThw gelegenen Tidevorländer (1395 ha) werden nach Erhöhung des
MThw um 70 cm infolge einer Klimaänderung regelmäßig überflutet. Am stärksten betroffen sind die
vorwiegend als Mähwiesen genutzten Grünlandbereiche mit einer Fläche von insgesamt ca. 545 ha.
51 % der landwirtschaftlich genutzten Flächen gehen infolge einer Klimaänderung mit
Nutzungsszenario 1 auf den tidebeeinflussten Vorländern verloren. Die betroffenen Gebiete liegen im
Bereich der Julius Plate, wo sich mesophile Schachbrettblumenwiesen finden, im Bereich des rechten
Nebenarms beim Harrier Sand, im Bereich der Strohauser Vorländer nördlich der Stadt Brake und im
Bereich der Einswarder Plate und des Neues Pfands südlich der Stadt Bremerhaven. Vermehrte
Überflutungen fördern auf diesen unter den Voraussetzungen einer Klimaänderung nicht mehr
landwirtschaftlich nutzbaren Tidevorländern sauerstoffmangeltolerante Pflanzenarten (vgl. CRAWFORD
1993) wie Acorus calamus, Glyceria maxima, Glyceria fluitans, Schoenoplectus lacustris ssp tabernaemontani, Typha
latifolia und Phragmites australis, die auch jetzt schon in weiten Bereichen bestandsbildend sind (GFL
1992, KURZ & KÜVER 1991, KÖHLER 1988, HEINRICH & MÜHLNER 1981).
Anstelle der heutigen mesophilen Grünländer und Intensivgrünländer, auf denen neben typischen
Graslandarten wie Lolium perenne, L. multiflorum und Poa trivialis auch Flutrasenarten wie Agrostis
stolonifera vorkommen, etablieren sich großräumig Röhrichte und Stromtalvegetation mit Hochstauden.
Es ist insgesamt mit einer Zunahme der Röhrichtflächen um 24 % von insgesamt ca. 920 ha auf ca.
1140 ha zu rechnen. Dabei ist der Zuwachs vor allem auf die unter MThw gelegenen
Brackwasserröhrichte zurückzuführen. Gleichzeitig kommt es abhängig von der Steilheit der Ufer,
117
aufgrund der Verschiebung der Röhrichtstandorte mit dem MThw und der „Konkurrenz“ mit der
Grünlandwirtschaft vor allem im Süßwasserbereich der Unterweser zu einer Verringerung der
Landröhrichtflächen. Eine klare Unterscheidung zwischen unter MThw und oberhalb des MThw
wachsenden Röhrichten ist allerdings nicht immer sinnvoll. Zum einen, weil die MThw-Linie eine
künstliche Grenze bildet (s. Kap. 6.1.1.2). Und zum anderen, weil innerhalb eines Röhrichtbestandes
floristisch nicht immer klar zwischen Land- und Wattröhrichten unterschieden werden kann (KURZ
1997), denn Röhrichte kennzeichnen Übergangsbereiche zwischen dem aquatischen und dem
terrestrischen Bereich (s. Kap. 3.2).
Insgesamt ist eine gesteigerte Biomasseproduktion auf den nicht wasserlimitierten, tidebeeinflussten
Vorlandstandorten zu erwarten, denn erhöhte CO2-Gehalte, höhere Temperaturen und eine
verlängerte Vegetationsperiode wirken sich direkt auf die Nettophotosynthese aus (SPARKS & CAREY
1995, s. Kap. 3.13). Höhere Temperaturen und Bodenfeuchten aufgrund von mehr Niederschlägen
führen allerdings zur Steigerung der Bodenaktivität und Nährstoffverfügbarkeit und in Folge dessen zu
weiterer CO2- und CH4-Freisetzung (LEIROS et al. 1999, MOISER 1998). Bei einer kurzfristigen
Bilanzierung dieser Freisetzungsprozesse sind Röhrichtstandorte Quellen für diese Treibhausgase.
Langfristig gesehen stellen Röhrichtstandorte allerdings aufgrund ihrer hohen Produktivität und
Photosyntheseraten eher Senken für CO2 dar (BRIX et al. 2001).
Auf oberhalb des MThw landwirtschaftlich nutzbaren Flächen ist infolge einer Klimaänderung mit
Ertragssteigerungen der Mesophilen Grünländer und der Intensivgrünländer zu rechnen. Nach
COLLAZT et al. (1998) werden durch die CO2-Erhöhung bevorzugt C3-Gräser gefördert.
Untersuchungen von KATTGE et al. (1997) an verschiedenen Wildkräutern ergaben bei erhöhten CO2Konzentrationen Wachstumssteigerungen zwischen 10 % und 24 %. Experimente mit Weizen führten
beispielsweise bei Varianten mit und ohne zusätzlicher Stickstoffdüngung sogar zu Biomassezunahmen
zwischen 31 % und 41 % (GRÜTERS et al. 1997). Darüber hinaus kann es auch zu Veränderungen der
Artenzusammensetzung innerhalb der Grünländer selbst kommen. KESEL (2000) geht davon aus, dass
sich vor allem Arten der Glatthaferwiesen auf genutzten Standorten weiter ausbreiten könnten.
7.5.1.2
Sommerbedeichte Vorlandbereiche
Bei einer Verschiebung hin zu warmtemperiertem Klima ist mit häufigeren Starkregenereignissen und
kurzzeitig humiderem Klima zu rechnen (BLISS & ZEDLER 1998). Der Parameter Bodenkundliche
Feuchtestufe zeigt als Indikator für die landwirtschaftliche Nutzbarkeit (Kap. 6.1) innerhalb der
Sommerpolder einen Übergang zu größtenteils nasseren Verhältnissen (Kap. 4.2.4, Teilprojekt
Grundwasser, MEINKEN & HOFFMANN 1999 und Teilprojekt Wasserwirtschaft MANIAK et al. 1999).
Konkret kann eine Erhöhung der Bodenkundlichen Feuchtestufe um ca. +1 erwartet werden (vgl. Tab.
13, Kap. 7.4). Es ist allerdings nur saisonal mit ansteigenden Grabenwasserständen und lediglich lokal
mit Nutzungseinschränkungen zu rechnen. Auf einzelnen tiefer gelegenen Bereichen kann es vor allem
im Frühjahr zu einer späteren ersten Mahd kommen. Es sind keine dauerhaften großflächigen
118
Vernässungen zu erwarten, weil der örtlich begrenzte Spitzenwert des Grabenwasserstandsanstiegs
insgesamt gering ist und die anfallenden Wassermengen zu späteren Zeitpunkten im freien Sielzug
wieder über das Siel abgeführt werden können. Technische Maßnahmen, die eine Erhaltung der vollen
landwirtschaftlichen Nutzbarkeit der Sommerpolder gewährleisten könnten, sind möglicherweise die
Installation von mit Pumpen ausgestatteten Schöpfwerken, die Vergrößerung der Grabenquerschnitte
oder theoretisch eine Erhöhung der Grabennetzdichte (MANIAK et al. 1999, MEENKEN 1999). Auf
tiefer gelegenen Bereichen ist eine Entwicklung der Vegetation von einer Poo-Rumicetum obtusifoliiGesellschaft (GIMw, s. Kap. 6.2) zu einer feuchteren Rumici-Alopecuretum-Gesellschaft (GFF)
wahrscheinlich (SCHRÖDER & GEHLKEN 1999). Ein Meeresspiegelanstieg und damit einhergehende
veränderte Grundwasserverhältnisse fördern prinzipiell die Ausbreitung von Feuchte liebenden Arten
(CRAWFORD 1993, MEISEL 1977). Auf schlecht entwässerbaren Flächen kann es lokal zur Ausbreitung
von Nassbiotop-Arten wie Sauerstoffmangel ertragenden Röhrichtarten z.B. Glyceria fluitans und
Flutrasenarten sowie zur Ausbreitung von kühltemperierten Seggenriedern (NSG) kommen (KESEL
2000, MEENKEN 1999).
Insgesamt ist auf den nährstoffreichen und meist gut wasserversorgten Böden der Sommerpolder von
einer Steigerung der Produktivität und einer Zunahme der Biomasse auszugehen. C3-Gräser (Bromus
vulpia, Arrhenatherum elatior, Festuca, Agrostis, auch Hybriden) werden durch die im Klimaszenario
angenommene Verdopplung der CO2-Konzentrationen und die künftig insgesamt längere
Vegetationsperiode (s. Kap. 3.1.3, 4.1.1) gefördert (COLLATZ et al. 1998). Unter Beibehaltung der
heutigen Wirtschaftsweise als intensiv genutzte Mähweiden (GIMw, GA) und Kohläcker (AT) sind
größtenteils kaum Veränderungen der Biotopausstattung auf den Sommerpoldern zu erwarten. Der
Standortparameter Nutzungstyp dominiert hier großflächig den Standortparameter Bodenkundliche
Feuchtestufe (s. Kap. 6.1, 6.1.2.2, 7.1.2). Möglicherweise stattfindende kleinere Flächenveränderungen
durch Artverschiebungen oder Dominanzveränderungen innerhalb der Artenzusammensetzung sind
durch die im Maßstab 1:50.000 zur Verfügung stehende digitale Bodenkarte auf der Bearbeitungsebene
der Biotoptypen nicht näher zu differenzieren. Die Probleme bei der Verschneidung unterschiedlicher
Maßstabsbereiche und die daraus resultierenden Folgen für die Datenanalyse wurden in Kapitel 6.1.2.3,
7.1.2 und 7.4.2.1 diskutiert und sind bei HÖRSCH (2001), MARZLOFF (1999) und BIAN (1997)
eingehend beschrieben.
7.5.1.3
Aufgespülte Vorlandbereiche
Auf Bracheflächen, die heute bereits im Bereich der Ausgleichs- und Ersatzflächen (Tegeler Plate,
Neues Pfand, Kleinensieler Plate) oder auf künftig möglicherweise aufgelassenen Spülfeldern liegen,
können durch die klimabedingte verstärkte Mineralisation nährstoffliebende Arten der Gräser,
Brennnesseln, Knöteriche und Ampfer gefördert werden (KURZ 1997). Es entstehen bevorzugt
Biotoptypen der Ruderalfluren (UHF, UHM). Ungenutzte Spülfeldbereiche, auf denen die der
Entwässerung dienenden Grüppen nicht mehr in Stand gehalten werden, neigen aufgrund der
119
schlechten Leitfähigkeit der Substrate zu Staunässe. Dadurch können sich auf Teilbereichen auch hier
Röhrichte mit Dominanzbeständen aus Phragmites australis etablieren.
Landwirtschaftlich genutzte Wiesen (z.B. Intensivgrünländer) können bei nicht ausreichender
Düngung auf schlecht versorgten oder aufgespülten Böden aufgrund der CO2–bedingten Anreicherung
mit Kohlehydraten bei gleichzeitiger Reduzierung des Eiweißgehaltes strohiger werden und an
Futterwert verlieren. Hier wäre mit entsprechenden Ertragseinbußen zu rechnen. Trockenere Sommer,
wie sie im Klimaszenario beschrieben sind, führen darüber hinaus zur Förderung von Wärme-,
Trocken- und Luftfeuchtekeimern zu Ungunsten von Kälte- und Frostkeimern. Feldexperimente in
britischen Wiesen (STERNBERG et al. 1999) zeigten, dass warme Winter und höhere Sommerregen zur
Zunahme von Deckung und Artenzahl führen und einen schnellen Abbau von Streu fördern, während
warme
Winter
und
trockene
Sommer
zu
verstärkter
Streubildung
und
Bildung
von
Dominanzbeständen von Rhizompflanzen führen.
7.5.1.4
Befestigte Uferabschnitte
Auf befestigten Ufern breiten sich möglicherweise, bedingt durch die höheren sommerlichen
Temperaturen, wärmeliebende Neophyten wie Polygonum cuspidatum und P. sachalinense, Heracleum
mantegazzianum, Angelica archangelica, verschiedene Pestwurz-Arten (Petasites) und Impatiens glandulifera
vor allem in stadtnahen Bereichen weiter aus (s. Kap 7.5.4).
7.5.2
Veränderung der Vegetationszusammensetzung infolge einer Klimaänderung mit
Nutzungsszenario 2
Bei einer Öffnung der Sommerpolder (Nutzungsszenario 2) ist mit einer Zunahme der
Röhrichtflächen von ca. 920 ha (Status quo) auf ca. 2287 ha zu rechnen. Durch die Nutzungsaufgabe
der Sommerpolder und Öffnung der Sommerdeiche entwickeln sich hier unter naturnahen
Sukzessionsbedingungen vor allem tidebeeinflusste Röhrichte. Neben Phragmites australis treten Acorus
calamus, Glyceria maxima, G. fluitans, Schoenoplectus lacustris ssp tabernaemontani, Typha latifolia und auf
weniger staunassen Bereichen auch Phalaris arundinacea auf. Abhängig vom Entwicklungszeitraum
breiten sich auf nicht permanent tidebeeinflussten ehemals landwirtschaftlich genutzten Bereichen
Arten der Stromtal- und Ruderalvegetation aus.
Für die vegetationslosen Wattbereiche wird im Klimaszenario bei Aufgabe der Sommerpolder ein
Flächenzuwachs von insgesamt ca. 1100 ha auf ca. 2390 ha prognostiziert. Das ist darauf
zurückzuführen, dass weite Teile der im Nutzungsszenario 2 tidebeeinflussten Sommerpolder nur
geringe Höhen aufweisen und infolge einer Klimaänderung mit einer Wasserstandserhöhung von im
Mittel 70 cm unterhalb des modellierten MThw liegen.
7.5.3
120
Exkurs I: Auwaldentwicklung
Mit dem CART-Verfahren kann keine Prognose der künftigen Auwaldentwicklung durchgeführt
werden, weil das Verfahren keine Entwicklungszeiträume berücksichtigt und im Ausgangsdatenbestand
keine echten Auwälder vorkommen (s. Kap. 7.1.2 und 7.4.2). Mit dem Modell können nur Biotoptypen
vorhergesagt werden, die bereits im Ausgangsdatensatz vorhanden sind (s. Kap. 7.1.2). Darüber hinaus
ist noch wenig über die genauen Entwicklungszeiträume und Standortbedingungen für die Etablierung
von Auwald bekannt. Im Status quo sind entlang der Unterweser ursprüngliche Auwälder und
Auengebüsche nicht mehr zu finden. Ähnliches gilt für die Unterelbe, wo typische Weiden-Auwälder
vielerorts durch angepflanzten Tiden-Auwald mit Pappeln ersetzt wurden. Dabei ist aufgrund von
Literaturrecherchen gut vorstellbar, dass sich auf den Unterweservorländern auf ungenutzten oder
Bracheflächen unter naturnahen Sukzessionsbedingungen ab ca. 0,5 m über MThw neben Röhrichten
langfristig auch artenreiche Auengebüsche und Auwälder entwickeln könnten (KESEL 1999).
Historischer Zustand und Etablierungszeiträume
FOCKE (1915) beschreibt, dass um die Mitte des 19. Jahrhunderts noch hochwaldartige
Baumweidenbestände entlang der Unterweser vorkamen. Damals traten stromab am Weserufer
zusammenhängende Weidengebüsche und Auwaldstrukturen bis in die Gegend von Brake auf. Auf der
Strecke von Brake bis Dedesdorf bzw. Kleinensiel kamen dagegen nur noch größere Weidengebüsche
vor. Auf Sandschüttungen bei Kleinensiel (heute vielleicht auf der Kleinensieler Plate) beispielsweise
fand er ein fast nur aus Salix alba bestehendes kleines Wäldchen. Einzelne Bäume und Sträucher
wuchsen allerdings auch noch mehrere Kilometer weiter nördlich (hier fehlen genaue Ortsangaben).
Zu Beginn des 20. Jahrhunderts setzten sich die Weidengebüsche überwiegend aus Salix alba, Salix
viminalis und Salix amygdalina und verschiedenen Mischformen zusammen. Schon damals wurden die
Weidengebüsche ebenso wie die Röhrichtbestände durch die Tätigkeit des Menschen zur Gewinnung
von Wiesen und Weideflächen beträchtlich verkleinert (CLAUS et al. 1994a, FOCKE 1915).
Die Etablierungszeiträume für Auwald oder auwaldähnliche Strukturen betragen mehrere Jahrzehnte
und sind verglichen mit denen des Röhrichts oder der Ruderal- und Stromtalvegetation sehr lang
(CLAUS 1994a). Darüber hinaus können Röhricht und Ruderalflurbestände, die sich innerhalb weniger
Jahre auf ungenutzten Vorlandstandorten ansiedeln, auch langfristig sehr stabile Populationen bilden
(ROSENTHAL 1992). Das gelingt ihnen, weil sie durch starke Streubildung die Etablierung anderer
Arten hemmen (Lichtkonkurrenz). Darüber hinaus verfügen sie mit ihren Rhizomen über große
Nährstoffspeicher, die ein rasches Aufwachsen im Frühjahr erlauben. Weidengebüsche können
allerdings auch gemeinsam mit Röhrichten nahe der Wattgrenze auftreten, indem sie die Röhrichte und
Hochstauden im Laufe der Zeit langsam überwachsen und so verdrängen. Vermutlich könnten sich
Auwaldstrukturen oder Auwälder, ähnlich wie von KURZ (1997) für die Unterelbe dargestellt, an der
Unterweser vor allem über Initialpflanzungen etablieren.
121
Standortparameter und Abschätzung potenzieller Gehölz- und Auwaldstandorte
Echte Weichholzauwälder können mehrmals monatlich oder nur wenige Male im Jahr bei Sturmfluten
überschwemmt werden. Der untere Bereich eines solchen Bestandes kann dabei während eines SpringNipptidezyklus mehrfach überflutet werden. An der Elbe haben sich schon kurz oberhalb der MThwLinie Weidengebüschsäume angesiedelt, die häufigen Überflutungen ausgesetzt sind, während höher
gelegene Bereiche am Übergang zum sich anschließenden Grünland nur etwa ein Dutzend Mal im Jahr
unter Wasser stehen (KURZ 1997). Hohe Frühjahrsfeuchten und –temperaturen, wie sie im
Klimaszenario erwartet werden (Kap. 3.1.3, 4.1.1), fördern die Frühjahrs- und Feuchtekeimer wie z.B.
Salix alba und andere Auengehölze. Auf den heutigen Gehölzstandorten können sich künftig neben
den Gehölzen auch bunte Hochstaudenfluren bzw. Arten der Ruderalstandorte durchsetzt mit
Neophyten (s. Kap. 7.5.4), wie beispielsweise dem Eschenahorn Acer negundo, ansiedeln (KESEL 2000).
Eine sich möglicherweise entwickelnde Weichholzaue könnte sich entlang der Unterweser aufgrund
des Salzeinflusses (GRABEMANN et al. 1999) vermutlich nur bis Brake (ca. Uw-km 40) und auf den
dem Tideeinfluss entzogenen Spülfeldern noch bis zur Tegeler Plate und Kleinensieler Plate (ca. Uwkm 50) etablieren (vgl. FOCKE 1915) und sich aus Silber- und Fahlweiden und Pappeln
zusammensetzen. Dabei könnten nördlich von Brake vor allem hochgelegene Standorte wie Spülfelder
besiedelt werden, die dem Einfluss des in diesem Unterweserabschnitt salzhaltigen Brackwassers
entzogen sind, denn Gehölzkeimlinge vertragen keinerlei Salz (KESEL 1999). Ähnlich wie schon von
FOCKE (1915) für die Unterweser beschrieben, wurden entlang der Elbe Weiden-Auengebüsche auch
im Brackwasserbereich, allerdings überwiegend auf sandigen Standorten kartiert. Die Etablierung
erfolgte dort dabei nicht über Keimlinge, sondern über abgebrochene Zweigstücke. Obwohl diese
Bereiche regelmäßig überschwemmt wurden, gelang die Ansiedlung, da das Salz auf dem überwiegend
sandigen Substrat leicht ausgewaschen wird (KURZ 1997). Ab ca. 2 m oberhalb des MThw könnten
sich auf aufgelassenen, ungenutzten Flächen bei entsprechend vorhandenem Samenpotential und nach
sehr langen Spukzessionszeiträumen (> 100 Jahren) entlang der Unterweser möglicherweise auch
Arten der Hartholzaue ansiedeln (KESEL 1999, KURZ 1997).
7.5.4
Exkurs II: Neophyten
GRIME (2001, 1979) weist darauf hin, dass im Klimageschehen die Ausbildung neuer Ökotypen eine
wichtige Rolle spielt. Eine Klimaänderung (Erhöhung von Temperatur, CO2 und Nährstoffumsatz)
beeinflusst die sexuelle Fitness (Samen- und Pollenbildung) vieler Pflanzen und kann einen
Selektionsdruck erzeugen, unter dem sich die Struktur und Zusammensetzung von Populationen
verändern kann (CAREY et al. 1995, FIRBANK et al. 1995). Durch Temperatur- und
Niederschlagserhöhungen
können
infolge
einer
Klimaänderung
auch
die
Keim-
und
Etablierungsbedingungen sowie das Ausbreitungspotenzial nicht nur für Neophyten verbessert
werden.
Als Neophyten werden in der wissenschaftlichen Literatur Pflanzen bezeichnet, die meist durch den
Menschen in ein Gebiet eingebracht wurden, in dem sie zuvor nicht vorkamen. In der
122
deutschsprachigen Geobotanik werden alle seit dem 15. Jahrhundert beispielsweise aus dem
mediterranen Raum, Nordamerika und Ostasien auf unterschiedlichen Wegen nach Deutschland
gekommene Pflanzen als Neophyten bezeichnet. Manche wurden als landwirtschaftliche Nutzpflanze,
als Forstpflanze, als Heilpflanze oder als Kuriosität und Zierpflanze für Gärten eingeführt. Andere
wurden unbeabsichtigt gemeinsam mit Handelsgütern und anderen Pflanzen importiert. Das
Kennzeichen vieler dieser Arten ist eine hohe Samenproduktion, die Bildung unterirdischer Ausläufer
und ein hohes Regenerations- und Vermehrungspotential. Störungen im Sinne von GRIME (2001), die
wie Bebauungen, Grabungen oder Erosion offene Flächen schaffen und die ursprüngliche
Artenzusammensetzung verändern können, schaffen für so genannte Neophyten optimale
Ansiedlungsmöglichkeiten. Flussufer sind aufgrund der hier herrschenden Wasserstandsdynamik daher
ein Hauptverbreitungsgebiet für Neophyten. So fanden BRANDES & SANDER (1995) in ihrer
Untersuchung von 600 Elbe-Kilometern zwischen Böhmen und Lauenburg (Mittelelbe) insgesamt 86
Neophyten. Am häufigsten waren Xanthium albinum, Bidens frondosa, Conyza canadensis, Atriplex sagittata,
Galinsoga ciliata, Galinsoga parviflora, Amaranthus powellii und Eragrostis pilosa. 43 % der Neophyten waren
sogenannte Gartenflüchtlinge, darunter ein hoher Anteil an C4 Arten (Kap. 3.1.3). OPPERMANN
(1996) entdeckte entlang der Ufer der Unterweser im gleichen Zeitraum folgende sechs sehr häufig
auftretende Neophytenarten: Bidens frondosa, Xanthium albinum, Armoracia rusticana, Aster lanceolatus,
Conyza canadensis und Senecio inaequidens. Auch KUNDEL & KESEL (1997) stellten in den 90er Jahren des
vergangenen Jahrhunderts das Auftreten wärmeliebender Grasarten im Bremer Raum fest, die sie auf
die gehäuften warmen Jahre zurückführten. Vulpia bromoides, die ursprünglich mit Saatgut eingebracht
wurde, breitete sich ebenso auf Wegrändern und Böschungen aus wie Arrhenatherum elatior und wie die
Deschampsia flexuosa auf vielen Heideflächen und Sandtrockenrasen. Weitere Arten, die von einem
warmtemperiertem Klima profitieren, sind Polygonum cuspidatum und P. sachalinense, bestimmte SauerkleeArten (z.B. Oxalis dillenii und Oxalis decaphylla, oder Vulpia ciliata spp. ambigua, ein winterannuelles Gras,
das sich in England bereits nordwärts verbreitet (CAREY et al. 1995, FIRBANK et al. 1995, CAREY &
WATKINSON 1993). Es enthält zudem Substanzen, die auf die Keimung und das Wurzelwachstum z.B.
von Weizen verzögernd wirken. Durch erhöhte Mineralisationsraten und Nährstoffverfügbarkeit bei
warm-feuchtem Wetter werden die Wettbewerbsvorteile von neophytischen Gräsern wie beispielsweise
für die Grasart Bromus sterilis gefördert (REW et al. 1995).
Entlang der Unterweser sind bei einer Klimaänderung auf befestigten Ufern und für Feuchtgebiete
starke Veränderungen der Wasserstandsdynamik und der Grundwasserstände sowie der Temperaturund Verdunstungsverhältnisse zu erwarten. Störungen wie Ufererosion und Sturmfluten schaffen hier
möglicherweise günstigere Ansiedlungsbedingungen vor allem für wärmeliebende Neophyten.
Dadurch können die Artzusammensetzung und die Populationsstruktur der naturnahen und
ungenutzten Standorte entlang der Unterweser deutlich verändert werden (KESEL 2000).
Veränderungen der Pflanzengesellschaften haben bislang noch unbekannte Auswirkungen auf
Nährstoffkreisläufe und die Bodenbeschaffenheit mit allen Konsequenzen für Fauna und Flora.
Teil III - Zusammenfassende Diskussion und Ausblick
8
123
ZUSAMMENFASSENDE DISKUSSION UND AUSBLICK
Von den Auswirkungen einer Klimaänderung und eines beschleunigten Meeresspiegelanstiegs
(CHURCH 2001) sind Küstenregionen und Ästuare unmittelbar betroffen (VAN WIJNEN & BAKKER
2001), denn ein Meeresspiegelanstieg mit einem erhöhten Mittleren Tidehochwasser (MThw) wirkt
sich direkt auf die Flora und Fauna sowie die Nutzbarkeit der Ästuare und Küstenzonen aus. Ziel der
vorliegenden Arbeit ist es, die möglichen Effekte einer Klimaänderung auf die Vorlandvegetation von
Ästuaren des norddeutschen Raumes am Beispiel der Unterweser vorherzusagen. Die grundsätzliche
Frage lautet dabei: Was würde geschehen, wenn eine Klimaänderung mit einem um 70 cm erhöhten
MThw (GRABEMANN et al. 1999), wie in dem hier verwendeten Klimaszenario (SCHIRMER 2005)
formuliert, auf die heutigen Gegebenheiten und Bedingungen des Unterweserraumes träfe? Dazu
wurde ein anwendungsorientiertes Vegetation-Standort-Modell (VS-Modell) entwickelt, mit dem auf
der Basis des CART-Verfahrens (Classification and Regression Trees) und eines GIS Vegetations- und
Nutzungsveränderungen flächendeckend für große bis mittlere Maßstabsbereiche vorhergesagt werden
können. Im Hinblick auf die Prävention möglicher Gefahren ergänzt die vorliegende Arbeit damit die
nationale und internationale Klimafolgenforschung (SCHUCHARDT & SCHIRMER 2005, KRAFT 2004,
DASCHKEIT & SCHOTTES 2002, VAN WIJNEN & BAKKER 2001, SIMAS et al. 2001, VAGTS 2000,
HULME & CARTER 2000, NICHOLLS 2000, MORTSCH 1998, OLIVO DE-LOURDES 1997, USGCRP:
http://www.usgcrp.gov/usgcrp/nacc/default.htm, TITUS & NARAYANAN 1996, JELGERSMA et al.
1993, EPA: http://yosemite.epa.gov/oar/globalwarming.nsf/content/index.html, NOEST 1991).
Darüber hinaus können mit dem in dieser Arbeit vorgelegten VS-Modell auch die möglichen Folgen
einer Klimaänderung bei Raumplanungsvorhaben, wie der geplanten Unterweservertiefung oder für
Naturschutzprojekte berücksichtigt oder regionale Gegenmaßnahmen im Rahmen eines integrierten
Küstenzonenmanagements (v. LIEBERMAN et al. 2005, SCHUCHARDT et al. 2005) erarbeitet werden.
Die Arbeit ist aus dem interdisziplinären Forschungsprojekt „Klimaänderung und Unterweserregion“
(KLIMU),
das
im
Rahmen
des
Klimafolgenforschungsprogramms
der
Bundesregierung
„Klimaänderung und Küste“ in den Jahren 1997 bis 2000 vom BMBF und der Freien Hansestadt
Bremen gefördert wurde, hervorgegangen (SCHUCHARDT & SCHIRMER 2005). Die Datenbasis des
KLIMU-Projektes und der vorliegenden Arbeit umfasst die Jahre 1988 bis 1994, der Bezugszeitraum
ist das Jahr 2050 (SCHIRMER 2005).
8.1
Zusammenfassende Diskussion
Mit
dem
in
dieser
Arbeit
entwickelten
infolge
einer
Vegetation-Standort-Modell
Klimaänderung
und
(VS-Modell)
eines
können
beschleunigten
Meeresspiegelanstiegs zuverlässig prognostiziert werden. Darüber hinaus können mit dem Modell die
eingangs postulierten Zusammenhänge zwischen Vegetationsausprägung und Standort validiert werden
124
(Kap. 7.1, 7.2, 7.3, 7.4). Das VS-Modell bezieht sich auf Elemente der Modellvorstellung der
Gradiententheorie, die bei MÜLLER (1998) näher beschrieben ist. Die Gradiententheorie betrachtet
ökologische Systeme als raumzeitliche Abfolgen von Konzentrationsgradienten, die sich in räumlichen
Verteilungsmustern wie beispielsweise der Vegetation widerspiegeln. Das VS-Modell zur Vorhersage
von Vegetationsveränderungen beruht auf der Integration von Information über die räumliche
Verteilung der Vegetationseinheiten (Biotoptypen nach v. DRACHENFELS 1994) und den
entscheidenden
Standortparametern
mit
dem
parameterfreien,
statistischen
Verfahren
der
Klassifikations- und Regressionsanalyse (CART, Kap 5.2.3). Im Vordergrund der Arbeit steht die
Entwicklung eines anwendungsorientierten Verfahrens, nicht ein methodischer Vergleich der Eignung
verschiedener Modellierungsverfahren. Das daher für die Modellierung ausgewählte CART-Verfahren
bietet gegenüber anderen Prognoseverfahren zudem folgende Vorteile: Es ist leicht auf verschiedenste
Datenformate anwendbar und es liefert ein Erklärungsmodell zur Vorhersage von Variablen in Form
logischer Wenn/Dann-Abfragen. Es konnte gezeigt werden, dass mit dem CART-Verfahren die
Abhängigkeiten zwischen mehreren Standortparametern, den so genannten Einflussgrößen und den
Zielgrößen der Vegetation, analysiert und plausibel modelliert werden können.
8.1.1
Gültigkeitsbereich des VS-Modells
Mit Hilfe des VS-Modells werden Biotoptypen vorhergesagt, die bereits im Ausgangsdatenbestand
vorhanden sind, also solche, für die dem Modell Daten von Klassifikationsmerkmalen zur
Modellierung vorliegen (Kap. 5.2). Neue Biotoptypen können weder mit dem hier verwendeten
Modellansatz noch mit vergleichbaren anderen parameterfreien Verfahren oder mit Verfahren der
multivariaten Statistik bestimmt werden. Die grundsätzliche Annahme innerhalb des VS-Modells ist,
dass Pflanzen sich auf solchen Standorten ansiedeln, an die sie angepasst sind. Das bedeutet, dass unter
naturnahen Bedingungen (Kap. 3.1) bestimmte Biotoptypen auf Standorten mit bestimmten
Standortparameterkombinationen häufiger vorkommen als andere. Für die Modellierung der
Vegetation werden Standortparameter verwendet (Kap. 4, Kap. 5.1), die auf der Grundlage von
Literaturrecherchen und Datenanalysen für den Lebensraum Vorland als ökologisch wichtig eingestuft
worden sind (Kap. 3.1, 6.1). Es wird vereinfacht angenommen, dass sich die Auswirkungen einer
Klimaänderung auf die Vegetation anhand von Abweichungen der modellierten Biotoptypenverteilung
im Vergleich zum Ausgangsdatensatz zeigen: Wird für eine bestimmte Fläche ein Biotoptyp
vorhergesagt, der dort nicht zuvor auch kartiert wurde, kann dieses Ergebnis im Prinzip als eine
Veränderung der Vegetation unter Klimaänderungsbedingungen verstanden werden. Um in der Lage
zu sein, Abweichungen der Modellergebnisse vom Ausgangsdatenbestand plausibel auf eine
Klimaänderung und nicht auf ein zufälliges Ergebnis zurück führen zu können, wurde die Modellgüte
und die Vorhersagegenauigkeit des Modells erfolgreich validiert (Kap. 7.2, 8.1.4). Mögliche
morphologische Veränderungen der Unterweser und ihrer Vorländer konnten, da hierzu die
entsprechenden Daten fehlten, in der vorliegenden Arbeit nicht berücksichtigt werden (Kap. 8.1.8).
8.1.2
125
Eignung der verwendeten Klassifikationsverfahren und Maßstabsbereiche
Auf der Basis des entwickelten VS-Modells kann die Vegetation des ganzen Landschaftsraumes
Unterweservorland, der sich über ein Gebiet von ca. 50 km² erstreckt, flächendeckend modelliert
werden. Der Fokus der Arbeit liegt auf der Modellierung von Vegetationsveränderungen für große bis
mittlere Maßstabsbereiche. Entscheidend für die Beurteilung der Güte der Modellergebnisse sind dabei
das für die Vegetation gewählte Klassifikationsverfahren und die Maßstabsebenen der in die Analyse
eingehenden abiotischen Standortparameter sowie deren Qualität.
Für die Klassifikation der Vegetation der Unterweservorländer wurde das Biotoptypenkonzept nach v.
DRACHENFELS (1994) verwendet. Unter einem Biotoptyp werden dabei solche Biotope
zusammengefasst, die hinsichtlich wesentlicher Eigenschaften übereinstimmen. Der Vorteil dieser
Klassifikationsmethode liegt darin, dass die Vegetation großer Gebiete auf einheitlicher Basis erfasst
und qualitativ beschrieben werden kann. Kleinräumige Vegetationsveränderungen unterhalb der
Klassifikationsebene der Biotoptypen, also Veränderungen auf Ebene von Pflanzenarten oder
Pflanzengesellschaften, können und sollen in der vorliegenden Arbeit nicht modelliert werden. Mit
dem hier gewählten Klassifikationsansatz der Biotoptypen für die Vegetation wurde also explizit eine
Skalenfestlegung für eine Modellierung von Vegetationsveränderung für große Gebiete getroffen und
erfolgreich angewendet.
Auch der Maßstab und die Auflösung der für eine Modellierung verwendeten Geodaten spielen, wie
LAM & QUATTROCHI (1992) zeigen, eine zentrale Rolle für die Qualität und die Art der Bewertung der
Untersuchungsergebnisse (Kap. 6.1, 7.3, 7.4). In der vorliegenden Arbeit wurden Datenquellen mit
unterschiedlichen
Maßstäben
und
Informationsgehalten
verwendet
(Kap.
6.1,
7.1):
Die
Biotoptypenkartierung lag im Maßstab 1:2.500 vor. Die Höhendaten wurden u.a. aus der DGK 5
(Deutsche Grundkarte 1:5.000) extrahiert (Kap. 4.2, 5.1). Die Bodenkarte stand im Maßstab 1:50.000
zur Verfügung (Kap. 6.1.2.3). Auf Grund der Notwendigkeit der Verwendung von unterschiedlichen
Maßstabsbereichen der Ausgangsdaten wurde für die Verschneidung der Geodaten und des DGM
(Digitales Geländemodell) zur Herstellung des Analysedatensatzes eine einheitliche Rastergröße von
25 m x 25 m gewählt (Kap. 4.2.3). Das bedeutet, dass in der Modellierung Strukturen unter
25 m x 25 m-Auflösung nicht repräsentiert werden können. Da Boden- und Höhendaten nicht in
einem ausreichend genauen Maßstab zur Verfügung stehen (Kap. 6.1.2.3), werden also kleinräumig
vorkommende Biotoptypen, wie beispielsweise Flutrasen (GFF), der neben Mesophilem Grünland
(GMF) vor allem in Senken anzutreffen ist, vom VS-Modell nicht vorhergesagt. FISCHER (1990) sieht
in einer groben Auflösung des Höhenmodells und der entsprechenden Umweltvariablen eine der
hauptsächlichen Restriktionen gegenwärtiger Vegetationsmodelle. Dabei zeigen die hier ermittelten
Validierungsergebnisse (Kap 7.2, 8.1.4) und die Ergebnisse der Modellierung für den Status quo (Kap.
8.1.6, 7.3), dass die Verschneidung der verschiedenen Maßstabsbereiche und Standortparameter für das
zu beschreibende Phänomen, nämlich die Vorhersage der Veränderung der Biotoptypenverteilung des
126
Unterweservorlandes infolge einer Klimaänderung (Kap. 7.4.2), zuverlässig und plausibel zu hohen
Trefferquoten führt (Kap. 8.1.4, 7.2).
8.1.3
Auswahl der wesentlichen für die Modellierung geeigneten Standortparameter
Innerhalb des VS-Modells werden zur Vorhersage der räumlichen Verteilung der Biotoptypen des
Unterweservorlandes die Standortparameter Standorttyp, Nutzungstyp, Bodentyp, Bodenkundliche
Feuchtestufe, Differenz aus Höhe über NN und standörtlichem MThw bzw. MTnw,
Überflutungsdauer, Überflutungshäufigkeit und Salzgehalt der Unterweser verwendet (Kap. 5.1, 7.1).
Anhand von Literaturrecherchen (Kap. 3.1) und eigenen Datenanalysen (Kap. 6.1) konnte
nachgewiesen werden, dass die Biotoptypenausprägung der Unterweservorländer entscheidend von
diesen flächendeckend vorliegenden Parametern bestimmt wird. Zur Prüfung der Eignung der
Standortparameter für die Vorhersage der Biotoptypen wurde in Einzeltests die Fehlklassifikationsrate
für jeden Standortparameter berechnet (s. Anhang Tab. A10) und anschließend der Pool der
verwendeten Variablen iterativ erweitert. Die Biotoptypen bzw. Nutzungstypen (s.u.) werden innerhalb
des Modells als abhängige Variablen, die genannten Standortparameter als unabhängige Variablen oder
auch als Prediktoren bezeichnet.
Laut DIERSCHKE (1997) spielt neben den abiotischen Standortparametern, vor allem die Art und
Intensität der Nutzung eine entscheidende Rolle für die Merkmalsausprägung der Vegetation. Die
Nutzungsinformation der verschiedenen Nutzungstypen ist im Prinzip bereits im Biotoptypenkonzept
selbst enthalten (v. DRACHENFELS 1994). Die vorgenommene Klassifikation der Nutzungsintensität
als Standortparameter Nutzungstyp liegt hier somit scheinbar redundant vor. Aber da die moderne
Landwirtschaft, wie auch GEHLKEN (1995) zeigt, in der Lage ist nahezu unabhängig von den
ursprünglich prägenden Standortparametern eine für den jeweiligen Betrieb optimale Vegetation
herzustellen (Kap. 5.2, 6.2, 7.1.2), stellt der hier flächendeckend modellierte Parameter Nutzungstyp
für das VS-Modell ein wichtiges Unterscheidungskriterium für die von der Landwirtschaft geprägten
Vorlandbereiche dar.
Der komplexe Zusammenhang zwischen der Merkmalsausprägung der Vegetation und den
Standortparametern wird innerhalb des VS-Modells zur Vorhersage der Biotoptypen mit folgender
Funktion vereinfacht beschrieben:

Biotoptyp = f (Standorttyp, Nutzungstyp, Bodentyp, Bodenkundliche Feuchtestufe, Differenz
aus Höhe über NN und standörtlichem MThw bzw. MTnw, Überflutungsdauer,
Überflutungshäufigkeit und Salzgehalt der Unterweser)
Die Nutzungstypen können mit folgender Funktion modelliert werden:

Nutzungstyp = f (Standorttyp, Bodentyp, Bodenkundliche Feuchtestufe, Differenz aus Höhe
über NN und standörtlichem MThw bzw. MTnw, Überflutungsdauer, Überflutungshäufigkeit
und Salzgehalt der Unterweser)
127
Die Modellierungsergebnisse der Nutzungstypenverteilung dienen für die weitere Modellierung der
Klimafolgen als Inputgröße zur Vorhersage der Biotoptypenverteilung (Kap. 7.1.1, 7.4.1, 7.4.2, 8.1.4,
8.1.7).
Neben den oben genannten flächendeckend vorliegenden Standortparametern prägen das Wetter, die
Nutzungsgeschichte und die aktuelle Nutzungsart die Vegetation (Kap. 2.1 und 3.1). Eine
Entscheidung über Art und Intensität der Bewirtschaftung wird von den Nutzern einer Fläche u.a.
abhängig
von
ihrer
Lage,
der
Uferform,
dem
Schutzstatus
und
den
agrarpolitischen
Rahmenbedingungen oder von persönlichen Lebensumständen gefällt. Innerhalb der hier entwickelten
Modellvorstellung werden solche Nutzungsentscheidungen daher als zufällig betrachtet und können
somit nicht modelliert werden. Weitere nicht berücksichtigte Standortparameter sind das
Samenpotenzial des Bodens, das ökophysiologische Entwicklungspotenzial der Biotoptypen,
vorherrschende Strömungsgeschwindigkeiten und damit einhergehende Erosionseffekte sowie die
Substrattypen
der
Ufer.
Die
genannten
Faktoren
können
für
die
Modellierung
von
Vegetationsveränderungen nicht berücksichtigt werden, da hierfür keine flächendeckenden Daten zur
Verfügung stehen. Darüber hinaus kann auch der zeitliche Aspekt der Vorlandentwicklung unter den
Bedingungen einer freien Sukzession mit all ihren möglichen zufälligen Entwicklungen und
Zwischenstadien nicht modelliert werden (Kap. 3.1.2.3, 6.1.2.4, 6.2.2.2, 6.2.3.1, 6.2.3.2, 7.3.1, 7.3.2). Es
wurde daher für die Prognose der Biotoptypen und der Nutzungstypen eine statische
Betrachtungsweise auf der Grundlage der zur Verfügung stehenden Standortparameter gewählt, die die
dynamische Wirklichkeit modellhaft abbildet (Kap. 7.1.1).
8.1.4
Das
Aussagekraft des VS-Modells: Modellvalidierung
VS-Modell
beschreibt
den
Zusammenhang
zwischen
Standortparametern
und
Vegetationsausprägung. Zur Validierung des Modells wird ein symmetrischer Test mit Kreuzvalidation
angewendet (MÜLLER 1999). Die Validierung erfolgt mit dem CART-Verfahren für den maximal
vollständigen Datensatz des Untersuchungsgebietes, der 5731 von 6717 Flächen umfasst, also 85 %
der Ausgangsdaten berücksichtigt, da unvollständige Datensätze nicht analysiert werden können.
Anhand der Abweichungen der Modellergebnisse von den realen Werten wird laut MÜLLER (1999),
BRECKLING & REICHE (1996) und MÜLLER et al. (1996) die Modellgüte abgeschätzt. Die
Fehlklassifikationsrate bezeichnet dabei den Prozentsatz der realen Vegetation, der nicht korrekt
modelliert wurde. Je genauer die Vegetationsverteilung anhand der ausgewählten Standortparameter
modelliert werden kann, desto größer ist auch die Bedeutung der innerhalb der Analyse verwendeten
Standortparameter
für
die
Ausprägung
der
Biotoptypen
bzw.
Nutzungstypen
des
Unterweservorlandes.

Nutzungstypen: Bei der Prognose der Nutzungstypen werden hohe Trefferquoten erzielt, die
bei 70 % liegen. Die sich daraus ergebende Fehlklassifikationsrate von 30 % lässt sich erstens
darauf zurückführen, dass die Unterweservorländer weitgehend landwirtschaftlich genutzt
werden und die Art und Intensität der Flächennutzung auch von den oben beschriebenen, so
128
genannten zufälligen Nutzungsentscheidungen der Landwirte bestimmt wird, die nicht
modelliert werden können (Kap. 7.1.2, 8.1.3). Zweitens verringert sich die Trefferquote
dadurch, dass verschiedene Nutzungstypen potenziell auch auf ein und dem selben Standort
vorkommen können: Beispielsweise eignen sich aufgegebene Spülfeldflächen (Nutzungstyp:
„mäßig verändert bis naturnah“) ebenso für eine intensive landwirtschaftliche Nutzung
(Nutzungstyp: „stark verändert“, Kap. 5.1.2.4, 7.2 und 8.1.3). Das bedeutet, dass das Modell in
vielen Fällen plausible Nutzungstypen voraussagt, die allerdings im Ausgangsdatensatz auf der
betreffenden Fläche nicht vorkommen und deshalb als Fehlklassifikation gewertet werden
müssen.

Kartierte Biotoptypen: Mit dem Modell werden für ca. 65 % der Flächen die kartierten
Biotoptypen korrekt und zuverlässig vorhergesagt. Die daraus resultierende so genannte
Fehlklassifikationsrate von ca. 35 % kann in erster Linie darauf zurück geführt werden, dass
beispielsweise
die
verschiedenen
Grünlandtypen,
die
auf
weiten
Teilen
der
Unterweservorländer vorkommen, nicht immer trennscharf differenziert werden können, weil
die zufällige Art und Intensität der Nutzung die eigentlichen Standortparameter überlagert.
Darüber hinaus können kleinräumige Ausprägungen wie beispielsweise der vielen
unterschiedlichen Röhrichttypen zum Teil deshalb nicht modelliert werden, weil hierzu weitere
Standortparameter wie Strömungsgeschwindigkeit, Wellenschlag oder genaue Daten zur Art
der Ufersubstrate verwendet werden müssten, die nicht zur Verfügung stehen (Kap. 8.1.3).

Aggregierte Biotoptypen: Für die Modellierung wurden Biotoptypen mit sehr ähnlichen
Standort- oder Nutzungsansprüchen, wie z.B. verschiedene Biotoptypen der Freizeitnutzung,
Bebauung oder Röhrichte, zu etwas größeren Einheiten zusammengefasst (Kap. 7.2). Für die
aggregierten Biotoptypen ergeben sich erwartungsgemäß höhere Modellgenauigkeiten als für
die kartierten Biotoptypen selbst. Auch HÖRSCH (2001) und ZIMMERMANN & KIENAST
(1999) fanden für aggregierte Vegetationseinheiten höhere Trefferquoten als beispielsweise für
einzelne Pflanzenarten. In der vorliegenden Arbeit werden für die aggregierten Biotoptypen
sehr hohe Trefferquoten von 81 % erzielt. Als Begründung für die berechnete
Fehlklassifikationsrate von noch 19 % lassen sich u.a. die ähnlichen Standortansprüche der
verschiedenen Grünlandtypen und der nicht mehr genutzten Brachen (Ruderalstandorte)
anführen, deren Vorkommen auf die oben beschriebenen so genannten zufälligen
Nutzungsentscheidungen zurückzuführen sind (Kap. 7.3.2, 8.1.3).
In der vorliegenden Arbeit wird bei der Modellvalidierung eine sehr hohe Trefferquoten von bis zu
81 % erzielt. Die hohe Modellgüte bestätigt die innerhalb des VS-Modells postulierten
Zusammenhänge zwischen Vegetationsausprägung und den ausgewählten Standortparametern (Kap.
6.1, 7.1, 7.2, 7.3, 7.4, 8.1.3). Das VS-Modell stellt demnach ein zuverlässiges Instrument zur Vorhersage
von Vegetation dar.
8.1.5
129
Eignung des CART-Verfahrens: Einstufung der Validierungsergebnisse
In der ökologischen Forschung werden zur Vorhersage von Vegetationsveränderungen verschiedene
Modellierungsverfahren verwendet und unterschiedliche Modellgenauigkeiten erzielt. Zur Einordnung
der Validierungsergebnisse der vorliegenden Arbeit werden daher neben CART auch die Ergebnisse
verschiedener weiterer Modellierungsverfahren wie der Logistischen Regression, des Maximum
Likelihood-Verfahrens, des General Linear Models oder der Artificial Neural Networks herangezogen
(Kap 7.2 und 5.3). Die Arbeiten von MUNOZ & FELICISMO (2004), ROGAN et al. (2002), VAYSSIERES
et al. (2000), ETTEN (1998) und WATTS (1999) und zeigen dabei, dass mit nicht-parametrischen
Modellen, wie beispielsweise dem hier verwendeten CART-Verfahren, prinzipiell höhere
Vorhersagegenauigkeiten erzielt werden können als mit parametrischen Verfahren (Kap. 5.2.2.1). Der
Vergleich der Studien von MCDONALD & URBAN (2006), CAIRNS (2001), HÖRSCH (2001), FRANKLIN
(1998) und DAVIS & GÖTZ (1990), die unterschiedliche statistische Verfahren zur Vorhersage von
angewendet
haben,
ergab,
dass
die
Eignung
des
jeweiligen
Vorhersageverfahrens grundsätzlich von der Art der Fragestellung, der Zielsetzung, dem
Aggregationsgrad (Anzahl der betrachteten Klassen), dem Stichprobenumfang (N), der Heterogenität
des untersuchten Gebietes und dem Klassifikationsverfahren, das auf die Vegetation angewendet wird,
abhängt
(Kap.
7.1.2).
Unabhängig
vom
verwendeten
Verfahren
wurden
die
höchsten
Vorhersagegenauigkeiten vor allem mit einer geeigneten Skalenkombination der verschiedenen
Ausgangsdaten erreicht (Kap. 7.2.3 und HÖRSCH 2001).
Innerhalb der genannten Studien werden Trefferquoten berechnet, die zwischen 35 % und 86 %
liegen. Für die Vorhersage von Pflanzengesellschaften des alpinen Raumes erzielte beispielsweise
HÖRSCH (2001) mit dem CART-Verfahren Trefferquoten von 50 % bis 65 %. MCDONALD & URBAN
(2006), die Veränderungen des Baumbestandes in einer in den vergangenen Jahrzehnten rasch
gewachsenen Metropol Region in Nord Carolina modellierten, erreichten mit dem CART-Verfahren
sogar eine Fehlklassifikationsrate von nur 15,2 %. Mit dem in der vorliegenden Arbeit verwendeten
CART-Verfahren werden bei der Validierung der Biotoptypen und der Nutzungstypen des
Unterweservorlandes ebenfalls hohe Trefferquoten berechnet, die mit
65 % bis 81 % als sehr
zuverlässig angesehen werden müssen und in vergleichbaren Größenordnungen liegen. Das in dieser
Arbeit eingesetzte CART-Verfahren stellt somit eine einfache und anwendungsorientierte Methode zur
Prognose von Vegetation dar, mit der hohe Vorhersagegenauigkeiten erzielt werden.
8.1.6
Plausibilitätsprüfung des VS-Modells: Modellierung des Status quo
Die Anwendung des VS-Modells auf den Status quo dient der Plausibilitätsprüfung des Modells für die
räumliche Verteilung der Nutzungstypen und der Biotoptypen. Bei der Modellierung der räumlichen
Verteilung der Nutzungstypen und der Biotoptypen für den Status quo werden höhere Trefferquoten
erzielt als für die Validierungsdatensätze (Kap. 7.2), da jeweils der komplette Datensatz und nicht wie
bei der Validierung der aufgeteilte Datensatz für die Berechnung verwendet wird (Kap. 7.3).
130
Ergebnisse der Plausibilitätsprüfung:

Nutzungstypen: Die im Status quo berechneten Modellergebnisse stimmen zu 73 % mit der
realen Verteilung der Nutzungstypen (Kap. 5.1.2.4) überein (Kap. 7.3.1). Da die tatsächliche
Art der Nutzung für weite Bereiche der Unterweservorländer von so genannten zufälligen
Nutzungsentscheidungen der Landwirte abhängt (Kap. 8.1.3), kann das VS-Modell
beispielsweise zwischen starker bis sehr starker Nutzungsintensität kaum differenzieren. Das
führt dazu, dass der Flächenanteil der „stark veränderten“ Bereiche überschätzt wird, und ist
damit zu erklären, dass sich ein Großteil der als „stark verändert“ eingestuften Standorte
sowohl für intensivere als auch für extensivere Nutzung eignet. Das heißt, die Flächen wären
ebenso gut als „sehr stark veränderte“ wie auch als „mäßig veränderte“, in der Regel extensiv
genutzte Standorte zu klassifizieren. Naturnahe Standorte hingegen werden vom VS-Modell
zu ca. 90 % korrekt klassifiziert. Das ist darauf zurückzuführen, dass die Art und Intensität der
Nutzung hier ausschließlich vom Faktor Überflutung geprägt wird und diese Bereiche daher
zuverlässig vorhergesagt werden können (Kap. 7.3.1).

Aggregierte Biotoptypen: Mit dem VS-Modell wird für die aggregierten Biotoptypen (Kap. 7.2,
7.3.2) für den Status quo insgesamt eine hohe Trefferquote von ca. 88 % erzielt. Der
Prozentsatz der korrekt klassifizierten Biotoptypen ist immer dann besonders hoch, wenn eine
Fläche ein potenzieller Standort für nur einen oder wenige Biotoptypen ist. Insgesamt werden
für naturnahe Standorte höhere Trefferquoten erzielt als für Flächen, die durch eine
bestimmte Nutzungsart oder –intensität verändert sind und nach GRIME (2001) gestörte
Standorte darstellen (Kap. 7.1.2). Beispielsweise kann der Biotoptyp Grasacker nur für 70 %
der Flächen korrekt zugeordnet werden, weil Grasacker auf Bereichen hergestellt wird, die
ebenso der Acker- wie der Freizeitnutzung dienen könnten (Kap. 6.2.3, 7.3.1). Gleichzeitig
zeigen sich anhand der Ergebnisse auch die Auswirkungen der Verschneidung von Daten
verschiedener Maßstabsbereiche (Kap. 7.1.2, 8.1.2): Zum Beispiel wird an Stelle des
Biotoptyps Strand stets Röhricht vorhergesagt. Das verdeutlicht, dass es dem Modell nicht
gelingt, zwischen den Biotoptypen Röhricht und Strand zu differenzieren, weil für die
Modellierung keine Angaben zur Strömungsgeschwindigkeit und nur kleinmaßstäbige
Angaben zum anstehenden Substrattyp (Bodenkarte, 1:50.000) zur Verfügung stehen (Kap.
6.1.2.3, 7.1.2, 7.4.2.1, 8.1.2).
Insgesamt werden mit dem VS-Modell die Nutzungstypen sowie naturnahe Biotoptypen und
Biotoptypen der landwirtschaftlichen Nutzung mit hohen Trefferquoten von bis zu 88 % korrekt und
plausibel vorhergesagt. Die guten Ergebnisse der Plausibilitätsprüfung bestätigen die Ergebnisse der
Validierung und zeigen die Eignung des VS-Modells für die Prognose von Vegetationsveränderungen
infolge einer Klimaänderung mit beschleunigtem Meeresspiegelanstieg.
8.1.7
131
Bewertung der Modellergebnisse: Auswirkungen einer Klimaänderung auf die
Vorlandvegetation der Unterweser
Unter dem Aspekt der Vorsorge wurden bei der Analyse der Auswirkungen einer Klimaänderung auf
die Vegetation auch gesellschaftliche Anpassungsreaktionen und mögliche künftige Entwicklungen für
die Region berücksichtigt (BAHRENBERG & KÖNIG 2005, v. LIEBERMAN et al. 2005, SCHUCHARDT et
al. 2005, SCHUCHARDT & SCHIRMER 1999). In der vorliegenden Arbeit wurden exemplarisch folgende
zwei Nutzungsszenarien (Kap. 4.1.2, 7.4) näher untersucht und für das VS-Modell angewendet:

Nutzungsszenario 1 - gleiches Nutzungsinteresse wie im Status quo: Infolge einer
Klimaänderung mit Nutzungsszenario 1 (Kap. 4.1, 7.4) ergibt sich aufgrund steigender
Tidewasserstände vor allem für tidebeeinflusste Bereiche wie der Strohauser Vorländer eine
deutliche Änderung der Nutzungsmöglichkeiten und damit der Nutzungstypen (Kap. 5.1.2.3).
Auch auf den Sommerpoldern, wie beispielsweise auf dem Harrier Sand, dem Hammelwarder
Sand und der Tegeler Plate sind durch die um eine Stufe erhöhten Bodenfeuchten leichte
Veränderungen der bisherigen Nutzungsweisen zu erwarten. Dabei nimmt der Anteil der
landwirtschaftlich genutzten Biotoptypen gegenüber dem Status quo insgesamt nur von ca.
3000 ha auf ca. 2800 ha ab. Gleichzeitig vergrößert sich der Flächenanteil der mit Röhrichten
bestandenen Bereiche von ca. 900 ha auf ca. 1100 ha, um ca. 22 %, vor allem auf Kosten des
Flächenanteils der Extensivgrünländer. Der Zuwachs ist in erster Linie auf eine Zunahme der
Brackwasserröhrichte auf den tidebeeinflussten Vorlandbereichen der Einswarder Plate und
Strohauser Plate von ca. 195 ha auf ca. 685 ha zurückzuführen. Dagegen geht der
Flächenanteil der Flusswattröhrichte für die Bereiche Warflether Arm, Elsflether Sand,
Rönnebecker Sand und rechter Nebenarm am Harrier Sand um 54 % zurück, weil hier
stattdessen vegetationsloses Watt modelliert wird. Auch der Flächenanteil der Landröhrichte
verringert sich, vor allem im Bereich des Warflether Armes, des Rechten Nebenarms entlang
des Harrier Sandes, auf der Einswarder Plate und der Strohauser Plate um insgesamt 32 %,
weil in diesem Bereich der Unterweser durch Uferbefestigungsmaßnahmen und Deichbau
keine Fläche für die Verlagerung der Vegetation in höher gelegene Vorlandbereiche
vorhanden ist. Hier prognostiziert das Modell aufgrund des Anstiegs des MThw Brack- oder
Flussmarschröhricht oder vegetationsloses Watt.

Nutzungsszenario 2 - verändertes Nutzungsinteresse gegenüber dem Status quo - die
Sommerpolder werden für den Tideeinfluss geöffnet: Für das Nutzungsszenario 2 ergeben
sich gravierende Veränderungen. Insgesamt steigt der Anteil der „naturnahen“ Nutzungstypen
um ca. 120 % an (Kap. 7.4.1.2). Gleichzeitig nimmt der Anteil der als „mäßig verändert“
einzustufenden Nutzungstypen gegenüber dem Status quo um ca. 21 % ab. Entsprechend der
Annahmen für das Nutzungsszenario 2 verringert sich der Flächenanteil sowohl der „stark“
als auch der „sehr stark veränderten“ und darüber hinaus auch der „künstlichen“ Bereiche
erheblich um insgesamt 87 % (Kap. 7.4.1.2). Der Anteil der durch eine landwirtschaftliche
132
Nutzung geprägten Biotoptypen und der für Freizeitaktivitäten genutzten sowie der bebauten
Bereiche geht bei einer Öffnung der Sommerpolder für den Tideeinfluss von ca. 3000 ha im
Status quo auf ca. 700 ha drastisch zurück. (Kap. 7.4.2.2). An Stelle der genannten
Biotoptypen werden naturnahe Röhrichte, vegetationsloses Watt, Bäume und Gehölze sowie
Ruderalfluren berechnet. Dieses Modellergebnis verdeutlicht die entscheidende Bedeutung der
Parameter „Nutzungstyp“ und „Standorttyp“ (Tidebeeinflusstes Vorland, Sommerpolder,
Spülfeld) für die Vorhersage der Biotoptypen der Unterweser, die durch landwirtschaftliche
und menschliche Nutzung hervorgebracht werden (Kap. 5.1.3, 6.1.2.4, 7.1.2). Landröhrichte
dehnen sich gegenüber dem Status quo auf ehemals als Grünland genutzten Flächen um ca.
43 % aus. Der Flächenanteil der unter MThw gelegenen Röhrichte nimmt aufgrund der
starken Überflutung von 410 ha auf 1550 ha zu (Kap. 7.4.2.1). Dieser enorme Flächenzuwachs
ist vor allem auf die Röhricht-Besiedlung der infolge einer Klimaänderung in weiten Teilen
unter MThw gelegenen ehemaligen Sommerpolder wie dem Harrier Sand, der Tegeler Plate
und der Strohauser Plate zurückzuführen.
Die Modellierung der möglichen Auswirkungen einer Klimaänderung auf die Biotoptypen und die
Nutzungstypen zeigt, dass mit dem VS-Modell sehr plausible Prognoseergebnisse erzielt werden (Kap.
7.4). Es erfüllt damit die eingangs formulierten Anforderungen an ein anwendungsorientiertes und
zuverlässiges Modell. Das VS-Modell ist in Kombination mit dem CART-Verfahren hochgradig
geeignet, Vegetationsveränderungen infolge einer Klimaänderung für große Gebiete vorherzusagen
und mit einem GIS darzustellen. Dabei sind infolge einer Klimaänderung mit beschleunigtem
Meeresspiegelanstieg
und
unverändertem
Nutzungsinteresse
gegenüber
dem
Status
quo
(Nutzungsszenario 1) insgesamt nur relativ geringe Veränderungen der Vegetation und der
landwirtschaftlichen Nutzbarkeit der Vorländer, insbesondere der durch Sommerpolder geschützten
Bereiche, zu erwarten. Änderungen der Biotoptypenausprägung werden vor allem für die
tidebeeinflussten Vorländer (Strohauser Vorländer, Einswarder Plate) prognostiziert, wo sich aufgrund
erhöhter Wasserstände Röhrichte ausdehnen und die Extensivgrünlandwirtschaft verdrängen können.
Werden dagegen die Sommerpolder für den Tideeinfluss geöffnet (Nutzungsszenario 2) ist mit
drastischen Veränderungen der Biotoptypenausstattung der Unterweservorländer zu rechnen. Die
Tidevorländer und die Sommerpolder werden in weiten Teilen von Röhrichten besiedelt und eine
landwirtschaftliche Nutzung der Vorländer ist nur noch auf den hoch gelegenen Spülfeldern möglich.
8.1.8
Relevanz der Modellergebnisse: Bedeutung morphologischer Veränderungen des
Unterweservorlandes infolge einer Klimaänderung
Die Modellierung der Biotoptypenverteilung erfolgte unter der Prämisse, dass sich die Morphologie
des Vorlandes und der Wattbereiche im Vergleich zu heute auch infolge einer Klimaänderung nicht
verändert (s. Kap. 1.4). Unter den genannten Modellvoraussetzungen (Kap. 7.1.2) erscheinen die
Modellergebnisse zur Vorhersage der Biotoptypenverteilung infolge einer Klimaänderung plausibel
und nachvollziehbar. Vor allem der Zuwachs der Wattflächen und der Brack- und Flusswattröhrichte
133
und die leichte Abnahme der Landröhrichte, beispielsweise im Nutzungsszenario 1, sind durch den
Anstieg des MThw einerseits und stetiger landwirtschaftlicher Nutzung der Vorländer andererseits
schlüssig zu erklären (Kap. 7.4.3, 8.1.7).
Dabei könnte bei Betrachtung der Ergebnisse der KÜFOG (2005) und der BIOS (2005)
möglicherweise auch davon ausgegangen werden, dass die Zunahme der Wattbereiche und eventuell
auch der unter MThw gelegenen Flusswatt- und Brackwasserröhrichte vom VS-Modell für
strömungsberuhigte Bereiche eher überschätzt wird: Durch den Vergleich historischer Daten und
Kartierungen konnte dort nachgewiesen werden, dass in dem strömungsberuhigten rechten Nebenarm
entlang des Harrier Sandes, die vormals überfluteten Vorlandbereiche auflanden und die dortige
Röhrichtentwicklung in der Vergangenheit mit dem durch den Ausbau der Unterweser bedingten
Anstieg des MThw Schritt halten konnte. Solche wahrscheinlich auch bei einer klimabedingten
Erhöhung des MThw stattfindenden Auflandungsprozesse konnten im Rahmen der vorliegenden
Arbeit
aufgrund
bislang
fehlender
Modelle
zur
Morphodynamik
und
entsprechender
Höheninformationen nicht modelliert werden (Kap. 7.4.2.3, 7.1.2, 1.4). Auch internationale
Untersuchungen lassen die Möglichkeit des Auflandens strömungsberuhigter Bereiche der Unterweser
bei einer klimabedingten Erhöhung des MThw plausibel erscheinen: THOM (1992), der Salzmarschen
am Nordwestpazifik untersuchte, stellte einen Zuwachs der Marschbereiche bei gleichzeitigem Anstieg
des Meeresspiegels fest. VAN WIJNEN & BAKKER (2001), die Veränderungen der Geländehöhen für
drei Salzmarschen des Wattenmeeres in den letzten 100 Jahren untersucht haben, gehen davon aus,
dass diese in den nächsten 100 Jahren mit einem klimabedingten Meeresspiegelanstieg Schritt halten
können.
Ob Marschgebiete oder tidebeeinflusste Vorlandbereiche entlang der Unterweser im Falle eines
ansteigenden Meeresspiegels infolge einer Klimaänderung erhalten bleiben, verschwinden oder
mitwachsen können, hängt von den örtlichen Strömungsverhältnissen, den herrschenden
Erosionsprozessen, den Sedimentationsmöglichkeiten und vom betrachteten Zeitraum ab, in dem
diese Prozesse stattfinden können. Während im Hauptstrom der Unterweser heute schon die
Erosionsprozesse
ausbaubedingt
die
Sedimentationsprozesse
überlagern,
bieten
die
strömungsberuhigten Seitenarme entlang der Inseln und Sände im Prinzip offenbar gute
Auflandungsbedingungen (KÜFOG 2005, BIOS 2005). Vor dem Hintergrund der vorgestellten
Studien könnte für die Unterweservorländer infolge einer Klimaänderung zwar, wie vom VS-Modell
prognostiziert, tatsächlich mit einem Zuwachs der vegetationslosen Wattflächen gerechnet werden,
jedoch wird dieser durch die wahrscheinlich gleichzeitig stattfindenden Auflandungsprozesse in
strömungsberuhigten Zonen nicht so hoch ausfallen, wie vom VS-Modell vorhergesagt: Statt der
modellierten Wattflächen könnten sich in erster Linie in den Seitenarmen der Unterweser, wie dem
Harrier Sand, möglicherweise großräumig Flusswatt- und Brackwasserwattröhrichte sowie künftig auch
Landröhrichte weiter ausdehnen. Berücksichtigt werden muss dabei allerdings, dass es wie in den
134
vergangenen Jahrhunderten geschehen auch infolge einer Klimaänderung entlang der Ufer des
Hauptstromes der Unterweser zur Entstehung eines Uferwalls kommen kann, der wiederum die
Vernässung und Wattbildung auf den landeinwärts liegenden Flächen bedingt. Stünden modellierte
Informationen zur Morphodynamik flächendeckend zur Verfügung, könnten mit dem VS-Modell
durchaus Voraussagen über potenzielle Wachstumsprozesse der Vorländer und der damit
einhergehenden Ausbreitung von Röhrichten für die Unterweservorländer modelliert werden (s. Kap.
1.4, 7.1.2, 7.4).
8.1.9
Bewertung und Übertragbarkeit des VS-Modells
Mit dem in der vorliegenden Arbeit entwickelten VS-Modell können auf der Basis der zur Verfügung
stehenden Standortparameter und des CART-Verfahrens sowie mit Hilfe eines GIS flächendeckende
Vorhersagen zu Art und Ausmaß der Biotoptypveränderung der gesamten Unterweservorländer
infolge einer Klimaänderung vorgenommen werden. Bisherige Ansätze zur Abschätzung von
Vegetationsveränderungen in der Bundesrepublik Deutschland berücksichtigen entweder kleinere
Untersuchungsräume von wenigen Hektar, wie z.B. einzelne Vorland- oder Vordeichsabschnitte von
Flussläufen (BUNDESANSTALT FÜR GEWÄSSERKUNDE 2003, SCHILLINGER 2002, VAGTS 2000,
BUNDESANSTALT FÜR GEWÄSSERKUNDE 1998) oder beziehen sich innerhalb Europas regional
überwiegend auf die Analyse des Vorkommens und die Gefährdung einzelner Pflanzenarten
besonderer Lebensräume, wie beispielsweise der Salzmarschen oder Mangroven (SIMAS et al. 2001,
PRIMACK 2000, SANCHEZ et al. 1996) oder stellen grobe Abschätzungen für ganze Küstenregionen dar
(NAJJAR et al. 2000, MICHENER et al. 1997).
Die Ergebnisse der vorliegenden Arbeit tragen zur Verbesserung der Kenntnis der StandortWirkungszusammenhänge für die Vorlandvegetation von Ästuaren Norddeutschlands bei. Der
Vergleich der Modellergebnisse mit verschiedenen Studien zur Vorhersage von Vegetation zeigt
(CAIRNS 2001, HÖRSCH 2001, FRANKLIN 1998, DAVIS & GÖTZ 1990), dass mit dem VS-Modell
zuverlässig hohe Trefferquoten zwischen 65 % bis 81 % erzielt werden und dass die modellierten
Ergebnisse eine hohe Aussagekraft besitzen. Die Übertragung der Modellergebnisse und Methoden auf
andere Ästuare ist daher in dem hier vorgegebenen und definierten Gültigkeitsbereich (Kap. 7.1.2,
8.1.2) möglich und wünschenswert. Darüber hinaus kann das VS-Modell für unterschiedliche
Fragestellungen und Anwendungsfelder sinnvoll eingesetzt werden: Bei der Untersuchung von
Klimafolgen dient es als ein Instrument des vorsorgenden Handelns, indem auf der Grundlage der
erstellten Prognosen potenzielle Nutzungskonflikte analysiert und bewertet werden können (Kap. 8.2).
Darüber hinaus kann es innerhalb der Raumplanung, wie beispielsweise bei der geplanten
Unterweservertiefung, oder als ein Instrument für ein integriertes Küstenzonenmanagement
(SCHUCHARDT et al. 2005, ZIMMERMANN et al. 2005) zur Vorhersage von Vegetationsveränderungen
eingesetzt werden.
8.2
135
Ausblick: Das VS-Modell als ein Instrument des vorsorgenden Handelns
Vor dem Hintergrund einer sich abzeichnenden Klimaänderung und unter dem Aspekt der Vorsorge
ist eine Abschätzung potenzieller Auswirkungen, Folgen und Konflikte für die Land- und
Flächennutzung bei allen längerfristigen Planungen geboten (SCHUCHARDT et al. 2005, KRAFT 2003).
Die mit Hilfe des VS-Modells erstellten Ergebnisse zur Vorhersage der Vegetationsverteilung infolge
einer Klimaänderung können daher für weiterführende Konfliktanalysen hinsichtlich Fragestellungen
der Raumplanung oder des Naturschutzes verwendet werden. Im Folgenden sind die
Einsatzmöglichkeiten des VS-Modells am Beispiel des Natur- und Wiesenvogelschutzes skizziert.
Eine Veränderung der Vegetation infolge einer Klimaänderung betrifft nicht nur die Landwirtschaft,
sondern berührt auch die Interessen des Natur-, Grünland- und Wiesenvogelschutzes. Von den in der
vorliegenden Arbeit prognostizierten klimabedingten Überflutungen der Tidevorländer und der damit
einhergehenden Veränderung der Biotoptypenverteilung wären heute gesetzlich geschützte Flächen,
wie Landschafts- und Naturschutzgebiete sowie Naturschutzplanungen betroffen. Die hier
beschriebenen möglichen klimabedingten Veränderungen der räumlichen Verteilung der Biotoptypen
(Kap. 7.4) und die vom BUND (1996) angestoßene Diskussion um eine völlige Aufgabe der Nutzung
und großflächige Renaturierung der Vorländer könnte die aktuell bereits bestehenden Konflikte nicht
nur zwischen Landwirtschaft und Naturschutz, sondern auch innerhalb der verschiedenen
Interessengruppen des Naturschutzes künftig weiter zuspitzen.
In den vergangenen Jahrzehnten wurde die Intensivierung der landwirtschaftlichen Nutzung auf den
binnen- und außendeichs gelegenen Marsch- und Auenflächen weiter vorangetrieben (SEITZ &
DALLMANN 1992). Im Elbe-Weser-Raum ist daher seit Jahren ein Rückgang zahlreicher
Grünlandtypen vor allem auf feuchten bis nassen Standorten zu verzeichnen (ROSENTHAL et al. 1996,
MEISEL & HÜBSCHMANN 1976). Neben anderen überregionalen Faktoren wird diese Entwicklung
auch als Ursache für den starken Rückgang verschiedener Wiesenvogelpopulationen in der
Unterweserregion gesehen (SCHRÖDER 2000, MEENKEN 1999, CLAUS 1998, CLAUS et al. 1994a). Um
diesem Trend entgegenzuwirken und wieder Brut- und Aufzuchtflächen für die Wiesenvögel zu
schaffen, sind daher in der Vergangenheit Teile der Grünländer des Vorlandes unter Schutz- und
Bewirtschaftungsauflagen gestellt worden (HECKENROTH & LASKE 1997, SCHOPPENHORST 1996,
SEITZ & DALLMANN 1992, POHL 1992). Da auch Brachfallen seltene Grünlandbestände gefährdet
(ROSENTHAL 1992), werden auf Teilbereichen der Marsch und der Vorländer unter strengen
Bewirtschaftungsauflagen die unter Natur- oder Landschaftsschutz stehenden Pflanzengesellschaften
gepflegt, wie die Dauco Arrhenatheretum-Gesellschaft und die Lathyrus palustris-Gesellschaft und die
auf der Julius Plate vorkommenden Bestände der Fritillaria meleagris-Wiesen sowie die Festuca rubraAgrostis tenuis–Gesellschaft.
136
Die mit dem VS-Modell erzielten Ergebnisse ermöglichen eine Analyse und Bewertung der durch eine
Klimaänderung in besonderem Maße betroffenen Landschaftsschutz- und Naturschutzgebiete und
Naturschutzplanungen. Beispielsweise können mittels des VS-Modells Vorlandbereiche identifiziert
werden, für die eine qualitative Änderung der Biotoptypenausprägung prognostiziert wird und für die
es in der Folge zu einer Veränderung ihrer ökologischen Funktion (STERR 1998, HEJNY & SEGAL
1998, LOZÁN et al. 1994) im Sinne des Natur- und Landschaftsschutzes kommt. Den so identifizierten
Bereichen kann auf einer ordinalen Skala ein entsprechendes Konfliktpotenzial zugeordnet werden.
Die Zuordnung kann beispielsweise abhängig davon erfolgen, ob sowohl die Interessen der
Landwirtschaft als auch die des Naturschutzes von den prognostizierten Veränderungen berührt
würden.
Im Sinne eines vorsorgenden und nachhaltigen Handelns und der optimalen Ausschöpfung der
knappen öffentlichen Mittel sollten bei Naturschutz- und Raumplanungen auch die möglichen Folgen
einer Klimaänderung mit einbezogen werden. Dabei ist es für eine Bewertung der Klimafolgen auf
Naturschutzplanungen notwendig zu analysieren, ob planungsrelevante Bereiche infolge einer
Klimaänderung auch künftig noch die gewünschte ökologische Funktion, wie beispielsweise die des
Wiesenvogel- und Grünlandschutzes erfüllen können.
8.3
Resümee
Ziel der vorliegenden Arbeit ist es, die möglichen Effekte einer Klimaänderung auf die
Vorlandvegetation der Unterweser zu modellieren. Mit dem hier entwickelten VS-Modell können die
eingangs
gestellten
Fragen
beantwortet
und
die
postulierten
Zusammenhänge
zwischen
Vegetationsausprägung und Standortparametern verifiziert werden. Mittels des VS-Modells wurde in
Kombination mit dem CART-Verfahren die Veränderung der Vegetationsverteilung der
Unterweservorländer infolge einer Klimaänderung für verschiedene Nutzungsszenarien erfolgreich
prognostiziert und bewertet. Darüber hinaus wurde ein methodisches Konzept zur Datenauswahl,
Datenaufbereitung und Datenintegration vorgelegt.
Das VS-Modell liefert plausible Prognoseergebnisse von hoher Aussagekraft (Kap. 7.1.2, 7.2.1, 7.3.2):
Bei der Validierung des VS-Modells wurden zuverlässig hohe Trefferquoten zwischen 65 % und 81 %
erzielt. Die vorliegende Arbeit stellt damit ein validiertes und anwendungsorientiertes Modell zur
Vorhersage von Vegetationsveränderungen infolge einer Klimaänderung und eines beschleunigten
Meeresspiegelanstiegs zur Verfügung. Das VS-Modell ist skalierbar und erweiterbar und in
Kombination mit dem CART-Verfahren hochgradig geeignet, Vegetationsveränderungen infolge einer
Klimaänderung für große Gebiete vorherzusagen und mit einem GIS darzustellen. Die für die
Unterweservorländer erarbeiteten Zusammenhänge und Methoden des VS-Modells können für den
hier verwendeten und definierten Gültigkeitsbereich auch auf weitere Ästuare Norddeutschlands
137
übertragen und zur Prognose der dortigen Biotoptypenverteilung angewendet werden. Darüber hinaus
kann das VS-Modell bei der Untersuchung von Klimafolgen auch als ein Instrument des vorsorgenden
Handelns bei Raumplanungen und zur Analyse potenzieller Nutzungskonflikte dienen oder im
Rahmen eines integrierten Küstenzonenmanagements zur Prognose der Biotoptypenverteilung
angewendet werden.
Infolge einer Klimaänderung mit beschleunigtem Meeresspiegelanstieg sind bei unverändertem
Nutzungsinteresse gegenüber dem Status quo (Nutzungsszenario 1) insgesamt nur relativ geringe
Veränderungen der Vegetation und der landwirtschaftlichen Nutzbarkeit der Vorländer, insbesondere
der durch Sommerpolder geschützten Bereiche, zu erwarten. Änderungen der Biotoptypenausprägung
werden vor allem für die tidebeeinflussten Vorländer prognostiziert, wo sich aufgrund erhöhter
Wasserstände Röhrichte ausdehnen und die Extensivgrünlandwirtschaft verdrängen. Werden dagegen
die Sommerpolder für den Tideeinfluss geöffnet (Nutzungsszenario 2), ist mit drastischen
Veränderungen der Biotoptypenausstattung der Unterweservorländer zu rechnen. Die Tidevorländer
und die Sommerpolder werden von Röhrichten besiedelt und eine landwirtschaftliche Nutzung der
Vorländer ist nur noch auf den hoch gelegenen Spülfeldern möglich.
Die vorliegende Untersuchung ergänzt die nationale und die internationale Klimafolgenforschung
(SCHUCHARDT & SCHIRMER 2005, KRAFT 2004, DASCHKEIT & SCHOTTES 2002, VAN WIJNEN &
BAKKER 2001, SIMAS et al. 2001, VAGTS 2000, HULME & CARTER 2000, NICHOLLS 2000, MORTSCH
1998, OLIVO DE-LOURDES 1997, TITUS & NARAYANAN 1996, JELGERSMA et al. 1993, NOEST 1991),
indem eine flächendeckende Abschätzung möglicher Klimafolgen für die Vorlandvegetation des
Lebensraumes Ästuar am Beispiel der Unterweser vorgenommen wird. Arbeiten zur Abschätzung von
Flussläufen (SCHILLINGER 2002, BUNDESANSTALT FÜR GEWÄSSERKUNDE 2003, VAGTS 2000,
BUNDESANSTALT FÜR GEWÄSSERKUNDE 1998), oder beziehen sich innerhalb Europas regional
besonderer Lebensräume (SIMAS et al. 2001, PRIMACK 2000, SANCHEZ et al. 1996). In den Vereinigten
Staaten und in Kanada (MORTSCH 1998) liegen dagegen bereits Studien vor, die die Klimasensitivität
der Vegetation verschiedener Ästuare und der Großen Seen auf breiter Basis analysieren, um zu
qualitativ und quantitativ flächendeckenden Aussagen möglicher zu erwartender Veränderungen der
Vorlandvegetation zu kommen.
138
Auf der Grundlage der im Rahmen dieser Arbeit gesammelten Erfahrungen können folgende
Empfehlungen
zur
Anwendung
des
VS-Modells
für
weitere
Fragestellungen
oder
Untersuchungsgebiete gegeben werden:

Zur Vorhersage von Auswirkungen einer Klimaänderung oder von Baumaßnahmen (z.B.
Unterweservertiefung) auf die Vegetation sollten entsprechend modellierte flächendeckende
Standortparameter und zeitnah erstellte Vegetationskartierungen zur Verfügung stehen.

Die verwendeten Daten der abhängigen und der unabhängigen Variablen sollten der
Fragestellung angemessene, ähnliche Maßstabsbereiche aufweisen.

Zur Vorhersage der Vegetationsverteilung sollte das gewählte Klassifikationsverfahren für die
Vegetation auf die Fragestellung und den Maßstab abgestimmt sein.
Darüber hinaus wünschenswert für eine Modellierung von Vegetationsveränderungen sind:

flächendeckende und qualitativ hochwertige Höheninformationen des Untersuchungsgebietes.

Bodeninformationen in einem für die Fragestellung angemessenen Maßstab.

In Abhängigkeit von der Fragestellung und dem Ziel der Untersuchung sollte bezüglich der
Vegetationstypen ein möglichst heterogenes Untersuchungsgebiet ausgewählt werden, da das
VS-Modell nur solche Vegetationstypen prognostizieren kann, die auch im Ausgangsdatensatz
vorkommen.
Teil III - Zusammenfassung
9
139
ZUSAMMENFASSUNG
Von den Folgen einer Klimaänderung und eines beschleunigten Meeresspiegelanstiegs sind
Küstenregionen und Ästuare direkt betroffen. Ziel der vorliegenden Arbeit ist es, die möglichen
Effekte einer Klimaänderung auf die Vorlandvegetation von Ästuaren des norddeutschen Raumes am
Beispiel der Unterweser vorherzusagen. Die grundsätzliche Frage lautet dabei: Was würde geschehen,
wenn eine Klimaänderung unmittelbar auf die heutigen Gegebenheiten und Bedingungen träfe? Dazu
wurde in einem ersten Schritt ein Vegetation-Standort-Modell (VS-Modell) erarbeitet, das die
komplexen Zusammenhänge zwischen der Vegetation (Biotoptypen nach v. DRACHENFELS 1994) und
den wichtigsten Standortparametern (Kap. 3.1, 5.1, 6.1) für große bis mittlere Maßstabsbereiche
vereinfacht darstellen kann (Kap. 7.1). In einem zweiten Schritt wurden die Vegetationsveränderungen
infolge einer Klimaänderung auf der Basis der zur Verfügung stehenden Standortdaten mit dem VSModell validiert und flächendeckend modelliert (Kap. 7.2, 7.3, 7.4). Die vorliegende Arbeit ergänzt die
nationale und die internationale Klimafolgenforschung, indem ein anwendungsorientiertes Modell
entwickelt wurde, mit dem Vegetations- und Nutzungsveränderungen vorhergesagt und mit einem GIS
(Geografisches Informationssystem) dargestellt werden können. Die Modellierung erfolgte mit Hilfe
des parameterfreien statistischen Verfahrens der Klassifikations- und Regressionsbäume (Classification
and Regression Trees = CART, s. Kap. 5.2.3). Innerhalb des VS-Modells werden zur Vorhersage der
räumlichen Verteilung der Biotoptypen die Standortparameter Standorttyp, Nutzungstyp, Bodentyp,
Bodenkundliche Feuchtestufe, Differenz aus Höhe über NN und standörtlichem MThw bzw. MTnw,
Überflutungsdauer, Überflutungshäufigkeit und Salzgehalt der Unterweser verwendet (Kap. 5.1). Die
Arbeit ist aus dem interdisziplinären Forschungsprojekt „Klimaänderung und Unterweserregion“
(KLIMU)
hervorgegangen,
das
im
Rahmen
des
Klimafolgenforschungsprogramms
der
Bundesregierung „Klimaänderung und Küste“ in den Jahren 1997 bis 2000 vom BMBF und der Freien
Hansestadt Bremen gefördert wurde (SCHUCHARDT & SCHIRMER 2005). Die Datenbasis der Studie
umfasst die Jahre 1988 bis 1994, der Bezugszeitraum für das Klimaszenario ist das Jahr 2050
(SCHIRMER 2005).
Ergebnisse der Status quo-Analyse
Die Vorländer der Unterweser nehmen eine Gesamtfläche von über 50 km² ein. Sie sind, wie auch die
binnendeichs gelegene Marsch, stark von der Landwirtschaft geprägt, die 67 % der Vorlandflächen
dominiert. Nur 20 % der Vorländer sind mit naturnahen Röhrichten besiedelt. Der übrige Teil wird
von bebauten Flächen, Freizeitanlagen, Brachebereichen, Strand, Trockenrasen, Gehölzen und
Baumgruppen eingenommen.
140
Nutzungsszenarien
Aufgrund der intensiven Nutzung der Vorländer durch die Landwirtschaft wurden für die
Modellierung unter dem Aspekt der Vorsorge zwei Nutzungsszenarien betrachtet (Kap. 4.1.2):

Nutzungsszenario 1: ein mit dem Status quo vergleichbares Nutzungsinteresse (Nutzungsart
und –intensität) der Vorländer.

Nutzungsszenario 2: ein gegenüber dem Status quo deutlich verändertes Nutzungsinteresse
mit einer Öffnung der Sommerpolder für den Tideeinfluss. Die Entwicklung der Vorländer
orientiert sich hier an der Prämisse der Nachhaltigkeit und des Ressourcenschutzes. Anhand
dieses Szenarios wird die Bedeutung des Standortparameters „Nutzungsart und -intensität“
innerhalb des VS-Modells getestet.
Aussagekraft des VS-Modells und Eignung des CART-Verfahrens
Zur Validierung des VS-Modells wird ein symmetrischer Test mit Kreuzvalidation angewendet. Bei
der Modellvalidierung werden für die Vorhersage der Nutzungstypen und der Biotoptypen sehr hohe
Trefferquoten zwischen 65 % und 81 % erzielt (Kap. 7.2). Die hohen Trefferquoten zeigen, dass
Maßstab und Auflösung der verwendeten Daten im Hinblick auf die Fragestellung der vorliegenden
Untersuchung einander angemessen sind. Darüber hinaus bestätigt die hohe Modellgüte die innerhalb
des VS-Modells postulierten Zusammenhänge zwischen Vegetationsausprägung und ausgewählten
Standortparametern. Der Vergleich der mit dem CART-Verfahren erreichten Validierungsergebnisse
mit Ergebnissen relevanter Studien zur Vorhersage von Vegetationsveränderungen verdeutlicht, dass
mit dem VS-Modell sehr hohe Trefferquoten erzielt werden, die in vergleichbaren Größenordnungen
liegen. Das VS-Modell stellt auf der Basis des CART-Verfahrens ein einfaches, zuverlässiges und
anwendungsorientiertes
Instrument
zur
Prognose
von
Vegetation
dar,
mit
dem
hohe
Vorhersagegenauigkeiten erzielt werden.
Plausibilitätsprüfung des VS-Modells und Modellierung des Status quo
Die Anwendung des VS-Modells auf den Status quo dient der Plausibilitätsprüfung des entwickelten
Modells für die räumliche Verteilung der Nutzungstypen und der Biotoptypen. Die für die
Nutzungstypen (Kap. 5.1.2.3) im Status quo berechneten Modellergebnisse stimmen zu 73 % mit der
realen Verteilung der Nutzungstypen überein. Die Ergebnisse zeigen, dass das Modell vor allem
zwischen starker bis sehr starker Nutzungsintensität weniger gut differenzieren kann. Naturnahe
Standorte werden vom Modell dagegen zu ca. 90 % korrekt klassifiziert.
Mit dem VS-Modell wird für die aggregierten Biotoptypen des Status quo insgesamt eine hohe
Trefferquote von ca. 88 % erzielt. Dabei ist der Prozentsatz der korrekt klassifizierten Biotoptypen in
der Regel dann hoch, wenn eine Fläche potenzieller Standort für nur einen oder wenige Biotoptypen
ist (Kap. 7.1.2, 8.1.6).
141
Prognose der Auswirkungen einer Klimaänderung
Potenzielle Änderungen der Nutzungsmöglichkeiten und damit der Nutzungstypen (Kap. 5.1.2.3)
ergeben sich infolge einer Klimaänderung und Nutzungsszenario 1 sowohl für die tidebeeinflussten
Vorlandbereiche wie die Strohauser Vorländer als auch durch die um eine Stufe (+1) erhöhten
Bodenfeuchten für die Sommerpolder, wie beispielsweise für den Harrier Sand (Kap. 4.1, 7.4). Es kann
mit einer Abnahme der „mäßig veränderten“, der „sehr stark veränderten“ und der „künstlichen“
Nutzungstypen um insgesamt 50 % gerechnet werden. Gleichzeitig nimmt der Anteil „naturnaher“
und „mäßig veränderter bis naturnaher“ Nutzungstypen um ca. 19 % zu (Kap. 7.4.1.1).
Werden die Sommerpolder, wie für das Nutzungsszenario 2 angenommen, wieder dem Tideeinfluss
zugänglich gemacht, so steigt der Anteil der „naturnahen“ Nutzungstypen um insgesamt 120 % an.
Der Flächenanteil der „stark veränderten“ als auch der „sehr stark veränderten“ und darüber hinaus
auch der „künstlichen“ Bereiche verringert sich deutlich um insgesamt 87 % (s. Kap. 7.4.1.2).
Die
Ergebnisse
der
Modellierung
der
Biotoptypen
infolge
einer
Klimaänderung
mit
Nutzungsszenario 1 zeigen, dass auch künftig weite Teile der Vorlandbereiche landwirtschaftlich
nutzbar sein werden. Die von Änderungen betroffenen Flächen liegen auf Sommerpoldern (z.B. auf
der Kleinensieler Plate und der Tegeler Plate). Gleichzeitig vergrößert sich der Anteil der mit
Röhrichten bestandenen Flächen auf Kosten des Flächenanteils der Extensivgrünländer um ca. 24 %.
Der Anteil der durch eine landwirtschaftliche oder anthropogene Nutzung geprägten Biotoptypen geht
aufgrund der im Nutzungsszenario 2 angenommenen Öffnung der Sommerpolder für den Tideeinfluss
von ca. 3000 ha im Status quo auf ca. 700 ha stark zurück. (Kap. 7.4.2.2). An Stelle der genannten
Biotoptypen werden naturnahe Röhrichte, vegetationsloses Watt, Bäume und Gehölze sowie
Ruderalfluren berechnet.
Relevanz
der
Modellergebnisse:
Bedeutung
morphologischer
Veränderungen
des
Unterweservorlandes infolge einer Klimaänderung
Die Modellierung der Biotoptypenverteilung erfolgte unter der Prämisse, dass sich die Morphologie
des Vorlandes und der Wattbereiche im Vergleich zu heute bei einer Klimaänderung nicht verändert (s.
Kap. 1.4). Der Vergleich historischer Unterweserdaten (BIOS 2005, KÜFOG 2005) zeigt allerdings,
dass die Röhrichtentwicklung vor allem im rechten Nebenarm der Unterweser, anders als mit dem VSModell vorhergesagt, vermutlich auch bei einer Klimaänderung mit dem ansteigenden MThw Schritt
halten kann. Entlang des Hauptstroms ist bei einer Klimaänderung dagegen tatsächlich mit einer
Abnahme der Röhrichtflächen zu rechnen. Stünden modellierte Informationen zur Morphodynamik
flächendeckend zur Verfügung, könnten mit dem VS-Modell durchaus Voraussagen über potenzielle
Wachstumsprozesse der Vorländer und der damit einhergehenden Ausbreitung von Röhrichten für die
strömungsberuhigten Bereiche der Unterweservorländer modelliert werden (Kap. 1.4, 7.1.2, 8.1.8).
142
Wissenschaftlicher Fortschritt
Die vorliegende Arbeit stellt ein validiertes und anwendungsorientiertes Modell zur Vorhersage von
infolge
einer
Klimaänderung
und
eines
beschleunigten
Meeresspiegelanstiegs für große bis mittlere Maßstabsbereiche zur Verfügung. Die dargestellten
Ergebnisse tragen zur Verbesserung der Kenntnis der Standort-Wirkungszusammenhänge für die
Vorlandvegetation von Ästuaren Norddeutschlands bei und auch liefert einen wichtigen Beitrag zum
Klimafolgenforschungsprogramm
des
BMBF.
Arbeiten
zur
Abschätzung
von
Flussläufen (BUNDESANSTALT FÜR GEWÄSSERKUNDE 2003, SCHILLINGER 2002, VAGTS 2000,
BUNDESANSTALT FÜR GEWÄSSERKUNDE 1998), oder beziehen sich innerhalb Europas regional
besonderer Lebensräume (SIMAS et al. 2001, PRIMACK 2000, SANCHEZ et al. 1996). In den Vereinigten
Staaten und in Kanada (MORTSCH 1998) liegen dagegen bereits Studien vor, die die Klimasensitivität
der Vegetation verschiedener Ästuare und der Großen Seen auf breiter Basis analysieren, um zu
qualitativ und quantitativ flächendeckenden Aussagen möglicher zu erwartender Veränderungen der
Vorlandvegetation zu kommen. Die vorliegende Untersuchung ergänzt die nationale und internationale
Forschung (SCHIRMER & SCHUCHARDT 2005, KRAFT 2004, DASCHKEIT & SCHOTTES 2002, VAN
WIJNEN & BAKKER 2001, SIMAS et al. 2001, HULME & CARTER 2000, NICHOLLS 2000, VAGTS et al.
2000, MORTSCH 1998, OLIVO DE-LOURDES 1997, TITUS & NARAYANAN 1996, JELGERSMA et al.
1993, NOEST 1991), indem eine flächendeckende Modellierung möglicher Klimafolgen für die
Vorlandvegetation des Lebensraumes Ästuar am Beispiel der Unterweser vorgenommen wird.
Übertragbarkeit des VS-Modells
Mit dem hier entwickelten VS-Modell können auf der Grundlage des CART-Verfahrens und mit Hilfe
eines GIS flächendeckende Vorhersagen zu Art und Ausmaß der Biotoptypveränderung der
Unterweservorländer infolge einer Klimaänderung vorgenommen werden. Das VS-Modell ist in
Kombination mit dem CART-Verfahren hochgradig geeignet, Vegetationsveränderungen infolge einer
Klimaänderung für große Gebiete vorherzusagen und mit einem GIS darzustellen. Das VS-Modell
liefert zuverlässige und plausible Prognoseergebnisse von hoher Aussagekraft (Kap. 7.1.2, 7.2.1, 7.3.2).
Die für die Unterweservorländer erarbeiteten Zusammenhänge und Methoden des VS-Modells können
für den hier verwendeten und definierten Gültigkeitsbereich somit auf weitere Ästuare
Norddeutschlands übertragen und zur Prognose der dortigen Biotoptypenverteilung angewendet
werden. Das VS-Modell dient daher für die Unterweser oder andere Ästuare Norddeutschlands als
Instrument zur Untersuchung von möglichen Klimafolgen. Darüber hinaus kann es auch bei
Raumplanungsvorhaben, wie der geplanten Unterweservertiefung oder im Rahmen eines integrierten
Küstenzonenmanagements zur Vorhersage von Vegetationsveränderung sowie zur Analyse
potenzieller Nutzungskonflikte im Sinne eines vorsorgenden Handelns eingesetzt werden.
Teil IV - Literatur
10
143
LITERATUR
Ali, A. (1996): Vulnerability of Bangladesh to climate change and sea level rise through tropical
cyclones and storm surges. Water Air and Soil Pollution 92 (1-2): 171-179
Asshoff, M., Breuer, M., Sach, W., Schrautzer, J. & Wiebe, C. (1995): Massenwechsel und
Populationsdynamik von Pflanzen und Tieren - Vegetationsperiode und Pflanzenwachstum.
In: Blume, H.P., Breckling, B., Fränzle, O., Heydemann, B., Irmler, U., Klappen, L., Nellen,
W., Pöpperl, R., Schimming, C.G. & Widmoser, P. (Hrsg.): Auswirkungen einer
Temperaturerhöhung auf die Ökosysteme der Bornhöveder Seenkette - Beiträge zur
Ökosystemforschung, Ecosys Bd. 2: 111-124
Augstern, B. & Greve, K. (1994): Umweltanwendungen Geografischer Informationssysteme Bausteine für einen Referenzrahmen. Salzburger Geografische Mitteilungen 21: 19-28
Bachelet, D. & Gay, C.A. (1993): The impacts of climate change on rice yield: A comparison of four
model performances. Ecological Modelling 65 (1-2): 71-93
Backhaus, K., Erichson, B. & Plinke, W. (2000): Multivariate Analysemethoden, eine
anwendungsorientierte Einführung. Springer, Berlin: 661 S.
Bahrenberg, G., Giese, E., Nipper, J. (1992): Statistische Methoden in der Geographie - Teil 2:
Multivariate Statistik. Korrigierter Nachdruck der 2. neubearbeiteten Auflage. Borntraeger,
Berlin: 415 S.
Bahrenberg, G., Hartrampf, A., Hesse, K.-M. & König, G. (1999): Zur sozioökonomischen Situation
im Unterweserraum. Bremer Beiträge zur Geographie und Raumplanung 35: 153-178
Bahrenberg, G. & König, G. (2005): Sozialräumliche Wirkungen eines Klimawandels im
Unterwesergebiet – eine qualitative Analyse. In: Schuchardt, B. & Schirmer, M. (Hrsg.):
Klimawandel und Küste – Die Zukunft der Unterweserregion. Springer, Berlin: 173-192
Baldwin, A.H., Egnotovich, M.S. & Clarke, E. (2001): Hydrologic change and vegetation of tidal
freshwater marshes: Field, greenhouse, and seed bank experiments. Wetlands 21: 519-531
Barnes, R. S. K. (1974): Estuarine Biology. The Pitman Press, Bath: 76 S.
Barthelme, N. (1995): Geoinformatik. Berlin Verlag, Heidelberg: 414 S.
Barton, C.V.M., Lee, H.S.J. & Jarvis, P.G. (1993): A branch bag and CO2 control system for long-term
CO2 enrichment of mature Sitka spruce [Picea sitchensis (Bong.) Carr.]. Plant, Cell and
Environment 16: 1139-1148
Bätjer, D. & Heinemann, H.J. (1980): Eineinhalb Jahrhunderte meteorologische Beobachtungen in
Bremen. Abhandlungen des Naturwissenschaftlichen Vereins zu Bremen 39: 185-261
Beets, D. (1995): The coastal lowlands of the Netherlands. In: Schirmer, W. (Hrsg.): Quaternary field
trips in Central Europa. Verlag Dr. F. Pfeil, München, 2: 1019-1022
Behre, K.E. (1994): Kleine historische Landeskunde des Elbe-Weser-Raumes. Landschaftsverband der
ehemaligen Herzogtümer Bremen und Verden, Stade: 63 S.
Beniston, M., Tol, R.S.J., Delcolle, R., Hörmann, G., Iglesias, A., Innes, J., McMichael, A.J., Martens,
A.J.M., Nemesora, I., Nicholls, R.J. & Toth, F.L. (1998): Europe. In: Watson, R.T.,
Zinyowera, M.C. & Moss, R.H. (eds.): The regional impacts of climate change - an
assessment of vulnerability. Special report of IPCC. Intergovernmental Panel of Climate
Change, Cambridge University Press, United Kingdom, New York: 149-185
Teil IV - Literatur
144
Berghausen, M. (1992): Oberirdische Stoffproduktion von Phragmites australis, Bolboscheonus
maritimus und Schoenoplectus tabernaemontani im Süßwasserbereich der Tide-Elbe in
Hamburg. Institut für angewandte Botanik: Ufervegetation an Elbe und Nordsee, Beiheft 3:
75-91
Bertness, M.D. (1999): The Ecology of Atlantic Shorelines. Sinauer Associates, Sunderland MA: 417 S.
Best, E.P.H., Verhoeven, J.T.A. & Wolff, W.J. (1993): The ecology of The Netherlands wetlands:
Characteristics, threats, prospects and perspectives for ecological research. Hydrobiologia
265 (1-3): 305-320
Beukema, J.J. & Brouns, J.J.W.M. (eds.) (1990): Expected effects of Climatic Change on marine Coastal
Ecosystems. Developments in Hydrobiology 57. Kluver, Dordrecht: 232 S.
Bian, L. (1997): Multiscale Nature of Spatial Data in Scaling Up Envirnomental Models. In:
Quattrochi, D.A. & Goodchild, M.F. (eds): Scale in Remote Sensing and GIS. CRC/Lewis
Publishers, Boca Raton FL: 13-26
Bill, R. & Fritsch, D. (1991): Grundlagen der Geo-Informationssysteme. Bd. 1: Hardware, Software
und Daten. Wichmann, Karlsruhe: 414 S.
Bill, R. (1999): Grundlagen der Geo-Informationssysteme. Bd. 2: Analysen, Anwendungen und neue
Entwicklungen. Wichmann, Karlsruhe: 431 S.
BIOS (2005): Digitale Aufbereitung von Unterlagen zur Ausdehnung von Röhrichten an der Unterund Außenweser seit ca. 1950. Teil I Untersuchungen am Rechten Nebenarm der Weser. Im
Auftrag des Wasser- Schifffahrtsamtes Bremerhaven (WSA Bremerhaven),
unveröffentlichtes Gutachten: 28 S.
Blab, J. (1993): Grundlagen des Biotopschutzes für Tiere. 4. Aufl. Schriftenreihe für Landschaftspflege
und Naturschutz 24: 479 S.
Bliss, S.A. & Zedler, P.H. (1998): The germination process in vernal pools: Sensitivity to
environmental conditions and effects on community structure. Oecologia (Berlin) 113 (1):
67-73.
Boer, M., De Groot, R. (eds) (1990): Landscape. Ecological Impact of climatic change. IOS Press,
Amsterdam: 429 S.
Boesch, D.F., Field J.C. & Scavia D. (eds.) (2000): The potential consequences of climate variability
and change on coastal areas and marine resources: report of the Coastal Areas and Marine
Resources Sector Team, U.S. National Assessment of the Potential Consequences of Climate
Variability and Change, U.S. Global Change Research Program. U.S. Dept. of Commerce,
National Oceanic and Atmospheric Administration, National Ocean Service, National
Centers for Coastal Ocean Science, Coastal Ocean Program, Silver Spring, MD.
NOAA's Coastal Ocean Program decision analysis series 21: 163 S.
Bonham-Carter, G.F. (1994): Geographic Information Systems for Geoscientists. Modeling with GIS.
Computer Methods in the Geosciences 13, Ontario: 398 S.
Bornette, G. & Amoros, C. (1996): Disturbance regimes and vegetation dynamics: role of floods in
riverine wetlands. Journal of Vegetation Science 7: 615-622
Bornkamm, R. & Henning, U. (1982): Experimentell-ökologische Untersuchungen zur Sukzession von
ruderalen Pflanzengesellschaften auf unterschiedlichen Böden. Flora 172: 267-316
Brandes, D. & Sander, C. (1995): Alien flora of river banks of the Elbe. Tuexenia 15: 447-472
Braun-Blanquet, J. (1964): Pflanzensoziologie. Springer, Wien: 865 S.
Teil IV - Literatur
145
Breckling, B. & Reiche, E.-W. (1996): Modellierungstechniken in der Ökosystemforschung - eine
Übersicht. In: Breckling, B. & Asshoff, M. (Hrsg.): Beiträge zur Ökosystemforschung,
EcoSys Bd. 4: 17-26
Breiman, L., Friedman, J.H., Olsen, R.A. & Stone, C.J. (1984): Classification and Regression Trees.
Wadsworth, Belmont CA: 358 S.
Breiman, L. (2000): Some infinity theorie for predictor ensembles. Technical Report 577, Statistics
Department, UCB, available at:
http://www.salford-systems.com/doc/SOME_THEORY2001.pdf
Brix, H., Sorrell, B.K. & Lorenzen, B. (2001): Are Phragmites-dominated wetlands a net source or net
sink of greenhouse gases? Aquatic Botany 69 (2-4): 313-324
BUND (Bund für Umwelt und Naturschutz Deutschland, Hrsg.) (1996): Das Weserästuar im
Spannungsfeld zwischen Natur- und Küstenschutz, ein integriertes Entwicklungskonzept für
die Weser und ihre Marsch in Zeiten des Klimawandels der BUND-Arbeitsgruppe
„Unterweser“. Bremer Beiträge für Naturkunde und Naturschutz, Bd. 2: 96 S.
Bundesanstalt für Gewässerkunde (1998): Ästuarmonitoring in Ems, Jade, Weser, Elbe und Eider.
Unveröffentlichter Bericht.
Bundesanstalt für Gewässerkunde (2003): Einsatz von ökologischen Modellen in der Wasser- und
Schifffahrtsverwaltung - Das integrierte Flussauenmodell Inform 2.0. BFG-Mitteilungen Nr.
25: 212 S.
Cairns, D.M. (2001): A comparison of methods for predicting vegetation type. Plant Ecology 156 (1):
3-18.
Carey, P.D. & Watkinson, A.R. (1993): The dispersal and fates of seeds of the winter annual grass
Vulpia ciliata. Journal of Ecology 81 (4): 759-767
Carey, P.D., Watkinson, A.R. & Gerard, F.F.O. (1995): The determinants of the distribution and
abundance of the winter annual grass Vulpia ciliata ssp. ambigua. Journal of Ecology 83 (2):
177-187
Church, J.A., Gregory, J.M., Huybrechts, P., Kuhn, M., Lambeck, K., Nhuan, M.T., Qin, D. &
Woodworth, P.L. (2001): Changes in Sea Level. In: Houghton, J.T, Ding, Y., Griggs, D.J.,
Noguer, M., Van der Linden, P.J., Dai, X., Maskell, K. & Johnson, C.A. (eds.): Climate
Change 2001: The Scientific Basis: Contribution of Working Group I to the Third
Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge
University Press, Cambridge: 639-694
Chytry, M. (1998): Potential Replacement Vegetation: An Approach to Vegetation Mapping of Cultural
Landscapes. Applied Vegetation Science 1: 177-188
Claus, B., Neumann, P. & Schirmer, M. (1994a): Rahmenkonzept zur Renaturierung der Unterweser
und ihrer Marsch. Teil 1, Veröffentlichungen der gemeinsamen Landesplanung
Bremen/Niedersachsen, 1/94: 368 S.
Claus, B., Neumann, P. & Schirmer, M. (1994b): Rahmenkonzept zur Renaturierung der Unterweser
und ihrer Marsch. Teil 2, Veröffentlichungen der gemeinsamen Landesplanung
Bremen/Niedersachsen, 8/94: 232 S.
Claus, B. (1998): Länderübergreifendes Schutzkonzept für die Ästuare Elbe, Weser und Ems.
Gutachten im Auftrag der Umweltstiftung WWF Deutschland und des Bundes für Umwelt
und Naturschutz BUND.
Teil IV - Literatur
146
Collatz, G.J., Berry, J.A. & Clark, J.S. (1998). Effects of climate and atmospheric CO2 partial pressure
on the global distribution of C4 grasses: Present, past, and future. Oecologia (Berlin) 114 (4):
441-454
Congalton, R.G. & Green, K. (1995): The ABCs of GIS: an Introduction to Geographic Information
Systems. In: Lyone, J.G. & McCarthy, J. (eds.): Wetland and Environmental Applications of
GIS. Lewis Publishers, New York: 9-24
Crawford, R.M.M. (1993): Climatic change and wetland vegetation in Northern Europe. In: Jackson,
M.B. & Black, C.R. (eds.): Interacting stresses on plants in a changing climate. NATO ASI
Series I: Global Environmental Change, Vol. 116. Springer, Berlin: 197-210
Crowe, J.C. & Sharp, J.M., Jr. (1996): Hydrogeological delinieation of habitats for endangered species:
the Comal Springs/River system. Environmental Geology 30 (1/2): 17-28
Dale, M.R.T. (1999): Spatial Pattern Analysis in Plant Ecology. Cambridge University Press,
Cambridge: 326 S.
Daschkeit, A &, Schottes, P. (2002): Klimafolgen für Mensch und Küste am Beispiel der Nordseeinsel
Sylt. Springer Verlag, Berlin
Davis, F.W. & Goetz, S. (1990): Modelling vegetation pattern using digital terrain data. Landscape
Ecology 4 (1): 69-80
Davis, M.M., Sprecher, S.W., Wakeley, J.S. & Best, G.R. (1996): Environmental gradients and
identification of wetlands in North-Central Florida. Wetlands 16: 512-523
Day, J.W., Hall, C.A.S., Kemp, M. & Yanez-Arancibia, A. (eds.) (1989): Estuarien Ecology. John Wiley
& Sons, New York: 558 S.
Dierschke , H. (1994): Pflanzensoziologie - Grundlagen und Methoden. Ulmer, Stuttgart: 683 S.
Dierschke, H. (1997): Kulturgrasland und verwandte Vegetationstypen, Teil 1: Arrhenatheretalia
Wiesen und Weiden frischer Standorte. Synopsis der Pflanzengesellschaften Deutschlands 3:
74 S.
Dierßen, K. (1993): Vegetationsentwicklung in Küsten-Salzrasen. In: Schellnhuber, H.-J.& Sterr, H.
(Hrsg.): Klimaänderung und Küste: Einblick ins Treibhaus. Springer, Berlin: 189-195
Dikau, R. & Schmidt, J. (1999): Georeliefklassifikation. In: Schneider-Sliwa, R., Gerold, G. & Schaub,
D. (Hrsg.): Angewandte Landschaftsökologie, Grundlagen und Methoden. Springer, Berlin:
217-244
Dillon, W.R. & Goldstein, M. (1984): Multivariate analysis: Methods and applications.John Wiley &
Sons, New York: 587 S.
Dister, E. (1996): Ökologie, Gefahren und Schutzmöglichkeiten. In: Lozán, J. L. & Kausch, H. (Hrsg.):
Warnsignale aus Flüssen und Ästuaren. Parey, Berlin: 292-300
Drachenfels, O. von (1994): Kartierschlüssel für Biotoptypen in Niedersachsen unter besonderer
Berücksichtigung der nach § 28a und § 28b NNatG geschützten Biotope. Naturschutz
Landschaftspfl. Niedersachsen, Heft A/4: 192 S.
Dufrene, E., Pontaller, J.Y. & Saugier, B. (1993): A branch bag technique for simultaneous CO2
enrichment and assimilation measurements on beech (Fagus sylvatica L.). Plant, Cell and
Environment 16: 1131-1138
Teil IV - Literatur
147
Duttmann, R. (1999): GIS und raumbezogene Prozessmodellierung. In: Schneider-Sliwa, R., Schaub,
D. & Gerold, G. (Hrsg.): Angewandte Landschaftsökologie, Grundlagen und Methoden.
Springer, Berlin: 181-199
Engle, V.D. & Summers, J.K. (1999): Latitudinal gradients in benthic community composition in
Western Atlantic estuaries. Journal of Biogeography 26 (5): 1007-1023
Ellenberg, H., Weber, H.E., Düll, R., Wirth, V., Wernder, W. & Paulißen, D. (1991): Zeigerwerte von
Pflanzen in Mitteleuropa. Scripta Geobotanica (18): 248 S.
Ellenberg H. (1996): Vegetation Mitteleuropas mit den Alpen in ökologischer, dynamischer und
historischer Sicht. Ulmer, Stuttgart: 1095 S.
Ellison, A.M. & Farnsworth, E.J.T. (1996): Anthropogenic disturbance of Caribbean mangrove
ecosystems: Past impacts, present trends, and future predictions. Biotropica 28 (4 PART A):
549-565
El-Raey, M., Frihy, O., Nasr, S.M. & Dewidar, K (1999): Vulnerability assessment of sea level rise over
port Said governorate, Egypt. Environmental Monitoring and Assessment 56 (2): 113-128
Etten, E.J.V. (1998): Mapping vegetation in an arid, mountainous region of western Australia. Applied
Vegetation Science 1: 189-200
Feddema, J.J. & Freire, S. (2001): Soil degradation, global warming and climate impacts. Climate
Research 17 (2): 209-216
Firbank, L.G., Watkinson, A.R., Norton, L.R. & Ashenden, T.W. (1995): Plant populations and global
environmental change: the effects of different temperature, carbon dioxide and nutrient
regimes on density dependence in populations in Vulpia ciliata. Functional Ecology 9: 432441
Fischer, H.S. (1990): Simulating the distribution of plant communities in an alpine landscape. Coenoses
5 (1): 37-43
Focke, W.O. (1915): Die Uferflora der Niederweser. Abhandlungen des Naturwissenschaftlichen
Vereins zu Bremen, Bd. XXIII: 305-337
Franklin, J. & Woodcock, C.E. (1997): Multiscale Vegetation Data for the Mountains of Southern
California: Spatial and Categorical Resolution. In: Quattrochi, D.A. & Goodchild, M.F. (eds):
Scale in Remote Sensing and GIS. CRC/Lewis Publishers, Boca Raton FL: 141-168
Franklin, J. (1998): Predicting the distribution of shrub species in southern California from climate and
terrain-derived variables. Journal of Vegetation Science 9 (5): 733-748
Franzaring, J. & Therburg, A. (1997): Freilandversuch zur Wirkung erhöhter UV-B-Strahlung auf die
Vegetation. Verhandlungen der Gesellschaft für Ökologie Bd. 27: 335-340
French, T.D. & Chambers, P.A. (1996): Habitat partitioning in riverine macrophyte communities.
Freshwater Biology 36 (3): 509-520
Fuchs, M. (2002): Methoden zur objektiven Ableitung von Bodenkarten im Folgemaßstab.
Unterstützung der geometrisch-begrifflichen Generalisierung von Bodenkarten durch
erweiterte Werkzeuge in einem Geo-Informationssystem. Dissertation, FU Berlin: 186 S.
Gehlken, B. (1995): Von der Bauerei zur Landwirtschaft. Aktuelle und historische Grünlandvegetation
im Stedinger Land. In: AG Freiraum und Vegetation (Hrsg.): Notizbuch 36 der Kasseler
Schule: 200-291
Teil IV - Literatur
148
GFL (Gesellschaft für Landeskultur) (1992): Anpassung der Außenweser: Landschaftspflegerischer
Begleitplan, Karte 3, Vegetation. Im Auftrag des Wasser- und Schifffahrtsamtes
Bremerhaven, unveröffentlichtes Gutachten
Glavac, V., Grillenberger, C. Hakes, W. & Ziezold, H. (1992): On the nature of vegetation boundaries,
undisturbed flood plain forest communieties as an example - a contribution to the
continuum/discontinuum controversy. Vegetatio 101: 123-144
Glenn-Lewin, D.C. & van der Maarel, E. (1992): Patterns and processes of vegetation dynamics. In: Lewin, D.C., Peet, R.K. & Veblen, T.T. (eds.): Plant Succession: Theory and Prediction.
Chapman & Hall, London: 11-59
Gönnert, G., Graßl, H., Kelletat, D., Kunz, H., Probst, B., Storch, H. von & Sündermann, J. (Hrsg.)
(2004): Tagungsband zur Konferenz „Klimaänderung und Küstenschutz“ an der TU
Hamburg-Harburg, Hamburg: 333 S.
Goodchild, M.F. (1994): Integrating GIS and Remote-Sensing for vegetation analysis and modellingmethodological issues. Journal of Vegetation Science 5 (5): 615-626
Grabemann, H.J., Grabemann, I., Herbers, D., Loebel, P. & Müller, A. (1999): Hydrodynamik und
Gewässergüte der Unterweser vor dem Hintergrund unterschiedlicher Nutzung. In:
Schirmer, M. & Schuchardt, B. (Hrsg.): Bremer Beiträge zur Geographie und Raumplanung
35: 43-64
Grabemann, H.J., Grabemann, I. & Müller, A. (2005): Die Auswirkungen eines Klimawandels auf
Hydrografie und Gewässergüte der Unterweser. In: Schuchardt, B. & Schirmer, M. (Hrsg.):
Green, D.R. & Hartley, S. (2000): Integrating photointerpretation and GIS for vegetation mapping:
some issues of error. In: Alexaner, R.W. & Millington, A.C. (eds.): Vegetation mapping: from
patch to planet. John Wiley & Sons, Chichester: 103-134
Gregory, P.J. & Ingram, J.S.I. (2000): Global change and food and forest production: Future scientific
challenges. Agriculture Ecosystems and Environment 82 (1-3): 3-14
Grime, J.P. (1979): Plant Strategies and Vegetation Processes. John Wiley & Sons, Chichester: 222 S.
Grime, J.P. (2001): Plant Strategies, Vegetation Processes and Ecosystem Properties. John Wiley &
Sons, Chichester: 417 S.
Grootjans, A.P., Fresco, L.F.M., Everts, F.H., Streefkerk, J., Takman, E. & De Vries, N.P.J. (1985):
Distribution of marsh plant communities in relation to the regional hydraulic cycle.
Proefschrift ter verkrijging van het doctoraat, Rijksuniversitet Groningen: Changes of
groundwater in wet meadows: 21-46
Grotjahn, M. (1983): Die eulitorale Ufervegetation der Wesermündung. Jahresbericht der
Forschungsstelle für Insel- und Küstenschutz, Norderney Bd. 34: 95-117
Grüters, U., Fangmeier, A. & Jäger, H.-J. (1997): Wachstumsanalyse von Weizen unter erhöhtem CO2,
Ozon und Stickstoffangebot. Verhandlungen der Gesellschaft für Ökologie, Bd. 27: 283-293
Guisan, A. & Zimmermann, N.E. (2000): Predictive habitat distribution models in ecology. EcologicalModelling 135 (2-3): 147-186
Häger, C., Würth, G. & Kohlmaier, G.H. (1998): Der Kohlenstoff im Klimasystem. In: Lozán, J.L.,
Graßl, H. & Hupfer, H. (Hrsg.): Warnsignal Klima: wissenschaftliche Fakten.
Wissenschaftliche Auswertungen, Hamburg: 42-48
Teil IV - Literatur
149
Härdtle, W. (1990): Potentielle Natürliche Vegetation. Überlegungen zum theoretischen Konzept und
zur Methode der Kartierung. Dissertation Christian-Albrechts-Universität Kiel: 86 S.
Hagge, A. & Geiser, N. (1996): Bedeutung und Gefährdung der Flachwassergebiete, Brack- und
Süßwasserwatten. In: Lozán, J.L. & Kausch, H. (Hrsg.): Warnsignale aus Flüssen und
Ästuaren. Parey, Berlin: 267-273
Hake, G. & Grünreich, D. (1994): Kartographie. Springer, Berlin: 599 S.
Hanson, P.J. & Weltzin, J.F. (2000): Drought disturbance from climate change: Response of United
States forests. Science of the Total Environment 262 (3): 205-220
Hantel, M. (Hrsg.) (2005): Observed Global Climate. Landolt-Börnstein New Series (Group V:
Geophysics), Vol. 6. Springer, Berlin: 567 S.
Hard, G. (1976): Vegetationsentwicklung auf Brachflächen. Bracheflächen in der Landschaft. KTBLSchrift 195, Münster-Hiltrup: 1-195
Heckenroth, H. & Laske, V. (1997): Atlas der Brutvögel Niedersachsens 1981 – 1995.
Niedersächsisches Landesamt für Ökologie (Hrsg.): Naturschutz Landschaftspflege
Niedersachsen, Heft 37: 1-329
Heinemann, H.-J. (2003): Ein Beitrag zur Entwicklung des Klimas von Bremen in den letzten
Jahrzehnten des 20. Jahrhunderts. Abhandlungen des Naturwissenschaftlichen Vereins zu
Bremen, 45/2: 192-210
Heinrich, T. & Mühlner, G. (1981): Beurteilung der Röhrichtbestände an der Unterweser im Bereich
des Landkreises Wesermarsch im Hinblick auf ihre Schutzwürdigkeit. Unveröffentlichter
Bericht des Landkreises Wesermarsch, Amt für Landschaftspflege mit Kartenteil: 27 S.
Hejny, S. & Segal, S. (1998): General ecology of wetlands. In: Westlake, D.F., Kvet, J. & Szczepansky,
A. (eds.): The production ecology of wetlands. Cambrige University Press: 1-77
Hellberg, F. (1995): Entwicklung der Grünlandvegetation bei Wiedervernässung und periodischer
Überflutung. Dissertationes Botanicae 243. J. Cramer, Berlin: 271 S.
Higgins, S.I., Eofwea, K.H. & Kemper, J. (1997): A description of the functional vegetation pattern of
a semi-arid floodplain, South Africa. Plant Ecology 129: 95-101
Hobbs, R.J. (1994): Dynamics of vegetation mosaics: Can we predict responses to global change?
Ecoscience 1 (4): 346-356
Hoffmann, B. Meckelburg, M. & Meinken, M. (2005): Folgen einer Klimaänderung für den Grundund Bodenwasserhaushalt der Unterwesermarsch. In: Schuchardt, B. & Schirmer, M. (Hrsg.):
Hörsch, B. (2001): Zusammenhang zwischen Vegetation und Relief in alpinen Einzugsgebieten des
Wallis (Schweiz). Ein multiskaliger GIS- und Fernerkundungsansatz. Dissertation,
Mathematisch-Naturwissenschaftliche Fakultät der Universität Bonn: 228 S.
Horchler, P.J. (1997): Optimierung der Korrelationsparameter und Verknüpfungsmöglichkeiten von
Auenvegetation und Standort in Bezug auf Änderungen der hydrologischen
Randbedingungen. Unveröffentlichtes Gutachten im Auftrag der Bundesanstalt für
Gewässerkunde in Koblenz: 19 S.
Hülbusch, K.H. (1987): Nachhaltige Grünlandnutzung statt Umbruch und Ansaat. In: ABL (Hrsg.):
Naturschutz durch staatliche Pflege oder bäuerliche Landwirtschaft. Rheda-Wiedenbrück:
93-125
Teil IV - Literatur
150
Hulme, M.E., Barrow, N.W., Arnell, P., Harrison, T., Dowring, T. & Johns, R. (1999): Relative impacts
of human-induced climate change and natural variabilty. Nature 397: 688-691
Hulme, M.E. & Carter, T.R. (2000): The changing climate of Europe. In: Parry, M.L. (ed.): Assessment
of potential effects and adaptions for climate change in Europe: The Europe ACACIA
Project. Jackson Environment Institute, University of East Anglica, Norwich, United
Kingdom: 324 S.
Hulme, M.E., Doherty, R., Ngara, T., New, M. & Lister, D. (2001): African climate change: 1900-2100.
Climate Research 17 (2): 145-168
Hupfer, P. (1998): Klima und Klimasystem. In: Lozán, J.L., Graßl, H. & Hupfer, H. (Hrsg.):
Warnsignal Klima: wissenschaftliche Fakten. Wissenschaftliche Auswertungen, Hamburg:
17-24
Hupfer, P. & Schönwiese, C.D. (1998): Zur beobachteten Klimaentwicklung im 19. und 20.
Jahrhundert: Gefahr im Verzug?.In: Lozán, J.L., Graßl, H. & Hupfer, H. (Hrsg.): Warnsignal
Klima: wissenschaftliche Fakten. Wissenschaftliche Auswertungen, Hamburg: 99-113
Huston, M.A. (1979): A General Hypothesis of species diversity. The American Naturalist 113 (1): 81101
Huston, M.A. (1994): Biological diversity - The coexistence of species on changing landscapes.
Cambridge University Press, New York: 681 S.
Irmler, U. Schrautzer, J. (1995): Auswirkungen auf Struktur und Funktion der Biozönose - Allgemeine
Aspekte. In: Blume, H.P., Breckling, B., Fränzle, O., Heydemann, B., Irmler, U., Klappen, L.,
Nellen, W., Pöpperl, R., Schimming, C.G. & Widmoser, P. (Hrsg.): Auswirkungen einer
Temperaturerhöhung auf die Ökosysteme der Bornhöveder Seenkette - Beiträge zur
Ökosystemforschung, Ecosys Bd. 2: 91-95
IPCC (2001): Impacts, adaptation and vulnerability - contribution of Working Group II to the third
assessment report of the Intergovernmental Panel on Climate Change. James J. & McCarthy,
J.J. (eds.). Cambridge Univ. Press: 1032 S.
Jackson, R.B., Carpenter, S.R., Dahm, C.N., McKnight, D.M., Naiman, R.J., Postel, S.L. & Running,
S.W. (2001): Water in a changing world. Ecological Applications 11 (4): 1027-1045
Jaeger, J.A.G. (2000): Landscape division, splitting index, and effective mesh size: New measures of
landscape fragmentation. Landscape Ecology 15 (2): 115-130
Jansen H.D. (1990): Vegetationskundliche und bodenkundliche Untersuchungen entlang eines
Feuchtegradienten in der Wesermarsch des Niedervielandes bei Bremen. Diplomarbeit am
Institut für Geografie, Lehrstuhl für Landschaftsöklologie, Universität Münster: 135 S.
Jelgersma, S., Van-Der-Zijp, M. & Brinkman, R. (1993): Sea level rise and the coastal lowlands in the
developing world. Journal of Coastal Research 9 (4): 958-972
Jelgersma, S. (1994): Examples of the geological past: evolution of coastal sedimentation sequences
during Holocene sea level rise. In: Pernetta, J., Leemanns, R., Elder, D. & Humphrey, S.
(eds.): Impacts of climate change on ecosystems and species: Marine and coastal ecosystems.
IUCN, Gland, Schweiz: 45-57
Jones, G., (1994): Global warming, sea level change and the impact on estuaries. Marine Pollution
Bulletin 28: 7-14
Teil IV - Literatur
151
Jordan, B.R. (1993): The molecular biology of plants exposed to ultraviolet-B radiation and the
interaction with other stresses. In: Jackson, M.B. & Black, C.R. (eds.): Interacting stresses on
plants in an changing climate. NATO ASI Series: Global Environmental Change Vol. 116:
153-170
Karing, P., Kallis, A. & Tooming, H. (1999): Adaptation principles of agriculture to climate change.
Climate Research 12 (2-3): 175-183
Karl, T.R. & Trenberth, K.F. (1999): The human impact on climate. Scientific American 281 (6): 100105
Kattge, J., Grüters, U., Hoffstadt, J., Fangmeier, A. & Jäger, H.J. (1997): Reaktion des
Wasserhaushaltes von Wildkräutern auf erhöhte C02-Konzentrationen der Atmosphäre.
Verhandlungen der Gesellschaft für Ökologie, Bd. 27: 273- 282
Kesel, R. (1999): Vegetationskundliche Studie zu den Weichholz-Auwäldern (Salicion albae) an der
Unterems zwischen Herbrum und Leer. Auftraggeber: Umweltstiftung WWF-Deutschland,
Fachbereich Meere & Küsten, Bremen, unveröffentlichter Bericht
Kesel, R. (2000): Auswirkungen der Klimaerwärmung auf Flora und Vegetation im Unterweserraum.
Unveröffentlichte Studie zu Verschiebungen in der floristischen Zusammensetzung und
Dominanzstruktur der Vegetation in Marsch und Vorland der Unterweser und zur
Ausbreitung und Einwanderung von Neophyten infolge der in der regionalen
Klimaabschätzung des Projekts KLIMU errechneten Erhöhung von Temperatur, CO2,
Niederschlägen und Grundwasserstand, unveröffentlichtes Gutachten, Universität Bremen,
Bremen: 30 S.
Kirilenko, A.P. & Solomon, A.M. (1998): Modeling dynamic vegetation response to rapid climate
change using bioclimatic classification. Climatic Change 38 (1): 15-49
Klapp, E. (1965): Grünlandvegetation und Standort. Parey, Berlin: 384 S.
Kleikamp, M. (1996): Vegetationsabfolgen an Altarmen des Unteren Niederrheins (NordrheinWestfalen). Dissertationes Botanicae Bd. 269. J. Cramer, Berlin: 106 S.
Knogge, T. & Elsner, W. (2005): Regionale ökonomische Folgen eines Klimawandels:
Vermögensschäden und Wertschöpfungsverluste in den klimasensitiven Sektoren. In:
Schuchardt, B. & Schirmer, M. (Hrsg.): Klimawandel und Küste – Die Zukunft der
Unterweserregion. Springer, Berlin: 193 - 206
Knowlton, N. (2001): The future of coral reefs. Proceedings of the National Academy of Sciences of
the United States of America 98 (10): 5419-5425
Köhler, U. (1988): Die Tideröhrichte an der Unterweser zwischen Ochtummündung und Golzwarden
- Eine floristische und vegetationskundliche Untersuchung unter dem Aspekt des
Naturschutzes. Diplomarbeit am Fachbereich Biologie/Chemie, Universität Bremen: 168 S.
König, G. (1995): Entwicklung einer GIS-gestützten Methode klimaökologischer Standortbewertung
am Beispiel Bremens. Dissertation Universität Bremen. Bremer Beiträge zur Geographie und
Raumplanung 29: 209 S.
König, G., Schuchardt, B., Lieberman, N. von (2000): Zur Akzeptanz verschiedener langfristiger
Küstenschutzstrategien an der Unterweser: Eindrücke aus dem Projekt Klimaänderung und
Unterweserregion (KLIMU). Bremer Beiträge zu Geographie und Raumplanung 36: 183-193
König, G. & Wittig, S. (2005): Die Unterweserregion als Natur-, Lebens- und Wirtschaftsraum: Eine
Bestandsaufnahme. In: Schuchardt, B. & Schirmer, M. (Hrsg.): Klimawandel und Küste –
Die Zukunft der Unterweserregion. Springer, Berlin: 23-48
Teil IV - Literatur
152
Kötter, F. (1961): Die Pflanzengesellschaften im Tidegebiet der Unterelbe. Archiv für Hydrobiologie
Supplement 26 (1): 106-184
Kopeky, K. (1966): Ökologische Hauptunterschiede zwischen Röhrichtgesellschaften fliessender und
stehender Binnengewässer Mitteleuropas. Folia Geobotanica et Phytotyxonomica
Bohemoslovaca 1: 193-242
Kraft,
D.
(2003):
Aufbau
eines
Entscheidungsunterstützungssystems
für
das
Küstenzonenmanagement: Konzeption und Entwicklung eines DSS aus küstenökologischer
Sicht. In: Reuter, H., Breckling, B. & Mittwollen, A. (Hrsg.): GfÖ Arbeitskreis Theorie in der
Ökologie, 2002: Gene, Bits und Ökosysteme. P. Lang, Frankfurt/M.: 121-136
Kraft, D. (2004): Modellierung klimabedingter Nutzungsveränderungen – Bewertung von
Klimaveränderungen durch das GIS-gestützte Computermodell BONU. D 46 (Dissertation
Universität Bremen). GCA, Herdecke: 124 S.
Kraft, D. & Schirmer, M. (2001): Projekt „Klimaänderung und Unterweserregion“ (KLIMU).
Abschlussbericht Teilprojekt „Ökologischer Komplex“: Analyse der Klimasensitivität der
ökologischen Strukturen des inneren Weserästuars und seiner Marsch, Teil A: Binnenland.
Im Auftrag des Bundesministeriums für Bildung, Wissenschaft, Forschung, Technologie und
des Landes Bremen, Förderkennzeichen: 01 LG 9604/8: 101 S.
Kraft, D., Osterkamp, S. & Schirmer, M. (2005): Ökologische Folgen eines Klimawandels für die
Unterweser und ihre Marsch. In: Schuchardt, B. & Schirmer, M. (Hrsg.): Klimawandel und
Küste – Die Zukunft der Unterweserregion. Springer, Berlin: 152-172
KÜFOG (2005): Digitale Aufarbeitung von Unterlagen zur Vegetationsentwicklung des Vorlandes an
Unter- und Außenweser seit ca. 1950. Teilgebiet: Unterweser Süd-West (Brake bis Motzen) –
Luftbildauswertung von 1954 bis 2002. Im Auftrag des Wasser- und Schifffahrtsamtes
Bremerhaven (WAS), unveröffentlichtes Gutachten: 39 S.
Kundel, W. &. Kesel, R. (1997): Vulpia bromoides (L.) S.F. GRAY im Bremer Grünland. Göttinger
Floristische Rundbriefe 31 (2): 151-156
Kurz, H. & Küver, B. (1991): Umweltverträglichkeitsuntersuchung zur Vertiefung der Außenweser.
Teilaspekt: Vegetationskundliche Bestandsaufnahme im Außendeichsgebiet der Unterweser
auf der Grundlage einer CIR-Luftbefliegung. Im Auftrag des Wasser- und Schifffahrtsamtes
Bremerhaven, unveröffentlicht: 60 S.
Kurz, H. (1997): UVU zur Anpassung der Fahrrinne der Unter- und Außenelbe an die
Containerschiffahrt.
Materialband
VI:
Tiere
und
Pflanzen,
Terrestrische
Lebensgemeinschaften. Erstellt vom Büro für Biologische Bestandsaufnahme im Auftrag der
Wasser- und Schifffahrtsverwaltung des Bundes, des Wasser- und Schifffahrtsamtes
Hamburg und der Freien und Hansestadt Hamburg, der Wirtschaftsbehörde und des Amtes
für Strom- und Hafenbau, unveröffentlicht
Kwadijk, J. & Rotmans, J. (1995): The impact of climate changes on the River Rhine: A scenario study.
Climatic Change 30 (4): 397-425
Laatsch, W. & Schlichting, E. (1959): Bodentypus und Bodensystematik. Zeitschrift für
Pflanzenernährung, Düngung, Bodenkunde 87 (132) 2: 96-108
Lam, N.S.N. & Quattrochi, D.A. (1992): On the issues of scale, resolution and fractal analysis in the
mapping science. Professional Geographer 44 (1): 83-89
Larcher, W. (2001): Ökophysiologie der Pflanzen. Stuttgart, Ulmer: 408 S.
Teil IV - Literatur
153
Lassiter, R.R., Box, E.O., Wiegert, R..G., Johnston, J.M., Bergengren, J. & Suarez, L.A. (2000):
Vulnerability of ecosystems of the mid-Atlantic region, USA, to climate change.
Environmental Toxicology and Chemistry 19 (4): 1153-1160
Leemanns, R. & Born J.V.D. (1994): Determining the potential distribution of vegetation, crops and
agrivultural productivity. Water, Air and Soil Pollution 76: 133-161
Leiros, M.C., Trasar-Cepeda, C., Seoane, S. & Gil-Sotres, F. (1999): Dependence of mineralization of
soil organic matter on temperature and moisture. Soil Biology & Biochemistry 31 (3): 327335
Lerch, G. (1991): Pflanzenökologie. Akademie, Berlin: 535 S.
Lieberman, N. von & Mai, S. (1999): Küstenschutz an der Unterweser vor dem Hintergrund von
Naturraum und Nutzung. Bremer Beiträge zur Geographie und Raumplanung 35: 109-128
Lieberman, N. von & Zimmermann, C. (2000): Abschlussbericht: Technik des Küstenschutzes, im
Projekt „Klimaänderung und Unterweserregion“ (KLIMU) des Bund-Länderprogramms
„Klimaänderung und Küste“. Auftraggeber: Bundesminister für Bildung, Wissenschaft,
Forschung und Technologie / Land Bremen, Förderkennzeichen: 01 LG 9701/8
Lieberman, N. von, Grabemann, I., Müller, A. & Osterkamp, S. (2005): Vergleichende Abschätzung
von Effektivität und Nebenwirkungen verschiedener Reaktionsvarianten des Küstenschutzes
an der Unterweser gegenüber einer Klimaänderung. In: Schuchardt, B. & Schirmer, M.
(Hrsg.): Klimawandel und Küste – Die Zukunft der Unterweserregion. Springer, Berlin:
243-254
Lockwood. M. & Fowler, C. (2000): Significance of coastal and marine data within the context of the
United States national spatial data infrastructure. In: Wright D.J. & Bartlett, D.J. (eds.):
Marine and coastal geographical information systems. Taylor & Francis, London: 261-278
Lozán, J. L., Reise, K., Rachor, E., Westernhagen, H. von & Lenz, W. (Hrsg.) (1994): Warnsignale aus
dem Wattenmeer: wissenschaftliche Fakten. Blackwell, Berlin: 387 S.
Lozán, J. L. & Kausch, H. (Hrsg.) (1996): Warnsignale aus Flüssen und Ästuaren. Parey, Berlin, 389 S.
Lührs, H. (1994): Die Vegetation als Indiz der Wirtschaftsgeschichte dargestellt am Beispiel des
Wirtschaftsgrünlandes und der Gras-Acker-Brache - oder Von Omas Wiese zum
Queckengrasland und zurück? AG Freiraum und Vegetation (Hrsg.) Notizbuch 32 der
Kasseler Schule: 210 S.
Magadza, C. (2000): Climate change impacts and human settlements in Africa: Prospects for
adaptation. Environmental Monitoring and Assessment 61 (1): 193-205
Maniak, U., Weihrauch, A. & Riedel, G. (1999): Wasserwirtschaftliche Situation in der Kulturlandschaft
Unterwesermarsch. Bremer Beiträge zur Geographie und Raumplanung 35: 65-86
Maniak, U., Weihrauch, A. & Riedel, G. (2005): Die wasserwirtschaftliche Situation in der
Unterwesermarsch unter einer Einwirkung einer Klimaänderung. In: Schuchardt, B. &
Schirmer, M. (Hrsg.): Klimawandel und Küste – Die Zukunft der Unterweserregion.
Marsh, W.M. & Grossa, J. (eds.) (2001): Environmental geography: science, land use and earth systems.
Wiley & Sons, New York: 442 S.
Marzloff, I. (1999): Großmaßstäbige Fernerkundung mit einem unbemannten Heißluftzeppelin für
GIS-gestütztes Monitoring von Vegetationsentwicklung und Geomorphodynamik in Aragon
(Spanien). Freiburger Geografische Hefte 57, Großmann, H. (Hrsg.): 227 S.
Teil IV - Literatur
154
Matamala, R. & Drake, B.G. (1999): The influence of atmospheric CO2 enrichment on plant-soil
nitrogen interactions in a wetland plant community on the Chesapeake Bay. Plant and Soil
210 (1): 93-101
McDonald, R.I. & Urban, D.L. (2006): Spatially varying rules of landscape change: lessons from a case
study. Landscape and Urban Planning 74: 7-20
McGlade, J.M. (1999): Advanced ecological theory: Principles and applications. Blackwell Science,
Oxford: 353 S.
Meenken, G.A. (1999): Zum Wiesenvogelschutz im Bruthabitat der Strohauser Plate Nahrungsangebot in Abhängigkeit von Stocherfähigkeit und Wasserverhältnissen.
Diplomarbeit zur Diplomprüfung an der Hochschule Vechta Institut für Naturschutz und
Umweltbildung: http://www.ewetel.net/~guenther.meenken/
Meermeier, D. (1993): Versaumungen an Weg- und Straßenrändern. In: AG Freiraum und Vegetation
(Hrsg.): Notizbuch 27 der Kasseler Schule: 184-300
Meinken, M & Hoffmann, B. (1999): Grund- und Bodenwasserhaushalt in der Unterwesermarsch.
Bremer Beiträge zur Geographie und Raumplanung 35: 87-108
Meisel, K. (1969): Zur Gliederung und Ökologie der Wiesen im nordwestdeutschen Flachland.
Schriftenreihe für Vegetationskunde 4: 23-48
Meisel. K. (1977): Flutrasen des nordwestdeutschen Flachlandes. Mitt. Flor.-soz. Arbeitsgem., N.F.
19/20: 211-217
Meisel, K. (1978): Vegetationsentwicklung auf Brachflächen. Act. bot. slovac. Acad. Sci. slovac., Ser
A3: 311-318
Meisel, K. & Hübschmann, A. von (1975): Zum Rückgang von Nass- und Feuchtbiotopen im Emstal.
Natur und Landschaft 50 (2): 33-38
Meisel, K. & Hübschmann, A. von (1976): Veränderungen der Acker- und Grünlandvegetation im
nordwestdeutschen Flachland in jüngerer Zeit. Schriftenreihe Vegetationskunde 10: 109- 124
Michener, W.K., Blood, E.R., Bildstein, K.L., Brinson, M.M. & Gardner L.R. (1997): Climate change,
hurricanes and tropical storms, and rising sea level in coastal wetlands. Ecological
Applications 7 (3): 770-801
Moisier, A.R. (1998): Soil processes and global change. Biology and Fertility of Soils 27 (3): 221-229
Moore, D.M., Lees, B.G. & Davey, S.M. (1991): A new method for predicting vegetation distributions
using decision tree analysis in a Geographic Information System. Environmental
Management 15 (1): 59-71
Morrison, M.L., Marcot, B.G. & Mannan, R.W. (1998): Wildlife-habitat relationships - concepts and
applications. University of Wisconsin Press, Madison: 435 S.
Mortsch, L.D. (1998): Assessing the impact of climate change on the Great Lakes shoreline wetlands.
Müller, F. (1992): Hierarchical approaches to ecosystem theory. Ecological Modelling 63: 214-242
Müller, F., Fränzle, O., Widmoser, P. & Windhorst, W. (1996): Modellbildung in der
Ökosystemanalyse als Integrationsmittel von Empirie, Theorie und Anwendung - eine
Einführung. In: Breckling, B. & Asshoff, M. (Hrsg.): Modellbildung und Modellierung im
Projektzentrum Ökosystemforschung, Ecosys Bd. 4: 1-16
Teil IV - Literatur
155
Müller, F. (1998): Gradients in ecological systems. Proceedings of the Eco-Summit 1996 in
Copenhagen. Ecological Modelling 108: 3-21
Müller, F. (1999): Ökosystemare Modellvorstellungen und Ökosystemmodelle in der Angewandten
Landschaftsökologie. In: Schneider-Sliwa, R., Gerold, G. & Schaub, D. (Hrsg.): Angewandte
Landschaftsökologie, Grundlagen und Methoden. Springer, Berlin: 25-46
Müller, U. (1997): Auswertungsmethoden im Bodenschutz – Dokumentation zur Methodendatenbank
des Niedersächsischen Bodeninformationssystems (NIBIS). Niedersächsisches Landesamt
für Bodenforschung
Munoz, J. & Felicismo, A.M. (2004): Comparison of statistical methods commonly used in predictive
modelling. Journal of Vegetation Science 15: 285-292
Najjar, R.G., Walker, H.A., Anderson, P.J., Barron, E.J., Bord, R.J., Gibson, J.R., Kennedy, V.S.,
Knight, C.G., Megonigal, J.P., O'-Connor, R.E., Polsky, C.D., Psuty, N.P., Richards, B.A.,
Sorenson, L.G., Steele, E.M. & Swanson, R.S. (2000): The potential impacts of climate
change on the mid-Atlantic coastal region. Climate Research 14 (3): 219-233
Nicholls, M.M. & Biggs, R.B. (1985): Estuaries. In: Davis, R.A. Jr. (ed.): Coastal Sedimentary Environments. Springer, Berlin: 77-187
Nicholls, R.J., Hoozemanns, F.M. & Marchand, M. (1999): Increasing the flood risk and wetland losses
due to global sea level rise. Global Environmental Change 9: 569-587
Nicholls, R.J. (2000): Coastal zones. In: Parry, M.L. (ed.): Assessment of potential effects and
adaptions for climate change in Europe - The Europe ACACIA Project. Jackson
Environment Institute, University of East Anglica, Norwich, United Kingdom: 324 S.
NLFB (Niedersächsisches Landesamt für Bodenforschung) (1999): Bodenübersichtskarte von
Niedersachsen 1:50.000 - digital - mit Generallegende. Niedersächsisches Landesamt für
Bodenforschung, Hannover
Noest, V. (1991): Simulated impact of sea level rise on phreatic level and vegetation of dune slacks in
the Voorne dune area (The Netherlands). Landscape Ecology 6 (1/2): 89-97
Novacek, M.J. & Cleland, E.E. (2001): The current biodiversity extinction event: Scenarios for
mitigation and recovery. Proceedings of the National Academy of Sciences of the United
States of America 98 (10): 5466-5470
Oertling, W. (1992): Profiltypen der Ufervegetation der Unterelbe im Bereich und unterhalb der
Mitteltidehochwasser-Linie. Institut für angewandte Botanik: Ufervegetation an Elbe und
Nordsee, Beiheft 3: 37-74
Oliveira-Filho, A.T., Curi, N., Vilela, E.A. & Carvalho, D.A. (1997): Tree species distribution along soil
catenas in a riverside semideciduous forest in southeastern Brazil. Flora 192: 47-64
Olivo De-Lourdes, M. (1997): Assessment of the vulnerability of Venezuela to sea-level rise. Climate
Research 9 (1-2): 57-65
O'Neill, R.V., De Angelis, D.L., Waide, J.B. & Allen T.H.F. (1986): A hierarchical concept of
ecosystems. Monographs in Population Ecology 23, Princeton University Press: 262 S.
Oppermann, F.W. (1996): Die Uferflora der Weser. In: Brandes, D. (Hrsg.): Ufervegetation von
Flüssen. Braunschweiger Geobotanische Arbeiten, Heft 4: 133-154
Orth, A.B., Teramura, A.H. & Sisler, H.D. (1990): Effects of ultraviolet-B radiation on fungal disease
development in Cucumis sativus. American Journal of Botany 77: 1188-1192
Teil IV - Literatur
156
Osterkamp, S. & Schirmer, M. (2000): Projekt „Klimaänderung und Unterweserregion“ (KLIMU).
Teilprojekt „Ökologischer Komplex“, Teil B: Klimasensitivität der Unterweser und ihrer
Vorländer. Universität Bremen. Abschlussbericht im Auftrag des Bundesministeriums für
Bildung, Wissenschaft, Forschung, Technologie und des Landes Bremen,
Förderkennzeichen: 01 LG 9604/8: 151 S.
Osterkamp, S., Kraft, D., Schirmer, M. (2001): Climate change and the ecology of the Weser estuary
region. Climate Research 10 (18): 97-104
Patz, J.A., McGeehin, M.A., Bernard, S.M., Ebi, K.L., Epstein, P.R., Grambsch, A., Gubler, D.J.,
Reiter, P., Romieu, I., Rose, J.B., Samet, J.M. & Trtanj, J. (2000): The potential health
impacts of climate variability and change for the United States: Executive summary of the
report of the health sector of the U.S. National Assessment. Environmental Health
Perspectives 108 (4): 367-376
Peet, R.K. (1992): Community structure and ecosystem function. In: Glenn-Lewin, D.C., Peet, R.K. &
Veblen, T.T. (eds.): Plant sucession, theory and prediction. Chapman & Hall, London: 103151
Poethke, H.J. & Wissel, C. (1994): Zur Bedeutung von Theorie und mathematischen Modellen für den
Naturschutz. Zeitschrift für Ökologie und Naturschutz 29: 107-135
Pohl, D. (1992): Stand der Ausweisungen von Landschaftsschutzgebieten in Niedersachsen.
Niedersächsisches Landesamt für Ökologie (Hrsg.): Informationsdienst Naturschutz
Niedersachsen. Heft 7/92: 218-300
Potter, C.S. & Klooster, S.A. (1999): Dynamic global vegetation modelling for prediction of plant
functional types and biogenic trace gas fluxes. Global Ecology and Biogeography 8 (6): 473488
Preisinger, H. (1991): Strukturanalyse und Zeigerwert der Auen- und Ufervegetation im Hamburger
Hafen- und Hafenrandgebiet. Dissertationes Botanicae Bd. 174. J. Cramer, Berlin: 296 S.
Primack, A.G.B. (2000): Modelling of climate-change effects on riparian vegetation in the Pere
Marquette River, Michigan. Wetlands 20 (3): 538-547
R Development Core Team (2005): R A language and environment for statistical computing. R
Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL
http://www.R-project.org.
Reiter, P. (2001): Climate change and mosquito-borne disease. Environmental Health Perspectives 109
(Supplement 1): 141-161
Rew, L.J., Froud, W.R.J. & Boatman, N.D. (1995): The effect of nitrogen, plant density and
competition between Bromus sterilis and three perennial grasses: The implications for
boundary strip management. Weed Research 35 (5): 363-368
Rice, D., Rooth, J. & Stevenson, J.C. (2000): Colonization and expansion of Phragmites australis in
upper Chesapeake Bay tidal Marshes. Wetlands 20 (2): 280-299
Ripley B.D. (1996): Pattern Recognition and Neuronal Networks. Cambridge University Press,
Cambridge: 416 S.
Roeckner, E. (1998): Veränderung der allgemeinen Zirkulation der Atmosphäre. In: Lozán, J.L., Graßl,
H. & Hupfer, H. (Hrsg.): Warnsignal Klima: wissenschaftliche Fakten. Wissenschaftliche
Auswertungen, Hamburg: 165-169
Teil IV - Literatur
157
Rogan, J., Franklin, J. & Roberts, D.A. (2002): A comparison of methods for monitoring
multitemporal vegetation change using thematic mapper imagery. Remote Sensing of the
Environment 80 (1): 143-156
Rosenthal, G. (1992): Erhaltung und Regeneration von Feuchtwiesen - Vegetationskundliche
Untersuchungen auf Dauerflächen. Dissertationes Botanicae 182. J. Cramer, Berlin: 283 S.
Rosenthal, G., Kundel, W., Janhoff, D., Hengstenberg, M. & Hellberg, F. (1996): Vegetationskundliche
Übersicht des Grünlandes im Bremer Raum – Grundlagen zur Konzeption eines
Grünlandtypenschlüssels. Bund für Umwelt und Naturschutz (BUND) (Hrsg.): Bremer
Beiträge für Naturkunde und Naturschutz 1: 61-73
Rosset,
M.O. (1990): Beziehungen zwischen Vegetation, Bodenwasser, Mikroklima und
Energiehaushalt von Feuchtwiesen unter besonderer Berücksichtigung der Evatranspiration.
Dissertationes Botanicae 159. J. Cramer, Berlin: 244 S.
Rotter, R. & Van De Geijn, S.C. (1999): Climate change effects on plant growth, crop yield and
livestock. Climatic Change 43 (4): 651-681
Rounsevell, M.D.A., Evans, S.P. & Bullock, P. (1999): Climate change and agricultural soils: Impacts
and adaptation. Climatic Change 43 (4): 683-709
Rybczyk, J.M, Callaway, J.C. & Day. J.W. Jr. (1998): A relative elevation model for a subsiding coastal
forested wetland receiving wastewater effluent. Ecological Modelling 112 (1): 23-44
Sanchez, A.A, Jimenez, J.A., Stive, M.J.F., Ibanez, C., Pratt, N., Day, J.W. Jr. & Capobianco, M. (1996):
Impacts of sea-level rise on the Ebro Delta: A first approach. Ocean and Coastal
Management 30 (2-3): 197-216
Scheer, K. (1953): Die Bedeutung von Phragmites communis Trin. für die Fragen der Küstendbildung.
Eine ökologisch-pflanzengeografische Untersuchung. Probleme der Küstenforschung im
Gebiet der südlichen Nordsee 5: 15-25
Scheffer, F. & Schachtschabel, P. (1998): Lehrbuch der Bodenkunde. Enke, Stuttgart: 494 S.
Schellnhuber, H.J. & Sterr, H. (Hrsg.) (1993): Klimaänderung und Küste: Einblick ins Treibhaus.
Springer, Berlin: 400 S.
Scheraga, J.D. & Grambsch, A.E. (1998): Risks, opportunities, and adaptation to climate change.
Climate Research 11 (1): 85-95
Schillinger, P.M. (2002): Flächenhafte Schätzungen mit Classification and Regression Trees und
robuste Gütebestimmung ökologischer Parameter in einem kleinen Einzugsgebiet.
Dissertation an der Universität Bayreuth: 144 S.
Schirmer, M. (1994): Ökologische Konsequenzen des Ausbaus der Ästuare von Elbe und Weser. In:
Lozán, J.L., Rachor, E., Reise, K., Westernhagen, H. von, Lenz, W. (Hrsg.): Warnsignale aus
dem Wattenmeer. Wissenschaftliche Fakten. Blackwell, Berlin: 164-175
Schirmer, M. (1995): Eindeichung, Trockenlegung, Korrektion, Anpassung: Die Abwicklung der
Unterweser und ihrer Marsch. In: Gerken, B. & Schirmer, M. (Hrsg.): Die Weser: zur
Situation von Strom und Landschaft und den Perspektiven ihrer Entwicklung. Limnologie
aktuell, Bd. 6. Fischer, Stuttgart: 35-53
Schirmer, M. (1996): Das Klima und seine Bedeutung für Fluss-Ökosysteme. In: Lozán, J. L. &
Kausch, H. (Hrsg.): Warnsignale aus Flüssen und Ästuaren: wissenschaftliche Fakten. Parey,
Berlin: 23-27
Teil IV - Literatur
158
Schirmer, M., Kraft, D. & Osterkamp, S. (1999): Teilprojekt Ökologischer Komplex. Analyse der
Klimasensitivität der ökologischen Strukturen des inneren Weserästuars und seiner Marsch.
2. Zwischenbericht des Projektes Klimaänderung und Unterweserregion (KLIMU).
Projektnr: 01LK96048. Februar 1999
Schirmer, M. & Schuchardt, B. (1999): Ziel und Ansatz des interdisziplinären Forschungsvorhabens
Klimaänderung und Unterweserregion (KLIMU). In: Schirmer, M. & Schuchardt, B. (Hrsg.):
Die Unterweserregion als Natur-, Lebens- und Wirtschaftsraum - Eine
querschnittsorientierte Zustandserfassung. Bremer Beiträge zur Geographie und
Raumplanung 35: 1-15
Schirmer, M. & Schuchardt, B. (2001): Assessing the Impact of climate change on the weser estuary
region: an interdisciplinary approach. Climate Research 18: 133-140
Schirmer, M. (2005): Das Klimaszenario der Fallstudie „Klimaänderung und Unterweserregion“
(KLIMU). In: Schuchardt, B. & Schirmer, M. (Hrsg.): Klimawandel und Küste – Die
Zukunft der Unterweserregion. Springer, Berlin: 49-56
Schneider, B. (1998): Geomorphologisch plausible Rekonstruktion der digitalen Repräsentation von
Geländeoberflächen aus Höhenliniendaten. Geo-Processing Reihe 35, Zürich Verlag: 226 S.
Schneider-Sliwa, R., Gerold, G. & Schaub, D. (Hrsg.) (1999): Angewandte Landschaftsökologie,
Grundlagen und Methoden. Springer Berlin: 560 S.
Schoppenhorst, A. (1996): Auswirkungen der Grünlandextensivierung auf den Bruterfolg von
Wiesenvögeln im Bremer Raum. Bund für Umwelt und Naturschutz (BUND) (Hrsg.):
Bremer Beiträge für Naturkunde und Naturschutz Bd. 1: 117-123
Schröder, H.H. & Gehlken, B. (1999): Pflanzensoziologische und vegetationskundliche Darstellung
ausgewählter Unterweservorländer. Unveröffentlichtes Gutachten im Auftrag des Projektes
Klimaänderung und Unterweserregion: 28 S.
Schröder,
K. (2000): Situation typischer Vogellebensräume und
Unveröffentlichtes Gutachten im Auftrag des Projektes
Unterweserregion (KLIMU): 79 S.
Vogelgemeinschaften.
Klimaänderung und
Schuchardt, B. (1995): Die Veränderung des Tidenhubs in den inneren Ästuaren von Eider, Elbe,
Weser und Ems. Ein Indikator für die ökologische Verformung der Gewässer. Naturschutz
und Landschaftsplanung 27 (6): 211-217.
Schuchardt, B. & Schirmer, M. (1999): Zu den Wechselwirkungen zwischen Naturraum und
Gesellschaft in der Unterweserregion. In: Schirmer, M. & Schuchardt, B. (Hrsg.): Die
Unterweserregion als Natur-, Lebens- und Wirtschaftsraum. Bremer Beiträge zur Geographie
und Raumplanung 35: 193-211
Schuchardt, B., Schirmer, M., Jansen, G., Nehring, S. & Leuchs, H. (1999): Estuaries and Brackish
Waters. In: De Jong, F. (ed): Wadden Sea Quality Status Report. Wadden Sea Ecosystem 9.
Common Wadden Sea Secretariat, Wilhelmshaven: 175-186.
Schuchardt, B. & Schirmer, M. (2002): Climate change: development of integrative management tools
for coastal protection on the German North Sea coast. IHP/OHP-Berichte, Sonderheft 13:
391-396.
Schuchardt, B & Schirmer, M. (2005): Integrative Analyse und Bewertung der Auswirkungen eines
Klimawandels auf die Unterweserregion. In: Schuchardt, B. & Schirmer, M. (Hrsg.):
Teil IV - Literatur
159
Schuchardt, B., Grabemann, H.-J., Grabemann, I., Kraft, D., Meinken, M., Osterkamp, S. &
Weihrauch, A. (2005): Zukunftsbilder: Wie können zukünftige Veränderungen die
Klimasensitivität des Natur-, Lebens- und Wirtschaftsraumes Unterweserregion
beeinflussen? In: Schuchardt, B. & Schirmer, M. (Hrsg.): Klimawandel und Küste - Die
Zukunft der Unterweserregion. Springer, Berlin: 228-239
Seelig, A. (1992): Profiltypen und Standorte der Elbufer-Vegetation zwischen Staustufe Geesthacht
und Bunthäuser Spitze im Bereich der Mitteltidehochwasserlinie. Institut für angewandte
Botanik: Ufervegetation an Elbe und Nordsee, Beiheft 3: 5-36
Short, F.T. & Neckles, H.A. (1999): The effects of global climate change on seagrasses. Aquatic Botany
63 (3-4): 169-196
Simas, T., Nunes, J.P. & Ferreira, J.G. (2001): Effects of global climate change on coastal salt marshes.
Ecological Modelling 139 (1): 1-15
Smith, J.B & Lazo, J.K. (2001): A summary of climate change impact assessments from the U.S.
Country Studies Program. Climatic Change 50 (1-2): 1-29
Sparks, T.H. & Carey, P.D. (1995): The responses of species to climate over two centuries: An analysis
of the Marsham phenological record, 1736-1947. Journal of Ecology 83 (2): 321-329
Starfield, A.M. & Bleleoch, A.L. (1986): Building models for conservation and wildlife management.
Collier Macmillan, London: 253 S.
Steinrücke, J. (1998): Die Bedeutung der allgemeinen Zirkulation der Atmosphäre und der Ozeane für
das Klima. In: Lozán, J.L., Graßl, H. & Hupfer, H. (Hrsg.): Warnsignal Klima:
wissenschaftliche Fakten. Wissenschaftliche Auswertungen, Hamburg: 25-30
Sternberg, M., Brown, V.K., Masters, G.J. & Clarke, I.P. (1999): Plant community dynamics in a
calcareous grassland under climate change manipulations. Plant Ecology 143 (1): 29-37
Sterr, H. (1998): Gefährdung in den Küstenregionen. In: Lozán, J.L., Graßl, H. & Hupfer, H. (Hrsg.):
248-253
Storch, H. von, Schnur, R. & Zorita, E. (1998): Szenarien & Beratung. Anwenderorientierte Szenarien
für den norddeutschen Küstenbereich. Abschlussbericht. BMBF-Förderkennzeichen 01 LK
9510/0
Streif, H.J. (1993): Geologische Aspekte der Klimawirkungsforschung im Küstenraum der südlichen
Nordsee. In: Schellnhuber, HJ. & Sterr, H. (Hrsg.): Klimaänderung und Küste: Einblick ins
Treibhaus. Springer, Berlin: 77-93
Sündermann, J., Bedding, S., Huthnance, J. & Moores, C.N.K. (2001): Impact of climate change of the
coastal zone: discussion and conclusions. Climate Research 18: 1-3
Tabacchi, E. (1995): Structural variability and invasions of pioneer plant communities in riparian
habitats of the middle Adour River (SW France). Canadian Journal of Botany 73 (1): 33-44
Termaura, A.H. & Sullivan, J.H. (1990): Interaction of elevated ultraviolet-B radiation and CO2 on
productivity and photosynthetic characteristics in wheat, rice and soybean. Plant Physiology
94: 470-475
Teramura, A.H. & Sullivan, J.H. (1994): Effects of UV-B radiation on photosynthesis and growth of
terrestrial plants. Photosynthesis Research 39: 463-47
Thom, R. M. (1992): Accretion rates of low intertidal salt marshes in the Pacific Northwest. Wetlands
12, 3: 147-156
160
Teil IV - Literatur
Titus, J.G. & Narayanan, V. (1996): The risk of sea level rise. Climatic Change 33 (2): 151-212
Tol, R.S.J. & De Vos, A.F. (1998): A Bayesian statistical analysis of the enhanced greenhouse effect.
Triacca, U. (2001): On the use of Granger causality to investigate the human influence on climate.
Theoretical and Applied Climatology 69 (3-4): 137-138
Tüxen,
R. (1956): Die heutige Potentiell Natürliche Vegetation
Vegetationskartierung. Angewandte Pflanzensoziologie 13: 5-43
als
Gegenstand
der
Uthe, A.D. (1988): User oriented description and classification of geoscientific data. Geologisches
Jahrbuch A104: 63-74
Vagts, I., Cordes, H., Weidemann, G. & Mossakowski, D. (2000) : Auswirkungen von
Klimaänderungen auf die biologischen Systeme der Küsten (Salzwiesen & Dünen).
Abschlussbericht des Verbundvorhabens. Projektträger DLR
Van Wijnen, H.J. & Bakker, J.P. (2001): Long-term surface elevation change in salt marshes: A
prediction of marsh response to future sea-level rise. Estuarine Coastal and Shelf Science 52
(3): 381-390
Vayssieres, M.P., Plant, R.E. & Allan-Diaz, B. (2000): Classification trees. An alternative nonparametric approach for predicting species distributions. Journal of Vegetation Science 11:
679-694
Viviansmith G. (1997): Microtopographic heterogeneity and floristic diversity in experimental wetland
communieties. Journal of Ecology 85 (1): 71-82
Waterman, R.E., Misdorp, R.. & Mol, A. (1998): Interactions between water and land in The
Netherlands. Journal of Coastal Conservation 4 (2): 115-126
Watts, J.M. (1999): Rule based Vegetation Classification: the integration of predictive modelling and
digital image processing. In: Geocomputation, 4th International Conference on
GeoComputation, on 25 - 28 July 1999 in Fredericksburg, VA
Weltzin, J.F., Pastor, J., Harth, C., Bridgham, S.D., Updegraff, K. & Chapin, C.T. (2000): Response of
bog and fen plant communities to warming and water-table manipulations. Ecology 81 (12):
3464-3478
Westernhagen, H. von (1993): Mögliche klimabedingte Beeinflussung der Nordsee-Ichtyofauna. In:
Schellnhuber, H.-J. & Sterr, H. (Hrsg.): Klimaänderung und Küste: Einblick ins Treibhaus.
Westernhagen, H. von (1998): Klima und Fischerei. In: Lozán, J.L., Graßl, H. & Hupfer, H. (Hrsg.):
286-291
Wetzel, V. (1987): Der Ausbau des Weserfahrwassers von 1921 bis heute. Jb. Hafenbau-Techn.
Gesellschaft 42: 83-105
Whittaker, R.H. (1973): Approaches to Classifying Vegetation. In: Whittaker, R.H. (ed.): Ordination
and Classification of Vegetation. Handbook of Vegetation Science. Den Haag 5: 323-354
Wiegleb, G. (1986): Grenzen und Möglichkeiten der Datenanalyse in der Pflanzenökologie. Tuexenia
6: 365-377
Whitmore, A.P. (1991): A method for assessing the goodness of computer simulation of soil processes.
Journal of Soil Science 42 (2): 289-299
Teil IV - Literatur
161
Woodwell, G.M., MacKenzie, F.T., Houghton, R.A., Apps, M., Gorham, E., & Davidson, E. (1998):
Biotic feedbacks in the warming of the earth. Climatic Change 40 (3-4): 495-518
Wuebbles, D.J., Jain, A.E., Edmonds, J., Harvey, D. & Hayhoe, K. (1999): Global change: State of the
science. Environmental Pollution 100 (1-3): 57-86
Yodzis, P. (1989): Introduction to theoretical ecology. Harper & Row, New York: 384 S.
Zalakevicius, M. & Zalakevicius, R. (2001): Global climate change impact on birds: A review of
research in Lithuania. Folia Zoologica 50 (1): 1-17
Zeidler, R.B. (1997): Climate change vulnerability and response strategies for the coastal zone of
Poland. Climatic Change 36 (1-2): 151-173
Zerbe, S. (1998): Potential Natural Vegetation: Validity and Applicability in Landscape Planning and
Nature Conservation. Applied Vegetation Science 1: 165-172
Zimmermann, N.E. & Kienast, F. (1999): Predictive Mapping of Alpine Grasslands in Switzerland:
Species versus Community Approach. Journal of Vegetation Science 10: 469-482
Zimmermann, C., Lieberman, N. von & Mai, S. (2005): Die Auswirkungen einer Klimaänderung auf
das Küstenschutzsystem an der Unterweser. In: Schuchardt, B. & Schirmer, M. (Hrsg.):
I
Teil IV - Anhang
11
ANHANG
GEMESSENE UND MODELLIERTE PEGELSTÄNDE ENTLANG DER
UNTERWESER
Im Rahmen des KLIMU-Projektes stellte das TP Unterwesersimulation gemessene und modellierte
Pegelstände für die Unterweser zur Verfügung (GRABEMANN et al. 1999): Im langjährigen Mittel
beträgt der Oberwasserabfluss (MQ) bei Intschede (etwa 30 km flussauf des Bremer Wehres)
323 m3/s. Das langfristige Mittel der jährlichen Maxima (MHQ) liegt bei 1250 m3/s, das langfristige
Mittel der jährlichen Minima (MNQ) bei 124 m3/s. 1991 betrug der mittlere Abfluss nur 214 m3/s,
1994 dagegen 503 m3/s, wobei sich das 1. Quartal 1994 durch drei aufeinander folgende Hochwasser
mit Abflüssen größer 1400 m3/s auszeichnete. Die Mittleren Hoch- (MHw) und Niedrigwasser (MNw)
lagen 1991 und 1994 in der Größenordnung der mittleren Werte für die 10-Jahresreihe 1985 bis 1994,
wobei die 1991er Werte etwa 10 cm niedriger und die 1994er Werte etwa 10 cm höher lagen als die 10jährigen Mittel. Die Datenausgaben erfolgten als Zeitreihen (Ausgabeintervall: 15 min) auf der
Grundlage der real gemessenen Pegel Große Weserbrücke, Vegesack, Farge, Brake und Bremerhaven
Tab. A1: Lage der Pegel zur Wasserstandsmessung entlang der Unterweser
Unterweser-Kilometer (UW km)
UW km 0
UW km 17,9
UW km 26,3
UW km 39,2
UW km 66,7
Namen der Pegel
Große Weserbrücke
Vegesack
Farge
Brake
Bremerhaven
In der Tabelle A2 sind die Ergebnisse der Modellierung des TP Unterwesersimulation von
GRABEMANN et al. (1999) für 8 weitere virtuelle Pegel der Unterweser für die Parameter MThw und
MTnw als Mittelwerte der Jahre 1991 und 1994 unter heutigen Bedingungen (Status quo = SQ) und
unter den Bedingungen einer Klimaänderung (KS) dargestellt. Die Pegeldaten sind zur Übertragung in
ein Geografisches Informationssystem (GIS) auf 11 etwa gleich große Unterweserabschnitte aufgeteilt
worden.
II
Teil IV - Anhang
Tab. A2: Lage, Nummer und Namen der Unterweserabschnitte und Pegel und zugeordnete Höhe des
MThw und des MTnw (Mittleren Tidehoch- und Niedrigwassers über NN in cm) im Status
quo (SQ) und im Klimaszenario (KS) im Längsverlauf der Unterweser zwischen dem
Weserwehr und Bremerhaven (verändert nach GRABEMANN et al. 1999)
Lage der
Unterweserabschnitte
[UnterweserKilometer]
-4,5 bis 0
0 bis 8,5
8,5 bis 17,9
17,9 bis 26,3
26,3 bis 33,3
33,3 bis 39,2
39,2 bis 49,2
49,2 bis 55,8
55,8 bis 60,2
60,2 bis 66,7
66,7 bis 80,0
Unterweser Namen der Pegel
MThw SQ
abschnitt und
in cm über
Nr.
Unterweserabschnitte NN
1
2
3
4
5
6
7
8
9
10
11
Weserwehr
Große Weserbrücke
Oslebshausen
Vegesack
Farge
Elsfleth
Brake
Strohauser Plate
Nordenham
Blexen
Bremerhaven
243
230
224
216
205
197
192
186
182
178
175
MThw KS
in cm über
NN
308
295
289
281
271
263
259
255
252
248
245
MTnw SQ
in cm über
NN
MTnw KS
in cm über NN
-112
-156
-166
-163
-165
-176
-190
-201
-205
-203
-196
-70
-116
-125
-122
-124
-134
-149
-160
-166
-163
-156
Aufgrund der „hydraulischen Glätte“ des Weserästuars setzen sich die anhand des Klimaszenarios
ermittelten Wasserstandserhöhungen am seeseitigen Modellrand (Hochwasser + 70 cm, Niedrigwasser
+ 40 cm) mit kleinen Abweichungen bis Bremen fort. Für feste Oberwasser verlängern sich dabei die
Verweilzeiten von Wasserkörpern in der Unterweser. Die Brackwasserzone dringt im Mittel etwa 2 km
weiter stromaufwärts vor (GRABEMANN et al. 1999).
ÜBERFLUTUNGSDAUER
Zur Berechnung der Überflutungsdauern wurden von Dr. Iris Grabemann (Teilprojekt
Unterwesersimulation) zwei repräsentative Tidezyklen auf Basis gemessener Pegeldaten des 08.06.1994
und 09.06.1994 zur Verfügung gestellt. Anhand der Zuordnung der gemessenen Pegelstände zu den
jeweiligen Tageszeiten wurden die Überflutungsdauern für die 11 Unterweserabschnitte ermittelt. Auf
Basis der Unterweserabschnitte wurde für die ermittelten Überflutungsdauern der Flächenbezug im
GIS hergestellt. In Tab. A3 sind die täglichen Überflutungsdauern in Stunden für die 11
Unterweserabschnitte (Pegel) bezogen auf Höhen über NN in 20 cm Schritten dargestellt.
III
Teil IV - Anhang
Tab. A3: Tägliche Überflutungsdauern in Stunden für die 11 Unterweserabschnitte, bezogen auf die
Unterweser-Kilometer 0 bis 80 für verschiedene Vorlandhöhen über NN in 20 cm Schritten
für einen repräsentativen Tidezyklus vom 08. und 09.06.1994. Die Rohdaten wurden von Dr.
Grabemann vom Teilprojekt Unterwesersimulation ausgewählt und dem KLIMU-Projekt
zur Verfügung gestellt
Höhe in cm Unterweser- Unterweser- Unterweser- Unterweser- Unterweser- Unterweser- Unterweser- Unterweser- Unterweser- Unterweser- Unterweserüber NN
abschnitt
abschnitt
abschnitt
abschnitt
abschnitt
abschnitt
abschnitt
abschnitt
abschnitt
abschnitt
abschnitt
1
2
3
4
5
6
7
8
9
10
11
>320
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
320 bis 300
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
1,0
1,5
300 bis 280
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,5
1,9
2,4
2,9
280 bis 260
0,0
0,0
0,0
0,5
1,5
1,9
1,9
2,9
3,4
3,9
4,4
260 bis 240
1,5
1,9
2,9
2,9
3,4
2,9
3,9
3,9
4,8
4,8
5,3
240 bis 220
3,4
3,9
4,4
4,8
4,8
4,8
4,8
5,8
5,3
6,3
6,8
220 bis 200
4,8
5,3
5,3
5,8
5,8
5,8
6,3
6,8
7,3
7,3
7,7
200 bis 180
6,8
6,8
6,8
6,8
6,8
7,3
7,7
7,7
8,2
8,7
8,7
180 bis 160
7,7
7,7
8,2
8,2
8,2
8,2
8,7
8,7
9,2
9,7
9,7
160 bis 140
9,2
8,7
9,2
9,2
9,2
9,2
9,7
9,7
10,2
10,6
10,6
140 bis 120
13,5
9,7
10,2
10,2
10,6
10,2
10,6
10,6
10,6
11,1
11,6
120 bis 100
11,1
10,6
11,1
11,1
11,6
11,1
11,6
11,6
11,6
12,1
12,1
100 bis 80
12,1
12,1
12,1
12,1
12,6
12,1
12,1
12,6
12,6
13,1
13,1
80 bis 60
12,6
12,6
13,1
13,1
13,5
13,1
13,1
13,5
13,5
14,0
14,0
60 bis 40
13,5
13,5
14,0
14,0
14,5
14,0
14,5
14,0
14,5
15,0
15,0
40 bis 20
14,0
14,5
15,0
14,5
15,0
15,0
15,5
15,0
15,5
15,5
16,4
20 bis 0
15,0
15,5
15,5
15,5
15,5
16,0
16,4
16,0
16,4
16,9
16,9
0 bis –20
16,0
16,4
16,4
16,4
16,4
16,9
17,4
17,4
17,4
17,9
18,4
-20 bis –40
16,9
17,4
16,9
17,4
17,4
17,9
18,4
18,9
18,4
18,4
18,9
-40 bis –60
17,4
18,4
17,9
17,9
18,4
18,9
19,3
19,8
19,8
8,7
20,3
-60 bis –80
18,4
18,9
18,9
18,9
18,9
19,8
20,8
21,3
20,8
20,8
21,3
-80 bis -100
19,8
19,8
19,3
19,8
19,8
20,8
21,3
22,2
22,2
22,2
22,2
-100 bis -120
20,8
20,8
20,3
20,3
21,3
21,3
22,7
23,7
24,2
23,2
24,2
-120 bis -140
22,2
21,8
21,8
21,3
21,8
22,7
24,2
24,2
24,7
24,2
24,2
-140 bis -160
24,2
24,2
23,7
23,2
24,2
24,2
24,2
24,2
24,7
24,2
24,2
-160 bis -180
24,2
24,2
24,7
24,2
24,2
24,2
24,2
24,2
24,7
24,2
24,2
-180 bis -200
24,2
24,2
24,7
24,2
24,2
24,2
24,2
24,2
24,7
24,2
24,2
-200 bis -220
24,2
24,2
24,7
24,2
24,2
24,2
24,2
24,2
24,7
24,2
24,2
-220 bis -240
24,2
24,2
24,7
24,2
24,2
24,2
24,2
24,2
24,7
24,2
24,2
IV
Teil IV - Anhang
ÜBERFLUTUNGSHÄUFIGKEITEN
Zur Berechnung der Überflutungshäufigkeiten mittels eines GIS wurden von Prof. Dr. von Lieberman
vom Teilprojekt Küstenschutz für die Pegel Weserbrücke, Vegesack, Farge, Brake und Bremerhaven
für die Jahre 1991 und 1994 die Unterschreitungshäufigkeiten (wie oft fällt ein Bereich trocken) und
Überschreitungshäufigkeiten (wie oft wird ein Bereich überflutet) für die verschiedenen Vorlandhöhen
in m über NN in 20 cm-Schritten modelliert und im Rahmen des KLIMU-Projektes zur Verfügung
gestellt.
Tab. A4:
Modellierte Unterschreitungshäufigkeiten (wie oft fällt ein Bereich trocken) und
Überschreitungshäufigkeiten (wie oft wird ein Bereich überflutet) pro Jahr bezogen auf die
Tidewasserstände der Jahre 1991 und 1994 für die Pegel Weserbrücke, Vegesack, Farge,
Brake und Bremerhaven (Daten zur Verfügung gestellt von Prof. Dr. von Lieberman,
Teilprojekt Küstenschutz, Uw-km = Unterweser-Kilometer)
Pegelname, Weserbrücke
UnterweserKilometer Uw-km 0
Höhe
[m] Unterüber NN
schreitungshäufigkeit/
Jahr
WeserVegesack
brücke
Uw-km 0 Uw-km 17,9
ÜberUnterschreitungs- schreitungshäufigkeit/ häufigkeit/
Jahr
Jahr
Vegesack
Farge
Farge
Brake
Brake
Bremerhaven
Uw-km 17,9 Uw-km 26,3 Uw-km 26,3 Uw-km 39,2 Uw-km 39,2 Uw-km 66,7
ÜberUnterÜberUnterÜberUnterschreitungs- schreitungs- schreitungs- schreitungs- schreitungs- schreitungshäufigkeit/ häufigkeit/ häufigkeit/ häufigkeit/ häufigkeit/ häufigkeit/
Jahr
Jahr
Jahr
Jahr
Jahr
Jahr
Bremerhaven
Uw-km 66,7
Überschreitungshäufigkeit/
Jahr
-0,7
0,0
706,0
0,0
706,0
0,0
706,0
0,0
706,0
0,0
706,0
-0,5
0,0
706,0
0,0
706,0
0,0
706,0
0,0
706,0
0,0
706,0
-0,3
0,0
706,0
0,0
706,0
0,0
706,0
0,0
706,0
0,2
705,8
-0,1
0,0
706,0
0,0
706,0
0,0
706,0
0,2
705,8
0,4
705,6
0,1
0,1
705,9
0,2
705,8
0,1
705,9
0,5
705,5
0,7
705,3
0,3
0,3
705,7
0,4
705,6
0,3
705,7
0,7
705,3
1,5
704,5
0,5
0,4
705,6
0,6
705,4
0,5
705,5
1,2
704,8
3,2
702,8
0,7
0,7
705,3
1,2
704,8
0,8
705,2
2,4
703,6
6,2
699,8
0,9
1,7
704,3
2,2
703,8
1,7
704,3
5,0
701,0
13,2
692,8
1,1
3,0
703,0
4,6
701,4
3,3
702,7
10,4
695,6
28,5
677,5
1,3
5,6
700,4
8,7
697,3
6,0
700,0
22,4
683,6
63,4
642,6
1,5
11,3
694,7
19,6
686,4
13,0
693,0
47,1
658,9
141,0
565,0
1,7
24,2
681,8
42,9
663,1
28,4
677,6
104,5
601,5
274,0
432,0
1,9
51,5
654,5
95,7
610,3
62,4
643,6
211,9
494,1
439,8
266,2
2,1
106,6
599,4
193,0
513,0
140,6
565,4
368,4
337,6
568,4
137,6
2,3
201,8
504,2
336,6
369,4
272,8
433,2
525,2
180,8
643,8
62,2
2,5
340,8
365,2
485,7
220,3
438,1
267,9
622,4
83,6
676,1
29,9
2,7
481,4
224,6
592,4
113,6
567,7
138,3
667,1
38,9
690,2
15,8
2,9
591,1
114,9
647,1
58,9
636,4
69,6
686,3
19,7
696,6
9,4
3,1
644,9
61,1
675,3
30,7
669,9
36,1
693,4
12,6
700,1
5,9
3,3
673,6
32,4
688,7
17,3
686,9
19,1
698,4
7,6
702,7
3,3
V
Teil IV - Anhang
Tab. A4, Fortsetzung: Modellierte Unterschreitungshäufigkeiten (wie oft fällt ein Bereich trocken)
und Überschreitungshäufigkeiten (wie oft wird ein Bereich überflutet) pro Jahr bezogen
auf die Tidewasserstände der Jahre 1991 und 1994 für die Pegel Weserbrücke, Vegesack,
Farge, Brake und Bremerhaven (Daten zur Verfügung gestellt von Prof. Dr. von
Lieberman, Teilprojekt Küstenschutz, Uw-km = Unterweser-Kilometer)
Pegelname, Weserbrücke
UnterweserKilometer Uw-km 0
Höhe
[m] Unterüber NN
schreitungshäufigkeit/
Jahr
WeserVegesack
brücke
Uw-km 0 Uw-km 17,9
ÜberUnterschreitungs- schreitungshäufigkeit/ häufigkeit/
Jahr
Jahr
Vegesack
Farge
Farge
Brake
Brake
Bremerhaven
Uw-km 17,9 Uw-km 26,3 Uw-km 26,3 Uw-km 39,2 Uw-km 39,2 Uw-km 66,7
ÜberUnterÜberUnterÜberUnterschreitungs- schreitungs- schreitungs- schreitungs- schreitungs- schreitungshäufigkeit/ häufigkeit/ häufigkeit/ häufigkeit/ häufigkeit/ häufigkeit/
Jahr
Jahr
Jahr
Jahr
Jahr
Jahr
Bremerhaven
Uw-km 66,7
Überschreitungshäufigkeit/
Jahr
3,5
688,2
17,8
695,5
10,5
694,2
11,8
701,4
4,6
703,9
2,1
3,7
695,5
10,5
699,7
6,3
698,9
7,1
703,1
2,9
704,9
1,1
3,9
699,6
6,4
701,9
4,1
701,5
4,5
704,4
1,6
705,3
0,7
4,1
702,1
3,9
703,8
2,2
703,5
2,5
705,2
0,8
705,6
0,4
4,3
703,7
2,3
704,6
1,4
704,6
1,4
705,5
0,5
705,7
0,3
4,5
704,6
1,4
705,3
0,7
705,3
0,7
705,6
0,4
705,8
0,2
4,7
705,4
0,6
705,6
0,4
705,5
0,5
705,8
0,2
705,9
0,1
4,9
705,7
0,3
705,8
0,2
705,7
0,3
705,9
0,1
705,9
0,1
5,1
705,9
0,1
705,9
0,1
705,9
0,1
705,9
0,1
706,0
0,0
5,3
705,9
0,1
705,9
0,1
705,9
0,1
706,0
0,0
706,0
0,0
5,5
706,0
0,0
706,0
0,0
705,9
0,1
706,0
0,0
706,0
0,0
5,7
706,0
0,0
706,0
0,0
706,0
0,0
706,0
0,0
706,0
0,0
VI
Teil IV - Anhang
ÜBERSETZUNGSTABELLE FÜR DIE BIOTOPTYPENKARTIERUNG NACH KURZ &
KÜVER (1991) IN DIE BIOTOPTYPEN NACH DER DEFINITION NACH
DRACHENFELS (1994)
Tab. A5: Übersetzungstabelle für die Biotoptypenkartierung von KURZ & KÜVER (1991) in
alphabetischer Reihenfolge in die Biotoptypen nach der Definition von v. DRACHENFELS
(1994)
Abkürzung Biotoptypen
KURZ & KÜVER (1991)
Ai
Bf
Bp
Definition Biotoptypen
Intensivacker, in der Regel
auf Spülfeldern
Forsten aus Pappeln,
Weiden, Ahornbäumen
Pionierwald auf sandigen
Brachen
Einzelbäume, in der Regel
Weiden
Grasacker
Fettwiese
Abkürzung Biotoptypen
v. DRACHENFELS (1994)
AT
WXP
Hybridpappelforst
WPB
PSC
PZA
PHO
OGI
KX
Industrielle Anlage
Küstenschutzbauwerk
KX
KHF
KX
Salzwiese Ästuare
Rb
Campingplätze
Grünanlagen mit Rasen und
Rosen
Gärten von Siedlungen
Industrie- und Lagerflächen
Hochgelegene
Steinpflasterböschungen
Deichweg
Salz-Pioniervegetation
Ritzenvegetation zwischen
Steinen
Strandsimsenröhricht
Birken- und Zitterpappel
Pionierwald
Birken- und Zitterpappel
Pionierwald
Grünlandeinsaat
Mesophiles Grünland mäßig
feuchter Standorte
Flutrasen
Seggen-, binsen-,
hochstaudenreicher Flutrasen
Mesophiles Grünland mäßig
feuchter Standorte
Sonstiges Mesophiles
Grünland
Halbruderale Gras- Staudenflur
mittlerer Standorte
Campingplätze
KBR, FWR, KRS, NRT
Rr
Rohrkolbenröhricht
KBRt, FWRt, NRR
Rs
Schilfröhricht
KBRs, FWRs, KRP, NRS
Strandsimsen-Röhricht:
Brackwasserwatt-, Flusswatt-,
Brackmarsch oder
Landröhricht
Rohrkolbenröhricht:
Brackwasserwatt-, Flusswatt-,
oder Landröhricht
Schilf-Röhricht:
Brackwasserwatt-, Flusswatt- ,
Brackmarsch-, oder
Landröhricht
Bw
Ga
Gd
Gf
Gi
Gn
Gr
Gs
Gt
Gw
Hb
Hc
Hg
Hh
Hi
Kb
Kd
Kp
Kr
WPB
GA
GMF
Flutrasen
Intensivierte Fettwiese
Nährstoffreiche
Feuchtweide
Rotschwingelrasen
GFF
GIM
GNF
Seggengrünland
Ruderalisierte Trockenrasen
Weidelgras-WeißkleeWeiden
Kleingartenbrachen
GNR
RSZ
GMZ
GMF
UHM
VII
Teil IV - Anhang
Tab. A5, Fortsetzung: Übersetzungstabelle für die Biotoptypenkartierung von KURZ & KÜVER (1991)
in die Biotoptypen nach der Definition von v. DRACHENFELS (1994).
Abkürzung Biotoptypen,
Rt
Definition Biotoptypen,
Teichsimsenröhricht
Abkürzung Biotoptypen,
FWR, NRT
Sd
Ruderalflur auf
Spülfelddämmen
Halbruderale
Wildstaudenflur auf
Gartenbrachen
Ruderalflur auf Spülsäumen
mit Treibsel
Trockene Staudenfluren auf
Ufersand
Wiesenkerbelsäume an
Prielen und Gräben
Fischteiche
UHM
Gräben mit gefährdeten
Arten
Laichkrautgräben
Schilfgraben
Kleine Tümpel in
Dauerweiden
Uferseggengräben
Wasserschwadengräben
FGM
Sh
Ss
St
Sw
Wf
Wg
Wl
Ws
Wt
Wu
Ww
UHM
URF
KSN
GFF
SEZ
FGM
FGM
SEZ
FGM
FGM
Definition Biotoptypen,
Teichsimsen-Röhricht:
Flusswatt- oder Landröhricht
mittlerer Standorte
mittlerer Standorte
Ruderalflur frischer bis
feuchter Standorte
Naturnaher Sandstrand mit
Röhricht
Flutrasen
Sonstiges naturnahes,
nährstoffreiches Kleingewässer
Marschgraben
Marschgraben
Marschgraben
Sonstiges naturnahes,
nährstoffreiches Kleingewässer
Marschgraben
Marschgraben
VIII
Teil IV - Anhang
ERGEBNISSE DER PFLANZENSOZIOLOGISCHEN KARTIERUNG AUSGEWÄHLTER
TEILFLÄCHEN DER UNTERWESERVORLÄNDER VON SCHRÖDER & GEHLKEN
(1999)
Tab. A6: Die kartierten Pflanzengesellschaften auf den ausgewählten Standorten mit Einschätzungen
der Nutzungsart und –intensität und des Wasserhaushaltes (aus SCHRÖDER & GEHLKEN
1999)
Standorttyp
Tidebeeinflusstes
Vorland
Tidebeeinflusstes
Vorland
Tidebeeinflusstes
Vorland
Tidebeeinflusstes
Vorland
Sommerpolder
Standortname
Strohauser
Vorländer
Vorkommende
Pflanzengesellschaft
Ranunculus repens-/
Alopecurus pratensis
Strohauser Vereinzelt
Vorländer Rumici-Alopecuretum,
selten Poo-Rumicetum
und Urtica Brachen
Neues
Rumici-Alopecuretum
Pfand
geniculati
- Phragmites australisAusbildung
Neues
Rumici-Alopecuretum
Pfand
geniculati
-Lolium multiflorumAusbildung
Harrier
Poo-Rumicetum
Sand
obtusifolii -Poa annuaAusbildung
Sommerpolder
Harrier
Sand
CynosurionGesellschaften Tanacetum vulgareAusb.
Sommerpolder
Harrier
Sand
z.T. Lolium multiflorum
Ansaat
Nutzungsart und
Nutzungsintensität
zweischürige Mahd
geringe Düngung
zweischürige Mahd
geringe Düngung
Wasserhaushalt
regelmäßig
überflutet, z.T.
sommertrocken
regelmäßig
überflutet, frisch
Brache, vormals:
regelmäßig
Mähweide oder Wiese überflutet,
ganzjährig feucht
Brache, vormals:
Mähweide/Wiese
regelmäßig
überflutet,
wechselfeucht
Mähweiden mit
hohen Besatzdichten,
ca. 200 kgN/ha/J,
Grünlandnachsaaten,
Herbizideinsatz
intensive Beweidung
keine Mahd, geringe
Düngung, keine
Nachsaat, kein
Herbizideinsatz
*grundwasserunabhängig,
gelegentlich
überflutet
gelegentlich
überflutet
*grundwasserunabhängig bedeutet, dass die Gesellschaft keines speziellen Wasserstandes bedarf, lokal
sind die Standorte jedoch in der Regel „frisch“
IX
Teil IV - Anhang
Tab. A6, Fortsetzung: Die kartierten Pflanzengesellschaften auf den ausgewählten Standorten mit
Einschätzungen der Nutzungsart und –intensität und des Wasserhaushaltes (aus SCHRÖDER
& GEHLKEN 1999)
Standorttyp
Standortname
Hammelwarder
Sand
Vorkommende
Pflanzengesellschaft
Poo-Rumicetum
obtusifolii Anthriscus sylvestrisAusbildung
Sommerpolder
Hammelwarder
Sand
Lolio-Cynosuretum
typicum
Spülfeld
Neues
Pfand
Festuca rubraCrepis biennis-Brachen
Sommerpolder
Hammelwarder
Sand
Kleinensieler
Plate
Kleinensieler
Plate
Kleinensieler
Plate
Bremen
(Osterdeich)
Urtica dioica-Brachen
-Stellaria media-Ausb.
keine Nutzung
Poo-Rumicetum
obtusifolii
-Poa annua-Ausb.
Festuca rubraArrhenatherum elatiusBrachen
z.T. RumiciAlopecuretum und
Urtica-Brachen
Convolvulo-Angelicetum
archangelicae
Mähweiden mit hohen *grundwasserBesatzdichten
unabhängig
Sommerpolder
Spülfeld
Spülfeld
Spülfeld
Befestigtes Ufer
Nutzungsart und –
intensität
Vielschnittgrasland:
3-4 Schnitte, kaum
Beweidung, ca. 200
kgN/ha/J,
Nachsaat,
Herbizideinsatz
Standweiden
Viehdichte:
(ca. 1 GVE/ha), kaum
Düngung
Brache, vormals:
Mähweide oder Wiese
Brache
Wasserhaushalt
gelegentlich
überflutet
gelegentlich
überflutet
Gelegentlich
überflutet,
wechselfeucht
*grundwasserunabhängig
*grundwasserunabhängig
Brache
keine Nutzung
Regelmäßig
überflutet,
wechselfeucht
*grundwasserunabhängig bedeutet, dass die Gesellschaft keines speziellen Wasserstandes bedarf, lokal
sind die Standorte jedoch in der Regel „frisch“
X
Teil IV - Anhang
ZUORDNUNG DER IM UNTERSUCHUNGSGEBIET KARTIERTEN
PFLANZENGESELLSCHAFTEN ZU DEN BIOTOPTYPEN (NACH V. DRACHENFELS
1994).
Tab. A7: Zuordnung der durch SCHRÖDER & GEHLKEN (1999) kartierten Pflanzengesellschaften (fett
gedruckt) und der von KURZ & KÜVER 1991, sowie der GFL (1992) kartierten
Pflanzengesellschaften (nicht fett gedruckt) in alphabetischer Reihenfolge, zu den
Biotoptypen nach v. DRACHENFELS (1994)
Name der kartierten Pflanzengesellschaften
SCHRÖDER & GEHLKEN (1999)
Abk.
Biotoptypen
Bezeichnung der für die
grafische Darstellung
zusammengefassten
Biotoptypen
Nährstoffreiche Nasswiese, seggenreich Feuchtgrünland
Calthion (Carex disticha Ges.)
GNR
Convolvulo-Angelicetum archangelicae
UHF
Corynephoretum canescantis, Carex arenariaGes.
Dauco-Arrhenatheretea Fragment
RSZ
Halbruderale Gras-Staudenflur feuchter Ruderalflur
Standorte
Trockenrasen
GIM
Intensivgrünland
Flutrasen
Festuco-arundinacea Potentilla anseriana
GFF
Flutrasen
Festuca-rubra Crepis biennis
GIM
Ehemals Intensivgrünland, jetzt Brache Ruderalflur
Festuca rubra-Arrhenatherum elatius
GIM
Ehemals Intensivgrünland, jetzt Brache Ruderalflur
Lolio-Cynusuretum/Cynosurion
GMF
Mesophiles Grünland, mäßig feucht
Extensivgrünland
Lolio-Cynusuretum
GMZ
Sonstiges Mesophiles Grünland
Extensivgrünland
Lolio-Multiflorum Ansaat
GA
Grünlandeinsaat oder Grasacker
Grasacker
Mais- Kohlacker
AT
Basenreicher Lehm und Tonacker
Acker
Molinio Arrhenatheretea Klassengesellschaft
/Fragment
Molinio Arrhenatheretea Übergang zu
Artemisia -Tanaceto Arrhenateretum
Phalaridetum arundinaceae
GIM
Intensivgrünland
UHM
Ruderalflur
NRG
Halbruderale Gras-Staudenflur
mittlerer Standorte
Landröhricht mit Rohrglanzgras
Poo Rumici obtusifolii Anthriscus
sylvestris-/Poa annua- Ausbildung
Ranunculus repens-Alopecurus pratensis
Gesellschaft
Rumici Alopecuretum geniculati
GIMw
Intensivgrünland
GMF
Mesophiles Grünland, mäßig feucht
Extensivgrünland
GNF
Feuchtgrünland
Rumici-Alopecuretum geniculati
GFF
Flutrasen, seggen- binsenhochstaudenreich
Flutrasen
Scirpetum maritimi, Scirpetum triquetrimaritimi
Scirpetum maritimi, Scirpetum triquetrimaritimi, Scirpetum lacustris
Scirpetum maritimi, Scirpetum triquetrimaritimi, Scirpetum lacustris
Scirpetum maritimus
KRS
FWR
Strandsimsen-Röhricht der
Brackmarsch
Flusswatt-Röhricht
KBR
Röhricht des Brackwasserwatts
KSN
Naturnaher Sandstrand
Strand
Scirpo-Phragmitetum
FWRs
Flusswatt-Röhricht mit Schilf
Scirpo-Phragmitetum
KBRs
Brackwasserwatt-Röhricht mit Schilf
Scirpo-Phragmitetum
KRP
Schilf Röhricht der Brackmarsch
Scirpo-Phragmitetum
NRS
Landröhricht mit Schilf
Scirpo-Phragmitetum Var. Typha latifolia
FWRt
Flusswatt-Röhricht mit Strandsimse
Scirpo-Phragmitetum Var. Typha latifolia
KBRt
Sisymbrietalia, Arction, Polygono-Poetalia
annuae
URF
Brackwasserwatt-Röhricht mit
Rohrkolben
Ruderalflur frisch- feuchter Standorte
Flutrasen
Röhrich unter MThw
Ruderalflur
Teil IV - Anhang
XI
SKRIPTE ZUR MODELLIERUNG DER BIOTOPTYEN UND DER NUTZUNGSTYPEN
MIT DEM PROGRAMM R UND DEM CART-VERFAHREN
Die folgenden beiden Skripte zum Einlesen und Modellieren der Daten in „R“ wurden von Herrn W.
Wosniok, FB 03 Mathematik/Informatik, Universität Bremen für diese Arbeit zur Verfügung gestellt.
Das Statistik-Programm „R“ (R Development Core Team 2005, Version 1.6.1, http://www.rproject.org) und das Statistik-Modul Classification and Regression Trees (tree) können unter
http://pangora.org/cran/ aus dem Internet geladen werden.
Mit folgendem Skript können ASCII-Dateien mit den entsprechenden Zielgrößen und Variablen in das
Programm „R“ eingelesen werden:
# source("lesen1.ssc")
lesen <- function(infile)
{
#
lesen1.ssc 13.08.04
# - Einlesen einer ASCII-Datei
# - daraus Herstellen eines data frame
# infile: Name der ASCII-Datei
#
(voller Pfad, doppelter backslash(\\) nötig)
# outframe: Name des Ausgabe-data-frame
# Bedienung auf der command-line-Ebene:
# 1) source("c:\\lesen.ssc") oder
# Benutzen von 'run' im pulldown-Menü
#
um die Funktion zu übersetzen
#
# 2) <Ziel-Frame> <- lesen(<Eingabedatei>)
#
um Daten zu lesen
#
# Beispiel:
# 2) roh.fra <- lesen("c:\\DatensatzA.csv")
#
# Warnung: Vorsicht mit Leerstellen in der ASCII-Datei - können bewirken,
# dass numerische Werte als character -> factor angesehen werden,
# außerdem werden eventuell mv nicht erkannt. Müssen im output als
# NA erscheinen!
# ------------ alten data frame gleichen Namens löschen ------------- #
#if (exists(deparse(substitute(outframe)),where=1))
#{ cat(paste("\n==> alter data frame ",
#
deparse(substitute(outframe))," wird geloescht\n"))
# cat(dos(paste("dir .Data\\",deparse(substitute(outframe)),sep="")),fill=T)
# remove(paste(deparse(substitute(outframe))),where=1)
#}
# ------------ ASCII-Datei lesen ------------------------------------ #
local.fra <- read.table(file=infile,
header=T,
row.names="ID",
sep =';',
as.is=T,
na.strings=".")
cat("Eingelesene Variablen:\n")
print(names(local.fra))
cat("mode(local): \n")
print(mode(local.fra))
cat("dim(local.fra): \n")
print(dim(local.fra))
cat("Ersten 10 Faelle eingelesen \n")
Teil IV - Anhang
XII
print(local.fra [1:10, ])
# den lokalen data frame auf Ebene 1 verschieben, dabei auf gewünschten
# Namen umbenennen
# assign(deparse(substitute(outframe)),local.fra,where=1)
##assign(deparse(substitute(outframe)),local.fra)
##cat(paste("\n==> Daten aus ",infile," gelesen und als"))
##cat(paste("\n==> data frame ",deparse(substitute(outframe))," gespeichert\n"))
##cat(paste("dir .Data\\",deparse(substitute(outframe)),sep=""),fill=T)
return(local.fra)
message<- "----------- function lesen beendet ------------------ "
}
Mit folgendem Skript kann unter R das Statistik Modul CART (Package „tree“) aufgerufen und
verwendet werden:
### source("c:\\Cart.ssc")
#### ----------- Beginn klassiv -----------------------------------# klassiv bestimmt den Namen der maximalen Komponente in vekt
# bei mehrfachen Maxima wird der erste Name mitgeteilt
# geeignet zur Anwendung auf die Zeilen einer Matrix mit apply
# Beispiel siehe unten
# x <- matrix(c(1,2,3,2,3,1,3,2,1,3,3,2),nrow=4,byrow=T)
# dimnames(x) <- list(c("Z1","Z2","Z3","Z4"),c("A","B","C"))
# print(x)
# print(matrix(apply(x,1,klassiv,dimnames(x)[[2]]),ncol=1))
klassiv <- function(vekt,namen)
# vekt: Vektor, in dem gesucht wird
# namen: Vektor derselben Länge wie vekt mit den Bezeichnungen
#
der Komponenten
# WW, 28.06.02
{
prognose <- namen[(1:length(vekt))[vekt==max(vekt)]]
return(prognose[1])}
#### ----------- Beginn rowpct -----------------------------------rowpct <- function(vekt)
{
return(100*vekt/sum(vekt))}
#### ----------- Beginn blowup -----------------------------------blowup <- function(ct)
# pumpt eine eventuell nicht symmetrische Kontingenztafel zu einer
# symmetrischen auf
{
xnam <- dimnames(ct)[[1]]
ynam <- dimnames(ct)[[2]]
nam <- unique(c(xnam,ynam))
# print(nam)
length.nam <- length(nam)
fct <- matrix(0,nrow=length.nam,ncol=length.nam)
dimnames(fct)<- list(nam,nam)
# print(fct)
# print(ct)
for (i in 1:length(xnam))
{
for (j in 1:length(ynam))
{
i1 <- dimnames(ct)[[1]][i] == dimnames(fct)[[1]]
j1 <- dimnames(ct)[[2]][j] == dimnames(fct)[[2]]
fct[i1,j1] <- ct[i,j] } }
# print(fct)
return(fct) }
#### ----------- Beginn cartSO2 ------------------------------------cartSO2 <- function(utitel,outfile)
{
Teil IV - Anhang
#
#
#
#
#
#
#
#
#
#
05.05.03, WW
Auswertung von "roh.fra"
und
"test.fra" (beide mit lesenSO.ssc zu lesen):
Erzeugen eines Klassifikationsbaums (CART) auf Basis von roh.fra
Vorhersage der Zielvariablen für test.fra mit dem zuvor erzeugten
Baum
Benutzung:
cartWW.ssc
-> per Menü übersetzen
!rm cart.out
als Vorbereitung für sink
sink("cart.out")
Output nach cart.out
kfin <- 50
# k für finalen Baum
# HIER muss entschieden werden!
# cart("Versuch1","ausgabe-datei") # im kommando-Fenster
# cart("Versuch1","c:\\Ergebnis.txt") # z.B.
# cart("Versuch1","c:\\Ergebnis.txt")
#
Ausführen
# sink()
schaltet Ausgabe zurück auf Bildschirm
# Parameter beim Aufruf:
# utitel - (Unter)titel, gelegentlich beim Plotten benutzt
# outfile - Ausgabedatei für die entstehende Prognose: pro Eingabe-Satz
#
der Vektor mit allen Klassenwahrscheinlichkeiten +
#
Angabe der Klasse mit der höchsten Wahrscheinlichkeit (= die
#
eigentliche Schätzung)
#
# - Plotten
# - des maximalen Baums
# - der Zuordnung
# - der Pruning-Sequenz mit Entwicklung Deviance, Anz. Endknoten,
# Fehlklassifikationsrate
# - Verteilung der Zielgröße in Ausgangsdaten, Testdaten, nach Schätzung
#
# ----------- Text zur Identifikation --------------------------------- #
zielvar <<- "BTTYP"
zvtext <<- "Biotoptyp"
progname <<- "cart.ssc"
cat( "\n")
cat( "================== Beginn cartSO ==========================",fill=T)
cat(paste(progname,": CART fuer Zielgröße '",zvtext,"'",sep=""),fill=T)
cat( "Variablenname der Zielgroesse: BTTYP",fill=T)
cat( "Erklaerende Variablen (Kandidaten fuer Aufnahme in den Baum)",fill=T)
cat( "-----------------------------------------------------------",fill=T)
cat(paste(
"\n
BTTYP",
"\n TYPNRSQ NUTZNRSQ BODENTYP" ,
"\n MTHWSQ MTNWSQ UEBERASQ" ,
"\n UEFLSQ DMTHSQ DMTNSQ SFEUCHSQ" ,
"\n SALZSQ"),
fill=T)
cat(paste("Kennung fuer diese Auswertung:",utitel),fill=T)
plottext <- paste("ZV:",zvtext,
"\n Auswahl aus:",
"\n
" ,
"\n TYPNRSQ NUTZNRSQ BODENTYP" ,
"\n MTHWSQ MTNWSQ UEBERASQ" ,
"\n UEFLSQ DMTHSQ DMTNSQ SFEUCHSQ",
"\n SALZSQ"),
# ------------ Maximalen Baum erzeugen -------------------------------- #
# Daten für die Baum-Herstellung einlesen und in frame analyse.fra packen
attach(roh.fra)
cat("cart: Namen in roh.fra",fill=T)
print(names(roh.fra))
temp.fra <<- data.frame(
XIII
Teil IV - Anhang
BTTYP,
TYPNRSQ , NUTZNRSQ , BODENTYP ,
MTHWSQ , MTNWSQ , UEBERASQ , UEFLSQ,
DMTHSQ , DMTNSQ , SFEUCHSQ ,
SALZSQ,
row.names=row.names(roh.fra)
)
# Variablen in roh.fra wegen
# attach() jetzt bekannt
# hoffentlich nicht anderswo vorhanden
# VORSICHT: nicht alle Var in temp.fra übernommen!
# mv's entfernen
mv <- 1 * is.na(temp.fra)
# erzwingt Darstellung in 0/1
mvsum <- mv %*% matrix(1,ncol(mv),1) # Zeilensumme, mühsam
analyse.fra <<- temp.fra[mvsum==0, ]
# alle mv's sollten raus sein
n.ok <- length(analyse.fra[ ,1])
cat(paste("Brauchbare Fälle in analyse.fra:",n.ok),fill=T)
plottext <- paste(plottext,"\n Brauchbare Faelle in analyse.fra:",n.ok)
detach(roh.fra)
cat("cart: Namen in analyse.fra",fill=T)
print(names(analyse.fra))
# ---------------------# Daten für den Baum-Test einlesen und in frame cvtest.fra packen
attach(test.fra)
cat("cart: Namen in test.fra",fill=T)
print(names(test.fra))
temp.fra <<- data.frame(
BTTYP,
TYPNRSQ , NUTZNRSQ , BODENTYP,
MTHWSQ , MTNWSQ , UEBERASQ , UEFLSQ,
DMTHSQ , DMTNSQ , SFEUCHSQ ,
GWHO , GWNIED ,
GWSSQ , SALZSQ ,
row.names=row.names(test.fra)
)
# VORSICHT: nicht alle Var in temp.fra übernommen!
# mv's entfernen
mv <- 1 * is.na(temp.fra)
# erzwingt Darstellung in 0/1
mvsum <- mv %*% matrix(1,ncol(mv),1) # Zeilensumme, mühsam
cat("\n mvsum \n")
print(mvsum[1:10])
cvtest.fra <<- temp.fra[mvsum==0, ]
# alle mv's sollten raus sein
ncv.ok <- length(cvtest.fra[ ,1])
cat(paste("Brauchbare Fälle in cvtest.fra:",ncv.ok),fill=T)
plottext <- paste(plottext,"\n Brauchbare Faelle in cvtest.fra:",ncv.ok)
detach(test.fra)
cat("cart: Namen in cvtest.fra",fill=T)
print(names(cvtest.fra))
# ---------------------attach(analyse.fra)
cat("\n BTTYP:\n")
##print(table(analyse.fra$BTTYP))
cat("\n DMTHSQ:\n")
##print(table(analyse.fra$DMTHSQ))
baum.max <- tree(BTTYP~
TYPNRSQ+
NUTZNRSQ+
BODENTYP+
UEBERASQ+
UEFLSQ+
DMTHSQ+
DMTNSQ+
SFEUCHSQ+
XIV
Teil IV - Anhang
SALZSQ
,
data=analyse.fra,
na.action=na.omit,#
minsize=2,
mindev=0)
# Standardbaum erzeugen,
# maximale Größe
# baum.max <- tree(BTTYP~
#
DMTHSQ
#
,
#
data=analyse.fra,
#
na.action=na.omit,#
#
minsize=2,
#
mindev=0)
# Standardbaum erzeugen,
# maximale Größe
cat("\n ----------- MAXIMALER Baum\n")
# print(baum.max)
# Baum ausgeben
cat("Zusammenfassung\n")
print(summary(baum.max))
# Zusammenfassende Beschreibung
# Merke :
#
Deviance in Knoten i = - 2 * Summe_j n_{ij} * log p_{ij}
#
# Splits werden so gewählt, daß Deviance maximal verringert
#cat("Namen in baum.max\n")
#print(names(baum.max))
# Namen in der Liste baum.max
# cat("Inhalt des frames baum.max\n")
# print(baum.max$frame)
# Inhalt des frames
graphics.off()
# vorhandene Graphik weg
win.graph()
# neues Graphik-Fenster
# tree.screens()
# Bildschirm in 2 Teile
plot(baum.max)
# Titel paßt nicht mehr, mit
# locator einbauen
# Knoten-Beschriftung
# col: Farbe,
# cex: Größe,
# crt: Winkel
#srt:rotation for text
# pretty=0: volle Namen
text(baum.max,pretty=0,col=3,cex=0.4,srt=90)
cat("Position fuer Titel-Text anklicken",fill=T)
text(locator(1),paste(plottext,"\n Maximaler Baum"),col=4,cex=0.6,srt=90)
# Titel zu Fuß plazieren
cat("ok, angekommen",fill=T)
# tile.tree(baum.max,zielvar)
# Häufigkeitsverteilung von
# klasse in unteren Bildteil
# ------------------- Baum reduzieren ----------------------------cat("Pruning laeuft - kann dauern ...\n")
baum.pru <- prune.tree(baum.max) # Baum beschneiden
#print(baum.pru)
# Pruning-Sequenz ausgeben
# Merke : Pruning berechnet für Pruning-Parameter k (alpha im Buch)
# für jeden Teilbaum T' die Größe
#
D_alpha(T') = D(T') + alpha * size(T')
# und entfernt den Teilbaum mit minimalem D_alpha (D = Deviance).
#
# Wird beim Pruning-Aufruf kein k (bzw. alpha) vorgegeben, so
# wird eine Sequenz von k's erzeugt und für jedes Sequenz-Element
# geprunt (mitgeteilt wird nur die resultierende Deviance und die
# Anzahl Endknoten).
# Wird beim Aufruf ein k vorgegeben, so wird für dieses k der
# optimale Baum bestimmt (und mitgeteilt).
win.graph()
# und noch ein Fenster, für 3 Plots,
par(mfcol=c(3,1))
plot(baum.pru$k,baum.pru$dev,
XV
Teil IV - Anhang
main="Pruning-Sequenz",
sub=paste(zvtext," Ausgangsbaum: max., Modell : ",utitel),
xlab="Pruning-Parameter k",ylab="Deviance")#
plot(baum.pru$size,baum.pru$dev,
main="Pruning-Sequenz",
sub=paste(zvtext," Ausgangsbaum: max., Modell : ",utitel),
xlab="Tree-Groesse",ylab="Deviance")
# ------------------ optimalen Baum im Detail ------------------# ------------------ hier muß entschieden werden ! -------------# ----------------- Grundlage: Missklassifikationsrate ---------### kfin <- 1
wird im Kopf gesetzt
baum.fin <- prune.tree(baum.max,k=kfin)
# Baum plotten
win.graph()
# neues Graphik-Fenster
# tree.screens()
# Bildschirm in 2 Teile
plot(baum.fin)
# Titel paßt nicht mehr, mit
# locator einbauen
# Knoten-Beschriftung
text(baum.fin,pretty=0,col=3,cex=0.6,srt=90)
cat("Position fuer Titel-Text anklicken",fill=T) #
text(locator(1),paste(plottext,"\n Finaler Baum, k = ",kfin),cex=0.5,col=5,srt=90)
# Titel zu Fuß plazieren
cat("ok, angekommen",fill=T)
# tile.tree(baum.fin,zielvar)
# Häufigkeitsverteilung der
# Zielvariable - geht nicht
####### Schätzungen der Zielvariable aus dem finalen Baum
cat("\n ----------------------------------------------------------")
cat("\n Finaler Baum nach pruning\n")
cat(paste("\n Auswertung:",utitel))
cat(paste("\n pruning-parameter kfin =",kfin,"\n"))
# cat("Finaler Baum: Inhalt von baum.fin \n ")
# print(baum.fin)
# ausgeben
# cat("Namen in baum.fin \n" )
# Namen in baum.fin
# print(names(baum.fin))
cat("Zusammenfassung\n")
print(summary(baum.fin))
# Zusammenfassende Beschreibung
### Schätzung Zielvariable für die Daten, aus dem der Baum stammt
baum.fin.pred <- predict(baum.fin,analyse.fra)
#cat("Schätzung Zielvariable mit finalem Baum - angewendet auf analyse.fra",fill=T)
#print(baum.fin.pred[1:10, ])
# S+ liefert den Vektor aller Klassenwahrscheinlichkeiten,
# daraus die eigentlich Schätzung bestimmen
# (=Klasse mit max. Wahrscheinlichkeit)
pred <- matrix(apply(baum.fin.pred,
1,
klassiv,dimnames(baum.fin.pred)[[2]]),
ncol=1)
cat("Schätzungen [1:5] durch finalen Baum fuer Kalibrierungs-Datensatz\n")
##print(cbind(pred[1:5],baum.fin.pred[1:5, ]))
cat("\n ----------------------------------------------------------")
cat("\n Vorhersageguete innerhalb des Kalibrierungs-Datensatzes\n")
cat("\n beobachteter Wert der Zielgroesse in den Daten (Zeile)")
cat("\n durch finalen Baum geschaetzter Wert (Spalte)\n")
cat("\n 1) Anzahlen\n")
ct <- table(as.factor(analyse.fra$BTTYP),as.factor(pred))
# Vorsicht, ct ist unter Umständen nicht symmetrisch!
classicount <- blowup(ct)
# aber classicount ist es
print(classicount)
cat("\n 2) Prozente (Summe pro Zeile = 100%)\n")
XVI
Teil IV - Anhang
classipct <- t(apply(classicount,1,rowpct))
classipct <- 100*classicount/sum(classicount)
##print(classipct)
errrate <- 100*(sum(classicount)-sum(diag(classicount)))/sum(classicount)
cat(paste("\nFehlerrate fuer Kalibrierungs-Datensatz:",errrate,"%\n"))
### Kreuzvalidierung: Schätzung Zielvariable für unabhängige Test-Daten
baum.fin.predcv <- predict(baum.fin,cvtest.fra)
# baum.fin.predcv ist eine Matrix, Spaltennamen stehen in dimnames(...)[[2]]
#cat("Vorhersage Zielvariable gemaess finalem Baum - angewendet auf cvtest.fra",fill=T)
#print(baum.fin.predcv[1:5, ])
# Schätzung auf Datei schreiben
estimate <- data.frame(baum.fin.predcv)
cat("Inhalt von estimate\n")
##print(estimate)
write.table(estimate,sep=";",file=outfile,col.names=NA)
# S+ liefert den Vektor aller Klassenwahrscheinlichkeiten,
# daraus die eigentlich Schätzung bestimmen
# (=Klasse mit max. Wahrscheinlichkeit)
predcv <- matrix(apply(baum.fin.predcv,
1,
klassiv,dimnames(baum.fin.predcv)[[2]]),
ncol=1)
cat("Schätzungen [1:5] durch finalen Baum fuer Kreuzvalidierung-Datensatz\n")
##print(cbind(predcv[1:5],baum.fin.predcv[1:5, ]))
cat("\n ----------------------------------------------------------")
cat("\n Vorhersageguete innerhalb des Kreuzvalidierung-Datensatzes\n")
cat("\n beobachteter Wert der Zielgroesse in den Daten (Zeile)")
cat("\n durch finalen Baum geschaetzter Wert (Spalte)\n")
cat("\n 1) Anzahlen\n")
ct <- table(as.factor(cvtest.fra$BTTYP),as.factor(predcv))
classicount <- blowup(ct)
#print(classicount)
cat("\n 2) Prozente (Summe pro Zeile = 100%)\n")
classipct <- t(apply(classicount,1,rowpct))
#classipct <- 100*classicount/sum(classicount)
##print(classipct)
errrate.cv <- 100*(sum(classicount)-sum(diag(classicount)))/sum(classicount)
cat(paste("\nFehlerrate fuer Kreuzvalidierung-Datensatz:",errrate.cv,"%\n"))
### bis hier durchgegangen
#win.graph()
#par(mfcol=c(2,2))
#tab1 <- table(analyse.fra$BTTYP)
#barplot(tab1,names=dimnames(tab1)[[1]],
#
main=paste("wahre Verteilung",zielvar,"Kali.-Datensatz"),cex=0.4,col=2)
#tab2 <- table(cvtest.fra$BTTYP)
#
main=paste("wahre Verteilung",zielvar," CV-Datensatz"),cex=0.4,col=3,srt=90)
#tab3 <- table(pred)
#
main=paste("geschaetzte Verteilung",zielvar," Kali-Datensatz"),cex=0.4,col=4)
#tab4 <- table(predcv)
#
main=paste("geschaetzte Verteilung",zielvar," CV-Datensatz"),cex=0.4,col=5)
# ----------------- Schluss ------------------------------------cat("==================== Ende von cartS0 ===================",fill=T)
# Funktions-Ende in nächster Zeile
}
Beispiel für das Einlesen einer ASCII-Datei in R (R Development Core Team 2005, Version 1.6.1,
http://www.r-project.org) und die Modellierung mit dem CART-Verfahren (Classification and
Regression Trees):
> source("c:\\ lesen.ssc")
XVII
XVIII
Teil IV - Anhang
> source("c:\\ cart.ssc")
> roh.fra<- lesen("c:\ \Datensatz_A.csv")
> test.fra<- lesen("c: \\Datensatz_B.csv")
> cart("Ergebnis","c:\\Ergebnis.txt")
ERGEBNISSE DER MODELLIERUNG DER NUTZUNGSTYPEN MIT DEM VSMODELL
Tab. A8: Gegenüberstellung der Modellergebnisse in ha und % für die Biotoptypen im Status quo und
infolge einer Klimaänderung mit Nutzungsszenario 1 und Nutzungsszenario 2
Nutzungstyp
Naturnah
mäßig verändert
stark verändert
Künstlich
keine Angaben
Summe Vorlandfläche gesamt
Status
Modell
Modell
quo Klimaszenario + Klimaszenario +
[ha] Nutzungsszenario 1 Nutzungsszenario 2
[ha]
[ha]
2124
274
599
1770
1016
212
158
6152
2469
377
467
2082
410
38
308
6152
Veränderung
Veränderung
gesamt
gesamt
Modell
Modell
Klimaszenario + Klimaszenario +
[%]
[%]
4683
6
42
291
2
0
470
-2
-2
80
5
-27
285
-10
-12
34
-3
-3
308
2
2
6152
0
0
XIX
Teil IV - Anhang
ERGEBNISSE DER MODELLIERUNG DER BIOTOPTYPEN MIT DEM VS-MODELL
INFOLGE EINER KLIMAÄNDERUNG MIT NUTZUNGSSZENARIO 1 UND 2
Tab. A9: Gegenüberstellung der Modellergebnisse in ha und % für die Biotoptypen im Status quo
und infolge einer Klimaänderung mit Nutzungsszenario 1 und Nutzungsszenario 2 (MThw
= Mittleres Tidehochwasser, MTnw = Mittleres Tideniedrigwasser)
Biotoptyp
Acker
Bäume/ Gehölze
Bebauung
Brackwasserwatt
Brackmarsch
Schilfröhricht Brackmarsch
Schilfröhricht Brackwasserwatt
Brackwasserwatt
Extensivgrünland
Feuchtgrünland
Flutrasen
Teichsimsenröhricht Flusswatt
Freizeit
Flusswatt
Grasacker
Intensivgrünland
Ruderalflur
Schilfröhricht
Steinufer
Strand
Trockenrasen
Keine Angaben
Röhricht gesamt
Röhrichte unter MThw
Landwirtschaftlich genutzte
Fläche
Watt gesamt
Summe Vorlandfläche gesamt
Status
Modell
Modell
quo Klimaszenario + Klimaszenario +
[ha] Nutzungsszenario 1 Nutzungsszenario 2
[ha]
[ha]
437
103
204
140
218
20
Veränderung
Veränderung
gesamt
gesamt
Modell
Modell
Klimaszenario + Klimaszenario +
[%]
[%]
27
-5
-7
201
2
2
15
-3
-3
24
171
252
2
4
387
10
171
610
527
25
53
215
377
497
202
1770
145
112
8
99
19
158
918
509
410
246
0
514
619
449
0
18
115
120
708
150
2082
159
96
19
0
0
308
1142
342
800
278
0
677
619
417
0
53
629
114
1777
144
80
91
452
19
0
0
308
2287
730
1558
-2
0
6
0
-1
0
-1
-2
-4
3
-1
5
0
0
0
-2
0
2
4
-3
6
-2
0
8
0
-2
0
0
7
-4
21
-1
-27
-1
6
0
-2
0
2
22
4
19
3014
1107
6152
2839
1327
6152
721
2396
6152
-3
4
0
-37
21
0
XX
Teil IV - Anhang
ERGEBNISSE DER EINZELTESTS ZUR AUSWAHL DER FÜR DIE MODELLIERUNG
MIT DEM VS-MODELL VERWENDETEN STANDORTPARAMETER
Die Vorhersagegenauigkeit des VS-Modells wurde zunächst für jeden Standortparameter in Einzeltests
für die Zielvariable „Biotoptyp“ getestet. Die folgende Tabelle gibt eine Übersicht über die mit dem
VS-Modell
und
dem
CART-Verfahren
mit
jeweils
einem
Standortparameter
erzielten
Fehlklassifikationsraten und Trefferquoten zur Vorhersage der Zielvariable „Biotoptyp“. Die
Einzeltests dienten der Vorauswahl der Standortparameter.
Tab. A10: Übersicht über die Fehlklassifikationsraten und Trefferquoten der Modellierung der
Zielvariable „Biotoptyp“ für jeweils einen Standortparameter
Unabhängige Variablen,
Standortparameter
Abkürzung
Nutzungstyp
Überflutungshäufigkeit / Jahr
Differenz zum MThw
Differenz zum MTnw
Mittlere Salzkonzentration
Überflutungsdauer / Tag
Standorttyp
Bodentyp
Bodenkundliche Feuchtstufe
Durchwurzelungstiefe
Grundwasserstufe hoch
Grundwasserstufe niedrig
Grundwasserstufe
Grundnässestufe
Kapillarwasser
Mittleres hohes Grundwasser
Mittleres niedriges Grundwasser
NUTZNR
UEBERA
DMTH
DMTN
SALZ
UEFL
TYPNR
BODENTYP
SFEUCH
WURZEL
MHGW
MNGW
GWS
GNS
KAPI
MHGW
MNGW
FehlTrefferklassifikationsrate quote
56,5
63,8
70,3
73,1
Abhängige Variable,
Zielvariable
43,5 Biotoptyp
36,3 Biotoptyp
29,7 Biotoptyp
16,9 Biotoptyp
29,1 Biotoptyp
70,9
78,2
21,8 Biotoptyp
80,5
19,6 Biotoptyp
83,9
16,1 Biotoptyp
85,9
14,1 Biotoptyp
86,0
14,0 Biotoptyp
86,6
13,4 Biotoptyp
86,6
13,4 Biotoptyp
86,7
13,3 Biotoptyp
keine Ergebnisse
keine Ergebnisse Biotoptyp
keine Ergebnisse
keine Ergebnisse
keine Ergebnisse
XXI
Teil IV - Anhang
Tab. A11: Übersicht über die 21 für die Modellierung aggregierten Biotoptypen, deren Abkürzung und
deren Beschreibung
Für die Modellierung aggregierte Biotoptypen
Kartierte
Beschreibung
Biotoptypen
Acker
Bäume/Gehölze
Bäume/Gehölze
Bebauung
Bebauung
Bebauung
Extensivgrünland
Extensivgrünland
Feuchtgrünland
Feuchtgrünland
Flutrasen
Flutrasen
Freizeitanlage
Freizeitanlage
Freizeitanlage
Freizeitanlage
Grasacker
Intensivgrünland
Intensivgrünland
Landröhricht
Landröhricht
Landröhricht
Flusswatt-Röhricht
Flusswatt-Röhricht
Flusswatt-Röhricht
Brackwasserwatt-Röhricht (Strand- od. Teichsimse)
Brackwasserwatt-Röhricht (Strand- od. Teichsimse)
Ruderalflur
Ruderalflur
Ruderalflur
Steinufer
Strand
Trockenrasen
(Abkürzung)
AT
WPB
WXP
ODP
OGI
OI
GMF
KHF
GNR
NSG
GFF
GNF
PA
PHO
PSC
PZA
GA
GIM
GIMw*
KRP
KRS
NRR
NRS
NRT
FWR
FWRs
FWRt
KBR
KBRs
KBRt
UHF
UHM
URF
KX
KSN
RSZ
FWO
KBO
Birken- und Zitterpappel-Pionierwald
Hybridpappelforst
Landwirtschaftliche Produktionsanlage
Industrielle Anlage
Innenstadtbereich
Mesophiles Grünland mäßig feuchter Standorte
Salzwiese der Ästuare
Seggenried, nährstoffreicher Standorte
Flutrasen
Seggen-, binsen-, hochstaudenreicher Flutrasen
Parkanlage
Campingplatz
Grünland-Einsaat (Grasacker)
Intensivgrünland der Marschen (Mähweide)*
Rohrkolben-Landröhricht
Schilf-Landröhricht
Teichsimsen-Landröhricht
Flusswatt-Röhricht mit Strandsimsen
Flusswatt-Röhricht mit Schilf
Flusswatt-Röhricht mit Rohrkolben
Brackwasserwatt-Röhricht mit Strandsimse
Brackwasserwatt-Röhricht mit Teichsimse
Halbruderale Gras-und Staudenflur feuchter Standorte
Halbruderale Gras-und Staudenflur mittlerer Standorte
Ruderalflur frischer bis feuchter Standorte
Küstenschutzbauwerk, Steinschüttung
Naturnaher Sandstrand, Sandwatt* mit Röhricht*

GIS-gestützte Modellierung der räumlichen Verteilung der - E-LIB

Transcription

Similar documents

B-Plan Nr. 12 - Wohnpark Am Rieden (Planzeichnung)

Partystimmung mit Timecheck

Grundschule An der Leybucht - eine friedliche Schule am Deich -

Tidebeeinflusstes Flachwassergebiet Kreetsand