Kurzbeschreibung
(Deutsch)
|
Eine nachhaltige Waldbewirtschaftung umfasst, neben der Holzproduktion, auch die Förderung der Biodiversität sowie die Bereitstellung vielfältiger wichtiger Ökosystemleistungen wie Erholung, Schutz vor gravitativen Naturgefahren und Kohlenstoffspeicherung. Die zentrale Aufgabe der forstlichen Planung und der Bewirtschaftung der Wälder ist die nachhaltige Bereitstellung dieser Ökosystemleistungen zu gewährleisten. Für viele dieser Ökosystemleistungen fehlt jedoch auf betrieblicher Ebene bis heute eine adäquate Inwertsetzung, weshalb deren Beteiligung am Betriebserfolg nur indirekt berücksichtigt werden kann. Um diese Aspekte dennoch in die forstliche Planung einzubeziehen, braucht es geeignete Konzepte und Instrumente zur Entscheidungsunterstützung. Dazu wurde in einem vorherigen Projekt ein solches Entscheidungsunterstützungssystem (DSS, von engl. Decision Support System) an der WSL entwickelt (Blattert 2020).
Dieses DSS überzeugt durch eine differenzierte Bewertung und Darstellung des Einflusses verschiedener Behandlungsstrategien auf die Nachhaltigkeit der Bewirtschaftung unter ökonomischen, ökologischen und sozialen Aspekten. Jedoch wurde von Blattert (2020) insbesondere die Notwendigkeit einer Erhöhung der Flexibilität zur Anwendung des Modells auf weitere Untersuchungsgebiete, sowie die Ausweitung des Modells auf mögliche Strategie-Mischungen als zukünftiger Forschungsbedarf hervorgehoben.
Ziel dieses Projektes war es, das Modell anzupassen und mit einem räumlichen Optimierungsalgorithmus zu ergänzen, sodass es den idealen Mix aus den unterschiedlichen Bewirtschaftungsstrategien automatisch ermittelt. Ausserdem wurde durch Anpassungen in der Form der Berechnungen die Flexibilität bezüglich des Einbezugs weiterer Indikatoren wie z.B. des Auerhuhns und der Anwendung auf weitere Fall-studien erhöht. Gleichzeitig wurde auch mit der Plenterbewirtschaftung, namentlich mit der Dauerwaldbewirtschaftung, eine neue Bewirtschaftungsstrategie implementiert, welche für viele Flächen in der Schweiz von grosser Relevanz ist. Das Modell bildet jetzt sowohl also gleich- aber auch ungleichförmige Bewirtschaftungsmodelle ab, bzw. Altersklassen- und Plenterwälder.
In einem ersten Schritt wurden die Daten aus den Stichprobeinventuren der Untersuchungsgebiete vorbereitet und daraus virtuelle Bestände im Waldwachstumssimulator «Waldplaner» erzeugt und die zukünftige Waldentwicklung unter den gegebenen waldbaulichen Behandlungsstrategien über 50 Jahre simuliert (Hansen und Nagel 2014). In einem zweiten Schritt wurde das Modell modifiziert, um die Indikator- und Nutzwerte (sog. Utilitywerte) auf Stichprobenebene zu berechnen und die Eingangsdaten für die räumliche Optimierung zu erzeugen.
In einem dritten Schritt wurde ein räumliches Optimierungsmodell entwickelt. Dieses minimiert die Abweichungen der verschiedenen Indikatoren von einem bestmöglich erreichbaren Wert. Das Optimierungsmodell weist jeder Stichprobe eine Bewirtschaftungsstrategie zu.
Zuletzt wurde das resultierende Gesamtsystem für die beiden Untersuchungsgebiete Bülach (ZH) und Gottschalkenberg (ZG) angewendet und graphisch ausgewertet. Dabei galt es, den idealen Mix an Behandlungsstrategien sowie dessen räumliche Verteilung zu ermitteln, der die individuellen Ansprüche der Bewirtschafter bestmöglich erfüllt.
Bei den betrachteten Bewirtschaftungsstrategien war auffällig, wie gut die Szenarien ohne Räumungen (Keine Bewirtschaftung, Plenterung/Dauerwald), im Vergleich zu den klassischen Bewirtschaftungsstrategien im schlagweisen Hochwald abschnitten. Im Weiteren resultierte ein Trade-Off zwischen der Holzproduktion und den Indikatorengruppen Erholung, Biodiversität und Kohlenstoffspeicherung, d.h. dass bei einer Strategie, bei welcher die Holzproduktion gut abschneidet, die anderen Indikatoren schlechter abschnitten. Dieses Verhalten ist u.a. auch auf die vergleichsweise kurzen Simulationszeiträume (in 5 Jahresschritte, bis 50 Jahre) zurückzuführen. Bei der räumlichen Optimierung wurde jeder Stichprobenfläche eine Bewirtschaftungsstrategie zugewiesen, so dass über die ganze Fallstudie der Nutzen maximiert wurde. Die verwendeten Probeflächen aus den Inventuren repräsentieren für den Forstbetrieb Bülach 1.2 ha (Raster 80m x 150m) und für Gottschalkenberg (Kanton Zug) 1 ha (Raster 100m x 100m). Die mit dem Waldplaner simulierten Bestände in der Studie sind 0.2 ha gross. Diese Einteilung erwies sich als zu detailliert für eine Umsetzung. Zielführender wäre eine Aggregation für grössere Bestände oder Bewirtschaftungseinheiten.
Die räumliche Optimierung ist vielversprechend und ermöglicht die Simulation der Walbewirtschaftung auf Betriebsebene (Fallstudie) mit idealer Bewirtschaftungszuteilung (bzw. -allokation). Dieser Prozess macht es für Forstplaner und Entscheidungsträger auf überbetrieblicher und betrieblicher Ebene möglich, auch gemischte Waldbaustrategien (z.B. schlagweiser Hochwald und Plenterwald/Dauerwald) und deren Auswirkungen auf die Bereitstellung von Biodiversität und Ökosystemleistungen (BES) zu beurteilen. Insbesondere die Möglichkeit zur Beurteilung der Nachhaltigkeit noch weitere Indikatoren neben dem klassischen Hiebsatz heranziehen zu können, wurde von den Praxispartnern sehr geschätzt.
Aufgrund der hohen Komplexität der Fragestellung war es im Rahmen dieses Projektes noch nicht möglich, ein operationell einsetzbares Optimierungsinstrument für die Praxis bereitzustellen. Aufgrund der Rückmeldungen aus der Praxis wurden jedoch die relevanten Faktoren (Handlungsbedarf) identifiziert und eingegrenzt und fliessen somit bei weiteren Projekten in die Entwicklung mit ein.
|
