Sensitivitäts- und Unsicherheitsanalysen des prozessorientierten Modells DNDC zur Schätzung klimarelevanter Treibhausgasemissionen aus der Pflanzenproduktion
Ziel dieser Arbeit war es, das prozessorientierte biogeochemische Modell DNDC hinsichtlich seiner Vorhersagegenauigkeit und Prozessabbildung bzgl. seiner modellierten bodenbürtigen N2O-Emissionen aus der Pflanzenproduktion zu überprüfen. DNDC hat in den vergangen Jahren immer mehr Anwendung in Europa gefunden und wird neben anderen Modellen, die zur Abschätzung klimarelevanter Treibhausgase eingesetzt werden, als Alternative zum Berechnungsansatz der durch N-Düngung bedingten N2O-Emissionen des IPCC diskutiert. Um die Vorhersagegenauigkeit und die Prozessabbildung bzgl. der modellierten N2O-Emissionen zu überprüfen, wurden mit den relevantesten Modellmodulen (Bodenklima mit Berechnung der Bodentemperatur und Bodenwassergehalt, C-/N-Umsatzprozesse sowie Nitrifikation und Denitrifikation) Sensitivitätsanalysen und daran anschließend Unsicherheitsanaylsen durchgeführt. Für beide Analysen wurde eine Gleichverteilung der Parameterwerte angenommen, aus der im Rahmen einer Monte Carlo (MC) Simulation zufällig Zahlenwerte gezogen wurden. Um den Wertebereich für jeden Parameter einzugrenzen, wurde eine one factor at a time Analyse angewendet. Um die Modellergebnisse sowie die der Sensitivitäts- und Unsicherheitsanalyse statistisch auswerten zu können, sind Messungen zur Bodentemperatur, dem Bodenwassergehalt wie auch zu den Emissionen von CO2 und N2O von fünf verschiedenen Standorten als Referenz verwendet worden. Die zur Verfügung stehenden Messreihen beinhalten Erhebungen über längere Zeiträume (mind. 1 Jahr) mit regelmäßigen Messintervallen (tägliche bis wöchentliche Messungen), so dass zum einen Informationen zu kumulierten Jahreswerten (N2O- und CO2-Emissionen) und zum anderen Messungen in höherer zeitlicher Auflösung vorliegen. Die Parameter, welche das Modellergebnis signifikant beeinflussen und damit als sensitiv eingestuft werden können, wurden an Hand des standardisierten Regressionskoeffizienten aus einer multiplen linearen Regression ermittelt. Die Ergebnisse der Unsicherheitsanalyse zeigen, dass für jeden untersuchten Parameter sowie für die gezogenen Parameterkombinationen eine Equifinalität vorliegt. Für keinen der Parameter ist es möglich, einen Wert bzw. einen Werteraum zu ermitteln, in dem eindeutig beste Modellrealisationen erzielt werden. Für jeden Parameter sind über den gesamten Wertebereich gute und schlechte Modellrealisationen zu verzeichnen. Für alle untersuchten Größen lässt sich bei den durchgeführten Kreuzvalidierungen konstatieren, dass die Parametereinstellung einer Fläche nicht auf andere Flächen übertragbar ist, ohne dass deutliche Abweichungen in den Simulationsergebnissen auftreten. Dieses Modellverhalten sowie die große Anzahl an empirischen Variablen lassen darauf schließen, dass das DNDC Modell in Teilen überparametrisiert ist.Aus der Reaktion des Modells auf die durchgeführten Untersuchungen kann geschlossen werden, dass die vielen in DNDC berücksichtigten, teilweise detaillierten Prozesse nicht korrekt abgebildet werden. Zudem scheinen Mängel in der Verknüpfung von abiotischen Faktoren und den darauf basierenden Berechnungen der biologischen Prozesse vorzuliegen.Neben Vereinfachungen im Modell, die zu fehlerhaften Prozessabbildungen führen können, sind diverse Prozesse, die die N2O-Bildung bei der Nitrifikation und Denitrifikation steuern, bisher noch nicht hinreichend bekannt. Aus dem Grund muss neben einer Überprüfung der im DNDC Modell dargestellten Prozesse und einer eindeutigen Definition der verwendeten empirischen Faktoren die Forschung bzgl. der N2O-bildenden Prozesse im Boden weiter fortgeführt werden.Aufgrund der befriedigenden Abbildung der N2O-Emission über einen längeren Zeitraum (> 1 Jahr) auf mehreren Standorten erscheint das Modell trotz der Probleme bei zeitlich hochaufgelöster Prozessabbildung geeignet zu sein, um bestehende einfachere Ansätze (bspw. der Berechungsansatz des IPCC) zu ersetzen, in denen Standorteigenschaften bisher nicht berücksichtigt werden.
Verknüpfung zu Publikationen oder weiteren Datensätzen
