Environmental changes in biodiversity hotspot ecosystems of
South Ecuador: RESPonse and feedback effECTs (FOR2730)

Abstract:

Der tropische Bergregenwald Ecuadors, welcher als „Hot Spot für Biodiversität“ (MYRES et al., 2000) gilt, ist einer der am stärksten bedrohten Ökosysteme weltweit. Um dieses Ökosystem besser zu verstehen und neue Erkenntnisse über Funktionsweisen der ökologischen Kreisläufe zu gewinnen, ist die Analyse vorhandener Umweltbedingungen und die damit verbundene Informationsbeschaffung von besonderer Bedeutung. Auch die interdisziplinäre Deutsche Forschergruppe (DFG) 816 Ecuador (Biodiversity and Sustainable Management of a Megadiverse Mountain Ecosystem in South Ecuador) hat sich die Aufgabe zum Ziel gesetzt das Gesamtökosystem „tropischer Bergregenwald“ besser zu verstehen und untersucht seit 1997 in insgesamt 25 Teilprojekten die Biodiversität und Ökosystemfunktionen, sowie Ökosystemleistungen und das Ökosystemmanagement. Im Rahmen dieser Masterarbeit soll, integriert in die Forschergruppe, ein Modell zur flächenhaften Vorhersage von Bodenkohlenstoff im Flusseinzugsgebiet des Rio San Francisco durch Punktdaten und Geländevariablen entwickelt werden. Die Arbeit ist in die Forschergruppe D4 „Catchment scale hydro-biogeochemical fluxes and aquatic diversity under global change“ eingegliedert und soll zum Verständnis hinsichtlich funktionaler Zusammenhänge und Prozesse im Ökosystem „tropischer Bergregenwald“ beitragen. In den letzten Jahren wurden verstärkt Modelle zur Beschreibung ökologischer Prozesse und der Klärung von Zusammenhängen zwischen dem Ökosystem, seinen Funktionen und Kompartimenten entwickelt, so werden beispielsweise auch im Kompartiment Boden immer häufiger Modelle zur Beschreibung und Analyse von Bodeneigenschaften herangezogen. Dabei spielt die Vorhersage von Bodeneigenschaften, was als digitale Bodenkartierung (Digital Soil Mapping, kurz DSM) bezeichnet wird eine entscheidende Rolle (Mc BARTNEY et al., 2003). Durch die digitale Bodenkartierung werden lückenhafte Punktdaten auf eine gesamte Fläche übertragen und in einem räumlichen Raster dargestellt. Diese Form der Modellierung bildet dabei ökologische Prozesse nach und schätzt die zu prognostizierenden Daten. Bodeneigenschaften können somit flächendeckend, sowie mit geringerem Kostenund Zeitaufwand zur Verfügung gestellt werden. Auch schwer zugängliche Bereiche, die eine Beprobung kaum möglich machen, können durch die digitale Bodenkartierung abgedeckt werden. Die Vorteile der Regionalisierung von Bodeneigenschaften mittels leicht zugänglicher Daten lässt das Digital Soil Mapping immer populärer werden. Eine besonders gut geeignete Regionalisierungsmethode für die digitale Bodenkartierung sind Entscheidungsbäume in Form von Klassifikationsund Regressionsbäumen (VASQUES et al., 2008). Der Ansatz des Klassifikationsund Regressionsbaums (kurz CART) kann durch die Erweiterung nach dem Ansatz Random Forest (kurz RF) verbessert werden. Dabei wird im Gegensatz zu einem Entscheidungsbaum ein „Wald von Entscheidungsbäumen“ erzeugt. Dieser kombinierte Ansatz wurde bereits von WIESMEIER et al. (2010) in einem Untersuchungsgebiet in der Inneren Mongolei angewendet und zeigt dort, dass besonders die Kombination beider Methoden (CART und RF) ein vielversprechendes Modell zur räumlichen Vorhersage von Bodeneigenschaften unter anderem auch des Bodenkohlenstoffgehalts ist. Auch durch LIEß et al. (2009) wurden bereits Modelle zur digitalen Bodenkartierung im Untersuchungsgebiet der Forschungsstation angewendet mit dem Ergebnis, dass sich durch CART Bodentypen realistisch vorhersagen lassen. Bodenkohlenstoff, der in dieser Arbeit die Zielvariable darstellt, spielt eine wichtige Rolle im globalen Kohlenstoffkreislauf. Böden stellen einen großen Speicher für organischen Kohlenstoff dar, der für die Nährstoffversorgung und das Wasserspeicherungsvermögen von Bedeutung ist. Der organische Kohlenstoff gelangt durch tote organische Substanz oder Bodenorganismen in den Boden. Dort erfolgen Stabilisierungsund Umwandlungsprozesse. Durch Erosion und Landnutzungswandel kann der im Boden gebundene Kohlenstoff wieder frei gesetzt werden (SCHEFFER und SCHACHTSCHABEL, 2010). Auch hinsichtlich der globalen Klimaerwärmung ist der im Boden gebundene Kohlenstoff ein wichtiger Parameter um Klimaund Bodenbedeckungsveränderungen besser verstehen und vorhersehen zu können (JOBBÁGY und JACKSON, 2000). Besonders in tropischen Bergregenwäldern sind Kohlenstoffgehalte und Kohlenstoffvorräte, sowie die vertikale Verteilung des Kohlenstoffgehalts bisher weitestgehend unbekannt (MOSER et al., 2011), weshalb eine Methode zur Modellierung und Vorhersage des Bodenkohlenstoffgehalts für das Untersuchungsgebiet der Forschungsstation Estación Científica San Francisco (ECSF) im tropischen Bergregenwald Ecuadors von hohem Interesse ist. Ziel dieser Masterarbeit ist, das Digital Soil Mapping im Flusseinzugsgebiet des Rio San Francisco auf Anwendbarkeit zu überprüfen. Es bildet somit eine Grundlage für zukünftige Modellierungsansätze im Einzugsgebiet der Forschungsstation. Des Weiteren gilt es die zum jetzigen Zeitpunkt vorliegenden Punktdaten des Bodenkohlenstoffgehalts flächendeckend vorherzusagen. Die erstellte Bodenkohlenstoffkarte stellt eine wichtige Informations-grundlage für weiterführende Modellierungen und Untersuchungen, beispielsweise von hydrologischen Prozessen und des bio-geochemischen Stoffkreislaufes dar. Die Ergebnisse der Arbeit werden für die gesamte DFG Forschergruppe ein Erkenntniszugewinn sein.