image
image
image
Sächsisches Staatsministerium für Umwelt und Landwirtschaft
vertreten durch das
Sächsische Landesamt für Umwelt und Geologie
Abschlussbericht
zum
Forschungs- und Entwicklungsvorhaben Nr. 13-8802.3529/39-2
KliWEP - Abschätzung der Auswirkungen der für Sachsen
prognostizierten Klimaveränderungen auf den Wasser- und
Stoffhaushalt im Einzugsgebiet der Parthe
Weiterentwicklung von WaSiM-ETH: Implikation
dynamischer Vegetationszeiten und Durchführung von
Testsimulationen für sächsische Klimaregionen
Pöhler, H., Chmielewski, F.-M., Jasper, K., Henniges, Y., Scherzer, J.
Durchführende Institutionen:
UDATA, Inh.: Dr. Jörg Scherzer
Maconring 98a, 67434 Neustadt/Wstr.
Am Jochhöhbusch 22, 01705 Freital / Dresden
Tel.: 06321 / 354379 Fax: 06321 / 921541 info@udata.de
www.udata.de
HUMBOLDT-UNIVERSITÄT ZU BERLIN
Landwirtschaftlich-Gärtnerische Fakultät,
Institut für Pflanzenbauwissenschaften, Lehrgebiet Agrarmeteorologie
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Projektleiter Dr. Jörg Scherzer
05. Dezember 2007
UDATA
Umweltschutz und Datenanalyse
Boden- und Grundwasserschutz - Simulationsmodelle - Messwertverwaltung

Seite 2
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Berichts-Kennblatt
1. Zwischen- bzw. Abschlussberichts-Nr.:
Abschlussbericht
2. Berichtszeitraum
August 2006 – November 2007
3. Titel des Berichts
KliWEP - Abschätzung der Auswirkungen der für Sachsen prognostizierten Klimaveränderungen auf den Wasser- und Stoff-
haushalt im Einzugsgebiet der Parthe. Weiterentwicklung von WaSiM-ETH - Implikation dynamischer Vegetationszeiten
und Durchführung von Testsimulationen für sächsische Klimaregionen
4. Autoren
5. Abschlussdatum
Dr. Hannaleena Pöhler, Dr. Frank-M. Chmielewski, Dr. Karsten Jasper,
Dipl.-Ing. Y. Henniges, Dr. Jörg Scherzer
05.12.2007
6. Durchführende Institution(en), Projektleiter
UDATA, Inh.: Dr. Jörg Scherzer (federführend)
Maconring 98a, 67434 Neustadt/Wstr.
Am Jochhöhbusch 22, 01705 Freital/Dresden
Tel.: 06321 / 354379, Fax: 06321 / 921541
info@udata.de,
www.udata.de
Humboldt-Universität zu Berlin, Landwirtschaftlich-Gärtnerische Fakultät,
Institut für Pflanzenbauwissenschaften, Lehrgebiet Agrarmeteorologie
Albrecht-Thear-Weg 5, 14195 Berlin, vertreten durch
Humboldt-Innovation GmbH (Unterauftragnehmer)
Ziegelstraße 13c, 10117 Berlin
Dr. Karsten Jasper (Unterauftragnehmer)
Postweg 11, CH 8143 Stallikon
Projektleiter: Dr. Jörg Scherzer
7. Aktenzeichen
13-8802.3529/39-2
8. Fördernde Institution(en)
9. Gesamtlaufzeit
Sächsisches Staatsministerium für Umwelt und Landwirtschaft,
vertreten durch das Sächsische Landesamt für Umwelt und Geologie
10.08.2006 – 30.11.2007
10. Zusätzliche Angaben, Sonstiges
11. Seitenzahl
74
12. Tabellen (Anzahl)
26
13. Abbildungen (Anzahl)
21
14. Anlagen (Anzahl)
1
15. Kurzfassung:
Die Abschätzung von Klimafolgen auf Wasser-, Land- und Forstwirtschaft in Sachsen erfordert belastbare prozessorientierte
Wasserhaushaltsmodelle, welche auch den Einfluss des Klimawandels auf die Dauer der Vegetationsperiode abbilden. Auf
einer sachsenweiten Datengrundlage wurden phänologische Modelle für landwirtschaftliche Kulturen und Obstbau entwik-
kelt und validiert. Die zur Beschreibung der Phänologie am besten geeigneten Modelle wurden in das prozessorientierte
Gebietswasserhaushaltsmodell WaSiM-ETH implementiert. Es wurden umfangreiche Testsimulationen für zahlreiche land-
wirtschaftlich und forstlich genutzte Standorte in Sachsen in unterschiedlichen Klimaregionen durchgeführt. Es wurde ge-
zeigt, dass sich das neu entwickelte Phänologiemodul hervorragend dazu eignet, unter sächsischen Klima- und Standortbe-
dingungen die phänologische Entwicklung der untersuchten landwirtschaftlichen Kulturen und Forstbaumarten zu beschrei-
ben. Darüber hinaus wurde WaSiM-ETH auch um einen bodenfeuchtebasierten Ansatz zur Berücksichtigung des Einflusses
von Frühjahrstrockenheit auf die phänologische Entwicklung erweitert. Die Auswirkung der Frühjahrstrockenheit wurde mit
Hilfe von Modellsimulationen am Beispiel der Lysimeter der Station Brandis analysiert.
16. Schlagwörter, Deskriptoren
Klimafolgen, Klimaveränderung, Sachsen, Wasserhaushalt, WaSiM-ETH, Modellentwicklung, Vegetationsperiode, Phä-
nophasen, Phänologie, Temperatursummenansatz, Testsimulationen

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 3
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Inhaltsverzeichnis
Tabellenverzeichnis..............................................................................................................................5
Abbildungsverzeichnis .........................................................................................................................6
Anlagenverzeichnis ..............................................................................................................................8
Abkürzungsverzeichnis ........................................................................................................................9
1
Aufgabenstellung................................................................................................................................13
2
Auswertung phänologischer Ansätze und Parameterdatenbanken in bestehenden
Wasserhaushaltsmodellen...................................................................................................................15
2.1 ArcEGMO/PSCN............................................................................................................................15
2.1.1
Überblick.................................................................................................................................15
2.1.2
Umsetzung der Phänologie ......................................................................................................15
2.2 CENTURY......................................................................................................................................16
2.2.1
Überblick.................................................................................................................................16
2.2.2
Umsetzung der Phänologie ......................................................................................................16
2.3 CoupModel......................................................................................................................................17
2.3.1
Überblick.................................................................................................................................17
2.3.2
Umsetzung der Phänologie ......................................................................................................17
2.4 SWAT
.........................................................................................................................................18
2.4.1
Überblick.................................................................................................................................18
2.4.2
Umsetzung der Phänologie ......................................................................................................19
2.5 WASMOD.......................................................................................................................................21
2.5.1
Überblick.................................................................................................................................21
2.5.2
Umsetzung der Phänologie ......................................................................................................22
3
Entwicklung des Phänologie-Moduls für WaSiM-ETH.....................................................................23
3.1 Stand der Wissenschaft....................................................................................................................23
3.2 Material und Methodik ....................................................................................................................23
3.2.1
Datengrundlage........................................................................................................................23
3.2.2
Methodik..................................................................................................................................26
3.3 Ergebnisse.......................................................................................................................................28
3.3.1
Sommergetreide, Wintergetreide, C
4
-Getreide, Hackfrüchte, Grünland..................................28
3.3.2
Obst .........................................................................................................................................33
4
Implementierung des neuen Phänologiemoduls in WaSiM-ETH.......................................................35
4.1 Überblick .........................................................................................................................................35
4.2 Bisherige Umsetzung der Phänologie in WaSiM-ETH ...................................................................35
4.2.1
[multilayer_landuse]-Tabelle...................................................................................................37
4.2.2
[landuse_table].........................................................................................................................38
4.3 Implementierung dynamischer Vegetationszeiten in WaSiM-ETH ................................................39
4.3.1
Implementierung von Modellansatz 1 (DP1)...........................................................................39
4.3.2
Implementierung von Modellansatz 2 (DP2)...........................................................................40
4.3.3
Implementierung von Modellansatz 3 .....................................................................................41
4.3.4
Berücksichtigung des Einflusses der Bodenfeuchte auf die Phänologie..................................42
4.3.5
Abspeichern und Einlesen von Ausgabe-Grids .......................................................................43
5
Testsimulationen................................................................................................................................45
5.1 Landwirtschaft.................................................................................................................................45
5.1.1
Modellvalidierung für Klimaregionen in Sachsen ...................................................................45
5.1.2
Testsimulationen für Lysimeter der Station Brandis ...............................................................47
5.1.2.1
Testsimulationen ohne Berücksichtigung des Einflusses von Frühjahrstrockenheit
auf die phänologische Entwicklung.................................................................................49
5.1.2.2
Testsimulationen mit Berücksichtigung des Einflusses von Frühjahrstrockenheit
auf die phänologische Entwicklung.................................................................................54
5.2 Forst
.........................................................................................................................................57
5.2.1
Modellvalidierung für Klimaregionen in Sachsen ...................................................................57
5.2.2
Modellsimulationen der phänologischen Entwicklung für unterschiedliche Geotope
und Bestandeszieltypen in Sachsen ........................................................................................................61

Seite 4
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
6
Zusammenfassung..............................................................................................................................67
7
Literatur..............................................................................................................................................69

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 5
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Tabellenverzeichnis
Tabelle 1:
Landnutzung und zu modellierende Phänophasen, Phasen in eckigen Klammern sind
optional, Zahlen in runden Klammern bezeichnen die DWD-Phänophase........................24
Tabelle 2:
Sommergerste: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
(Modell 11a).......................................................................................................................29
Tabelle 3:
Hafer: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH (Modell
11a) ....................................................................................................................................29
Tabelle 4:
Winterweizen: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
(Modell 11a).......................................................................................................................30
Tabelle 5:
Wintergerste: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
(Modell 11a).......................................................................................................................30
Tabelle 6:
Winterroggen: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
(Modell 11a).......................................................................................................................30
Tabelle 7:
Winterraps: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
(Modell 11a).......................................................................................................................31
Tabelle 8:
Mais: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH (Modell
11a) ....................................................................................................................................31
Tabelle 9:
Zuckerrüben: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
(Modell 11a).......................................................................................................................31
Tabelle 10:
Spätkartoffeln: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
(Modell 11a).......................................................................................................................32
Tabelle 11:
Wiesenfuchsschwanz: Parameter zur Anwendung im Phänologiemodul von WaSiM-
ETH (Modell 11a)..............................................................................................................32
Tabelle 12:
Wiesenknäuelgras: Parameter zur Anwendung im Phänologiemodul von WaSiM-
ETH (Modell 11a)..............................................................................................................32
Tabelle 13:
Dauergrünland: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
(Modell 11a).......................................................................................................................33
Tabelle 14:
Apfel (frühreifend): Parameter zur Anwendung im Phänologiemodul von WaSiM-
ETH....................................................................................................................................34
Tabelle 15:
Apfel (spätreifend): Parameter zur Anwendung im Phänologiemodul von WaSiM-
ETH....................................................................................................................................34
Tabelle 16:
Süßkirsche: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH..............34
Tabelle 17:
Vergleich der in WaSiM-ETH implementierten Phänologie-Modelle...............................39
Tabelle 18:
Bezeichnung der Parameter in Modellansatz 1 (DP1) .......................................................40
Tabelle 19:
Bezeichnung der Parameter in Modellansatz 2 (DP2) .......................................................41
Tabelle 20:
Charakterisierung
der
Untersuchungsstandorte
für
die
Testsimulationen
(Landwirtschaft).................................................................................................................45
Tabelle 21:
Mittlere absolute Abweichung (MAE) des beobachteten und modellierten
Phaseneintritts für den Blattaustrieb/Aufgang landwirtschaftlicher Kulturen und von
Obstgehölzen in unterschiedlichen Sächsischen Klimaregionen; MAE
soll
= erwartete
mittlere Abweichung; MAE
ist
= mit WaSiM-ETH erzielte mittlere Abweichung .............46
Tabelle 22:
Modellierter und beobachteter Phaseneintritt (Schossen bzw. bei Raps: Blüte) an der
Lysimeterstation von 1997 bis 2006..................................................................................50
Tabelle 23:
Forstliche Untersuchungsstandorte für die Validierung des phänologischen Modells......57
Tabelle 24:
Beobachtete und modellierte Blattentfaltung bzw. Maitrieb für verschiedene
Standorte in Sachsen in jeweils unterschiedlichen Höhenlagen.........................................58
Tabelle 25:
Forstliche Untersuchungsstandorte und Klimastufen für die Modellsimulationen der
phänologischen Entwicklung.............................................................................................61
Tabelle 26:
Austrieb bzw. Maitrieb der verschiedenen Baumarten an den einzelnen Standorten
im Mittel über 1961-2006 ..................................................................................................62

Seite 6
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Abbildungsverzeichnis
Abbildung 1: Lage der phänologischen Stationen für Winterroggen (links) und Mais (rechts);
offene Kreise: alle Stationen, ausgefüllte Kreise: Stationen mit ausreichender
Datengrundlage (Winterroggen n=9, Mais n=8) ................................................................24
Abbildung 2: Zweiteilige Landnutzungstabelle in WaSiM-ETH (seit Version 7.x) ................................36
Abbildung 3: Jahresgang von landnutzungsabhängigen Modellparametern mit Berücksichtigung
der Höhenlage (hier beispielhaft für 4 Stützstellen d
1..4
; aus Schulla 1997).......................39
Abbildung 4: Abschnitt [variable_grids] für Vegetationsschicht 1 in der WaSiM-ETH Steuerdatei.......43
Abbildung 5: Beobachteter und modellierter Phaseneintritt (Blüte) beim Apfelbaum (frühreifend)
für tiefe („U“), mittlere („M“) und hohe („H“) Lagen im Zeitraum von 1961 bis
2006. Für die modellierten Blütezeitpunkte wurden die Trendlinien hinzugefügt.............47
Abbildung 6: Beobachteter und modellierter Phaseneintritt (Aufgang) bei Hafer, Winterweizen
und Wintergerste im Zeitraum von 1961 bis 2006. Nicht ausgefüllte Datenpunkte:
Aussaattermin nicht bekannt, hier wurde ein mittlerer Aussaattermin verwendet. Für
die modellierten Austriebszeitpunkte wurden die Trendlinien hinzugefügt.......................48
Abbildung 7: Beobachteter
und
modellierter
Phaseneintritt
bei
Zuckerrübe
(Aufgang),
Wiesenknäuelgras (Vollblüte) und Dauergrünland (Beginn des Ergrünens) im
Zeitraum von 1961 bis 2006. Nicht ausgefüllte Datenpunkte: Aussaattermin nicht
bekannt, hier wurde ein mittlerer Aussaattermin verwendet. Für die modellierten
Austriebszeitpunkte wurden die Trendlinien hinzugefügt..................................................48
Abbildung 8: Lysimeter 5: Jahresgang der gemessenen und modellierten Evapotranspiration unter
Einbezug des neuen Phänologiemoduls am Beispiel des Jahres 1999 ...............................50
Abbildung 9: Lysimeter 5: Gemessene und modellierte Evapotranspiration bei Vorgabe von fixen
phänologischen Eckdaten und unter Verwendung des neuen Phänologiemoduls.
Oben: Summenkurven. Unten: kumulierte Differenzen jeweils zwischen der
gemessenen und der modellierten Evapotranspiration .......................................................51
Abbildung 10: Lysimeter 7: Gemessene und modellierte Evapotranspiration bei Vorgabe von fixen
phänologischen Eckdaten und unter Verwendung des neuen Phänologiemoduls.
Oben: Summenkurven. Unten: kumulierte Differenzen jeweils zwischen der
gemessenen und der modellierten Evapotranspiration .......................................................52
Abbildung 11: Lysimeter 8: Gemessene und modellierte Evapotranspiration bei Vorgabe von fixen
phänologischen Eckdaten und unter Verwendung des neuen Phänologiemoduls.
Oben: Summenkurven. Unten: kumulierte Differenzen jeweils zwischen der
gemessenen und der modellierten Evapotranspiration .......................................................53
Abbildung 12: Niederschlags- und Temperatursummen im April von 1997 bis 2006...............................55
Abbildung 13: Winterweizen: Modellierte und beobachtete Zeitpunkte für das Schossen ohne und
mit Berücksichtigung von Trockenstress im Frühjahr........................................................55
Abbildung 14: Wintergerste: Modellierte und beobachtete Zeitpunkte für das Schossen ohne und
mit Berücksichtigung von Trockenstress im Frühjahr........................................................56
Abbildung 15: Beobachteter und modellierter Phaseneintritt (Blattentfaltung) bei Eiche und Buche
im Zeitraum von 1961 bis 2006 im Tiefland (oben), in den mittleren Lagen (Mitte)
und in Gebirgslagen (unten) jeweils mit einer Darstellung der langjährigen Trends
(Basis: modellierte Daten)..................................................................................................59
Abbildung 16: Beobachteter und modellierter Phaseneintritt (Maitrieb) bei Kiefer und Fichte im
Zeitraum von 1961 bis 2006 im Tiefland (oben), in den mittleren Lagen (Mitte) und
in Gebirgslagen (unten) jeweils mit einer Darstellung der langjährigen Trends
(Basis: modellierte Daten)..................................................................................................60
Abbildung 17: Blattaustrieb auf zwei Standorten in den mittleren Berglagen des Erzgebirges,
bestockt mit 90 % Buche und 10 % Bergahorn, Esche und Bergulme...............................63
Abbildung 18: Blattaustrieb auf zwei Standorten in den mittleren Berglagen des Erzgebirge,
bestockt mit 60 % Buche und 40 % Fichte und Douglasie.................................................63

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 7
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Abbildung 19: Blattaustrieb auf zwei Standorten im sächsischen Hügellandbereich, bestockt mit
100 % Eiche bzw. 100 % Fichte ........................................................................................64
Abbildung 20: Blattaustrieb auf zwei Standorten im mäßig trockenen Tiefland in Sachsen, bestockt
mit 70 % Eiche und 30 % Kiefer, Hainbuche und Winterlinde .........................................64
Abbildung 21: Blattaustrieb auf zwei Standorten im mäßig trockenen Tiefland in Sachsen, bestockt
mit 70 % Kiefer und 30 % Eiche .......................................................................................65

Seite 8
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Anlagenverzeichnis
Anlage 1:
Daten-CD:
Hauptverzeichnis:
-
KliWEP-Phäno_Abschlussbericht.doc (editierbar)
-
KliWEP-Phäno_Abschlussbericht.pdf (nicht editierbar)
-
wasim_2007_en.pdf (erweitertes Handbuch WaSiM-ETH)
Unterverzeichnis WaSiM-ETH:
sek. Unterverzeichnis Version 7.9.4
o
WaSiM-ETH 7.9.4 (*.exe)
o
3 Beispielsteuerdateien (dp1, dp2, dp3)
Hinweis
: mit Vers. 7.9.4 wurde im Projekt gerechnet
sek. Unterverzeichnis Version 7.9.8
o
WaSiM-ETH 7.9.8 (*.exe + weitere Dateien)
Hinweis
: Vers. 7.9.8 ist die letzte verfügbare Version (incl.
bugfixes, dual-core-modus unter Linux usw.)
Unterverzeichnis Testsimulationen:
o
Input- und Steuerdateien der Testsimulationen, weitere
Untergliederung gemäß Bericht
Unterverzeichnis Grafiken:
o
Grafiken des Berichtes (editierbar, *.xls)

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 9
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Abkürzungsverzeichnis
t
Zeitschritt [s]
t
pl
Alter der Pflanze [d]
Formfaktor
α
Albedo [-]
a, b
Parameter
AG
Auftraggeber
A
l
Blattflächenindex (= LAI) [m²/m²]
AltDep
Verschiebung des JulDay pro Höhenmeter [-]
AN
Auftragnehmer
B
5
Beginn der Vegetationsperiode
B
ag
Biomasse über der Bodenoberfläche
bio
zugewachsene Biomasse für einen Tag [kg/ha]
B
l
Blattmasse (bzw. C-Gehalt der Blätter)
B
r
Wurzelmasse
C
Kohlenstoff
c
form
Skalierungsparameter
C
grain
C-Gehalt im Samenpool
c
norm
Skalierungsparameter
d
Tag im Jahr in Kalendertagen (1..365), mittleres Eintrittsdatum für t
z
d
1,2,3,4
Stützstellen in Kalendertagen: d
1:
Vegetationsbeginn, d
2:
volle Entfaltung der
Vegetation, d
3
: Beginn und d
4
: Ende des Laubwurfes bzw. Rückgang der Vegeta-
tionsintensität
d
1..4,400
Bezugswerte für 400 m ü. NN
delta
Ende der Blattentfaltung
DP2_Par_a
entspricht Parameter a (analog für Parameter b)
DP2_T_Bc
entspricht T
Bc
DP1_T_Bf
entspricht T
Bf
(analog für DP2)
DP1_t1_dorm
entspricht t
1
(analog für DP2)
DP2_t0_dorm
entspricht t
0
DWD
Deutscher Wetterdienst
E
5
Ende der Vegetationsperiode
F*
(Grenzwert für die) Forcing Units als Growing Degree Days, notwendiges Wär-
mebedürfnis bis zum Erreichen einer Phänophase
ForcinThreshold
Temperatursumme, bei deren Erreichen die nächste phänologische Phase beginnt
fr
LAImax
Fraktion des maximalen Blattflächenindexes, die zur aktuellen Heat Unit einer
Pflanze korrespondiert
fr
PHUsen
Fraktion des PHU, an dem der Alterungsprozess dominiert
fr
root
Fraktion der Gesamtbiomasse, die in das Wurzelwachstum geht
GDD
growing degree days (Temperatursummen [
K
])
GIS
Geoinformationssystem
h
c
Vegetationshöhe [m]
h
M
Höhe über Meer [m]
H
phosyn
auf der gesamten Blattfläche aufgetroffene photosynthetische Strahlung an einem
bestimmten Tag
HReduDry
Grenzwert der Saugspannung, bei dem eine Reduktion des transpirativen Bo-
denwasserentzugs infolge Trockenheitsstresses beginnt [m]
HU
Humboldt Universität
HU
Heat Unit [°C]
k_extinct
Lichtextinktionskoeffizient zur Reduktion der einfallenden Strahlung bei ihrem
Weg durch den Bestand
KliWEP
Abschätzung der Auswirkung der für prognostizierten Klimaveränderungen auf
den Wasser- und Stoffhaushalt im Einzugsgebiet der Parthe
j
Witterungsverlauf (Tageswerte) des aktuell zu berechnenden Jahres

Seite 10
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
JDReset_Start
Start einer neuen Vegetationsperiode
JulDay
Eckdaten (in julianischen Tagen) für Veränderungen in der Vegetationsentwick-
lung
l
1,2
Formfaktoren
LAI
Leaf Area Index (Blattflächenindex) [m²/m²]
LAI_scale
empirischer Parameter zur Berechnung des aerodynamischen Widerstands unter-
halb der Baumkrone
LfUG
Sächsisches Landesamt für Umwelt und Geologie
LimitReduWet
max. relative Reduktion des transpirativen Bodenwasserentzugs bei Sättigung [-]
L
r
Wurzellänge
m
über 30 Jahre gemittelter Witterungsverlauf (Tageswerte)
MAE
Mittlerer absoluter Fehler zwischen Modell und Beobachtung
maxStartJDfor DP1
letzter möglicher Starttag im Kalenderjahr für die Anwendung in DP1 (analog
für DP2)
n
Anzahl der verwendeten Stationen
N
Stickstoff
NN
Normalnull
P
Phosphor
p
x
Skalierungsparameter für die Vegetationskennzahl x
PHU
potentielle kumulierte Heat Units für eine Pflanze an einem Tag
PCGEOFIM
Programsystem for Computation of GEOFIltration and geoMigration
r
a
aerodynamischer Widerstand für die Bestandeskomponente mit der größten Ve-
getationshöhe
R
c
Kältebedürfnis, realisiert über “chilling units”
R
f
tägliche Rate der ontogenetischen Entwicklung = “degree days”, d.h. Tage mit
einer Temperatur über einer vorgegebenen Basistemperatur bzw. effektive Tem-
peraturen
R
n
verfügbare (Gesamt-)Nettostrahlung [Wh/m²]
R
use
nutzbare Nettostrahlung [Wh/m²]
RootDepth
Wurzeltiefe [m]
RootDistr
Parameter für die Wurzeldichteverteilung
rsc
Oberflächenwiderstand der Vegetation [s/m]
rs_interception
Oberflächenwiderstand des interzipierten Wassers [s/m]
rs_evaporation
Evaporationswiderstand der Bodenoberfläche [s/m]
RSME
root mean square error
RUE
Radiation use efficiency [kg/(ha*(MJ/m²))]
S
Schwefel
s
Standardabweichung von t
n
in Tagen
s_depth
Dicke der ungesättigten Bodenzone
S
f
state of forcing
StressFaktorDynPhen
Stressfaktor, mit dem der Einfluss von Trockenstress auf die Vegetationsent-
wicklung skaliert wird
t
Zeit [s]
T
00
Temperatur zur Aussaat [°C]
t
0
Beginn der Dormanz
t
1
Starttag für die Berechnung von F*
t
2
Eintritt in die Phänologische Phase
T
B
, T
Bf
Basistemperatur für forcing [°C]
T
Bc
Basistemperatur für chilling [°C]
t
crit
kritische Lufttemperatur [°C]
t
day(i)
festgelegtes Datum für die Veränderung eines Vegetationsparameters (Ausge-
drückt in Kalendertagen (1..366))
T
i
Tagesmitteltemperatur [°C]
T
n
Tagesminimumtemperatur [°C]
t
n
Mittlerer Eintrittstermin der phänologischen Phase (Tag im Jahr)
TReduWet
Grenzwert der relativen Bodenfeuchte, bei dem eine Reduktion des transpirati-
ven Bodenwasserentzugs infolge Sauerstoffmangel beginnt [-]

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 11
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
t
sumplant
kumulative Lufttemperatur [°C]
t
start
, TStart
Temperatursumme, bei der die Vegetationsentwicklung beginnt [°C]
T
x
Tagesmaximaltemperatur [°C]
t
z
Beobachtungszeitrum
UBG
Staatliche Umweltbetriebsgesellschaft
VCF
Vegetationsbedeckungsgrad [-]
WaSiM-ETH
Water Flow and Balance Simulation Model
x(i)
Parameter
yr
cur
Alter der Bäume [a]
yrfulldev
Anzahl der Jahre bis zu vollständigen Entwicklung einer Baumart [a]
z
0
aerodynamische Rauhigkeitslänge [m]
z
l
Wurzellänge [m]
z
r
Wurzeltiefe [m]
z
root
Wurzeltiefe [mm]

Seite 12
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 13
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
1
Aufgabenstellung
Klimastudien zeigen für Sachsen gravierende Auswirkungen eines bereits beobachteten und noch zu
erwartenden Klimawandels. Für die Fachplanungen des Sächsischen Landesamtes für Umwelt und Geo-
logie (LfUG) besteht somit die Notwendigkeit, die Folgen sowohl von Klima- als auch von Landnut-
zungsänderungen auf Wasser-, Land- und Forstwirtschaft abzuschätzen. Ein elementares Werkzeug für
diese Aufgaben sind prozessorientierte Gebietswasserhaushaltsmodelle, wie z.B. WaSiM-ETH. In Vorun-
tersuchungen (KliWEP Teil 1, 2) wurde WaSiM-ETH um die Abbildung komplexer Vegetationsstruktu-
ren und eine prozessnähere Parametrisierung der ungesättigten Bodenzone erweitert, für das Einzugsge-
biet der Parthe parametrisiert, kalibriert und validiert sowie online mit dem Grundwassermodell PCGEO-
FIM gekoppelt (Scherzer et al. 2006a). Darüber hinaus wurden in einer Vorstudie die Möglichkeiten zur
Erweiterung des bestehenden KliWEP-Modellverbundes um Module zur Simulation der Stoffflüsse von
Stickstoff und Kohlenstoff im Parthe-Einzugsgebiet untersucht (KliWEP Teil 3, Scherzer et al. 2006b).
Zur weiteren Optimierung der Prognosefähigkeit des Modellsystems ist es elementar, Beginn und Ende
der artspezifischen Vegetationsperioden zu dynamisieren, d.h. in Abhängigkeit von meteorologischen
Einflussgrößen (z.B. Temperatur, Niederschlag, Globalstrahlung) und Standortfaktoren (z.B. Höhe, Ex-
position, Neigung, Beschattung) zu variieren. Die Veränderung von Vegetationszeiten infolge des Kli-
mawandels hat möglicherweise erhebliche Auswirkungen auf den Wasser- und Stoffhaushalt von Ökosy-
stemen. Dynamische Vegetationszeiten in Bodenwasserhaushaltsmodellen erlauben zudem eine verbes-
serte Berechnung des Wasserhaushalts landwirtschaftlicher Nutzpflanzen, da hierdurch Rückkopplungen
zwischen der Pflanzenentwicklung und dem Wasserbedarf der jeweiligen Kulturart berücksichtigt werden
können. Im Verlauf der Pflanzenentwicklung verändert sich darüber hinaus auch die Möglichkeit der
Pflanze, Wasser aus tieferen Bodenschichten zu erschließen.
Im Rahmen des Projektes werden daher phänologische Modelle für landwirtschaftliche Nutzpflanzen und
Obstgehölze in Sachsen entwickelt und anschließend in das Wasserhaushaltsmodell WaSiM-ETH inte-
griert. Für die neu entwickelten Modellansätze werden darüber hinaus auch artspezifische Modellparame-
ter bestimmt, welche in der Lage sind, die Phänologie der jeweiligen Spezie unter sächsischen Klimabe-
dingungen zu beschreiben. Des weiteren wird ein Lösungsansatz vorgeschlagen, um den Einfluss früh-
jährlicher Bodentrockenheit auf die Pflanzenentwicklung im Wasserhaushaltsmodell zu berücksichtigen.
Das neue Phänologiemodul wird für die in Sachsen relevanten landwirtschaftlichen Nutzpflanzen (Ge-
treide, Hackfrüchte, Grünland) und für Obstgehölze validiert. Die Validierung wird außerdem für unter-
schiedliche Klimaregionen (Tiefland, Hügelland, Mittelgebirge) durchgeführt. Am Beispiel der Lysimeter
der Station Brandis wird darüber hinaus auch der Einfluss von Frühjahrstrockenheit auf die Simulations-
ergebnisse verdeutlicht.
Aufbauend auf den Ergebnissen von Chmielewski et al. (2007) („KliWEP-Phänologie Forstmodul“) wer-
den umfangreiche Testsimulationen für die wichtigsten Sächsischen Forstbaumarten (Eiche, Buche, Fich-
te und Kiefer) entwickelten Phänologiemoduls durchgeführt. Abschließend wird die phänologische Ent-
wicklung für unterschiedliche Geotope und Bestandeszieltypen in Sachsen dargestellt.

Seite 14
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 15
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
2
Auswertung phänologischer Ansätze und Parameterdaten-
banken in bestehenden Wasserhaushaltsmodellen
Im Rahmen des Projektes „KliWEP - Vorstudie zur Simulation der Stoffflüsse von Stickstoff und Koh-
lenstoff im Parthe-Einzugsgebiet“ wurden zahlreiche Wasserhaushaltsmodelle recherchiert (Scherzer et
al. 2006b). Diese Modelle werden nun hinsichtlich implementierter phänologischer Ansätze erneut unter-
sucht. Hierbei zeigt sich, dass die überwiegende Mehrheit der Modelle nicht über ein dynamisches Phäno-
logiemodul verfügt. Dies betrifft die Bodenwasserhaushalts- und Stickstoffmodelle ANIMO (Groenendijk
& Kroes 1997, 1999), CANDY (Franko et al. 1995), RISK-N (Gusman & Marino 1999) und WHNSIM
(Huwe 1992, Huwe & Totsche 1995), die Grundwassermodelle PCGEOFIM (Sames et al. 2005; Sames
2001), PHREEQC (Parkhurst 1995; Parkhurst & Appelo 1999), TBC (Schäfer et al. 1998; Schäfer 2005),
MODFLOW (McDonald & Harbaugh 1998) und RT3D (Clement 1997), sowie die integrierten Einzugs-
gebietsmodelle MODIFFUS (Prasuhn 1999, 2004; Prasuhn & Braun 1999; Prasuhn et al. 2004), INCA
(Whitehead et al. 1998a, 1998 b), IWAN (Ollesch et al. 2005) und STOFFBILANZ (Gebel et al. 2005). In
SWIM (Krysanova et al. 1998) wurden die Algorithmen zur Darstellung der Phänologie aus SWAT (Ab-
schnitt 2.4) übernommen. Auch die Spezialmodelle REPRO (Diepenbrock et al. 1999; Dubsky et al.
1997; Hülsbergen & Diepenbrock 1997) und PASIM (Riedo et al. 1998, 2001), die Erosionsmodelle
AGNPS (Young et al. 1995) und EROSION 2D/3D (Schmidt 1991, 1994; von Werner 2004) sowie die
Gewässergütemodelle WASP7 (Di Toro et al. 1983; Ambrose et al. 1988) und QUAL2E (Wood 2004)
weisen keine dynamischen Berechnungsansätze für die phänologische Entwicklung auf. Auf die gegen-
wärtige Umsetzung der Phänologie in WaSiM-ETH (Schulla 1997; Schulla & Jasper 1998, 2001, 2006)
wird in Kapitel 4 näher eingegangen. In den bisher erwähnten Modellen (außer SWIM) wird die Vegeta-
tionsperiode entweder pauschal oder für einzelne Vegetationstypen (z.B. „Laubwald“, „Sommergetrei-
de“) jeweils als statisch angenommen, sofern diese Werte in dem einzelnen Modell für die Berechnungen
überhaupt benötigt werden. Das Einlesen der phänologischen Stützpunkte wie Aussaat, Schossen oder
Ernte erfolgt bei den oben genannten Modellen in der Regel aus Tabellen, welche die entsprechenden
Daten sowie zusätzliche Angaben (z.B. Vegetationsbedeckungsgrad, Blattflächenindex, Wurzelvertei-
lung) enthalten. So ist beispielsweise das Modell EROSION 2D/3D mit einer umfangreichen Parameter-
bibliothek ausgestattet. In der Regel wird zwischen den Tabelleneinträgen linear interpoliert, um die ent-
sprechenden Informationen für die dazwischen liegenden Tage zu erhalten.
In den folgenden Abschnitten wird auf diejenigen Modelle näher eingegangen, welche in unterschiedlich
komplexer Form bereits dynamische Phänologieansätze aufweisen.
2.1
ArcEGMO/PSCN
2.1.1
Überblick
ArcEGMO (Pfützner 2002) ist ein Modell- und Programmsystem zur GIS-basierten, flächendifferenzier-
ten, multiskaligen hydrologischen Modellierung von Landflächeneinheiten, einschließlich Flussgebieten.
Die Verwendung von ArcEGMO ist kostenpflichtig. Die Lizenzkosten betragen ca. 5200 Euro, zuzüglich
Java-Oberfläche (700 Euro), diverse Pre- und Postprocessing-Tools (je 300 – 800 Euro), Wartungsvertrag
(600 Euro/Jahr) und ggf. Schulungskosten (z.B. eintägige Schulung beim Auftraggeber: 1000 Euro bzw.
1500 Euro; zweitägige Schulung in Berlin bei 1 - 6 Teilnehmern 800 Euro pro Teilnehmer und Schu-
lungsplatz) (Quelle: ArcEGMO-Homepage
www.arcegmo.de,
Stand: 04.10.2007).
2.1.2
Umsetzung der Phänologie
Zur Simulation der Vegetationsentwicklung kann in ArcEGMO das zum Preis von 2300 Euro zusätzlich
zu erwerbende sogenannte PSCN-Modul (Plant-Soil-Carbon-Nitrogen Model, Klöcking & Suckow 2006)

Seite 16
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
verwendet werden, welches wiederum mehrere, unterschiedlich komplexe, alternativ verwendbare Un-
termodule enthält. Aus phänologischer Sicht interessant ist hierbei das Waldwachstumsmodell 4C (FO-
RESEE, Schaber & Badeck 2003), welches eine dynamische Simulation des Blattaustriebstags von Bu-
che, Eiche und Birke erlaubt. Wesentliche Einflussfaktoren sind hierbei die Lufttemperatur und die Ta-
geslänge. Der Zeitpunkt des Blattwurfs wird allerdings jeweils als konstant angenommen und nicht dy-
namisiert. Für Koniferen existiert in FORESEE bisher noch kein Ansatz zur Dynamisierung von phäno-
logischen Stadien. Die Simulation erfolgt in täglicherAuflösung (Klöcking & Suckow 2003, 2006; Suk-
kow et al. 2001).
Für die Simulation des Wachstums und der Ertragsbildung landwirtschaftlicher Kulturen können in Arc-
EGMO/PSCN die Module CROP (Klöcking & Suckow 2003) bzw. VEGEN (Klöcking & Suckow 2006)
angewandt werden, welche auf dem in SWAT2000 (Neitsch et al. 2001) enthaltenen Pflanzenmodell
basieren. Dieses ist wiederum eine vereinfachte Version des EPIC-Wachstumsmodells (Williams et al.
1984; Engel et al. 1993). Es basiert auf einem Temperatursummenansatz zur Beschreibung der phänologi-
schen Entwicklung der Pflanze (vgl. Abschnitt 2.4).
2.2
CENTURY
2.2.1
Überblick
CENTURY (Parton et al. 1987; Parton et al. 1993; Parton 1994) ist ein prozessorientiertes Modell zur
Beschreibung der Stoffdynamik (C, N, P, S) in Ökosystemen. Es wurde für die Simulation von Agraröko-
systemen entwickelt, verfügt aber auch über Module und Parameter, die seine Anwendung in Grasland-,
Savannen- oder Waldökosystemen erlauben. Das Modell rechnet in Tagesschrittweite. CENTURY ist frei
verfügbar (incl. Quelltext) und gut dokumentiert
(http://www.nrel.colostate.edu/projects/century5/
refe-
rence/index.htm).
CENTURY besteht aus einer Vielzahl von Modellkomponenten. Innerhalb der Teilmodelle „Acker und
Grünland“ und „Wald“ sind Wachstumsmodelle enthalten, die die Entwicklung von Wurzeln und Blatt-
flächenindex sowie die Auswirkungen von Ernte oder forstliche Maßnahmen inklusive Abholzung abbil-
den können.
2.2.2
Umsetzung der Phänologie
Im Teilmodell „Wald“ wird das Wachstum in zwei Teilaspekte unterteilt: Die Wachstumsphase sowie die
ausgewachsene Phase (juvenile and mature). Die beiden Wachstumsmodelle gehen von der Annahme aus,
dass die maximale monatliche Biomasseproduktion von der Feuchte und der Temperatur kontrolliert wird
und dass das Wachstum durch die Nährstoffverfügbarkeit limitiert wird. Weitere Einflussfaktoren im
Modell sind die Bodenstruktur und spezifizierte Geländeparameter. Der Blattflächenindex wird über die
Blattbiomasse und den „biomass-to-LAI conversion factor“ bestimmt. Letzterer ist eine einfache Ab-
klingfunktion, die in Abhängigkeit von der Baumart ein unterschiedlich hohes Plateau erreichen kann und
deren steigender Ast beispielsweise über die Steigung der Regressionsgeraden bestimmt wird, die über
die Beziehung von Blattmasse gegen Blattflächenindex für die Baumart „slash pine“ (
Pinus elliottii
)
berechnet wurde (Parton 1994).
Das Teilmodell „Acker und Grünland“ simuliert das Pflanzenwachstum für verschiedene annuelle und
mehrjährige Kräuter und Pflanzengruppen. Die Parameter für die zugehörigen Algorithmen werden aus
einer Datenbank ausgelesen. Die Parameter in der Datenbank können dabei vom Nutzer verändert wer-
den. Die wichtigste Funktion, die in CENTURY zur Berechnung des Pflanzenwachstums im Teilmodell
“Acker und Gras” genutzt wird, ist eine “temperature-response-function”. Daraus berechnet sich das
Pflanzenwachstum bei optimalen Bedingungen im Sommer. Das Wachstum der Pflanzen im Modell
hängt zusammen mit der Wurzeltemperatur, die durch eine Optimumtemperatur ausgedrückt wird, jen-

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 17
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
seits derer das Wachstum sehr schnell dezimiert wird. Zudem hängt das Wachstum von der möglichen C-
Assimilationsleistung ab. Für die meisten Pflanzen der gemäßigten Breiten wird eine untere Temperatur-
grenze zwischen 0 °C und 5 °C definiert. Das Optimum liegt zwischen 20 °C und 25 °C bis zu einem
oberen Limit von 30 °C bis 35 °C. In CENTURY können diese Werte für jede Pflanzenart gesondert mit
Hilfe einer Poisson-Dichtefunktion festgelegt werden. Der Effekt der Feuchte auf das Wachstum wird
über den Quotient aus der Summe von Bodenwassergehalt in der durchwurzelten Zone, Niederschlag,
Bewässerung und der potenziellen Evapotranspiration berücksichtigt. Der berechnete Wert wird mit wei-
teren festgelegten Werten verknüpft und führt über eine lineare Beziehung zu einer Veränderung des
Wachstums der betrachteten Vegetationstypen. Über ähnliche Gleichungssysteme werden Effekte der
Beschattung und der Nährstoffverfügbarkeit berücksichtigt. Die Wurzelproduktion ist in CENTURY
proportional zum potenziellen oberirdischen Wachstum, sie kann aber auch als Funktion der Zeit seit
Aussaat oder Pflanzung ausgedrückt werden.
Der Blattflächenindex wird in beiden Teilmodellen über die Blattbiomasse und einen „biomass-to-LAI
conversion factor“ berechnet. Der Faktor wird aus der mittleren Menge an Biomasse berechnet, die benö-
tigt wird, um einen LAI = 1 zu erreichen.
2.3
CoupModel
2.3.1
Überblick
Beim CoupModel (Jansson & Karlberg 2004) handelt es sich um ein prozessorientiertes gekoppeltes
Wasser-, Wärme-, Stickstoff- und Kohlenstofftransfermodell für Boden/Pflanze/Atmosphäre-Systeme. Es
gehört damit zu der Gruppe der so genannten „Soil-Vegetation-Atmosphere-Transfer-Models“ (SVATM).
Das
CoupModel ist die weiterentwickelte gekoppelte Windows-Version des Wasserhaushaltsmodells
SOIL (Jansson & Halldin 1979; Jansson 1996) und des Stickstoff- und Kohlenstoffmodells SOILN
(Johnsson et al. 1987; Eckersten et al. 1998). Eine umfassende Dokumentation mit integriertem Benut-
zerhandbuch befindet sich unter
ftp://www.lwr.kth.se/CoupModel/CoupModel.pdf.
Das CoupModel ver-
fügt über mehrere hundert internationale Referenzen. Eine erste Übersicht gibt die Bibliographie im An-
hang von Jansson & Karlberg (2004).
Die
ausführbare
Version
von
CoupModel
ist
frei
verfügbar
und
wird
unter
ftp://www.lwr.kth.se/CoupModel/CoupModel.pdf
zum download bereitgestellt. Der Quellcode (FOR-
TRAN, Visual Basic) ist nicht Bestandteil des frei verfügbaren Pakets. Interessierten Anwendern wird der
Quelltext nach individueller Übereinkunft durch die Entwicklergruppe um P. E. Jansson zur Verfügung
gestellt.
2.3.2
Umsetzung der Phänologie
Im
Coupmodel kann die Vegetationsentwicklung nach drei unterschiedlichen Ansätzen mit steigender
Komplexität simuliert werden: Als „implicit big leaf model“, „explicit big leaf model“ oder als „multiple
plants“ (Jansson & Karlberg 2004). Im Modus „implicit big leaf model“ wird die Vegetation mit Aus-
nahme der Wurzelentwicklung als konstant betrachtet. Der Unterschied zwischen „explicit big leaf mo-
del“ und „multiple plants“ liegt vor allem darin, dass mit letzterer Option komplexe Vegetationsstruktu-
ren und Konkurrenz zwischen verschiedenen Vegetationskomponenten abgebildet werden können. So-
wohl mit „explicit big leaf model“ als auch mit „multiple plants“ können zeitliche Veränderungen der
Vegetationsparameter Blattflächenindex, Albedo, Pflanzenhöhe, Wurzeltiefe und Wurzellänge berück-
sichtigt werden. Zur dynamischen Steuerung des Beginns und des Endes der Vegetationsperiode lässt sich
außerdem ein Temperatursummenansatz zuschalten.

Seite 18
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Im Modus „explicit big leaf model“ können im Jahresverlauf bis zu fünf Stützstellen t
day
(i) für Vegetati-
onsparameter definiert werden. Die Werte x werden für jeden Tag des Jahres jeweils für den Parameter
x(i) wie folgt berechnet:
x
=
(1
− α
)
x
(
i
−1) +α ⋅
x
(
i
)
Gleichung 1
mit
( 1)
()
(
1)
(
1)
=
c
i
day
day
day
form
t
i
t
i
tt
i
α
Gleichung 2
mit
t
Intervall bei t
day
(i-1) und t
day
(i)
t
day
festgelegtes Datum für die Veränderung eines Vegetationsparameters
c
form
Skalierungsparameter
α
Formfaktor
Der erste Tag t
day
(1) für die Vegetationsentwicklung kann entweder als konstant angenommen oder als
Funktion der Lufttemperatur dynamisch berechnet werden. Der erste Tag der Vegetationsentwicklung ist
dann derjenige, an welchem die kumulierten Lufttemperaturen t
sumplant
über einer kritischen Temperatur
t
crit
die Temperatursumme T
start
übersteigen. Die Summierung der Temperatur beginnt, sobald die Tages-
länge 10 Stunden erreicht. Fünf aufeinanderfolgende Tage mit Tageslängen kürzer als 10 Stunden und
Temperaturen unterhalb eines Schwellenwertes beenden die Vegetationsperiode. Im Winter werden Blatt-
flächenindex, effektive Vegetationshöhe, tatsächliche Vegetationshöhe und Verdunstungswiderstand auf
Werte gesetzt, die mit den Anfangswerten korrespondieren.
In der Modellversion „multiple plants“ wird im Unterschied zu „explicit leaf model“
α
abweichend von
Gleichung 2 bestimmt:
()
( 1)
( 1)
(12
sin
=
c
i
day
day
day i
vorm
t
i
t
i
tt
π
α
Gleichung 3
2.4
SWAT
2.4.1
Überblick
Das Soil and Water Assessment Tool (SWAT, Neitsch et al. 2002) ist ein umfangreiches Modell zur Si-
mulation von Stofftransport in Einzugsgebieten. Die ausführbare Version des Modells ist frei verfügbar
und kann im Internet unter der Adresse
http://www.brc.tamus.edu/swat/index.html
bezogen werden.
Das Modell enthält eine Vielzahl von Modulen, die unterschiedliche Reaktionsräume und Prozesse im
Einzugsgebiet abbilden. Darunter ist das Landnutzungsmodul, das eine detaillierte Beschreibung der
Vegetationsdynamik erlaubt. Es basiert auf einem Ansatz, der dem Modell EPIC (Williams et al. 1984;
Engel et al. 1993) entnommen und vereinfacht wurde. Dabei können optimales (potenzielles) Pflanzen-
wachstum und Nährstoffaufnahme sowie tatsächliches Pflanzenwachstum und Nährstoffaufnahme be-
rücksichtigt werden. Das Modell basiert auf dem sogenannten Hydrotop-Ansatz, die Berechnungen erfol-
gen somit teilflächenspezifisch. Die zeitliche Auflösung sind Tagesschritte.

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 19
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
2.4.2
Umsetzung der Phänologie
Der Vegetationszyklus der Pflanzen wird von Attributen kontrolliert, die den einzelnen Pflanzen zuge-
wiesen werden. Sie sind in einer Datenbank gespeichert. Die Zeitpunkte verschiedener Operationen sind
in einem Managementfile aufgelistet.
Die phänologische Modellierung in SWAT folgt der sogenannten „Heat Unit Theory“. Diese beruht auf
der Annahme, dass das Wachstum der Vegetation vor allem von der Temperatur gesteuert wird und dass
die benötigten Temperaturen jeweils bezogen auf ein vegetatives Stadium quantifizierbar sind. Bei jeder
Pflanze muss eine festgelegte Minimumtemperatur erreicht werden, bevor das Wachstum beginnt
(Neitsch et al. 2005). Über dieser Basistemperatur beschleunigt sich das Wachstum mit steigenden Tem-
peraturen bis zu einer Optimumtemperatur. Steigt die Tagesmitteltemperatur über die Optimumtempera-
tur, verlangsamt sich das Wachstum bis zu einer Maximaltemperatur, oberhalb derer schließlich das
Wachstum endet. Eine „Heat Unit“ (HU) ist dabei die Differenz aus der Mitteltemperatur eines bestimm-
ten Tages und der Minimumtemperatur (Neitsch et al. 2005). In SWAT wird angenommen, dass das
Wachstum direkt proportional zu der Größe der zugehörigen HU ist. Für die Ausbildung bestimmter
phänologischer Stadien wie Blüte prüft das Programm zunächst, ob ein bestimmter Tag definiert wurde.
Ist dies nicht der Fall, wird das betreffende Datum über eine festgelegte Anzahl von kumulierten HU ab
dem Sprossen bestimmt. Diese Anzahl wird in einem Management-File für jede Landnutzungsart be-
stimmt.
Das Pflanzenwachstum stellt sich im Modell durch ein Wachstum des Blattflächenindexes (LAI) dar. Die
Zunahme der Biomasse ist dabei das Produkt aus der RUE (Radiation-use-efficiency of a plant
)
[kg/ha*(MJ/m²)] und der auf der gesamten Blattfläche aufgetroffenen photosynthetisch aktiven Strahlung
an einem bestimmten Tag (H
phosyn
) (vgl. Gleichung 4). RUE ist in der Modell-Datenbank für die einzelnen
Pflanzenarten definiert und variiert mit der CO
2
-Konzentration in der Atmosphäre (alle folgenden Glei-
chungen wurden Neitsch et al. 2002, 2005 entnommen).
Δ
bio
=
RUE
H
phosyn
Gleichung 4
=
=
Δ
d
i
bio
bio
i
1
Gleichung 5
mit
Δbio
potenzielles Pflanzenwachstum an einem Tag [kg/ha]
bio
gesamte zugewachsene Biomasse für einen Tag für das modellierte Gebiet [kg/ha]
Vegetationshöhe und Entwicklung des Blattflächenindexes werden in SWAT am Anfang des Wach-
stumszyklus über die „optimal leaf area development curve“ kontrolliert. Die Vegetationshöhe von land-
wirtschaftlichen Pflanzen wird dann über folgende Gleichung bestimmt:
h
c
h
c
fr
LA
Im
ax
=
,max
Gleichung 6
mit
(
PHU
)
PHU
PHU
LA
ax
fr
l
l
fr
fr
fr
exp
1
2
*
Im
+
=
Gleichung 7
und
PHU
HU
fr
d
i
i
PHU
=
=1
Gleichung 8
mit
h
c
Vegetationshöhe an einem gegebenen Tag
h
c,max
maximale Vegetationshöhe der Pflanze

Seite 20
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
fr
LAImax
Fraktion des maximalen Blattflächenindexes, die zu der aktuellen HU
dieser Pflanze korrespondiert
PHU
potenzielle kumulierte HU für diese Pflanze am gegebenen Tag
l
1
, l
2
Formfaktoren
Die Vegetationshöhe von Bäumen wird nach folgendem Verfahren ermittelt:
=
fulldev
cur
c
c
yr
yr
h
h
max
,
Gleichung 9
mit
yr
cur
Alter der Bäume
yr
fulldev
Anzahl der Jahre bis zur vollständigen Entwicklung einer Baumart
Für ein- und mehrjährige Pflanzen wird die am Tag i hinzugekommene Blattfläche als
(
)
(
(
(
max
)))
Im
,
Im
, 1
max
1
LAI
fr
fr
LAI
1 exp5
LAI
LAI
Δ
i
=
LA
axi
LA
axi
i
Gleichung 10
berechnet, während sie für Bäume wie folgt kalkuliert wird:
(
)
⋅−
Δ
=
1
max
Im
,
Im
, 1
max
1 exp5
LAI
yr
yr
LAI
LAI
yr
yr
LAI
fr
LAI
fulldev
cur
i
fulldev
cur
i
LA
axi
LA
axi
Gleichung 11
Der gesamte Blattflächenindex ist dann
LAI
i
=
LAI
i
−1
+ Δ
LAI
i
Gleichung 12
Sobald der maximale Blattflächenindex erreicht ist, beginnt die Blattalterung. Sobald diese zum dominie-
renden Prozess wird, wird der Blattflächenindex wie folgt berechnet:
Annuelle und mehrjährige Pflanzen:
(
)
(
sen
)
PHU
PHU
fr
fr
LAI
LAI
,
max
1
1
=
Gleichung 13
Bäume:
(
)
(
sen
)
PHU
PHU
fulldev
cur
fr
fr
LAI
yr
yr
LAI
,
max
1
1
=
Gleichung 14
mit
fr
PHU,sen
die Fraktion des PHU, an dem der Alterungsprozess dominiert, fr
PHU
> fr
PHU,sen

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 21
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Auch die Wurzelentwicklung wird in SWAT aus den potenziellen und realen „Heat Units“ hergeleitet.
Der Biomasseanteil der Wurzeln an der gesamten Biomasse variiert zwischen 0,4 bei Wachstumsbeginn
und 0,2 bei voller Entwicklung:
root
PHU
fr
=
0.40
0.20
fr
Gleichung 15
mit
fr
root
Fraktion der totalen Biomasse, die in das Wurzelwachstum geht
Die Berechnung der Wurzeltiefe variiert mit den verschiedenen Pflanzenarten. In SWAT wird angenom-
men, dass mehrjährige Pflanzen und Bäume Wurzeln besitzen, die bis zu einer maximalen Tiefe reichen,
die für die Böden fest definiert ist. Für annuelle Pflanzen wird die Wurzeltiefe wie folgt berechnet:
0.40
2.5
0.40
,max
,max
>
=
=
PHU
PHU
root
root
root
root
root
fr
fr
z
z
z
fr
z
Gleichung 16
mit
z
root
Wurzeltiefe [mm]
z
root,max
maximale Wurzeltiefe
Die maximalen Wurzeltiefen werden in der Modelldatenbank festgelegt.
Das tatsächliche Wachstum der beschriebenen Vegetationsparameter weicht von den beschriebenen po-
tenziellen Werten ab. Sie werden über einen Stressfaktor reduziert. Er wird als Funktion von Wasser-
stress, Temperaturstress (Hitze, Kälte), Stickstoff- und Phosphorstress (Verfügbarkeit von Nährstoffen)
festgelegt.
In Neitsch et al. (2002, 2005) werden Beispieldatensätze für Getreidefelder in Indiana/USA verwendet.
Festgelegt werden die Parameter der Gleichungen in einer Modelldatenbank, die im Internet in Form von
Beispieldatensätzen verfügbar ist. In der Dokumentation ist eine ausführliche Bibliographie enthalten, der
Hinweise auf verfügbare Parametersätze entnommen werden können.
2.5
WASMOD
2.5.1
Überblick
Das Modellsystem WASMOD (Water and Substance Simulation Model, Reiche 1991, 1995, 1996) ist
modular aufgebaut und bietet die Möglichkeit, Simulationsrechnungen zur Wasser- und Stoffdynamik
sowohl bezogen auf Einzelstandorte
,
als auch im regionalen Maßstab für ganze Einzugsgebiete durchzu-
führen.
Die Prozessbeschreibung erfolgt in unterschiedlichen, hierarchisch angeordneten Raumeinheiten bzw.
Ökosystemkompartimenten. Dies sind die Vegetationsschicht bzw. der Pflanzenbestand, die Bodenober-
fläche, der durchwurzelte Boden, die ungesättigte und die gesättigte Zone, der Grundwasserkörper und
der Vorfluter. Die Berechnungen erfolgen jeweils in Abhängigkeit von Parametern zur Kennzeichnung
der Vegetation, der Relief- und Bodencharakteristika sowie agrartechnischer Nutzungsmaßnahmen, die
einzelnen Raumausschnitten zugeordnet werden. Das Modellsystem wird von einem Hauptprogramm aus
organisiert. Unterschiedliche Prozesse werden dabei in Abhängigkeit ihres Raumbezugs und der Effekti-
vität in unterschiedlichen Zeitintervallen aufgerufen (Reiche 1996). Beispielsweise erfolgt die Berech-
nung des Phänologieverlaufs nur einmal für jedes zu simulierende Jahr und gilt für das Gesamtgebiet,

Seite 22
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Bodenwasserbewegungen werden dagegen für die einzelne Bodeneinheit im Minuten- oder Stunden-
rythmus berechnet.
2.5.2
Umsetzung der Phänologie
Der Phänologieverlauf für die vegetationsabhängigen Modellvariablen Durchwurzelungstiefe, HAUDE-
Faktor und Blattflächenindex LAI kann in WASMOD entweder als Tabellenfunktion eingelesen und
konstant gehalten oder dynamisch dargestellt werden. Die verwendeten Größen sind zeitabhängige Anga-
ben zur Durchwurzelungstiefe, zum LAI, zum Transpirationsvermögen, zum Nährstoffaufnahmevermö-
gen und zu einzelnen landwirtschaftlichen Bearbeitungsmaßnahmen. Die Größen werden gegen einen
vorgegebenen mittleren phänologischen Verlauf in Abhängigkeit vom Jahrestemperaturgang zeitlich
verschoben. Grundlage dafür bildet ein Phänologie-Datensatz des Deutschen Wetterdienstes und ein drei-
ßig Jahre umfassender Wetterdatensatz (Reiche 1996). Darauf aufbauend wird ein nach Leitarten diffe-
renzierter mittlerer Phänologieverlauf definiert und die für Einzeljahre festgestellten Abweichungen in
Beziehung zu Abweichungen der mittleren Temperatursummen (Tagesmaximum) beschrieben.
Die Berechnung der zeitlichen Verschiebung des Phänologieablaufes vom mittleren Verlauf am Beispiel
von Schleswig-Holstein ergibt sich in WASMOD aus folgender Gleichung:
(
max,
)
0.039
max,
Δ
=
j
Phaenotag
t
i x
m
t
i x
Gleichung 17
mit
Δ
Phaenotag
Abweichung vom mittleren Phänologieverlauf in Tagen
Σ
t
max,i-xm
Summe aus der Differenz des Tagesmaximums und der Temperaturen berech-
net vom 1. Februar bis Tag x
m
über 30 Jahre gemittelter Witterungsverlauf (Tageswerte)
j
Witterungsverlauf (Tageswerte) des aktuell zu berechnenden Jahres
Die langjährigen Mittel der in Gleichung 17 einzusetzenden Summen werden durch Reiche (1996) bereit-
gestellt.

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 23
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
3
Entwicklung des Phänologie-Moduls für WaSiM-ETH
3.1
Stand der Wissenschaft
Die in Abschnitt 2 beschriebenen Modelle und Modellansätze konzentrieren sich hinsichtlich der Vegeta-
tion in der Regel auf die Beschreibung von Wachstumsprozessen. Die Pflanzenentwicklung (Phänologie),
wird dagegen meist nicht explizit berücksichtigt. Für landwirtschaftliche Nutzpflanzen existieren in der
internationalen Literatur nur wenige Modellansätze zur Beschreibung der Pflanzenentwicklung. Den
Ansätzen ist gemein, dass sie stets auf Temperatursummen basieren. In dem Modell SWAT2000 (Neitsch
et al. 2001) wird die Pflanzenentwicklung über „heat units“ berechnet. Dieses Verfahren ist üblich, wobei
verschiedene Modellierungsansätze existieren (Robertson 1968, Cannell und Smith 1983, Hunter und
Lechowicz 1992). Im Modell WASMOD (Reiche 1991, 1995, 1996) wird eine mittlere Pflanzenentwick-
lung vorgegeben, die entsprechend des Temperaturverlaufs im aktuellen Jahr korrigiert wird (Gleichung
17). CoupModel (Jansson & Karlberg 2004) hingegen berechnet eher den allgemeinen Beginn und das
allgemeine Ende der Vegetationsperiode unter Berücksichtigung der Lufttemperatur und Tageslänge.
Ziel dieses Vorhabens ist es, das hydrologische Einzugsgebietsmodell WaSiM-ETH (vgl. Kapitel 4)
durch ein Modul zur dynamischen Vegetationsentwicklung zu erweitern. Das Modul soll die phänologi-
sche Entwicklung von landwirtschaftlichen Nutzpflanzen, von ausgewählten obstbaulichen Gehölzen und
von in Sachsen verbreiteten Baumarten simulieren können. Hierbei liegt der Fokus wie in der Literatur in
erster Linie auf Temperatursummenansätzen zur Beschreibung der Pflanzenentwicklung. Die direkte
Übernahme von Modellansätzen aus anderen Regionen für Sachsen ist allerdings fragwürdig, da die
Pflanzenentwicklung durch regionalspezifische Faktoren beeinflusst wird und häufig landestypische Sor-
ten angebaut werden. Es wird daher die Neuentwicklung eines phänologischen Moduls durchgeführt, mit
welchem sich die Pflanzenentwicklung in Sachsen dynamisch in Abhängigkeit vom jährlichen Witte-
rungsverlauf berechnen lässt.
3.2
Material und Methodik
3.2.1
Datengrundlage
Grundlage für die Entwicklung der phänologischen Modelle für Sachsen sind phänologische Beobach-
tungsdaten des Deutschen Wetterdienstes (DWD), die vom Auftragnehmer beschafft wurden (Tabelle 1).
Insgesamt stehen für Sachsen 313 phänologische Stationen zur Verfügung. Für die meisten Nutzpflanzen-
arten sind jedoch kontinuierliche Beobachtungswerte nur für den Zeitraum von 1992 bis 2005 verfügbar.
Viele Stationen weisen größere Datenlücken auf, so dass sie nicht für die Modellierung herangezogen
werden können. Ebenfalls variiert die Anzahl der verwertbaren Beobachtungsstationen stark von Pflan-
zenart zu Pflanzenart. Erschwerend kommt hinzu, dass für jede Station alle Phänophasen einer Kulturart
vorliegen müssen, damit die Temperatursummenmodelle berechnet werden können. Schließlich wurden
die für die Modellierung verwendeten phänologischen Stationen so ausgewählt, dass eine möglichst re-
präsentative Abdeckung des Untersuchungsgebietes (Sachsen) erreicht wurde.
Abbildung 1 zeigt die Lage und die Anzahl der verfügbaren phänologischen Stationen für die beiden
Kulturarten Winterroggen und Mais. Während für den Winterroggen (dies gilt auch für Winterweizen,
Wintergerste und Hafer) sehr viele Beobachtungsstationen in Sachsen verfügbar sind, stehen für den Mais
(und auch die Zuckerrübe) nur wenige Stationen mit verwertbaren Daten zur Verfügung, die für die Op-
timierung der phänologischen Modelle herangezogen werden konnten. Die Anzahl der verwendeten Sta-
tionen liegt zwischen sechs (Zuckerrübe) und zehn (Hafer, Wintergerste). Trotz der geringen Stations-
dichte war eine gute Verteilung der Stationen über die sächsische Landesfläche gegeben.

image
image
Seite 24
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Abbildung 1: Lage der phänologischen Stationen für Winterroggen (links) und Mais (rechts); offene
Kreise: alle Stationen, ausgefüllte Kreise: Stationen mit ausreichender Datengrundlage
(Winterroggen n=9, Mais n=8)
Die Kürze der phänologischen Datenreihen für landwirtschaftliche Nutzpflanzen (überwiegend 1992 bis
2005) erschwert die interne Validierung der phänologischen Modellansätze erheblich. Für die Optimie-
rung der Modellparameter wurden alle verfügbaren Jahre herangezogen. Der angegebene Fehler (MAE)
bezieht sich auf den Optimierungszeitraum und ist der mittlere Fehler über alle verwendeten Einzelstatio-
nen. Eine externe Validierung der phänologischen Modelle wurde erst nach der Implementierung in Wa-
SiM-ETH vorgenommen (vgl. Kapitel 5).
Zur Berechnung der phänologischen Modelle wurden darüber hinaus auch tägliche Witterungsdaten für
die gesamte Landesfläche des Freistaates Sachsen in einem Raster von 500 m x 500 m für die Periode von
1961-2005 benötigt. Folgende Klimagrößen standen für die Modellierung zur Verfügung: Lufttemperatur
(Mittel, Min, Max), Luftfeuchte (Mittel), Windgeschwindigkeit (Mittel), Niederschlagssumme und Glo-
balstrahlung. Die Klimadaten wurden von Chmielewski et al. (2007) übernommen. Für die Berechnung
der phänologischen Modelle wurden ausschließlich Temperaturdaten verwendet.
Tabelle 1: Landnutzung und zu modellierende Phänophasen, Phasen in eckigen Klammern sind optional,
Zahlen in runden Klammern bezeichnen die DWD-Phänophase
Landuse
Entwicklungsstadien
Obstanbau
Apfel, frühreifend
- Beginn Austrieb (256)
- [Beginn Blüte] (062)
- [Beginn Pflückreife] (109)
- Blattfall (257)
Apfel, spätreifend
- Beginn Austrieb (259)
- [Beginn Blüte] (260)
- [Beginn Pflückreife] (111)
- Blattfall (263)
Süßkirsche
- [Beginn Blüte] (054)
- [Beginn Pflückreife, frühreifend] (102)
- [Beginn Pflückreife, spätreifend] (103)
- Blattverfärbung (270)
keine Daten
Pflanzenbau
Sommergetreide
Gerste
- Aufgang (026)
- Schossbeginn (027)
keine DWD Daten
- [Beginn und Ende Blüte]
- Gelbreife (082
) keine DWD Daten
- Vollreife (084)
keine DWD Daten

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 25
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Tabelle 1 (Fortsetzung): Landnutzung und zu modellierende Phänophasen, Phasen in eckigen Klammern
sind optional, Zahlen in runden Klammern bezeichnen die DWD-Phänophase
Hafer
- Aufgang (022)
- Schossbeginn (023)
- [Beginn und Ende Blüte]
- Gelbreife (095)
- Vollreife (097)
keine DWD Daten
Wintergetreide
Winterweizen
- Aufgang (094)
- Schossbeginn (040)
- [Beginn Ährenschieben] (041)
- Gelbreife (090)
- Beginn Ernte (194)
Wintergerste
- Aufgang (081)
- Schossbeginn (035)
- [Beginn Ährenschieben] (036)
- Gelbreife (077)
- Beginn Ernte (191)
Winterroggen
- Aufgang (089)
- Schossbeginn (037)
- [Beginn Ährenschieben] (038)
- [Vollblüte] (039)
- Gelbreife (085)
- Beginn Ernte (193)
Winterraps
- Aufgang (183)
- Beginn Längenwachstum (249)
- Beginn Blüte (144)
- Beginn Vollreife (251)
Mais
- Aufgang (141)
- Beginn Längenwachstum (237)
- [Beginn Blüte] (238)
- Beginn Ernte (196)
Hackfrüchte
Zuckerrüben
- Aufgang (043)
- Bestand geschlossen (044)
- Beginn Ernte (099)
Kartoffeln (Spätkartoffeln)
- Aufgang (033)
- Bestand geschlossen (034)
- Beginn Ernte (076)
Grünland
Wiesenfuchsschwanz
Wiesenknäuelgras
- Beginn der Vegetationsperiode (B
5
)
- Vollblüte (019)
- Ende der Vegetationsperiode (E
5
)
- Beginn der Vegetationsperiode (B
5
)
- Vollblüte (020)
- Ende der Vegetationsperiode (E
5
)
Dauergrünland
- Beginn der Vegetationsperiode (B
5
)
- Beginn des Ergrünens (230)
- 1. Heuschnitt (048)
- 1. Silageschnitt (231)
- Ende der Vegetationsperiode (E
5
)

Seite 26
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
3.2.2
Methodik
Für die Modellierung der Entwicklung landwirtschaftlicher Nutzpflanzen sind sogenannte “Thermal-
Time“ Modelle (Robertson 1968, Cannell und Smith 1983) oder „Spring
-
Warming“ Modelle (Hunter und
Lechowicz 1992), die auf Reaumur (1735) zurück gehen, ein guter und praktikabler Ansatz.
=
=
=
t
it
S
f
t
R
f
T
i
wobei S
f
t
F
1
*
()
( ),
(
2
):
()
=
i
Bf
f
i
T
T
RT
0
Bf
Bf
i
i
T
T
if T
if T
>
Gleichung 18
Hierbei ist t
2
das Eintrittsdatum der phänologischen Phase, wenn das Stadium der Entwicklung („state of
forcing“ S
f
) den Grenzwert F* erreicht hat. Des Weiteren ist T
i
die Tagesmitteltemperatur, R
f
(T
i
) die
tägliche Rate der ontogenetischen Entwicklung, T
Bf
die Basistemperatur und t
1
der Tag, ab dem die Tem-
peratursumme akkumuliert wird. R
f
wird üblicherweise auch als „degree-days“ (Tage mit Temperaturen
über einer vorgegebenen Basistemperatur, bzw. effektive Temperaturen) bezeichnet. S
f
ist damit die
Summe der „growing-degree-days“ (GDD).
Die Winterruhe von Pflanzen (Dormanz) wird in diesem Modell nicht berücksichtigt. Sowohl für die
Sommergetreidearten als auch für Mais, Kartoffeln, Zuckerrüben stellt dies keine Einschränkung dar. Für
die Wintergetreidearten und Dauergrünland wird derselbe Modellansatz verwendet, wobei die Entwick-
lung im Vor- und Erntejahr getrennt modelliert wird. Dies ist notwendig, da sich im Herbst andere opti-
male Basistemperaturen ergeben (T
B
= 0°C) als im Folgejahr (T
B
kulturartenspezifisch). Der Zeitraum
zwischen Aussaat und Aufgang kann problemlos mit Gleichung 18 beschrieben werden, wobei t
1
der
Saattermin und t
2
das Datum des Aufgangs ist. Für den Starttag im Erntejahr wurde der 1. Januar gewählt.
Dadurch vereinfacht sich die Programmierung im Wasserhaushaltsmodell.
Für die Modellierung der Frühjahrsphasen der Obstgehölze (Blattentfaltung, Blüte) sind Modelle zu ver-
wenden, die neben dem Wärmebedürfnis der Pflanzen auch den winterlichen Kältereiz berücksichtigen.
Hierzu bieten sich sequentielle „chilling-forcing“ Modelle an (Savaras 1974, Hänninen 1990, Chuine et
al. 1998). Diesen Modellen ist gemeinsam, dass die Gehölze erst dann auf die wärmeren Temperaturen im
Frühjahr reagieren können, wenn zuvor die Winterruhe der Pflanzen (Dormanz) überwunden ist.
Hierzu existiert eine Vielzahl von Ansätzen, die das Kältebedürfnis der Pflanze beschreiben. Im einfach-
sten Fall wird das Kältebedürfnis (chilling days) durch eine bestimmte Anzahl von Tagen unter einer
empirisch zu bestimmenden Basistemperatur (T
B
c
) berechnet (Gleichung 19).
=
=
=
t
it
S
C
t
R
C
T
i
wobei S
C
t
C
0
*
( )
( ),
(
1
):
()
=
1
0
R
C
T
i
Bc
Bc
i
i
T
T
if T
if T
<
Gleichung 19
Die Berechnung des Kältebedürfnisses (chilling requirement R
C
) kann ebenfalls durch „chilling units“
anstelle von „chilling days“ realisiert werden. Hierfür existieren in der Literatur ebenfalls vielfältige An-
sätze, die u.a. bei Chuine et al. 2003 beschrieben werden. Nach der Beendung der Dormanz ist die Pflan-
ze in der Lage, auf die für das Pflanzenwachstum förderlichen Temperaturen zu reagieren. Zur Beschrei-
bung dieser Entwicklung kann wiederum der Ansatz (Gleichung 18) Verwendung finden.

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 27
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Für die Umsetzung des Phänologie-Moduls in WaSiM-ETH werden letztendlich folgende Berechnungs-
ansätze betrachtet (Modellbezeichnungen aus Chmielewski et al. 2007):
Modell 11a
(für landwirtschaftliche Nutzpflanzen)
()
()
=
=
t
it
S
f
t
R
f
T
i
1
,
wobei S
f
(
t
2
)
:=
F
*
Gleichung 20
mit t
2
= kleinste ganze Zahl, für die
S
f
(
t
2
)
F
*
( )=0
R
f
T
i
,
wenn
T
i
T
Bf
(
)
Bf
R
f
T
i
=
T
i
T
,
wenn
T
i
>
T
Bf
Modell 12b
(für Obstgehölze)
()
()
=
=
t
it
S
f
t
R
f
T
i
1
,
wobei S
f
(
t
2
):=
F
*
Gleichung 21
( )=0
R
f
T
i
,
wenn
T
i
T
Bf
()
1 exp( 0.185
(
18.4))
28.4
+
=
i
Bf
f
TT
R T
,
wenn
T
i
>
T
Bf
Modell 24b
(für
Obstgehölze)
()
()
=
=
t
it
S
c
t
R
c
T
i
0
,
wobei S
c
(
t
1
):=
C
*
Gleichung 22
()
()
=
=
t
it
S
f
t
R
f
T
i
1
,
wobei S
f
(
t
2
):=
F
*
Gleichung 23
wobei gilt:
F
*
=
a
exp(
b
C
*)
( )=0
R
c
T
i
,
wenn
≤3.0
T
i
oder
T
i
12.0
()
3.0
3.0
=
Bc
i
c
i
T
T
R T
,
wenn
3.0
<
T
i
T
Bc
()
12.0
12.0
=
Bc
i
c
i
T
T
R T
,
wenn
<
i
<12.0
Bc
T
T
( )=0
R
f
T
i
,
wenn
T
i
T
Bf
()
1 exp( 0.185
(
18.4))
28.4
+
=
i
Bf
f
TT
R T
,
wenn
T
i
>
T
Bf

Seite 28
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
3.3
Ergebnisse
3.3.1
Sommergetreide, Wintergetreide, C
4
-Getreide, Hackfrüchte, Grünland
Die Modellierung phänologischer Phasen landwirtschaftlicher Nutzpflanzen ist schwieriger als für Arten
der natürlichen Vegetation. Dies liegt daran, dass hier menschliche Einflüsse wirksam sind (Aussaatter-
mine, Ernte) und eine Vielzahl von Sorten existieren, die durch individuelle Unterschiede in der pflanzli-
chen Entwicklung gekennzeichnet sind. Da aufgrund der Datenlage keine Modellierung für Einzelsorten
möglich war, stellen die aufgeführten Modelle die mittlere Entwicklung der untersuchten Nutzpflanzenar-
ten dar.
Für alle Kulturarten lassen sich der Aufgang der Pflanzen und damit der Beginn des Pflanzenwachstums
gut berechnen. Die mittleren absoluten Fehler (MAE) liegen hier bei ca. 3 Tagen; lediglich bei der Spät-
kartoffel beträgt der MAE 4,9 Tage. Bei den Getreidearten (Sommergerste, Hafer, Winterweizen, Winter-
gerste, Winterroggen) erreichen die Fehler maximal 6 Tage. Relativ schwierig ist der Schossbeginn
(MAE zwischen 4.4 und 7.2 Tagen) zu modellieren, da die Beobachtung dieser Phase mit Unsicherheiten
behaftet ist. Der nachfolgende Termin „Beginn des Ährenschiebens“ zeigt für alle Getreidearten wieder
einen deutlich geringeren Fehler von 4 - 5 Tagen. Mit einer MAE zwischen 4 - 6 Tagen ist sogar der
Termin der Vollreife (= Erntetermin) gut abzuschätzen.
Beim Mais variieren die mittleren Fehler der Modellansätze vom Aufgang bis zum Beginn der Blüte
zwischen 3 und 5 Tagen. Die Reifestadien zeigen mit 7 - 8 Tagen einen höheren Fehler, wobei sich für
den Erntetermin der größte Fehler ergibt (10 Tage). Dies ist auch deutlich bei der Zuckerrübe erkennbar,
die bei milder, sonnenscheinreicher Herbstwitterung noch im Boden verbleiben kann. Der Erntetermin ist
hier vor allem vom Menschen abhängig und damit kaum zu modellieren. Für die Gräser und das Dauer-
grünland sind die Werte mit Fehlern von 5 - 6 Tagen ebenfalls akzeptabel. Lediglich der 1. Heuschnitt ist
wiederum stark menschlich beeinflusst und zeigt dementsprechend mit 12 Tagen einen relativ hohen
Fehler.
Insgesamt kann festgestellt werden, dass die Mehrzahl der modellierten Phasen gegenüber fixen Termi-
nen deutlich geringere Fehler im Vergleich mit den Beobachtungen liefern.
Die nachfolgenden Tabellen fassen die für Sommer-, Winter- und C
4
-Getreide sowie die für Hackfrüchte
und Grünland erzielten Ergebnisse zusammen und geben einen Überblick über die mittleren Eintrittster-
mine der zu modellierenden phänologischen Phasen, sowie die verwendeten Daten und optimierten Mo-
dellparameter.
Legende für die Tabellen:
t
z
Beobachtungszeitraum
n
Anzahl der verwendeten Stationen
T
00
Temperatur zur Aussaat
t
n
Mittlerer Eintrittstermin der phänologischen Phase (Tag im Jahr)
d
Mittleres Eintrittsdatum für t
z
s
Standardabweichung von t
n
in Tagen
F*
Forcing units als Growing Degree Days
T
B
Basistemperatur
MAE
Mittlerer absoluter Fehler zwischen Modell und Beobachtung

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 29
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Tabelle 2:
Sommergerste: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
(Modell 11a)
t
z
1982-1991
n
7
T
00
5,4 °C, s = 0,9 °C
BBCH
00
Aussaat
10
Aufgang
31
*)
Schoss-
beginn
51
Beginn
Ährensch.
61
Beginn
Blüte
69
Ende
Blüte
75
Milchreife
83
Teigreife
87
Gelbreife
Ernte
Vollreife
t
n
86,2
105,5
-
168,7
-
-
-
-
-
221,6
d
27.03.
16.04.
-
18.06.
-
-
-
-
-
10.08.
s (t
n
)
6,1
8,8
-
4,8
-
-
-
-
-
6,9
T
B
= 0 °C
Thermal-Time Model
F
*
-
128,8
-
862,2
-
-
-
-
-
1758,2
s
-
21,8
-
85,9
-
-
-
-
-
99,1
MAE
-
3,1
-
4,5
-
-
-
-
-
3,5
T
B
= 0 °C
Thermal-Time Model (Daten: E-Feld Berlin-Dahlem)
F
*
-
103,6
448,2
-
-
-
1066,1
-
1565,5
-
s
-
15,4
46,5
-
-
-
64,8
-
90,6
-
MAE
-
1,6
3,0
-
-
-
1,9
-
3,5
-
*)
bzw. 1-Knoten-Stadium
Tabelle 3:
Hafer: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH (Modell 11a)
t
z
1992-2005
n
10
T
00
7,4 °C, s = 1,0 °C
BBCH
00
Aussaat
10
Aufgang
31
*)
Schoss-
beginn
51
Beginn
Ährensch.
61
Beginn
Blüte
69
Ende
Blüte
75
Milchreife
83
Teigreife
87
Gelbreife
Ernte
Vollreife
t
n
90,7
107,6
140,0
167,4
-
-
194,1
-
211,8
230,2
d
01.04.
18.04.
20.05.
16.05.
-
-
13.07.
-
31.07.
18.08.
s (t
n
)
6,5
6,4
6,7
5,3
-
-
9,8
-
8,9
7,7
T
B
= 0 °C
Thermal-Time Model
F
*
-
113,8
485,2
885,0
-
-
1338,3
-
1651,2
1981,0
s
-
16,2
67,8
44,8
-
-
156,5
-
127,9
82,3
MAE
-
2,8
4,4
5,0
-
-
5,8
-
5,6
5,7
T
B
= 0 °C
Thermal-Time Model (Daten: E-Feld Berlin-Dahlem)
F
*
-
120,7
452,1
-
885,9
-
1175,8
-
1677,3
-
s
-
13,9
45,6
-
41,6
-
61,5
-
119,3
-
MAE
-
3,3
2,3
-
1,9
-
2,4
-
6,8
-
*)
bzw. 1-Knoten-Stadium

Seite 30
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Tabelle 4:
Winterweizen: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
(Modell 11a)
t
z
1992-2005
n
9
T
00
11,3 °C, s = 0,7 °C
BBCH
00
Aussaat
10
Aufgang
31
*)
Schoss-
beginn
51
Beginn
Ährensch.
61
Beginn
Blüte
69
Ende
Blüte
75
Milchreife
83
Teigreife
87
Gelbreife
Ernte
Vollreife
t
n
277,7
293,4
117,1
151,3
-
-
183,3
-
202,5
221,3
d
05.10.
20.10.
27.04.
31.05.
-
-
02.07.
-
22.07.
09.08.
s (t
n
)
9,6
11,1
11,9
5,3
-
-
7,7
-
6,8
7,5
T
B
= 6 °C
Thermal-Time Model
F
*
-
119,0
1)
129,7
2)
369,1
2)
-
-
703,4
2)
-
921,6
2)
1150,1
2)
s
-
26,9
42,3
56,8
-
-
93,8
-
61,8
51,3
MAE
-
4,7
5,9
4,8
-
-
6,4
-
5,3
5,7
*)
bzw. 1-Knoten-Stadium;
1)
F* ab Aussaat, T
B
= 0°C;
2)
F* ab 1. Januar, T
B
= 6°C
Tabelle 5:
Wintergerste: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
(Modell 11a)
t
z
1992-2005
n
10
T
00
12,1 °C, s = 0,8 °C
BBCH
00
Aussaat
10
Aufgang
31
*)
Schoss-
beginn
51
Beginn
Ährensch
.
61
Beginn
Blüte
69
Ende
Blüte
75
Milchreife
83
Teigreife
87
Gelbreife
Ernte
Vollreife
t
n
261,1
273,1
110,4
134,5
-
-
-
-
178,6
196,3
d
18.09.
30.09.
20.04.
15.05.
-
-
-
-
28.06.
15.07.
s (t
n
)
3,8
5,6
9,3
4,2
-
-
-
-
9,3
7,3
T
B
= 5 °C
Thermal-Time Model
F
*
-
138,7
1)
131,8
2)
277,7
2)
-
-
-
-
733,9
2)
960,7
2)
s
-
23,6
27,3
36,6
-
-
-
-
79,2
39,2
MAE
-
2,4
7,2
4,4
-
-
-
-
6,3
5,6
*)
bzw. 1-Knoten-Stadium;
1)
F* ab Aussaat, T
B
= 0°C;
2)
F* ab 1. Januar, T
B
= 5°C
Tabelle 6:
Winterroggen: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
(Modell 11a)
t
z
1992-2005
n
9
T
00
12,4 °C, s = 0,9 °C
BBCH
00
Aussaat
10
Aufgang
31
*)
Schoss-
beginn
51
Beginn
Ährensch
.
61
Beginn
Blüte
69
Ende
Blüte
75
Milchreife
83
Teigreife
87
Gelbreife
Ernte
Vollreife
t
n
268,5
281,2
112,0
135,1
149,1
156,9
-
-
194,5
214,3
d
26.09.
08.10.
22.04.
15.05.
29.05.
06.06.
-
-
14.07.
02.08.
s (t
n
)
6,4
7,1
11,5
4,3
4,9
6,9
-
-
5,3
5,9
T
B
= 4 °C
Thermal-Time Model
F
*
-
131,0
1)
179,0
2)
343,1
2)
489,6
2)
561,4
2)
-
-
1046,9
2)
1325,7
2)
s
-
30,7
56,3
54,1
58,3
81,5
-
-
122,2
78,7
MAE
-
3,0
7,0
3,7
3,7
5,1
-
-
5,8
5,6
*)
bzw. 1-Knoten-Stadium;
1)
F* ab Aussaat, T
B
= 0°C;
2)
F* ab 1. Januar, T
B
= 4°C

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 31
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Tabelle 7:
Winterraps: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH (Modell 11a)
t
z
1992-2005
n
7
T
00
15,7 °C, s = 1,1 °C
BBCH
00
Aussaat
10
Aufgang
14
4. Laub-
blatt
31
*)
Beginn
Längen-
wachstum
50
Blüten-
anlage
61
Beginn
Blüte
65
Vollblüte
75
50 %
Schoten
87
70 %
Schoten
reif
Ernte
Vollreife
t
n
241,1
253,4
277,2
96,8
108,6
123,0
-
-
196,2
209,1
d
29.08.
10.09.
04.10.
07.04.
19.04.
03.05.
-
-
15.07.
28.07.
s (t
n
)
8,6
10,4
10,3
8,1
6,8
9,1
-
-
11,4
13,2
T
B
= 2 °C
Thermal-Time Model
F
*
-
179,5
2)
463,1
1)
190,0
2)
256,8
2)
368,7
2)
-
-
1347,0
2)
1545,5
2)
s
-
39,3
123,6
32,2
23,3
34,2
-
-
103,5
80,0
MAE
-
3,1
7,9
6,2
5,9
4,6
-
-
6,6
5,0
*)
bzw. 1. Internodium;
1)
F* ab Aussaat, TB = 0°C;
2)
F* ab 1. Januar, TB = 2°C
Tabelle 8:
Mais: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH (Modell 11a)
t
z
1992-2005
n
8
T
00
11,8 °C, s = 2,0 °C
BBCH
00
Aussaat
10
Aufgang
31
*)
Beginn
Längen-
wachstum
51
Beginn
Rispen-
sch
ieben
53
Spitze
Rispe
sichtbar
61
Beginn
Blüte
75
Milchreife
83
Teigreife
87
Phys.
Reife
Ernte
Vollreife
t
n
117,4
131,4
157,5
-
193,1
202,1
227,7
241,3
248,8
263,4
d
27.04.
11.05.
07.06.
-
12.07.
21.07.
16.08.
29.08.
06.09.
20.09.
s (tn)
2,8
3,1
8,1
-
11,7
9,8
15,3
17,6
15,7
10,5
T
B
= 0°C
Thermal-Time Model
F
*
-
168,1
549,0
-
1144,1
1303,1
1781,2
2000,2
2136,5
2311,5
s
-
32,4
105,2
-
185,2
151,1
236,0
260,1
221,5
55,5
MAE
-
2,4
5,3
-
4,8
5,3
7,1
6,9
7,9
10,2
*)
bzw. Stängelnodium wahrnehmbar
Tabelle 9:
Zuckerrüben: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
(Modell 11a)
t
z
1992-2005
n
6
T
00
6,2 °C, s = 0,4 °C
BBCH
00
Aussaat
10
Aufgang
35
50 % Bestandes-
schluss
60
Beg. Blüte (erste Blüte
offen)
Ernte
t
n
99,7
117,6
161,5
-
282,7
d
10.04.
28.04.
11.06.
-
10.10.
s (t
n
)
4,6
5,1
4,5
-
10,5
T
B
= 0°C
Thermal-Time Model
F
*
-
158,5
789,7
-
2708,9
s
-
56,0
97,5
-
129,2
MAE
-
3,5
7,2
-
16,4

Seite 32
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Tabelle 10: Spätkartoffeln: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
(Modell 11a)
t
z
1961-1981
n
7
T
00
11,2 °C, s = 0,9 °C
BBCH
00
Aussaat
10
Aufgang
35
50 % Bestandes-
schluss
60
Beg. Blüte (erste Blüte
offen)
Ernte
t
n
125,5
153,7
-
197,8
269,1
d
06.05.
03.06.
-
17.07.
26.09.
s (t
n
)
5,6
5,5
-
7,1
6,7
T
B
= 0°C
Thermal-Time Model
F
*
-
334,8
-
1024,3
2100,8
s
-
29,5
-
93,6
153,2
MAE
-
4,9
-
7,9
9,7
Tabelle 11:
Wiesenfuchsschwanz: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
(Modell 11a)
t
z
1992-2005
n
9
BBCH
60
Beginn Blüte
65
Vollblüte
t
n
134,5
139,7
d
15.05.
20.05.
s (tn)
8,9
8,9
T
B
= 6 °C
Thermal-Time Model
F
*
210,1
1)
251,5
1)
s
50,0
54,0
MAE
4,5
4,9
1)
F* ab 1. Januar, T
B
= 6°C
Tabelle 12:
Wiesenknäuelgras: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH (Mo-
dell 11a)
t
z
1992-2005
n
9
BBCH
60
Beginn Blüte
65
Vollblüte
t
n
-
148,1
d
-
26.05.
s (tn)
-
6,2
T
B
= 6 °C
Thermal-Time Model
F
*
-
348,1
1)
s
-
78,3
MAE
-
4,5
1)
F* ab 1. Januar, T
B
= 6°C

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 33
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Tabelle 13: Dauergrünland: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
(Modell 11a)
t
z
1992-2005
n
7
BBCH
ERG
Beginn des Ergrünens
S1
1. Silagenschnitt
H1
1. Heuschnitt
t
n
77,6
140,3
153,2
d
19.03.
20.05.
02.06.
s (tn)
7,5
7,9
10,7
T
B
= 0°C
Thermal-Time Model
F
*
195,4
1)
730,6
1)
910,2
1)
s
40,0
88,0
135,1
MAE
6,4
4,8
11,9
1)
F* ab 1. Januar, T
B
= 0°C
3.3.2
Obst
Für die Vegetationszeit der Obstgehölze können zwei Fixpunkte gewählt werden. Der Beginn physiolo-
gisch erhöhter Aktivität kann durch den Blattaustrieb festgelegt werden, das Ende dieses Zeitraums durch
den Beginn des Blattfalls. Bei der Süßkirsche fallen der Blühbeginn und Blattaustrieb zeitlich zusammen,
sodass für den Anfang der Vegetationszeit der Blühbeginn gewählt wurde. Für den Apfel liegt der Beginn
des Blattaustriebs ca. 20-30 Tage vor dem Blühbeginn. Leider ist diese Phase sehr schlecht zu modellie-
ren. Dies kann sowohl am geringen Datenumfang (1992-2005) als auch an der ungenau beobachteten
Phase liegen. Die Fehler (MAE) liegen hier zwischen 8 und 10 Tagen, was nicht akzeptabel ist. Aus die-
sem Grund ist es aus phänologischer Sicht zielführend, den Beginn der Vegetationszeit des Apfels eben-
falls durch den Blühbeginn abzuschätzen, der sich wiederum sehr gut modellieren lässt (MAE = 4 Tage).
Für Fragestellungen des Wasserhaushalts ist allerdings der Blattaustrieb (Transpirationsbeginn) der ent-
scheidende Zeitpunkt.
Das Ende der Vegetationszeit kann beim Apfel durch den Blattfall und bei der Süßkirsche durch die
Blattverfärbung (Daten für den Blattfall existieren nicht) beschrieben werden. Für beide Obstarten zeigt
sich, dass die Temperatursummenmodelle (Gleichung 18) das Ende der Vegetationszeit (Blattfall, Blatt-
verfärbung) nur unzureichend genau berechnen. Die Fehler der Modelle liegen deutlich über dem Null-
modell, das von der jährlichen Verwendung des langjährigen Mittels ausgeht. Aus diesem Grund wird
vorgeschlagen, das Ende der physiologischen Aktivität mit dem langjährigen Mittelwert zu fixieren. Bei
der Süßkirsche sollte dieser Termin um ca. 20 Tage zum Jahresende hin verschoben werden, um ebenfalls
einen Anhaltspunkt für den Blattfall zu haben.
Die Parameter zur Anwendung in den Modellen 11a, 12b und 24b sind in Tabelle 14 (Apfel frühreifend)
Tabelle 15 (Apfel spätreifend) und Tabelle 16 (Süßkirsche) zusammengefasst.

Seite 34
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Tabelle 14:
Apfel (frühreifend): Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
BBCH
53
Beginn Blattaustrieb
60
Beginn Blüte
95
Beginn Blattfall
t
z
1992-2005
1962-2005
1992-2005
n
36
100
30
t
n
98,3
127,9
292,4
d
08.04.
08.05.
19.10.
s (t
n
)
6,9
7,3
3,9
Modell
12b:
t
1
=47, T
Bf
=0°C,
F
*
=100,0
12b:
t
1
=26, T
Bf
=0°C,
F
*
=244,0
11a:
t
1
=BBCH60, T
Bf
=0°C,
F
*
=2656,4
MAE
8,3
3,7
22,0
Modell
24b:
T
Bc
=6,8, T
Bf
=1,5, t
1
=28,
a=101,74, b=0,0
24b:
T
Bc
=10,3, T
Bf
=0,0, t
1
=26,
a=242,68, b=-0,001079
-
MAE
8,6
4,2
-
Tabelle 15:
Apfel (spätreifend): Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
BBCH
53
Beginn Blattaustrieb
60
Beginn Blüte
95
Beginn Blattfall
t
z
1992-2005
1992-2005
1992-2005
n
29
29
28
t
n
101,0
122,6
301,5
d
11.04.
03.05.
29.10.
s (t
n
)
5,9
4,6
4,8
Modell
12b:
t
1
=32, T
Bf
=0°C,
F
*
=132,5
12b:
t
1
=54, T
Bf
=4,9°C,
F
*
=169,6
11a:
t
1
=BBCH60, T
Bf
=0°C,
F
*
=2663,9
MAE
9,5
3,3
27,6
Modell
24b:
T
Bc
=4,2, T
Bf
=1,8, t
1
=29,
a=117,14, b=-0,004140
24b:
T
Bc
=10,9, T
Bf
=0,0, t
1
=62,
a=217,33, b=-0,002079
-
MAE
9,6
3,6
-
Tabelle 16:
Süßkirsche: Parameter zur Anwendung im Phänologiemodul von WaSiM-ETH
BBCH
60
Beginn Blüte (identisch mit Blattaustrieb)
94
Beginn Blattverfärbung
t
z
1962-2005
1992-2005
n
99
46
t
n
116,8
284,3
d
27.04.
11.10.
s (t
n
)
7,5
4,8
Modell
12b:
t
1
=53, T
Bf
=0°C,
F
*
=150,3
11a:
t
1
=BBCH60, T
Bf
=0°C,
F
*
=2544,9
MAE
3,7
16,4
Modell
24b:
T
Bc
=6,1, T
Bf
=0,0, t
1
=54,
a=176,51, b=-0,005683
-
MAE
4,6
-

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 35
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
4
Implementierung des neuen Phänologiemoduls in WaSiM-
ETH
4.1
Überblick
Das prozessorientierte hydrologische Einzugsgebietsmodell WaSiM-ETH (z.B. Schulla 1997; Schulla &
Jasper 1998, 2006; Jasper 2005) erlaubt eine flächendifferenzierte Simulation von Wasserflüssen über
und unter der Landoberfläche. Das Modell arbeitet rasterbasiert und kann in verschiedenen räumlichen
und zeitlichen Skalenbereichen angewendet werden. Erfolgreiche Modellanwendungen erstrecken sich
von der Standortebene (z.B. Gurtz et al. 2003, Scherzer et al. 2006a) über die Mesoskala (z.B. Pöhler
2006, Scherzer et al. 2006a) bis hin zur Ebene von makroskaligen Flussgebieten (z.B. Schulla et al. 1999;
Kleinn 2002). Die verwendeten zeitlichen Diskretisierungen reichen von Minuten bis zu mehreren Tagen.
WaSiM-ETH ist ein modular aufgebautes, frei verfügbares Modell, welches auf verschiedenen Rechner-
plattformen (Windows, Linux, Unix) lauffähig ist. Die aktuelle Version 7.2.7 vom November 2006 ent-
hält Module zur Berücksichtigung der folgenden Prozesse:
-
Niederschlagskorrektur
-
Interpolation der meteorologischen Eingangsdaten (verschiedene Methoden)
-
Abschattungsberechnung, Hangneigungs- und Expositionskorrektur für Temperatur und Strah-
lung
-
Evapotranspiration (z.B. nach Penman-Monteith Ansatz) auch für geschichtete Vegetationsbe-
stände
-
Interzeption (Mehrschichtspeichermodell)
-
Schneeakkumulation und Schneeschmelze (verschiedene Methoden)
-
Gletscherschmelze und Gletscherabfluss
-
Bodenwasserdynamik in geschichteten Böden (z.B. Richards-Ansatz), incl. Makroporen
-
Grundwasserdynamik (Finite-Elemente-Methode, iterative Lösung der Strömungs- und Trans-
portgleichung, Berücksichtigung geschichteter Grundwasserstockwerke)
-
Stofftransport (konservative Tracer)
-
Abflussrouting (Translations-Retentions-Verfahren, kinematischer Wellenansatz; Berücksichti-
gung von Ab-, Zu-, Um- und Überleitungen sowie von Speichern).
4.2
Bisherige Umsetzung der Phänologie in WaSiM-ETH
In WaSiM-ETH wird die räumliche Verteilung und zeitliche Entwicklung der Vegetation seit Version 7.x
über zwei miteinander vernetzte Tabellen gesteuert. Diese zweiteilige Landnutzungstabelle befindet sich
im WaSiM-ETH Steuerfile und stellt die zentrale Plattform für die Verwaltung von vegetationsabhängi-
gen Modellparametern (z.B. Blattflächenindex, Verdunstungswiderstände, Wurzeltiefe) dar. Sie übt da-
durch entscheidenden Einfluss auf die simulierte Evapotranspiration (inklusive Interzeption) und Boden-
wasserdynamik aus.
Es wird unterschieden zwischen einer Basistabelle, in der die sogenannten Vegetationsschichten parame-
trisiert werden, und einer übergeordneten Landnutzungstabelle (in der Steuerdatei von WaSiM-ETH ge-
kennzeichnet als [landuse_table] und [multilayer_landuse]). Letztere Tabelle verknüpft die Einträge aus
der Basistabelle zu komplexen, mehrschichtigen Vegetationsstrukturen, die dann wiederum über spezifi-
sche Codes ihre räumliche Anordnung im x-y-orientierten Landnutzungsgrid finden. Abbildung 2 zeigt
den prinzipiellen Aufbau der zweiteiligen Landnutzungstabelle:

Seite 36
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
[multilayer_landuse]
4
# count of multilayer landuse codes
1 urban_areas
{ Landuse_Layers = 7, -9999, -9999; k_extinct = 0.3; LAI_scale = 10; }
2 mixed_forest
{ Landuse_Layers = 8,
4,
3; k_extinct = 0.3; LAI_scale = 10; }
3 decidous_forest { Landuse_Layers = 9,
2,
1; k_extinct = 0.3; LAI_scale = 10; }
4 pasture
{ Landuse_Layers = 1, -9999, -9999; k_extinct = 0.3; LAI_scale = 10; }
[landuse_table]
7
# number of following land-use codes
#co- name of the
#de land-use type
#-- ---------------
1 grass_low {method = VariableDayCount;
RootDistr
= 1.0;
TReduWet
= 0.95;
LimitReduWet
= 0.5;
HReduDry
= 3.45;
IntercepCap
= 0.75;
Juldays
= 15
46
74
105 135 166 196 227 258 288 319 349;
Albedo
= 0.25 0.25 0.25 0.25 0.25 0.25 0.25 0.25 0.25 0.25 0.25 0.25;
rsc
= 90
90
75
65
50
55
55
55
60
70
90
90;
rs_interception = 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5;
rs_evaporation = 130 130 130 130 130 130 130 130 130 130 130 130;
LAI
= 2
2
2
2
3
4
4
4
4
2
2
2;
z0
= 0.15 0.15 0.15 0.15 0.3 0.4 0.4 0.3 0.3 0.15 0.15 0.15;
VCF
= 0.95 0.95 0.95 0.95 0.95 0.95 0.95 0.95 0.95 0.95 0.95 0.95;
RootDepth
= 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4 0.4;
AltDep
= 0.02 0.02 0.02 0.02 0.02 0.02 -0.02 -0.02 -0.02 -0.02 -0.02 -0.02;}
2 grass_high {method = VariableDayCount; RootDistr = 1.0; ... ; AltDep = 0.025 ... -0.025;}
3 fern
{method = VariableDayCount; RootDistr = 1.0; ... ; AltDep = 0.025 ... -0.025;}
4 shrubbery
{method = VariableDayCount; RootDistr = 1.0; ... ; AltDep = 0.025 ... -0.025;}
7 urban_grass {method = VariableDayCount; RootDistr = 1.0; ... ; AltDep = 0.025 ... -0.025;}
8 pine
{method = VariableDayCount; RootDistr = 1.0; ... ; AltDep = 0.025 ... -0.025;}
9 birch
{method = VariableDayCount; RootDistr = 1.0; ... ; AltDep = 0.025 ... -0.025;}
mit:
# Englische Beschreibung
RootDistr
: parameter for root density distribution [-1: konkav, 1: linear, >1: konvex]
TReduWet
: relative theta value for beginning oxygen stress [-]
LimitReduWet
: relative reduction factor of real transpiration for water-saturated soils [-]
HReduDry
: hydraulic head for beginning dryness stress [m]
Juldays
: Julian days for all following rows
Albedo
: albedo (snow free) [0..1]
rsc
: leaf surface resistance [s/m]
rs_interception : interception surface resistance [s/m]
rs_evaporation : soil surface resistance (for evaporation only) [s/m]
LAI
: leaf area index [m
2
/m
2
]
z0
: aerodynamic roughness length [m]
VCF
: vegetation covered fraction [0..1]
RootDepth
: root depth [m]
AltDep
: shift per metre altitude [Julian day]
# Deutsche Beschreibung
RootDistr
: Parameter für die Wurzeldichteverteilung [-1: konkav, 1: linear, >1: konvex]
TReduWet
: Grenzwert der relativen Bodenfeuchte (nahe Sättigung), bei dem eine Reduktion des
transpirativen Bodenwasserentzugs infolge Sauerstoffmangel beginnt [-]
LimitReduWet
: max. relative Reduktion des transpirativen Bodenwasserentzugs bei Sättigung [-]
HReduDry
: Grenzwert der Saugspannung, bei dem eine Reduktion des transpirativen
Bodenwasserentzugs infolge Trockenheitsstress beginnt [m]
Juldays
: Stützstellen der phänologischen Entwicklung in Kalendertagen (gültig für alle
folgenden Zeilen)
Albedo
: Albedo für die schneefreie Zeit [0..1]; gilt für erste (= oberstgelegene)
Vegetationskomponente
rsc
: Oberflächenwiderstand der Vegetation [s/m]
rs_interception : Oberflächenwiderstand des interzipierten Wassers [s/m]
rs_evaporation : Evaporationswiderstand der Bodenoberfläche [s/m]
LAI
: Blattflächenindex [m
2
/m
2
]
z0
: aerodynamische Rauhigkeitslänge [m]
VCF
: Vegetationsbedeckungsgrad [0..1]
RootDepth
: Wurzeltiefe [m]
AltDep
: Verschiebung der Stützstelle pro Meter Höhendifferenz [Julian day]; positiver
Wert: Stützstelle wird nach „hinten“ verschoben, negativer Wert: Stützstelle wird
nach „vorn“ verschoben. Einschränkung: Wenn zwei Stützstellen aufeinander treffen,
dann erfolgt keine weitere Verschiebung.
Abbildung 2: Zweiteilige Landnutzungstabelle in WaSiM-ETH (seit Version 7.x)

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 37
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
4.2.1
[multilayer_landuse]-Tabelle
Eine Berücksichtigung von Mehrschichtvegetationen (z.B. die Abbildung von Baumschichten im Oberbe-
stand sowie Verjüngungs-, Strauch- und Krautschichten) ist über das Zusammenfügen und Anordnen von
einzelnen Vegetationskomponenten in der übergeordneten Landnutzungstabelle ([multilayer_landuse]-
Tabelle) möglich. Für jede eingebundene Vegetationskomponente werden die Teilprozesse der Evapo-
transpiration (Interzeptionsverdunstung, Transpiration) separat berechnet und ausgegeben.
Den zeilenweisen Einträgen in der [multilayer_landuse]-Tabelle können beliebig viele Vegetationskom-
ponenten der Vegetationstabelle ([landuse_table], siehe Abschnitt 4.2.2) zugeordnet werden. Dabei erfol-
gen die komponentenbezogenen Einträge in der [multilayer_landuse]-Tabelle beginnend mit der obersten
Vegetationsschicht bzw. –komponente, d.h. der erste (linksstehende) Layer-Eintrag bezieht sich immer
auf die oberste Vegetationskomponente, der zweite Eintrag auf die darunterliegende Komponente, usw.
Alle Landnutzungen in der [multilayer_landuse]-Tabelle weisen die gleiche Anzahl an Vegetationskom-
ponenten auf. Landnutzungstypen, für die keine erweiterten Vegetationsstrukturen definiert werden sol-
len, erhalten nur für die Basiskomponente gültige Code-Zuordnungen. Die restlichen Vegetationskompo-
nenten werden mit dem Ignoranzparameter „-9999“ belegt.
Neben den Code-Zuordnungen für die Vegetationskomponenten können für jede Landnutzung noch zwei
weitere Parameter vom Modellanwender vorgegeben werden, k_extinct und LAI_scale. Während der
Extinktionskoeffizient k_extinct in die Berechnung der Nettostrahlung im Bestand eingeht, werden über
den Skalierungsfaktor LAI_scale die aerodynamischen Widerstände der Vegetationskomponenten im
Bestand angepasst (vgl. COUPmodel, Jansson & Karlberg 2004).
k_extinct
ist der Licht-Extinktionskoeffizient zur Reduktion der einfallenden Strahlung bei ihrem Weg
durch den Bestand (diffuser Strahlungsanteil nicht berücksichtigt). Nach dem Lambert-Beer-Gesetz lässt
sich folgende Beziehung nutzen:
1:
(1
_
)
,
i
k extinct LAI
usei
i
n
füri
R
VCF R
e
=
=
2:
(
)(1
_
)
,
,1
i
k extinct LAI
usei
i
n
usei
füri
R
VCF
R
R
e
=
=
⋅−
Gleichung 24
3:
(
)(1
_
)
,
,2
,1
i
k extinct LAI
usei
i
n
usei
usei
füri
R
VCF
R
R
R
e
=
=
⋅−
(entsprechende Vorgehensweise für i > 3)
mit
R
use
nutzbare Nettostrahlung [Wh/m
2
]
i
Vegetationskomponente mit i=1 als oberstgelegene Komponente (z.B. Kronenraum)
R
n
verfügbare (Gesamt-)Nettostrahlung (gemessen oder simuliert) [Wh/m
2
]
VCF
Vegetationsbedeckungsgrad [-]
LAI
Blattflächenindex [m
2
/m
2
]
LAI_scale
ist ein empirischer Parameter zur Berechnung des aerodynamischen Widerstandes r
a,i>1
unter-
halb der Baumkrone (Vegetationskomponenten 2..n).
r
a i
>
=
r
a
,
i
=1
+
LAI
_
scale
LAI
kum
, 1
Gleichung 25
mit
r
a, i=1
aerodynamischer Widerstand für die Bestandeskomponente mit der größten Vegeta-
tionshöhe [s/m]
LAI
kum
kumulierter Blattflächenindex oberhalb der aktuellen Bestandeskomponente [m
2
/m
2
]
Die Defaultwerte für die oben beschriebenen Parameter sind: k_extinct = 0.3 und LAI_scale = 10. Diese
werden auch verwendet, falls die Einträge in der [multilayer_landuse]-Tabelle nur Angaben zur Vegetati-
onsschichtung enthalten sollten. Die Parameter k_extinct und LAI_scale haben signifikanten Einfluss auf
die Höhe der Evapotranspiration im Bestand. Sie sind daher im Rahmen der Modellkalibrierung sorgfältig

Seite 38
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
zu ermitteln. In der Literatur werden für k_extinct Werte zwischen 0.25 und 0.85 angegeben (z.B. für
Gras mit 0.5). LAI_scale sollte nach bisherigen Erfahrungen zwischen 1 und 30 liegen.
4.2.2
[landuse_table]
In der Vegetations- oder Basistabelle [landuse_table] können vom Modellanwender beliebig viele Land-
nutzungstypen (Vegetationskomponenten) definiert und parametrisiert werden. Bisher (WaSiM-Version
7.2.7) ist die zeitliche Verteilung der Vegetationsentwicklung (phänologische Stadien) innerhalb eines
aktuellen Modellaufes statisch und wird über vordefinierte stützstellenbasierte Wachstumskurven gesteu-
ert. Für jeden Landnutzungstyp kann eine individuelle und beliebig große Anzahl an Stützstellen verge-
ben werden. Zwischen den Stützstellen wird linear interpoliert; ebenso wird zwischen der letzten Stütz-
stelle eines Jahres und der ersten des Folgejahres interpoliert.
Entsprechend Abbildung 2 verlangt die [landuse_table] für jeden Tabelleneintrag die Angabe von 14
verschiedenen Parametersätzen, darunter auch von Parametersätzen, die sich an der phänologischen Ent-
wicklung der Vegetation orientieren. Die Stützstellen zur Definition der phänologischen Entwicklungs-
phasen müssen vom Anwender vorgegeben werden. Sie gelten jeweils für den aktuellen Modellauf.
Die zeitlich variablen Vegetationsparameter werden in WaSiM-ETH vor allem zur Berechnung der po-
tenziellen Transpiration mittels Penman-Monteith-Gleichung benötigt. Neben dem stomatären Wider-
stand
rcs
sind hier die Parameter Blattflächenindex
LAI
, Vegetationsbedeckungsgrad
VCF
, aerodynami-
sche Rauhigkeitslänge
z0
und Albedo
α
von Bedeutung.
Die Abhängigkeit der Vegetationsentwicklung von der aktuellen Geländehöhe wird bisher mittels eines
empirischen Ansatzes erfasst (Schulla 1997). Die Berechnung erfolgt nach folgendem Schema:
(
400
)
,
=
+
M
Juldays
i cor
Juldays
i
AltDep
i
h
Gleichung 26
mit
i
Stützstelle
cor
höhenkorrigiert
h
M
Höhe über Meer [m]
Juldays
i
Stützstelle in Kalendertagen (vgl. Abbildung 2)
AltDep
i
Verschiebung der Stützstelle pro m Höhendifferenz (vgl. Abbildung 2)
Als Bezugshöhe für die Höhenanpassung der Stützstellentage dient die Höhe 400 m ü. Meer. Unterhalb
dieser Höhe wird die Vegetationsperiode früher einsetzen und später enden; oberhalb gelegene Gebiete
erfahren dagegen eine umgekehrte Entwicklung (siehe Abbildung 3).

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 39
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
0
d
1
d
4
365
Parameter
z.B. LAI, z
0
d
2
d
3
Parameter
in Höhe h
1
Parameter in
Höhe h
2
> h
1
Abbildung 3: Jahresgang von landnutzungsabhängigen Modellparametern mit Berücksichtigung der
Höhenlage (hier beispielhaft für 4 Stützstellen d
1..4
; aus Schulla 1997)
4.3
Implementierung dynamischer Vegetationszeiten in WaSiM-ETH
Die bisherige WaSiM-ETH-Modellversion 7.2.7 wurde unter Einschluss der Ergebnisse von Chmielewski
et al. (2007) um drei phänologische Modellansätze erweitert (Tabelle 17). Für die Anwendung der neuen
Modellversion ist das Vorhandensein von Daten der Lufttemperatur zwingend erforderlich.
Die Modellansätze wurden so implementiert, dass sie im Modellbetrieb in unterschiedlichen Zeitschritt-
weiten angewendet werden können. Intern addiert WaSiM-ETH dafür zu jedem Zeitschritt die Tempera-
tur mit ihrem dem Zeitintervall entsprechenden Anteil an einem Tag auf. Bei Stundenschritten wird also
pro Stunde 1/24-stel verwendet, bei Tagesschritten hingegen 1/1-tel. Bei längeren Zeitintervallen wird die
Temperatur vergrößert, so wird beispielsweise bei einem Zeitschritt von 5 Tagen und einer Mitteltempe-
ratur von 3 Grad ein Wert von 15 für die Berechnung der „forcing units“ genutzt.
Tabelle 17: Vergleich der in WaSiM-ETH implementierten Phänologie-Modelle
Modellbezeichnung in
WaSiM-ETH
DynamicPhenology_1
(DP1)
DynamicPhenology_2
(DP2)
DynamicPhenology_3
(DP3)
Bezug
Abschnitt 3.3.2 und Chmie-
lewski et al. (2007)
Abschnitt 3.3.2 und
Chmielewski et al. (2007)
Abschnitt 3.3.1
phänologischer
Modellname
Modell 12b
Modell 24b
Modell 11a
Modelltyp
„Thermal Time Model“
„Sequential Model“
„Thermal Time Model“
Eintritt der Phänophase
dynamisch bestimmt
dynamisch bestimmt
dynamisch bestimmt
Folgezeitpunkt
fix (relativ zum Starttag)
fix (relativ zum Starttag)
dynamisch bestimmt
anwendbar für
Wald, Gehölze
Wald, Gehölze
Ackerkulturen, Grasland
4.3.1
Implementierung von Modellansatz 1 (DP1)
Die erste Erweiterung von WaSiM-ETH bestand in der Implementierung des Phänologie-Modells
12b
(vgl. Gleichung 21). Das Modell 12b ist ein sogenanntes „Thermal Time Model“ (Temperatursummen-
modell) und eignet sich insbesondere für die Berechnung der Blattentfaltung von Wald und Gehölzen. Es

Seite 40
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
kommt mit drei zu optimierenden Parametern aus. Im Modell 12b wird die logistische Funktion von Sar-
vas (1974) benutzt, um die „forcing units“ zu berechnen.
Das Modell 12b kann in der erweiterten WaSiM-ETH [landuse_table] vegetationsspezifisch über den
Methodenbezeichner „
DynamicPhenology_1
“ (
DP1
) aktiviert werden. Mit Hilfe der Parameter in
Tabelle 18 wird auf dynamischem Wege der Startpunkt der phänologischen Entwicklung ermittelt.
Tabelle 18:
Bezeichnung der Parameter in Modellansatz 1 (DP1)
Parameter in
Modell 12b
Bedeutung
Bezeichnung in WaSiM-ETH
F*
notwendiges Wärmebedürfnis bis zum Erreichen der Phänophase
F* [°C]
t
1
Ende der Dormanz (= Überwindung des winterlichen Ruhezustandes
der Gehölze); Starttag für die Berechnung der Temperatursumme F*
DP1_t1_dorm [JulDays]
T
Bf
Basistemperatur für ein „forcing“
DP1_T_Bf [°C]
Zusätzlich wurden noch zwei weitere Parameter in die WaSiM-ETH [landuse_table] aufgenommen.
-
JDReset_TStart
[JulDays] gewährleistet den modellseitig „ordnungsgemässen“ Start einer neuen
Vegetationsperiode (Reset von
TStart
auf -1 und Reset der „forcing units“ auf den Wert 0).
-
maxStartJDforDP1
[JulDays] definiert den letzten möglichen Starttag im Kalenderjahr für die
Anwendung von DP1.
Wird das Modell nach dem in
maxStartJDforDP1
definierten Tag gestartet, wird TStart automatisch ge-
setzt und zwar zu:
TStart = maxStartJDforDP1 – delta
Gleichung 27
TStart
bezeichnet hierbei den Beginn der Phänophase (aktives Wachstum). Er muss in der Parameterzeile
JulDays
mit dem Wert „-1“ belegt sein. Während der Initialisierung sucht das Modell diesen Wert und
speichert sich für
TStart
die Spaltennummer ab. Der Wert in der darauf folgende Spalte wird als
delta
[JulDays] interpretiert. Er bezeichnet das Ende der Blattentfaltung.
Zu beachten ist, dass die JulDays-Einträge vor und nach diesen beiden Tagen (
TStart
und
delta
) fix (bzw.
nur nach Höhe variabel) sind und vom Modell wie bisher verwendet werden (vgl. Methode „Variable-
DayCount“ in Scherzer et al. 2006a und Schulla & Jasper 2006). Der Verlauf der phänologischen Ent-
wicklung ist also nach ihrem (dynamisch ermittelten) Start auch weiterhin vom Modellanwender anhand
von Stützpunkten vorzugeben. Für diese Stützpunkte kann eine Höhenabhängigkeit definiert werden,
wohingegen dies für die Spalteneinträge von
TStart
und
delta
nicht möglich ist. Bei letzteren beiden muss
der Parameter
AltDep
(altitude dependence) auf „0“ gesetzt sein, da hier über die einfliessende Tempera-
tur bereits implizit eine Höhenabhängigkeit berücksichtigt wird. Da der Zeitpunkt von
Tstart
dynamisch
ermittelt wird, kann nicht zwischen Parametern, die zeitlich vor
TStart
liegen, interpoliert werden.
4.3.2
Implementierung von Modellansatz 2 (DP2)
Als erweitertes Phänologie-Modell für die Anwendung auf Wald und Gehölze wurde das Sequentielle
Modell Nr.
24b
implementiert (vgl. Gleichung 22 und Gleichung 23). Dieses Modell ist ein sogenanntes
„chilling forcing“ Modell zur Berechnung der Blattentfaltung. Es berücksichtigt sowohl die Phase der
Dormanz als auch die Phase der nachfolgenden ontogenetischen Entwicklung. Sequenzielle Modelle
gehen prinzipiell davon aus, dass „forcing units“ erst dann auf die Pflanze einwirken können, wenn die
Dormanz beendet ist und der spezifische „chilling“ Bedarf der Pflanze erreicht ist.

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 41
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Das Modell 24b kann in der WaSiM-ETH [landuse_table] vegetationsspezifisch über den Methodenbe-
zeichner „
DynamicPhenology_2
“ (
DP2
) aktiviert werden. Die verwendeten Parameter sind in Tabelle 19
erklärt. Zusätzlich werden die auch in Modell 12b genutzten Parameter
F
*
und
JDReset_TStart
benutzt
(vgl. Abschnitt 4.3.1).
Für die Anwendung des Modells 24b (DP2) in WaSiM-ETH war es erforderlich, zusätzliche modelltech-
nische Absicherungen zu implementieren. Insbesondere musste verhindert werden, dass DP2 im ersten
Modelljahr verwendet wird. Zu Beginn der Modellierung liegen normalerweise keine Informationen zu
den „chilling units“ vor. Deren Berechnung beginnt mit dem Tag
t
0
(bzw.
DP2_t0_dorm
) und dieser kann
noch weit vor dem Jahresende liegen. WaSiM-ETH schaltet in diesem Fall automatisch auf DP1 (Modell
12b) um.
Liegen Entwicklungszustände der Phänologie aus vorhergehenden Simulationen vor, so können diese
während des Modellstarts eingelesen werden (vgl. Abschnitt „Abspeichern und Einlesen von Ausgabe-
Grids“), um DP2 bereits im ersten Modelljahr zu nutzen.
Tabelle 19:
Bezeichnung der Parameter in Modellansatz 2 (DP2)
Parameter in Modell 24b
Bedeutung
Bezeichnung in WaSiM-ETH
t
0
Beginn der Dormanz
DP2_t0_dorm [JulDays]
t
1
Ende der Dormanz
DP2_t1_dorm [JulDays]
T
Bf
Basistemperatur für „forcing“
DP2_T_Bf [°C]
T
Bc
Basistemperatur für „chilling“
DP2_T_Bc [°C]
a, b
Parameter, vgl. Gleichung 23
DP2_Par_a, DP2_Par_b
4.3.3
Implementierung von Modellansatz 3
Das Phänologie-Modell
11a
(vgl. Gleichung 20) gehört zur Gruppe der „Thermal Time Models“ und ist
insbesondere für Ackerkulturen anwendbar. Im Vergleich zum Modell 12b berechnet es die „forcing“
Raten vereinfacht als „growing-degree-days“ und nicht auf Basis der komplexeren Sarvas-Funktion (siehe
Chmielewski et al. 2007). Das Modell 11a benötigt zwei Parameter: F
*
und T
Bf
. Zudem benötigt DP3 für
seinen Betrieb die Parametereinträge von DP1 und DP2. Werden diese Einträge nicht gefunden, wird vom
WaSiM-ETH eine Fehlermeldung ausgegeben.
Das „Thermal Time Model“ 11a kann in der WaSiM-ETH [landuse_table] vegetationsspezifisch über den
Methodenbezeichner „
DynamicPhenology_3
“ (
DP3
) angesprochen werden. Die vorgenommene Imple-
mentierung erlaubt neben der dynamischen Bestimmung des Starttages der phänologischen Entwicklung
(vgl. Modellansätze 1 und 2) auch die der darauffolgenden Phänophasen. Der Modellanwender hat hierzu
lediglich jeweils einen sogenannten
Maximalen Julian Day
anzugeben, zu dem spätestens die zu model-
lierenden Phasen beginnen sollen.
Für die Umsetzung dieser Methode wurden sogenannte „Sample-Days“ eingeführt. Diese müssen vom
Modellanwender in der Parameterzeile „JulDays“ vorgegeben werden. Eine neue Parameterzeile in der
[landuse_table] wird durch sogenannte „forcing thresholds“ belegt. Sie sind vor dem Modellstart für die
zu modellierenden Phänophasen zu setzen. Der Parameter
ForcingThreshold
muss pro „Sample-Day“
angegeben werden. Letzterer Parameter wird (sofern er positiv ist) als Schwellwert interpretiert, der durch
die „forcing rates“ (R
f
) erreicht werden muss (vgl. Gleichung 20). Erreichen die „forcing rates“ den vor-
gegebenen
ForcingThreshold
vor dem korrespondierenden „Sample-Day“, dann wird der aktuelle Julian-
Day als dynamischer Starttag der neuen Phänophase verwendet. Wird der
ForcingThreshold
dagegen
nicht vor dem korrespondierendem „Sample-Day“ Stichtag erreicht, wird automatisch der Wert des
„Sample-Day“ als Starttag für die kommende Phänophase genutzt.
Der erste „Sample-Day“ ist immer auf den Wert 1 zu setzen, d.h. er darf nicht dynamisch sein. Ebenso fix
muss der letzte Eintrag für „Sample-Day“ sein (immer 366). In beiden Fällen sind die korrespondierenden

Seite 42
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Einträge für die
ForcingThresholds
mit dem Wert -1 zu belegen. Generell werden für
ForcingThresholds
,
die mit -1 definiert wurden, die zugehörigen „Sample-Day“ Einträge als fix interpretiert.
Zwischen den einzelnen Stützstellen bzw. den „Sample-Days“ wird linear interpoliert. Dabei werden zwei
Fälle unterschieden:
Fall 1
: Der nächstfolgende Tag wird fix berechnet.
Die zeitliche Interpolation wird hier linear anhand der Julian-Day-Werte des aktuellen (fix oder
dynamisch) und nächstfolgenden (fix) „Sample-Day“ vorgenommen, entsprechend der traditio-
nellen Vorgehensweise in WaSiM-ETH. Für einen Blattflächenindex (LAI) zwischen Tag 60
(mit z.B. LAI = 2) und Tag 100 (mit z.B. LAI = 10) würde dies bedeuten, dass am Tag 70 der
Wert 4 errechnet wird.
Fall 2
: Der nächstfolgende Tag wird dynamisch berechnet.
Die zeitliche Interpolation berücksichtigt einerseits die erreichten „forcing rates“ des aktuellen
(fix oder dynamisch bestimmten) Tages und andererseits die
ForcingThresholds
des nächsten
Stützstellentages. Für die LAI-Berechnung würde dies bedeuten, dass zwischen Tag 60 mit einer
„forcing rate“ von 200 (mit z.B. LAI = 2) und dem nächsten (noch nicht feststehenden) Tag mit
einem
ForcingThreshold
von 600 (mit z.B. LAI = 10) bei einer aktuellen „forcing rate“-Summe
von 300 der Wert 4 errechnet wird.
Die simulierten Start- und Endtage für die Phänophasen lassen sich über einen Datenstack kontrollieren,
der vom Modell am Ende des Simulationslaufes herausgeschrieben wird. In diesem Stack („Multiple-
StartTimes1_End“) sind die einzelnen Layers den verschiedenen „Sample-Days“ zugeordnet, wobei die
Anzahl der Layers der maximal in einer Landnutzung definierten Anzahl Stützstellen entspricht. Im Layer
0 sind die bisher erreichten „forcing rates“ aufgelistet. Alle anderen Layer enthalten die Starttage der
Phänophasen, bezogen auf die einzelnen Spalten der „Sample-Days“ (siehe auch Kapitel 4.3.6).
4.3.4
Berücksichtigung des Einflusses der Bodenfeuchte auf die Phänologie
Der Einfluss der Bodenfeuchte auf die Phänologie kann in WaSiM-ETH über einen Stressfaktor berück-
sichtigt werden. Mit diesem Faktor, welcher in der Steuerdatei des Modells als
StressFactorDynPhen
bezeichnet ist, werden die „forcing units“ (F
*
) skaliert (nicht die Temperatur).
=
HReduDry
aktuelle Saugspannung
HReduDry
F
F
StressFaktor
150
*
'
*
Gleichung 28
In dieser Gleichung bezeichnet
HReduDry
die Saugspannung, ab der auch die Transpiration reduziert
wird. Die aktuelle Saugspannung wird anhand der van-Genuchten-Parameter der obersten Bodenschicht,
aber unter Nutzung der mittleren Bodenfeuchte in der gesamten durchwurzelten Bodenzone berechnet.
Ist der Stressfaktor grösser als 1, dann wird die Entwicklung der Phänologie beschleunigt; ist er kleiner
als 1, dann wird sie verlangsamt. Wird kein Stressfaktor für die dynamische Phänologie angegeben oder
ist er kleiner bzw. gleich 0, dann wird ohne Stressbeeinflussung gerechnet. Sinnvolle Werte für den
Stressfaktor liegen nach ersten Erfahrungen zwischen 0.5 und 2.
Nach allgemeiner Erfahrung ist Trockenheit im Frühjahr zumeist mit positiven Temperaturanomalien
korreliert, die zunächst für eine phänologische Entwicklungsbeschleunigung sorgen. Diese Entwicklungs-
beschleunigung tritt allerdings nur so lange ein, bis der Boden zu stark austrocknet. Dann ist in der Regel
eine Stagnation der Vegetationsentwicklung zu erwarten.

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 43
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
4.3.5
Abspeichern und Einlesen von Ausgabe-Grids
WaSiM-ETH erlaubt über seine Writegrid-Optionen im Abschnitt [variable_grids] die layer-spezifische
Ausgabe der dynamisch generierten Berechnungsergebnisse des Phänologie-Moduls:
-
SumOfForcingUnits (für DP1, DP2 und DP3)
-
Pheno_start (für DP1, DP2 und DP3)
-
SumOfChillingUnits (für DP2)
-
FStar_ForcingThreshold (für DP2 und DP3)
Mit Hilfe dieser Ausgaben (und den in Kapitel 4.3.3 erwähnten Stacks) lassen sich die Berechnungen des
Phänologie-Moduls in geeigneter Weise kontrollieren. Darüberhinaus können die Grid-Ausgaben auch für
die Initialisierung von (nachfolgenden) Modell-Runs genutzt werden (Option $DPreadgrids mit 0 = intern
initialisieren, 1 = Einlesen vom Grid).
$outpath//$forcingunitsgrid1
SumOfForcingUnits1
0 -1
$Writegrid
$DPreadgrids
$outpath//$TStartPhenoGrid1
Pheno_start1
0 -1
$Writegrid
$DPreadgrids
$outpath//$chillingunitsgrid1
SumOfChillingUnits1
0 -1
$Writegrid
$DPreadgrids
$outpath//$FStargrid1
FStar_ForcingThreshold1
0 -1
$Writegrid
$DPreadgrids
Abbildung 4: Abschnitt [variable_grids] für Vegetationsschicht 1 in der WaSiM-ETH Steuerdatei
Die beiden Ausgabe-Codes hinter den dynamischen Grids bedeuten:
1. Wert
: Code, der anzeigt, ob No-data-Werte automatisch durch den "nearest neighbor" ersetzt werden
sollen (0 = nein, 1 = ja).
2. Wert
: Code, der anzeigt, ob das Grid eingelesen oder intern erzeugt werden soll. Bei der dynamischen
Phänologie wird dieser Wert per Default auf „-1“ gesetzt, weil dies intern das Kennzeichen ist,
dass noch keine Schwellen etc. erreicht wurden.

Seite 44
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 45
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
5
Testsimulationen
5.1
Landwirtschaft
5.1.1
Modellvalidierung für Klimaregionen in Sachsen
Es wurden umfangreiche Testsimulationen für alle in Tabelle 1 aufgeführten landwirtschaftlichen Kultur-
arten und Obstgehölze durchgeführt. Bei Apfel (frühreifend), Süßkirsche, Spätkartoffel und Wiesenfuchs-
schwanz war die Datenlage so gut, dass jeweils ein Beispiel im Tiefland, im Hügelland und im Gebirge
untersucht werden konnte. Bei allen anderen Fruchtarten wurde jeweils ein repräsentatives Beispiel in den
mittleren Lagen ausgewählt.
Den Teststandorten wurde jeweils ein Klimadatensatz aus dem sächsischen Rasterdatensatz (Chmielewski
et al. 2007) zugeordnet (Tabelle 20).
Tabelle 20:
Charakterisierung der Untersuchungsstandorte für die Testsimulationen (Landwirtschaft)
Landnutzung
Hochwert
Rechtswert
Höhe ü. NN
Jahre mit Messdaten
Apfel (frühreifend)
5726530
5353278
80 m
1968-1971, 1973-1989, 1991-2005
5671318
5442649
250 m
1961-1665, 1967-1981, 1983-1995, 1997-2005
5595440
5343820
700 m
1661-1696, 1971-1974, 1976, 1979, 1981-1986,
1988-1991, 1993-2004
Apfel (spätreifend)
5671318
5442649
250 m
1992-1998, 2000-2005
Süßkirsche
5726530
5353278
80 m
1968-1971, 1973-1990, 1992-2005
5671318
5442649
250 m
1962-1990, 1991-1994, 1996-1997, 2000-2005
5595440
5343820
700 m
1962-1978, 1979-2004
Sommergerste
5646562
5346747
290 m
1966, 1968-1991
Hafer
5661297
5378745
245 m
1969-1981, 1992-2005
Winterweizen
5661297
5378745
245 m
1969-1971, 1973-1981, 1992-2005
Wintergerste
5649516
5410793
290 m
1992-2004
Winterroggen
5661297
5378745
245 m
1969-1971, 1973-2005
Winterraps
5661297
5378745
245 m
1969-1971, 1973-1981, 1992-2005
Mais
5661297
5378745
245 m
1992-1999, 2003-2005
Zuckerrüben
5649516
5410793
290 m
1992-2004
Kartoffeln
5693691
5334897
145 m
1961-1982, 1984-1988, 1990-1991
5654600
5445270
250 m
1966-1985
5607312
5356930
600 m
1966-1991
Wiesenfuchsschwanz 5693691
5334897
145 m
1961-1982, 1984-1986, 1992-2005
5660163
5445329
385 m
1961-1967, 1969, 1971-1981, 1992-2005
5602156
5342600
500 m
1961-1965, 1967-1981, 1992-2005
Wiesenknäuelgras
5650690
5407301
275 m
1966-1972, 1977-2005
Dauergrünland
5657831
5456524
340 m
1971-1977, 1979-1991, 1994-1998, 2000-2003,
2005
Zunächst wurden nun die einzelnen phänologischen Phasen mit dem in WaSiM-ETH neu implementier-
ten Phänologiemodul modelliert. Anschließend wurden die Simulationsergebnisse mit den für den jewei-
ligen Untersuchungsort vorliegenden phänologischen Beobachtungen verglichen. Wichtigstes Kriterium
hierbei war die mittlere Abweichung (MAE) zwischen beobachtetem und simuliertem Phaseneintritt
(Tabelle 21). Die Ermittlung des jeweiligen Soll-Wertes für den MAE wurde bereits in Kapitel 3.3 im
Rahmen der Entwicklung der phänologischen Modelle eingehend beschrieben. Der Ist-Wert bezeichnet
die im Rahmen der Testsimulationen mit WaSiM-ETH erzielten mittleren Abweichungen zwischen dem
beobachteten und dem simulierten Phaseneintritt.

Seite 46
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Tabelle 21:
Mittlere absolute Abweichung (MAE) des beobachteten und modellierten Phaseneintritts
für den Blattaustrieb/Aufgang landwirtschaftlicher Kulturen und von Obstgehölzen in un-
terschiedlichen Sächsischen Klimaregionen; MAE
soll
= erwartete mittlere Abweichung;
MAE
ist
= mit WaSiM-ETH erzielte mittlere Abweichung
Landnutzung
Höhe ü. NN
MAE
soll
MAE
ist
Apfel (früh)
80 m
4,2
1,9
250 m
4,2
0,4
700 m
4,2
2,9
Apfel (spät)
250 m
3,6
9,0
Süßkirsche
80 m
4,6
1,3
250 m
4,6
2,7
700 m
4,6
1,3
Sommergerste
290 m
3,1
2,5
Hafer
245 m
2,8
2,2
Winterweizen
245 m
4,7
3,5
Wintergerste
290 m
2,4
2,2
Winterroggen
245 m
3,0
0,8
Winterraps
245 m
3,1
3,4
Mais
245 m
3,1
1,5
Zuckerrüben
290 m
3,5
7,1
Kartoffeln
145 m
4,9
1,9
250 m
4,9
4,4
600 m
4,9
1,6
Wiesenfuchsschwanz
145 m
4,9
3,8
385 m
4,9
2,5
500 m
4,9
0,7
Wiesenknäuelgras
275 m
4,5
5,1
Dauergrünland
340 m
6,4
4,3
Mittelwert
4,2
2,9
Wie der Mittelwert des MAE
ist
von 2,9 Tagen in Tabelle 21 verdeutlicht, konnte in den Testsimulationen
insgesamt eine deutlich geringere Abweichung zwischen beobachtetem und simuliertem Phaseneintritt
erzielt werden, als dies nach den Ergebnissen der Modellentwicklung zu erwarten gewesen wäre (MAE
soll
= 4,2 Tage). Entscheidend für die Güte der Ergebnisse ist, ob der Aussaattermin bekannt war (vgl. auch
Abbildung 6 und Abbildung 7). Sehr positiv fallen insbesondere die Ergebnisse für frühreifenden Apfel
(vgl. auch Abbildung 5) und Winterroggen in mittleren Lagen sowie Wiesenfuchsschwanz in höheren
Lagen auf, wo die mittlere Abweichung zwischen Beobachtung und Simulation jeweils weniger als ein
Tag betrug. Auch u.a. für Hafer, Winterweizen und Wintergerste sind die Resultate der Testsimulationen
sehr zufriedenstellend.
Etwas schlechtere Ergebnisse für den MAE waren lediglich für den Apfel (spätreifend), dessen Phasen-
eintritt im Mittel mit einer Verzögerung von etwa 9 Tagen simuliert wurde, und für die Zuckerrübe (simu-
lierter Phaseneintritt ca. 7 Tage zu früh, siehe auch Abbildung 7) zu verzeichnen. Beim Apfel ist der rela-
tiv hohe absolute Fehler möglicherweise darauf zurückzuführen, dass am Validierungsstandort Besonder-
heiten wie etwa eine Kaltluftsenke oder eine extrem spät austreibende Apfelsorte vorliegen. Für die Zuk-
kerrübe wurde bereits in Abschnitt 3.2.1 auf die relativ schwache Datengrundlage hingewiesen.
Für das Ende der Vegetationsperiode wird bei Obstbaukulturen empfohlen, für den Blattverlust einen
langjährigen Mittelwert einzusetzen und den Blattverlust nicht dynamisch zu modellieren (vgl. Abschnitt
3.3.2). Die Ergebnisse der Testsimulationen bestätigen diese Vorgehensweise: Während das Phänologie-
modul in niedrigen und mittleren Lagen beispielsweise für den frühreifenden Apfel den Blattverlust zu
früh (im Mittel 12,9 bzw. 7,1 Tage) und in den Hochlagen deutlich zu spät (im Mittel 22 Tage) berechnet,
beträgt die Abweichung bei Verwendung des Mittelwerts (vgl. Tabelle 14) lediglich 2,0 Tage im Tief-
land, 0,3 Tage in den mittleren Lagen und 14,4 Tage in den Hochlagen. Da der Erntezeitpunkt von Ge-
treide und Hackfrüchten neben der Reife auch von weiteren Ursachen (u.a. Witterung, subjektive Erwä-
gungen des Landwirts) abhängig ist, sollte er, sofern bekannt, als Fixpunkt angegeben werden.

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 47
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
60
80
100
120
140
160
180
1961
1963
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
Jahr
Eintritt der Phänophase (Tage ab 1. Jan.)
Apfel (frühreifend) U beobachtet
Apfel (frühreifend) U modelliert
Apfel (frühreifend) M beobachtet
Apfel (frühreifend) M modelliert
Apfel (frühreifend) H beobachtet
Apfel (frühreifend) H modelliert
Abbildung 5: Beobachteter und modellierter Phaseneintritt (Blüte) beim Apfelbaum (frühreifend) für tiefe
(„U“), mittlere („M“) und hohe („H“) Lagen im Zeitraum von 1961 bis 2006. Für die mo-
dellierten Blütezeitpunkte wurden die Trendlinien hinzugefügt.
Der Vergleich zwischen der modellierten und gemessenen Blüte des frühreifenden Apfels (Tabelle 21,
Abbildung 5) verdeutlicht auch den Einfluss der Höhenlage: In 80 m Meereshöhe tritt der Blühbeginn im
Mittel 5 Tage früher ein als in 250 m ü. NN und in der Mittelgebirgslage (700 m ü. NN) blüht der Apfel-
baum im Schnitt 16 Tage später als in den mittleren Lagen. Zudem ist in allen Höhenlagen etwa ab den
1980er Jahren ein Trend zu früheren Blühterminen zu erkennen. Ähnliche Trends zeigen sich bei Süßkir-
sche (nicht dargestellt), Wiesenknäuelgras und Dauergrünland (Abbildung 7). Demgegenüber zeigen die
einzelnen Getreidesorten und Hackfrüchte beim Auflaufen der Saat (Abbildung 6 und Abbildung 7) kei-
nen Trend. Das ist darauf zurückzuführen, dass der Aufgang und in Folge davon auch das Schossen stär-
ker vom Zeitpunkt der Aussaat als von der Temperatursumme abhängig sind. Der Zeitpunkt der Aussaat
ist wiederum, ähnlich wie die Ernte, nicht nur von meteorologischen Faktoren, sondern auch von weiteren
Einflüssen, wie der Bodenfeuchte, der Getreidesorte und anthropogenen Erwägungen abhängig.
5.1.2
Testsimulationen für Lysimeter der Station Brandis
Die Lysimeter der Station Brandis repräsentieren vier unterschiedliche Versickerungstypen, welche durch
vier Pedohydrotoptypen („top a“, „top b“, „top c“ und „top d“ bei Haferkorn 2000) gekennzeichnet wer-
den. Diese werden durch die Lysimetergruppe 5 (Erodierte Braunerde; Sandlöß über kiesführendem Flu-
visand: top a), Lysimetergruppe 8 (Parabraunerde-Braunerde; Sandlöß über tiefem, kiesführenden Morä-
nenlehm: top b), Lysimetergruppe 7 (Braunerde-Pseudogley; Sandlöß über kiesführendem Moränenlehm:
top c) und Lysimetergruppe 9 (Löß-Parabraunerde; Löß über Schmelzwassersand: top d) repräsentiert.
Weitere Informationen über die Versuchsanlage, die Lysimetergruppen und die einzelnen Versickerungs-
typen können Haferkorn (2000) entnommen werden.
Für die Lysimeter wurden die Testimulationen des neuen Phänologiemoduls sowohl ohne als auch mit
Berücksichtigung der von Frühjahrstrockenheit auf die phänologische Entwicklung durchgeführt (vgl.
Abschnitt 4).

Seite 48
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
0
50
100
150
200
250
300
350
1961
1963
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
Jahr
Eintritt der Phänophase (Tage ab 1. Jan.)
Hafer gemessen
Hafer modelliert
Winterweizen gemessen
Winterweizen modelliert
Wintergerste gemessen
Wintergerste modelliert
Abbildung 6: Beobachteter und modellierter Phaseneintritt (Aufgang) bei Hafer, Winterweizen und Win-
tergerste im Zeitraum von 1961 bis 2006. Nicht ausgefüllte Datenpunkte: Aussaattermin
nicht bekannt, hier wurde ein mittlerer Aussaattermin verwendet. Für die modellierten Aus-
triebszeitpunkte wurden die Trendlinien hinzugefügt.
0
20
40
60
80
100
120
140
160
180
200
1961
1963
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
Jahr
Eintritt der Phänophase (Tage ab 1. Jan.)
Zuckerrübe gemessen
Zuckerrübe modelliert
Wiesenknäuelgras gemessen
Wiesenknäuelgras modelliert
Dauergrünland gemessen
Dauergrünland modelliert
Abbildung 7: Beobachteter und modellierter Phaseneintritt
bei Zuckerrübe (Aufgang), Wiesenknäuelgras
(Vollblüte) und Dauergrünland (Beginn des Ergrünens) im Zeitraum von 1961 bis 2006.
Nicht ausgefüllte Datenpunkte: Aussaattermin nicht bekannt, hier wurde ein mittlerer Aus-
saattermin verwendet. Für die modellierten Austriebszeitpunkte wurden die Trendlinien
hinzugefügt.

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 49
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
5.1.2.1
Testsimulationen ohne Berücksichtigung des Einflusses von Frühjahrstrockenheit auf
die phänologische Entwicklung
In einem ersten Modelllauf wurde der Wasserhaushalt der relevanten Lysimetergruppen auf Grundlage
der bei Scherzer et al. (2006a) kalibrierten Parametersätze für Sommer- und Winterweizen, Sommer- und
Wintergerste, Winterroggen, Erbsen und Raps unter zusätzlicher Verwendung der in Abschnitt 3.3 vorge-
schlagenen phänologischen Parameter berechnet. Da für Erbsen keine phänologischen Parametersätze
vorliegen, wird diese Fruchtart mit den bei Scherzer et al. (2006a) ermittelten fixen phänologischen Eck-
punkten modelliert.
Die phänologischen Beobachtungen an der Lysimeterstation konnten durch die Modellsimulationen im
Rahmen der zu erwartenden mittleren absoluten Abweichung (MAE, vgl. Abschnitt 3.3) gut nachvollzo-
gen werden (Tabelle 22). Zudem ist zu berücksichtigen, dass die Beobachtungsdaten an den Lysimetern
in der Regel nicht tagesgenau sind. So werden für alle Lysimeter die gleichen Tage beispielsweise für den
Beginn des Schossens festgestellt, obwohl davon ausgegangen werden muss, dass verschiedene Faktoren
wie Pilzbefall oder Trockenstress auf einzelnen Lysimetern zu einer Entwicklungsverzögerung führen. So
ist bei den beobachteten Daten eine Abweichung um wenige Tage möglich (Frau Hanns, Lysimeterstation
Brandis, persönliche Mitteilung vom 15.05.2007). Die starke Abweichung des beobachteten
vom model-
lierten Zeitpunkt für das Schossen bei Wintergerste im Jahr 2002 ist darauf zurückzuführen, dass die
Pflanzen vom Gelbverzwergungsvirus befallen waren. Die dadurch verursachten Entwicklungsverzöge-
rungen werden durch das Phänologiemodell naturgemäß nicht erfasst.
Die an den Lysimetern gemessene tägliche Evapotranspiration konnte durch die Modellsimulationen mit
dynamischer Phänologie sehr gut wiedergegeben werden (Abbildung 8). Gegenüber den Ergebnissen bei
Scherzer et al. (2006a) stellt dies einen entscheidenden Fortschritt dar: Während dort noch für jedes ein-
zelne Simulationsjahr zahlreiche phänologische Eckdaten manuell festgelegt werden mussten, ist mit dem
dynamischen Phänologiemodul nun eine einzige Basis-Parametrisierung für jede Kulturart ausreichend.
Bei Lysimeter 5 beträgt die Differenz zwischen den Ergebnissen von Scherzer et al. (2006a) und der
aktuellen Parametrisierung über den Gesamtzeitraum 1997 - 2004 lediglich 3,2 mm und ist somit minimal
(Abbildung 9). Auch bei Lysimeter 7 tritt gegenüber der früheren aufwändigen Parametrisierung lediglich
eine Abweichung von 20,3 mm auf (Abbildung 10). Dies entspricht einer Gesamt-Abweichung gegenüber
dem Messwert der kumulierten Evapotranspiration von ca. 1,5%. Bei Lysimeter 8 fällt die Abweichung
zwischen den beiden Parametrisierungsvarianten etwas größer aus und beträgt mit fixen Eckdaten 1,2 %
bzw. unter Anwendung des Phänologiemoduls 3,3 % der Gesamtverdunstung (Abbildung 11). Dies ist
darauf zurückzuführen, dass im Modellierungsjahr 2002 ohne dynamisierte Phänologie sehr viele Eckda-
ten festgelegt wurden, um die Entwicklung der Wintergerste bzw. des Raps in diesem Jahr adäquat nach-
vollziehen zu können. Die Anzahl der Eckdaten ist bei dynamisierter Phänologie wesentlich geringer, so
dass hier die Verdunstungsspitzen im Spätsommer 2002 nicht vollständig erfasst werden konnten. Dage-
gen konnte die Evapotranspiration im Trockenjahr 2003 mit dynamisierter Phänologie sogar besser als
mit fixen Daten dargestellt werden. Lysimeter 9 (nicht dargestellt) wurde bei Scherzer et al. (2006a) nicht
untersucht. Mit dynamisierter Phänologie liefert es eine ähnlich geringe Abweichung zwischen simulier-
ter und gemessener Evapotranspiration wie Lysimeter 7.

Seite 50
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Tabelle 22:
Modellierter und beobachteter Phaseneintritt (Schossen bzw. bei Raps: Blüte) an der Lysi-
meterstation von 1997 bis 2006.
Jahr
Fruchtart
(phänologische
Phase)
Eintritt der phänologi-
schen Phase
(beobachtet)
Eintritt der phäno-
logischen Phase
(modelliert)
MAE
soll
Abweichung zwischen
modelliertem und beo-
bachtetem Phaseneintritt
1997
Sommerweizen
114
118
1)
-
4 Tage
1998
Winterroggen
99
92
7,0 Tage
7 Tage
1999
Wintergerste
102
101
7,2 Tage
1 Tag
2000
Erbsen
111
-
2)
-
-
2001
Winterweizen
119
121
5,9 Tage
2 Tage
2002
Wintergerste
112
90
7,2 Tage
22 Tage
2003
Raps
120
124
4,6 Tage
4 Tage
2004
Winterweizen
118
109
5,9 Tage
9 Tage
2005
Sommergerste
151
145
3,0 Tage
6 Tage
2006
Raps
125
129
4,6 Tage
4 Tage
1)
Da keine Parametrisierung für Sommerweizen vorliegt, wurden die Parameter für Sommergerste verwendet
2)
Es liegt keine Parametrisierung für Hülsenfrüchte vor
0
1
2
3
4
5
6
01/99
02/99
03/99
04/99
05/99
06/99
07/99
08/99
09/99
10/99
11/99
12/99
mm/d
ETR gemessen
ETR modelliert DP3
Abbildung 8: Lysimeter 5: Jahresgang der gemessenen und modellierten Evapotranspiration unter Ein-
bezug des neuen Phänologiemoduls am Beispiel des Jahres 1999

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 51
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
0
1000
2000
3000
4000
01/97
07/97
01/98
07/98
01/99
07/99
01/00
07/00
01/01
07/01
01/02
07/02
01/03
07/03
01/04
07/04
mm kum.
ETR modelliert DP3
ETR modelliert fix
ETR gemessen
-200
-150
-100
-50
0
50
01/97
07/97
01/98
07/98
01/99
07/99
01/00
07/00
01/01
07/01
01/02
07/02
01/03
07/03
01/04
07/04
mm kum.
ETR Differenz gemessen-modelliert DP3
ETR Differenz gemessen-modelliert fix
Abbildung 9: Lysimeter 5: Gemessene und modellierte Evapotranspiration bei Vorgabe von fixen phäno-
logischen Eckdaten und unter Verwendung des neuen Phänologiemoduls. Oben: Summen-
kurven. Unten: kumulierte Differenzen jeweils zwischen der gemessenen und der modellier-
ten Evapotranspiration

Seite 52
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
0
1000
2000
3000
4000
5000
01/97
07/97
01/98
07/98
01/99
07/99
01/00
07/00
01/01
07/01
01/02
07/02
01/03
07/03
01/04
07/04
mm kum.
ETR modelliert DP3
ETR modelliert fix
ETR gemessen
-20
0
20
40
60
80
100
120
140
01/97
07/97
01/98
07/98
01/99
07/99
01/00
07/00
01/01
07/01
01/02
07/02
01/03
07/03
01/04
07/04
mm kum.
ETR Differenz gemessen-modelliert DP3
ETR Differenz gemessen-modelliert fix
Abbildung 10:
Lysimeter 7: Gemessene und modellierte Evapotranspiration bei Vorgabe von fixen
phänologischen Eckdaten und unter Verwendung des neuen Phänologiemoduls. Oben:
Summenkurven. Unten: kumulierte Differenzen jeweils zwischen der gemessenen und der
modellierten Evapotranspiration

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 53
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
0
1000
2000
3000
4000
5000
01/97
07/97
01/98
07/98
01/99
07/99
01/00
07/00
01/01
07/01
01/02
07/02
01/03
07/03
01/04
07/04
mm kum.
ETR modelliert DP3
ETR modelliert fix
ETR gemessen
-100
-50
0
50
100
150
200
01/97
07/97
01/98
07/98
01/99
07/99
01/00
07/00
01/01
07/01
01/02
07/02
01/03
07/03
01/04
07/04
mm kum.
ETR Differenz gemessen-modelliert DP3
ETR Differenz gemessen-modelliert fix
Abbildung 11:
Lysimeter 8: Gemessene und modellierte Evapotranspiration bei Vorgabe von fixen
phänologischen Eckdaten und unter Verwendung des neuen Phänologiemoduls. Oben:
Summenkurven. Unten: kumulierte Differenzen jeweils zwischen der gemessenen und der
modellierten Evapotranspiration

Seite 54
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
5.1.2.2
Testsimulationen mit Berücksichtigung des Einflusses von Frühjahrstrockenheit auf
die phänologische Entwicklung
Um den Einfluss des Trockenstresses von dem des wechselnden Bewuchses zu isolieren, konzentrierten
sich die weiteren Testsimulationen für die Lysimeter auf die Kulturarten Winterweizen und Wintergerste.
Die tatsächliche Fruchtfolge wurde hierbei so modifiziert, dass für den Zeitraum 1997 – 2006 zwei Zeit-
reihen mit jeweils einer Fruchtart berechnet wurden. Winterweizen und Wintergerste bieten den Vorteil,
dass sie eine ähnliche zeitliche Entwicklung aufweisen, so dass im direkten Vergleich Inkonsistenzen bei
den berechneten Ergebnissen leichter erkannt werden konnten. Zudem stellten diese beiden Kulturarten in
jeweils zwei Jahren den tatsächlichen Bewuchs auf den Lysimetern dar.
Da Wintergerste früher im Jahr mit der Vegetationsentwicklung (Schossen) beginnt und sich auf den
Lysimetern der Station Brandis in den Untersuchtungsjahren zudem weniger stark entwickelt als Winter-
weizen, treten auch im Verhalten gegenüber Trockenstress im Modell deutliche Unterschiede auf (vgl.
Abbildung 13 und Abbildung 14). So wurde im Vergleich mit Fotos und Messdaten für Winterweizen ein
Bedeckungsgrad von bis zu 60 % im April und Mai festgestellt, während er bei Wintergerste für den
gleichen Zeitraum mit Werten bis 30 % nur halb so groß ist.
Die Testsimulationen unter expliziter Berücksichtigung von Frühjahrstrockenheit führten mit Winterwei-
zen im Untersuchungszeitraum bei den Lysimetern 7 und 9 im Mittel zu einer Verzögerung des Schossens
um zwei Tage, bei Lysimeter 8 um drei Tage und bei Lysimeter 5 um zwölf Tage. Mit Wintergerste führ-
te Trockenstress im Mittel zu einer Entwicklungsverzögerung um einen Tag bei Lysimeter 9, um drei
Tage bei Lysimeter 8, um elf Tage bei Lysimeter 7 und um 18 Tage bei Lysimeter 5. Die mit dem erwei-
terten WaSiM-ETH unter Berücksichtigung von Trockenstress modellierten Entwicklungsverzögerungen
von 0 bis 28 Tagen entsprechen den Beobachtungen an der Lysimeterstation Brandis (Frau Hanns, Lysi-
meterstation Brandis, persönliche Mitteilung vom 15.09.2007): So wurde z.B. im Frühjahr 2007 durch die
ausgeprägte Trockenheit eine Verzögerung des Schossens um einen Monat beobachtet.
Die deutlichsten Verzögerungen der simulierten phänologischen Entwicklung bei beiden Getreidesorten
treten in den Jahren 1998, 1999 und 2005 auf. Diese Beobachtungen stimmen gut mit den Witterungsver-
läufen der jeweiligen Jahre überein: So war z.B. im April 2005 eine ausgeprägte Trockenperiode bei
ungewöhnlich hohen Temperaturen zu verzeichnen (Abbildung 12), während im Jahr 2001, 2002 oder
2006 der April sehr feucht verlief. In Anbetracht dessen wäre theoretisch auch in den Jahren 2000, 2003
und 2004 Trockenstress zu erwarten. Im Jahr 2000 geht allerdings dem trockenen April ein sehr feuchter
März (Niederschlagssumme 106,9 mm) voran, so dass den Pflanzen genug Wasser aus dem Vormonat im
Boden zur Verfügung steht. Im April 2003 ist durch den sehr schneereichen Winter 2002/2003 genug
Wasservorrat im Boden vorhanden, zudem sind die Lufttemperaturen im Vergleich mit dem Mittel von
1997 bis 2006 relativ niedrig. Im Jahr 2004 reichen offenbar die ergiebigen Niederschläge Ende Dezem-
ber 2003 und Anfang Januar 2004 aus, um den Pflanzen in ihrer Wachstumszeit genug Wasser zu Verfü-
gung stellen zu können.
Betrachtet man die Entwicklungsverzögerung relativ zueinander, korrelieren die in den Lysimetern ver-
schieden stark ausgeprägten Verzögerungen gut mit den Bodeneigenschaften. Die höchste Feldkapazität
hat Lysimeter 9 (stark toniger Schluff), die zweithöchste Lysimeter 7 (schluffig-lehmiger Sand). Darauf
folgen Lysimeter 8 (stark schluffiger Sand) und schließlich Lysimeter 5 (lehmiger Sand) mit der niedrig-
sten Feldkapazität (vgl. Haferkorn 2000). Diese Reihenfolge entspricht der Stärke, mit der Winterweizen
und Wintergerste auf Frühjahrstrockenheit reagieren. Während auf Lysimeter 9 häufig keine Verzögerung
eintritt, wirkt sich Trockenstress sehr stark auf die Pflanzenentwicklung auf Lysimeter 5 aus.

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 55
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
0
10
20
30
40
50
60
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
Niederschlagssumme (mm/April)
0
50
100
150
200
250
300
350
Temperatursumme (° C/April)
Niederschlag
Temperatur
Abbildung 12:
Niederschlags- und Temperatursummen im April von 1997 bis 2006
60
70
80
90
100
110
120
130
140
150
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
Beginn des Schossens (Jul. Tag)
DP3 ohne Trockenstress (alle Lysimeter)
DP3+Trockenstress (Lys. 5)
DP3+Trockenstress (Lys. 7)
DP3+Trockenstress (Lys. 8)
DP3+Trockenstress (Lys. 9)
Abbildung 13:
Winterweizen: Modellierte und beobachtete Zeitpunkte für das Schossen ohne und mit
Berücksichtigung von Trockenstress im Frühjahr
Die Berücksichtigung des Einflusses der Frühjahrstrockenheit auf die phänologische Entwicklung wurde
durch eine Kalibrierung der Parameter „StressFactorDynPhen“ und „HReduDry“ (Abschnitt 4.3.4) reali-
siert. Hierbei war zu beachten, dass es sich lediglich bei dem Parameter „StressFactorDynPhen“ um einen
frühjahrstrockenheitspezifischen neuen Skalierungsfaktor handelt. Der Parameter „HReduDry“ hingegen
wurde in den bisherigen WaSiM-Versionen bereits als Schwellenwert für die Reduktion der potenziellen
Verdunstung bei Bodentrockenheit verwendet und nun sinnvollerweise auch in die Berechnung von Früh-
jahrstrockenstress einbezogen. Im Idealfall wird durch den Anwender zur Kalibrierung der Frühjahrstrok-
kenheit daher lediglich der Parameter „StressFactorDynPhen“ kalibriert und „HReduDry“ auf der als

Seite 56
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
bisher für optimal befundenen Einstellung belassen, um unerwünschte Rückkopplungen zu vermeiden.
Die hier skizzierte Vorgehenweise führte bei den Lysimetern 7 und 9 ohne Einschränkungen zu den ge-
wünschten Ergebnissen. So führte der Trockenstress im Jahr 1999 auf Lysimeter 7 und Lysimeter 9 je-
weils zu einer Verzögerung von fünf Tagen bei Winterweizen, im Jahr 2005 auf beiden Lysimetern je-
weils zu einer Verzögerung von einem Tag.
60
70
80
90
100
110
120
130
140
150
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
Beginn des Schossens (Jul. Tag)
DP3 ohne Trockenstress (alle Lysimeter)
DP3+Trockenstress (Lys. 5)
DP3+Trockenstress (Lys. 7)
DP3+Trockenstress (Lys. 8)
DP3+Trockenstress (Lys. 9)
Abbildung 14:
Wintergerste: Modellierte und beobachtete Zeitpunkte für das Schossen ohne und mit
Berücksichtigung von Trockenstress im Frühjahr
Bei Lysimeter 5 und 8 gestaltete sich der Anpassungsprozess hingegen wesentlich komplexer: Bereits bei
einer mit StressFactorDynPhen = 3,45 m sehr gering eingestellten Sensitivität gegenüber Trockenstress
verzögerte sich die phänologische Entwicklung in jedem Jahr um über 30 Tage. Vermutlich wurden beide
Lysimeter insgesamt zu trocken simuliert. Dies ist darauf zurückzuführen, dass bei der Kalibrierung noch
ohne Zeitschrittsteuerung modelliert werden musste und die Materialeigenschaften der einzelnen Lysime-
terböden nur über Pedotransferfunktionen abgeschätzt werden konnten (vgl. Scherzer et al. 2006a). Nur
durch den insgesamt etwas zu trocken simulierten Boden konnte verhindert werden, dass übermäßig viel
Oberflächenabfluss auftritt, und die Evapotranspiration und die Sickerwassermengen zu gering simuliert
werden. Diese Vorgehensweise führte in Scherzer et al. (2006a) zu insgesamt guten Ergebnissen. Ver-
suchsweise wurde für diese Lysimeter daher auch „HReduDry“ von 345 hPa auf Werte von bis zu 3000
bzw. 5000 hPa variiert, was zu einer plausibleren Abbildung des Einflusses der Frühjahrstrockenheit
führte. Die Qualität der simulierten Evapotranspiration wurde hierbei allerdings erwartungsgemäß erheb-
lich beeinträchtigt.
Insgesamt entsprachen die Ergebnisse unter Einbezug von Trockenstress somit nicht in allen Fällen den
Erwartungen. Es ist zu erwarten, dass die derzeit in Bearbeitung befindliche Implementierung einer expli-
ziten Zeitschrittsteuerung in WaSiM-ETH im Projekt „KliWEP - Abschätzung der Auswirkungen des
Klimawandels auf den Wasserhaushalt im Parthe-Einzugsgebiet“ (Laufzeit bis 31.07.2008) dazu beiträgt,
die Trockenstresssimulationen zu verbessern.
Insgesamt ist zu den hier durchgeführten Untersuchungen zum Einfluss von Frühjahrstrockenheit auf die
phänologische Entwicklung einschränkend anzumerken, dass die Beobachtungsdaten für die Modellent-
wicklung (vgl. Abschnitt 3.2.1) streng genommen bereits den Einfluss eventuell aufgetretener Trocken-
heit berücksichtigen. Die beobachtete Pflanzenentwicklung spiegelt nicht nur die Einflüsse der Tempera-
tur, sondern u.a. auch ungünstige Witterungsbedingungen wie Trockenstress wider. Modelliert man nun
den Trockenstress zusätzlich zu dem Eintritt der phänologischen Eckdaten, so berücksichtigt man ihn

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 57
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
streng genommen doppelt. Es ist daher nicht auszuschließen, dass die zusätzliche Berücksichtigung von
Trockenstress im Wasserhaushaltsmodell vor allem in wenig bindigen Böden zu tendenziell zu hohen
Entwicklungsverzögerungen führt. Dies gilt insbesondere für die teilweise erheblichen Entwicklungsver-
zögerungen auf Lysimeter 5, welche sich gegenüber den anderen Lysimetern nicht durch experimentelle
Beobachtungen belegen lassen. Möglicherweise sind auch die Ausreißer bei Lysimeter 8 (v.a. bei Winter-
gerste 2005) darauf zurückzuführen.
Für zukünftige „Standard-“ Simulationen im Zusammenhang mit Fragestellungen des Klimawandels wird
daher empfohlen, diese mit eingeschaltetem Phänologiemodul, aber ohne Zuschaltung des speziellen
Trockenstressmoduls durchzuführen. Das Trockenstressmodul kann vielmehr in erster Linie als Zusatz-
tool für spezielle Fragestellungen im Zusammenhang mit Frühjahrstrockenheit dienen. Hierbei ist es
unabdinglich, die jeweiligen Simulationsergebnisse, einschließlich der simulierten Bodensaugspannungen
und -wassergehalte detailliert zu evaluieren und ausführliche Sensitivitätsanalysen für die jeweiligen
Parameterkombinationen (u.a. Boden, Vegetation, Evapotranspiration) durchzuführen.
5.2
Forst
5.2.1
Modellvalidierung für Klimaregionen in Sachsen
Analog zur Vorgehensweise bei den landwirtschaftlichen Kulturpflanzen wurden auch für die in Sachsen
relevanten Baumarten umfangreiche Testsimulationen durchgeführt. Dafür wurde jeweils ein Standort im
Tiefland, einer in den mittleren Lagen sowie einer in den Hochlagen des Erzgebirges ausgewählt. Weitere
Voraussetzung für eine Validierung der phänologischen Modellierung waren ausreichend Beobachtungs-
daten am konkreten Standort (Tabelle 23).
Tabelle 23:
Forstliche Untersuchungsstandorte für die Validierung des phänologischen Modells
Landnutzung
Hochwert
Rechtswert
Höhe ü. NN
Jahre mit Messdaten
Eiche
5332333
5721614
90 m
1966-1994
5368374
5667117
210 m
1961-1970, 1974, 1976, 1978-2005
5389083
5619888
650 m
1966-1981, 1984-1990, 1992-1998, 2000-2005
Fichte
5353278
5736530
80 m
1991-2005
5368374
5667117
210 m
1961-1970, 1974-1976, 1978-2005
5355735
5589535
925 m
1961-1983, 1988-2004
Kiefer
5353278
5736530
80 m
1989, 1991-2005
5368374
5667117
210 m
1982-2005
5355735
5589535
925 m
1982-1983, 1988-2004
Buche
5353278
5736530
80 m
1992-2005
5368374
5667117
210 m
1961-1971, 1977-1981, 1992-2005
5389083
5619888
650 m
1966-1981, 1992-2005
Im Rahmen des Projektes „Kliwep-Phänologie - Forstmodul“ (Chmielewski et al. 2007) wurden sachsen-
spezifische Parametersätze für die Blattentfaltung der Baumarten Buche und Eiche sowie für den Maitrieb
von Fichte und Kiefer bestimmt. Um die maximale Belaubung von Laubhölzern zu terminieren, ver-
spricht die Nutzung der jeweiligen mittleren Differenz zwischen Blattentfaltung und maximaler Belau-
bung die besten Ergebnisse. Hinsichtlich der phänologischen Herbstphasen empfehlen Chmielewski et al.
(2007)
klimatologische Mittelwerte im Wasserhaushaltsmodell zu nutzen. Diese Vorgehensweise führt zu
geringeren Fehlern bei der Bestimmung des Blattfalls bzw. dem Ende der Vegetationsperiode, als die
Nutzung der für die Berechnung des Zeitpunkts von Blattentfaltung oder Maitrieb vorgeschlagenen Algo-
rithmen. Daher werden im Folgenden lediglich die Ergebnisse der Modellierung der Blattentfaltung bzw.
des Maitriebs näher untersucht.

Seite 58
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
Im Rahmen der Testsimulationen wurden zunächst die einzelnen phänologischen Phasen mit dem in Wa-
SiM-ETH neu implementierten Phänologiemodul modelliert. Anschließend wurden die Simulationser-
gebnisse mit den für den jeweiligen Untersuchungsort vorliegenden phänologischen Beobachtungen ver-
glichen. Wichtigstes Kriterium hierbei war die mittlere Abweichung (MAE) zwischen beobachtetem und
simuliertem Phaseneintritt (Tabelle 24). Die Ermittlung des jeweiligen Erwartungswertes für den MAE
soll
wurde bereits in Chmielewski et al. (2007) im Rahmen der Entwicklung der phänologischen Modelle
eingehend beschrieben. Der Ist-Wert in Tabelle 24 bezeichnet die im Rahmen der Testsimulationen mit
WaSiM-ETH erzielten mittleren Abweichungen zwischen beobachtetem und simuliertem Phaseneintritt.
Die Termine von Blattentfaltung und Maitrieb können in allen Höhenlagen für alle vier betrachteten
Baumarten sehr gut nachvollzogen werden. Die mittlere Abweichung des modellierten vom beobachteten
Wert ist in allen Fällen geringer, als nach Chmielewski et al. (2007) zu erwarten gewesen wäre. Die Mo-
dellierung der Blattentfaltung bzw. des Maitriebs gelingt hier noch besser, als die Modellierung verschie-
dener phänologischer Phasen bei Getreide, Hackfrüchten und Obstbäumen (vgl. Abschnitt 5.1.1).
Tabelle 24:
Beobachtete und modellierte Blattentfaltung bzw. Maitrieb für verschiedene Standorte in
Sachsen in jeweils unterschiedlichen Höhenlagen.
Landnutzung
Höhe ü. NN
MAE
soll
MAE
ist
Eiche
90 m
4,8
0,6
210 m
4,8
1,2
650 m
4,8
1,0
Fichte
80 m
5,2
2,0
210 m
5,2
3,8
925 m
5,2
0,2
Kiefer
80 m
5,2
0,1
210 m
5,2
3,0
925 m
5,2
0,3
Rotbuche
80 m
4,9
1,4
210 m
4,9
0,0
650 m
4,9
3,4
Mittelwert
5,0
1,4
In Abbildung 15 ist jeweils der beobachtete und modellierte Tag der Blattentfaltung für die beiden Laub-
baumarten Eiche und Buche von 1961 bis 2006 dargestellt, Abbildung 16 zeigt dasselbe für Fichte und
Kiefer. Obwohl in einzelnen Jahren deutliche Abweichungen auftreten können, wird der Eintritt dieser
phänologischen Phase im Mittel sehr gut berechnet. Sowohl die Unterschiede zwischen den einzelnen
Baumarten als auch zwischen den Höhenlagen werden gut wiedergegeben. Insbesondere wird die Dyna-
mik innerhalb der beobachteten Reihe
sehr gut reproduziert. Auffällig ist bei allen vier Baumarten in allen
Höhenlagen ein Trend zu einem früheren Blattaustrieb, der etwa in der Mitte der 1980er Jahre einsetzt.

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 59
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
80
90
100
110
120
130
140
150
160
1961
1963
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
Eintritt der Phänophase (Tage ab 1. Jan.)
Eiche U beobachtet
Eiche U modelliert
Rotbuche U beobachtet
Rotbuche U modelliert
80
90
100
110
120
130
140
150
160
1961
1963
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
Eintritt der Phänophase (Tage ab 1. Jan.)
Eiche M beobachtet
Eiche M modelliert
Rotbuche M beobachtet
Rotbuche M modelliert
80
90
100
110
120
130
140
150
160
1961
1963
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
Eintritt der Phänophase (Tage ab 1. Jan.)
Eiche H beobachtet
Eiche H modelliert
Rotbuche H beobachtet
Rotbuche H modelliert
Abbildung 15:
Beobachteter und modellierter Phaseneintritt (Blattentfaltung) bei Eiche und Buche im
Zeitraum von 1961 bis 2006 im Tiefland (oben), in den mittleren Lagen (Mitte) und in Ge-
birgslagen (unten) jeweils mit einer Darstellung der langjährigen Trends (Basis: modellier-
te Daten).

Seite 60
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
100
110
120
130
140
150
160
170
180
1961
1963
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
Eintritt der Phänophase (Tage ab 1. Jan.)
Fichte U beobachtet
Fichte U modelliert
Kiefer U beobachtet
Kiefer U modelliert
100
110
120
130
140
150
160
170
180
1961
1963
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
Eintritt der Phänophase (Tage ab 1. Jan.)
Fichte M beobachtet
Fichte M modelliert
Kiefer M beobachtet
Kiefer M modelliert
100
110
120
130
140
150
160
170
180
1961
1963
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
Eintritt der Phänophase (Tage ab 1. Jan.)
Fichte H beobachtet
Fichte H modelliert
Kiefer H beobachtet
Kiefer H modelliert
Abbildung 16:
Beobachteter und modellierter Phaseneintritt (Maitrieb) bei Kiefer und Fichte im Zeit-
raum von 1961 bis 2006 im Tiefland (oben), in den mittleren Lagen (Mitte) und in Gebirgs-
lagen (unten) jeweils mit einer Darstellung der langjährigen Trends (Basis: modellierte
Daten).

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 61
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
5.2.2
Modellsimulationen der phänologischen Entwicklung für unterschiedliche Geotope
und Bestandeszieltypen in Sachsen
In Absprache mit dem Auftraggeber wurden sechs unterschiedliche Geotopzustände sowie darauf aufbau-
end je zwei Varianten eines repräsentativen Bestandestyps ausgewählt (Tabelle 25). Die Geotope befin-
den sich auf den mittleren Berglagen des Erzgebirges (1a und 1b), im Hügellandbereich (2a und 2b) und
im mäßig trockenen Tiefland (3a und 3b). Die Standorte 1a und 2a liegen in Westsachsen, 1b, 2b und 3b
in Ostsachsen und 3a in Nordsachsen.
Tabelle 25:
Forstliche Untersuchungsstandorte und Klimastufen für die Modellsimulationen der phäno-
logischen Entwicklung
lfd.
Nr.
Klimastufe
Lokalbodenform
Klimastation
Bestockung
Höhe
Rechtswert
Hochwert
1a(1)
Mittelgebirge
(Mf)
Oelsengrunder
Gneis-Braunerde
550 m
5329430
5606380
90 % Buche
10 % Mischwald
1a(2)
Oelsengrunder
Gneis-Braunerde
550 m
5409430
5631880
60 % Buche
40 % Fichte, Douglasie
1b(1)
Adorfer Phyllit-
Braunerde
550 m
5329430
5606380
90 % Buche
10 % Mischwald
1b(2)
Adorfer Phyllit-
Braunerde
550 m
5409430
5631880
60 % Buche
40 % Fichte, Douglasie
2a(1)
Hügelland
(Uf)
Grillenburger Löß-
Braunstaugley
357 m
5308930
5608880
100 % Eiche
2a(2)
Grillenburger Löß-
Braunstaugley
357 m
5440430
5657380
100 % Fichte
2b(1)
Hochstein Granit-
Braunerde
357 m
5308930
5608880
100 % Eiche
2b(2)
Hochstein Granit-
Braunerde
357 m
5440430
5657380
100 % Fichte
3a(1)
Tiefland
(Tm)
Nedlitzer Sand-
Braunerde
100 m
5347430
5714380
70 % Eiche
20 % Kiefer
10 % Hainbuche, Winterlinde
3a(2)
Nedlitzer Sand-
Braunerde
100 m
5459930
5699380
70 % Kiefer
30 % Eiche
3b(1)
Bräunigker Grand-
Braunerde
100 m
5347430
5714380
70 % Eiche
20 % Kiefer
10 % Hainbuche, Winterlinde
3b(2)
Bräunigker Grand-
Braunerde
100 m
5459930
5699380
70 % Kiefer
30 % Eiche
Bei der Bestimmung phänologischer Parametersätze standen die Sächsischen Hauptbaumarten Eiche,
Buche, Fichte und Kiefer im Vordergrund. Um auch die Entwicklung der weiteren für die Bestandesziel-
typen relevanten Baumarten dynamisieren zu können, wurden die untergeordneten Spezies nach folgen-
dem Muster parametrisiert: Douglasie analog zu Fichte, „Mischwald“ analog zu Eiche sowie Hainbuche
und Winterlinde analog zu Buche.
Der Zeitpunkt des Austriebs der Laubbäume bzw. des Maitriebs der Koniferen weist erwartungsgemäß
eine deutliche Höhenabhängigkeit auf (Tabelle 26): Die Blattentfaltung der Eiche erfolgt in den mittleren
Lagen des Mittelgebirges im Mittel fünf Tage (Westsachsen) bzw. sechs Tage (Ostsachsen) später, als im
Hügelland und dort wiederum sechs Tage (Westsachsen) bzw. fünf Tage (Ostsachsen) früher als im Tief-
land. Es ist also ein deutlicher Höhengradient erkennbar. Die Buche entfaltet ihre Blätter im Mittelgebirge
im Mittel zehn Tage (Ostsachsen) bzw. elf Tage (Westsachsen) später als im Tiefland. Die Vegetations-

Seite 62
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
entwicklung der Fichte weist einen ähnlichen Höhengradienten auf: Der Maitrieb erfolgt in den mittleren
Lagen des Erzgebirges im Mittel fünf Tage später als im Hügelland. Diese Informationen bieten eine
wertvolle Hilfestellung zur Einschätzung der Vegetationsentwicklung an ähnlichen Standorten und für
Berechnungen mit Wasserhaushaltsmodellen.
Innerhalb einer Klimastufe zeigten sich für die einzelnen Baumarten jeweils keine systematischen Unter-
schiede im Austriebsverhalten zwischen den weiter westlich und den weiter östlich gelegenen Untersu-
chungsflächen (Tabelle 26). In einzelnen Jahren werden allerdings durchaus Differenzen sichtbar: So
treibt die Buche beispielsweise im Jahr 1981 in Westsachsen deutlich früher aus, als dies in Ostsachsen
der Fall ist (Abbildung 17, Abbildung 18).
Tabelle 26:
Austrieb bzw. Maitrieb der verschiedenen Baumarten an den einzelnen Standorten im Mit-
tel über 1961-2006
lfd.
Klimastufe
Standort
Baumart und dafür berechneter mittlerer Austrieb bzw. Maitrieb (1961-2006)
Nr.
Vegetation
Termin
Baumart
Termin
Baumart
Termin
1a(1)
Westsachsen
Buche
126
Mischwald
135
1a(2)
Westsachsen
Buche
126
Fichte, Douglasie
139
1b(1)
Ostsachsen
Buche
127
Mischwald
135
1b(2)
Mittel-
gebirge (Mf)
Ostsachsen
Buche
127
Fichte, Douglasie
140
2a(1)
Westsachsen
Eiche
130
2a(2)
Westsachsen
Fichte
134
2b(1)
Ostsachsen
Eiche
129
2b(2)
Hügelland
(Uf)
Ostsachsen
Fichte
133
3a(1)
Westsachsen
Eiche
124
Kiefer
130
Hainbuche,
Winterlinde
116
3a(2)
Westsachsen
Kiefer
124
Eiche
130
3b(1)
Nordsachsen
Eiche
124
Kiefer
130
Hainbuche,
Winterlinde
116
3b(2)
Tiefland
(Tm)
Nordsachsen
Kiefer
124
Eiche
130
Analog zu den Ergebnissen in Abschnitt 5.2.1 zeichnet sich in den modellierten Zeitreihen etwa seit Mitte
der 1980er Jahre ein leichter Trend zu einem früheren Blattaustrieb bzw. Maitrieb ab (Abbildung 17 -
Abbildung 21). Besonders ausgeprägt ist diese Tendenz im Hügelland (Abbildung 19), wo er sowohl für
die Eiche als auch für die Fichte klar zu erkennen ist. Dieses Ergebnis unterstreicht die Relevanz der
eigenständigen Berechnung der Eintrittstermine einzelner phänologischer Phasen. Nur so können Ver-
schiebungen, die sich möglicherweise durch den Klimawandel ergeben, adäquat erfasst werden.

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 63
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
80
90
100
110
120
130
140
150
160
1961
1963
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
Jahr
Eintritt der Phänophase (Tage ab 1. Jan.)
Buche 1a(1) Mf
Mischwald 1a(1) Mf
Buche 1b(1) Mf
Mischwald 1b(1) Mf
Abbildung 17:
Blattaustrieb auf zwei Standorten in den mittleren Berglagen des Erzgebirges, bestockt
mit 90 % Buche und 10 % Bergahorn, Esche und Bergulme
80
90
100
110
120
130
140
150
160
170
1961
1963
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
Jahr
Eintritt der Phänophase (Tage ab 1. Jan.)
Buche 1a(2) Mf
Fichte, Douglasie 1a(2) Mf
Buche 1b(2) Mf
Fichte, Douglasie 1b(2) Mf
Abbildung 18:
Blattaustrieb auf zwei Standorten in den mittleren Berglagen des Erzgebirge, bestockt
mit 60 % Buche und 40 % Fichte und Douglasie

Seite 64
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
100
110
120
130
140
150
160
1961
1963
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
Jahr
Eintritt der Phänophase (Tage ab 1. Jan.)
Eiche 2a(1) Uf
Fichte 2a(2) Uf
Eiche 2b(1) Uf
Fichte 2b(2) Uf
Abbildung 19:
Blattaustrieb auf zwei Standorten im sächsischen Hügellandbereich, bestockt mit 100 %
Eiche bzw. 100 % Fichte
80
90
100
110
120
130
140
150
160
1961
1963
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
Jahr
Eintritt der Phänophase (Tage ab 1. Jan.)
Eiche 3a(1) Tm
Eiche 3b(1) Tm
Kiefer 3a(1) Tm
Kiefer 3b(1) Tm
Hainbuche, Winterlinde 3a(1) Tm
Hainbuche, Winterlinde 3b(1) Tm
Abbildung 20:
Blattaustrieb auf zwei Standorten im mäßig trockenen Tiefland in Sachsen, bestockt mit
70 % Eiche und 30 % Kiefer, Hainbuche und Winterlinde

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 65
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
80
90
100
110
120
130
140
150
160
1961
1963
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
Jahr
Eintritt der Phänophase (Tage ab 1. Jan.)
Eiche 3a(2) Tm
Kiefer 3a(2) Tm
Eiche 3b(2) Tm
Kiefer 3b(2) Tm
Abbildung 21:
Blattaustrieb auf zwei Standorten im mäßig trockenen Tiefland in Sachsen, bestockt mit
70 % Kiefer und 30 % Eiche

Seite 66
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 67
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
6
Zusammenfassung
Klimastudien zeigen für Sachsen gravierende Auswirkungen eines bereits beobachteten und noch zu
erwartenden Klimawandels. Für die Fachplanungen des Sächsischen Landesamts für Umwelt und Geolo-
gie (LfUG) besteht daher die Notwendigkeit, die Folgen sowohl von Klima- als auch von Landnutzungs-
änderungen auf Wasser-, Land- und Forstwirtschaft abzuschätzen. Als elementares Werkzeug für diese
Aufgaben sind belastbare prozessorientierte Gebietswasserhaushaltsmodelle, wie z.B. WaSiM-ETH,
erforderlich. Zur weiteren Optimierung der Prognosefähigkeit des im Rahmen von KliWEP aufgebauten
Modellsystems WaSiM-ETH / PCGEOFIM soll daher zukünftig auch der Einfluss des Klimawandels auf
die Dauer der Vegetationsperiode und damit auf den Wasser- und Stoffhaushalt abgebildet werden. Hier-
bei sind Beginn und Ende individueller Vegetationszeiten von Pflanzenarten in Abhängigkeit von Klima-
einflüssen und Standortfaktoren individuell zu bestimmen.
Zunächst wurden zahlreiche Wasserhaushaltsmodelle auf ihre Umsetzung der Phänologie und die imple-
mentierten Algorithmen überprüft und die wichtigsten bestehenden Modellansätze zusammengefasst. Die
gegenwärtige Umsetzung der phänologischen Phasen im Abfluss- und Wasserhaushaltsmodell WaSiM-
ETH wurde analysiert und Modellschnittstellen zur Erweiterung um das neu zu entwickelnde Phänologie-
Modul geschaffen. Aus der Vielzahl von existierenden Phänologiemodellen wurden die für das Untersu-
chungsgebiet geeigneten ausgewählt und angepasst. Hierfür wurden die zur Entwicklung und Validierung
des Modells relevanten phänologischen Beobachtungsdaten für die wichtigsten obst- und pflanzenbauli-
chen Landnutzungen in Sachsen ausgewertet. Für die wichtigsten Winter- und Sommergetreidearten,
Hackfrüchte und Gräser sowie Obstsorten wurden Parametersätze für die Anwendung in WaSiM-ETH
bestimmt.
Die erarbeiteten Modelle und Parameter wurden in WaSiM-ETH implementiert. Unabhängig vom ge-
wählten Zeitschritt kann nun die Vegetationsentwicklung über eines von drei zur Auswahl stehenden
Modellen dynamisch berechnet werden. Zwei der Modelle sind explizit für die Anwendung im Forst und
bei Obstgehölzen geeignet, das dritte für die Berechnung der Vegetationsentwicklung von Acker- und
Grünlandkulturen. Zusätzlich wurde auch ein Algorithmus zur Berücksichtigung der Auswirkung von
Frühjahrstrockenheit auf die phänologische Entwicklung konzipiert und in WaSiM-ETH übernommen.
Durch die Validierungssimulationen konnte gezeigt werden, dass insbesondere die Entwicklung der phä-
nologischen Phasen im Frühjahr und Sommer durch das neu entwickelte Modell sehr gut beschrieben
wird. Die mittlere absolute Abweichung des modellierten vom beobachteten Zeitpunkt ist hier in der
Regel kleiner als vier Tage. Für die Beschreibung der phänologischen Herbstphasen sollten dagegen wei-
terhin klimatische Mittelwerte verwendet werden. Für alle untersuchten Baumarten und landwirtschaftli-
chen Nutzpflanzen konnte eine deutliche Höhenabhängigkeit der phänologischen Phasen gezeigt werden.
Bei den Forstbaumarten, den Obstgehölzen und den landwirtschaftlichen Dauerkulturen zeigte sich zu-
dem ein seit etwa Mitte der 1980er Jahre einsetzender Trend zu einem früheren Vegetationsbeginn. Bei
Getreide und Hackfrüchten konnte ein solcher Trend dagegen nicht nachgewiesen werden, was vermut-
lich auf den u.a. auch durch subjektive Erwägungen der Landwirte beeinflussten Aussaattermin zurückzu-
führen ist.
Am Beispiel von vier repräsentativen Lysimetern der Station Brandis wurde darüber hinaus auch der
explizite Einfluss frühjährlicher Trockenheit auf die phänologische Entwicklung untersucht: Je höher die
Wasserspeicherfähigkeit des Bodens ist, desto sensitiver reagiert die phänologische Entwicklung auf
Trockenstress. Tendenziell war der Einfluss der Trockenheit auf die Phänologie im Modell eher zu stark
ausgeprägt, was vermutlich auf den in den phänologischen Beobachtungsdaten bereits implizit enthalte-
nen Trockenstress zurückzuführen ist.
Die Relevanz der in diesem Projekt erzielten Ergebnisse zeigt sich vor allem auch in dem seit Mitte der
1980er Jahre beobachteten Trend zu einer klimatisch bedingten Verlängerung der Vegetationsperiode.
Nur unter Einbezug sich dynamisch verändernder Vegetationszeiten in die Wasserhaushaltsmodellierung
können die Folgen von Klimaveränderungen adäquat abgebildet werden. Es wird empfohlen, das neu
entwickelte Phänologiemodul als Standardeinstellung für zukünftige Wasserhaushaltsberechnungen mit
Klimaszenarien zu nutzen.

Seite 68
KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon

KliWEP Phänologie-Modul: Implikation dynamischer Vegetationszeiten und Testsimulationen
Seite 69
UDATA - Umweltschutz und Datenanalyse
(federführend), Maconring 98a, 67434 Neustadt/Wstr.
HU Berlin, Landwirtschaftlich-Gärtnerische Fakultät, Albrecht-Thear-Weg 5, 14195 Berlin
Dr. Karsten Jasper, Postweg 11, CH 8143 Stallikon
7
Literatur
A
MBROSE
, R.B.
ET AL
. (1988): WASP4, A hydrodynamic and water quality model - Model Theory,
User's Manual and Programmer's Guide. U.S. Environmental Protection Agency, Athens, GA.
EPA/600/3-87-039.
B
ECKER
, A., K
LÖCKING
, B., L
AHMER
, W., P
FÜTZNER
, B. (2002): The Hydrological Modelling System
ArcEGMO. In: Mathematical Models of Large Watershed Hydrology (Eds.: Singh, V.P. and Frevert,
D.K.). Water Resources Publications, Littleton/Colorado, 321-384. ISBN 1-887201-34.
C
ANNELL
, M. G. R., S
MITH
, R. I. (1983): Thermal time, chill days and prediction of budburst in Picea
sitchensis. J. Appl. Ecol., 20, 951-963.
C
ESARACCIO
, C.; S
PANO
, D.; S
NYDER
, R.L.; D
UCE
, P. (2004): Cilling and forcing model to predict bud-
burst of crop and forest species. Agricultural and Forest Meteorology 126: 1-13.
C
HMIELEWSKI
, F.-M.; K
ÖHN
, W. (1999): The long-term agrometeorological field experiment at Berlin-
Dahlem. Agricultural and Forest Meteorology 96, 39-48.
C
HMIELEWSKI
, F.-M., F
OKEN
, T
H
. (Hrsg. 2003): Beiträge zur Klima- und Meeresforschung, Berlin und
Bayreuth, 79-90.
C
HMIELEWSKI
, F.-M., H
ENNIGES
, Y., S
CHULTZE
, B., P
ÖHLER
, H., S
CHERZER
, J. (2007): Weiterentwick-
lung von WaSiM-ETH und COUPMODEL – Implementierung flexibler Vegetationsperioden (Kli-
WEP-Phänologie – Forstmodul). Abschlussbericht. Sächsische Landesanstalt für Landwirtschaft,
Dresden.
C
HUINE
, I., C
OUR
, P., R
OUSSEAU
, D. D. (1998): Fitting models predicting dates of flowering of temper-
ate-zone trees using simulated annealing. Plant, Cell and Env., 21, 455-466.
C
HUINE
, I., K
RAMER
, K., H
ÄNNINEN
, H. (2003): Plant development Models (Chapter 4.1). In: Schwartz,
M.D. (Ed.): Phenology: An Integrative Environmental Science. Kluwer Academic Publishers, Boston/
Dordrecht/London, 217-235.
C
LEMENT
, T.P. (1997): RT3D - A modular computer code for simulating reactive multispecies transport
in 3-dimensional groundwater systems. – Richland, Washington, USA.
D
I
T
ORO
, D.M., F
ITZPATRICK
, J.J., T
HOMANN
, R.V. (1983): Water Quality Analysis Simulation Program
(WASP) and Model Verification Program (MVP) - Documentation. Hydroscience, Inc., West-
wood, NY, for U.S. EPA, Duluth, MN, Contract No. 68-01-3872.
D
IEPENBROCK
, W., R
OST
, D., H
ÜLSBERGEN
, K.J., A
BRAHAM
, J., D
EIMER
, C., D
UBSKY
, G., H
EINE
, M.,
H
EINRICH
, J., M
EYER
, D., P