Bedingungen akzeptieren und Diplomarbeit - Tobias Arnstadt
Bedingungen akzeptieren und Diplomarbeit - Tobias Arnstadt
Bedingungen akzeptieren und Diplomarbeit - Tobias Arnstadt
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Studiengang Umwelttechnik<br />
Erfassung der Dynamik einer Sättigungsfläche<br />
mit Hilfe zufällig wandernder Messfelder<br />
<strong>und</strong> Bau einer Einstab-TDR-Sonde<br />
DIPLOMARBEIT<br />
zur Erlangung des akademischen Grades<br />
DIPLOM-INGENIEUR<br />
Studiengang Umwelttechnik<br />
Vorgelegt von:<br />
<strong>Arnstadt</strong>, <strong>Tobias</strong> (geboren am 21.12.1982 in Zittau)<br />
Hauptstraße 12<br />
02794 Spitzkunnersdorf<br />
Erstgutachter: Frau Dr. rer. nat. Christina Seidler (IHI Zittau)<br />
Zweitgutachter: Frau Dr. Heike Puhlmann (FVA Baden-Württemberg, Freiburg)<br />
Das Thema wurde an der Forstlichen Versuchs- <strong>und</strong> Forschungsanstalt Baden-Württemberg<br />
(FVA) in der Abteilung „Boden <strong>und</strong> Umwelt“ bearbeitet
Hinweise zum Copyright:<br />
Durch den Download der PDF-Datei haben Sie sich mit den folgenden <strong>Bedingungen</strong><br />
einverstanden erklärt.<br />
Sämtliche urheberrechtliche Verwertungsrechte an der <strong>Diplomarbeit</strong> verbleiben beim Autor<br />
<strong>Tobias</strong> <strong>Arnstadt</strong>. Sie sind nicht berechtigt die Arbeit zu verändern, kommerziell zu<br />
vervielfältigen, kommerziell zu verbreiten oder kommerziell öffentlich wiederzugeben. Die<br />
PDF-Datei darf nicht an einer anderen Stelle im Internet, als unter der Domain www.ut-<br />
arnstadt.de veröffentlicht werden. Das Zitieren aus der Arbeit ist in dem vom Urheberrecht<br />
gezogen Rahmen unter Quellenangabe gestattet.<br />
Links auf die Seite www.ut-arnstadt.de/diplomarbeit.php sind ausdrücklich gestattet <strong>und</strong><br />
erwünscht. Direkte Links auf die PDF-Datei sind dagegen untersagt.<br />
Sollten Sie die Arbeit an einer anderen Stelle als unter der Domain www.ut-arnstadt.de<br />
finden oder Sie ihnen käuflich angeboten werden, teilen Sie es bitte dem Autor über<br />
www.ut-arnstadt.de/kontakt mit.
Danksagung I<br />
Danksagung<br />
Die Entstehung dieser Arbeit wurde erst durch die zahlreiche Unterstützung, welche ich<br />
von vielen Personen <strong>und</strong> der FVA erhielt, möglich.<br />
Bei ihnen allen möchte ich mich bedanken:<br />
- Dr. Heike Puhlmann für die Betreuung der <strong>Diplomarbeit</strong> seitens der FVA-BW,<br />
vielerlei Hilfestellungen <strong>und</strong> fachliche Anregungen sowie das Zeitnehmen, wenn<br />
es erforderlich war<br />
- Dr. Christina Seidler für die Betreuung der <strong>Diplomarbeit</strong> seitens des IHI-<br />
Zittaus <strong>und</strong> die Beratung in verschiedenen Fragestellungen<br />
- Dr. Klaus-Hermann v. Wilpert für das Ausleihen des Statistikbuches <strong>und</strong> das<br />
fre<strong>und</strong>liche Entgegenkommen<br />
- Alfred Baer <strong>und</strong> Benedikt Burget für den Sondenbau <strong>und</strong> weitere praktische<br />
Hilfen<br />
- Dr. Dominik Cullmann für die Beratung in geostatistischen Fragen<br />
- Constantin v. Fürstenberg für die spontane Hilfe bei der Vorbereitung der<br />
Sonden, ohne die die Messungen nicht rechtzeitig hätten beginnen können<br />
- Thomas Hass für den Aufbau der Loggertechnik <strong>und</strong> die Einsätze bei<br />
Fehlfunktionen<br />
- Roland Hoch für zahlreiche organisatorische Hilfestellungen <strong>und</strong> die fast nächt-<br />
liche Einmessaktion der Messfläche<br />
- Yvonne Morgenstern für das Arbeitsplatzsharing, der Hilfe bei Einmessar-<br />
beiten im Gelände <strong>und</strong> für das Ausleihen des Statistikbuches<br />
- Alexander Schengel für das Teilen des Labors mit mir <strong>und</strong> die hilfreichen Ideen<br />
bei Versuchen<br />
- Andrea Schmitz für die Hilfe bei Einmessungen im Gelände<br />
- Carina Sucker für das Arbeitsplatzsharing <strong>und</strong> die Gespräche in der Matlabselbsthilfegruppe<br />
- Christa <strong>Arnstadt</strong>, Thomas Hänisch, Joachim Posselt, Hartmut <strong>Arnstadt</strong><br />
<strong>und</strong> Matthias Kändler für das Korrekturlesen verschiedener Abschnitte<br />
Ich bedanke mich bei dem gesamten Team der Abteilung BU der FVA-BW für viele Hilfen<br />
<strong>und</strong> Hinweise sowie die gute Arbeitsatmosphäre im Team.<br />
Ich möchte mich auch bei meiner Familie <strong>und</strong> meinen Fre<strong>und</strong>en für ihre Unterstützung <strong>und</strong><br />
immer wieder neue Motivation bedanken.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
Zusammenfassung II<br />
Zusammenfassung<br />
Die Bodenfeuchte ist in der Hydrologie eine zentrale Größe. Sie beeinflusst alle physi-<br />
kalischen, biologischen <strong>und</strong> chemischen Prozesse in der ungesättigen Bodenzone. Die<br />
zeitliche <strong>und</strong> räumliche Erfassung der Bodenfeuchte ist deshalb für viele Anwendungen<br />
von großer Bedeutung. Problematisch sind dafür jedoch der hohe messtechnische Aufwand<br />
<strong>und</strong> die damit verb<strong>und</strong>enen hohen Kosten für kontinuierliche Messungen an vielen<br />
Gebietspunkten.<br />
Das Messkonzept der „randomisiert wandernden Messplots“ (RMP), welches von WÖHRLE<br />
(2006) vorgestellt wurde, setzt genau an diesem Problempunkt an. Es geht davon aus, dass<br />
die Untersuchungsgröße zeitlich von externen „Globalvariablen“, die für die komplette<br />
Messfläche gelten, wie z. B. Freilandniederschlag oder Lufttemperatur, gesteuert wird.<br />
Deshalb ist es nicht nötig, den gesamten Gang der Untersuchungsgröße an allen<br />
Messpunkten über den vollständigen Untersuchungszeitraum zu erfassen. Es ist somit<br />
ausreichend nur kurze Zeitabschnitte an jedem Messpunkt zu erfassen. Dies schafft die<br />
Möglichkeit an mehr Punkten im Raum zu messen, indem die Messgeräte zufällig über die<br />
Fläch wandern.<br />
In dieser Arbeit wurde die Anwendbarkeit der Methodik der RMP auf die Bodenfeuchte<br />
geprüft. Dazu wurden in dem Intensivuntersuchungsgebiet der FVA Baden-Württemberg,<br />
im Conventwald nahe Freiburg, zwei Messflächen für unterschiedliche Messzeiträume<br />
konzipiert <strong>und</strong> eine davon eingerichtet. Die Ergebnisse dieser Messfläche wurden mit einer<br />
Variogrammanalyse ausgewertet <strong>und</strong> mit Kriging im Raum dargestellt.<br />
Anhand von langjährigen Zeitreihen wurde die Modellierbarkeit der Bodenfeuchte aus<br />
externen Größen wie dem Freilandniederschlag, der Luftfeuchte, der Lufttemperatur <strong>und</strong><br />
der Globalstrahlung oberhalb des Bestandsdaches sowie dem Gebietsabfluss untersucht.<br />
Die Ergebnisse der ersten Messfläche zeigen, dass das Konzept durchaus auf die Bodenfeuchte<br />
angewendet werden kann. Die Schwächen liegen im Moment noch bei der Modellierung<br />
des zeitlichen Musters, welches allen Messpunkten in der Fläche zugr<strong>und</strong>e liegt.<br />
Für eine einfachere Installation im skelettreichen Boden sollte eine Einstab-TDR-Sonde<br />
entwickelt werden. Anhand von vorhandenen Entwicklungen konnte eine einfache Einstabsode<br />
nachgebaut <strong>und</strong> deren Tauglichkeit zur Erfassung der Bodenfeuchte gezeigt<br />
werden. Weiter sollte geprüft werden, ob es möglich ist, entlang des Sondenstabes ein<br />
diskretes Feuchtigkeitsprofil zu erfassen. Verfahren dafür konnten jedoch nur für Mehrstabsonden<br />
gef<strong>und</strong>en werden.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
Inhaltsverzeichnis III<br />
Inhaltsverzeichnis<br />
1. Einleitung <strong>und</strong> Zielstellung - 1 -<br />
2. Theoretische Gr<strong>und</strong>lagen - 3 -<br />
2.1. Räumliche <strong>und</strong> zeitliche Erfassung der Bodenfeuchte - 3 -<br />
2.1.1. Herkömmliche Ansätze - 3 -<br />
2.1.2. RMP-Ansatz - 4 -<br />
2.2. Statistische Gr<strong>und</strong>lagen der angewandten Methoden - 6 -<br />
2.2.1. Geostatistik - 6 -<br />
2.2.1.1. Variographie - 6 -<br />
2.2.1.2. Kriging - 8 -<br />
2.2.2. Zeitreihenanalyse - 9 -<br />
3. Untersuchungsgebiet - 11 -<br />
3.1. Gebietseigenschaften - 11 -<br />
3.1.1. Lage <strong>und</strong> Klima - 11 -<br />
3.1.2. Geologie & Böden - 12 -<br />
3.1.3. Vegetation - 13 -<br />
3.2. Messungen im Untersuchungsgebiet - 13 -<br />
3.2.1. Meteorologische Daten - 13 -<br />
3.2.2. Durchfluss - 15 -<br />
3.2.3. Bodenfeuchte - 15 -<br />
3.2.3.1. Kontinuierliche Messungen - 15 -<br />
3.2.3.2. Messungen entsprechend dem Messkonzept - 16 -<br />
4. Messtechnik - 17 -<br />
4.1. Bodenfeuchtemessung - 17 -<br />
4.2. Bodenfeuchtemessung mit TDR-Sonden - 17 -<br />
4.3. Erfassung eines Feuchtigkeitsprofils mit TDR-Sonden - 20 -<br />
4.3.1. Inverse Schätzverfahren zur Bestimmung eines Bodenfeuchteprofils - 22 -<br />
4.3.2. Grafisches Verfahren zur Bestimmung eines Feuchtigkeitsprofils - 23 -<br />
4.4. TDR-Sonden mit nur einem Sondenstab - 24 -<br />
4.4.1. Theorie - 24 -<br />
4.4.2. Bau einer Einstabsonde <strong>und</strong> erste Ergebnisse - 25 -<br />
4.5. Schlussfolgerungen für die durchzuführenden Messungen - 28 -<br />
4.5.1. Konsequenzen aus den vorangegangenen Betrachtungen - 28 -<br />
4.5.2. Angewandtes Messsystem - 29 -<br />
5. Umsetzung des Messkonzeptes der RMP für die Bodenfeuchtemessung - 32 -<br />
5.1. Rahmenbedingungen - 32 -<br />
5.1.1. Technische Rahmenbedingungen - 32 -<br />
5.1.2. Auswertungsbedingte Rahmenbedingungen - 33 -<br />
5.2. Punktauswahl - 34 -<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
Inhaltsverzeichnis IV<br />
5.2.1. Konzeption der Punktauswahl - 34 -<br />
5.2.2. Ergebnisse der Punktauswahl - 38 -<br />
5.2.2.1. Messkonzept I - 38 -<br />
5.2.2.2. Messkonzept II - 40 -<br />
6. Messergebnisse <strong>und</strong> Diskussion - 42 -<br />
6.1. Zeitliche Betrachtung der Messergebnisse - 42 -<br />
6.2. Räumliche Betrachtungen der Messergebnisse - 45 -<br />
7. Modellierung - 52 -<br />
7.1. Vorgehensweise - 52 -<br />
7.2. Ergebnisse der Zeitreihenanalyse von St<strong>und</strong>enwerten - 55 -<br />
7.3. Ergebnisse der Zeitreihenanalyse von Tageswerten - 57 -<br />
7.4. Modellierung mit den Erkenntnissen aus der Zeitreihenanalyse - 61 -<br />
7.4.1. Beispielhafte Modellierung für die Zeiträume der Zeitreihenanalyse - 61 -<br />
7.4.2. Modellierung des Zeitraumes der Messungen - 66 -<br />
8. Schlussfolgerungen - 72 -<br />
9. Literaturverzeichnis - 74 -<br />
Anhang<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
Abkürzungsverzeichnis V<br />
Abkürzungsverzeichnis<br />
FDR Frequency Domain Reflectrometry<br />
FDR-Fi FDR-Sonde im Bereich Fichte<br />
FDR-Li FDR-Sonde im Bereich Lichtung<br />
OKW Optimierungskennwert<br />
RKW Raumbelegunskennwert<br />
RMP Randomisert wandernde Messplots<br />
TDR Time Domain Reflectrometry<br />
TEM-Modus transversalelektromagnetischen Modus<br />
TM-Modus transversal-magnetischen Modus<br />
TRIME Time Domain Reflectometry mit Intelligenten Micromodul-Elementen<br />
VKW Variogrammklassenkennwert<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
Abbildungsverzeichnis VI<br />
Abbildungsverzeichnis<br />
Abbildung 2-1: Probenahmedesigns nach dem Mittelwertansatz (a) <strong>und</strong> dem<br />
stratifizierten Ansatz (b). Unterschiedliche Grautöne entsprechen<br />
unterschiedlichen Strukturmerkmalen. Die Messeinrichtungen<br />
verbleiben die gesamte Zeit des Beobachtungszeitraumes am selben<br />
Ort. (WÖHRLE, 2006, S.8)....................................................................... - 4 -<br />
Abbildung 2-2: Probenahmedesign nach dem Verfahren der randomisiert wandernden<br />
Messplots (RMP). Die Messeinrichtungen werden nach vorgegeben<br />
Zeitintervallen (∆t) auf der Fläche versetzt. Die unterschiedlichen<br />
Grautöne entsprechen den punktuell unterschiedlichen räumlich<br />
variablen Kenngrößen (WÖHRLE, 2006, S.8). ........................................ - 4 -<br />
Abbildung 2-3: Schematische Darstellung eines Semivariogramms mit seinen<br />
Kenngrößen (Verändert nach NIELSEN & WENDROTH, 2003, S.95). ..... - 7 -<br />
Abbildung 2-4: Theoretische Modellfunktionen für verschiedene Arten von<br />
Semivariogrammen (C=sill, a=range bezogen auf das sphärische<br />
Modell) (WÖHRLE, 2006, S.16).............................................................. - 8 -<br />
Abbildung 3-1: Lage des Einzugsgebietes Conventwald in der TK 200 (links) <strong>und</strong> im<br />
DGM25 von Baden-Württemberg (rechts) (aus ZIRLEWAGEN 2007b) .. - 11 -<br />
Abbildung 3-2: Empirische Varianz des Bodenskelettgehaltes <strong>und</strong> angepasste<br />
Varianzfunktionen (nach PUHLMANN et al., 2007, S.81)........................ - 12 -<br />
Abbildung 3-3: Übersichtskarte der Messungen im Gebiet............................................. - 14 -<br />
Abbildung 4-1: Funktionsprinzip der TDR-Messung, Zusammenhang zwischen<br />
Geräteaufbau <strong>und</strong> Messsignal nach DIRKSEN (1999, S.27). Das<br />
Messsignal entspricht einer Messung in Wasser. Farbig eingezeichnet<br />
sind die Tangenten zur Reflexionspunktbestimmung. ........................... - 19 -<br />
Abbildung 4-2: Beispielhafte Signalverläufe aufgezeichnet mit einem 6050X3K1-<br />
MiniTrase Kit der Soilmoisture Equipment Corp.. Der als Medium<br />
verwendete lufttrockne Sand wurde von unten her aufgesättigt. ........... - 21 -<br />
Abbildung 4-3: idealisierter Signalverlauf einer TDR-Messung einer Sonden der<br />
Länge L(L=n*l) zusammen mit den Graphen des<br />
Reflexionskoeffizienten ρ in Abhängigkeit von der Zeit t für die<br />
Sondenabschnitte 1l, 2l, … <strong>und</strong> nl (nach MORET et al. , 2006 S. 165) .. - 23 -<br />
Abbildung 4-4: Beispielhafte Darstellung einer Einstabsonde (OSWALD et al., 2004,<br />
S.1156).................................................................................................... - 24 -<br />
Abbildung 4-5: Messsignalverlauf mit ungefährem Start <strong>und</strong> Endpunkt der Sonde.<br />
Aufgezeichnet mit einer Einstabsonde (Single-rod-probe SRP) mit<br />
einem Sondenstab von 300 mm (OSWALD et al., 2004, S.1156)............ - 24 -<br />
Abbildung 4-6: Messergebnisse der nachgebauten Einstabsonde in unterschiedlich<br />
feuchtem Sand mit Abbildung der Sonde mit Maßen ............................ - 26 -<br />
Abbildung 4-7: Messergebnisse einer Einstabsonde mit einer Sondenstablänge von<br />
150 mm (nach OSWALD et al., 2004, S. 1156). ...................................... - 27 -<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
Abbildungsverzeichnis VII<br />
Abbildung 4-8: Messergebnisse der Einstabsonde (136 mm) im Vergleich mit<br />
Messergebnissen einer Zweistabsonde des Types Connector mit<br />
150 mm langen Sondenstäben in lufttrocknem (Θ≈2 Vol.-%) <strong>und</strong><br />
gesättigtem (Θ≈38 Vol.-%) Sand ........................................................... - 27 -<br />
Abbildung 4-9: Bestimmung der Bodenfeuchte unterschiedlicher Schichten mit<br />
mehreren Sonden.................................................................................... - 29 -<br />
Abbildung 4-10: Veranschaulichung der Energiedichte um die Sonden (nach einer von<br />
IMKO bereitgestellten Abbildung, welche auf den Ergebnissen einer<br />
2-D-Simulation mit einer vergleichbaren Sonde beruhte)...................... - 30 -<br />
Abbildung 5-1: Lage der zufällig ausgewählten Messpunkte in der Messfläche <strong>und</strong> die<br />
dazugehörige Variogrammklassenbelegung für das Messkonzept II.<br />
Die grünen Kreise kennzeichnen die verschiedenen Radien mit<br />
unterschiedlicher Sondenverfügbarkeit (siehe Tabelle 5-1)................... - 35 -<br />
Abbildung 5-2: Lage der mit Hilfe der Optimierung ausgewählten Messpunkte in der<br />
Messfläche <strong>und</strong> die dazugehörige Variogrammklassenbelegung für<br />
das Messkonzept II. Die grünen Kreise kennzeichnen die<br />
verschiedenen Radien mit unterschiedlicher Sondenverfügbarkeit<br />
(siehe Tabelle 5-1).................................................................................. - 36 -<br />
Abbildung 5-3: Veranschaulichung der zeitlichen Anordnung der einzelnen Perioden<br />
im gesamten Messzeitraum .................................................................... - 38 -<br />
Abbildung 5-4: Lage der gewählten Punkte in der Messfläche für das Messkonzept I<br />
mit zugehöriger Varigrammklassenbelegung. Die grünen Kreise<br />
kennzeichnen die verschiedenen Radien mit unterschiedlicher<br />
Sondenverfügbarkeit (siehe Tabelle 5-1). .............................................. - 39 -<br />
Abbildung 5-5: Lage der gewählten Punkte in der Messfläche für das Messkonzept II<br />
mit zugehöriger Varigrammklassenbelegung. Die grünen Kreise<br />
kennzeichnen die verschiedenen Radien mit unterschiedlicher<br />
Sondenverfügbarkeit (siehe Tabelle 5-1). .............................................. - 40 -<br />
Abbildung 5-6: Lage der gewählten Punkte in der Messfläche für das Messkonzept II<br />
mit zugehöriger Varigrammklassenbelegung unter Verwendung von<br />
Sonden mit verlängerten Kabeln. Die grünen Kreise kennzeichnen die<br />
verschiedenen Radien mit unterschiedlicher Sondenverfügbarkeit<br />
(siehe Tabelle 5-5).................................................................................. - 41 -<br />
Abbildung 6-1: Gemessene Bodenfeuchten der Perioden 3, 5 <strong>und</strong> 7 in Zusammenhang<br />
mit Niederschlag, Temperatur <strong>und</strong> den kontinuierlichen<br />
Bodenfeuchtemessungen ........................................................................ - 43 -<br />
Abbildung 6-2: (Links:) Empirische Semivariogrammdaten <strong>und</strong> theoretisch<br />
angepasstes Semivariogramm der zeitlich korrigierten Mittelwerte der<br />
einzelnen Messpunkte. (Rechts:) Belegung der Abstandsklassen<br />
(Tabelle 5-3), für welche die Semivarianz berechnet wurde.................. - 46 -<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
Tabellenverzeichnis VIII<br />
Abbildung 6-3: (Links:) Empirische Semivariogrammdaten <strong>und</strong> theoretisch<br />
angepasstes Semivariogramm der zeitlich korrigierten Mittelwerte der<br />
einzelnen Messpunkte ohne Messpunkten mit Messwerten oberhalb<br />
der Feldkapazität (39 Vol.-%). (Rechts:) Belegung der<br />
Abstandsklassen (Tabelle 5-3), für welche die Semivarianz berechnet<br />
wurde. ..................................................................................................... - 47 -<br />
Abbildung 6-4: (1) Ermittlung der Trendfunktion aus den zeitlich korrigierten<br />
Bodenfeuchtedaten projiziert auf eine Ebene senkrecht zur<br />
Fließrichtung. Null markiert den Messflächenmittelpunkt. (2)<br />
Reststreuung der Residuen (Bodenfeuchte nach Abzug der<br />
Trendfunktion) auf der Projektionsebene. Null markiert den<br />
Messflächenmittelpunkt. (3) Reststreuung der Residuen dargestellt in<br />
der Ebene der Messfläche. (4) Semivariogramm der Residuen. ............ - 48 -<br />
Abbildung 6-5: Karte der geschätzten Bodenfeuchteverteilung auf der Messfläche mit<br />
Messpunkten, Bäumen <strong>und</strong> dem Standort des Bodenprofils. (Die<br />
Zeitkorrektur der Messwerte wurde mit Bezug auf die gemessene<br />
Feuchte von FDR-LI berechnet.)............................................................ - 50 -<br />
Abbildung 7-1: Verhalten des Bestimmtheitsmaßes (über die<br />
Korrelationskoeffizienten nach Pearson <strong>und</strong> Spearman berechnet) bei<br />
Aggregierung der Globalvariablen über 1 bis 20 Tage für die Zeitreihe<br />
vom 01.11.2000 bis 31.10.2006 ............................................................. - 60 -<br />
Abbildung 7-2: Originaldaten, Modell 1, Modell 2 <strong>und</strong> Modell3 sowie die<br />
Abweichung der Modelle von den Originaldaten für den Zeitraum<br />
01.11.2000 bis 31.10.2006 ..................................................................... - 62 -<br />
Abbildung 7-3: Originaldaten, Modell 1, Modell 2 <strong>und</strong> Modell3 sowie die<br />
Abweichung der Modelle von den Originaldaten für den Zeitraum<br />
01.02.2004 bis 31.01.2006 ..................................................................... - 63 -<br />
Abbildung 7-4: Originaldaten, Modell 1, Modell 2 <strong>und</strong> Modell3 sowie die<br />
Abweichung der Modelle von den Originaldaten für den Zeitraum<br />
01.11.2000 bis 31.10.2002 ..................................................................... - 65 -<br />
Abbildung 7-5: Austrocknungsäste der Bodenfeuchte FDR-Li. Links sind sie aus den<br />
Tageswerten <strong>und</strong> rechts aus den St<strong>und</strong>enwerten bestimmt. ................... - 65 -<br />
Abbildung 7-6: Originaldaten <strong>und</strong> Modell sowie die Abweichung des Modells von<br />
den Originaldaten für den Zeitraum 3.8.2007 bis 23.11.2007................ - 67 -<br />
Abbildung 7-7: Vergleich der räumlichen Bodenfeuchten, welche links mit der<br />
gemessenen Bodenfeuchte <strong>und</strong> rechts mit der modellierten<br />
Bodenfeuchte von der zeitlichen Varianz befreit wurden. ..................... - 68 -<br />
Abbildung 7-8: Karte der geschätzten Bodenfeuchteverteilung auf der Messfläche mit<br />
Messpunkten, Bäumen <strong>und</strong> dem Standort des Bodenprofils. (Die<br />
Zeitkorrektur der Messwerte wurde mit Bezug auf die modellierte<br />
Feuchte von FDR-LI berechnet)............................................................. - 68 -<br />
Abbildung 7-9: Differenzen zwischen den Karten der Bodenfeuchteverteilung (Karte<br />
mit gemessenen Bodenfeuchten korrigiert minus Karte mit<br />
modellierten Bodenfeuchten korrigiert) ................................................. - 69 -<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
Tabellenverzeichnis IX<br />
Tabellenverzeichnis<br />
Tabelle 3-1: Daten des Bodenprofils Nr. 43 in der Nähe der Messfläche........................ - 13 -<br />
Tabelle 4-1: Übersicht der verfügbaren Sonden mit verschiedenen Kabellängen ........... - 30 -<br />
Tabelle 5-1: Anzahl der verfügbaren Sonden je Radius bei den Messkonzepten I & II .. - 32 -<br />
Tabelle 5-2: Zusammenstellung der Rahmenbedingungen der Messkonzepte I & II ...... - 33 -<br />
Tabelle 5-3: Übersicht der Abstandsklassen für die Variogrammbildung ....................... - 34 -<br />
Tabelle 5-4: Übersicht der versuchten Varianten zur Punktauswahl, welche nur<br />
unbefriedigende Ergebnisse lieferten........................................................... - 37 -<br />
Tabelle 5-5: Anzahl der verfügbaren Sonden je Radius bei den Messkonzepten II mit<br />
verlängerten Sondenkabeln .......................................................................... - 40 -<br />
Tabelle 6-1: Start- <strong>und</strong> Endzeitpunkte der einzelnen Perioden ........................................ - 42 -<br />
Tabelle 6-2: Statistische Kennwerte <strong>und</strong> Niederschlagssumme der einzelnen Perioden . - 45 -<br />
Tabelle 7-1: Übersicht der zusammenhängenden Zeitreihenabschnitte, die bei der<br />
Zeitreihenanalyse in St<strong>und</strong>enschritten untersucht wurden........................... - 52 -<br />
Tabelle 7-2: monatabhängiges Korrekturglied nach Glugla (ARCEGMO, 2008) .............. - 53 -<br />
Tabelle 7-3: Übersicht der Anpassungen zum Erreichen der Normalverteilung für die<br />
Daten in Tagesschritten................................................................................ - 54 -<br />
Tabelle 7-4: Übersicht der Anpassungen zum Erreichen der Normalverteilung für die<br />
Daten in St<strong>und</strong>enschritten ............................................................................ - 54 -<br />
Tabelle 7-5: Übersicht der mittleren, minimalen <strong>und</strong> maximalen<br />
Korrelationskoeffizienten <strong>und</strong> Lags. Die Lags sind in St<strong>und</strong>en angegeben.<br />
Ein negativer Lag bedeutet, dass die Globalvariable vor der Bodenfeuchte<br />
reagiert.......................................................................................................... - 56 -<br />
Tabelle 7-6: Übersicht der Korrelationsergebnisse der Bodenfeuchte mit den<br />
Globalvariablen für den Zeitraum 01.11.2000 bis 31.10.2006. Ein<br />
negativer Lag bedeutet, dass die Globalvariable vor der Bodenfeuchte<br />
reagiert.......................................................................................................... - 58 -<br />
Tabelle 7-7: Übersicht der Korrelationsergebnisse der Bodenfeuchte mit den<br />
Globalvariablen für den Zeitraum 01.11.2000 bis 31.10.2002. Ein<br />
negativer Lag bedeutet, dass die Globalvariable vor der Bodenfeuchte<br />
reagiert.......................................................................................................... - 58 -<br />
Tabelle 7-8: Übersicht der Korrelationsergebnisse der Bodenfeuchte mit den<br />
Globalvariablen für den Zeitraum 01.02.2004 bis 31.01.2006. Ein<br />
negativer Lag bedeutet, dass die Globalvariable vor der Bodenfeuchte<br />
reagiert.......................................................................................................... - 59 -<br />
Tabelle 7-9: Zusammenstellung der vier Globalvariablen mit dem durchschnittlich<br />
größten Korrelationskoeffizienten ............................................................... - 59 -<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
Tabellenverzeichnis X<br />
Tabelle 7-10: Übersicht, der für die Modellierung herangezogenen Variablen mit<br />
Angaben zur erreichten Modellgüte <strong>und</strong> des verwendeten Lags (in Tagen) - 61 -<br />
Tabelle 7-11: Differenz in den einzelnen Perioden zwischen den räumlichen<br />
Feuchtwerten bestimmt über die Bodenfeuchte FDR-Li <strong>und</strong> deren Modell - 67 -<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
1. Einleitung <strong>und</strong> Zielstellung 1<br />
1. Einleitung <strong>und</strong> Zielstellung<br />
Die Bodenfeuchte ist in der Hydrologie eine zentrale Größe. Sie beeinflusst alle physi-<br />
kalischen, biologischen <strong>und</strong> chemischen Prozesse in der ungesättigen Bodenzone (PESCHKE<br />
et al. 1999). Die Bodenfeuchte ist so z. B. ein entscheidendes Kriterium, ob der<br />
Niederschlag infiltriert oder oberflächig abfließt (HUPET & VANCLOOSTER, 2002). Oft wird<br />
deshalb die Bodenfeuchte im Zusammenhang mit der Abflussbildung <strong>und</strong> der<br />
Hochwasserentstehung untersucht (FITZJOHN, 1998; MEYLES et al., 2003; WILLIAMS et al.,<br />
2003; IHRINGER et al., 2004; CHIFFLARD, 2006; SCHÄDEL, 2006). Nach LOAGUE (1992) ist<br />
die Kenntnis der räumlichen <strong>und</strong> zeitlichen Variation des Bodenwassergehaltes auf der<br />
Einzugsgebietsskala von größter Bedeutung, um die oberflächennahen hydrologischen<br />
Prozesse zu verstehen.<br />
Die Bodenfeuchte ist ein Bestandteil zahlreicher hydrologischer Modelle <strong>und</strong> wird für<br />
deren Validierung benötigt. Da die Bodenfeuchte zugleich das Bindeglied zwischen allen<br />
Komponenten der erdoberflächennahen Energiebilanz darstellt, ist sie somit wesentlicher<br />
Bestandteil von Klimamodellen <strong>und</strong> ihrer Oberflächenschemen (PETRONE et al. 2004).<br />
Zahlreiche Veröffentlichungen beschäftigen sich mit räumlichen <strong>und</strong> zum Teil auch damit<br />
verb<strong>und</strong>enen zeitlichen Mustern der Bodenfeuchteverteilung, was deren Bedeutung<br />
unterstreicht (NYBERG, 1996; ANCTIL et al., 2002; HUPET & VANCLOOSTER, 2002;<br />
BUTTAFUOCO et al., 2005; KIM & KIM, 2007). Es werden dabei unter anderem der Zusam-<br />
menhang mit topografischen Indizes oder Attributen (WESTERN et al., 2004; BROCCA,<br />
2007), der Vegetation (GÓMEZ-PLAZE et al., 2001; PETRONE et al, 2003) sowie<br />
unterschiedlichen Klimasituationen <strong>und</strong> Bodeneigenschaften (Western et al., 2004) untersucht.<br />
Häufig wird dabei die Bodenfeuchte nur über Terminmessungen im Raum untersucht<br />
<strong>und</strong> dem zeitlichen Verhalten über Wiederholungsmessungen Rechnung getragen. Wird bei<br />
Untersuchungen das Augenmerk eher auf eine kontinuierliche Erfassung gelegt, bleibt die<br />
räumliche Variabilität oft unberücksichtigt. Eigentlich werden in vielen Fällen räumlich<br />
<strong>und</strong> zeitlich hoch aufgelöste Daten benötigt. Das Problem besteht jedoch in dem hohen<br />
messtechnischen Aufwand <strong>und</strong> den damit verb<strong>und</strong>enen hohen Kosten für kontinuierliche<br />
Messungen an vielen Gebietspunkten, um die zeitliche <strong>und</strong> räumliche Variabilität zu<br />
erfassen.<br />
Das Messkonzept der „randomisiert wandernden Messplots“ (RMP), welches von WÖHRLE<br />
(2006) vorgestellt wurde, setzt genau an diesem Problempunkt an. Es geht davon aus, dass<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
1. Einleitung <strong>und</strong> Zielstellung 2<br />
die Untersuchungsgröße zeitlich von externen „Globalvariablen“, die für die komplette<br />
Messfläche gelten, wie z. B. Freilandniederschlag oder Lufttemperatur, gesteuert wird. Es<br />
ist deshalb nicht nötig, den gesamten Gang der Untersuchungsgröße an allen Messpunkten<br />
über den vollständigen Untersuchungszeitraum zu erfassen. Dieser kann über die externen<br />
Globalvariablen modelliert werden. Es ist somit ausreichend, nur kurze Zeitabschnitte an<br />
jedem Messpunkt zu erfassen, um die Abweichung zu dem Globalmodell zu erklären.<br />
Diese freiwerdende Messkapazität kann in die Aufklärung der räumlichen Heterogenität<br />
investiert werden, indem die Messgeräte über die Fläche „wandern“. So kann mit wenigen<br />
Messgeräten die räumliche Variabilität <strong>und</strong> zugleich das zeitliche Verhalten der<br />
Untersuchungsgröße beschrieben werden. WÖHRLE (2006) wendete diese Methodik bereits<br />
auf den Bestandsniederschlag <strong>und</strong> die Bodentemperatur erfolgreich an.<br />
In der vorliegenden Arbeit, sollte die Anwendbarkeit der „randomisiert wandernden<br />
Messplots“ (RMP) von WÖHRLE (2006) auf die Bodenfeuchte anhand von exemplarischen<br />
Messungen mit TDR-Sonden (NOBORIO, 2001; JONES et al. 2002) im Intensivuntersuchungsgebiet<br />
der FVA Baden-Württemberg im Conventwald nahe Freiburg geprüft<br />
werden. In dem Conventwald wird seit 1990 eine Ökosystemfallstudie betrieben, in der<br />
Stoff- <strong>und</strong> Wasserhaushalt hinsichtlich der Baumartzusammensetzung <strong>und</strong> Bestandsstruktur<br />
heterogener Waldökosysteme untersucht werden (WILPERT et al., 1996). Die Ansiedlung<br />
der Untersuchungen dieser Arbeit in diesem Gebiet hatte somit den Vorteil, dass auf<br />
vorhandene langjährige Zeitreihen zurückgegriffen werden konnte.<br />
Da der Boden in dem Untersuchungsgebiet sehr skeletthaltig ist, sollte eine Einstab-TDR-<br />
Sonde gebaut/entwickelt werden, die beim Einbau weniger störanfällig ist als Mehrstabsonden.<br />
Da nicht nur die oberflächennahe Bodenfeuchteverteilung von Interesse ist,<br />
sollte auch untersucht werden, inwieweit es mit TDR-Sonden möglich ist, entlang der<br />
Sondenstäbe, vertikal diskretisierte Profile des Bodenwassergehaltes zu erfassen.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
2. Theoretische Gr<strong>und</strong>lagen 3<br />
2. Theoretische Gr<strong>und</strong>lagen<br />
2.1. Räumliche <strong>und</strong> zeitliche Erfassung der Bodenfeuchte<br />
2.1.1. Herkömmliche Ansätze<br />
Für die räumliche Erfassung der Bodenfeuchte sind drei Messschemen verbreitet:<br />
- Messung entlang eines Transektes<br />
- Messung an den Gitterpunkten eines Gitters<br />
- Messung an zufällig gewählten Punkten<br />
Die Messungen werden oft als Terminmessungen durchgeführt (NYBERG, 1996; FITZJOHN<br />
et al., 1999; GÓMEZ-PLAZA et al., 2001; WILLIAMS et al., 2003; PETRONE et al., 2004;<br />
WESTERN et al., 2004, BROCCA et al., 2007). Dies hat den Vorteil, dass nur wenige Sonden<br />
benötigt werden, um viele Messpunkte im Raum zu erfassen <strong>und</strong> somit die Kosten niedrig<br />
gehalten werden. Der Nachteil besteht jedoch darin, dass der zeitliche Verlauf nicht mit<br />
erfasst wird. Werden Wiederholungsmessungen durchgeführt, entsteht immer ein Fehler<br />
durch den erneuten Einbau der Sonde. Das Gegenteil ist der permanente Einbau der Sonden<br />
(BUTTAFUOCO et al., 2005; MEYLES et al., 2003; HUPET & VANCLOOSTER, 2002; KIM &<br />
KIM, 2007). Dabei verringert sich der Fehler bei Wiederholungsmessungen, <strong>und</strong> es ist auch<br />
ein kontinuierliches Erfassen der Bodenfeuchte möglich. Der Nachteil ist aber, dass für<br />
jeden Gitterpunkt Sonden benötigt werden. Dadurch wird die hohe zeitliche <strong>und</strong> räumliche<br />
Auflösung mit hohen Gerätekosten erkauft.<br />
Bei anderen Untersuchungen, vor allem in Ökosystemstudien werden kontinuierliche<br />
Zeitreihen erfasst, aber nur an ausgewählten stationären Messstellen in dem zu beobachtenden<br />
Gebiet. Zum einen gibt es den Mittelwertansatz: An mehreren, eher zufällig<br />
ausgewählten Stellen wird die Zielgröße bestimmt <strong>und</strong> später als Charakteristikum für das<br />
Gebiet gemittelt (Abbildung 2-1). Eine andere Variante ist der stratifizierte Ansatz<br />
(Abbildung 2-1). Dieser Ansatz wurde z. B. für die Conventwaldstudie gewählt (WILPERT<br />
et al., 1996). Bei dieser Methode wird das Gebiet nach verschiedenen Merkmalen in Straten<br />
eingeteilt <strong>und</strong> je Stratum eine Messung eingerichtet. Um eine für das Gesamtgebiet<br />
charakteristische Zeitreihe zu erhalten, erfolgt anschließend eine nach den Flächenanteilen<br />
der Straten gewichtete Mittelwertbildung (WÖHRLE, 2006). Dieser Ansatz erfasst schon<br />
mehr Variabilität im Raum als nur der einfache Mittelwertansatz. Das Problem ist jedoch,<br />
dass nur von vornherein bekannte Unterschiede erfasst werden.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
2. Theoretische Gr<strong>und</strong>lagen 4<br />
Abbildung 2-1: Probenahmedesigns nach dem Mittelwertansatz (a) <strong>und</strong> dem stratifizierten Ansatz (b).<br />
Unterschiedliche Grautöne entsprechen unterschiedlichen Strukturmerkmalen. Die Messeinrichtungen<br />
verbleiben die gesamte Zeit des Beobachtungszeitraumes am selben Ort. (WÖHRLE, 2006, S.8)<br />
2.1.2. RMP-Ansatz<br />
Bei diesem Verfahren der „randomisiert wandernden Messplots“ (RMP) werden die<br />
Messeinrichtungen zur Erfassung der Untersuchungsgröße in einem definierten Zeit-<br />
intervall auf der Fläche zufällig versetzt, z. B. zweiwöchig, wie in dieser Arbeit (Abbildung<br />
2-2).<br />
Abbildung 2-2: Probenahmedesign nach dem Verfahren der randomisiert wandernden Messplots<br />
(RMP). Die Messeinrichtungen werden nach vorgegeben Zeitintervallen (∆t) auf der Fläche versetzt.<br />
Die unterschiedlichen Grautöne entsprechen den punktuell unterschiedlichen räumlich variablen<br />
Kenngrößen (WÖHRLE, 2006, S.8).<br />
Dadurch geht jedoch an jedem Messpunkt die zeitliche Kontinuität verloren. Diese soll<br />
durch Modellierung mit räumlich invarianten Globalvariablen ausgeglichen werden. Als<br />
Globalvariablen werden solche Größen angesehen, die für die gesamte Untersuchungs-<br />
fläche eine Gültigkeit besitzen wie z. B. Freilandniederschlag oder Lufttemperatur oberhalb<br />
des Bestandsdaches. Dem liegt die Annahme zugr<strong>und</strong>e, dass die Globalvariablen für die<br />
raumunabhängigen Zyklen die wichtigsten Steuergrößen sind (WÖHRLE, 2006).<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
2. Theoretische Gr<strong>und</strong>lagen 5<br />
Das Verfahren basiert auf folgenden Gr<strong>und</strong>annahmen (WÖHRLE, 2006):<br />
1. Die Untersuchungsgröße (U, zum Zeitpunkt t am Ort (xy) wird hauptsächlich<br />
durch die räumlich invarianten Globalvariablen (G1, …,Gn) angetrieben.<br />
( , , ) ( 1, 2 ,..., R , raum,<br />
rest ) R G G G f y x t U = Formel 1<br />
Die Residuen bestehen dabei aus dem durch die räumliche Varianz erklärten<br />
Teil (Rraum) <strong>und</strong> der verbleibenden Reststreuung Rrest.<br />
2. Der Einfluss der „Globalvariablen“ auf die Untersuchungsgröße wird durch<br />
räumliche Faktoren (F1,…Fn) variiert<br />
R raum,<br />
rest = f ( F1<br />
, F2<br />
,..., Fn<br />
+ Rrest<br />
)<br />
Formel 2<br />
3. Die verbleibende Reststreuung am Punkt xy ist unabhängig von den Globalvari-<br />
ablen <strong>und</strong> räumlichen Faktoren wie z. B. Bodeneigenschaften. Somit basiert sie<br />
auf zufälligen Effekten.<br />
Vereinfacht kann der Zusammenhang wie folgt wiedergegeben werden:<br />
U rest<br />
( t,<br />
x,<br />
y)<br />
= Z(<br />
t)<br />
+ Rraum<br />
( x,<br />
y)<br />
+ R ( x,<br />
y,<br />
t)<br />
Formel 3<br />
Gelingt es, ein Modell des mittleren zeitlichen Trends (Z(t)), der allen Messpunkten<br />
zugr<strong>und</strong>e liegt, über die Globalvariablen zu erstellen, kann es von den Messwerten an den<br />
jeweiligen Messpunkten subtrahiert werden. Dieser Rest, der sich nicht über die<br />
Globalvariablen erklären lässt, wird anschließend über geostatistische Verfahren modelliert<br />
<strong>und</strong> versucht über räumlich variable Faktoren zu erklären. Gelingt es derart zeitlich <strong>und</strong><br />
räumliche Regressionsmodelle aufzustellen, sollte als Endergebnis des RMP-Verfahrens<br />
eine Art „dynamische Karte“ entstehen, mit der sich jeder Punkt über ein eigenes<br />
Zeitmodell abbilden lässt. Somit würde es möglich, zu jedem Zeitpunkt eine Karte der<br />
räumlichen Verteilung der Untersuchungsgröße abhängig von den aktuellen Globalvariablen<br />
zu erstellen (WÖHRLE, 2006).<br />
Das RMP-Verfahren vereint demzufolge mehrere Vorteile in sich:<br />
- Geringe benötigte Sondenanzahl (im Vergleich zu dem Messkonzept mit permanent<br />
installierten Sonden an jedem Gitterpunkt)<br />
- Hohe räumliche Auflösung, durch das zufällige Versetzen der Sonden (im Vergleich<br />
zu dem stratifizierten Ansatz können somit auch nicht bekannte strukturelle<br />
Unterschiede erfasst <strong>und</strong> erkannt werden)<br />
- Hohe zeitliche Auflösung, durch die Modellierung des zeitlichen Trends (deutlicher<br />
Vorteil gegenüber Terminmessungen)<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
2. Theoretische Gr<strong>und</strong>lagen 6<br />
2.2. Statistische Gr<strong>und</strong>lagen der angewandten Methoden<br />
2.2.1. Geostatistik<br />
Die Geostatistik beschäftigt sich mit der „räumlichen Variabilität von ortsabhängigen<br />
Variablen“(SCHAFMEISTER, 1999). Sie lässt sich dabei grob in zwei Bereiche einteilen:<br />
- Die quantitative Erfassung <strong>und</strong> mathematische Beschreibung der räumlichen<br />
Variabilität, was die Variographie untersucht.<br />
- Die Erstellung von räumlichen Modellen der ortsabhängigen Variablen.<br />
Eine weit verbreitete Methode zur räumlichen Interpolation ist das Kriging. Die ortsabhängigen<br />
Variablen werden als Zufallsvariablen mit einem räumlichen Bezug betrachtet,<br />
die einem Zufallsfeld entstammen. (SCHAFMEISTER, 1999; STOYAN et al., 1997).<br />
2.2.1.1. Variographie<br />
In der Variographie wird die räumliche Varianz der Zufallsvariablen als eine Funktion des<br />
Abstandes der Beobachtungspunkte zueinander beschrieben (NIELSEN & WENDROTH,<br />
2003). Dies gilt unter der Annahme eines homogenen <strong>und</strong> isotropen Zufallsfeldes. Das<br />
bedeutet, dass alle Punkte unabhängig von ihrer Lage den gleichen Erwartungswert <strong>und</strong> die<br />
gleiche Streuung haben. Außerdem darf es keinen Trend, also eine systematische Zu- oder<br />
Abnahme der Werte mit einer bestimmten Raumrichtung geben. Deshalb sollte der<br />
Unterschied zwischen zwei Punkten mit gleicher Distanz im Idealfall immer konstant sein<br />
(STOYAN et al., 1997).<br />
Üblicherweise wird zur Beschreibung der räumlichen Varianz ein Variogramm (genauer<br />
Semi-Variogramm) verwendet (STOYAN et al., 1997). Dieses kann über die Formel 4 aus<br />
den empirisch gewonnenen Daten geschätzt werden (NIELSEN & WENDROTH, 2003).<br />
N ( h)<br />
1<br />
2<br />
γ ( h)<br />
= ∑ [ ai<br />
( xi<br />
) − ai<br />
( xi+<br />
h ) ]<br />
2N<br />
( h)<br />
i=<br />
1<br />
γ...Semivarianz<br />
h...Abstand<br />
(lag)<br />
a...betrachtete<br />
Zufallsvariable<br />
N(<br />
h)<br />
...Anzahl der Punktpaare<br />
bei dem<br />
Abstand<br />
h<br />
Formel 4<br />
Jede Semivarianz sollte dabei aus mindestens 30 Punktpaaren geschätzt werden. Da sich<br />
selten genügend Paare je Abstand ergeben, werden Punktpaare mit ungefähr dem gleichen<br />
Abstand zu einer Klasse zusammengefasst. Bei dem Auftragen des Semivariogramms wird<br />
dann der mittlere Abstand der Klasse verwendet (STOYAN et al., 1997).<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
2. Theoretische Gr<strong>und</strong>lagen 7<br />
Wird die Semivarianz über die Lag-Distanz aufgetragen, ergibt sich ein Semivariogramm<br />
wie z. B. in Abbildung 2-3.<br />
Abbildung 2-3: Schematische Darstellung eines Semivariogramms mit seinen Kenngrößen (Verändert<br />
nach NIELSEN & WENDROTH, 2003, S.95).<br />
Ein solches Semivariogramm besitzt drei charakteristische Werte, den Nugget-Effekt, die<br />
Korrelationsreichweite (Range) <strong>und</strong> den Schwellenwert (Sill).<br />
Der Nugget-Effekt beschreibt die Semivarianz der Punkte, die einen minimalen Abstand<br />
zueinander haben. Dieser kann durch Probenahme- <strong>und</strong> Messfehler sowie durch die tatsächliche<br />
kleinräumige Variabilität verursacht werden. Die Semivarianz am Ursprung ist<br />
natürlich Null, erst unmittelbar danach springt die Funktion auf den Wert der Nugget-<br />
Varianz (ISAAKS & SRIVASTAVA, 1989).<br />
Die Distanz, ab der das Semivariogramm ein Plateau erreicht, heißt Korrelationsreichweite<br />
(Range) (ISAAKS & SRIVASTAVA, 1989). Dies ist die Lag-Distanz, bis zu der Punkte<br />
miteinander korreliert sind (NIELSEN & WENDROTH, 2003). Punkte mit einem größeren<br />
Abstand zueinander können demzufolge als von einander unabhängig angesehen werden.<br />
Der Sill oder Schwellenwert ist der Wert, den das Semivariogramm ab der Korrelationsreichweite<br />
einnimmt (ISAAKS & SRIVASTAVA, 1989). Unter der Vorraussetzung eines<br />
homogenen <strong>und</strong> isotropen Zufallsfeldes, sollte der Sill der Feldstreuung entsprechen. Die<br />
Werte des empirischen Semivariogramms für große Lag-Distanzen sollten um die<br />
Feldstreuung schwanken. Ist dies nicht der Fall, so ist dies ein Anzeichen, dass die Annahme<br />
der Homogenität <strong>und</strong> Isotropie nicht exakt ist (STOYAN et al., 1997).<br />
Zur Untersuchung von Anisotropien ist es erforderlich, richtungsabhängige (direktionale)<br />
Semivariogramme zu erstellen. Dies erfolgt, indem nur Punktpaare, deren Verbinduns-<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
2. Theoretische Gr<strong>und</strong>lagen 8<br />
vektor einen bestimmten Winkel ± einer festgelegten Toleranz hat, für die Erstellung eines<br />
jeden Semivariogrammes verwendet werden (ISAAKS & SRIVASTAVA, 1989).<br />
Da bei der Erstellung des empirischen Semivariogramms nicht für alle Lag-Distanzen<br />
Semivarianzen bestimmt werden können, ist es erforderlich, an das empirische Semi-<br />
variogramm ein theoretisches anzupassen. Besonders für das Kriging sind auch Werte für<br />
die Lag-Distanzen erforderlich, die nicht empirisch bestimmt werden konnten (ISAAKS &<br />
SRIVASTAVA, 1989). Es existieren verschiedene theoretische Variogrammmodelle, die dazu<br />
verwendet werden können. Die gebräuchlichsten drei sind in Abbildung 2-4<br />
zusammengestellt.<br />
Abbildung 2-4: Theoretische Modellfunktionen für verschiedene Arten von Semivariogrammen (C=sill,<br />
a=range bezogen auf das sphärische Modell) (WÖHRLE, 2006, S.16)<br />
2.2.1.2. Kriging<br />
Das Kriging ist eine Methode in der Geostatistik, um Werte an unbeprobten Stellen durch<br />
Interpolation zwischen beprobten Stellen zu schätzen. Zusammen mit der Struktur der<br />
räumlichen Varianz, welche durch das theoretische Semivariogramm geschätzt wird,<br />
berechnet es die beste lineare, unverzerrte Schätzung der unbeprobten Stellen aus den<br />
gewichteten, gemessenen Werten in der unmittelbaren Umgebung (NIELSEN & WENDROTH,<br />
2003).<br />
Die Vorteile des Krigings gegenüber anderen Interpolationsverfahren sind (SCHAFMEISTER,<br />
1999):<br />
- Es liefert den besten Schätzwert<br />
- Die räumliche Struktur der Variablen wird über das Semivariogramm mit einbe-<br />
zogen.<br />
- Die individuelle räumliche Anordnung des Messstellennetzes in Bezug auf das<br />
Interpolationsgitter wird berücksichtigt.<br />
- Es wird für jeden Schätzpunkt der Krigingfehler angegeben, der Auskunft über<br />
die Zuverlässigkeit der Ergebnisse gibt (SCHAFMEISTER, 1999).<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
2. Theoretische Gr<strong>und</strong>lagen 9<br />
Bei dem ordinary Kriging stellt der geschätzte Wert eine Linearkombinaton der ge-<br />
wichteten Messwerte aus den benachbarten Messpunkten dar <strong>und</strong> wird entsprechend<br />
Formel 5 geschätzt (SCHAFMEISTER, 1999).<br />
a~<br />
( x)<br />
n<br />
∑<br />
i=<br />
1<br />
a~<br />
(x)...geschätzter<br />
Wert<br />
an der Stelle x<br />
a(x)...Messwerte<br />
an dem Messpunkt<br />
x<br />
λ...Gewichte<br />
n...<br />
Anzahl<br />
= λ Formel 5<br />
i<br />
a(<br />
x )<br />
i<br />
der in die Berechnung einfließenden<br />
Nachbarwerte<br />
Die Gewichte werden so bestimmt, dass die mittlere Differenz zwischen den geschätzten<br />
<strong>und</strong> den realen Werten gleich Null ist, <strong>und</strong> der mittlere quadratische Fehler minimal ist.<br />
Dazu fließt auch das Semivariogramm mit ein (NIELSEN & WENDROTH, 2003).<br />
2.2.2. Zeitreihenanalyse<br />
Eine Zeitreihe setzt sich im Allgemeinen aus mehreren Variationssanteilen zusammen:<br />
einem linearen oder nicht linearen Trend, zyklischen oder periodischen Variationen (z. B.<br />
Jahresgang bei der Temperatur) <strong>und</strong> dem stochastischen (zufälligen, unstrukturierten)<br />
Anteil. Im Falle eines linearen Trends lässt sich dieser über lineare Reggresion bestimmen.<br />
Die periodischen Variationen können mit einer Fourier-Analyse ermittelt werden. Dazu<br />
wird die Zeitreihe durch Superposition einer Reihe von harmonischen Sinus- <strong>und</strong><br />
Cosinusfunktionen reproduziert. Dabei ist darauf zu achten, dass die Analyse nur auf die<br />
deterministisch bekannten Frequenzen, wie z. B. Tages- <strong>und</strong> Jahresgang angewendet wird<br />
(SCHÖNWIESE, 2000). Sind der Trend <strong>und</strong> das periodische Verhalten der Zeitreihe bestimmt<br />
worden, können diese beiden Komponenten von der Zeitreihe subtrahiert werden, <strong>und</strong> es<br />
ergibt sich der stochastische Anteil.<br />
Besonders in dem Zusammenhang von Korrelationsanalysen kann es sinnvoll sein, diese<br />
nur an dem stochastischen Anteil durchzuführen, um den Zusammenhang der stochastischen<br />
Anteile beider Zeitreihen zu untersuchen. Dies ist besonders interessant, da der<br />
Zusammenhang zwischen den Tages- <strong>und</strong> Jahresgängen der Zeitreihen sowieso schon<br />
bekannt ist.<br />
Im Rahmen der Zeitreihenanalyse stellt die Kreuzkorrelation eine Methode dar, um den<br />
Zusammenhang zweier Zeitreihen zu untersuchen. Dabei wird die Korrelation der beiden<br />
Messgrößen, unter Berücksichtigung des zeitlichen Versatzes (Lag) zueinander, untersucht.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
2. Theoretische Gr<strong>und</strong>lagen 10<br />
Es wird dabei die Korrelation mit unterschiedlicher Verschiebung der Zeitreihen zuein-<br />
ander entsprechend Formel 6 berechnet (SCHÖNWIESE, 2000).<br />
r(<br />
τ ) =<br />
n−τ<br />
∑(<br />
ai<br />
− a ) * ( bi+<br />
τ − b )<br />
i=<br />
1<br />
n<br />
n−τ<br />
2<br />
∑( bi<br />
− b ) * ∑(<br />
ai<br />
− a )<br />
i=<br />
1+ τ<br />
i=<br />
1<br />
a,<br />
b...<br />
Zeitreihendaten<br />
a,<br />
b...<br />
arithmetisches<br />
Mittel der Zeitreihen<br />
τ...<br />
zeitlicher Versatz ( Lag)<br />
2<br />
Formel 6<br />
Die mit Formel 6 berechnete Kreuzkorrelation basiert auf dem zweidimensionalen linearen<br />
Produkt-Moment-Korrelationskoeffizienten nach Pearson. Dieser beschreibt die Güte eines<br />
linearen Zusammenhangs für normalverteilte Stichproben. Wird dieser Korrelations-<br />
koeffizient quadriert, entsteht das Bestimmtheitsmaß einer möglichen linearen Regression.<br />
Das Bestimmtheitsmaß beschreibt die durch die Regression erklärte Varianz im Verhältnis<br />
zu der Gesamtvarianz der Stichprobe (SCHÖNWIESE, 2000).<br />
Ist die Vorraussetzung der Linearität <strong>und</strong> / oder der Normalverteilung nicht erfüllt, ist eine<br />
Transformation der Daten nötig oder es sollte ein anderer Korrelationskoeffizient<br />
verwendet werden.<br />
Eine Möglichkeit bietet die Verwendung des Korrelationskoeffizienten nach Spearman. Er<br />
berechnet sich wie der nach Pearson in Formel 6, nur mit dem Unterschied, dass die Daten<br />
der Zeitreihen durch ihre Ränge, die sie innerhalb der Zeitreihe einnehmen, ersetzt werden<br />
(FAHRMEIR et al., 2007). Er ist verteilungsunabhängig <strong>und</strong> kann auch für nichtlineare<br />
monotone Zusammenhänge verwendet werden (SCHÖNWIESE, 2000).<br />
Ein weiteres verteilungsfreies Maß für den Zusammenhang zweier Größen ist der Korrelationskoeffizient<br />
nach Kendall. Er untersucht, ob die entsprechenden Wertepaare einer<br />
Zeitreihe gleichgesinnt (konkordant) oder nicht gleichgesinnt (diskonkordant) sind<br />
(SCHÖNWIESE, 2000). Unter Berücksichtigung der Ties (Bindungen in einer Zeitreihe) wird<br />
er mit Formel 7 berechnet (EMILEA-STAT, 2008).<br />
C − D<br />
r =<br />
( C + D + Ta<br />
)( C + D + Tb<br />
)<br />
C...<br />
Anzahl konkordanter<br />
Paare<br />
D...<br />
Anzahl diskonkordanter<br />
Paare<br />
Ta...<br />
Anzahl der Ties in Zeitreihe a<br />
T ... Anzahl der Ties in Zeitreihe b<br />
a<br />
Formel 7<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
3. Untersuchungsgebiet 11<br />
3. Untersuchungsgebiet<br />
3.1. Gebietseigenschaften<br />
3.1.1. Lage <strong>und</strong> Klima<br />
Das Untersuchungsgebiet Conventwald befindet sich ca. 18 km südöstlich von Freiburg im<br />
Forstbezirk St. Märgen am Westabfall des Schwarzwaldes (MÜNCH 1995). Es ist mit seiner<br />
Höhe von 700 – 860 m ü. N. N. dem Übergangsbereich zwischen submontaner <strong>und</strong><br />
montaner Höhenstufe zuzuordnen (WILPERT et al. 1996). Die Hänge mit einer Hangneigung<br />
von ca. 20° sind Süd-Südost exponiert. Innerhalb dieses Gebietes gibt es verschiedene<br />
forstwirtschaftliche Behandlungseinheiten, die vergleichend untersucht werden. Das 9,3 ha<br />
große Einzugsgebiet (Abbildung 3-1), in dem die Untersuchungen dieser Arbeit<br />
durchgeführt wurden, ist Teil des 17 ha umfassenden Bannwaldes. Es drainiert nach<br />
Südosten in den Eschbach (POHL 1996).<br />
Das Jahresniederschlagsmittel der Jahre 1971 bis 2001 liegt bei 1777 mm <strong>und</strong> die Jahresdurchschnittstemperatur<br />
bei 7,3°C.<br />
Abbildung 3-1: Lage des Einzugsgebietes Conventwald in der TK 200 (links) <strong>und</strong> im DGM25 von<br />
Baden-Württemberg (rechts) (aus ZIRLEWAGEN 2007b)<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
3. Untersuchungsgebiet 12<br />
3.1.2. Geologie & Böden<br />
In dem Beobachtungsgebiet steht basenreicher Paragneis als Ausgangsgestein an, auf<br />
welchem sich tiefgründige mesotrophe Braunerden entwickelt haben (WILPERT et al. 1996).<br />
Die Gründigkeit variiert dabei je nach Situation zwischen 1 m in der Kammlage bis zu<br />
1,8 m am Hangfuß. Der Feinboden besteht aus grusigem Lehm <strong>und</strong> weist einen hohen<br />
Skelettanteil auf (HAGEN 1997).<br />
Der Skelettgehalt liegt je nach Tiefe durchschnittlich zwischen 54 bis 61 Vol.-%. In den<br />
obersten 15 cm weist er den durchschnittlichen Gehalt von 61 Vol.-% auf <strong>und</strong> besitzt eine<br />
Standardabweichung von 11 Vol.-%. Dies zeigt wie stark der Skelettanteil im Raum<br />
variiert, wie es auch in Abbildung 3-2 deutlich wird. Zur Bestimmung der empirischen<br />
Varianz wurden an 54 zufällig gewählten Punkten im Einzugsgebiet in vier verschiedenen<br />
Tiefen Bodenproben gewonnen <strong>und</strong> von diesen der Skelettgehalt analysiert. Im Mittel über<br />
die Tiefen weist der Skelettgehalt eine Korrelationsreichweite von 18 m auf (PUHLMANN<br />
et al., 2007).<br />
Abbildung 3-2: Empirische Varianz des Bodenskelettgehaltes <strong>und</strong> angepasste Varianzfunktionen<br />
(nach PUHLMANN et al., 2007, S.81)<br />
Der Boden ist mit einem oberflächennahen Gesamtporenvolumen von 43 Vol.-% (mit der<br />
Tiefe abnehmend) als überdurchschnittlich porenreich einzuordnen (BRODERSEN 1996). Die<br />
gesättigte Wasserleitfähigkeit befindet sich in dem Bereich von 1,52*10 -3 m/s in der oberen<br />
Bodenzone <strong>und</strong> 0,59*10 -3 m/s in 60-80 cm Bodentiefe (WILPERT et al. 1996).<br />
Die wichtigsten Kenndaten eines Bodenprofils in der unmittelbaren Nähe der Messfläche<br />
sind in Tabelle 3-1 zusammengestellt. Die Lage des Profils kann aus der Abbildung 6-5<br />
entnommen werden.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
3. Untersuchungsgebiet 13<br />
Tabelle 3-1: Daten des Bodenprofils Nr. 43 in der Nähe der Messfläche<br />
Kopfdaten<br />
Ort: Conventwald<br />
Rechtswert: 3422748<br />
Aufnehmer: Sucker, Finck<br />
Ausgangsgestein: Gn<br />
Humusform: muo<br />
Baumarten*: 45% Tanne, 30% Buche, 25% Ahorn<br />
Bemerkung: nicht überschirmt: 15%<br />
*im Umkreis von 10 bis 20 Metern<br />
Horizontabfolge<br />
2 bis 1 cm<br />
1 bis 0 cm<br />
0 bis –66 cm<br />
-66 bis -96 cm<br />
3.1.3. Vegetation<br />
L<br />
Of<br />
aAh<br />
aM<br />
Vbn<br />
Vbn, W2<br />
Ls3,x4,gr3; 65% Grobanteil, W3<br />
Ls2,x3,gr4, 60% Grobanteil, W2<br />
Profil: 43<br />
Hochwert: 5320828<br />
Datum: 13.11.2006<br />
Bodentyp: AB<br />
Das untersuchte Gebiet befindet sich in einem seit 1970 ausgewiesenem Bannwald, worin<br />
die Nutzung schon seit 1950 ruht (WILPERT et al. 1996). Es handelt sich dabei um einen<br />
Buchen-Tannen-Fichten-Mischbestand mit 160-jährigem Altholz (97%), femelartigen<br />
Lücken (2%) <strong>und</strong> Naturverjüngung (1%) (BRODERSEN 1996).<br />
Der Bestand in der unmittelbaren Umgebung der Messfläche setzt sich aus 45% Tanne,<br />
30% Buche, 25% Ahorn <strong>und</strong> 15% unbeschirmter Fläche zusammen.<br />
3.2. Messungen im Untersuchungsgebiet<br />
3.2.1. Meteorologische Daten<br />
Die meteorologischen Daten Globalstrahlung, Lufttemperatur, Luftfeuchte <strong>und</strong> Niederschlag<br />
werden als Freilanddaten auf einem 21 m hohen Klimaturm oberhalb des Kronendaches<br />
des Bestandes erfasst. Die Lage des Turmes kann aus Abbildung 3-3 entnommen<br />
werden. Der Niederschlag wird mit einem kontinuierlich registrierenden<br />
Kippwaagenombrometer mit einer Auffangfläche von 500 cm² bestimmt (POHL, 1996).<br />
Alle meteorologischen Daten werden in einem zehnminütigen Rhythmus gemessen <strong>und</strong> als<br />
St<strong>und</strong>enmittelwerte bzw. -summen abgespeichert (WILPERT et al., 1996).<br />
Für die zeitreihenanalytischen Untersuchungen anhand von Tageswerten, fanden die von<br />
ZIRLEWAGEN (2007a) bereits aufbereiteten Daten Verwendung.<br />
Während dieser Aufbereitung wurden die gemessenen Daten auf fehlerhafte oder unplausible<br />
Daten hin untersucht <strong>und</strong> diese entfernt. Lücken von bis zu drei St<strong>und</strong>en je Tag<br />
wurden mit autoregressiven Verfahren interpoliert. Größere Lücken wurden erst nach der<br />
Aggregierung der Datenreihen zu Tagesmittelwerten bzw. Tagessummen mit Hilfe<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
3. Untersuchungsgebiet 14<br />
statistischer Verfahren <strong>und</strong> unabhängigen Datenquellen (DWD-Daten <strong>und</strong> Messdaten im<br />
Bestand) aufgefüllt (ZIRLEWAGEN 2007a).<br />
Abbildung 3-3: Übersichtskarte der Messungen im Gebiet<br />
Für die Luftfeuchte musste zusätzlich eine Driftkorrektur durchgeführt werden. Diese<br />
erfolgte an den Entwicklungen der Maximalwerte in Zweimonatsintervallen, deren Trend<br />
ermittelt <strong>und</strong> von den Rohdaten subtrahiert wurde (ZIRLEWAGEN 2007a).<br />
Auch bei der Globalstrahlung gab es extra Arbeitsschritte. Hier waren von Null abwei-<br />
chende Werte während der Nachtst<strong>und</strong>en das Problem. Unter Verwendung von DVWK-<br />
Formeln wurden hoch aufgelöste Nacht- <strong>und</strong> Dämmerungsst<strong>und</strong>en berechnet. Für die<br />
Nachtst<strong>und</strong>en wurde dann die Globalstrahlung Null gesetzt. Innerhalb der Dämmerungs-<br />
st<strong>und</strong>en wurden nur die negativen Werte auf Null geändert (ZIRLEWAGEN 2007a).<br />
Für die Zeitreihenanalyse, welche anhand von St<strong>und</strong>enwerten geschah, standen nur weniger<br />
aufbereitete Daten zur Verfügung, sodass eine Aufbereitung nötig war. Als erstes erfolgte<br />
eine Überprüfung der Daten hinsichtlich unplausibler Werte <strong>und</strong> eine Eliminierung dieser.<br />
Negative Werte bei der Globalstrahlung wurden generell auf Null gesetzt. Für die<br />
Luftfeuchte war wieder eine Driftkorrektur erforderlich. Der Trend der Drift wurde anhand<br />
der Entwicklung der Tagesmaximalwerte innerhalb der Zeiträume, die einen zusammenhängenden<br />
linearen Trend aufwiesen, bestimmt <strong>und</strong> von der Zeitreihe subtrahiert.<br />
Datenlücken von einer St<strong>und</strong>e wurden mit dem Mittelwert der vorhergehenden <strong>und</strong><br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
3. Untersuchungsgebiet 15<br />
nachfolgenden St<strong>und</strong>e geschlossen. Größere Lücken wurden nicht aufgefüllt, sondern es<br />
wurden zur Untersuchung nur die Daten verwendet, die eine Zeitreihe von mindestens 90<br />
Tagen am Stück bei allen Messgrößen ergaben.<br />
3.2.2. Durchfluss<br />
Der Durchfluss des Einzugsgebietes wird mit Hilfe einer hoch aufgelösten Wasserstands-<br />
messung in einem Thomson-Wehr am Gebietsauslass erfasst. Die Lage des Wehrs ist in<br />
Abbildung 3-3 dargestellt. Der Wasserstand wird viertelstündig mit einer elektronischen<br />
Pegelsonde gemessen <strong>und</strong> anschließend im Datalogger abgelegt. Dazu wurden bis August<br />
2004 eine SOMET-Sonde <strong>und</strong> anschließend eine KELLER-Sonde verwendet. Zur Eichung<br />
bzw. zur Korrektur wird wöchentlich bzw. aller zwei Wochen der Wasserstand manuell<br />
gemessen <strong>und</strong> der Durchfluss mit Wannenmessungen überprüft (ZIRLEWAGEN 2007a).<br />
Für die Untersuchungen dieser Arbeit wurden bereits von ZIRLEWAGEN (2007a) aufbe-<br />
reitete <strong>und</strong> geprüfte Daten verwendet. Die erfassten Daten wurden von ZIRLEWAGEN<br />
(2007a) zunächst auf Plausibilität <strong>und</strong> Vollständigkeit geprüft <strong>und</strong> zu St<strong>und</strong>enmittelwerten<br />
zusammengefasst. Eine Korrektur der Sensor-Drift erfolgte mit den manuell gemessenen<br />
Wasserständen. Die Umrechnung der Wasserstände in Durchflüsse erfolgte mit einer<br />
Eichbeziehung, die über ein Regressionsmodell nach dem „Potenzansatz“ anhand von<br />
Werten der Wannenmessungen aus der ersten Hälfte der 1990er Jahre erstellt wurde. Zur<br />
Ermittlung der Abflussspende wurde der Durchfluss auf die Einzugsgebietsfläche von<br />
9,3 ha bezogen. Der Fehler für die Abflussspende dürfte gering sein, da durch den<br />
geschlossen anstehenden Gneis mit hoher Wahrscheinlichkeit unterirdische Abflüsse<br />
ausgeschlossen werden können <strong>und</strong> da die Abgrenzung des Einzugsgebietes auf Gr<strong>und</strong> der<br />
günstigen Geomorphologie relativ genau sein sollte. Diese Daten wurden weiter zu<br />
Tagessummen aggregiert. Lücken oder Tage, an denen St<strong>und</strong>enwerte fehlten, wurden mit<br />
autoregressiven <strong>und</strong> zeitreihenanalytischen Verfahren geschlossen (ZIRLEWAGEN 2007a).<br />
3.2.3. Bodenfeuchte<br />
3.2.3.1. Kontinuierliche Messungen<br />
Die Bodenfeuchte wird an zwei Stellen im Bannwald mit Hilfe von FDR-Sonden (Thetha<br />
Sonden Typ ML-2 Hersteller Delta-T) im St<strong>und</strong>enintervall gemessen. Die Lage ist in<br />
Abbildung 3-3 zu sehen. Die Sonde FDR-Fi befindet sich in einem alten Fichtenbestand,<br />
die Sonde FDR-Li dagegen in einer Lichtung mit Fichtenjungwuchs.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
3. Untersuchungsgebiet 16<br />
Die Daten wurden in Vorbereitung der Zeitreihenanalyse im ersten Schritt auf Plausibilität<br />
überprüft <strong>und</strong> unplausible Daten verworfen. Datenlücken von einer St<strong>und</strong>e wurden mit dem<br />
Mittelwert der vorhergehenden <strong>und</strong> nachfolgenden St<strong>und</strong>e geschlossen. Größere Lücken<br />
wurden auf der St<strong>und</strong>enebene nicht aufgefüllt. Für die Untersuchung der Tageswerte<br />
wurden Tagesmittelwerte gebildet. Lücken <strong>und</strong> Tage mit fehlenden St<strong>und</strong>enwerten wurden<br />
mit Hilfe von autoregressiven <strong>und</strong> zeitreihenanalytischen Verfahren unter Verwendung von<br />
mit WHNSIM modellierten, unabhängigen Daten als Hilfsgröße geschätzt.<br />
3.2.3.2. Messungen entsprechend dem Messkonzept<br />
Die Messungen der Bodenfeuchte zur Anwendung des RMP-Messkonzeptes erfolgte mit<br />
den TDR-Sonden TRIME-EZ der Firma IMKO. Die Messtechnik wird im folgenden<br />
Kapitel näher beschrieben. Die Lage der Messflächen im Gebiet wurde so ausgewählt, dass<br />
möglichst viele verschiedene Teilflächen mit unterschiedlichen Reliefformen <strong>und</strong><br />
Sättigungsgraden erfasst werden.<br />
Wie in Abbildung 3-3 zu erkennen ist, entwässert das Gebiet in südöstliche Richtung. Auf<br />
Höhe der Messflächen fällt von Südwesten her ein relativ steiler Hang parallel zur<br />
Fließrichtung ein. Das Gelände nordöstlich der beiden Bäche hat in Richtung zu den<br />
Wasserläufen im Durchschnitt nur ein sehr geringes Gefälle.<br />
Für die Untersuchung ist vor allem der Wechsel zwischen terrestrisch geprägten <strong>und</strong> gesättigten<br />
Böden interessant. Deshalb wurde bei der Messfläche des Messkonzeptes I<br />
versucht, dass sich möglichst viele Messpunkte in diesem Übergangsbereich befinden.<br />
Außerdem wurde die Fläche so angelegt, dass sich einer der Bäche darin befindet, da er<br />
sich besonders gut abbilden lassen sollte. Auch ein kleiner Bereich des südwestlichen<br />
Hanges wurde dabei mit erfasst.<br />
In der Messfläche des Messkonzeptes II befinden sich ein größerer Teil des südwestlichen<br />
Hanges <strong>und</strong> beide Wasserläufe sowie der große terrestrisch geprägte Bereich nordöstlich<br />
der Bäche. Mit dieser Fläche wird auch der Bereich untersucht, indem sich die beiden<br />
Wasserläufe vereinen <strong>und</strong> eine größere Sättigungsfläche ausbilden.<br />
Die konkrete Umsetzung des Konzeptes wird in Kapitel 5 <strong>und</strong> die Auswahl der genauen<br />
Punkte im Unterkapitel 5.2 beschrieben.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
4. Messtechnik 17<br />
4. Messtechnik<br />
4.1. Bodenfeuchtemessung<br />
Unter der Bodenfeuchte wird im Allgemeinen der Wassergehalt des Bodens verstanden<br />
(AG BODEN 2005). Dieser ist definiert als diejenige Wassermenge, „die zur Zeit der<br />
Untersuchung in den Bodenporen gespeichert oder an der Oberfläche der festen Boden-<br />
substanz geb<strong>und</strong>en ist, soweit sie sich durch Trocknung bei 105 °C entfernen läßt“ (DYCK<br />
& PECHKE, 1995, S. 310). In dieser Definition deutet sich auch die erste, die gravi-<br />
metrische, Bestimmungsmethode an. Sie besteht darin, dass eine Probe vor <strong>und</strong> nach der<br />
Trocknung gewogen wird, <strong>und</strong> der Massenverlust auf die Trockenmasse bezogen wird. Die<br />
Angabe in Volumenprozent ergibt sich, in dem das Ergebnis mit der Trockenrohdichte<br />
multipliziert wird. Der Nachteil dieser Methode besteht jedoch darin, dass sie nicht<br />
zerstörungsfrei <strong>und</strong> durch die Probenahme mit anschließender Bestimmung relativ<br />
aufwändig ist. Sie kann auch nicht zur kontinuierlichen Bestimmung von Wassergehalten<br />
verwendet werden. Vorteilhaft ist, dass es sich um eine direkte <strong>und</strong> genaue Methode der<br />
Bestimmung handelt, weshalb sie zur Kalibrierung aller indirekten Verfahren angewandt<br />
wird (SCHEFFER & SCHACHTSCHABEL, 1992).<br />
Neben der beschriebenen direkten Methode gibt es viele indirekte Methoden, diese<br />
bestimmen physikalische Größen, welche stark vom Wassergehalt abhängen. Es wird die<br />
elektrische Leitfähigkeit mit in Gips- oder Nylonblöcken eingebetteten Elektroden, die<br />
Schwächung von γ-Strahlen <strong>und</strong> Wärmeleitfähigkeit gemessen (SCHEFFER &<br />
SCHACHTSCHABEL, 1992). Häufiger ist jedoch die Messung des Energieverlustes schneller<br />
Neutronen an Wasserstoffkernen (Neutronensonden) <strong>und</strong> die Bestimmung der Dielektrizität<br />
des Bodens bei der Frequency Domain Reflectrometry (FDR) wie auch der Time Domain<br />
Reflectrometry (TDR) (DYCK & PECHKE, 1995). Die TDR-Methode soll im folgenden<br />
Kapitel näher beschrieben werden.<br />
4.2. Bodenfeuchtemessung mit TDR-Sonden<br />
TDR steht für Time Domain Reflektrometrie. Bei der Bestimmung der Bodenfeuchte mit<br />
der TDR-Technologie handelt es sich um eine indirekte Methode, bei der die Permitivität<br />
(Dielektrizitätskonstante) des Bodens gemessen wird.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
4. Messtechnik 18<br />
Die Permittivität beschreibt das Verhalten von Dielektrika (nicht leitenden Substanzen) im<br />
elektrischen Feld. Polare Substanzen richten sich in diesen Feldern aus <strong>und</strong> beeinflussen<br />
somit das sie umgebende Feld. Das Wassermolekül weist durch seine gewinkelte Struktur<br />
<strong>und</strong> die unterschiedliche Elektronegativität von Sauerstoff <strong>und</strong> Wasserstoff ein starkes<br />
permanentes Dipolmoment auf (IHRINGER et al., 2004). Wasser lässt sich somit leicht<br />
polarisieren <strong>und</strong> hat eine relative Permittivität von ε ≈ 81. Da die mineralischen<br />
Bodenkomponenten nur ε ≈ 5 <strong>und</strong> Luft ε ≈ 1 haben, kann durch diesen großen Unterschied<br />
zu Wasser aus der Permittivität des Bodens mit Hilfe einer Eichbeziehung der<br />
volumetrische Wassergehalt bestimmt werden (DIRKSEN, 1999).<br />
Die Polarisierung der Moleküle im Feld führt unter anderem dazu, dass sich unter der<br />
Einwirkung des Dielektrikums die elektromagnetischen Wellen langsamer ausbreiten. Dies<br />
wird bei der TDR-Technik genutzt, indem die Ausbreitungsgeschwindigkeit eines<br />
elektromagnetischen Signals in den Sondenstäben bestimmt wird (IHRINGER et al., 2004).<br />
Diese Geschwindigkeit v steht über die Formel 8 mit der effektiven Permittivität ε des<br />
umgebenden Mediums in Zusammenhang. Dabei ist c die Ausbreitungsgeschwindigkeit des<br />
Lichtes im Vakuum.<br />
c<br />
v = Formel 8<br />
ε<br />
Das Funktionsprinzip der TDR-Messung ist in Abbildung 4-1 illustriert. Zur Messung sind<br />
ein TDR-Messgerät <strong>und</strong> eine Sonde erforderlich, welche über ein Koaxialkabel verb<strong>und</strong>en<br />
werden. Die Sonde besteht in der Regel aus zwei oder drei parallelen Metallstäben, welche<br />
im Sondenkopf befestigt sind. Je nach Anwendung <strong>und</strong> gewünschter Feldausbreitung gibt<br />
es weitere Bauarten von Sonden, einige davon werden bei JONES et al. (2002) <strong>und</strong> NOBORIO<br />
(2001) beschrieben.<br />
Für die Messung wird als erstes von dem TDR-Messgerät ein steiler Spannungssprung mit<br />
einer möglichst kleinen Anstiegszeit (z. B. 200 ps bei einem Tekronix 1502 B Kabeltester)<br />
generiert. Das generierte Signal verläuft zunächst in einem Koaxialkabel bis zu der im<br />
Boden eingegrabenen Sonde. Die Sondenstäbe fungieren als Wellenleiter <strong>und</strong> der Boden<br />
als dielektrisches Medium. Tritt eine Änderung des Wellenwiderstands<br />
(Impedanzänderung) auf, wird das Signal reflektiert. So erfolgt eine Teilreflexion bei dem<br />
Übergang des Signals vom Koaxialkabel auf die Sondenstäbe. Ein Teil läuft zurück zum<br />
TDR-Messgerät, wo es detektiert wird, <strong>und</strong> der andere Teil läuft weiter, bis es am Ende der<br />
Stäbe reflektiert wird (DIRKSEN, 1999).<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
4. Messtechnik 19<br />
Abbildung 4-1: Funktionsprinzip der TDR-Messung, Zusammenhang zwischen Geräteaufbau <strong>und</strong><br />
Messsignal nach DIRKSEN (1999, S.27). Das Messsignal entspricht einer Messung in Wasser. Farbig<br />
eingezeichnet sind die Tangenten zur Reflexionspunktbestimmung.<br />
Die Reflexionspunkte werden üblicherweise durch das Anlegen von Tangenten, wie es bei<br />
BAKER & ALLMARAS (1990) beschrieben wird, ermittelt. Bei diesem Verfahren werden<br />
Tangenten (in Abbildung 4-1 rot dargestellt) an die Reflexionsgrenzen des Sondenkopfes<br />
<strong>und</strong> des Sonden Endes angepasst. Weiter werden Tangenten (in Abbildung 4-1 grün<br />
dargestellt) jeweils an die Bereiche vor den Reflexionen angelegt. Die entstehenden<br />
Schnittpunkte ergeben die Zeitpunkte der Reflexionen (NUSSBERGER 2005). Daraus kann<br />
die Ausbreitungszeit t bestimmt werden. Da die Länge L der Sondenstäbe bekannt ist, kann<br />
über die Formel 9 die Ausbreitungsgeschwindigkeit v berechnet werden. Wird diese in<br />
Formel 8 ersetzt, ergibt sich nach einer Umstellung Formel 10 zur Ermittlung der effektive<br />
Permittivität ε (DIRKSEN, 1999).<br />
v<br />
2L<br />
t<br />
= Formel 9<br />
2 ⎟ ⎛ ct ⎞<br />
ε = ⎜<br />
⎝ L ⎠<br />
2<br />
Formel 10<br />
Um den Wassergehalt zu bestimmen, muss der Zusammenhang zwischen der effektiven<br />
Permittivität <strong>und</strong> dem Wassergehalt bekannt sein. Dieser lässt sich durch Kalibrierung mit<br />
der gravimetrischen Bestimmungsmethode direkt für den zu untersuchenden Boden<br />
ermitteln. Je nach gewünschter Genauigkeit kann aber auch auf bekannte Beziehungen<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
4. Messtechnik 20<br />
zurückgegriffen werden. Die bei TOPP et al. (1980) empirisch gef<strong>und</strong>ene Formel ist weit<br />
verbreitet <strong>und</strong> über einen breiten Bereich unterschiedlicher Lagerungsdichten <strong>und</strong> Boden-<br />
typen anwendbar. Verschiedene Einflüsse auf diese Eichbeziehung werden bei NOBORIO<br />
(2001) beschrieben, <strong>und</strong> der Zusammenhang wurde von ROTH et al. (1992) <strong>und</strong> DIRKSEN &<br />
DASBERG (1993) weiter untersucht.<br />
Eine weitere Variante ist die Annäherung über theoretische <strong>und</strong> physikalisch basierte<br />
Modelle, bei denen versucht wird, über sogenannte Mischungsregeln den Boden universell<br />
zu beschreiben. Einige dieser Modelle sind bei JONES et al. (2002) <strong>und</strong> NOBORIO (2001)<br />
zusammengestellt <strong>und</strong> werden bei (DIRKSEN, 1999) vorgestellt.<br />
Bei PESCHKE et al. (1999) <strong>und</strong> SAMBALE (1998) werden verschiedene Kalibrierfunktionen<br />
<strong>und</strong> Modelle auf ihre Fehler untersucht <strong>und</strong> vergleichend betrachtet.<br />
Eine viel größere Fehlerquelle entsteht durch den Einbau der TDR-Sonden. Bereits<br />
Randspalten zwischen 3 bis 5 mm führen laut WILPERT et al. (1998) zu einer Reduzierung<br />
der gemessenen Feuchte auf ein Niveau von wasserfreien Mineralböden. Im Gelände<br />
stellten sie bei einem ungestörten Einbau an der Mineralbodenoberfläche in skelettreichen<br />
Böden eine Bodenfeuchteunterschätzung bis zu 14 Vol.-% fest. WILPERT et al. (1998)<br />
sehen deshalb den gestörten Einbau als eine sinnvolle Alternative an. Bei diesem Vorgehen<br />
würde ein der Sonde entsprechendes Loch ausgehoben <strong>und</strong> der Aushub in natürlicher<br />
Lagerungsdichte um die Sonde gepackt.<br />
4.3. Erfassung eines Feuchtigkeitsprofils mit TDR-Sonden<br />
Bei der Messung treten nicht nur Reflexionen im Sondenkopf <strong>und</strong> am Ende der Stäbe auf,<br />
sondern an jeder Stelle, wo sich der Wellenwiderstand ändert. Da sich die Impedanz auch<br />
in Abhängigkeit von der Permittivität des umgebenden Mediums ändert, enthält das Signal<br />
weit mehr Informationen, als nur über den durchschnittlichen Wassergehalt.<br />
Um dies zu veranschaulichen, wurde eine beispielhafte Messung mit einer Zweistabsonde<br />
(Standard Waveguide Connector) <strong>und</strong> dem TDR-Messgerät 6050X3K1-MiniTrase Kit der<br />
Soilmoisture Equipment Corp. durchgeführt. Es wurde ein lufttrockener Sand in einem<br />
2 Liter Becherglas gleichmäßig eingebaut. Am Boden wurde eine perforierte<br />
Schlauchspirale installiert, um das Medium von unten her aufzusättigen. Wie es in<br />
Abbildung 4-2 dargestellt ist, wurde die Sonde von der Oberfläche her mittig eingestochen,<br />
unter Einhaltung des erforderlichen Mindestabstandes (>3cm) zu den Gefäßwänden.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
4. Messtechnik 21<br />
Reflexionskoeffizient<br />
1.00<br />
0.75<br />
0.50<br />
0.25<br />
0.00<br />
-0.25<br />
-0.50<br />
trockner Bereich<br />
gesättigter Bereich<br />
12 13 14 15 16 17<br />
Zeit [Nanosek<strong>und</strong>en]<br />
über gesamte Sondenlänge trocken 3 cm vom Sondenende her gesättigt<br />
4 cm vom Sondenende her gesättigt 7,5 cm vom Sondenende her gesättigt<br />
über die gesamte Sondenlänge gesättigt<br />
Abbildung 4-2: Beispielhafte Signalverläufe aufgezeichnet mit einem 6050X3K1-MiniTrase Kit der<br />
Soilmoisture Equipment Corp.. Der als Medium verwendete lufttrockne Sand wurde von unten her<br />
aufgesättigt.<br />
An den Ergebnissen in Abbildung 4-2 ist der Unterschied zwischen den verschiedenen<br />
Schichtungen deutlich zu erkennen. Im komplett ungesättigten Sand wird das Signal kaum<br />
geschwächt <strong>und</strong> es hat eine sehr kurze Signallaufzeit. Der komplett gesättigte Sand weist<br />
dagegen eine deutliche Schwächung des Signals auf, <strong>und</strong> die Reflexion am Sondenende<br />
erfolgt wesentlich später. Der Signalverlauf der drei Varianten, bei dem der untere Teil des<br />
Sandes gesättigt <strong>und</strong> der obere trocken war, zeigt eindeutig zwei Bereiche. Der erste<br />
Abschnitt mit ungeschwächtem Signal resultiert aus der trocknen Schicht <strong>und</strong> der zweite<br />
mit der offensichtlichen Signalschwächung aus der gesättigten Schicht. Werden die<br />
Signalverläufe mit 3 cm <strong>und</strong> 7,5 cm gesättigter Schicht verglichen, ist festzustellen, dass<br />
sich die Abschnitte im Signalverlauf nicht proportional zu den Schichtdicken verhalten.<br />
Schwieriger wird es bei der Untersuchung an natürlichen Böden, die einen<br />
Feuchtigkeitsverlauf aufweisen <strong>und</strong> keine scharf abgrenzbaren Schichten besitzen.<br />
Dies führt dazu, dass sich die Bodenfeuchteverteilung nicht direkt aus dem Signalverlauf<br />
bestimmen lässt. Aus diesem Gr<strong>und</strong> wurden verschiedene Verfahren entwickelt, um die<br />
Feuchtigkeitsverteilung aus dem Signal zu bestimmen oder zu schätzen. Es existieren<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
4. Messtechnik 22<br />
inverse Schätzverfahren <strong>und</strong> grafische Bestimmungsmethoden, die im Folgenden etwas<br />
näher beschrieben werden.<br />
4.3.1. Inverse Schätzverfahren zur Bestimmung eines Bodenfeuchteprofils<br />
Bei den inversen Schätzverfahren wird versucht, die Wellenausbreitung entlang der Sonde<br />
mit mathematischen Modellen zu beschreiben. Für die Modellierung werden die<br />
Sondenstäbe fein diskretisiert, <strong>und</strong> es werden jedem entstehenden Berechnungspunkt<br />
Parameter zugewiesen, die seine dielektrischen Eigenschaften beschreiben. Die inverse<br />
Modellierung besteht jetzt darin, dass die Parameter solange variiert werden, bis die Ergebnisse<br />
der simulierten TDR-Messung mit dem der realen TDR-Messung möglichst genau<br />
übereinstimmen. Unter den getroffenen Modellannahmen ist die Schätzung mit der größten<br />
Ähnlichkeit <strong>und</strong> geringsten Abweichung die beste Parameterschätzung für die realen<br />
<strong>Bedingungen</strong>. Anschließend wird über die bekannte Eichbeziehung die Bodenfeuchte für<br />
die einzelnen Schichten entlang der Sonde bestimmt (IHRINGER et al., 2004). Anwendungen<br />
mit einem solchen Vorgehen sind bei SCHLÄGER (2002) <strong>und</strong> GRECO (2006 & 2008)<br />
beschrieben.<br />
SCHLÄGER (2002) entwickelte einen Algorithmus, der die Wellenausbreitung mit Hilfe<br />
einer abgewandelten Form der Telegraphengleichung beschreibt (BECKER & SCHLÄGER,<br />
2005; SCHLÄGER 2005). Von SCHÄDEL (2006) wurde eine Dreistabsonde so weiterentwickelt,<br />
dass sie möglichst zerstörungsarm in natürlich gewachsene Böden eingebaut<br />
werden kann <strong>und</strong> die für den Algorithmus an das Messsignal gestellten Anforderungen<br />
erfüllt. Anhand von Beregnungsversuchen eines Lysimeters mit schwach schluffigem Sand<br />
untersuchten BECKER (2004) <strong>und</strong> SCHÄDEL (2006) die Anwendbarkeit des Algorithmus’<br />
mit den entwickelten Sonden. Als Ergebnis erhielten sie eine zeitlich <strong>und</strong> räumlich hoch<br />
aufgelöste Filtrationsfront, die mit dem Verfahren abgebildet werden konnte. Durch<br />
zusätzliche Messungen mit herkömmlichen mittelwertbildenden Sonden konnten der<br />
Algorithmus kalibriert <strong>und</strong> die Tauglichkeit der Dreistabsonden qualitativ nachgewiesen<br />
werden. Weiter wurden mehrmonatige Feldversuche durchgeführt. Dabei konnte die<br />
Dynamik der Sättigungsfläche in der Fläche als auch im vertikalen Querschnitt beobachtet<br />
werden. SCHÄDEL (2006) konnte die Feldtauglichkeit des von ihnen entwickelten,<br />
operationellen Messsystems aufzeigen.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
4. Messtechnik 23<br />
4.3.2. Grafisches Verfahren zur Bestimmung eines Feuchtigkeitsprofils<br />
Eine Alternative zu dem beschriebenen Verfahren könnte das grafische Verfahren, welches<br />
bei MORET et al. (2006) beschrieben wird, darstellen. Es beruht auf dem Einfluss der<br />
Permittivität auf den Reflexionskoeffizient <strong>und</strong> die Signallaufzeit entlang des Wellenleiters.<br />
Mit einer Funktion wird beschrieben, wie sich der Reflexionskoeffizient in Abhängigkeit<br />
von der Signallaufzeit, welche für eine definierte Strecke l benötigt wird, ändert. Diese<br />
Funktion wird über den Signalverlauf der TDR-Messung, ausgehend von der Zeit t=0,<br />
geplotted. Der Schnittpunkt der beiden Kurven ergibt die Signallaufzeit, die für diesen<br />
Sondenabschnitt nötig war. Zugleich ist dieser Punkt der Startpunkt für das Einzeichnen der<br />
nächsten Funktion. Dies wird fortgeführt, bis eine Funktion den Punkt der Endreflexion<br />
schneidet. Somit können für n Abschnitte mit der Länge l über die Sondenlänge L die<br />
Signallaufzeiten ermittelt werden, wie es in Abbildung 4-3 zu sehen ist.<br />
Abbildung 4-3: idealisierter Signalverlauf einer TDR-Messung einer Sonde der Länge L(L=n*l) zusammen<br />
mit den Graphen des Reflexionskoeffizienten ρ in Abhängigkeit von der Zeit t für die<br />
Sondenabschnitte 1l, 2l, … <strong>und</strong> nl (nach MORET et al. , 2006 S. 165)<br />
Aus den Signallaufzeiten kann anschließend mit der Formel 10 die Permittivität des umgebenden<br />
Mediums bestimmt werden <strong>und</strong> daraus über eine Eichbeziehung der Wassergehalt<br />
des jeweiligen Sondenabschnittes.<br />
MORET et al. (2006) fanden bei ihren Versuchen immer zufriedenstellende Übereinstimmungen<br />
(R²=0,99) mit vergleichenden Messungen, bei denen die Feuchtigkeit über<br />
herkömmliche Verfahren bestimmt wurde.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
4. Messtechnik 24<br />
4.4. TDR-Sonden mit nur einem Sondenstab<br />
Bei Messungen mit Zwei- oder Dreistabsonden ist es vor allem in skelettreichen Böden<br />
problematisch, die Sonden so einzubauen, dass die Sondenstäbe möglichst parallel bleiben.<br />
Da der Boden im Conventwald, wie in Kapitel 3.1.2 beschrieben, sehr skelettreich ist,<br />
sollte versucht werden, eine Einstabsonde zu bauen, die sich leichter installieren lässt.<br />
4.4.1. Theorie<br />
Die Bodenfeuchtemessung mit Einstabsonden wurden von OSWALD et al. (2004) ent-<br />
wickelt. Sie untersuchten unterschiedlich lange Sonden mit unbeschichteten Sondenstäben.<br />
In Abbildung 4-4 ist beispielhaft eine Einstabsonde abgebildet. Aufbauend auf die<br />
Ergebnisse von OSWALD et al. (2004) wurden bei NUSSBERGER (2005) <strong>und</strong> NUSSBERGER<br />
et al. (2005) vergleichend Sonden mit beschichteten Wellenleitern erforscht <strong>und</strong> weitere<br />
Einflüsse auf den Messvorgang geprüft.<br />
Abbildung 4-4: Beispielhafte Darstellung<br />
einer Einstabsonde (OSWALD et al., 2004,<br />
S.1156)<br />
Abbildung 4-5: Messsignalverlauf mit ungefährem Start<br />
<strong>und</strong> Endpunkt der Sonde. Aufgezeichnet mit einer Einstabsonde<br />
(Single-rod-probe SRP) mit einem Sondenstab<br />
von 300 mm (OSWALD et al., 2004, S.1156).<br />
Die Wellenleitung in einer Einstabsonde basiert für einen unbeschichteten Sondenstab auf<br />
der Theorie des „Sommerfeld Drahtes“ <strong>und</strong> für einen beschichteten auf der Theorie des<br />
„Goubauleiters“ (NUSSBERGER et al., 2005).<br />
Gewöhnliche TDR-Messgeräte arbeiten mit einem transversalelektromagnetischen Ein- <strong>und</strong><br />
Ausgang. Das heißt, es wird eine geführte Welle im transversalelektromagnetischen Modus<br />
(TEM-Modus) erzeugt. Diese läuft bei Mehrstabsonden geführt zwischen den<br />
Sondenstäben. Da bei einer Einstabsonde nur ein Leiter zur Verfügung steht, muss die<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
4. Messtechnik 25<br />
Welle über einen Konverter von dem TEM-Modus in den transversal-magnetischen Modus<br />
(TM-Modus) <strong>und</strong> wieder zurück konvertiert werden. Dies ist am einfachsten mit einem sich<br />
koaxial aufweitenden, kegelförmigen Trichter zu erreichen. Damit alle Frequenzen erfasst<br />
werden, müsste die Trichteröffnung so groß wie möglich gewählt werden. Dies würde<br />
jedoch die Sonde unhandlich machen, weshalb ein praktikabler Öffnungsradius von<br />
maximal 100 mm gewählt wurde. Bei dieser Bauweise werden die unteren<br />
Frequenzbereiche abgeschnitten, weshalb ein von den Zweistabsonden abweichender<br />
Signalverlauf, wie in Abbildung 4-5 zu sehen, aufgezeichnet wird (NUSSBERGER et al.,<br />
2005).<br />
Trotz des anders gearteten Signalverlaufes kann das Tangentenverfahren nach BAKER &<br />
ALLMARAS (1990), welches in Kapitel 4.2 beschrieben wurde, zur Laufzeitbestimmung angewendet<br />
werden. Es ist dabei nur zu beachten, dass der Offset, welcher durch den<br />
Konverter entsteht, bestimmt <strong>und</strong> abgezogen wird. Die Umrechnung in die Permittivität<br />
erfolgt in Analogie zu Formel 10 (NUSSBERGER et al., 2005).<br />
NUSSBERGER et al. (2005) konnten zeigen, dass die mit der Einstabsonde in Sand ermittelten<br />
Wassergehalte gut mit denen einer Zweistabsonde übereinstimmen.<br />
Das Feld einer Einstabsonde zeichnet sich im Vergleich zur Zweistabsonde durch ein<br />
symmetrisches Feld <strong>und</strong> ein größeres Untersuchungsvolumen aus. Das Messvolumen<br />
nimmt mit Zunahme der Bodenfeuchte ab, da das Signal stärker geschwächt wird (OSWALD<br />
et al., 2004). Der Radius des erfassten Bodenkörpers liegt unterhalb von 120 mm. Werden<br />
die Sondenstäbe mit einem Material mit hoher Permittivität beschichtet, verkleinert sich<br />
das Messvolumen (NUSSBERGER et al., 2005).<br />
4.4.2. Bau einer Einstabsonde <strong>und</strong> erste Ergebnisse<br />
In Anlehnung an die von NUSSBERGER (2005) beschriebenen Sonden wurde eine eigene<br />
Sonde gebaut. Da die Anfertigung eines Trichters aufwändig ist, wurde ein Großküchenedelstahltrichter<br />
verwendet. Dieser wurde am oberen Ende eines Stahlstabes befestigt. Als<br />
Abstandhalter zwischen Trichter <strong>und</strong> Sondenstab diente im oberen Bereich des Trichters<br />
ein speziell angepasstes Hartplasteteil. Der Kontakt zu dem TDR-Messgerät (6050X3K1-<br />
MiniTrase Kit der Soilmoisture Equipment Corp.) wurde über ein Koaxialkabel hergestellt.<br />
Das Kabel wurde mit einfachen Schraubkontakten am Sondenstab <strong>und</strong> Trichter befestigt.<br />
Erste Messungen wurden zunächst mit einem zusammenhängenden Sondenstab<br />
durchgeführt. Später wurde der Sondenstab so konstruiert, dass er unterhalb des Trichters<br />
über eine Verschraubung getrennt werden kann. Dies hat den Vorteil, dass der Sondenstab<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
4. Messtechnik 26<br />
besser in den Boden eingestochen bzw. geschlagen werden kann, ohne den Sondenkopf zu<br />
beschädigen. Zwischen diesen beiden Varianten des Sondenstabes konnte keine eindeutige<br />
Änderung im Messsignalverlauf festgestellt werden, welche auf die Verschraubung<br />
zurückzuführen ist. Es wurde lediglich eine Reduzierung der Signallaufzeit beobachtet, da<br />
sich die Sonde bei dem Umbau um ca. 15 mm verkürzte.<br />
Exemplarische Ergebnisse der letzten Variante <strong>und</strong> ein Bild der Sonde sind in Abbildung<br />
4-6 dargestellt. Die Messungen erfolgten in unterschiedlich feuchten Sand. Die<br />
angegebenen Feuchten wurden mit einer Zweistabsonde bestimmt.<br />
Abbildung 4-6: Messergebnisse der nachgebauten Einstabsonde in unterschiedlich feuchtem Sand<br />
<strong>und</strong> Abbildung der Sonde mit Maßen<br />
Es wird deutlich ersichtlich, dass sich das Signal in Abhängigkeit von der Bodenfeuchte<br />
ändert. Es ist eindeutig die längere Laufzeit bei hoher Bodenfeuchte zu erkennen. Im<br />
Vergleich zu den Messungen von OSWALD et al. (2004) (Abbildung 4-7) lassen sich<br />
Anfangs- <strong>und</strong> Endpunkt nicht so gut identifizieren, da der deutliche Knick (wie in<br />
Abbildung 4-5 gezeigt) im Kurvenverlauf fehlt. Außerdem ist der Kurvenverlauf ein wenig<br />
anders. Dieses Problem lässt sich jedoch wahrscheinlich mit einem sorgfältigeren<br />
Sondenbau beheben.<br />
Wird der Messsignalverlauf der Einstabsonde mit dem einer Zweistabsonde verglichen<br />
(Abbildung 4-8), wird ersichtlich, dass die Laufzeiten relativ gleich sind. Die bestehenden<br />
Unterschiede entstehen vor allem durch die 15 mm Differenz in der Sondenlänge. Der<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
4. Messtechnik 27<br />
deutlichere Unterschied im gesättigten Sand resultiert aus der längern Signallaufzeit,<br />
weshalb sich auch die Signallaufzeitdifferenz zwischen den zwei Sonden vergrößert.<br />
Abbildung 4-7: Messergebnisse einer Einstabsonde mit einer Sondenstablänge von 150 mm (nach<br />
OSWALD et al., 2004, S. 1156).<br />
Abbildung 4-8: Messergebnisse der Einstabsonde (136 mm) im Vergleich mit Messergebnissen<br />
einer Zweistabsonde des Types Connector mit 150 mm langen Sondenstäben in lufttrocknem<br />
(Θ≈2 Vol.-%) <strong>und</strong> gesättigtem (Θ≈38 Vol.-%) Sand<br />
Wird die Signallaufzeitdifferenz aufgr<strong>und</strong> der unterschiedlichen Sondenlägen vernachlässigt,<br />
zeigt sich, wie vergleichbar die Signallaufzeit ist. Daraus lässt sich schlussfolgern,<br />
dass die gleichen Umrechnungen bei der Einstabsonde gelten wie bei der Zweistabsonde.<br />
Somit besteht das einzige Problem in der Identifizierung des Reflexionspunktes am<br />
Sondenende, was sich wie oben bereits erwähnt mit einer Verfeinerung des Baus beheben<br />
lassen sollte. Bei der Weiterentwicklung der Sonde sollte der Vergleich des Signalverlaufes<br />
der Einstab- <strong>und</strong> Zweistabsonden eine gute Möglichkeit bieten, den Signalverlauf der<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
4. Messtechnik 28<br />
Einstabsonde besser einzuschätzen <strong>und</strong> die Lage der Reflexionspunkte leichter zu ent-<br />
decken.<br />
4.5. Schlussfolgerungen für die durchzuführenden Messungen<br />
4.5.1. Konsequenzen aus den vorangegangenen Betrachtungen<br />
Wie gezeigt werden konnte, existieren Verfahren, um aus dem Signalverlauf der TDR-<br />
Messung Bodenfeuchteprofile abzuleiten, <strong>und</strong> es gibt erste Erfahrungen mit Einstabsonden.<br />
Das inverse Schätzverfahren von SCHLÄGER (2002) ergibt hochaufgelöste Bodenfeuchtig-<br />
keitsprofile. Für die Anwendung dieser Methode ist jedoch eine genaue elektrotechnische<br />
Charakterisierung der Sonde erforderlich. Dies kann aber für einen Eigenbau innerhalb<br />
einer <strong>Diplomarbeit</strong> nicht geleistet werden (BECKER, 2007). Um dieses Verfahren<br />
anzuwenden, scheint es am sinnvollsten, es in Kombination mit den darauf abgestimmten<br />
Sonden einzusetzen.<br />
Die grafische Bestimmungsmethode nach MORET et al. (2006) scheint einfacher in ihrer<br />
Anwendung zu sein. Das Problem ergibt sich jedoch bei der Auswertung des Signals der<br />
Einstabsonde. Da ein von Zweistabsonden abweichender Signalverlauf typisch ist, kann<br />
diese Methode nicht direkt darauf angewendet werden. Es müsste die Funktion, die die<br />
Abhängigkeit des Reflexionskoeffizienten von der Signallaufzeit beschreibt, neu definiert<br />
bzw. adaptiert werden. Wenn auf den Einsatz einer Einstabsonde verzichtet wird, scheint<br />
dieses Verfahren am ehesten geeignet, Feuchtigkeitsprofile mit vorhandener Messtechnik<br />
zu bestimmen. Es sollte die Anwendbarkeit dieses Verfahrens auf die Signalverläufe,<br />
welche mit dem 6050X3K1-MiniTrase Kit der Soilmoisture Equipment Corp. für die<br />
Zweistabsonden des Typs „Connector“ erhalten werden, geprüft werden. Sollte sich das<br />
Verfahren als anwendbar für die Sonde mit 15 cm Sondenlänge herausstellen, könnte auf<br />
die Sonden mit der größten angebotenen Sondenlänge (45 cm) umgestiegen werden. So<br />
ergäbe sich die Möglichkeit, Feuchtigkeitsprofile über eine Tiefe von 45 cm aufzunehmen.<br />
Eine sehr einfache, alternative Methode Feuchtigkeiten unterschiedlicher Schichten zu<br />
bestimmen, ist das Installieren unterschiedlich langer Sonden in unmittelbarer Nachbarschaft<br />
(Abbildung 4-9). Über die beiden mittleren Feuchtigkeitsgehalte entlang der Sonden<br />
kann die mittlere Bodenfeuchte der beiden Schichten A <strong>und</strong> B berechnet werden. Dieses<br />
Verfahren bringt jedoch durch die unterschiedlichen Einbauorte Fehler, die durch die<br />
Variabilität des Bodens <strong>und</strong> zusätzlich durch Unterschiede des Einbaus der Sonden ver-<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
4. Messtechnik 29<br />
ursacht werden, mit sich. Weshalb dieses Verfahren bei IHRINGER et al. (2004) als unsicher<br />
eingestuft wird.<br />
Abbildung 4-9: Bestimmung der Bodenfeuchte unterschiedlicher Schichten mit mehreren Sonden<br />
Die ersten Versuche mit der selbstgebauten Einstabsonde haben gezeigt, dass es mit<br />
Einstabsonden möglich ist, unterschiedliche Feuchten am Signalverlauf zu erkennen. Eine<br />
weitere Entwicklung <strong>und</strong> Verfeinerung des Baus der Sonde sowie Anpassung der<br />
Automatisierung der Signalauswertung war in dem Rahmen dieser <strong>Diplomarbeit</strong> nicht<br />
möglich, da die Anwendung der Methode der RMP auf die Bodenfeuchte im Vordergr<strong>und</strong><br />
stand. Es wäre jedoch sehr empfehlenswert, den Bau der Einstabsonde weiterzuverfolgen.<br />
4.5.2. Angewandtes Messsystem<br />
Da der Eigenbau einer Sonde <strong>und</strong> die Ermittlung von Feuchtigkeitsprofilen im Rahmen<br />
dieser <strong>Diplomarbeit</strong> nicht möglich war, wurde auf vorhandene Messsysteme zurückgegriffen.<br />
Es wurden 10 TRIME-EZ Sonden der Firma Imko eingesetzt. Es handelt sich dabei um<br />
Zweistabsonden, die mit der TRIME-Methode arbeiten. TRIME steht dabei für Time<br />
Domain Reflectometry mit Intelligenten Micromodul-Elementen. Wie bei anderen Verfahren<br />
der Bodenfeuchtemessung beruht auch hier die Bestimmung der Bodenfeuchte auf<br />
der Laufzeitmessung eines Spannungsimpulses. Der Unterschied zu den anderen TDR-<br />
Verfahren besteht in der Auswertung des Signals. In einem ersten Schritt wird die<br />
maximale Amplitude des Signals ermittelt. Im zweiten Schritt wird die Laufzeit gemessen,<br />
bis in Abhängigkeit von der maximalen Amplitude ein bestimmter Wert des Signals<br />
erreicht wird. Bei herkömmlichen Verfahren wird der gesamte Signalverlauf mit einer<br />
Vielzahl von Einzelmessungen abgetastet <strong>und</strong> erst anschließend die Laufzeit ermittelt. Da<br />
das TRIME-Verfahren mit nur zwei Messungen auskommt, arbeitet es energiesparender<br />
<strong>und</strong> kann mit einer einfacheren Elektronik realisiert werden. Dies ermöglicht es, dass die<br />
gesamte Technik für die Messung <strong>und</strong> Auswertung in der Sonde integriert ist <strong>und</strong> als<br />
Ausgabe direkt eine Bodenfeuchte übermittelt wird (IMKO, 2007).<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
4. Messtechnik 30<br />
Es standen 10 Sonden mit verschiedenen Kabellängen (Tabelle 4-1) zur Verfügung. Die<br />
Sonden haben nach Herstellerangaben einen Messfehler in dem Messbereich 0 bis<br />
40 Vol.-% von ±1 Vol.-% <strong>und</strong> in dem Bereich 40 bis 70 Vol.-% von ±2 Vol.-%. Das Feld<br />
der Sonden hat eine Reichweite von ca. 7,5 cm um den Sondenmittelpunkt, dabei liegen<br />
99 % in einem Radius von ca. 4 cm (Abbildung 4-10).<br />
Tabelle 4-1: Übersicht der verfügbaren Sonden mit verschiedenen Kabellängen<br />
Kabellänge [m] Sondenanzahl Messsignal<br />
40 2 Analog Ampere<br />
20 1 Analog Volt<br />
10 5 Analog Volt<br />
5 2 Analog Volt<br />
Abbildung 4-10: Veranschaulichung der Energiedichte um die Sonden (nach einer von IMKO bereitgestellten<br />
Abbildung, welche auf den Ergebnissen einer 2-D-Simulation mit einer vergleichbaren Sonde<br />
beruhte)<br />
Die Sonden wurden mit der vom Hersteller empfohlenen Methode der Basiskalibrierung<br />
auf ihre Messgenauigkeit überprüft. Dazu wurden Messungen in lufttrockenen <strong>und</strong> mit<br />
Wasser gesättigten Glasperlen durchgeführt. Fast alle Sonden lieferten die erwarteten<br />
Feuchtigkeitswerte im Bereich der Messgenauigkeit. Nur eine Sonde zeigte in den trockenen<br />
Glasperlen eine Abweichung von -1,7 Vol.-%. Da der zu erwartende Fehler, der<br />
durch den ungestörten Einbau entsteht, wesentlich größer sein kann, wurde auf eine<br />
Korrektur der Basiskalibrierfunktion verzichtet. Die Bodenparameter des Untersuchungsgebietes<br />
befanden sich innerhalb der Grenzen, in welchen die in den Sonden integrierte<br />
Standardkalibrierfunktion verwendet werden kann, weshalb diese verwendet wurde.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
4. Messtechnik 31<br />
Der Einbau der Sonden erfolgte ungestört. Das bedeutet, es wurden erst mit einem Vor-<br />
stecher die Löcher für die Sondenstäbe vorgestochen <strong>und</strong> anschließend die Sonde möglichst<br />
störungsarm eingesetzt. Dabei wurden stets Stellen bevorzugt an denen das Vorstechen mit<br />
so wenig wie möglich Verlagerungen von Steinen erfolgen konnte. Trotz dieser<br />
Vorsichtsmaßnahmen ist bei dem ungestörten Einbau mit mehr Fehlern zu rechnen als bei<br />
gestörtem Einbau (siehe Kapitel 4.2). Dennoch wurde diese Methode gewählt, da ein<br />
gestörter Einbau bei Sondenabständen von z.T. 20 cm nicht zu realisieren wäre. Außerdem<br />
würden die interessanten, kleinräumigen Variabilitäten zerstört. Gleichzeitig muss bei der<br />
Interpretation der Daten berücksichtigt werden, dass scheinbare Effekte auch aus<br />
Einbaufehlern resultieren können. Die Daten sollten trotzdem untereinander vergleichbar<br />
bleiben, da immer ähnliche Einbaufehler entstehen.<br />
Die Steuerung der Messung <strong>und</strong> Speicherung der Messdaten erfolgte mit einem Delta-T<br />
Logger. Die gespeicherten Messwerte (in Volt oder Ampere) wurden später in Bodenfeuchten<br />
umgerechnet.<br />
Da immer nur alle Sonden zur gleichen Zeit messen konnten, wurde der minimale Sondenabstand<br />
auf 20 cm festgesetzt, damit keine Überlagerungen der elektrischen Felder<br />
(Abbildung 4-10) auftreten können.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
5. Umsetzung des Messkonzeptes der RMP für die Bodenfeuchtemessung 32<br />
5. Umsetzung des Messkonzeptes der RMP für die Boden-<br />
feuchtemessung<br />
5.1. Rahmenbedingungen<br />
5.1.1. Technische Rahmenbedingungen<br />
Für die Umsetzung des Messkonzeptes standen 10 Sonden, wie in Kapitel 4.5.2 beschrieben,<br />
zur Verfügung. Aufgr<strong>und</strong> der Kabellängen ergibt sich eine maximale Messfeldgröße<br />
mit einem Durchmesser von 70 m. Als minimaler Abstand der Sonden zueinander wurde<br />
der Abstand von 20 cm gewählt, da sich somit die Felder der Sonden nicht gegenseitig<br />
überlagern, wie es in Kapitel 4.5.2 gezeigt wurde. Als Einbauart wurde der ungestörte<br />
Einbau, wie bereits in Kapitel 4.5.2 beschrieben, gewählt. Um eine Vergleichbarkeit des<br />
erfassten Bodenwassergehaltes mit den zur Verfügung stehenden Klimagrößen zu<br />
gewährleisten, wurde dieser mit einer stündlichen Auflösung gemessen. Das Umsetzen der<br />
Sonden erfolgte auch wie bei WÖHRLE (2006) in einem Rhythmus von zwei Wochen. Als<br />
Untersuchungszeitraum für die erste Untersuchung innerhalb dieser Arbeit wurden<br />
zunächst zwei Monate angesetzt. Da mit den sich somit ergebenden 40 Messpunkten<br />
(2 Monate = 4 Messperioden; je Messperiode 10 Sonden � 40 Messpunkte) eine Fläche<br />
mit einem Durchmesser von 70 m nicht repräsentativ beprobt werden kann, wurde der<br />
Durchmesser für die erste Untersuchung auf 20 m beschränkt. Um die Datengr<strong>und</strong>lage zur<br />
Abbildung des Raumes durch weitere 40 Messpunkte zu stabilisieren, wurde später der<br />
Untersuchungszeitraum um weitere zwei Monate verlängert. Für spätere Anwendungen<br />
wurde zusätzlich noch ein Konzept mit dem Untersuchungszeitraum von einem Jahr<br />
erstellt. Die einzelnen Rahmenbedingungen der Messkonzepte können aus Tabelle 5-1 <strong>und</strong><br />
Tabelle 5-2 entnommen werden.<br />
Tabelle 5-1: Anzahl der verfügbaren Sonden je Radius bei den Messkonzepten I & II<br />
Radien Messkonzept I Messkonzept II<br />
18 m bis 35 m - 2<br />
8 m bis 18 m - 1<br />
8 m bis 10 m 3 -<br />
5 m bis 8 m 5 5<br />
1,2 m bis 5 m 2 2<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
5. Umsetzung des Messkonzeptes der RMP für die Bodenfeuchtemessung 33<br />
Tabelle 5-2: Zusammenstellung der Rahmenbedingungen der Messkonzepte I & II<br />
Messkonzept I Messkonzept II<br />
Rasterweite [cm] 20<br />
zeitliche Auflösung stündlich<br />
Periodenlänge nach der die Sonden umgesetzt werden 2 Wochen<br />
Sondenanzahl 10<br />
Einbau ungestört<br />
Durchmesser des Messplots [m] 20 m 70 m<br />
Messdauer [Monate] 2x2 12<br />
Anzahl der sich ergebenden Perioden 2x4 24<br />
Anzahl sich ergebender Messpunkte<br />
Durch einen Messpunkt durchschnittlich repräsentierte Fläche<br />
2x40 240<br />
[m²] 4 16<br />
Fläche des Messplots [m²] 314 3848<br />
5.1.2. Auswertungsbedingte Rahmenbedingungen<br />
Bei der Konzeptionierung des Messfeldes wurde immer versucht, alle Aspekte so zu<br />
gestalten, dass eine möglichst optimale Datenbasis für die spätere Auswertung mit Hilfe<br />
von Semivariogrammen geschaffen wird.<br />
Ausgehend von der Annahme, dass der Bodenwassergehalt wahrscheinlich sehr stark im<br />
kleinen Raum variiert, erscheinen kleine Abstandsklassen als sehr bedeutend. Die An-<br />
nahme stützt sich zum einen auf den Zusammenhang von Bodenfeuchte <strong>und</strong> dem Skelett-<br />
gehalt. Da der Skelettgehalt, wie in Kapitel 3.1.2 beschrieben, stark variiert ist auch dies<br />
vom Wassergehalt im Boden zu erwarten. Zum anderen konnte WÖHRLE (2006) bei der<br />
Untersuchung des Matrixpotentials mit einer minimalen Rasterweite von einem Meter<br />
keine räumliche Autokorrelation finden. Dies führte zu der Vermutung, dass sich die<br />
Korrelationsreichweite in dem Bereich um einem Meter befinden könnte. Um dies<br />
untersuchen zu können, sind vor allem kleine Abstandsklassen erforderlich.<br />
Das für verschiedene Radien nur eine bestimmte Anzahl an Sonden verfügbar ist, wie es in<br />
Tabelle 5-1 dargestellt ist, hat zur Folge, dass nichtäquidistante Abstandsklassen ange-<br />
wendet werden müssen. Dies ergibt sich, da bei der Verwendung von äquidistanten<br />
Abstandsklassen die Klassen der großen Abstände nur unterrepräsentativ belegt werden<br />
könnten. Die Breite der Abstandsklassen wurde über die Formel 11 beschrieben.<br />
n<br />
b = 0,<br />
2*<br />
2<br />
b...<br />
Klassenbreite<br />
n...<br />
Klassennummer<br />
Formel 11<br />
Unter Anwendung der Formel 11 ergeben sich die Klassen 1 bis 14, wie sie der Tabelle 5-3<br />
entnommen werden können.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
5. Umsetzung des Messkonzeptes der RMP für die Bodenfeuchtemessung 34<br />
Tabelle 5-3: Übersicht der Abstandsklassen für die Variogrammbildung<br />
Klassen-<br />
nummer n<br />
Klassen-<br />
breite b [m]<br />
Klassenuntergrenze<br />
[m]<br />
Klassen-<br />
mitte [m]<br />
Klassenobergrenze<br />
[m]<br />
1 0,3 0 0,15 0,3<br />
2 0,4 0,3 0,5 0,7<br />
3 0,6 0,7 1 1,3<br />
4 0,8 1,3 1,7 2,1<br />
5 1,1 2,1 2,65 3,2<br />
6 1,6 3,2 4 4,8<br />
7 2,3 4,8 5,95 7,1<br />
8 3,2 7,1 8,7 10,3<br />
9 4,5 10,3 12,55 14,8<br />
10 6,4 14,8 18 21,2<br />
11 9,1 21,2 25,75 30,3<br />
12 12,8 30,3 36,7 43,1<br />
13 18,1 43,1 52,15 61,2<br />
14 25,6 61,2 74 86,8<br />
Für die Auswertung am Ende ist eine Mindestbelegung der Klassen mit 30 Punktpaaren<br />
erforderlich (STOYAN et al., 1997). Eine Belegung mit mehr Punkten ist jedoch günstiger.<br />
Eine möglichst gleichmäßige Belegung der einzelnen Klassen erschien während der<br />
Entwicklungsphase am günstigsten. Später stellte sich heraus, dass dies nicht unbedingt<br />
nötig ist, sondern nur die Mindestbelegung garantiert werden muss (CULLMANN, 2007).<br />
5.2. Punktauswahl<br />
5.2.1. Konzeption der Punktauswahl<br />
Die Auswahl der Messpunkte erfolgte je Periode 1 zufällig aus allen verfügbaren Raster-<br />
punkten eines über die Fläche gelegten Rasters, mit einer Maschenweite von 20 cm. Die<br />
Menge der verfügbaren Punkte wird nach jeder Ziehung auf die Bereiche beschränkt, in<br />
denen noch Sonden verfügbar sind. Das Ergebnis der rein zufälligen Ermittlung der Punkte,<br />
beispielhaft in Abbildung 5-1 dargestellt, ist unbefriedigend. Es, hat den Nachteil, dass die<br />
Variogrammklassen nur sehr ungleichmäßig belegt werden <strong>und</strong> die scheinbar interessanten,<br />
kleinen Klassen im Verhältnis unterbelegt sind.<br />
1 Eine Periode bezeichnet einen Zeitabschnitt von zwei Wochen, in dem die zehn verfügbaren Sonden an<br />
einer Stelle gesteckt bleiben. Nach Ablauf dieser zwei Wochen beginnt eine neue Periode, in der die<br />
Sonden umgesteckt werden, wodurch neue Messpunkte entstehen.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
5. Umsetzung des Messkonzeptes der RMP für die Bodenfeuchtemessung 35<br />
Abbildung 5-1: Lage der zufällig ausgewählten Messpunkte in der Messfläche <strong>und</strong> die dazugehörige<br />
Variogrammklassenbelegung für das Messkonzept II. Die grünen Kreise kennzeichnen die<br />
verschiedenen Radien mit unterschiedlicher Sondenverfügbarkeit (siehe Tabelle 5-1).<br />
Um eine gleichmäßigere Belegung zu erreichen, wurde ein Optimierungsschritt in die<br />
Auswahl eingebaut. Dieser funktioniert wie folgt:<br />
1. Es erfolgt eine Bewertung jedes zur Auswahl stehenden Punktes mit einem<br />
Variogrammklassenkennwert (VKW)<br />
2. Es werden nur die Punkte zur Auswahl des zu wählenden Messpunktes zugelassen,<br />
die einen VKW innerhalb der untersten 10% des Wertebereiches aller ermittelten<br />
Variogrammklassenkennwerte aufweisen<br />
3. Es wird aus den nun verbleibenden Punkten ein Punkt zufällig ausgewählt<br />
4. Es wird überprüft für welche Radien noch Sonden verfügbar sind <strong>und</strong> daraus die<br />
Menge aller verfügbarer Punkte für den nächsten Auswahlschritt bestimmt<br />
5. wie Schritt 1.<br />
Für die Berechnung der VKW für einen Punkt wird zunächst die Variogrammklassenbelegung<br />
mit diesem Punkt <strong>und</strong> allen schon ermittelten Punkten bestimmt. Anschließend<br />
wird der VKW entsprechend der Formel 12 berechnet.<br />
1<br />
VKW =<br />
k<br />
k<br />
1<br />
k<br />
∑ PPn<br />
− ∑<br />
n=<br />
1 n=<br />
1<br />
k<br />
PP<br />
VKW …Variogrammklassenkennwert<br />
PP … Anzahl der Punktpaare in der<br />
Variogrammklasse n<br />
n<br />
Formel 12<br />
Diese Optimierung, wie sie am Beispiel der Abbildung 5-2 zu sehen ist, führt zu einer sehr<br />
idealen, näherungsweise Gleichverteilung, der sich ergebenden Abstände auf die<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
5. Umsetzung des Messkonzeptes der RMP für die Bodenfeuchtemessung 36<br />
Abstandsklassen. Das Negative dabei ist jedoch, dass lokale Häufungen der Messpunkte<br />
auftreten. Wie zu erkennen ist, richten sich außerdem die Punkte scheinbar in einer be-<br />
stimmten Raumrichtung aus. Dadurch ist leider keine repräsentative Beprobung der Fläche<br />
gegeben.<br />
Abbildung 5-2: Lage der mit Hilfe der Optimierung ausgewählten Messpunkte in der Messfläche <strong>und</strong><br />
die dazugehörige Variogrammklassenbelegung für das Messkonzept II. Die grünen Kreise<br />
kennzeichnen die verschiedenen Radien mit unterschiedlicher Sondenverfügbarkeit (siehe Tabelle 5-1).<br />
Um eine akzeptable Flächenrepräsentativität <strong>und</strong> Variogrammklassenbelegung zu erhalten,<br />
wurden viele Varianten ausprobiert, die zu keinem befriedigten Ergebnis führten. In<br />
Tabelle 5-4 sind alle versuchten Varianten dargestellt.<br />
Da alle in Tabelle 5-4 aufgeführten Varianten unter den gegebenen <strong>Bedingungen</strong> zu keinem<br />
zufriedenstellenden Ergebnis führen, scheint es, als ob es keine Lösung gibt, bei der die<br />
Variogrammklassen optimal belegt sind, <strong>und</strong> zugleich der Raum repräsentativ beprobt<br />
wird. Ausgehend von dieser Feststellung wurde die letzte Variante entwickelt, bei der die<br />
Punktauswahlmethoden mit (Nr.1 in Tabelle 5-4) <strong>und</strong> ohne Optimierung (Nr.0 in Tabelle<br />
5-4) kombiniert verwendet werden. Ausschlaggebend dafür war die Annahme, dass es für<br />
die Variogrammerstellung günstig ist, wenn die Variogrammklassen möglichst gleichmäßig<br />
belegt sind. Daher entstand der Gedanke, dass eine gewisse Anzahl von Punkten<br />
hinsichtlich der Klassenbelegung optimiert wird <strong>und</strong> diese später für die<br />
Variogrammerzeugung genutzt werden. Der mit der Varoigrammanalyse gef<strong>und</strong>ene<br />
räumliche Zusammenhang soll anschließend mittels Kriging in die Fläche übertragen<br />
werden. Da aber mit den für die Variogrammuntersuchung verwendeten Punkten der Raum<br />
schlecht repräsentiert wird, sollen für das Kriging weitere Punkte als Stützstellen dienen.<br />
Diese Punkte werden rein zufällig ohne Optimierung ausgewählt.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
5. Umsetzung des Messkonzeptes der RMP für die Bodenfeuchtemessung 37<br />
Tabelle 5-4: Übersicht der versuchten Varianten zur Punktauswahl, welche nur unbefriedigende<br />
Ergebnisse lieferten<br />
Nr. Beschreibung<br />
0 Im Text beschriebene Auswahl ohne Optimierung<br />
1 Im Text beschriebene Auswahl mit Optimierung<br />
2 Ähnlich 1., aber bei jedem x-ten Punkt wird die Optimierung bezüglich der Variogrammklassen ausgelassen<br />
<strong>und</strong> somit ist die Auswahl des Punktes nur vom Zufall bestimmt. x =[2…8]<br />
3 Wie 1., jedoch mit zusätzlicher Raumoptimierung.<br />
Es wird ein Raster mit einer Maschenweite von 2,5m; 5m; 10m oder 20m über die Fläche gelegt <strong>und</strong> die<br />
Belegung der einzelnen Rasterzellen mit Punkten ermittelt. Angelehnt an die Optimierung der<br />
Variogrammklassen erfolgt zusätzlich die Bestimmung eines Raumbelegungskennwertes (RKW) für alle<br />
zur Auswahl stehenden Punkte. Der VKW <strong>und</strong> RKW werden anschließend über Multiplikation oder<br />
Summation zu dem Optimierungskennwert (OKW) verknüpft. Es werden anschließend nur die Punkte zur<br />
Auswahl des zu wählenden Messpunktes zugelassen, die einen OKW innerhalb der untersten 10% des<br />
Wertebereiches aller ermittelten OKW aufweisen.<br />
4 Wie 3. nur ohne Verknüpfung von VKW <strong>und</strong> RKW zu OKW. Stattdessen werden im 1. Schritt nur alle<br />
Punkte mit dem kleinsten RKW ausgewählt. Aus diesen Punkten werden anschließend nur die Punkte zur<br />
Auswahl des zu wählenden Messpunktes zugelassen, die einen VKW innerhalb der untersten 10% des<br />
Wertebereiches aller ermittelten VKW aufweisen.<br />
5 Wie 3. jedoch ohne ein Raster über die Fläche zu legen. Stattdessen wird die Fläche in acht Kreissegmente<br />
unterteilt <strong>und</strong> die Belegung dieser mit dem RKW bewertet. Die Beschränkung der zur Auswahl stehenden<br />
Punkte erfolgt wie bei 3. über den OKW der multiplikativ aus VKW <strong>und</strong> RKW gebildet wird.<br />
6 Wie 1. jedoch mit Entfernung von überbelegten Flächen.<br />
Es wird ein Raster mit x mal x Teilflächen über die Fläche gelegt (x=[1…10]). Für die Auswahl von<br />
Messpunkten werden dann nur die Punkte zugelassen, welche sich in den minimal belegten Teilflächen befinden.<br />
7 Wie 1. jedoch mit Entfernung von überbelegten Flächen.<br />
Die Fläche wird in x Kreissegmente unterteilt (x=[4, 8, 12, 16, 20]). Für die Auswahl von Messpunkten<br />
werden dann nur die Punkte zugelassen, welche sich in den minimal belegten Kreissegmenten befinden.<br />
8 Wie 7., jedoch erfolgt die Reduzierung auf Punkte der minimal belegten Kreissegmente nur bei jeder x-ten<br />
Punktauswahl. x=[1…4]<br />
9 Endgültige Methode im folgenden Text beschrieben<br />
Wie oben beschrieben, strebt die Optimierung immer zu einer Punktverteilung, die sich in<br />
Abhängigkeit von den ersten gewählten Punkten in eine bestimmte Raumrichtung<br />
ausrichtet. Somit erscheint es als sinnvoll, die Punkte für die Variogrammerstellung in zwei<br />
Untermengen aufzuteilen, die sich hinsichtlich ihrer Ausrichtung im Raum unterscheiden.<br />
So kann ein Teil der Punkte für ein Variogramm in x-Richtung (z. B. hangparallel) <strong>und</strong><br />
einen anderen Teil für eins in y-Richtung (z. B. senkrecht zum Hang) optimiert werden.<br />
Dies ermöglicht eine Überprüfung des Fehlers, der durch die verstärkte Ausrichtung bei der<br />
Optimierung entsteht.<br />
Praktisch funktioniert die Auswahl der Punkte bei dieser Variante wie folgt:<br />
1. Auswahl der Punkte für das Variogramm in x-Richtung<br />
a. Es wird eine festgelegte Anzahl von Startpunkten (gewöhnlich 2 bis 4) aus<br />
einem Bereich von ±2,6 m um die x-Achse rein zufällig wie bei Variante 0<br />
ausgewählt.<br />
b. Alle weiteren Punkte werden wie bei Variante 1 optimiert, bis eine vorgegebene<br />
minimale Belegung der Klassen erreicht ist.<br />
2. Auswahl der Punkte für das Variogramm in y-Richtung<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
5. Umsetzung des Messkonzeptes der RMP für die Bodenfeuchtemessung 38<br />
a. Es wird eine festgelegte Anzahl von Startpunkten (gewöhnlich 2 bis 4) aus<br />
einem Bereich von ±2,6m um die y-Achse rein zufällig wie bei Variante 0<br />
ausgewählt.<br />
b. Alle weiteren Punkte werden wie bei Variante 1 optimiert bis eine vorgegebene<br />
minimale Belegung der Klassen erreicht ist.<br />
3. Auswahl der Punkte, die als Stützstellen für das Kriging dienen sollen. Dies erfolgt<br />
rein zufällig wie bei der Variante 0.<br />
Wichtig für die spätere Umsetzung der Messfläche mit den gewählten Punkten ist es, dass<br />
die einzelnen Perioden, welche für die einzelnen Ziele (x-, y-Richtung & Kriging) optimiert<br />
wurden, zeitlich nicht an einem Block hintereinander liegen. Sie sollten zeitlich<br />
durchmischt werden, wie es in Abbildung 5-3 zu sehen ist. Dies dient der Vermeidung von<br />
zeitlichen Abhängigkeiten, die unter Umständen räumliche Effekte vortäuschen könnten.<br />
Abbildung 5-3: Veranschaulichung der zeitlichen Anordnung der einzelnen Perioden im gesamten<br />
Messzeitraum<br />
5.2.2. Ergebnisse der Punktauswahl<br />
5.2.2.1. Messkonzept I<br />
Die Punktauswahl für die ersten vier Perioden des Messkonzeptes I erfolgte mit der Vari-<br />
ante 8. Dabei wurden 16 Kreissegmente verwendet <strong>und</strong> es erfolgte die Reduzierung der zur<br />
Verfügung stehenden Punkte auf die Punkte, welche sich in den minimal belegten<br />
Kreissegmenten befinden, bei jedem zweiten Auswahlschritt. Die Verwendung der end-<br />
gültigen Auswahlmethode (Nr.9) war noch nicht möglich, da sie noch nicht entwickelt war.<br />
Es mussten aber zu diesem Zeitpunkt die Messungen, welche im Rahmen der <strong>Diplomarbeit</strong><br />
durchgeführt werden sollten, beginnen, um die Ergebnisse innerhalb des Zeitplans zu<br />
erhalten. Später wurden die Messungen um weitere vier Perioden verlängert, um in<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
5. Umsetzung des Messkonzeptes der RMP für die Bodenfeuchtemessung 39<br />
Anlehnung an Variante 9 zusätzliche Stützstellen für das Kriging zu erhalten. Die Auswahl<br />
dieser Punkte erfolgte entsprechend der Variante 0.<br />
Die Ergebnisse sind in Abbildung 5-4 dargestellt, die genauen Punktkoordinaten sind im<br />
Anhang auf der CD-Rom zu finden.<br />
Abbildung 5-4: Lage der gewählten Punkte in der Messfläche für das Messkonzept I mit zugehöriger<br />
Varigrammklassenbelegung. Die grünen Kreise kennzeichnen die verschiedenen Radien mit<br />
unterschiedlicher Sondenverfügbarkeit (siehe Tabelle 5-1).<br />
Es ist zu erkennen, dass bei den optimierten Punkten eine minimale Klassenbelegung von<br />
30 Punktpaaren je Klasse eingehalten wird. Die Belegung in den kleinsten Abstandsklassen<br />
wird jedoch vor allem durch Punkte erreicht, die sich, wie zu sehen ist, sehr lokal auf eine<br />
Stelle konzentrieren. Für die Auswertung wäre es wünschenswert, wenn auch diese<br />
Abstandsklassen über die gesamte Fläche verteilt wären. Dies lässt sich jedoch nicht<br />
erreichen, wenn ein gewisser Raum <strong>und</strong> bestimmte Klassen unter den gegebenen<br />
<strong>Bedingungen</strong> möglichst gleichmäßig belegt werden sollen.<br />
Bei den rein zufällig gewählten Punkten wird der Raum sehr schön gleichmäßig beprobt.<br />
Es wird jedoch auch ersichtlich, dass mit der zufälligen Auswahl nie die nötige<br />
Mindestklassenbelegung mit 30 Punktpaaren erreicht würde.<br />
Somit erscheint die Kombination für dieses Messkonzept eine sehr gelungene Variante, um<br />
Klassenbelegung <strong>und</strong> Flächenrepräsentanz auf einen Nenner zu bringen.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
5. Umsetzung des Messkonzeptes der RMP für die Bodenfeuchtemessung 40<br />
5.2.2.2. Messkonzept II<br />
Für dieses Messkonzept wurden die Punkte nach der vorher beschriebenen Variante 9<br />
ausgewählt. Die Ergebnisse der Auswahl sind in Abbildung 5-5 dargestellt.<br />
Abbildung 5-5: Lage der gewählten Punkte in der Messfläche für das Messkonzept II mit zugehöriger<br />
Varigrammklassenbelegung. Die grünen Kreise kennzeichnen die verschiedenen Radien mit<br />
unterschiedlicher Sondenverfügbarkeit (siehe Tabelle 5-1).<br />
Wie zu erkennen ist, kommt es in dem Bereich 8 Meter um den Mittelpunkt zu einer sehr<br />
starken Belegung mit Messpunkten im Vergleich zu den anderen Radien. Dies ist dadurch<br />
bedingt, da nur Sonden mit bestimmten Kabellängen verfügbar sind. Um eine etwas<br />
gleichmäßigere Verteilung der Messpunkte über die Messfläche zu erreichen, wird<br />
vorgeschlagen, alle Kabel der Sonden mit einer Kabellänge von weniger als 20 Meter auf<br />
20 Meter zu verlängern. Eine größere Verlängerung ist nicht möglich, da sonst der<br />
Spannungsverlust des Datensignals zu groß sein sollte. Somit ergibt sich eine<br />
Sondenverfügbarkeit, wie sie in Tabelle 5-5 aufgelistet ist.<br />
Tabelle 5-5: Anzahl der verfügbaren Sonden je Radius bei den Messkonzepten II mit verlängerten<br />
Sondenkabeln<br />
Radien Messkonzept II<br />
18 m bis 35 m 2<br />
1,2 m bis 18 m 8<br />
Für den Fall, dass Sonden mit verlängerten Kabeln verwendet werden, ergibt sich eine<br />
günstigere Punktauswahl, wie sie in Abbildung 5-6 dargestellt ist.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
5. Umsetzung des Messkonzeptes der RMP für die Bodenfeuchtemessung 41<br />
Abbildung 5-6: Lage der gewählten Punkte in der Messfläche für das Messkonzept II mit zugehöriger<br />
Varigrammklassenbelegung unter Verwendung von Sonden mit verlängerten Kabeln. Die<br />
grünen Kreise kennzeichnen die verschiedenen Radien mit unterschiedlicher Sondenverfügbarkeit<br />
(siehe Tabelle 5-5).<br />
Ähnlich wie bei Messkonzept I werden bei beiden Varianten die niedrigen Klassen durch<br />
Punktpaare belegt, die vor allem auf einen kleinen Bereich konzentriert sind.<br />
Im Vergleich der Variante II zur Variante I sind die richtungsoptimierten Punkte weniger<br />
eng um die Achsen angeordnet <strong>und</strong> weisen eine vergleichbar günstigere Variogramm-<br />
klassenbelegung auf. Da in der Variante II die Punkte weiter über die Fläche verteilt sind,<br />
ergeben sich bei den zufällig gewählten Punkten mehr Punktpaare innerhalb der Klasse 11.<br />
Somit wird eine Verteilung erreicht, bei der die Anzahl der Punktpaare pro Klasse bis zu<br />
Klasse 11 zunimmt <strong>und</strong> anschließend wieder abnimmt. Im Vergleich dazu sind die<br />
Punktpaare bei der Variante I in den Klassen 7 bis 12 gleichmäßiger verteilt. Trotz der<br />
ungünstigeren Belegung der Variogrammklassen bei der Kombination aller gewählten<br />
Punkte sollte Variante II zu Gunsten der eindeutig besseren Flächenrepräsentanz verwendet<br />
werden.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
6. Messergebnisse <strong>und</strong> Diskussion 42<br />
6. Messergebnisse <strong>und</strong> Diskussion<br />
6.1. Zeitliche Betrachtung der Messergebnisse<br />
Es wurden insgesamt an 80 Punkten Bodenfeuchtemessungen mit 10 Sonden über 8 Peri-<br />
oden (Tabelle 6-1) durchgeführt. Eine Periode umfasste eine Länge von 14 Tagen.<br />
Ausgewählte Ergebnisse von drei Perioden sollen zunächst exemplarisch betrachtet werden<br />
<strong>und</strong> sind in Abbildung 6-1 dargestellt. Die Messergebnisse aller Perioden sind im Anhang<br />
zu finden.<br />
Tabelle 6-1: Start- <strong>und</strong> Endzeitpunkte der einzelnen Perioden<br />
Periode Startzeitpunkt Endzeitpunkt<br />
1 03.08.07 18:00 17.08.07 09:00<br />
2 17.08.07 10:00 31.08.07 12:00<br />
3 31.08.07 13:00 14.09.07 11:00<br />
4 14.09.07 12:00 28.09.07 12:00<br />
5 28.09.07 13:00 12.10.07 11:00<br />
6 12.10.07 12:00 26.10.07 11:00<br />
7 26.10.07 13:00 09.11.07 10:00<br />
8 09.11.07 12:00 23.11.07 12:00<br />
Es wird ersichtlich, dass die Bodenfeuchten an fast allen Messpunkten innerhalb einer<br />
Periode einen näherungsweise simultanen Verlauf zeigen. Die Reaktionen auf die einzelnen<br />
Niederschlagsereignisse sind deutlich zu erkennen. Sogar die Ereignisse am Anfang der<br />
Periode 5 mit einer maximalen Niederschlagsintensität von 1,4 mm/h spiegeln sich<br />
vereinzelt im Gang der Bodenfeuchte wieder. Die Bodenfeuchte reagiert bei geringer<br />
Vorfeuchte leicht verzögert <strong>und</strong> bei erhöhter unmittelbar auf die stärkeren Niederschläge.<br />
Die beiden FDR-Sonden zeigen gedämpftere Reaktionen <strong>und</strong> reagieren z.T. später als die<br />
TDR-Sonden auf die Niederschlagsereignisse. Dies war zu erwarten, da die FDR-Sonden<br />
ca. 15 cm tiefer installiert sind als die TDR-Sonden <strong>und</strong> meteorologische Einflüsse auf die<br />
Bodenfeuchte mit zunehmender Tiefe gedämpft werden. Dennoch spiegeln auch sie den<br />
zeitlichen Trend, der für alle Kurven einer Periode typisch ist, wider.<br />
Einige Punkte zeigen einen von den meisten Punkten abweichenden Kurvenverlauf. Sie<br />
weisen eine durchschnittliche Bodenfeuchte im oder oberhalb des Bereiches der Feldkapazität<br />
auf. Diese liegt für mittelsandigen Lehm, mit einer sehr geringen bis geringen<br />
Trockenrohdichte, bei 39 Vol.-% (AG BODEN, 2005, S.344).<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
6. Messergebnisse <strong>und</strong> Diskussion 43<br />
Abbildung 6-1: Gemessene Bodenfeuchten der Perioden 3, 5 <strong>und</strong> 7 in Zusammenhang mit<br />
Niederschlag, Temperatur <strong>und</strong> den kontinuierlichen Bodenfeuchtemessungen<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
6. Messergebnisse <strong>und</strong> Diskussion 44<br />
Es handelt sich dabei um Messpunkte in gesättigten Bereichen, die sich direkt im Bachlauf<br />
oder in unmittelbarer Nähe befinden. Kennzeichnend sind dafür die relativ konstanten<br />
Kurvenverläufe <strong>und</strong> eine nur sehr eingeschränkte Reaktion auf die Niederschlagsereignisse.<br />
In der Periode 7 ist eine überdeutliche Reaktion der Sonden 3 <strong>und</strong> 4 auf die Nieder-<br />
schlagsereignisse zu erkennen, vor allem in der Zeit zwischen 6.11. <strong>und</strong> 9.11.2007. Diese<br />
ist auf Einbaufehler zurückzuführen. Eine Sonde stieß auf einen Stein <strong>und</strong> beide Sonden<br />
konnten nur sehr schwer in dem lockeren Material installiert werden. Somit kann davon<br />
ausgegangen werden, dass sich Randspalten ausgebildet haben, in denen sich das<br />
abfließende Niederschlagswasser vermehrt um die Sondenstäbe sammelte. Dies<br />
verdeutlicht, dass auch am Signalverlauf Einbaufehler erkannt werden können, wenn es zu<br />
unnatürlichen Ansammlungen von Wasser kommt. Kontinuierliche Unterschätzungen auf<br />
Gr<strong>und</strong> von einbaubedingten Abständen der Wellenleiter zu dem umgebenden Material, wie<br />
sie bei WILPERT et al. (1998) beschrieben werden, lassen sich hingegen nur schwer<br />
identifizieren. Da es sich um kontinuierliche Fehler handelt <strong>und</strong> bei jeder Sonde ähnliche<br />
Fehler auftreten, sollten die Unterschiede der Bodenfeuchten der Messpunkte untereinander<br />
vergleichbar bleiben.<br />
In allen Perioden, außer der ersten, liegt die niedrigste gemessene Bodenfeuchte (Tabelle<br />
6-2) unterhalb des Totwassergehaltes, welcher von der AG BODEN (2005, S.344) für<br />
mittelsandigen Lehm mit einer sehr geringen bis geringen Trockenrohdichte mit 18 Vol.-%<br />
angegeben wird. Bei diesen Angaben ist jedoch der Skelettgehalt nicht mit berücksichtigt.<br />
Unter Beachtung des Skelettgehaltes von bis zu 65 Vol.-% sollte der Totwassergehalt<br />
deutlich niedriger liegen. Da es sich außerdem um die obersten 15 cm handelt, die einer<br />
ständigen Evaporation ausgesetzt sind, können diese niedrigen gemessenen Wassergehalte<br />
als durchaus typisch für die ungesättigten Bereiche dieses Standortes angesehen werden.<br />
Die Periode 5 ist der Zeitraum mit der geringsten Niederschlagssumme (4mm). Sie gehört<br />
somit auch zu den Perioden in denen die geringste Bodenfeuchte von r<strong>und</strong> 10 Vol.-%<br />
gemessen wurde. Erstaunlich ist es, dass auch der maximale Bodenwassergehalt von<br />
52 Vol.-% des gesamten Untersuchungszeitraumes in dieser Periode erfasst wurde. Somit<br />
ergibt sich eine Spannweite von 42 Vol.-% zwischen minimalen <strong>und</strong> maximalen Wert. Die<br />
mittlere Spannweite von Messwerten des gleichen Zeitpunktes liegt bei 37 Vol.-%. Die<br />
größte Bodenfeuchte wurde mit der Sonde 6 (Punkt 46) gemessen, die Lage kann aus der<br />
Abbildung 6-5 entnommen werden. Da sich der Punkt nicht direkt im Bachverlauf befindet,<br />
ist zu vermuten, dass in diesem Bereich laterale Flüsse auftreten, die diese hohe Feuchte<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
6. Messergebnisse <strong>und</strong> Diskussion 45<br />
verursachen <strong>und</strong> die im zweiten Teil der Periode den leichten Anstieg hervorrufen.<br />
Möglicherweise befindet sich die Sonde zusätzlich in einer lokalen Anreicherung von<br />
organischem Material, was den kontinuierlich höheren Wert erklären würde. Unter Um-<br />
ständen existieren auch nur in dem Bereich der Sondenstäbe kleine Hohlräume, in denen<br />
sich das Wasser sammelt <strong>und</strong> es so zu einer Überschätzung des Wassergehaltes kommt.<br />
Die maximalen Werte in den Perioden (Tabelle 6-2) bewegen sich mit 40 bis 51 Vol.-%<br />
alle oberhalb der Feldkapazität <strong>und</strong> können den Punkten der gesättigten Bereiche zugeordnet<br />
werden. Die Messwerte haben in den einzelnen Perioden eine Spannweite von 29 bis<br />
42 Vol.-% <strong>und</strong> im Mittel der Perioden zum gleichen Zeitpunkt 11 bis 37 Vol.-%. Die<br />
mittlere Bodenfeuchte der Perioden liegen zwischen 20 <strong>und</strong> 29 Vol.-%. Dabei wird<br />
deutlich, dass die Mittelwerte sehr stark von den jeweils untersuchten Punkten abhängen.<br />
Normalerweise wäre der kleinste Mittelwert in der Periode mit den geringsten Niederschlägen<br />
(Periode 5) zu erwarten gewesen. Durch den Messpunkt 46 mit seinen kontinuierlich<br />
hohen Werten wird aber der gesamte Mittelwert der Periode 5 angehoben.<br />
Tabelle 6-2: Statistische Kennwerte <strong>und</strong> Niederschlagssumme der einzelnen Perioden<br />
Perioden 1 2 3 4 5 6 7 8<br />
Min* Θ [Vol.-%] 19 14 10 10 10 11 13 14<br />
Max* Θ [Vol.-%] 45 46 51 46 52 40 42 48<br />
Spannweite* Θ [Vol.-%] 26 32 41 36 42 29 29 34<br />
Spannweite** Θ [Vol.-%] 21 22 37 32 37 20 11 28<br />
Standardabweichung** Θ [Vol.-%] 8 7 10 9 10 6 4 8<br />
Mittelwert* Θ [Vol.-%] 29 25 25 22 24 20 19 25<br />
Niederschlagssumme [mm]<br />
* Ermittelt aus allen Werten der Periode<br />
101 45 48 58 4 15 29 81<br />
** Ermittelt zu jedem Zeitpunkt aus den 10 Sonden <strong>und</strong> anschließend über die Periode gemittelt<br />
6.2. Räumliche Betrachtungen der Messergebnisse<br />
Für die Untersuchung der räumlichen Effekte wurden an jedem Messpunkt Mittelwerte<br />
über die Zeit der jeweiligen Periode gebildet. Diese Werte können jedoch nicht direkt<br />
miteinander verglichen werden, da sie noch die zeitliche Variabilität der verschiedenen<br />
Perioden beinhalten. Um diesen zeitlichen Effekt zu entfernen, wurden von diesen Werten<br />
die Mittelwerte der kontinuierlichen Messreihe in der Lichtung (FDR-Li) für jede Periode<br />
subtrahiert. Die erhaltenen Ergebnisse wurden anschließend zur besseren<br />
Veranschaulichung im Niveau so angehoben, dass der kleinste Wert im Ergebnis, dem<br />
kleinsten mittleren gemessenen Wert vor der Zeitkorrektur entspricht. Mit diesen Daten<br />
wurde das Semivariogramm in Abbildung 6-2 erstellt. Alle Abstandsklassen (Tabelle 5-3),<br />
für die die Semivarianz berechnet wurde, sind ausreichend mit Punktpaaren belegt, wie es<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
6. Messergebnisse <strong>und</strong> Diskussion 46<br />
in Abbildung 6-2 ersichtlich wird. Die minimal belegte Klasse 1 ist mit 35 Paaren belegt<br />
<strong>und</strong> erfüllt somit das Kriterium der Mindestbelegung mit 30 Abständen. Am stärksten<br />
belegt ist die Klasse 9 mit 933 Punktpaaren.<br />
Abbildung 6-2: (Links:) Empirische Semivariogrammdaten <strong>und</strong> theoretisch angepasstes Semivariogramm<br />
der zeitlich korrigierten Mittelwerte der einzelnen Messpunkte. (Rechts:) Belegung der<br />
Abstandsklassen (Tabelle 5-3), für welche die Semivarianz berechnet wurde.<br />
An den empirischen Semivariogrammdaten wird ersichtlich, dass selbst geringe Distanzen<br />
bis zu 30 cm eine mittlere Semivarianz von ca. 6 Vol.-%² aufweisen. Daraus lässt sich<br />
ableiten, dass sich Punktpaare mit einem Abstand zwischen 0 bis 30 cm im Mittel um r<strong>und</strong><br />
4 Vol.-% unterscheiden. Die maximale Semivarianz ergibt sich für die Abstandsklasse 10<br />
mit einem Wert von 92 Vol.-%². Aus diesem Wert kann man bestimmen, dass Punktpaare<br />
mit einer Distanz zwischen 14,8 bis 21,2 m im Mittel r<strong>und</strong> um 14 Vol.-% voneinander<br />
differieren.<br />
An die empirischen Semivariogrammdaten wurde als theoretisches Semivariogramm ein<br />
sphärisches Modell angepasst. Dieses Modell ist gekennzeichnet durch eine Nugget-<br />
Varianz von 11 Vol-%², einem Schwellenwert von 92 Vol.-%² <strong>und</strong> einer Korrelationsreichweite<br />
von 16 m. Die Korrelationsreichweite sagt aus, dass alle Punkte, die einen<br />
Abstand größer als 16 m voneinander entfernt sind, keinen Einfluss aufeinander haben.<br />
Somit ähnelt diese Reichweite sehr der des Skelettgehaltes im Conventwald, wie sie mit ca.<br />
18 m bei PUHLMANN et al. (2007) angegeben wird. Dies könnte als ein Anzeichen für den<br />
starken Einfluss des Skelettes, auf die Variabilität der Bodenfeuchte verstanden werden. Im<br />
Vergleich zu den Ergebnissen von WÖHRLE (2006) ist die große Reichweite jedoch<br />
erstaunlich. Bei WÖHRLE (2006) konnte für das Matrixpotential, welches über die<br />
Saugspannungs-Sättigungsbeziehung mit der Bodenfeuchte verknüpft ist, bei einer<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
6. Messergebnisse <strong>und</strong> Diskussion 47<br />
Maschenweite von einem Meter keine räumliche Korrelation gef<strong>und</strong>en werden. Dies führte<br />
zu der Vermutung, dass die Reichweite nicht viel größer als ein Meter sein sollte, weshalb<br />
in dieser Untersuchung extra kleine Abstandklassen verwendet wurden. Dass eine so viel<br />
größere Reichweite als angenommen gef<strong>und</strong>en wurde, kann an zwei Dingen liegen: Zum<br />
Einen ist es sehr wahrscheinlich, dass sich bei dem hohen Skelettgehalt <strong>und</strong> der<br />
Heterogenität des Porenraumes für jeden Messpunkt eine andere Saugspannungs-<br />
Sättigungsbeziehung ergibt, weshalb die Reichweit der Bodenfeucht durchaus eine andere<br />
als die des Matrixpotentials sein kann. Zum anderen entstehen durch den Bachlauf eine<br />
Anisotropie. Diese stört die dem Variogrammmodell zu Gr<strong>und</strong>e liegende Annahme eines<br />
homogenen <strong>und</strong> isotropen Zufallsfeldes (STOYAN et al., 1997). Weiter deutet die Varianz<br />
des Messfeldes mit 65 Vol.-%² auf eine Anisotropie hin, da sie im Idealfall gleich dem<br />
Schwellenwert des Variogrammes sein sollte (STOYAN et al., 1997). Um den Einfluss der<br />
Anisotropie zu untersuchen, wurde ein weiteres Variogramm ohne die sechs Messpunkte<br />
mit Messwerten oberhalb der Feldkapazität (39 Vol.-%) erstellt (Abbildung 6-3).<br />
Abbildung 6-3: (Links:) Empirische Semivariogrammdaten <strong>und</strong> theoretisch angepasstes Semivariogramm<br />
der zeitlich korrigierten Mittelwerte der einzelnen Messpunkte ohne Messpunkte mit<br />
Messwerten oberhalb der Feldkapazität (39 Vol.-%). (Rechts:) Belegung der Abstandsklassen (Tabelle<br />
5-3), für welche die Semivarianz berechnet wurde.<br />
Es zeigt sich, dass sich der Schwellenwert auf 42 Vol.-%² ca. halbiert <strong>und</strong> sich die Korre-<br />
lationsweite auf 14 m reduziert. Dies verdeutlicht, wie stark der Einfluss dieser sechs<br />
Extremwerte auf die Erstellung des Semivariogramms ist. Obwohl diese Werte nicht in die<br />
Erstellung einbezogen wurden, bleibt der Einfluss der Anisotropie bestehen. Dies ist wieder<br />
an dem Unterschied zwischen der Feldsteuung (32 Vol.-%²) der Messwerte <strong>und</strong> dem<br />
Schwellenwert (42 Vol.-%²) zu erkennen. Somit bleibt die Annahme bestehen, dass die<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
6. Messergebnisse <strong>und</strong> Diskussion 48<br />
„wahre Reichweite“ der Bodenfeuchte kleiner ist <strong>und</strong> nur durch den starken Einfluss des<br />
Bachverlaufes überprägt wird, da sich von ihm ausgehend ein Feuchtigkeitsgradient durch<br />
die Messfläche zieht.<br />
Um die Untersuchungen an einem möglichst isotropen <strong>und</strong> homogenen Zufallsfeld<br />
durchführen zu können, wurde der Trend, welcher durch den Bach verursacht wird, er-<br />
mittelt <strong>und</strong> abgezogen. Dazu erfolgte die Projektion aller Messpunkte auf eine Ebene<br />
welche senkrecht zur Fließrichtung steht (Abbildung 6-4 (1)).<br />
Abbildung 6-4: (1) Ermittlung der Trendfunktion aus den zeitlich korrigierten Bodenfeuchtedaten<br />
projiziert auf eine Ebene senkrecht zur Fließrichtung. Null markiert den Messflächenmittelpunkt. (2)<br />
Reststreuung der Residuen (Bodenfeuchte nach Abzug der Trendfunktion) auf der Projektionsebene.<br />
Null markiert den Messflächenmittelpunkt. (3) Reststreuung der Residuen dargestellt in der Ebene der<br />
Messfläche. (4) Semivariogramm der Residuen.<br />
In Abbildung 6-4 (1) wird der Trend deutlich sichtbar, der die Anisotropie verursachte.<br />
Nach Abzug des Trends sind weder auf der Projektionsebene Abbildung 6-4 (2) noch im<br />
Raum auf der Messfläche Abbildung 6-4 (3) eindeutige Trends ersichtlich. Anhand dieser<br />
bereinigten Daten erfolgte wieder die Erstellung eines Semivariogrammes (Abbildung 6-4<br />
(4)) mit den bekannten Klassen (Tabelle 5-3) <strong>und</strong> einer Klassenbelegung entsprechend<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
6. Messergebnisse <strong>und</strong> Diskussion 49<br />
Abbildung 6-2 . Die Feldstreuung liegt bei r<strong>und</strong> 28 Vol.-%². Das bedeutet, dass sich der<br />
Schwellenwert in diesem Bereich befinden sollte. Die empirischen Semivariogrammdaten<br />
überschreiten diesen Wert bereits bei 2,7 m mit 29 Vol.-%². Schon bei 0,5 m wird eine sehr<br />
hohe Semivarianz mit 25,5 Vol.-%² erreicht. Dies zeigt, dass die Varianz der Bodenfeuchte<br />
ohne Anisotropie bereits im Bereich von einem Meter den Schwellenwert erreichen kann<br />
<strong>und</strong> deshalb Distanzklassen kleiner als ein Meter unbedingt erforderlich sind, wenn die<br />
kleinräumige Variabilität untersucht werden soll. Da das empirische Semivariogramm in<br />
den Abständen bis fünf Meter sehr unruhig ist, liegt die Reichweite in diesem Fall oberhalb<br />
von einem Meter.<br />
An die empirischen Daten wurde ein Gauß’sches Semivariogrammmodell angepasst.<br />
Dieses Modell ist gekennzeichnet durch eine Nugget-Varianz von 13 Vol-%², einem<br />
Schwellenwert von 28 Vol.-%² <strong>und</strong> einer Korrelationsreichweite von 5,6 m. Der<br />
Schwellenwert entspricht somit der Feldstreuung, was für eine gute Anpassung steht.<br />
Messpunkte mit einem Abstand größer oder gleich 5,6 m unterscheiden sich demzufolge im<br />
Mittel ohne Anisotropien um 7,5 Vol.-%. Im Vergleich dazu weichen die Punkte in<br />
unmittelbarer Nachbarschaft im Mittel nur um 5 Vol.-% voneinander ab. Die geringe<br />
Differenz von 2,5 Vol.-% zwischen dem Unterschied der Punkte bei minimalem <strong>und</strong><br />
maximalen Abstand zueinander, zeigt wie stark die Varianz im gesamten Raum <strong>und</strong> sogar<br />
im kleinen Raum ist.<br />
Die mit 5,6 m bestimmte Reichweite des theoretischen Semivariogramms ist fast doppelt so<br />
groß wie die Entfernung, bei der im empirischen Semivariogramm das erste Mal der<br />
Schwellenwert erreicht wird. Dies entsteht bei der Modellanpassung, durch die großen<br />
Schwankungen der empirischen Semivarianzen. Die Schwankungen deuten auf<br />
Unsicherheiten hin. Um die „wahre Reichweite“ eines skelettreichen Waldbodens zu<br />
ermitteln, sollten Untersuchung an einem rein terrestrisch geprägten Boden durchgeführt<br />
werden. Ein Vergleich mit Reichweiten aus der Literatur ist sehr schwierig. Die Reichweite<br />
für Bodenfeucht in der Literatur liegt zwischen 0,7 bis 650 m (BROCCA et al., 2006). Das<br />
Ergebnis der Untersuchungen ist immer abhängig von der Größe der Untersuchungsfläche<br />
<strong>und</strong> der Beprobungsdichte (BROCCA et al., 2006). Es konnte leider keine Studie mit<br />
ähnlicher Auflösung <strong>und</strong> vergleichbaren Rahmenbedingungen gef<strong>und</strong>en werden. Die<br />
meisten beschränken sich auf größer Auflösungen, da geringe Distanzen laut BROCCA et al.<br />
(2006) für hydrologische Anwendungen nicht von Interesse sind.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
6. Messergebnisse <strong>und</strong> Diskussion 50<br />
Eine gesonderte Betrachtung mit Messwerten ohne den Einfluss des Baches durch Ab-<br />
trennung aller Messwerte mit Bacheinfluss, war bei der geringen Punktanzahl leider nicht<br />
möglich. Eine weitere Untersuchung der Anisotropie mit direktionalen Semivariogrammen<br />
konnte ebenfalls nicht durchgeführt werden, da sich bei einer Auftrennung in die<br />
Raumrichtungen zu wenige Punktpaare in verschiedenen Abstandsklassen ergaben. Es wäre<br />
zu erwarten gewesen, dass sich deutliche Unterschiede zwischen Semivariogrammen mit<br />
Punktpaaren senkrecht zum Bach <strong>und</strong> parallel zu ihm ergeben. Es ist zu vermuten, dass das<br />
Semivariogramm mit Punktpaaren parallel zum Bach eine kleinere Reichweite <strong>und</strong> einen<br />
niedrigeren Schwellenwert hätte als das mit Punktpaaren senkrecht zum Bach, wenn der<br />
räumliche Trend nicht entfernt wird.<br />
Die Abschätzung der räumlichen Feuchteverteilung (Abbildung 6-5) auf der Messfläche<br />
erfolgte in zwei Schritten. Als erstes wurden die Residuen der Messpunkte mit Kriging in<br />
die Fläche übertragen.<br />
Abbildung 6-5: Karte der geschätzten Bodenfeuchteverteilung auf der Messfläche mit Messpunkten,<br />
Bäumen <strong>und</strong> dem Standort des Bodenprofils. (Die Zeitkorrektur der Messwerte wurde mit Bezug auf<br />
die gemessene Feuchte von FDR-LI berechnet.)<br />
Das Kriging wurde unter Verwendung des Semivariogramms aus Abbildung 6-4 (4)<br />
durchgeführt. Im zweiten Schritt wurde der dem Raum zu Gr<strong>und</strong>e liegendene Trend dazu<br />
addiert. Das Ergebnis in der Abbildung 6-5 zeigt, dass der Einfluss des Baches gut wieder<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
6. Messergebnisse <strong>und</strong> Diskussion 51<br />
gegeben werden konnte. Die Karte spiegelt sehr gut die Verhältnisse, wie sie im Gelände<br />
beobachtet werden konnten, wieder. Besondere Strukturen, welche durch Bäume verursacht<br />
werden, sind nicht zu erkennen.<br />
Der größte Faktor, welcher das Feuchtigkeitsmuster beeinflusst, sollte das Relief sein. Es<br />
wäre sinnvoll, die Daten in dieser Richtung weiter zu untersuchen <strong>und</strong> die Regionalisierung<br />
mit Geländedaten zu verknüpfen.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 52<br />
7. Modellierung<br />
7.1. Vorgehensweise<br />
Ziel der Modellierung sollte es sein, Beziehungen zwischen der Bodenfeuchte <strong>und</strong> den<br />
Globalvariablen (Temperatur, Luftfeuchte, Globalstrahlung <strong>und</strong> Niederschlag) zu finden<br />
<strong>und</strong> den Zusammenhang zu erklären. Diese Erkenntnisse sollten zur Modellierung des<br />
globalen Trends, dem die Bodenfeuchte in der Messfläche unterliegt, dienen.<br />
Da für die Ermittlung solcher Beziehungen Zeitreihen von mehreren Jahren nötig sind,<br />
wurden diese Betrachtungen an den Messwerten der kontinuierlich messenden FDR-Sonde<br />
im Lichtungsbereich (FDR-Li in Abbildung 3-3) in 30 cm Bodentiefe durchgeführt. Die<br />
Untersuchungen erfolgten an Daten mit stündlicher <strong>und</strong> täglicher Auflösung.<br />
Die Daten in stündlicher Auflösung konnten, wie bereits in Kapitel 3.2 beschrieben, nicht<br />
zu einer lückenlosen Zeitreihe ergänzt werden. Deshalb erfolgten die Untersuchungen an<br />
allen Zeitreihenabschnitten, die mehr als 90 Tage zusammenhängend waren. Es ergaben<br />
sich dabei die acht Zeitreihenabschnitte, welche in Tabelle 7-1 zusammengestellt sind.<br />
Tabelle 7-1: Übersicht der zusammenhängenden Zeitreihenabschnitte, die bei der Zeitreihenanalyse<br />
in St<strong>und</strong>enschritten untersucht wurden<br />
Abschnittsbeginn Abschnittsende Abschnittslänge [Tage]<br />
03.11.2001 00:00 11.02.2002 13:00 100,58<br />
28.02.2002 04:00 17.06.2002 08:00 109,21<br />
09.09.2002 14:00 27.03.2003 16:00 199,12<br />
17.06.2003 13:00 06.02.2004 13:00 234,04<br />
06.02.2004 15:00 23.06.2004 14:00 138,00<br />
23.06.2004 16:00 27.09.2004 11:00 95,83<br />
04.10.2004 12:00 20.09.2005 14:00 351,13<br />
29.05.2006 15:00 02.11.2006 23:00 157,38<br />
Die Daten in Tagesschritten waren nach der Aufbereitung, wie sie im Kapitel 3.2 beschrieben<br />
ist, in einer zusammenhängenden Zeitreihe vom 01.11.2000 bis 31.10.2006 verfügbar<br />
(Abbildungen der kompletten Zeitreihen sind im Anhang zu finden). Dem Einfluss des<br />
Trockenjahres wurde Rechnung getragen, indem zusätzlich der Zeitraum 01.11.2000 bis<br />
31.10.2002 <strong>und</strong> 01.02.2004 bis 31.01.2006 separat untersucht wurden. Für die<br />
Betrachtungen an den Tageswerten wurden ergänzend zu den gemessenen Klimadaten die<br />
Verdunstung berechnet <strong>und</strong> Bilanzen erstellt. Die potentielle Evapotranspiration für das<br />
Gebiet wurde nach dem Berechnungsverfahren von Turc Ivanov (Formel 13) geschätzt<br />
(ARCEGMO, 2008).<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 53<br />
T ( t)<br />
ETP<br />
( t)<br />
= 0,<br />
0031*<br />
Ω * ( RG<br />
( t)<br />
+ 209,<br />
4)<br />
* ( für T ( t)<br />
≥ 5°<br />
C)<br />
T ( t)<br />
+ 15<br />
ET ( t)<br />
= 0,<br />
000036 * ( 25 + T ( t))<br />
U ( t)...<br />
relative Luftfeuchte<br />
[%]<br />
* ( 100<br />
2<br />
R ... Globalstrahlung<br />
[ J /( cm * d)]<br />
G<br />
P<br />
−U<br />
( t))<br />
T ( t)...<br />
Tagesmittel<br />
der Lufttemperatur<br />
[ ° C]<br />
2<br />
( für T ( t)<br />
< 5°<br />
C)<br />
Ω...<br />
monatsabhängiges<br />
Korrekturglied<br />
nach Glugla ( s.<br />
Tabelle)<br />
Tabelle 7-2: monatabhängiges Korrekturglied nach Glugla (ARCEGMO, 2008)<br />
Jan. Feb. März Apr. Mai Juni Juli Aug. Sep. Okt. Nov. Dez.<br />
Ω 0,7 0,9 0,95 1,1 1,3 1,2 1,1 1 0,9 0,8 0,8 0,7<br />
Formel 13<br />
Die Bodenfeuchte ist modellhaft gesehen das Resultat der Wasserspeicheränderungen in<br />
den betrachteten Bodenschichten. Im Prinzip müssten nur alle Wassereinträge <strong>und</strong> -verluste<br />
bilanziert werden. Um dies in erster Näherung zu untersuchen, wurden die klimatische<br />
Wasserbilanz (Formel 14) <strong>und</strong> die Gebietswasserbilanz (Formel 15) für jeden Tag<br />
berechnet. Die Bodenfeuchte stellt jedoch eigentlich das Integral der Änderungen dar,<br />
weshalb von der Gebietswasserbilanz zusätzlich die kumulative Summe errechnet wurde.<br />
Klimatische Wasserbilanz = Niederschlag - potentielle Evapotranspiration Formel 14<br />
Gebietswasserbilanz= Klimatische Wasserbilanz - Durchfluss Formel 15<br />
Um die Ähnlichkeiten der Zeitreihen zu ermitteln <strong>und</strong> die zeitliche Verschiebung der<br />
Einflüsse zu bestimmen, erfolgten verschiedene Kreuzkorrelationen. Diese wurden an den<br />
Originaldaten sowie an um den Trend <strong>und</strong> Jahresgang bereinigten Daten durchgeführt.<br />
Diese Bereinigung war erforderlich um auszuschließen, dass autokorrelative Effekte der<br />
Zeitreihen nur einen scheinbaren Zusammenhang vortäuschen. Außerdem bietet sich so die<br />
Möglichkeit den Zusammenhang der kleinen Varianzen der Zeitreihe zu untersuchen.<br />
Für die Bereinigung wurde zuerst der lineare Trend der Zeitreihe ermittelt <strong>und</strong> subtrahiert.<br />
Anschließend wurde mittels Fourier-Transformation der Jahresgang bestimmt <strong>und</strong><br />
abgezogen.<br />
Der Trend <strong>und</strong> der Jahresgang für die Messwerte mit stündlicher Auflösung wurden anhand<br />
von Daten ermittelt, in denen alle Lücken über lineare Interpolation geschlossen wurden.<br />
Da der Trend über den Gesamtzeitraum <strong>und</strong> der Jahresgang aus allen Jahren bestimmt<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 54<br />
werden, sind die interpolierten Zeitabschnitte im Verhältnis so gering, dass sie<br />
vernachlässigt werden können.<br />
Bei der Kreuzkorrelation wurden zuerst Korrelationen mit dem Korrelationskoeffizient<br />
nach Pearson durchgeführt. Da dieser eine Normalverteilung voraussetzt, wurden die Daten<br />
auf diese hin untersucht <strong>und</strong> wenn nötig so transformiert, dass sich eine bessere<br />
Normalverteilung ergab. Vor der Transformation war es erforderlich die Daten im Niveau<br />
so anzuheben, dass alle Werte größer Null sind. Die Niveaukorrektur erfolgte mit der<br />
Gleichung in Formel 16. Die angewendeten Transformationen sind in Tabelle 7-3 <strong>und</strong><br />
Tabelle 7-4 zusammengestellt.<br />
x = x + x + 1<br />
Formel 16<br />
*<br />
min<br />
Tabelle 7-3: Übersicht der Anpassungen zum Erreichen der Normalverteilung für die Daten in<br />
Tagesschritten<br />
Variable Aggregierung Transformation<br />
Original Daten Bereinigte Daten<br />
Niederschlag Summe der 3<br />
zurückliegenden<br />
Tage<br />
x ˆ = ln( x*<br />
)<br />
x ˆ = ln( x*<br />
)<br />
Lufttemperatur keine keine keine<br />
Luftfeuchte 0,<br />
5<br />
xˆ = ( x*<br />
) − ( x*<br />
max<br />
0,<br />
5<br />
− x*<br />
)<br />
0,<br />
5<br />
= ( x*<br />
) − (<br />
Globalstrahlung keine 0,<br />
4<br />
xˆ = ( x*<br />
) − ( x*<br />
max<br />
0,<br />
4<br />
− x*<br />
)<br />
0,<br />
5<br />
= ( x*<br />
) − (<br />
Bodenfeuchte keine keine keine<br />
xˆ x*<br />
max − x*<br />
)<br />
xˆ x − x )<br />
Tabelle 7-4: Übersicht der Anpassungen zum Erreichen der Normalverteilung für die Daten in<br />
St<strong>und</strong>enschritten<br />
Variable Aggregierung Transformation<br />
Original Daten Bereinigte Daten<br />
Niederschlag Summe der 48<br />
zurückliegenden<br />
St<strong>und</strong>en<br />
keine<br />
x ˆ = log10<br />
( x*<br />
)<br />
Lufttemperatur keine keine keine<br />
Luftfeuchte keine 0,<br />
5<br />
xˆ = ( x*<br />
) − ( x*<br />
max<br />
0,<br />
5<br />
− x*<br />
)<br />
Globalstrahlung Summe der 48<br />
zurückliegenden<br />
St<strong>und</strong>en<br />
keine 2<br />
x ˆ = ( x*)<br />
Bodenfeuchte keine keine keine<br />
Da sich die Anpassung an eine Normalverteilung sehr schwierig gestaltete, wurde bei den<br />
Daten mit stündlicher Auflösung auf eine Anpassung der Originaldaten verzichtet. Bei<br />
diesen Daten ergab sich weiter das Problem, dass selbst wenn alle bereinigten Daten aus<br />
dem gesamten Zeitraum 2001 bis 2006 nach der Transformation eine normalverteilungsähnliche<br />
Verteilung ergaben, die Verteilungen der einzelnen Zeitreihenabschnitte<br />
stark davon abwichen.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde<br />
* max<br />
*<br />
0,<br />
5<br />
0,<br />
5
7. Modellierung 55<br />
Da der Korrelationskoeffizient nach Pearson eine Normalverteilung der Daten benötigt,<br />
welche nur sehr eingeschränkt vorhanden war, <strong>und</strong> einen linearen Zusammenhang untersucht,<br />
wurden weitere Kreuzkorrelationen mit den verteilungsfreien Korrelationskoeffizienten<br />
nach Spearman <strong>und</strong> Kendall durchgeführt.<br />
Aus den Ergebnissen der Kreuzkorrelationen wurden die Verschiebungen der Zeitreihen<br />
zueinander ermittelt <strong>und</strong> unter Berücksichtigung dieser per „Multiple-Regressionen“ mit<br />
der stepwise Routine von Matlab Modelle erstellt.<br />
7.2. Ergebnisse der Zeitreihenanalyse von St<strong>und</strong>enwerten<br />
Die Analysen der St<strong>und</strong>enwerte ergaben sehr heterogene Ergebnisse, wobei die Mehrzahl<br />
der Korrelationskoeffizienten betragsmäßig unterhalb von 0,5 liegt, was einer Erklärung<br />
von 25 % der Varianz entsprechen würde. Es konnte dabei festgestellt werden, dass die<br />
Unterschiede zwischen transformierten <strong>und</strong> untransformierten Daten sehr minimal sind <strong>und</strong><br />
deshalb im Folgenden nur die untransformierten Daten betrachtet werden. Für die<br />
Erstellung der Übersicht in Tabelle 7-5 wurden Verschiebungen der Zeitreihen von ± 7<br />
Tagen betrachtet. Ergaben sich unplausibele Verschiebungen, wie positive Lags oder Lags<br />
kleiner als -100 St<strong>und</strong>en wurden diese aus der Betrachtung entfernt. Ein positiver Lag<br />
würde bedeuten, dass die Bodenfeuchte vor der Einflussgröße reagiert, was keinen Sinn<br />
ergibt. Aus den verbleibenden Ergebnissen je Globalvariable wurden die mittleren,<br />
minimalen <strong>und</strong> maximalen Korrelationskoeffizienten <strong>und</strong> Lags der jeweiligen<br />
Globalvariablen bestimmt. Die Anzahl gibt an, von wie vielen Zeitreihenabschnitten die<br />
Ergebnisse zur Ermittlung der Kennwerte verwendet wurden. Wenn alle Lags plausibel<br />
gewesen wären, hätten die Werte immer aus den Ergebnissen von 8 Zeitreihenabschnitten<br />
gebildet werden können.<br />
Es zeigt sich, dass die Ergebnisse der einzelnen Zeitreihenabschnitte, bei ein <strong>und</strong> derselben<br />
Globalvariablen, deutlichen Schwankungen unterliegen. Im Mittel unterscheiden sich die<br />
Koeffizienten bei einer betrachteten Größe um ca. 0,4 <strong>und</strong> die Lags um ca. 40 St<strong>und</strong>en. Die<br />
kleinsten Differenzen bei den Korrelationskoeffizienten weist die Globalstrahlung auf, aber<br />
auch zugleich die größten bei den Lags. Die größten Unterschiede bei den Koeffizienten<br />
finden sich bei der Luftfeuchte <strong>und</strong> der Lufttemperatur. Die Spannbreite der Lags der<br />
Temperatur <strong>und</strong> der Zweitagessumme des Niederschlages ist minimal. Diese<br />
Schwankungen zwischen Minimum <strong>und</strong> Maximum bei den Korrelationskoeffzienten <strong>und</strong><br />
den Lags zeigen an, wie stark der Zusammenhang von dem Verlauf des Abschnittes<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 56<br />
abhängig ist, <strong>und</strong> dass sich auf Gr<strong>und</strong> des geringen Zusammenhangs keine allgemeine<br />
Aussage finden lässt, die auf beliebige Abschnitte angewendet werden kann. Die Unter-<br />
schiedlichkeit der Ergebnisse der einzelnen Zeitreihenabschnitte ist bei den bereinigten<br />
Daten größer als bei den unbereinigten Daten, da bei den bereinigten Daten eine weitere<br />
gemeinsame Komponente fehlt.<br />
Tabelle 7-5: Übersicht der mittleren, minimalen <strong>und</strong> maximalen Korrelationskoeffizienten <strong>und</strong><br />
Lags. Die Lags sind in St<strong>und</strong>en angegeben. Ein negativer Lag bedeutet, dass die Globalvariable vor<br />
der Bodenfeuchte reagiert.<br />
Niederschlag Niederschlag Luftfeuchte Luft- Globalstrah- Globalstrah-<br />
( ∑ 48h)<br />
temperatur lung<br />
lung ( ∑ 48h)<br />
r Lag r Lag r Lag r Lag r Lag r Lag<br />
Korrelationen nach Pearson der Originaldaten<br />
Mittel 0,32 -5 0,64 0 0,44 -12 -0,48 -1 -0,20 -24 -0,48 -22<br />
Min 0,20 -13 0,52 -1 0,28 -24 -0,37 -2 -0,26 -47 -0,59 -84<br />
Max 0,43 -1 0,76 0 0,64 -2 -0,21 0 -0,11 -2 -0,34 -3<br />
Anzahl 7 5 7 3 6 5<br />
Korrelationen nach Pearson der bereinigten Daten<br />
Mittel 0,28 -4 0,56 0 0,42 -13 -0,38 -2 -0,16 -25 -0,49 -17<br />
Min 0,10 -13 0,29 -1 0,19 -23 -0,55 -3 -0,26 -47 -0,74 -94<br />
Max 0,44 -1 0,74 0 0,66 -2 -0,21 0 -0,10 -1 -0,40 -1<br />
Anzahl 8 6 8 6 7 7<br />
Korrelationen nach Spearman der Originaldaten<br />
Mittel 0,35 -16 0,63 -8 0,49 -20 -0,34 -10 -0,15 -24 -0,59 -29<br />
Min 0,22 -40 0,38 -23 0,34 -72 -0,67 -30 -0,19 -45 -0,67 -96<br />
Max 0,45 -6 0,79 0 0,71 -4 0,44 -1 -0,10 -5 -0,46 -5<br />
Anzahl 8 7 7 5 4 5<br />
Korrelationen nach Spearman der bereinigten Daten<br />
Mittel 0,53 -17 0,55 -8 0,45 -23 -0,30 -8 -0,19 -25 -0,50 -21<br />
Min 0,53 -17 0,32 -24 0,24 -73 -0,58 -30 -0,30 -46 -0,76 -94<br />
Max 0,53 -17 0,66 0 0,71 -4 0,15 -1 -0,08 -5 -0,30 -1<br />
Anzahl 1 7 8 7 5 8<br />
Korrelationen nach Kendall der Originaldaten<br />
Mittel 0,28 -16 0,47 -7 0,31 -23 -0,35 -6 -0,11 -24 -0,41 -27<br />
Min 0,18 -40 0,29 -23 0,10 -86 -0,49 -13 -0,13 -45 -0,47 -95<br />
Max 0,36 -5 0,61 0 0,51 -4 -0,28 -2 -0,07 -5 -0,32 -4<br />
Anzahl 8 7 8 3 4 5<br />
Korrelationen nach Kendall der bereinigten Daten<br />
Mittel 0,38 -17 0,39 -7 0,31 -22 -0,10 -7 0,05 -25 -0,34 -21<br />
Min 0,38 -17 0,22 -23 0,16 -73 -0,41 -28 -0,18 -46 -0,54 -96<br />
Max 0,38 -17 0,48 0 0,51 -4 0,39 -1 0,17 -5 -0,19 -1<br />
Anzahl 1 7 8 7 5 8<br />
Es ist festzustellen, dass die Korrelationskoeffizienten im Mittel bei der Globalstrahlung<br />
<strong>und</strong> Temperatur für die bereinigten Daten betragsmäßig größer sind als bei den unberei-<br />
nigten Daten. Für Niederschlag <strong>und</strong> Luftfeuchte verhält es sich genau entgegengesetzt. Dies<br />
kommt daher, da die Temperatur <strong>und</strong> die Globalstrahlung einen stark ausgeprägten<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 57<br />
Jahresgang im Vergleich zum Niederschlag, zur Luftfeuchte <strong>und</strong> zum Bodenwassergehalt<br />
haben. Somit wird der Zusammenhang zwischen der Bodenfeuchte <strong>und</strong> der Temperatur<br />
bzw. der Globalstrahlung nach Abzug des Jahresgangs größer.<br />
Die mittleren Korrelationskoeffizienten der verschiedenen Methoden (Pearson, Kendall<br />
<strong>und</strong> Spearman) unterscheiden sich bei einer Variablen natürlich voneinander. Es lässt sich<br />
jedoch erkennen, dass stets die Zweitagessummen des Niederschlages <strong>und</strong> der Globalstrahlung<br />
die betragsmäßig größte Korrelation aufweisen. Im Vergleich dazu hat immer die<br />
unaggregierte Globalstrahlung die geringste betragsmäßige Korrelation. Dies deutet darauf<br />
hin, dass sich bei einer Aggregierung die Korrelation erhöht. Unter den unaggregierten<br />
Größen zeigt die Luftfeuchte die betragsmäßige größte mittlere Korrelation. Die<br />
Bodenfeuchte reagiert offensichtlich im Schnitt ca. ein bis vier Tage nach der<br />
Globalstrahlung, unmittelbar bis ein oder zwei Tage verzögert auf den Niederschlag <strong>und</strong><br />
von wenigen St<strong>und</strong>en bis zu drei Tagen verzögert auf die Luftfeuchte. Diese verallgemeinerten<br />
Aussagen gelten aber nicht für jeden betrachteten Zeitreihenabschnitt, sondern<br />
geben nur eine Tendenz an. Bei diesen geringen Korrelationskoeffizienten, meist unter dem<br />
Betrag von 0,5, kann sich für die Betrachtung eines beliebigen Zeitreihenausschnittes ein<br />
anderes Bild ergeben.<br />
Da eine Aggregierung offensichtlich die Korrelation erhöht, sollen im Folgenden die<br />
Korrelationen an St<strong>und</strong>enwerten betrachtet werden.<br />
7.3. Ergebnisse der Zeitreihenanalyse von Tageswerten<br />
Es konnte auch bei den Tageswerten festgestellt werden, dass die Unterschiede zwischen<br />
transformierten <strong>und</strong> untransformierten Daten sehr minimal sind <strong>und</strong> deshalb im Folgenden<br />
nur die untransformierten Daten betrachtet werden. Die Ergebnisse der Kreuzkorrelationen<br />
sind in Tabelle 7-6 für den gesamten Zeitraum 01.02.2004 bis 31.01.2006, in Tabelle 7-7<br />
für den Abschnitt vor dem Trockenjahr 2003 <strong>und</strong> in Tabelle 7-8 für die Zeit nach 2003<br />
zusammengefasst.<br />
Es zeigt sich wieder das gleiche Phänomen wie bei den St<strong>und</strong>enwerten, dass die Globalvariablen<br />
mit ausgeprägtem Jahresgang (Temperatur <strong>und</strong> Globalstrahlung) bei den bereinigten<br />
Daten höhere Korrelationen aufweisen.<br />
Es ergeben sich für fast alle Globalvariablen in allen betrachteten Zeiträumen <strong>und</strong> bei den<br />
verschiedenen Korrelationskoeffizienten gleiche Lags. Die Bodenfeuchte reagiert immer<br />
direkt ohne Verzögerung auf die Temperatur <strong>und</strong> die kumulative Summe der<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 58<br />
Gebietswasserbilanz. Auf die Globalstrahlung, den Niederschlag, die Verdunstung, die<br />
klimatische Wasserbilanz <strong>und</strong> die Gebietswasserbilanz reagiert sie im allgemeinen einen<br />
Tag verzögert. Für den Durchfluss ergibt sich, dass er ein bis zwei Tage nach der<br />
Bodenfeuchte reagiert.<br />
Tabelle 7-6: Übersicht der Korrelationsergebnisse der Bodenfeuchte mit den Globalvariablen für<br />
den Zeitraum 01.11.2000 bis 31.10.2006. Ein negativer Lag bedeutet, dass die Globalvariable vor<br />
der Bodenfeuchte reagiert.<br />
Globalvariablen<br />
Pearson Kendall Spearman<br />
Original Bereinigt Original Bereinigt Original Bereinigt<br />
r Lag r Lag r Lag r Lag r Lag r Lag<br />
Temperatur -0,37 0 -0,25 0 -0,21 0 -0,14 0 -0,32 0 -0,21 0<br />
Luftfeuchte 0,40 -1 0,41 -1 0,25 -1 0,26 -1 0,37 -1 0,39 -1<br />
Globalstrahlung -0,37 -1 -0,35 -1 -0,23 -1 -0,24 -1 -0,35 -1 -0,35 -1<br />
Niederschlag 0,31 -1 0,36 -1 0,31 -1 0,25 -1 0,41 -1 0,36 -1<br />
Niederschlag (∑ 3d) 0,42 0 0,48 0 0,36 0 0,36 -1 0,49 -1 0,52 -1<br />
Durchfluss 0,44 1 0,38 1 0,42 2 0,34 2 0,58 2 0,50 2<br />
Verdunstung -0,39 -1 -0,37 -1 -0,23 -1 -0,25 -1 -0,34 -1 -0,36 -1<br />
klimatische<br />
Wasserbilanz<br />
Gebieteswasserbilanz<br />
Kumulierte Summe<br />
Der Gebieteswasserbilanz<br />
0,38 -1 0,39 -1 0,34 -1 0,29 -1 0,49 -1 0,42 -1<br />
0,28 -1 0,31 -1 0,21 -1 0,17 -1 0,30 -1 0,25 -1<br />
0,40 0 0,35 0 0,22 0 0,27 0 0,32 0 0,39 0<br />
Tabelle 7-7: Übersicht der Korrelationsergebnisse der Bodenfeuchte mit den Globalvariablen für<br />
den Zeitraum 01.11.2000 bis 31.10.2002. Ein negativer Lag bedeutet, dass die Globalvariable vor<br />
der Bodenfeuchte reagiert.<br />
Globalvariablen<br />
Pearson Kendall Spearman<br />
Original Bereinigt Original Bereinigt Original Bereinigt<br />
r Lag r Lag r Lag r Lag r Lag r Lag<br />
Temperatur -0,32 0 -0,39 0 -0,28 0 -0,20 0 -0,40 0 -0,29 0<br />
Luftfeuchte 0,54 -1 0,50 -1 0,36 -1 0,40 -1 0,52 -1 0,57 -1<br />
Globalstrahlung -0,53 -1 -0,49 -1 -0,34 -1 -0,37 -1 -0,49 -1 -0,52 -1<br />
Niederschlag 0,54 -1 0,49 -1 0,44 -1 0,38 -1 0,57 -1 0,54 -1<br />
Niederschlag (∑ 3d) 0,69 0 0,63 0 0,49 0 0,51 0 0,67 0 0,71 0<br />
Durchfluss 0,50 2 0,52 2 0,41 2 0,36 2 0,56 2 0,51 2<br />
Verdunstung -0,51 -1 -0,48 -1 -0,35 -1 -0,36 -1 -0,50 -1 -0,52 -1<br />
klimatische<br />
Wasserbilanz<br />
Gebieteswasserbilanz<br />
Kumulierte Summe<br />
Der Gebieteswasserbilanz<br />
0,58 -1 0,56 -1 0,50 -1 0,45 -1 0,68 -1 0,63 -1<br />
0,51 -1 0,48 -1 0,37 -1 0,32 -1 0,52 -1 0,48 -1<br />
0,00 0 0,24 0 0,00 0 0,15 0 0,00 0 0,22 0<br />
Die Korrelationen der gesamten Zeitreihe sind betragsmäßig geringer als in der be-<br />
trachteten Zeit vor 2003. Die Korrelationen des Zeitraumes nach 2003 sind durchschnittlich<br />
kleiner als die des kompletten Zeitraumes <strong>und</strong> des Abschnittes vor 2003. Die Zeitreihe vor<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 59<br />
2003 hat demzufolge im Vergleich zu den anderen betrachteten Zeitabschnitten die<br />
durchschnittlich höchste Korrelation. Dies zeigt, dass sich die Vorgänge während der<br />
langsamen Auffeuchtung des Gebietes nach 2003 schlechter mit den Globalvariablen<br />
erklären lassen, als wenn es sich um eine im Prinzip um einen konstanten Mittelwert<br />
schwankende Bodenfeuchte wie vor 2003 handelt.<br />
Tabelle 7-8: Übersicht der Korrelationsergebnisse der Bodenfeuchte mit den Globalvariablen für<br />
den Zeitraum 01.02.2004 bis 31.01.2006. Ein negativer Lag bedeutet, dass die Globalvariable vor<br />
der Bodenfeuchte reagiert.<br />
Globalvariablen<br />
Pearson Kendall Spearman<br />
Original Bereinigt Original Bereinigt Original Bereinigt<br />
r Lag r Lag r Lag r Lag r Lag r Lag<br />
Temperatur -0,22 0 -0,25 0 -0,13 0 -0,16 0 -0,21 0 -0,24 -1<br />
Luftfeuchte 0,29 -1 0,33 -1 0,18 -1 0,25 -1 0,26 -1 0,37 -1<br />
Globalstrahlung -0,31 -1 -0,29 -1 -0,18 -1 -0,19 -1 -0,28 -1 -0,28 -2<br />
Niederschlag 0,31 -1 0,39 -1 0,22 -1 0,27 -2 0,30 -1 0,40 -2<br />
Niederschlag (∑ 3d) 0,41 0 0,53 0 0,29 -1 0,41 -1 0,41 -1 0,60 -1<br />
Durchfluss 0,24 1 0,44 1 0,22 0 0,40 0 0,32 0 0,56 0<br />
Verdunstung -0,29 -1 -0,32 -1 -0,15 -1 -0,21 -1 -0,24 -1 -0,32 -1<br />
klimatische<br />
Wasserbilanz<br />
Gebieteswasserbilanz<br />
Kumulierte Summe<br />
Der Gebieteswasserbilanz<br />
0,35 -1 0,44 -1 0,25 -1 0,34 -1 0,36 -1 0,48 -1<br />
0,29 -1 0,35 -1 0,19 -1 0,22 -2 0,27 -2 0,32 -2<br />
0,30 0 0,37 0 0,19 0 0,24 0 0,26 0 0,35 0<br />
In Tabelle 7-9 sind für jeden betrachteten Zeitabschnitt die vier Globalvariablen zusam-<br />
mengestellt, die im Durchschnitt den stärksten Korrelationskoeffizienten aufweisen. Es<br />
wird deutlich, dass Niederschlag, klimatische Wasserbilanz <strong>und</strong> Luftfeuchte immer zu den<br />
am stärksten die Bodenfeuchte beeinflussenden Globalvariablen gehören. Dabei wird eine<br />
maximale Korrelation von betragsmäßig r<strong>und</strong> 0,7 erreicht, <strong>und</strong> oft ist sie niedriger. Dies<br />
entspricht einer maximalen Erklärung von 50 % der Varianz. Dass keine bessere Erklärung<br />
erreicht werden kann, liegt an dem besonderen Verlauf der Bodenfeuchte. Vor allem die<br />
Form des Kurvenverlaufs bei der Austrocknung des Bodens ist in keiner anderen der<br />
erklärenden Variablen zu finden.<br />
Tabelle 7-9: Zusammenstellung der vier Globalvariablen mit dem durchschnittlich größten<br />
Korrelationskoeffizienten<br />
Korrelationsstärke 01.11.2000 bis 31.10.2006 01.11.2000 bis 31.10.2002 01.02.2004 bis 31.01.2006<br />
stärker<br />
Durchfluss<br />
Niederschlag (∑ 3d)<br />
Niederschlag (∑ 3d)<br />
Klimatische Wasserbilanz<br />
Niederschlag (∑ 3d)<br />
Klimatische Wasserbilanz<br />
Klimatische Wasserbilanz Niederschlag Durchfluss<br />
schwächer Luftfeuchte Luftfeuchte Niederschlag<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 60<br />
Bei dem Vergleich von Niederschlag <strong>und</strong> Niederschlagssumme der zurückliegenden drei<br />
Tage zeigt sich, dass eine Aggregierung offensichtlich zu einer Verbesserung der<br />
Korrelation führt. Um festzustellen in welchem Maße dies gilt, wurde es an ausgewählten<br />
Globalvariablen untersucht. Dazu wurde jeweils der Mittelwert <strong>und</strong> bei dem Niederschlag<br />
die Summe der zurückliegenden 1 bis 20 Tage für jeden Zeitschritt gebildet (ein Tag<br />
bedeutet keine Aggregierung). Die Bodenfeuchte blieb bei dieser Untersuchung<br />
unaggregiert. Die Ergebnisse sind für die Korrelationsrechnungen mit dem Korrelationskoeffizienten<br />
nach Pearson <strong>und</strong> Spearman in der Abbildung 7-1 dargestellt.<br />
Abbildung 7-1: Verhalten des Bestimmtheitsmaßes (über die Korrelationskoeffizienten nach<br />
Pearson <strong>und</strong> Spearman berechnet) bei Aggregierung der Globalvariablen über 1 bis 20 Tage für<br />
die Zeitreihe vom 01.11.2000 bis 31.10.2006<br />
Es zeigt sich, dass eine deutliche Steigerung des Bestimmtheitsmaßes durch Aggregierung<br />
vor allem bei dem Niederschlag <strong>und</strong> der Luftfeuchte erreicht werden kann. Da bei<br />
Spearman die Normalverteilung unberücksichtigt bleiben kann, werden die Maxima von<br />
Spearman für die weiteren Betrachtungen verwendet. Der Niederschlag erreicht das<br />
Maximum bei der Niederschlagsumme der zurückliegenden sieben Tage <strong>und</strong> einem Lag<br />
von Null. Die Luftfeuchte erlangt den Höchstwert bei der Bildung des Mittelwertes der vier<br />
letzten Tage <strong>und</strong> einem Lag von Null. Die weiteren Verbesserungen sind im Vergleich zu<br />
Niederschlag <strong>und</strong> Luftfeuchte sehr gering, so dass für die Modellbildung nur die<br />
aggregierten Daten von Niederschlag <strong>und</strong> Luftfeuchte verwendet werden.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 61<br />
7.4. Modellierung mit den Erkenntnissen aus der Zeitreihenanalyse<br />
7.4.1. Beispielhafte Modellierung für die Zeiträume der Zeitreihenanalyse<br />
Die beispielhafte Modellierung wurde an den Daten der Sonde FDR-Li mit den gef<strong>und</strong>enen<br />
Lags aus der Zeitreihenanalyse <strong>und</strong> den festgestellten Aggregierungen durchgeführt. Um<br />
das beste Modell für die Bodenfeuchte zu finden, wurde die „Stepwise Regression“<br />
(Befehl: stepwise) von Matlab verwendet. Dieses Werkzeug ermöglicht es, ein multiples<br />
lineares Modell zu erstellen, indem schrittweise erklärende Variablen hinzugefügt bzw.<br />
entfernt werden. Es wurden pro Zeitabschnitt drei Modelle unter verschiedenen<br />
Gesichtspunkten erstellt.<br />
- Modell 1 (M1): Modellierung unter Verwendung von Temperatur, Luftfeuchte,<br />
Globalstrahlung, Niederschlag, Durchfluss <strong>und</strong> Verdunstung mit der Vorgabe,<br />
maximal vier Globalvariablen in dem endgültigen Modell zu verwenden.<br />
- Modell 2 (M2): Modellierung unter Verwendung aller Globalvariablen mit der<br />
Vorgabe, maximal vier davon in dem endgültigen Modell zu verwenden.<br />
- Modell 3 (M3): Modellierung unter Verwendung aller Globalvariablen mit dem<br />
Ziel, die optimale Anpassung zu finden.<br />
Für jeden Zeitabschnitt mussten gesonderte Modelle erstellt werden, um ein möglichst<br />
großes Bestimmtheitsmaß zu erreichen. Eine Übersicht, welche Variablen für welches<br />
Modell verwendet wurden, ist in Tabelle 7-10 zu finden.<br />
Tabelle 7-10: Übersicht, der für die Modellierung herangezogenen Variablen mit Angaben zur erreichten<br />
Modellgüte <strong>und</strong> des verwendeten Lags (in Tagen)<br />
Globalvariablen Lag 01.11.2000 bis 31.10.2006 01.11.2000 bis 31.10.2002 01.02.2004 bis 31.01.2006<br />
M1 M2 M3 M1 M2 M3 M1 M2 M3<br />
Temperatur 0 X X X X X<br />
Luftfeuchte (Ø 4d) 0 X X X X X X X<br />
Globalstrahlung -1 X X X X<br />
Niederschlag (∑ 7d) 0 X X X X X X X X X<br />
Durchfluss 1 X X X X X X<br />
Verdunstung -1<br />
klimatische Wasserbilanz<br />
-1 X X X X<br />
Gebietswasserbilanz -1 X<br />
Kumulierte<br />
Summe der<br />
Gebietswasserbilanz<br />
0 X X X X X<br />
r² 0,378 0,383 0,417 0,563 0,576 0,629 0,308 0,319 0,324<br />
RMSE 1,388 1,383 1,344 0,671 0,661 0,619 1,092 1,084 1,081<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 62<br />
Die Ergebnisse der Modellierung sind in Abbildung 7-2, Abbildung 7-4 <strong>und</strong> Abbildung<br />
7-3 dargestellt.<br />
Aus der Übersicht in Tabelle 7-10 wird ersichtlich, dass es nötig ist, für jeden betrachteten<br />
Zeitraum verschiedene erklärende Variablen auszuwählen, um eine optimale Anpassung zu<br />
erreichen. Werden die gleichen Variablen, die für einen Zeitraum als optimale Kombination<br />
gef<strong>und</strong>en wurden für das Modell eines anderen Zeitraumes angewendet, verschlechtert sich<br />
die Anpassung. Wenn man die Modelle M1 der einzelnen Zeitabschnitte untereinander<br />
verwendet, reduziert sich die Erklärung der Varianz der Bodenfeuchte durch das Modell<br />
um bis zu 3%.<br />
Abbildung 7-2: Originaldaten, Modell 1, Modell 2 <strong>und</strong> Modell 3 sowie die Abweichung der Modelle von<br />
den Originaldaten für den Zeitraum 01.11.2000 bis 31.10.2006<br />
Es zeigt sich wieder, dass der Niederschlag, die Luftfeuchte <strong>und</strong> der Durchfluss die<br />
wichtigsten erklärenden Größen sind. Die Verdunstung dagegen ist für kein Modell von<br />
Bedeutung. Würde sie nicht bei der Erstellung einiger Bilanzen, die einen Beitrag zur<br />
Verbesserung der Modelle bringen, verwendet werden, wäre ihre Berechnung nicht nötig.<br />
Werden alle Globalvariablen bei der Modellerstellung berücksichtigt, verbessert sich die<br />
Erklärung der Varianz der Bodenfeuchte durch das Modell um bis zu ca. 1 %. Werden<br />
mehr als vier Variablen in dem Modell zugelassen, erhöht sich die Erklärung der Varianz<br />
von Modell 1 zu Modell 3 um 2% bis 6%. Diese Verbesserungen sind jedoch nicht in den<br />
Abbildungen der Modelle <strong>und</strong> deren Fehlern (Abbildung 7-2, Abbildung 7-3, Abbildung<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 63<br />
7-4) zu erkennen. Die Fehler der Modelle liegen fast deckungsgleich übereinander <strong>und</strong><br />
weichen nur sehr minimal voneinander ab. Dies lässt den Schluss zu, dass es ausreichend<br />
ist, nur mit den Variablen Temperatur, Luftfeuchte, Globalstrahlung, Niederschlag <strong>und</strong><br />
Durchfluss in die Modellierung zu gehen, auch wenn dabei das Bestimmtheitsmaß etwas<br />
kleiner ist. Wird eine weitere Einbuße des Bestimmtheitsmaßes um bis zu 3%<br />
hingenommen, können alle Zeitabschnitte einheitlich mit der Globalstrahlung, dem<br />
Niederschlag <strong>und</strong> dem Durchfluss modelliert werden. Unter Verwendung dieser Größen<br />
ergäbe sich ein Bestimmtheitsmaß für den gesamten Zeitraum von 0,33 <strong>und</strong> für den<br />
Zeitraum vor dem Jahr 2003 von 0,55.<br />
Abbildung 7-3: Originaldaten, Modell 1, Modell 2 <strong>und</strong> Modell 3 sowie die Abweichung der Modelle von<br />
den Originaldaten für den Zeitraum 01.02.2004 bis 31.01.2006<br />
In der Abbildung 7-2 zeigt sich deutlich, dass der betragsmäßig größte Fehler im Jahr 2003<br />
entsteht. Das bedeutet, es können mit der bisher angewendeten Art <strong>und</strong> Weise der<br />
Modellierung nur gewisse Änderungen um eine Art Mittelwert der Zeitreihe nachgebildet<br />
werden. Dies zeigt sich auch in dem Verlauf des Fehlers. Vor dem Jahr 2003 wird die<br />
Bodenfeuchte größtenteils unterschätzt. Im Jahr der Austrocknung <strong>und</strong> bis 2005 wird sie<br />
eher überschätzt <strong>und</strong> anschließend wieder unterschätzt. Drastische Austrocknungsereignisse<br />
<strong>und</strong> die sich daran anschließenden Auffeuchtungsprozesse lassen sich nur<br />
unzufriedenstellend modellieren. Selbst wenn nur der Zeitraum nach 2003 modelliert wird,<br />
vor dem schon eine gewisse Auffeuchtung stattgef<strong>und</strong>en hat, erfolgt keine Nachbildung der<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 64<br />
weiteren langsam verlaufenden Auffeuchtung (Abbildung 7-3). Bis zu dem Erreichen eines<br />
mittleren Feuchteniveaus, ca. im ersten <strong>und</strong> zweiten Quartal 2005, wird die Bodenfeuchte<br />
überschätzt <strong>und</strong> anschließend unterschätzt.<br />
Bereits diese Betrachtungen zeigen, dass selbst der mittlere Gang der Bodenfeuchte ohne<br />
Beachtung der Varianz in kleinen Zeiträumen unzureichend mit linearen <strong>und</strong> rein statistisch<br />
basierenden Modellen nachgebildet werden kann.<br />
Ein nächster Schritt wäre es, die Modellierung mit nicht linearen Modellen durchzuführen<br />
bzw. ein neuronales Netz mit verschiedenen nichtlinearen Übertragungsfunktionen zu<br />
verwenden. Eine andere Möglichkeit wäre es, ein Modell zu erstellen, welches sich näher<br />
an dem Prozess der Bodenfeuchteänderung orientiert. Die Bodenfeuchteänderung kann<br />
modellhaft als eine Art Speicheränderung des Wassers in der betreffenden Bodenschicht<br />
angesehen werden. Diese Speicheränderung muss über die Wassereinträge <strong>und</strong> -verluste<br />
bilanziert werden. Dass dies nicht einfach nur über Niederschlag, Verdunstung <strong>und</strong><br />
Gebietsabfluss geschehen kann, zeigen die schlechten Korrelationskoeffizienten der<br />
Bilanzen <strong>und</strong> der kumulativen Gebietsbilanz. Es müssten dabei unter anderem die<br />
folgenden Fragen berücksichtigt werden:<br />
- Welche Menge an Niederschlag fließt in Abhängigkeit von der Vorfeuchte<br />
direkt ab? (Dies könnte über den Durchfluss durch eine Abtrennung des Basisabflusses<br />
ermittelt werden.)<br />
- Was fließt der betrachteten Bodenschicht lateral zu, was lateral ab?<br />
- Wie viel Sickerwasser fließt von der aufgelagerten Bodenschicht zu <strong>und</strong> an die<br />
darunterliegende Schicht ab?<br />
- Wie groß ist der Verlust durch kapillaren Aufstieg bei tieferen Schichten bzw.<br />
Verdunstung an der Oberfläche?<br />
- Wie viel Wasser wird durch Pflanzen entzogen?<br />
Je nachdem wie die einzelnen Fragen beantwortet werden können, würde sich ein besseres<br />
Modell ergeben. Entscheidend dabei ist, dass die Bodenfeuchte als eine Summe dieser<br />
Änderungen betrachtet wird. Es ist nicht ausreichend, alle diese Einflüsse an jedem<br />
Zeitpunkt zu bilanzieren, sondern sie müssen aufsummiert bzw. integriert werden.<br />
Würde es immerhin erreicht werden, mit Hilfe eines neuronalen Netzes oder eines prozessorientierterem<br />
Modells, den durchschnittlichen Gang der Bodenfeuchte zu beschreiben,<br />
bliebe noch das Problem der Varianz in den feineren Zeitschritten. Wie es in der Abbildung<br />
7-4 andeutungsweise zu sehen ist, sind dabei unter anderem die Austrocknungsäste der<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 65<br />
Bodenfeuchte problematisch bei der Nachbildung. Keine der gemessenen meteorologischen<br />
Messgrößen verfügt über einen derartigen Kurvenverlauf. Um die Ähnlichkeit der Äste<br />
untereinander zu untersuchen, wurden sie aus den Zeitreihen mit täglicher <strong>und</strong> stündlicher<br />
Auflösung separiert <strong>und</strong> in Abbildung 7-5 dargestellt.<br />
Abbildung 7-4: Originaldaten, Modell 1, Modell 2 <strong>und</strong> Modell 3 sowie die Abweichung der Modelle von<br />
den Originaldaten für den Zeitraum 01.11.2000 bis 31.10.2002<br />
Abbildung 7-5: Austrocknungsäste der Bodenfeuchte FDR-Li. Links sind sie aus den Tageswerten <strong>und</strong><br />
rechts aus den St<strong>und</strong>enwerten bestimmt.<br />
Vor allem bei den stündlichen Werten zeigt sich am Anfang des Feuchtigkeitsrückgangs<br />
eine exponentialartige Abnahme. Da alle Austrocknungsäste einen relativ ähnlichen<br />
Kurvenverlauf besitzen, bestünde die Möglichkeit, dies bei der Modellierung zu nutzen.<br />
Zunächst müsste der mittlere Gang der Bodenfeuchte über rein statistische Methoden<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 66<br />
modelliert werden. Anschließend könnte versucht werden, die Auffeuchtungen <strong>und</strong><br />
Austrocknungen darauf zu modellieren. Dazu könnte in Abhängigkeit von der Vorfeuchte<br />
bei einem Niederschlagsereignis ein Feuchtigkeitssprung generiert <strong>und</strong> eine entsprechende<br />
Austrocknungsfunktion angeschlossen werden.<br />
7.4.2. Modellierung des Zeitraumes der Messungen<br />
Um zu untersuchen, wie sich die Verwendung einer modellierten Bodenfeuchte auf die<br />
Regionalisierung auswirkt, wurde ein Modell für den Zeitraum der Messungen erstellt. Die<br />
Erstellung eines eigenen Modells war erforderlich, um eine möglichst optimale Anpassung<br />
zu erhalten, <strong>und</strong> weil der Durchfluss für diesen Zeitraum nicht komplett zur Verfügung<br />
stand. Mit der Niederschlagssumme der letzten 48 St<strong>und</strong>en <strong>und</strong> der durchschnittlichen<br />
Luftfeuchte der zurückliegenden 30 St<strong>und</strong>en konnte das Modell in der Formel 17 gef<strong>und</strong>en<br />
werden.<br />
Θ(<br />
t ) =<br />
0,<br />
073*<br />
48<br />
∑<br />
i=<br />
1<br />
P(<br />
t − i −1)<br />
+<br />
0,<br />
016 *<br />
30<br />
∑<br />
i=<br />
1<br />
U ( t − i −1)<br />
+<br />
30<br />
26,<br />
294<br />
Formel 17<br />
Es ist charakterisiert durch ein Bestimmtheitsmaß von 0,462 <strong>und</strong> einem RMSE von 1,036.<br />
Das Ergebnis der Modellierung ist in Abbildung 7-6 dargestellt. Es zeigt sich, dass wieder<br />
die Austrocknungsprozesse überschätzt <strong>und</strong> die Spitzen der Bodenfeuchte häufig<br />
unterschätzt werden.<br />
Trotz der unzureichenden Nachbildung der Bodenfeuchte durch das Modell soll untersucht<br />
werden, wie stark der Fehler im Raum ist, wenn statt der Bodenfeuchte von FDR-Li das<br />
Modell davon verwendet wird. Die Berechnung der Werte an jedem Messpunkt erfolgte<br />
wie es in dem Kapitel 6.2 beschrieben wird, nur mit dem Unterschied, dass das Modell der<br />
Bodenfeuchte zur Elimination der zeitlichen Variabilität genutzt wurde. Dadurch ergeben<br />
sich an den Messpunkten der jeweiligen Perioden Differenzen zwischen den nach beiden<br />
Wegen bestimmten Feuchtigkeitswerten (Tabelle 7-11). Der größte Unterschied ist in<br />
Periode 6 <strong>und</strong> 7 zu finden. Dies ist genau der Zeitraum, in dem das Modell die größte<br />
Abweichung zum Original hat. Da der Fehler kleiner als 2 Vol.-% ist, kann in der<br />
räumlichen Darstellung der Werte in Abbildung 7-7 kein Unterschied zwischen den beiden<br />
Varianten erkannt werden.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 67<br />
Abbildung 7-6: Originaldaten <strong>und</strong> Modell sowie die Abweichung des Modells von den Originaldaten<br />
für den Zeitraum 3.8.2007 bis 23.11.2007<br />
Tabelle 7-11: Differenz in den einzelnen Perioden zwischen den räumlichen Feuchtwerten bestimmt<br />
über die Bodenfeuchte FDR-Li <strong>und</strong> deren Modell<br />
Perioden 1 2 3 4 5 6 7 8<br />
Differenz [Vol.-%]<br />
(gemessen - Modell)<br />
0,42 0,61 -0,28 0,00 0,48 1,44 1,79 -0,65<br />
Um festzustellen, ob sich dieser geringe Fehler auf das Regionalisierungsergebnis auswirkt,<br />
wurde eine Regionalisierung mit den Werten, die mit der modellierten Bodenfeuchte<br />
bestimmt wurden, durchgeführt. Dazu wurden die gleichen Schritte wie für die Erstellung<br />
von Abbildung 6-5 verwendet. Es wurde der räumliche Trend ermittelt <strong>und</strong> ein<br />
Semivariogramm der Residuen erstellt. Das theoretische Semivariogramm ist fast identisch<br />
mit dem in Abbildung 6-4 (4). Es folgt dem Modell nach Gaus <strong>und</strong> hat einen<br />
Schwellenwert von 29 Vol.-%², eine Reichweite von 5 m sowie eine Nugget-Varianz von<br />
13 Vol-%². Mit diesem Semivariogramm wurde die Verteilung der Residuen im Raum per<br />
Kriging geschätzt <strong>und</strong> anschließend der räumliche Trend wieder dazu addiert. Das Ergebnis<br />
ist in der Abbildung 7-8 dargestellt.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 68<br />
Abbildung 7-7: Vergleich der räumlichen Bodenfeuchten, welche links mit der gemessenen Bodenfeuchte<br />
<strong>und</strong> rechts mit der modellierten Bodenfeuchte von der zeitlichen Varianz befreit wurden.<br />
Abbildung 7-8: Karte der geschätzten Bodenfeuchteverteilung auf der Messfläche mit Messpunkten,<br />
Bäumen <strong>und</strong> dem Standort des Bodenprofils. (Die Zeitkorrektur der Messwerte wurde mit Bezug auf<br />
die modellierte Feuchte von FDR-LI berechnet)<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 69<br />
Im Vergleich zu Abbildung 6-5 können einige Unterschiede festgestellt werden. Ein<br />
größerer Bereich im Nordosten <strong>und</strong> ein kleinerer im Südwesten erscheinen trockener. Der<br />
gesättigte Bereich bleibt dagegen unverändert. Wird die Differenz der beiden Karten<br />
gebildet, ergibt sich Abbildung 7-9. Sie zeigt deutlich, dass der größte Unterschied<br />
(4 Vol.-%) im Nordosten liegt.<br />
Abbildung 7-9: Differenzen zwischen den Karten der Bodenfeuchteverteilung (Karte mit gemessenen<br />
Bodenfeuchten korrigiert minus Karte mit modellierten Bodenfeuchten korrigiert)<br />
Dieser entsteht durch die Extrapolierung der Trendfunktion über die Messpunkte hinaus.<br />
Die weiteren Differenzen liegen in dem Wertebereich, wie sie zwischen den unter-<br />
schiedlich bereinigten Punkten bereits festgestellt wurden. Die weiteren deutlichen Unter-<br />
schiede entstehen eher durch die gewählte Breite der Farbklassen. Wenn Werte sich<br />
minimal ändern <strong>und</strong> dadurch zu einer anderen Klasse gehören, erscheint die Werte-<br />
verteilung sofort anders, obwohl kaum ein Fehler vorhanden ist. Würden die beiden Karten<br />
mit einem kontinuierlichen Farbverlauf für die Feuchten darstellt, könnten die Unterschiede<br />
zwischen den beiden Karten, mit Ausnahme der oberen rechten Ecke, nicht mehr erkannt<br />
werden, da sie zu minimal sind. Auch bei der Wahl größerer Klassen würde die Änderung<br />
abgepuffert. Somit ist es in diesem Fall für die Regionalisierung unwichtig, ob für die<br />
Werte die zeitliche Varianz über die gemessene Bodenfeuchte FDR-Li oder deren Modell<br />
eliminiert wird. Der dadurch entstehende Fehler von bis zu ca. 2 Vol.-% liegt im Bereich<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 70<br />
des Messfehlers der Bodenfeuchte <strong>und</strong> ist auch im Vergleich zu dem Fehler, der bei der<br />
Schätzung der nicht gemessenen Stellen beim Kriging auftritt, zu vernachlässigen. Am<br />
Ende ist es in Bezug auf diese beiden Ergebnisse eine Darstellungsfrage. Eine Ausnahme<br />
bildet der Bereich in Nordosten mit dem Fehler größer als 2 Vol.-%. Dies zeigt, dass eine<br />
Extrapolierung den Fehler vergrößert <strong>und</strong> deshalb eher darauf verzichtet werden sollte.<br />
Wenn der Zeitraum der Untersuchungen länger wäre, würde sich sicherlich auch ein<br />
größerer Fehler bei der Regionalisierung ergeben. In einem größeren Zeitraum ist es sehr<br />
wahrscheinlich, dass noch unterschiedlichere Bodenfeuchtesituationen auftreten. Da aber<br />
die bisherigen Modelle, wie oben gezeigt, eher den mittleren Gang fast ohne die jeweiligen<br />
Trends von Austrocknung oder Auffeuchtung schätzen, wäre der Modellfehler größer <strong>und</strong><br />
das Ergebnis demzufolge auch fehlerhafter.<br />
Würde auf die Mittelwertbildung verzichtet <strong>und</strong> versucht, zu einzelnen Zeitschritten das<br />
räumliche Muster zu regionalisieren, wäre der Fehler wesentlich größer. Das Problem<br />
besteht dabei aus drei Teilen. Erstens wird die Dynamik der Bezugszeitreihe unzureichend<br />
geschätzt, was sich, wie oben diskutiert, durch eine Modellverbesserung beheben ließe.<br />
Zweitens zeigen, wie in Kapitel 6 dargestellt, nicht alle Messpunkte das gleiche zeitliche<br />
Muster. Um diesem Sachverhalt Rechenschaft zu tragen, müsste die Fläche stratifiziert<br />
werden <strong>und</strong> für jedes Stratum ein separates Modell gebildet werden. Die Aufteilung sollte<br />
mindestens in gesättigte <strong>und</strong> ungesättigte Straten erfolgen. Einen Übergangsbereich zu<br />
definieren ist sicher sinnvoll, doch die Modellierung dafür würde wahrscheinlich sehr<br />
schwierig sein, da zeitweise gesättigte <strong>und</strong> ungesättigte Verhältnisse auftreten. Drittens<br />
haben nicht immer alle Punkte, die zu einem Stratum gehören, den gleichen Trend. Das<br />
bedeutet, dass es zum Teil nützlich sein kann, die Trendabweichung der Messpunkte von<br />
dem Modell des jeweiligen Stratums zu berücksichtigen.<br />
Da die Modellierung der Zeitreihe für eine zeitlich aufgelöste Regionalisierung noch zu<br />
ungenau ist <strong>und</strong> eine bessere Modellerstellung aufwendig erscheint, ist es zu empfehlen, in<br />
jedem identifizierten Stratum eine Referenzsonde zu installieren, die die gesamte Zeit über<br />
misst. Dies entspricht aber nicht ganz der Gr<strong>und</strong>idee, die dem RMP zu Gr<strong>und</strong>e liegt, da die<br />
Messwerte bereits eine räumliche Realisation des mittleren zeitlichen Verhaltens der<br />
Messfläche sind. Deshalb ist zu prüfen, ob dadurch eine Verzerrung der Werte auftritt.<br />
Für die Erstellung einer Art dynamischen Karte muss eine Veränderung in dem RMP-<br />
Ansatz vorgenommen werden, da die Bodenfeuchte kein persistentes räumliches Muster<br />
besitzt, welches durch den mittleren zeitlichen Trend, der der Fläche zugr<strong>und</strong>eliegt, variiert<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
7. Modellierung 71<br />
wird <strong>und</strong> von Zufallseinflüssen überlagert ist. So konnten WESTERN et al. (2004) eine<br />
saisonale Entwicklung der Korrelationslängen feststellen. Buttafuoco et al. (2005) fanden<br />
einen Zusammenhang zwischen der räumlichen Korrelation <strong>und</strong> den zurückliegenden<br />
Trocknungs- <strong>und</strong> Wiederbefeuchtungsereignissen. Verallgemeinernd formulierten BROCCA<br />
et al. (2007), dass in humiden Klimaten die räumliche Varianz bei geringerer mittlerer<br />
Bodenfeuchte der Messfläche größer ist, als bei einer erhöhten mittleren Feuchte.<br />
Dies macht deutlich, dass für jeden Messpunkt ein eigenes zeitliches Modell gef<strong>und</strong>en<br />
werden muss. Erst dann kann das räumliche Muster für verschiedene Zeitschritte untersucht<br />
<strong>und</strong> dargestellt werden. Da es offensichtlich ein zeitliches Gr<strong>und</strong>muster gibt, sollte<br />
trotzdem für die Fläche bzw. jedes Stratum ein mittleres Zeitmodell ermittelt werden.<br />
Dieses sollte dann über eine Transferfunktion an jeden Messpunkt übertragen werden. Die<br />
Transferfunktion muss für jeden Messpunkt spezifisch parametrisiert sein. Sie sollte dabei<br />
beschreiben, wie sich die Änderung des zeitlichen Musters, unter Berücksichtigung der<br />
Vorfeuchte <strong>und</strong> der Feldkapazität des betrachteten Punktes, direkt auf diesen Messpunkt<br />
auswirkt.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
8. Schlussfolgerungen 72<br />
8. Schlussfolgerungen<br />
Die Untersuchungen in dieser Arbeit konnten die Anwendbarkeit der Methode der „randomisiert<br />
wandernden Messplots“ (RMP) auf die Bodenfeuchte vereinfacht darstellen <strong>und</strong><br />
die Möglichkeit der Bodenfeuchtemessung mit einer Einstab-TDR-Sonde aufzeigen sowie<br />
aus den Ergebnissen weiteren Entwicklungsbedarf ableiten.<br />
Für den Bau einer Einstab-TDR-Sonde konnten bei OSWALD et al. (2004),<br />
NUSSBERGER (2005) <strong>und</strong> NUSSBERGER et al. (2005) bereits vorhandene Entwicklungen<br />
in dieser Richtung gef<strong>und</strong>en werden. Für die eigenen Untersuchungen wurde eine<br />
Sonde in Anlehnung an NUSSBERGER (2005) nachgebaut. Mit dieser wurde die Eignung<br />
einer Einstabsonde zur Messung der Bodenfeuchte aufgezeigt <strong>und</strong> gleichleichzeitig<br />
deutlich, dass nur ein sorgfältiger, verfeinerter Bau der Sonde eine hinreichend genaue<br />
Auswertung liefern kann.<br />
Für Einstab-TDR-Sonden konnte keine Verfahren zur diskreten Erfassung der Bodenfeuchtverteilung<br />
entlang des Sondenstabes gef<strong>und</strong>en werden. Für Mehrstabsonden existieren<br />
inverse Schätzverfahren (SCHLÄGER, 2002; GRECO, 2006; GRECO, 2008) sowie<br />
grafische Methoden (MORET et al., 2006). Diese Methoden können nicht direkt auf die<br />
Einstabsonde angewendet werden, da sich bei ihr ein von der Mehrstabsonde abweichender<br />
Signalverlauf ergibt. Sie können sicherlich mit einem entsprechend hohen Aufwand auch<br />
für diesen weiterentwickelt werden. Für Mehrstabsonden sollte das grafische Verfahren<br />
nach MORET et al. (2006) die am einfachsten auf vorhandene Messsysteme anzuwendende<br />
Methode sein.<br />
Anhand der Messergebnisse, die mit dem RMP im Conventwald erhoben wurden, konnte<br />
gezeigt werden, dass es mit einem RMP durchaus möglich ist, die mittlere räumliche<br />
Bodenfeuchteverteilung einer Untersuchungsfläche so wiederzugeben, wie sie auch<br />
beobachtet wurde. Dies stellt aber noch keinen Vorteil gegenüber der Methode der<br />
Terminmessung, bei der an einem Termin die Bodenfeuchte mit einer Sonde an vielen<br />
Messpunkten gemessen wird, dar. Der Vorteil der RMP kommt erst zum Tragen, wenn es<br />
möglich wird, eine dynamische Bodenfeuchtekarte zu erstellen, die die Bodenfeuchteverteilungen<br />
für verschiedene Zeitpunkte zeigen kann. Für diesen Schritt ist jedoch<br />
ein Modell erforderlich, das das zeitliche Muster, welches den Messpunkten in der Fläche<br />
zugr<strong>und</strong>e liegt, beschreibt. Die Erstellung eines solchen Modells wurde in einem ersten<br />
Schritt an einer mehrjährigen Zeitreihe der Bodenfeuchte geprüft, indem versucht wurde,<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
8. Schlussfolgerungen 73<br />
diese über einen Zusammenhang mit Zeitreihen des Freilandniederschlages, der Luft-<br />
feuchte, der Lufttemperatur <strong>und</strong> der Globalstrahlung oberhalb des Bestandsdaches sowie<br />
des Gebietsabflusses zu erklären. Diese Modellierungsversuche führten zu keinem<br />
befriedigenden Ergebnis, da Austrocknungs- <strong>und</strong> Auffeuchtungsprozesse unzureichend<br />
nachgebildet wurden. Dennoch konnte gezeigt werden, dass kein nennenswerter Fehler<br />
entsteht, wenn für die Erstellung einer Karte der mittleren Bodenfeuchteverteilung ein<br />
schlecht angepasstes Modell (r²=0,46) verwendet wird, um die zeitlichen Unterschiede aus<br />
den Messpunkten zu entfernen. Um eine dynamische Karte zu erstellen, ist jedoch ein<br />
besser angepasstes Modell nötig.<br />
Aus den Messergebnissen geht weiter hervor, dass sich das zeitliche Muster an jedem<br />
Messpunkt nicht gleich ausprägt. Es konnten deutlich gesättigte <strong>und</strong> ungesättigte Bereiche<br />
mit unterschiedlicher Dynamik gef<strong>und</strong>en werden. Deshalb sollte das Gebiet in Straten<br />
aufgeteilt werden, für welche separate Globalmodelle erstellt werden, bzw. in denen, bei<br />
Verzicht auf eine Modellerstellung, mit je einer Referenzsonde die gesamte Zeit gemessen<br />
wird.<br />
Außerdem ist die Reaktion aller Punkte auf das Globalmodell in einem Stratum nicht<br />
gleich, weshalb es erforderlich ist, für jeden Messpunkt eine eigene Transferfunktion zu<br />
parametrisieren, die unter Berücksichtigung der Vorfeuchte <strong>und</strong> der Feldkapazität des<br />
Messpunktes die Auswirkung des Globalmodells auf die Bodenfeuchte am Messpunkt<br />
beschreibt.<br />
Aus diesen Erkenntnissen lässt sich folgender Weiterentwicklungsbedarf ableiten:<br />
- Verfeinerung des Baus der Einstabsonde, um das Signal besser auswerten zu<br />
können<br />
- Prüfung des grafischen Verfahrens zur Ableitung von Feuchtigkeitsprofilen entlang<br />
einer TDR-Sonde nach MORET et al. (2006) auf die Anwendbarkeit mit<br />
vorhandener Messtechnik<br />
- Suchen nach einem besseren Modell, was das zeitliche Muster, welches allen<br />
Messpunkten der Fläche zugr<strong>und</strong>e liegt, günstiger abbildet<br />
- Entwicklung einer Transferfunktion, die für jeden Messpunkt extra parametrisiert<br />
wird <strong>und</strong> die Auswirkung des Globalenmodells auf den Punkt beschreibt.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
9. Literaturverzeichnis 74<br />
9. Literaturverzeichnis<br />
AG BODEN (2005): Bodenk<strong>und</strong>liche Kartieranleitung - 5. Auflage, Hannover, 392 S.<br />
ANCTIL, F.; MATHIEU, R.; PARENT, L.-È; VIAU, A. A.; SBIH, M.; HESSAMI, M.<br />
(2002): Geostatistics of near-surface moisture in bare cultivated organic soils. In: J.<br />
Hydrol., Jg. 260, H. 1-4, S. 30–37.<br />
ARCEGMO (2008):<br />
http://public.arcegmo.de/module/vertical_domain/evapotranspiration.htm#Turc/Ivanov<br />
(28.02.2008)<br />
BAKER, J. M.; ALLMARAS, R. R. (1990): System for automating and multiplexing soil<br />
moisture measurement by time-domain reflectometry. In: Soil Science Society of<br />
America Journal, Jg. 54, H. 1, S. 1–6.<br />
BECKER, R. (2004): Spatial Time Domain Reflectometry for Monitoring Transient Soil<br />
Moisture Profiles. DISSERTATION. Karlsruhe: IWG, Karlsruhe (Mitteilungen des<br />
Instituts für Wasser <strong>und</strong> Gewässerentwicklung der Universität Karlsruhe (TH),<br />
228), 230 S.<br />
BECKER, R. (2007): Mündliche Mitteilung im Rahmen eines Spatial-TDR-<br />
Anwendertreffens am 14. Mai 2007<br />
BECKER, R., SCHLÄGER, S. (2005): Spatial Time Domain Reflectometry with Rod<br />
Probes. 6th International Conference on Electromagnetic Wave Interaction with<br />
Water and Moist Substances, Weimar, Germany, May/June 2005, Conference Proc.<br />
+ CD-ROM, Ed.: K. Kupfer, S. 140 – 149<br />
BROCCA, L.; MORBIDELLI, R.; MELONE, F.; MORAMARCO, T. (2007): Soil<br />
moisture spatial variability in experimental areas of central Italy. In: J. Hydrol., Jg.<br />
333, H. 2-4, S. 356–373.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
9. Literaturverzeichnis 75<br />
BRODERSEN, C. (1996): Einfluss von Vegetation <strong>und</strong> Bodenpassage auf den natürlichen<br />
18 O-Sauerstoffisotopengehalt von Niederschlagswässern. <strong>Diplomarbeit</strong>, Institut für<br />
Physische Geographie der Albert-Ludwig-Universität Freiburg i. Br.<br />
(unveröffentlicht),<br />
BUTTAFUOCO, G.; CASTRIGNANO, A.; BUSONI, E.; DIMASE, A. C. (2005):<br />
Studying the spatial structure evolution of soil water content using multivariate<br />
geostatistics. In: J. Hydrol., Jg. 311, H. 1-4, S. 202–218.<br />
CHIFFLARD, P. (2006): Der Einfluss des Reliefs, der Hangsedimente <strong>und</strong> der<br />
Bodenvorfeuchte auf die Abflussbildung im Mittelgebirge – Experimentelle<br />
Prozessstudien im Sauerland. Bochum, Bochumer Geogr. Arb. 76., 162 S.<br />
CULLMANN, D. (2007): Mündliche Mitteilung während der Präsentation der ersten<br />
Ergebnisse an der FVA-BW am 30.11.2007.<br />
DIRKSEN, C. (1999): Soil physics measurements.Catena Verl, Reiskirch, 154 S.<br />
DIRKSEN, C., DASBERG, S. (1993): Improved calibration of time domain reflectometry<br />
soil water content measurements. Soil Science Society of America Journal, 57 (3),<br />
S. 660-667<br />
DYCK, S. & PESCHKE, G. (1995): Gr<strong>und</strong>lagen der Hydrologie – 3.Auflage, Berlin,<br />
Verlag für Bauwesen 536 S.<br />
EMILEA-STAT (2008):<br />
http://emilea-stat.rwth-aachen.de/Modulrahmenansicht/index.jsp?ModuleId=64978716<br />
(29.02.2008)<br />
FAHRMEIR, L.; KÜNSTLER, R.; PIGEOT, I.; TUTZ, G. (2007):Statistik - Der Weg zur<br />
Datenanalyse. 6. Auflagen, Berlin, Heidelberg, Springer-Verlag, 610 S.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
9. Literaturverzeichnis 76<br />
FAMIGLIETTI, J. S.; RUDNICKI, J. W.; RODELL, M. (1998): Variability in surface<br />
moisture content along a hillslope transect: Rattlesnake Hill, Texas. In: J. Hydrol.,<br />
Jg. 210, H. 1-4, S. 259–281.<br />
FITZJOHN, C.; TERNAN, J. L.; WILLIAMS, A. G. (1998): Soil moisture variability in a<br />
semi-arid gully catchment: Implications for runoff and erosion control. In: Catena,<br />
Jg. 32, H. 1, S. 55–70.<br />
GÓMEZ-PLAZA, A.; MARTÍNEZ-MENA, M.; ALBALADEJO, J.; CASTILLO, V. M.<br />
(2001): Factors regulating spatial distribution of soil water content in small semiarid<br />
catchments. In: J. Hydrol., Jg. 253, H. 1-4, S. 211–226.<br />
GRECO, R. (2006): Soil water content inverse profiling from single TDR waveforms. In:<br />
Journal of Hydrology, H. 317, S. 325–339.<br />
GRECO, R.; GUIDA, A. (2008): Field measurements of topsoil moisture profiles by<br />
vertical TDR probes. In: J. Hydrol., Jg. 348, H. 3-4, S. 442–451.<br />
HANGEN, E. (1997): Tracerhydrologische Untersuchungen zur Abflussbildung im<br />
Conventwald-Einzugsgebiet. <strong>Diplomarbeit</strong>, Institut für Hydrologie der Albert-<br />
Ludwigs-Universität Freiburg i. Br. (unveröffentlicht)<br />
HUPET, F.; VANCLOOSTER, M. (2002): Intraseasonal dynamics of soil moisture<br />
variability within a small agricultural maize cropped field. In: J. Hydrol., Jg. 261, H.<br />
1-4, S. 86–101.<br />
IHRINGER, J.; BECKER, R.; SCHÄDEL, W. (2004): Entwicklung eines Verfahrens zur<br />
Hochwasserfrühwarnung in kleinen <strong>und</strong> mittleren Einzugsgebieten auf der<br />
Gr<strong>und</strong>lage von verteilten Online-Bodenfeuchtemessungen – Machbarkeitsstudie –<br />
Abschlussbericht. Institut für Wasserwirtschaft <strong>und</strong> Kulturtechnik Universität<br />
Karlsruhe, BWPLUS-Berichtsreihe, Förderkennzeichen BWC 21014, 51 S.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
9. Literaturverzeichnis 77<br />
IMKO (2007): Theorie der Material- <strong>und</strong> Bodenfeuchtemessung mit der TRIME-<br />
Methode. IMKO Micromodultechnik GmbH, Ettlingen, 20 S.<br />
http://www.imko.de/de/filebase/publications/trime-theorie.pdf (JULI 2007)<br />
ISAAKS, E. H. & SRIVASTAVA, R. M. (1989): An Introduction to Applied<br />
Geostatistics. New York Oxford, Oxford University Press, S. 561<br />
JONES, S.B. ;WRAITH J.M.; OR, D. (2002): Time domain reflectometry measurement<br />
principles and applications. In: Hydrological Processes, H. 16 (2002), S. 141–153<br />
KIM, S.; KIM, H. (2007): Stochastic analysis of soil moisture to <strong>und</strong>erstand spatial and<br />
temporal variations of soil wetness at a steep hillside. In: Journal of Hydrology, Jg.<br />
341, H. 1-2, S. 1–11.<br />
LOAGUE, K. (1992): Soil water content at R-5. Part 1. Spatial and temporal variability.<br />
In: Journal of Hydrology, Jg. 139, H. 1-4, S. 233–251.<br />
MEYLES, E.; WILLIAMS, A.; TERNAN, L.; DOWD, J. (2003): Runoff generation in<br />
relation to soil moisture patterns in a small Dartmoor catchment, Southwest<br />
England. In: Hydrol. Processes, Jg. 17, H. 2, S. 251–264.<br />
MÜNCH, D. (1995): Bestandesdynamik von Naturwaldreservaten - Eine Dauer-<br />
beobachtung in Luftbildzeitreihen. Vorabdruck aus: “Waldschutzgebiete“ im<br />
Rahmen der Mitteilungen der Forstlichen Versuchs- <strong>und</strong> Forschungsanstalt Baden-<br />
Württemberg , Bd. 5, 105 S.<br />
NIELSEN, D. R.; WENDROTH, O. (2003): Spatial and temporal statistics. Sampling<br />
field soils and their vegetation. Reiskirchen, Catena Verlag, 398 S.<br />
NOBORIO, K. (2001): Measurement of soil water content and electrical conductivity by<br />
time domain reflectometry: a review. In: Computers and Electronics in Agriculture<br />
H. 31 (2001), S. 213–237<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
9. Literaturverzeichnis 78<br />
NUSSBERGER M. (2005): Soil moisture determination with TDR: single-rod probes and<br />
profile reconstruction algorithms. Dissertation. Technische Wissenschaften ETH<br />
Zürich.<br />
NUSSBERGER, MATHIS; BENEDICKTER, HANSRUEDI; BACHTOLD, WERNER;<br />
FLUHLER, HANNES; WUNDERLI, HANS (2005): Single-Rod Probes for Time<br />
Domain Reflectometry: Sensitivity and Calibration. In: Vadose Zone J, Jg. 4, H. 3,<br />
S. 551–557.<br />
NYBERG, L. (1996): Spatial variability of soil water content in the covered catchment at<br />
Gardsjon, Sweden. In: Hydrol. Processes, Jg. 10, H. 1, S. 89–103.<br />
OSWALD, B.; BENEDICKTER, H.R.; BACHTOLD, W.; FLUHLER, H. (2004): A<br />
Single-Rod Probe for Time Domain Reflectometry Measurements of the Water<br />
Content. In: Vadose Zone J, Jg. 3, H. 4, S. 1152–1159.<br />
PESCHKE, G.; KURAZ, V.; SAMBALE, C. (1999): Soil moisture: Accuracy of<br />
measurements and scaling problems. In: Proc Int Conf. on Quality, Management<br />
and Availability of Data for Hydrology and Water Resources Management,<br />
Koblenz, S. 73–76.<br />
PETRONE, R. M.; PRICE, J. S.; CAREY, S. K.; WADDINGTON, J. M. (2004):<br />
Statistical characterization of the spatial variability of soil moisture in a cutover<br />
peatland. In: Hydrol. Processes, Jg. 18, H. 1, S. 41–52.<br />
POHL, S. (1996): Abflussbildung im Einzugsgebiet „Conventwald“ auf der Gr<strong>und</strong>lage<br />
von Ganglinienanalye <strong>und</strong> Isotopenuntersuchungen. <strong>Diplomarbeit</strong>, Institut für<br />
Physische Geographie der Albert-Ludwig-Universität Freiburg i. Br.<br />
(unveröffentlicht)<br />
PUHLMANN, H., ET AL. (Eds., 2007): Forest hydrology – results of research in<br />
Germany and Russia. IHP/HWRP-Berichte H. 6, Koblenz, 299 S.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
9. Literaturverzeichnis 79<br />
ROTH, C.H., MALICKI, M.A., PLAGGE, R. (1992): Empirical evaluation of the<br />
relationship between soil dielectric constant and volumetric water content as the<br />
basis for calibrating soil moisture measurements by TDR. Journal of Soil Science,<br />
43 (1), S. 1-13<br />
SAMBALE, C. (1998): Experimentelle <strong>und</strong> modellgestützte Wasserhaushaltsuntersuchungen<br />
im System Boden -Pflanze - Atmosphäre. Dissertation. Zittau:<br />
Internationales Hochschulinstitut Zittau (IHI-Schriften, 8).<br />
SCHÄDEL, W. (2006): Schritte zur Verbesserung der Hochwasserfrühwarnung mittels<br />
Online-Bodenfeuchtemessungen. Dissertation. Karlsruhe: IWG, Karlsruhe<br />
(Mitteilungen des Instituts für Wasser <strong>und</strong> Gewässerentwicklung der Universität<br />
Karlsruhe (TH), H. 234), 186 S.<br />
SCHAFMEISTER, M.-T. (1999): Geostatistik für die hydrogeologische Praxis. Berlin,<br />
Heidelberg, Springer-Veralg, 159 S.<br />
SCHEFFER, F. & SCHACHTSCHABEL, P. (1992): Lehrbuch der Bodenk<strong>und</strong>e. 13.<br />
Auflage, Stuttgart, Ferdinand Enke Verlag, 491 S.<br />
SCHLÄGER, S. (2002): Inversion von TDR-Messungen zur Rekonstruktion räumlich<br />
verteilter bodenphysikalischer Parameter. Dissertation. Veröffentlichung des<br />
Instituts für Bodenmechanik <strong>und</strong> Felsmechanik, Universität Karlsruhe, H. 156<br />
SCHLÄGER, S. (2005): A fast TDR-inversion technique for the reconstruction of spatial<br />
soil moisture content. Hydrology and Earth System Sciences, Jg. 9, H. 5, S. 481–<br />
492.<br />
SCHÖNWIESE, C.-D. (2000): Praktische Statistik für Meteorologen <strong>und</strong><br />
Geowissenschaftler. 3. Auflage, Stuttgart, Borntrager, 298 S.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
9. Literaturverzeichnis 80<br />
STOYAN, D.; STOYAN, H.; JANSEN, U. (1997): Umweltstatistik - Statistische<br />
Verarbeitung <strong>und</strong> Analyse von Umweltdaten. In: Teubner-Reihe Umwelt, Teubner<br />
Verlagsgesellschaft, 348 S.<br />
TOPP, G.C., DAVIS, J.L., ANNAN, A.P. (1980): Electromagnetic determination of soil<br />
water content: measurements in coaxial transmission lines. Water Resources<br />
Research, H. 16 (3),S. 574-582.<br />
WESTERN, A. W.; ZHOU, S.-L.; GRAYSON, R. B.; MCMAHON, T. A.; BLÖSCHL,<br />
G.; WILSON, D. J. (2004): Spatial correlation of soil moisture in small catchments<br />
and its relationship to dominant spatial hydrological processes. In: J. Hydrol., Jg.<br />
286, H. 1-4, S. 113–134.<br />
WILLIAMS, A. G.; TERNAN, J. L.; FITZJOHN, C.; ALBA, S. DE; PEREZ-<br />
GONZALEZ, A. (2003): Soil moisture variability and land use in a seasonally arid<br />
environment. In: Hydrol. Processes, Jg. 17, H. 2, S. 225–235.<br />
WILPERT, K. V,; NELL, U.; LUKES, M.; SCHACK-KIRCHNER, H. (1998):<br />
Genauigkeit von Bodenfeuchtemessung mit „Time Domain Reflektometrie“<strong>und</strong><br />
„Frequency Domain-Sensoren“ in heterogenen Waldböden. Z. Pflanzenernähr.<br />
Bodenk.,161,S. 179-185.<br />
WILPERT, K. V.; KOHLER, M.; ZIRLEWAGEN, D. (1996): Die Differenzierung des<br />
Stoffhaushalts von Waldökosystemen durch die waldbauliche Behandlung auf<br />
einem Gneisstandort des Mittleren Schwarzwaldes. Mitteilungen der Forstlichen<br />
Versuchs- <strong>und</strong> Forschungsanstalt Baden-Württemberg, H. 197, 94 S.<br />
WÖHRLE, N. (2006): Randomisiert wandernde Messplots. Raum-Zeit-Modellierung von<br />
Parametern des Stoffhaushaltes in heterogenen Kalkbuchenwäldern. Freiburger<br />
bodenk<strong>und</strong>liche Abhandlungen, H. 44, 145 S.<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
9. Literaturverzeichnis 81<br />
ZIRLEWAGEN, D. (2007a): Dokumentation zur Wasserhaushalts- <strong>und</strong><br />
Stoffflussmodellierung in den Versuchsvarianten der Conventwaldstudie. April<br />
2007. Kenzingen, 39 S. (unveröffentlicht)<br />
ZIRLEWAGEN, D. (2007b): Regionalisierung der Basensättigung im bewaldeten<br />
Einzugsgebiet Conventwald Juni 2007. Kenzingen, 49 S.(unveröffentlicht)<br />
<strong>Arnstadt</strong> T. (2008): Erfassung der Dynamik einer Sättigungsfläche mit Hilfe zufällig wandernder Messfelder <strong>und</strong> Bau einer Einstab-TDR-Sonde
______________________________________________________________________<br />
Anhänge:<br />
Anhang I – Übersicht der Ergebnisse aller Perioden<br />
Anhang II – Übersicht der kompletten Zeitreihen in Tageswerten<br />
Anhang III – Inhalt der beigelegten CD-Rom
______________________________________________________________________<br />
Anhang I<br />
Übersicht der Ergebnisse aller Messperioden
______________________________________________________________________
______________________________________________________________________<br />
Anhang II<br />
Übersicht der kompletten Zeitreihen in Tageswerten
______________________________________________________________________
______________________________________________________________________
Anhang III<br />
Inhalt der beiliegenden CD-Rom
1. Basisverzeichnis<br />
Das Basisverzeichnis enthält die digitale Version der <strong>Diplomarbeit</strong> <strong>und</strong> des Anhanges.<br />
2. Messfläche I<br />
Der Ordner „Messfläche I“ beinhaltet die Datenbank aller Messergebnisse, die Bemerkungen zum<br />
Einbau aller Sonden ab der Periode fünf, die Karten für ArcGis <strong>und</strong> ArcView, die<br />
Fotodokumentaion der Messfläche <strong>und</strong> die grafisch dargestellten Messergebnisse aller Perioden.<br />
Für ArcView wurden verschiedene Projektdateien angelegt, die von unterschiedlichen<br />
Laufwerken gestartet werden können. Die Datei feuchte.dbf enthält die Punktkoordinaten der<br />
Messpunkte <strong>und</strong> die mittlere Feuchte am Messpunkt, nach Eliminierung der zeitlichen Varianz.<br />
Für ArcGis sind die Ergebnisse der Regionalisierungen, der räumliche Trend, der der Fläche<br />
zugr<strong>und</strong>e lag, <strong>und</strong> die regionalisierten Residuen (nach Abzug des räumlichen Trends) sowie die<br />
Differenz der beiden Regionalisierungsergebnisse als Rasterdaten verfügbar. Die Ausgangswerte,<br />
die zur Regionalisierung der Residuen verwendet wurden, sind in residuen_1.dbf <strong>und</strong><br />
residuen_2.dbf zu finden.<br />
Bei der Fotodokumentation kennzeichnet die Zahl nach dem „P“ die Periode <strong>und</strong> nach dem „S“<br />
die Sondennummer. Das „a“ steht für am Anfang der Periode aufgenommene Bilder <strong>und</strong> das „b“<br />
für am Ende der Periode aufgenommene Bilder.<br />
3. Messfläche II<br />
Der Ordner „Messfläche II“ beinhaltet den Messplan mit beiden Varianten <strong>und</strong> alternativen<br />
Bezugspunkten zum Einmessen sowie Karten für ArcView, in denen die Lage der Punkte im<br />
Einzugsgebiet dargestellt ist. Für ArcView stehen wieder verschiedene Projektdateien zur<br />
Verfügung, die von unterschiedlichen Laufwerken gestartet werden können.<br />
4. Zeitreihenanalyse St<strong>und</strong>enwerte<br />
Der Ordner „Zeitreihenanalyse St<strong>und</strong>enwerte“ beinhaltet:<br />
- Normalverteilung für die Originaldaten, die von Jahresgang <strong>und</strong> Trend bereinigten Daten<br />
sowie die von Jahresgang <strong>und</strong> Trend bereinigten <strong>und</strong> transformierten Daten<br />
- Korrelogramme, berechnet mit dem Korrelationskoeffizienten nach Pearson, Kendall <strong>und</strong><br />
Spearman jeweils für die Originaldaten <strong>und</strong> die von Jahresgang <strong>und</strong> Trend bereinigten<br />
Daten. Mit Pearson zusätzlich berechnet für die von Jahresgang <strong>und</strong> Trend bereinigten<br />
<strong>und</strong> transformierten Daten.
- Eine Übersicht der gef<strong>und</strong>enen maximalen Korrelationen für jede Variante <strong>und</strong> Variable<br />
5. Zeitreihenanalyse Tageswerte<br />
Der Ordner „Zeitreihenanalyse St<strong>und</strong>enwerte“ beinhaltet:<br />
- Eine Darstellung der Zeitreihen über den kompletten Zeitraum<br />
- Korrelogramme für die komplette Zeitreihe, die Zeitreihe vor 2003 <strong>und</strong> nach 2003<br />
- Für jeden Zeitabschnitt sind die Korrelogramme, welche mit dem<br />
Korrelationskoeffizienten nach Pearson, Kendall <strong>und</strong> Spearman jeweils für die<br />
Originaldaten <strong>und</strong> die von Jahresgang <strong>und</strong> Trend bereinigten Daten berechnet wurden,<br />
enthalten. Für den Korrelationskoeffizienten nach Pearson sind zusätzlich<br />
Korrelogramme für die von Jahresgang <strong>und</strong> Trend bereinigten <strong>und</strong> transformierten<br />
Daten verfügbar.<br />
- Für jeden Zeitabschnitt ist der Vorgang der Trend <strong>und</strong> Jahresgangsermittlung in dem<br />
Ordner „Bereinigung der Daten“ dargestellt<br />
- Für jeden Zeitabschnitt ist die Normalverteilung der Zeitreihen in transformierter <strong>und</strong><br />
untransformierter Form verfügbar.<br />
- Ein Korrelationsübersicht der maximalen Korrelationen aller Varianten <strong>und</strong> Zeitreihen