ALLGEMEINE German Journal of Forest Research

ALLGEMEINE
D 20867 E
ISSN 0002-5852
FORST UND JAGDZEITUNG
German Journal of Forest Research
INHALTSVERZEICHNIS
AUFSÄTZE
Chr. Kätsch,
R. Horn,
und N. Rastin
Untersuchungen zur Abschätzung des Einflusses von Standortsfaktoren
auf den Verlauf von Reflexionsspektren bei Buchenblättern
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
(An Investigation into the Relation between Site Factors and Spectral
Reflectance Curves of Leaves of European Beech (Fagus silvatica,
L.) from different Sites)
B. Beinhofer Zum optimalen Einschlagszeitpunkt von Fichtenbeständen . . . . . . . . 121
(On the financial maturity of spruce stands)
BUCHBESPRECHUNG .............................................................. 132
179. JAHRGANG 2008 HEFT 7 JULI
J. D. SAUERLÄNDER’S VERLAG · FRANKFURT AM MAIN

Informationsdienst für
Ernährung,
Landwirtschaft
und Forsten (aid) e.V.
23.487 Publikationen 780.000 Keywords
D 20867 E
ALLGEMEINE
FORST UND JAGDZEITUNG
ISSN 0002-5852
Unter Mitwirkung der
Mitglieder der Lehrkörper der Forstlichen Fakultäten
von Freiburg i. Br. und Göttingen
herausgegeben von
Dr. K.-R. Volz
Dr. Dr. h.c. K. von Gadow
o. Professor o. Professor
der Forstwissenschaft an der der Forstwissenschaft an der
Universität Freiburg i. Br.
Universität Göttingen
ISSN 0002-5852
Erscheinungsweise: Jährlich 12 Hefte, bei Bedarf Doppelhefte
(zweimonatlich).
Bezugspreis: Jährlich € 148,– zuzüglich Zustellgebühr; Studenten
und in Ausbildung befindliche Forstreferendare € 118,40 (empf.
Richtpreis). Preis der Einzelhefte je nach Umfang verschieden.
Bezug: Durch den Buchhandel oder direkt vom Verlag. Das
Abonnement gilt jeweils für einen Jahrgang. Es läuft weiter, wenn
nicht unmittelbar nach Lieferung des Schlussheftes eines Jahrgangs
eine Abbestellung erfolgt.
Manuskripte (es werden nur Erstarbeiten veröffentlicht) sind nach
vorheriger Anfrage an die Herausgeber einzusenden. Für unverlangt
eingegangene Manuskripte wird keine Gewähr übernommen.
Rücksendung erfolgt nur, wenn Rückporto beiliegt.
Entsprechend dem international weit verbreiteten Review-Verfahren
wird jeder Beitrag von zwei Fachgutachtern (vor allem Mitglieder
der Lehrkörper der Forstlichen Fakultäten der Universitäten
in Freiburg i. Br. und Göttingen) hinsichtlich Inhalt und Form
geprüft.
Die Manuskripte sind möglichst auf Diskette und in dreifacher
Ausfertigung einzureichen. Sie sollten 3 bis 4 (maximal 6 Druckseiten)
umfassen. Hierbei entspricht eine Druckseite ungefähr
einem zweispaltigen Text mit 12-Punkt-Schrift in Times New
Roman. Neben einem möglichst kurz gehaltenen Titel der Arbeit
sind bis zu maximal 10 Schlagwörter und key words anzugeben.
Manuskripte mit Tabellen und Abbildungen werden nur angenommen,
wenn die Tabellen-Überschriften und die Abbildungsunterschriften
in deutscher und englischer Sprache abgefasst
sind. Der Beitrag soll neben einer deutschen Zusammenfassung
eine Zusammenfassung in englischer Sprache (Summary mit
Title of the paper) enthalten. Die Übersetzung ins Französische
(Résumé) erfolgt i. Allg. durch den Verlag.
Um unnötige Korrespondenz zu vermeiden, werden die Autoren
gebeten, bei Abfassung ihres Manuskriptes eine neuere Ausgabe
der Allgemeinen Forst- und Jagdzeitung sowie die beim Verlag
und bei den Herausgebern erhältlichen „Hinweise für die Autoren“
zu beachten.
Die in dieser Zeitschrift veröffentlichten Beiträge sind urheberrechtlich
geschützt. Übersetzung, Nachdruck – auch von Abbildungen
–, Vervielfältigung auf photomechanischem oder ähnlichem
Wege oder im Magnettonverfahren, Vortrag, Funk- und
Fernsehsendung sowie Speicherung in Datenverarbeitungsanlagen
– auch auszugsweise – bleiben vorbehalten. Werden von
einzelnen Beiträgen oder Teilen von ihnen einzelne Vervielfältigungsstücke
im Rahmen des § 54 UrhG hergestellt und dienen
diese gewerblichen Zwecken, ist dafür eine Vergütung gem. den
gleichlautenden Gesamtverträgen zwischen der Verwertungsgesellschaft
Wort, Abt. Wissenschaft, Goethestr. 49, 80336 München
und dem Bundesverband der Deutschen Industrie e. V., dem
Gesamtverband der Versicherungswirtschaft e. V., dem Bundesverband
deutscher Banken e. V., dem Deutschen Sparkassen- und
Giroverband und dem Verband der Privaten Bausparkassen e. V.,
in die VG Wissenschaft zu entrichten. Die Vervielfältigungen
sind mit einem Vermerk über die Quelle und den Vervielfältiger
zu versehen. Erfolgt die Entrichtung der Gebühren durch Wertmarken
der VG Wissenschaft, so ist für jedes vervielfältigte Blatt
eine Marke im Wert von € 0,20 zu verwenden.
Anzeigenannahme: J. D. Sauerländer’s Verlag, Finkenhofstraße
21, D-60322 Frankfurt am Main.
Anzeigenpreis: Die 43 mm breite mm-Zeile € 0,44. Für
Geschäftsanzeigen gilt die Preisliste Nr. 8. Anfragen an Verlag
erbeten.
Verlag: J. D. Sauerländer’s Verlag, Finkenhofstraße 21, D-60322
Frankfurt am Main, Telefon (0 69) 55 52 17, Telefax (069)
5964344. eMail: aulbach@sauerlaender-verlag.com. Internet:
www.sauerlaender-verlag.com. Bankkonten: Commerzbank,
Frankfurt a. M. 5 408 075; Postbankkonto: Frankfurt a. M.
Nr. 896-607.
This journal is covered by ELFIS, EURECO, CAB Forestry
Abstracts, Chemical Abstracts, by Current Contents Series
Agriculture, Biology and Environmental Sciences (CC/AB) and
by the Science Citation Index ® (SCI ® ) of Institute for Scientific
Information.
Die Anschriften der Herausgeber:
Prof. Dr. K.-R. VOLZ, Institut für Forst- und Umweltpolitik der
Universität Freiburg, Tennenbacher Str. 4, D-79106 Freiburg
Prof. Dr. Dr. h. c. KLAUS VON GADOW, Institut für Waldinventur
und Waldwachstum der Universität Göttingen, Büsgenweg 5,
D-37077 Göttingen
Die Anschriften der korrespondierenden Autoren von Heft 7
des 179. Jahrgangs:
Dipl.-Ing. Silv. Univ. BERNHARD BEINHOFER, Technische Universität
München, Fachgebiet für Waldinventur und nachhaltige
Nutzung, Am Hochanger 13, D-85354 Freising.
E-Mail: beinhofer@forst.wzw.tum.de
Prof. Dr. CHR. KÄTSCH, Department of Forest & Wood Science,
Stellenbosch University, South Africa. Aktuelle Adresse:
HAWK Hildesheim/Holzminden /Göttingen, Fakultät Resourcenmanagement,
Büsgenweg 1a, D-37077 Göttingen. E-Mail:
kaetsch@hawk-hhg.de
Verfasser der Buchbesprechung:
Prof. Dr. NORBERT WEBER, Technische Universität Dresden,
Institut für Forstpolitik und Forstliche Ressourcenökonomie,
Pienner Straße 8, D-01737 Tharandt. E-Mail: nweber@forst.
tu-dresden.de
Übersetzung der Résumés,
soweit sie nicht von den Autoren zur Verfügung gestellt werden:
Prof. RENÉ KELLER, 13 Allée des Mirabelles, F-54520 Laxou
Literatur-Datenbank
a i d
Auswertungs- und
Ökowald-Ökoland-Ökoboden-
Waldbau
Aufsätze der Allgem. Forst- und Jagdzeitung seit 1949 in einem exklusiven Recherche-Modul auf dieser CD von EURECO:
26.279 Publikationen, 930.000 Keywords, zweisprachige Recherche Deutsch-Englisch, virtuelle Bibliothek, Ausdrucke und
Datenport in Profiversion; ab € 49,– aid, Konstantinstraße 124, Stichwort ’ÖKOWALD’, D-53179 Bonn
http//:www.fh-rottenburg.de/greenlink/oekowald/index.html

Untersuchungen zur Abschätzung des Einflusses von Standortsfaktoren
auf den Verlauf von Reflexionsspektren bei Buchenblättern
(Mit 5 Abbildungen und 3 Tabellen)
Von CHR. KÄTSCH 1) , R. HORN 2) und N. RASTIN 2)
(Angenommen Juni 2007)
SCHLAGWÖRTER – KEY WORDS
Goniometrie; Reflexionsspektren; Nährstoffgehalt.
Goniometry; Reflectance Spectra; Nutrient content.
1. PROBLEMSTELLUNG UND ZIELSETZUNG
Die quantitative und qualitative Erfassung von Waldbeständen
mit Hilfe von Methoden der Fernerkundung basiert im Wesentlichen
auf der Registrierung und Analyse von reflektierter elektromagnetischer
Strahlung. Unterschiede in den gemessenen und
gespeicherten Reflexionsdaten werden genutzt, um einerseits Hinweise
auf Art und Verteilung der abgebildeten Bäume zu erhalten
und um andererseits Rückschlüsse auf deren physiologischen
Zustand zu ermöglichen. Dabei wird im Allgemeinen vorausgesetzt,
dass sich die von unterschiedlichen Objekten reflektierte
Strahlung über einen mehr oder weniger breiten Ausschnitt des
reflektierten Spektrums wesentlich unterscheidet.
Das Reflexionsverhalten von Blattorganen, Bäumen und Waldbeständen
ist Gegenstand zahlreicher Untersuchungen gewesen, die
teilweise bis in die 1920er Jahre zurückgehen. Bis heute konnte es
dennoch nicht in allen Details vollständig erklärt werden. Die Interaktion
eintreffender elektromagnetischer Strahlung mit Zellwänden,
Zellflüssigkeiten und Interzellularen unterliegt offenbar vielfältigen,
teilweise auch zufälligen Einflüssen, was eine klare
Beschreibung des Sachverhaltes der Reflexion erschwert, wenn
nicht sogar unmöglich macht (HILDEBRANDT, 1996). Das heute verfügbare
empirische Wissen gibt dennoch Aufschluss über das typische
Reflexionsverhalten von Blattorganen und dessen Zusammenhang
mit bestimmten Blattpigmenten und Inhaltsstoffen. Es beruht
im Wesentlichen auf Labormessungen oder „In situ“-Beobachtungen,
die vor Ort an lebenden Blattorganen vorgenommen wurden.
Die rasante Entwicklung neuer hochsensibler Sensortechnik wie
etwa der abbildenden Spektrometer – auch Hyperspektral Sensoren
genannt – ist jedoch mit neuen Ansprüchen an die Auswertung und
Analyse der damit erzeugten Daten verbunden. Hyperspektrale
Sensorsysteme erfassen weite Teile des Spektrums in einer großen
Anzahl von zusammenhängenden Aufnahmekanälen. So registrieren
Sensoren wie beispielsweise AVIRIS 3) , DAIS 4) oder HyMap 5)
ankommende elektromagnetische Strahlung unterschiedlicher Wellenlänge
in bis zu 220 Kanälen. Für jedes Pixel eines so erzeugten
digitalen Bildes liegt damit ein nahezu kompletter Satz von Reflexionsdaten
vor, der es ermöglicht, die jeweiligen Reflexionsspektren
nahezu vollständig zu rekonstruieren und damit einer
detaillierten Analyse zugänglich zu machen.
Die Erwartungen an die Leistungsfähigkeit der modernen Sensoren
mit einem erheblich erweiterten Analyse- und Informationsspektrum
konzentrieren sich im Wesentlichen auf zwei Richtungen.
Einerseits soll die Analyse kompletter Reflexionsspektren die
1
) Department of Forest & Wood Science, Stellenbosch University, South
Africa. E-Mail: kaetsch@hawk-hhg.de
2
) HAWK Hildesheim/Holzminden/Göttingen, Fakultät Ressourcenmanagement.
3
) AVIRIS: Airborne Visible/Infrared Imaging Spectrometer.
4
) DAIS: Digital Airborne Imaging Spectrometer.
5
) HyMap is a trademark of Integrated Spectronics Pty Ltd, Australia.
Unterscheidung beziehungsweise Erkennung der aufgezeichneten
Objekte auf der Landoberfläche ermöglichen. Andererseits lassen
zahlreiche Untersuchungen im landwirtschaftlichen Bereich erkennen,
dass hyperspektrale Fernerkundungsdaten auch zur Beurteilung
bestimmter bio-physikalischer und bio-chemischer Pflanzeneigenschaften
geeignet sein könnten (u.a. MCNAIRN et al., 2001;
STRACHAN et al., 2002). Damit stellt sich auch die Frage neu,
inwieweit diese Eigenschaften ihren Niederschlag in den Reflexionsspektren
finden. Die Eignung hyperspektraler Sensoren in der
Waldtypenkartierung ist in einigen Arbeiten untersucht worden
(u.a. KÖHL et al., 2001). Die Möglichkeiten einer qualitativen
Walderfassung mittels flugzeuggetragener oder weltraumbasierter
Systeme, insbesondere im Hinblick auf pflanzenphysiologische
Eigenschaften, bedürfen allerdings weiterer intensiver Forschung.
In einem gemeinsamen Projekt mit dem Institut für Geoinformatik,
Katolieke Universteit Leuven, Belgien finden derzeit Untersuchungen
zur Interpretation von Reflexionsspektren verschiedener
Baumarten statt. Im Rahmen einer ersten Untersuchung sollte
geprüft werden, ob und inwieweit sich bei Reflexionsspektren von
Buchenblättern von zwei unterschiedlichen Standorten unter
Laborbedingungen Unterschiede zeigen und ob etwa unterschiedliche
Nährstoffgehalte einen messbaren Einfluss auf die spektralen
Reflexionskurven haben. Ausgehend von den dabei erzielten
Ergebnissen soll dann untersucht werden, inwieweit die unter
Laborbedingungen gefundenen Reflexionseigenschaften auch in
den hyperspektralen Aufzeichnungen ihren Niederschlag finden.
Die vorliegende Arbeit stellt erste Ergebnisse dieser vorwiegend
methodisch ausgerichteten Studie vor (HORN, 2005).
2. MATERIAL UND METHODEN
2.1 Versuchsbestände
Der Problemstellung entsprechend wurden Buchenblätter von
Stangenhölzern auf zwei unterschiedlich gut versorgten Waldstandorten
im südlichen Niedersachsen und Nordhessen untersucht. Als
Bestand mit geringerer Nährstoffversorgung (Fläche A) diente ein
20jähriges Buchen-Stangenholz aus dem Revier Glashütte der
Forstverwaltung von Buttlar-Elberberg. Das Revier liegt im Wuchsgebiet
11 „Nordhessisches Bergland“, Wuchsbezirk 87 „Kaufunger
Wald, Söhre und Lichtenauer Hochfläche“ in einem subatlantisch
getönten Klimabereich, für den hohe Jahresniederschläge und
geringe Jahresschwankungen der Durchschnittstemperatur charakteristisch
sind. Die Fläche liegt mit ca. 300 m über NN im Übergang
von der kollinen zur submontanen Höhenstufe. Ein Bodeneinschlag
zeigt das Profil einer leicht podsoligen Parabraunerde
aus lehmigen Verwitterungsschichten des unteren Buntsandsteins.
Die potentiell natürliche Vegetation (PNV) ist die Pflanzengesellschaft
„Hainsimsen-Traubeneichen-Buchenwald“ (SCHADE, 1999).
Der Standort mit besserer Nährstoffversorgung (Fläche B) war
ein zum Aufnahmezeitpunkt 23jähriger Buchen-Stangenholzbestand
in der Abteilung 78a, Hilfsfläche S im Revier Goseplack des
Niedersächsischen Forstamtes Münden. Die Fläche liegt auf einem
Plateau in 201 m bis 250 m Höhe über NN im Wuchsgebiet „Südniedersächsisches
Bergland“, Wuchsbezirk „Solling-Vorland“
nordwestlich der Stadt Göttingen. Laut BAACKE (1994) ist die
gesamte Abteilung 78a gut bis sehr gut mit Nährstoffen versorgt
Allg. Forst- u. J.-Ztg., 179. Jg., 7 113

und hat eine mäßig frische bis frische Wasserversorgung. Als Ausgangsgestein
dieses alten Waldstandorts findet sich Trochitenkalk
mit pleistozänen Lössablagerungen. Der Bodentyp ist eine mittelgründige
Terra fusca, wobei Unterschiede im Tongehalt zwischen
Unter- und Oberboden auf eine zusätzliche Einmischung von Lössmaterial
zurückzuführen sind. Die Bodenarten reichen von schluffigem
Lehm (Lu) bis tonigem Lehm (Lt). Die Fläche weist ein
deutlich trockeneres Klima als Fläche A auf, was sich unter anderem
an der hohen Niederschlagsdifferenz von über 220 mm im Jahr
und über 70 mm in der forstlichen Vegetationszeit zeigt. Als potentiell
natürliche Vegetation (PNV) ist der „typische Kalkbuchenwald“
angegeben.
2.2 Methoden
Zur möglichst genauen Bestimmung der kleinstandörtlichen
Nährstoffverhältnisse wurden auf beiden Flächen Bodeneinschläge
nahe den Probebäumen angelegt und Bodenproben entnommen.
Die Proben wurden nach gängigen und bewährten Verfahren gelagert
und anschließend analysiert (KÖNIG und FORTMANN, 1999).
Um sicherzustellen, dass die verglichenen Blätter aus weitgehend
gleichen oder ähnlichen Belichtungsverhältnissen stammen,
wurde je Standort ein Baum ausgewählt, dessen Krone vollständigen
Zugang zum Licht hatte. Das entspricht Bäumen KRAFTscher
Klasse 2 (herrschend) oder 1 (vorherrschend). Aufgrund unterschiedlichen
Reflexionsverhaltens zwischen Licht- und Schattenblättern
einer Pflanzenart wurde bei den Probenahmen außerdem
darauf geachtet, dass nur Lichtblätter für die Reflexionsmessungen
gesammelt wurden.
Der aktuelle Wassergehalt von Blättern hat einen großen Einfluss
auf ihr Reflexionsverhalten. (u.a. HOFFER und JOHANNSEN, 1969;
GAUSMANN et al., 1978; YOUNG und PEYNADO, 1967). Um Austrocknungseffekte
bei den Pflanzenblättern zu verringern, wurden
ganze Zweige in Kühlboxen gekühlt und abgedunkelt transportiert,
wobei die Schnittflächen unter Wasser getaucht waren.
Die Aufnahme von Reflexionsspektren erfolgte über ein Goniometer.
Dabei handelt es sich um eine Vorrichtung, die es erlaubt,
das Reflexionsverhalten von Objekten unter verschiedenen Messwinkeln
zu untersuchen. Während bei im Freien arbeitenden Feldgoniometern
als Strahlungsquelle die Sonne dient und somit der
Sonnenstand sowie die Strahlung aus dem Halbraum beachtet werden
muss, kann bei Laborgoniometern eine künstliche Strahlungsquelle
in eine gewünschte Position gebracht werden. Dabei wird
durch Abdunkelung des Labors ein störender Einfluss anderer
Strahlungsquellen minimiert und kann vernachlässigt werden, so
dass nur die von dem Objekt reflektierte Strahlung gemessen wird.
Die Basis des Goniometers ist eine schwarz eloxierte, kreisrunde
Aluminiumschiene mit einem Durchmesser von 1,25 m. Auf der
Schiene ist ein vertikaler, halbkreisförmiger Bogen (Ø = 1,25 m)
beweglich angebracht, der eine Lichtquelle trägt. Ein zweiter
Bogen (Ø = 1,05 m) ist fest auf die Schiene montiert und dient als
Halterung für ein Spektrometer. In der Mitte des Goniometers
befindet sich der horizontal ausgerichtete, quadratische Probenhalter,
der um die eigene Achse rotieren kann. Lichtquelle und
Spektrometer können auf ihren jeweiligen Bögen mit Hilfe von
Präzisionsmotoren bewegt werden, so dass mehrere Azimutpositionen
angesteuert werden können. Das Goniometer ist mit einem
Personalcomputer verbunden und wird komplett über die Software
LABVIEW ® gesteuert. Der Aufbau des Gerätes erlaubt die Einstellung
aller möglichen Aufnahmegeometrien. Dabei betragen die
horizontale und die vertikale Winkelauflösung 30° und 15°.
Der Sensor des Goniometers misst die vom jeweiligen Blatt
reflektierte Strahlendichte, die ins Verhältnis zur Strahlendichte des
Tab. 1
Übersicht zur Aufnahmegeometrie und zugehörigen Probennummer.
Overview about measuring geometry and no. of sample.
114 Allg. Forst- u. J.-Ztg., 179. Jg., 7

Referenzmaterials gesetzt wird. Das Verhältnis der beiden Strahlendichten
zueinander ist der Reflexionsfaktor R. Wird dieser über
der jeweiligen Wellenlänge dargestellt, so spricht man vom spektralen
Reflexionsfaktor, welcher als solcher oder in Prozent angegeben
werden kann. Da im vorliegenden Falle im abgedunkelten
Labor gearbeitet wurde, ein Einfluss der Globalstrahlung aus dem
Halbraum also ausgeschlossen ist, kann dieser Wert auch als bidirektionaler
Reflexionsfaktor angegeben werden.
Das durchnummerierte Blattmaterial wurde sodann in unterschiedlichen
Aufnahme-geometrien, also speziellen Winkelkombinationen
von Lichtquelle und Spektrometer untersucht. Tabelle 1
zeigt die dabei verwendeten Kombinationen sowie eine dreistellige,
für jede Messung eindeutige Probennummer. Die Position der
Lichtquelle wurde dabei in vertikaler Richtung in 15°-Stufen zwischen
60° und 120° und in horizontaler Richtung zwischen 0° und
90° variiert. Das Spektrometer oder der Sensor wurde vertikal
zwischen 60° und 90° ebenfalls in 15°-Abstufung positioniert. Insgesamt
wurden pro Standort 190 Spektren gemessen.
Die Analyse und Bewertung der Spektraldaten erfolgte nach
zwei unterschiedlichen Verfahren, nämlich einerseits durch Analyse
der Reflexionsspektren über den gesamten aufgenommen
Spektralbereich und andererseits über die Betrachtung einzelner,
besonders relevanter Ausschnitte des Spektrums. Im erstgenannten
Falle wurden Spektren nach gängigen Verfahren gemittelt und mit
Hilfe statistischer Methoden bewertet. Die Analyse der Spektralkurven
erfolgte unter Verwendung der Analyse Software ASD
ViewSpecPro ® sowie dem Hyperspectral Analysis Tool von
TNT-MIPS ® von Microimages.
Die Untersuchung einzelner Abschnitte des Spektrums beruht
auf der Berechnung von Indikatoren, bei denen die Reflexionswerte
bestimmter Wellenlängen nach vorgegebenen Regeln ins Verhältnis
gesetzt werden. Typische Indizes sind der Structure-Independent
Pigment Index (SIPI), der Photochemical Reflectance Index (PRI),
der Normalized total Pigment to Chlorophyll A ratio Index (NPCI)
und der in der multispektralen Fernerkundung häufig genutzte Normalized
Difference Vegetation Index (NDVI).
Der Structure-Independent Pigment Index SIPI (1) wurde von
PEÑUELAS et al. (1994) eingeführt. Er hat sich vor allem zur
Abschätzung des Verhältnisses von Gesamtphotosynthesepigment
zu Chlorophyllgehalt bewährt und verwendet vorwiegend Reflexionswerte
von blauen und roten Wellenlängen. Um etwaige Strukturveränderungen,
die häufig mit unterschiedlichem Pigmentgehalt
einhergehen, zu berücksichtigen, wurde außerdem der Reflexionswert
aus dem Nahen Infrarot (NIR) in die Berechnung einbezogen.
Der Photochemical Reflectance Index PRI (2) eignet sich besonders
zur Abschätzung der Effizienz, mit der eine Pflanze photosynthetisch
aktive Strahlung ausnutzen kann (GAMON et al., 1992;
STRACHAN et al., 2002).
Der Normalized total Pigment to Chlorophyll A ratio Index NPCI
(3) erlaubt eine grobe Einschätzung des Verhältnisses von Gesamtpigmentgehalt
zu Chlorophyll-A-Gehalt. Er ermöglicht eine Trennung
gesunder von eher gestressten oder absterbenden Pflanzen
(RAUN et al., 1998). Der Normalized Difference Vegetation Index
NDVI (4) ist in der multispektralen Fernerkundung seit langem
bekannt und dient hier vor allem zur Unterscheidung von unbewachsenen
und bewachsenen Flächen auf Satellitenbildern.
ZHAO et al. (2005) konnten feststellen, dass der NDVI unter Verwendung
von bestimmten Ausschnitten des roten beziehungsweise
nahen infraroten Wellenlängenbereichs zur Abschätzung von Stickstoffmangel
bei bestimmten landwirtschaftlichen Nutzpflanzen
geeignet ist.
3. ERGEBNISSE
3.1 Nährstoffgehalte in Boden und Blättern
Die Ergebnisse der chemischen Bodenanalysen sind in Tabelle 2
dargestellt. Sie untermauern die Annahme, dass der Buntsandstein-
Standort A eine schlechtere Nährstoffversorgung als der Kalk-
Standort B besitzt. Bei dem Standort B liegen die pH-Werte in den
obersten 29 cm Bodentiefe mit Werten zwischen 4,63 und 4,88 im
Austauscher-Pufferbereich; in unteren Bodenhorizonten mit Werten
zwischen 5,86 und 7,10 sogar im Silikat- bzw. Carbonat-Pufferbereich.
Standort A zeigt dagegen sehr niedrige pH-Werte (3,39 bis
3,87) und befindet sich im Aluminium-Pufferbereich. Dementsprechend
unterscheiden sich die beiden Standorte in Bezug auf die
Nährstoffversorgung des Bodens und die effektive Austauschkapazität
deutlich voneinander:
In den obersten 29 cm Bodentiefe liegt bei dem Standort A die
effektive Austauschkapazität mit Werten zwischen 28,7 und 37,2
µmol IÄ/g Boden mehr als zweifach niedriger als bei dem Standort
B (76,6 und 76,7 µmol IÄ/g Boden). Die Summe der basischen
Kationen (Ca + K + Mg) nimmt in den obersten 29 cm Bodentiefe
bei dem Standort A einen Anteil zwischen 7,0% und 20,9% an
Ake ein und liegt erheblich niedriger als bei dem Standort B
Tab. 2
Ergebnisse der chemischen Bodenanalysen im Vergleich
der beiden untersuchten Standorte (HORN, 2005).
Results of the chemical soil analysis.
Allg. Forst- u. J.-Ztg., 179. Jg., 7 115

(90,2% und 93,2%). Dagegen ist die Summe der „säurebildenden
Kationen“ (Al + Mn +Fe) in den obersten 29 cm Bodentiefe bei
dem Standort A mit Werten zwischen 79,1% und 93% erheblich
höher als bei dem Standort B (6,8% und 9,8%).
Die unterschiedlichen Nährstoffhaushalte der beiden Standorte
spiegeln sich auch in den jeweiligen Nährstoffgehalten der Blätter:
Auf dem gut nährstoffversorgten Standort B ist der Gesamtgehalt
von Ca in den Blattorganen zweifach höher, der von Mn etwa halb
so hoch wie bei Standort A (Abb. 1). Die Stickstoffwerte der
Blätter (im Diagramm nicht dargestellt) lagen bei ca. 21,74 mg/g
(Standort A) und 24,28 mg/g (Standort B) Trockensubstanz.
3.2 Reflexionsverhalten der Blätter
3.2.1 Verlauf der Reflexionskurven von unterschiedlichen Standorten
In Abbildung 2 wird der über alle Messungen gemittelte Verlauf
der spektralen Reflexionskurven für die beiden Standorte dargestellt.
Sehr gut erkennbar sind die Reflexionsminima im UV-, Blauund
Rotbereich, während im Bereich des grünen Lichts ein lokales
Maximum der Reflexion zu sehen ist. Ab etwa 700 nm beginnt ein
starker Anstieg der Reflexionskurve. Dieser vollzieht sich bis circa
Abb. 1
Nährstoffkonzentrationen der Blätter getrennt nach Standorten.
Average nutrients concentration (mg/g TS) for both sites.
740 nm und liegt damit in einem Spektralbereich, der als „red
edge“ (Rotflanke) beschrieben wird. THOMAS und OERTHER (1972)
begründen die Beobachtung des beschriebenen Reflexionsverlaufs
mit dem Absorptionsverhalten von Chlorophyll, sowie der Zellstruktur
von Blättern: Chlorophyll absorbiert am stärksten in den
Bereichen nahe 480 nm und 680 nm, weniger jedoch im Bereich
des grünen Lichts, wodurch die bereits genannten Reflexionsminima
mit dem dazwischen liegenden Reflexionsspitzenwert entstehen.
Den starken Anstieg im Bereich der Rotflanke führen THOMAS
und OERTHER (1972) auf die mikrozellulare Struktur des Blattgewebes
zurück, die für eine hohe Reflexion des Nahen Infrarots sorgt.
Innerhalb des Bereichs der Rotflanke befindet sich ein Wendepunkt,
der auch als „red edge position“ (REP) bezeichnet wird. Er
spielt bei der Analyse und dem Vergleich von Reflexionsspektren
immer wieder eine bedeutende Rolle und dient häufig als Erkennungsmerkmal
für Stress, Austrocknung und Seneszenz bei untersuchten
Pflanzen (BARANOSKI und ROKNE, 2005). Der Rotflanke
folgt der Bereich des Nahen Infrarot (NIR) mit hohen Reflexionswerten
bis etwa 1300 nm, wobei vier, durch verstärkte Absorption
hervorgerufene Einsattelungen – davon eine stärkere bei etwa
970 nm – auftreten. Im sich anschließenden Mittleren Infrarot
(MIR) fallen die Reflexionswerte bis zu einem Minimum im
Bereich um 1450 nm ab. Danach zeigen sich im Bereich des MIR
noch zwei Maxima, bei etwa 1650 nm und 2200 nm, denen jeweils
ein Minimum folgt. Nach einer, bei beiden Reflexionsspektren
erkennbaren Einsattelung im Bereich von 1800 nm liegt ein lokales
Reflexionsminimum bei etwa 1950 nm. Die beschriebenen Minima
im Kurvenverlauf gehen auf verstärkte Absorption einfallender
elektromagnetischer Strahlung durch den Wassergehalt im Blatt
zurück (HILDEBRANDT, 1996).
Der hier kurz beschriebene Verlauf findet sich grundsätzlich bei
allen aufgezeichneten Reflexionskurven, es zeigen sich aber in
Abhängigkeit vom Standort deutliche Veränderungen des Reflexionsfaktors
R in einigen Wellenlängenbereichen. Da es sich bei
dieser Darstellung um ein Mischsignal aus Messungen bei unterschiedlichen
Aufnahmegeometrien (Messwinkel, Beleuchtungswinkel,
Azimut) handelt, sind die vorgefundenen Unterschiede
jedoch nicht eindeutig auf Standortunterschiede zurückzuführen.
Abb. 2
Mittlere Reflexion R der Buchenblätter von Standort A und B
in den beobachteten Wellenlängen.
Average reflectance R above wavelength observed for sites A and B.
Abb. 3
Mittlere Reflexion R bei festem Messwinkel (60°),
fester Azimutdistanz aber unterschiedlichen Beleuchtungswinkeln
(60°, 75°, 90°) sowie relative Differenzen D
zwischen den Spektren der untersuchten Standorte.
Average reflectance R and relative differences D
for the sites observed based on fixed detection angle,
fixed azimuth but variable illumination angle (60°, 75°, 90°).
116 Allg. Forst- u. J.-Ztg., 179. Jg., 7

Nach Reduktion der verschiedenen Streuungsfaktoren lassen
sich aber signifikante Unterschiede zwischen den durchschnittlichen
Spektren von unterschiedlichen Standorten nachweisen. Ein
Beispiel zeigt die Abbildung 3.
Die Darstellung beruht auf Messwerten, die mit unterschiedlichen
Beleuchtungswinkeln (60°, 75° und 90°), aber gleichem
Messwinkel (60°) sowie gleicher Azimutdistanz gewonnen wurden.
Das Diagramm zeigt sowohl den Reflexionsverlauf als auch die
relativen Reflexionsunterschiede zwischen Messungen an Blättern
der beiden Standorte (schraffierte Fläche) soweit diese mit 95%
Wahrscheinlichkeit als gesichert gelten können. Gut erkennbar sind
die gravierenden Unterschiede im UV-, Blau- und Far Middle
Infrared (FMIR)-Bereich. In diesen Spektralbereichen liegen die
Reflexionswerte vom Standort A maximal um 40% bis 45% über
den Werten des Standorts B und mindestens bei etwa 17% im
FMIR, 20% im Blau-Bereich und 34% im ultravioletten Spektralbereich.
Weiterhin konnten signifikante Unterschiede im grünen,
roten und Early Middle Infrared (EMIR) 6) -Bereich beobachtet werden.
Die Spitzenwerte liegen bei 19% im grünen, 12% im roten
und etwa 26% im EMIR-Bereich.
Die Variation des Messwinkels ist mit deutlichen Veränderungen
in den Spektren verbunden (Abbildung 4). Die bereits beschriebenen
signifikanten Unterschiede haben sich in fast allen Wellenlängenbereichen
vergrößert. Sie erreichen im UV-Bereich zwischen
41% und 50%, im Blau-Bereich zwischen 37% und 42%. Im grünen
und roten Spektralbereich stiegen sie auf bis zu 31% bzw. 26%
und im EMIR auf 28%. Lediglich die signifikanten Unterschiede
im Bereich des FMIR liegen mit 16% bis 41% leicht unter den
Reflexionsunterschieden, die bei einem Messwinkel von 60° ermittelt
werden konnten.
Des Weiteren sind bei einem Messwinkel von 75° in einigen
Wellenlängenbereichen signifikante Mittelwertsunterschiede erkennbar,
die bei einem Messwinkel von 60° nicht aufgetreten sind.
So verbreitert sich der Bereich signifikanter Unterschiede im roten
Spektralbereich enorm und umfasst diesen beinahe vollständig. In
Abb. 4
Mittlere Reflexion R bei festem Messwinkel (75°),
fester Azimutdistanz aber unterschiedlichen Beleuchtungswinkeln
(60°, 75°, 90°) sowie relative Differenzen D
zwischen den Spektren der untersuchten Standorte.
Average reflectance R and relative differences D
for the sites observed based on fixed detection angle (75°),
fixed azimuth but variable illumination angle (60°, 75°, 90°).
6
) Wellenlänge 1301 nm–1900 nm.
diesem Bereich befindet sich ein Absorptionsband des Chlorophylls,
wodurch Reflexionsunterschiede auf unterschiedliche Chlorophyllgehalte
hindeuten können.
Besonders erwähnenswert ist ein Auftreten signifikanter Unterschiede
in Bereichen des Early Near Infrared (ENIR) 7) und Far
Near Infrared (FNIR) 8) (dunkelgraue Fläche, Abbildung 4). Hier
liegen die Reflexionswerte des Standortes B über denen von A. Der
Unterschied beträgt etwa 8%.
Auffällig ist, dass die in Abbildung 3 bzw. Abbildung 4 dargestellten
Reflexionsunterschiede genau in den Spektralbereichen
Spitzenwerte erreichen, die auch als Wasserabsorptionsbänder
bezeichnet werden. Diese Beobachtung lässt vermuten, dass die
Reflexionsunterschiede durch einen höheren Wassergehalt der
Blätter des Standorts B verursacht werden.
Auch die Variation des Beleuchtungswinkels verursacht Unterschiede
in den gemessenen Spektren, die sich nahezu über den
gesamten Messbereich ziehen. Auf eine detaillierte Darstellung der
Ergebnisse soll hier nicht näher eingegangen werden. Es ist aber
festzustellen, dass eine Erhöhung des Beleuchtungswinkels von 60°
auf 75° im Bereich des ultravioletten sowie des blauen Lichts eine
Erhöhung der Reflexionswerte um etwa 16% bis 17% und im
Bereich des roten Lichts um circa 20% zur Folge hat. Lediglich im
grünen Spektralbereich fällt dieser Unterschied mit 10% etwas
geringer aus. Signifikante Erhöhungen konnten – bis auf den UV-
Bereich – mit 95%iger Wahrscheinlichkeit in allen Bereichen festgestellt
werden.
Durch die Erhöhung des Messwinkels von 60° auf 75° verstärkt
sich auch der Einfluss des Beleuchtungswinkels besonders im kurzwelligen
Bereich. Signifikante Unterschiede liegen bei dieser Aufnahmegeometrie
mit 95%iger Wahrscheinlichkeit in allen Wellenlängenbereichen
vor – und dies trotz größerer, relativer Streuung
als bei Messungen mit 60°. Die Reflexion erhöht sich bei einer
Steigerung des Beleuchtungswinkels in den Bereichen UV, Blau
und Rot um etwa 34%. Im grünen Spektralbereich ist wiederum
eine geringere Steigerung erkennbar. Diese liegt bei ungefähr 23%.
Bei einer weiteren Erhöhung des Beleuchtungswinkels von 75° auf
90° ist – analog zu den Messungen mit einem Messwinkel von 60°
– eine kleinere Reflexionssteigerung erkennbar. Diese hat in den
Bereichen UV, Blau und Rot eine Größenordnung von etwa 20%
und im grünen Spektralbereich von circa 15%. Im eher langwelligen
Bereich des Spektrums sind die Veränderungen mit 4% bis 7%
deutlich geringer.
Die im Durchschnitt vorgefundenen und oben an einigen Beispielen
vorgestellten Unterschiede zwischen den beiden Standorten
relativieren sich etwas, wenn man Messwerte der einzelnen Blätter
vergleicht. Abbildung 5 zeigt die durchschnittlichen Spektren sowie
die Streuung der Einzelwerte (Standardabweichung (Stdv) und
Variationskoeffizient (Stdv(%)) für die Blätter des Standortes A bei
gleicher Aufnahmegeometrie.
Es fällt dabei auf, dass die größte Variation der Einzelmessungen
gerade in den Wellenlängenbereichen auftritt, in denen im Durchschnitt
die größten Unterschiede zwischen den Spektren von unterschiedlichen
Standorten gefunden wurden (vgl. auch Abbildung 4).
So erreicht der Variationskoeffizient im vorliegenden Beispiel im
eher kurzwelligen Spektralbereich über 50%, fällt dann im nahen
und mittleren Infrarot auf unter 20%, um schließlich im EMIR-
Bereich auf ein lokales Maximum von knapp 30% zu steigen. Vergleicht
man die Einzelwerte von unterschiedlichen Standorten bei
gleicher Aufnahmegeometrie zeigt sich außerdem, dass sich die
Datenbereiche zwischen den jeweiligen minimalen und maximalen
7
) Wellenlängen 741 nm–1050 nm.
8
) Wellenlängen 1051 nm–1300 nm.
Allg. Forst- u. J.-Ztg., 179. Jg., 7 117

Abb. 5
Mittlere Reflexion R des Standorts A sowie Standardabweichung
(Stdv)und Variationskoeffizient (Stdv%).
Average reflectance R, Standard Deviation (Stdv)
and Relative Variation (Stdv%) of reflectance spectra from site A.
Reflexionsbereichen überlappen. Offenbar bestätigt sich also der
schon mehrfach zitierte Sachverhalt, dass die Reflexion von Blättern
vielfältigen und teilweise zufälligen Einflüssen unterliegt. Insgesamt
lassen sich aus den gemessenen Daten also eindeutige
Unterschiede der Spektren von unterschiedlichen Standorten nicht
mit Sicherheit ableiten. Zwar können anhand der durchschnittlichen
Spektren Unterschiede nachgewiesen werden, eine generelle
Aussage zum Reflexionsverhalten verbietet sich jedoch, da im Einzelfall
abweichende Ergebnisse auftreten können. Erschwerend
kommt hinzu, dass in vorliegender Untersuchung eine chemische
Untersuchung der einzelnen Blätter aus technisch-logistischen
Gründen nicht möglich war und demzufolge kein direkter Zusammenhang
zwischen dem Reflexionsverhalten und dem blatt-spezifischen
Nährstoffgehalt hergestellt werden kann.
3.2.2 Vegetationsindizes
Eine weitergehende detaillierte Beschreibung des Einflusses von
verschiedenen Nährelementen auf das Reflexionsverhalten konnte
mit dem vorliegenden Datenmaterial nicht durchgeführt werden. Es
bietet sich jedoch an, potentielle, standortbedingte Unterschiede in
den Reflexionsspektren über so genannte Vegetationsindizes (vgl.
Kap. 2.2) zu erfassen beziehungsweise darzustellen. Tabelle 3 zeigt
die durchschnittlichen Indexwerte für alle gemessenen Spektren
sowie die Minima und Maxima getrennt nach Standorten.
Durch den SIPI lässt sich das Verhältnis von Gesamtpigment- zu
Chlorophyllgehalt abschätzen. So sind die für den SIPI berechneten
Werte in gesunden Pflanzen niedrig und erhöhen sich bei Stress
oder Seneszenz (PEÑUELAS et al., 1995, 1994). Für die Blätter beider
Standorte lag der SIPI mit rund 1,03 auf gleichem Niveau, was
Tab. 3
Vegetationsindizes berechnet aus durchschnittlichen Spektren.
Average vegetation indices.
ein annähernd gleiches Verhältnis von Gesamtpigment- zu Chlorophyllgehalt
vermuten lässt (vgl. Tabelle 3). Allerdings schwanken
die Werte des Standorts B wesentlich stärker als die von Standort
A. Der Chlorophyll-Gehalt von Pflanzen kann nach AYALA-SILVA et
al. (2005) bei Stress – unter anderem durch Nährstoffmangel –
stark abnehmen. Der SIPI wird also auch durch die jeweilige
Standortsituation beeinflusst. Es wäre also möglich gewesen, dass
die SIPI-Werte der Blätter des Standorts A aufgrund schlechterer
Nährstoffversorgung größer ausfallen als beim Standort B. Offenbar
überlagern also andere Stressfaktoren Effekte unterschiedlicher
Nährstoffversorgung. So könnte die stärkere Schädigung der Blätter
des Standorts B ebenfalls eine Erhöhung der dazugehörigen
SIPI-Werte verursacht haben.
Dass die Blätter von A ein etwas besseres Verhältnis von
Gesamtpigmentgehalt/Chlorophyllgehalt besitzen, geht aus den
errechneten Werten der beiden Indizes PRI und NPCI hervor: Der
PRI verkleinert sich mit zunehmender Photosynthese-Effizienz.
Wie der Tabelle 3 zu entnehmen ist, liegen die PRI-Werte des
Standorts A unter denen von B, was auf eine bessere Photosyntheserate
bei den Blättern von A hinweisen kann. Auch der NPCI deutet
daraufhin, dass wahrscheinlich in den Blättern des Standortes A
im Vergleich zu B ein geringfügig besseres Verhältnis von Gesamtpigment-
zu Chlorophyllgehalt vorlag, was sich in einer höheren
Photosyntheseleistung widerspiegeln würde. Die Schwankungsbreite
der an den einzelnen Blättern gemessenen Werte ist allerdings
besonders bei den Werten für Standort B erheblich, was eindeutige
Aussagen auch in diesem Fall erschwert, zumal sich auch
die Wertebereiche beider Standorte überlappen.
Der NDVI für die Blätter des Standorts B ist etwas höher als bei
A, was einen höheren Stickstoffgehalt bei B vermuten lässt.
Tatsächlich liegen – wie bereits erwähnt – die Stickstoffgehalte der
Blätter des Kalk-Standorts B höher als die des Buntsandstein-
Standorts A. Offenbar unterliegen die Blätter des Standorts B aber
einer deutlich höheren Schwankungsbreite der NDVI-Werte, die
den Wertebereich des Standorts A im Übrigen voll einschließt.
Eine Berechnung der Indices aus Spektren mit fester Aufnahmegeometrie
ändert an den Ergebnissen in Tabelle 3 nur wenig. Damit
bestätigt sich die schon oben erwähnte Beobachtung, dass Veränderungen
in der Aufnahmegeometrie vor allem die Intensität der
Reflexion beeinflussen, der grundsätzliche Verlauf der Spektren
dadurch aber nur gering verändert wird.
4. DISKUSSION UND FOLGERUNGEN
Die hier vorgestellten Ergebnisse lassen zunächst erkennen wie
schwierig es sein dürfte, Unterschiede in der Nährstoffversorgung
von Bäumen aus hyperspektralen Bildaufzeichnungen eindeutig zu
identifizieren. Dies gilt jedenfalls für das vorliegende Datenmaterial,
das von zwei unterschiedlich gut versorgten Standorten
stammte. Nahezu alle aufgenommen Spektralkurven zeigen den
gleichen typischen Verlauf unabhängig von Aufnahmegeometrie
und Blattherkunft.
Bei detaillierter Betrachtung der durchschnittlichen Spektren
konnten aber durchaus Unterschiede im Reflexionsverhalten
zwischen Blättern von den beiden Standorten festgestellt werden,
die sich vor allem im eher kurzwelligen Bereich (350 nm bis
ca. 700 nm) und im Infrarot (NIR, ENIR, FNR) besonders ausgeprägt
sind. Die jeweilige Aufnahmegeometrie verursacht allerdings
auch hier Verschiebungen, die teilweise recht deutlich ausfallen.
Insgesamt lässt die erhebliche Schwankungsbreite der Ergebnisse
von beiden Standorten auch angesichts der geringen Anzahl von
Blattproben gesicherte Aussagen jedoch nicht zu. Es bestätigen
sich damit Erfahrungen anderer Autoren, die überwiegend statistische
Zusammenhänge zwischen bestimmten biochemischen Eigen-
118 Allg. Forst- u. J.-Ztg., 179. Jg., 7

schaften und der spektralen Reflexion festgestellt haben (u.a.
GATES, 1970). Darüber hinaus sind es auch offensichtlich vorhandene
Unterschiede der Blattoberflächen etwa bedingt durch
Fraßschäden und Blattnekrosen, die für unterschiedliches Reflexionsverhalten
verantwortlich zu machen sind. Dies gilt im vorliegenden
Falle besonders für die Blätter des schwächer versorgten
Standortes A, der in erheblichem Umfang von der Buchenlaus
(Phyllaphis fagi, L.) befallen war.
In vorliegender Untersuchung sind außerdem logistisch-technische
Probleme zu berücksichtigen, die einerseits darin bestanden,
dass Blattinhaltsstoffe und damit das Reflexionsverhalten starken
Änderungen unterworfen sind, sobald die Blätter von der Pflanze
getrennt und über einen mehr oder weniger langen Zeitraum gelagert
werden müssen. Andererseits wäre es erforderlich, die spektral
untersuchten Blätter möglichst unmittelbar nach der Entnahme
einer chemischen Analyse zu unterziehen. Ein nicht unerheblicher
Teil der beobachteten Streuung mag also auf diese, unvermeidbaren
Unzulänglichkeiten im Versuchsablauf zurückgehen. Der Einsatz
von Feld-Goniometern, wie er in der Landwirtschaft seit einiger
Zeit bekannt ist, erscheint hier als ein möglicher Ausweg. Allerdings
sind landwirtschaftliche Nutzpflanzen natürlich nicht mit
Waldbäumen vergleichbar. Hier geht es darum das Reflexionsverhalten
von Baumkronen mit einer riesigen Anzahl verschiedener
Blätter zu ermitteln.
Nicht zu unterschätzen ist auch der Einfluss der jeweiligen Aufnahmegeometrie.
Die in dieser Untersuchung simulierten Kombinationen
von Messwinkel, Beleuchtungswinkel und Azimut spiegeln
nur einen kleinen Teil der unter natürlichen Bedingungen
möglichen Aufnahmegeometrien wieder. In der Fernerkundung von
ganzen Waldbeständen treten nahezu unendlich viele verschiedene
Aufnahmegeometrien auf - mit unüberschaubarem Einfluss auf die
thematische Aussagekraft der Daten. Einen Ausweg aus diesem
schon seit langem bekannten Problem dürfte nur die Ableitung der
bidirektionalen Reflexionsfunktion (BRDF) für das jeweilige
Blattmaterial bieten. Diese Funktionen beschreiben das Reflexionsverhalten
eines Materials unter allen nur denkbaren Aufnahmegeometrien
und erlauben somit eine weitgehend objektive
Beschreibung der spezifischen Oberflächen- beziehungsweise
Materialeigenschaften. Das hier verwendete Goniometer erlaubt
gerade auch die schnelle Ableitung dieser Funktionen (BILIOURIS et
al., 2003).
Die Betrachtung einzelner, besonders wichtiger Ausschnitte des
Spektrums mit Hilfe der verschiedenen Indizes erscheint als interessante
Alternative zur Analyse ganzer Spektralkurven. In dieser
Untersuchung konnten mindestens im Falle des NPCI and NDVI
klar unterschiedliche Ergebnisse beim Blattmaterial von beiden
Standorten gefunden werden. Damit bestätigt diese Untersuchung
Erfahrungen anderer Autoren, die Indizes zur Abschätzung des
Gehaltes von bestimmten Nährelementen oder anderen pflanzenphysiologischen
Zuständen erfolgreich verwendet haben. Gerade
bei den abbildenden Spektrometern bietet dieser Ansatz die Möglichkeit,
auf diesem Wege eine flächendeckende Abbildung der
jeweiligen Nährstoffsituation zu erzeugen, die sich dann unmittelbar
zur Planung beziehungsweise Durchführung von bestimmten
Maßnahmen verwenden lassen. Einschränkend lässt sich nach den
Erfahrungen aus der vorliegenden Untersuchung aber auch für die
berechneten Indizes eine erhebliche Streuung feststellen, die gesicherte
Aussagen nicht erlaubt.
Insgesamt ist also festzustellen, dass nach vorliegender Untersuchung
unter Laborbedingungen allenfalls tendenzielle Unterschiede
im Reflexionsverhalten der Blätter von unterschiedlichen
Standorten festzustellen waren. Klare Aussagen zu den Ursachen
und Zusammenhängen verbieten sich aufgrund der geschilderten
Probleme und Unzulänglichkeiten beim Versuchsaufbau. Schließlich
stellt sich auch generell die Frage, inwieweit Labormessungen
an einzelnen Blattorganen überhaupt als Grundlage für die Interpretation
von Fernerkundungsdaten heranzuziehen sind. Diese enthalten
Mischsignale weit entfernter unterschiedlicher Objekte mit
vielfältigen Folgen für die jeweils am Sensor registrierte Strahlung.
Nach HILDEBRANDT (1996) ist eine prinzipielle Übertragbarkeit der
Laborergebnisse zwar möglich, aber hinsichtlich ihrer Aussagekraft
doch eher eingeschränkt. Als wichtige Schlussfolgerung ist deshalb
festzuhalten, dass gerade auch im Hinblick auf den Einsatz von
abbildenden Spektrometern in der forstlichen Fernerkundung
weitere intensive Untersuchungen erforderlich sind, um das
Anwendungspotenzial dieser Technik in vollem Umfang nutzen zu
können.
5. ZUSAMMENFASSUNG
Die vorliegende Untersuchung befasst sich mit der Messung und
Analyse von Reflexionsspektren von Buchenblättern mit Hilfe von
Laborgoniometrie. Ziel der Untersuchungen war es, Unterschiede
im Reflexionsverhalten der Blätter von unterschiedlichen Waldstandorten
zu identifizieren. Die Klärung dieser Fragen wird im
Hinblick auf die wachsende Verfügbarkeit von hyperspektralen
Bildaufzeichnungen in der forstlichen Fernerkundung und den
damit verknüpften Erwartungen als notwendig und wichtig erachtet.
Untersucht wurden Buchenblätter von zwei unterschiedlichen
Waldstandorten, nämlich einerseits einem gut bis sehr gut versorgten
Kalkstandort im südlichen Niedersachsen und andererseits
einem schwächer versorgten Buntsandsteinstandort im nördlichen
Hessen. Die Blattproben wurden sowohl einer chemischen Analyse
als auch spektralen Analysen mit Hilfe eines Laborgoniometers
unterzogen. Die Auswertung der Reflexionsspektren ergab im
Durchschnitt deutlich erkennbare Unterschiede im Reflexionsverhalten
der Blätter von unterschiedlichen Standorten (Abb. 3, 4). In
einigen Wellenlängenbereichen traten Unterschiede zwischen den
Reflexionswerten beider Standorten von bis zu 45% auf. Bei
Betrachtung einzelner Blätter finden sich diese Unterschiede allerdings
nicht uneingeschränkt wieder. Vielmehr schwanken die Spektren
im Einzelfall stark und die Datenbereiche von beiden Standorten
überlappen sich (Abb. 5). Auch bei Betrachtung einzelner
Ausschnitte der Spektren und Berechnung verschiedener Indexwerte
lassen sich deutliche Unterschiede feststellen, die jedoch bei
Betrachtung einzelner Blätter ebenfalls großen Schwankungen
unterliegen. Damit bestätigen sich die Ergebnisse anderer Untersuchungen,
bei denen bestimmte pflanzenphysiologische Eigenschaften
lediglich zu statistischen Unterschieden in den jeweiligen
Reflexionsspektren führen. Offenbar überlagern zufällige Einflüsse
das sonst auf physikalischen Gesetzmäßigkeiten beruhende Reflexionsverhalten
von Blattorganen. Im Hinblick auf die Übertragung
der im Labor gewonnenen Daten auf die im Rahmen der Fernerkundung
herrschenden Verhältnisse stellt sich nun die Frage, ob die
mit der hyperspektralen Fernerkundung verbundenen hohen Erwartungen
mindestens für forstliche Fragestellungen gerechtfertigt
sind.
6. Abstract
Title of the paper: An Investigation into the Relation between Site
Factors and Spectral Reflectance Curves of Leaves of European
Beech (Fagus silvatica, L.) from different Sites.
This paper presents first results of a study employing spectral
goniometry in analysing reflectance spectra of leaves of European
Beech (Fagus silvatica, L.) collected from different sites. The overall
objective was to investigate the question as to whether differences
in nutrient content of leaves reflect into the reflectance spectra.
This question is regarded as being of crucial importance in
Allg. Forst- u. J.-Ztg., 179. Jg., 7 119

order to assess the potential use of imaging spectrometers in deriving
qualitative information on forest trees. The results reveal significant
differences between the average reflectance curves from both
sites in particular in the shorter wavelength of about 350 nm to
ca. 700 nm and the mid infrared spectral bands (ca. 1550 nm to
1860 nm). Nevertheless a host of different factors including the
combination of measuring-, illumination- and azimuth-angles have
a clear impact on the results. Spectra from different sites overlap
making it difficult to get a clear picture of differences. The calculation
of indices taking specific parts of the spectra into consideration
leads to similar results where only the “Normalized total Pigment
to Chlorophyll A ratio Index (NPCI)” and the “Normalized
difference Vegetation Index (NDVI)” showed significant differences
between the leaves from different soils. Altogether the results
correspond very much to findings from other authors concluding
that spectral reflectance from green leaves is affected by many different
factors which make it difficult to derive clear and reliable
information from it.
7. Résumé
Titre de l’article: Recherches sur l’évaluation de l’influence des
facteurs stationnels sur l’état des spectres de réflectance de feuilles
de hêtre.
Cette recherche a trait à la mesure et à l’analyse de spectres de
réflexion de feuilles de hêtre à l’aide de goniométrie en laboratoire.
L’objet des recherches était d’identifier des différences dans le
comportement en réflexion de feuilles de diverses stations forestières.
La mise au point de ces questions est considérée comme
nécessaire et importante si l’on tient compte de la disponibilité
croissante de clichés hyperspectraux dans la téléobservation forestière,
et des perspectives associées.
On a étudié des feuilles de hêtre de deux stations forestières différentes,
d’une part une station riche à très riche sur calcaire dans
le sud de la Basse Saxe, d’autre part une station plus pauvre sur
grès bigarré du nord de la Hesse. Les échantillons de feuilles ont
été soumis à une analyse chimique et à une analyse spectrale à
l’aide d’un goniomètre de laboratoire. L’exploitation des spectres
de réflexion mit en évidence des différences, au niveau des
moyennes, nettement perceptibles dans le comportement réflectionnel
des feuilles des différentes stations forestières (Fig. 3, 4). Dans
certains domaines de longueur d’onde les différences entre les
valeurs de réflexion des deux stations forestières atteignirent jusqu’à
45%. Dans le cas des feuilles isolées ces différences ne se
retrouvaient pas, bien évidemment, de façon aussi nette. De plus
dans certains cas les spectres fluctuaient fortement et les domaines
des données des deux stations forestières se recouvraient (Fig. 5).
L’analyse d’extraits partiels des spectres et le calcul de divers
index font apparaître aussi des différences nettes alors que dans le
cas de l’analyse de feuilles isolées, celles-ci sont soumises à de
grosses fluctuations. En cela se confirment les résultats d’autres
recherches, selon lesquelles certaines propriètés physiologiques des
plantes conduisent à des différences purement statistiques dans les
spectres de réflexion adaptés. Manifestement des influences fortuites
se superposent au comportement de réflexion des organes
foliaires qui, en leur absence, est régi conformément aux lois physiques.
Dans la perspective de la transposition des résultats de laboratoire
aux conditions réelles de la téléobservation se pose maintenant
la question de savoir si les grands espoirs liés à la
téléobservation hyperspectrale sont bien fondés, tout au moins dans
le cas des problèmes forestiers.
R.K.
8. Literatur
AYALA-SILVA, T. und C. A. BEYL (2005): Changes in spectral reflectance of
wheat leaves in response to specific macronutrient deficiency. Advances in
Space Research 35: 305–317.
BAACKE, H. (1994): Bestandesgeschichtliche Untersuchungen in einem
Buchen-Edellaubholzbestand (UAbt. 78a) im Staatlichen Forstamt Bovenden.
Diplomarbeit. Göttingen: Fachhochschule Hildesheim/Holzminden/
Göttingen, Fakultät Ressourcenmanagement. 72 S.
BARANOSKI, G. V. G. und J. G. ROKNE (2005): A practical approach for estimating
the red edge position of plant leaf reflectance. International Journal of
Remote Sensing 26 (3): 503–521.
BILIOURIS, D., C. VOM BERGE, C. FLECK, S. NACKAERTS, P. DUTRE, B. MUYS,
Y. WILLEMS und P. R. COPPIN (2003): CLabSpeG: a compact laboratory
spectro-goniometer system enabling rapid and complete BRDF assessments
of forest elements. In: Proceedings of the IEEE International Geoscience
and Remote Sensing Symposium (IGARSS), Toulouse, France. New Jersey,
USA: IEEE. 3 pp.
GAMON, J. A., J. PEÑUELAS und C. B. FIELD (1992): A narrow-waveband spectral
index that tracks diurnal changes in photosynthetic efficiency. Proceedings
1 st . Symposium on Remote Sensing on Environment. (41) 35–44.
GATES, D. M. (1970): Physical and physiological properties of Plants. In:
Remote Sensing. National Academy of Science USA, 224–252.
GAUSMAN, H. W., D. E. ESCOBAR und R. R. RODRIGUEZ (1978): Effects of
stress and pubescence on plant leaf and canopy reflectance. I. Archives
Photogrammetrie. XXII-7: 719–750.
HILDEBRANDT, G. (1996): Fernerkundung und Luftbildmessung: für Forstwirtschaft,
Vegetationskartierung und Landschaftsökologie. 1. Aufl. Heidelberg:
Wichmann. 676 S.
HOFFER, R. M. und C. J. JOHANNSEN (1969): Ecological potentials in spectral
signature analysis. In: Remote Sensing in Ecology. Athens, Georgia, 1969,
1–19.
HORN, R. (2005): Methodische Untersuchungen zur Abschätzung des Einflusses
von Standortsfaktoren auf den Verlauf von Reflexionsspektren bei
Buchenblättern von unterschiedlichen Standorten. Diplomarbeit aus der
Fakultät Ressourcenmanagement der FH Hildesheim/Holzminden/Göttingen.
62 S.
KÖHL, M. und M. LAUTNER (2001): Erfassung von Waldökosystemen durch
Hyperspektraldaten. Photogrammetrie, Fernerkundung, Geoinformation,
2001, Heft 2, 107–117.
KÖNIG, N. und H. FORTMANN (1999): Probenvorbereitungs-, Untersuchungsund
Elementbestimmungs-Methoden des Umweltanalytik-Labors der
Niedersächsischen Forstlichen Versuchsanstalt und des Zentrallabor II des
Forschungszentrums Waldökosysteme: Teil 4: Probenvorbereitungs- und
Untersuchungsmethoden, Qualitätskontrolle und Datenverarbeitung. Göttingen:
Ber. Forschungszentrum Waldökosysteme. Band, 49: 435 S.
MCNAIRN, H., J. C. DEGUISE, A. PACHECO, J. SHANG, N. RABE (2001): Estimation
of crop cover and chlorophyll from hyperspectral remote sensing. Proceedings
23 rd Canadian Remote Sensing Symposium, Sainte-Foy, Québec,
Canada, August 21–24, 2001, 6 pp.
PEÑUELAS, J., F. BARET und I. FILELLA (1995): Semi-empirical indices to
assess carotenoids/chlorophyll A ratio from leaf spectral reflectance. Photosynthetica
31: 221–230.
PEÑUELAS, J., J. A. GAMON, A. L. FREDEEN, J. MERINO und C. B. FIELD (1994):
Reflectance indices associated with physiological changes in nitrogenand
waterlimited sunflower leaves. Remote Sensing of Environment 48:
135–146.
RAUN, W. R., G. V. JOHNSON, H. SEMBIRING, E. V. LUKINA, J. M. LARUFFA,
W. E. THOMASON, S. B. PHILLIPS, J. B. SOLIE, M. L. STONE und R. W. WHIT-
NEY (1998): Indirect Measures of Plant Nutrients. Communications in Soil
Science and Plant Analysis 29: 1571–1581.
SCHADE, A. (1999): Forstliche Standortskartierung des Reviers Glashütte im
Schutzforst von Buttlar-Elberberg. Unveröffentl. Diplomarbeit. Göttingen:
Fachhochschule Hildesheim/Holzminden/Göttingen, Fakultät Ressourcenmanagement.
48 S.
STRACHAN, I. B., E. PATTEY und J. B. BOISVERT (2002): Impact of nitrogen and
environmental conditions on corn as detected by hyperspectral reflectance.
Remote Sensing of Environment 80: 213–224.
THOMAS, J. R. und G. F. OERTHER (1972): Estimating nitrogen content of sweet
pepper leaves by reflectance measurements. Agronomy Journal 64: 11–13.
YOUNG, R. und A. PEYNADO (1967): Freezing and water-soaking in citrus
leaves. Journal of the American Society for Horticultural Science 91:
157–162.
ZHAO, D. H., J. L. LI und J. G. QI (2005): Identification of red and NIR spectral
regions and vegetative indices for discrimination of cotton nitrogen
stress and growth stage. Computers and Electronics in Agriculture 48:
155–169.
120 Allg. Forst- u. J.-Ztg., 179. Jg., 7

Zum optimalen Einschlagszeitpunkt von Fichtenbeständen
Aus dem Fachgebiet für Waldinventur und nachhaltige Nutzung der Technischen Universität München,
Wissenschaftszentrum Weihenstephan
(Mit 5 Abbildungen und 7 Tabellen)
Von B. BEINHOFER
(Angenommen Juni 2007)
SCHLAGWÖRTER – KEY WORDS
Fichte; Hiebsreife; Risiko; Überlebenswahrscheinlichkeit; Holzpreisfluktuation.
Norway spruce; financial maturity; risk; survival probability; volatility
of timber prices.
1. EINLEITUNG
Die Umtriebszeit stellt im Altersklassenwald eine zentrale Steuergröße
der forstlichen Produktion dar, wird sie doch als Indikator
zur Beurteilung der Hiebsreife verwendet. Dabei versteht man
unter der Umtriebszeit den Zeitraum zwischen der Investition in die
Kultur und der Endnutzung des Bestandes (KURTH, 1993), bzw. das
Bestandesalter, zu dem die Hiebsreife erreicht wird. Letztlich ist
die Produktionszeit auch für den wirtschaftlichen Erfolg von entscheidender
Bedeutung. In der naturnahen Waldbewirtschaftung
wird die Hiebsreife anhand der erreichten Durchmesser beurteilt.
Die zugrunde liegenden Kalkulationen greifen jedoch auf dieselben
Überlegungen zurück, die zum optimalen Einschlagszeitpunkt von
gleichaltrigen Waldbeständen führen (ODERWALD und DUERR, 1990;
KNOKE, 1998a). Aus diesen Gründen werden wohl auch zukünftig,
wie auch in der Vergangenheit, Kalkulationen zur Umtriebszeit, in
diesem Fall von Fichte, sowohl aus methodischer Sicht, als auch als
Entscheidungsgrundlage für forstliche Planungen wertvolle Dienste
leisten (HUBER, 1966; KLOCEK und OESTEN, 1991). Daneben wird
oft vernachlässigt, dass die gewählte Umtriebszeit nicht nur die
Wirtschaftlichkeit (z.B. BENTLEY und TEEGUARDEN, 1965; CHANG,
1998), sondern auch das Ausmaß der Folgen von Kalamitäten abiotischen
oder biotischen Ursprungs beeinflusst (RAU, 2002). So stellt
beispielsweise die Bestandesoberhöhe, die ja mit steigendem Alter
zunimmt, die bedeutendste Größe zur Erklärung von Sturmschäden
dar (KÖNIG, 1995). Gleichzeitig steigt mit dem Bestandesalter nicht
nur die Schadenswahrscheinlichkeit, sondern auch der Vorrat des
Bestandes, was im Kalamitätsfall die Schadholzmenge und damit
die finanziellen Konsequenzen erhöht.
Aus diesem Grund wird in der nachfolgenden Kalkulation zur
Umtriebszeit versucht, neben Holzpreisschwankungen auch das
Risiko des Ausfalls von Beständen zu integrieren und so optimale
Umtriebszeiten unter Risiko zu ermitteln. Somit lautet die erste
Frage:
• Wie wird die Hiebsreife bei verschiedenen Kalkulationszinssätzen
von verschieden starken Kalamitätsrisiken beeinflusst?
Da die gesamte Kalkulation für drei verschiedene Durchforstungsregime
durchgeführt wird, stellt sich daneben eine zweite
Frage:
• Welche Durchforstungsvariante ist finanziell vorteilhaft?
Aufgrund der Einbeziehung von Holzpreisschwankungen und
natürlichen Risiken in die Kalkulation erscheint es sinnvoll, optimale
Umtriebszeiten nicht alleine nach dem zu erwartenden mittleren
Ertragswert auszuwählen, was Risikoneutralität unterstellt, sondern
die mittleren Ertragswerte und ihre Streuung gemeinsam mit
Hilfe von Risikonutzenfunktionen zu betrachten. Damit können
auch für risikoaverse Entscheidungsträger optimale Umtriebszeiten
ermittelt werden. So lautet die dritte Fragestellung:
• Welche Umtriebszeiten sind für risikoaverse Entscheidungsträger
nutzenmaximal?
Nach einem kurzen Überblick über die verwendeten Naturaldaten
und ihre Bewertung wird im Folgenden auf die Risikointegration
und die verwendeten betriebswirtschaftlichen Kenngrößen
eingegangen. Nach einer Darstellung der Folgen der Risikointegration
wird auf die Ergebnisse zu den vorteilhaften Längen der
Umtriebszeiten und der optimalen Durchforstungsvariante eingegangen,
ehe die Ergebnisse zu den nutzenmaximalen Umtriebszeiten
präsentiert werden. Die Ergebnisse werden anschließend
diskutiert und mit den Ergebnissen anderer Autoren verglichen.
2. MATERIAL UND METHODEN
2.1 Naturaldaten
Die folgende Kalkulation basiert auf Bestandesdaten, die mit
Hilfe des Waldwachstumssimulators SILVA (z.B. KAHN und
PRETZSCH, 1997) erzeugt wurden. Dazu wurde die Entwicklung des
als Beispiel im Wuchsmodell enthaltenen Fichtenbestandes für verschiedene
Durchforstungsvarianten bis zum Alter von 144 Jahren
simuliert. Als Standortseinstellungen wurden diejenigen des Oberbayerischen
Tertiärhügellandes gewählt, so dass die Bestände eine
Oberhöhenbonität nach ASSMANN und FRANZ (1963) von 38 aufweisen.
Weiter wurde für die Simulation ein Durchforstungseingriff
je Fünfjahresperiode und eine Stammzahlleitkurve für starke
Durchforstung vorgesehen. Als Durchforstungsvarianten wurden
neben einer Niederdurchforstung (Abkürzung: NDF) eine Auslesedurchforstung
(Abkürzung: ALDF) mit einem mäßigen Grad
der Freistellung der Auslesebäumen simuliert. Daneben wurde ein
Z-Baumverfahren (Abkürzung: ZBDF) mit 150 Z-Bäumen je
Hektar und der Entnahme von 2 Bedrängern je Z-Baum bei jeder
Durchforstung gewählt. Da sich die Daten des Beispielbestandes
auf eine Fläche von 0,2 ha beziehen, wurde die Simulation fünfmal
wiederholt um durch Addition die Bestandesdaten für die Fläche
von 1 ha zu erhalten und so einen Ausgleich der programmbedingten
Wachstumsstreuungen zu erreichen.
Um den finanziellen Wert des verbleibenden und des ausscheidenden
Bestandes für jede Periode ermitteln zu können, wurden
mit Hilfe des Sortierungs- und Voluminierungsprogramms BDAT
(KUBLIN und SCHARNAGEL, 1988) die enthaltenen Sortimente ermittelt.
Dabei wurden die Stämme in 5,10 m lange Fixlängen eingeteilt,
wobei als Mindestzopf 10 cm ohne Rinde verwendet wurden.
Eine Aufarbeitung von Langholz wurde nicht vorgesehen,
geht doch der Trend beim Nadelholz, auch im Starkholzbereich,
eindeutig in Richtung von Standardlängen (KWF, 2004; SAUTER et
al., 2004; HEHN et al., 2005).
2.2 Bewertung der Naturaldaten
Zur Bewertung der Holzsortimente wurden Holzpreise aus den
Bayerischen Staatsforsten und solche, die vom Bayerischen Waldbesitzerverband
(2006) veröffentlicht wurden, verwendet. Für die
Holzernte wurden bis einschließlich der Stärkeklasse L3b vollmechanisierte
Verfahren, für höhere Stärkeklassen eine motormanuelle
Aufarbeitung unterstellt. Dabei orientierten sich die
Ausgaben für die Holzernte an bayerischen Daten und an Kalkulationen
von SAUTER et al. (2004). Daneben wurde im Anhalt an
Allg. Forst- u. J.-Ztg., 179. Jg., 7 121

Tab. 1
Nettoerlöse der Sortimente in €/fm.
Net proceeds of the assortments in €/m 3 .
KNOKE (1998b) eine Qualitätsstruktur des Fichtenstammholzes von
80% B, 18% C und 2% D EWG unterstellt. Dies führte zu den in
Tabelle 1 aufgeführten Nettoerlösen der Sortimente. Für die erste
Durchforstung, die 25 Jahre nach der Bestandesbegründung stattfand,
wurde mit um 3 €/fm höheren Ausgaben für die Holzernte
gerechnet, so dass sich die angegebenen Nettoerlöse aus Tabelle 1
um diesen Betrag reduzieren.
Anhand der ermittelten Holzvolumen je Sortiment und der holzerntekostenfreien
Erlöse konnten für alle Perioden die Nettoerlöse
aus den Durchforstungseingriffen und die Abtriebswerte der verbleibenden
Bestände ermittelt werden. Bis einschließlich 20 Jahre
nach der Kulturbegründung wurde der Abtriebswert des Bestandes
gleich Null gesetzt. So kommt es zu den in Abbildung 1 dargestellten
Durchforstungserlösen während des Bestandeslebens und den
in Abbildung 2 dargestellten Abtriebswerten.
Das Z-Baumverfahren weist in den ersten sieben Durchforstungen
hohe Nettoerlöse auf. Dies hat allerdings zur Folgen, dass die
Abtriebswerte zu Beginn deutlich langsamer steigen als bei den
anderen Durchforstungsvarianten. Auch bei der Auslesedurchforstung
ist zu beobachten, wie sich hohe Durchforstungserlöse im
Zeitraum von 70 bis 100 Jahren nach der Bestandesbegründung in
einem nur noch schwachen Anstieg der Abtriebswerte niederschlagen.
Die dauerhaft hohen Durchforstungserlöse ab 85 Jahren nach
der Kulturbegründung bewirken bei der Niederdurchforstung sogar
ein Sinken des Abtriebswertes.
Somit weisen die Bestände, beispielhaft für Umtriebszeiten
von 100 oder 140 Jahren dargestellt, die in Tabelle 2 zusammengefassten
durchschnittlichen Wertleistungen pro Jahr und Hektar
auf. Diese entsprechen dem Waldreinertrag, der – zumindest für
einen Betrachtungszeitraum von 140 Jahren – kaum variiert. Allerdings
ist bei dieser Betrachtung kein Risiko berücksichtigt.
Es zeigt sich darüber hinaus, dass die Niederdurchforstung bei
diesen beiden Umtriebszeiten den höchsten Waldreinertrag liefert
und die Z-Baumdurchforstung den geringsten. Die durchschnittliche
Wertleistung bei einer Umtriebszeit von 100 Jahren ist hier
höher als bei 140-jährigem Umtrieb.
Die Kulturbegründung erfolgte mit vierjährigen Fichtenpflanzen.
Um vom Alter der Bestände auf den, für die finanzielle Kalkulation
entscheidenden Zeitraum seit der Investition in die Fichtenkultur
zu gelangen, wurden entsprechend diese vier Jahre vom
Bestandesalter abgezogen. So beziehen sich auch die ermittelten
optimalen Einschlagszeitpunkte für Fichtenbestände auf den Zeitraum
seit der Bestandesbegründung. Für die Anlage der Kultur
wurden Auszahlungen in Höhe von 2000 €/ha angesetzt. Für den
Fall, dass ein Bestand aufgrund einer Kalamität ausfällt, wurden
aufgrund der erschwerten Bedingungen auf Kalamitätsflächen
erhöhte Auszahlungen für die Kultur in Höhe von 3000 €/ha verwendet.
Daneben wurden noch Auszahlungen für Pflegemaßnahmen
in Höhe von 500 €/ha 10 Jahre nach der Kulturanlage in der
Kalkulation berücksichtigt.
2.3 Integration von Risiko
2.3.1 Integration der Holzpreisfluktuation
Um bei dieser Kalkulation die Unsicherheit zu berücksichtigen,
wird eine Holzpreisfluktuation in die Betrachtung integriert. Basierend
auf den Holzpreisstatistiken der Bayerischen Staatsforstverwaltung
aus dem Zeitraum von 1974 bis 2003 wurden die Preise
für unentrindetes Holz der Stärkeklasse L2b in B-Holzqualität analysiert.
In diesem Zeitraum wurden für dieses Sortiment im Mittel
70 €/fm erlöst. Dabei wiesen die Holzpreise eine Standardabweichung
von 15,50 €/fm auf. Da in dieser Untersuchung nur in Zeitabständen
von 5 Jahren Eingriffe stattfanden, ist es für die Holzpreisschätzung
nicht nötig ein autoregressives Modell, bei dem der
aktuelle Preis vom vorhergehenden abhängt, zu verwenden. Auch
in der Datengrundlage waren die Holzpreise für fünf Jahre ausein-
Abb. 1
Durchforstungserlöse der drei Behandlungsvarianten.
Net income of the thinnings for three different silvicultural treatments.
122 Allg. Forst- u. J.-Ztg., 179. Jg., 7

Abb. 2
Entwicklung der Abtriebswerte der drei Behandlungsvarianten.
Development of the net value of the spruce stands treated in three different ways.
Tab. 2
Durchschnittliche Wertleistung in € pro Jahr und Hektar.
Average creation of value in € per year and hectare.
ander liegende Zeitpunkte annähernd unkorreliert (k = –0,02).
Somit genügte für die Holzpreisschätzung ein einfaches Modell.
Mit Hilfe des Mittelwerts und der Standardabweichung der Holzpreise
wurde eine Normalverteilung erzeugt, aus der für jeden Eingriffszeitpunkt
ein zufallsbehafteter Holzpreis gezogen wurde. Aus
diesem Holzpreis und dem mittleren Holzpreis (70 €/fm) wurde
anschließend ein Quotient gebildet. Die Einnahmen aus den Durchforstungen
und die Abtriebswerte wurden mit diesem Quotient
multipliziert, so dass sie in der Kalkulation analog zu den Holzpreisen
schwankten.
2.3.2 Integration des Risikos des Bestandesausfalls
Neben der Holzpreisfluktuation wurde in diese Kalkulation auch
das Risiko des kalamitätsbedingten Bestandesausfalls integriert.
Die Grundlage dafür bildeten Untersuchungen zu den Überlebenswahrscheinlichkeiten
bzw. Ausfallwahrscheinlichkeiten von Fichtenbeständen.
Dabei versteht man unter der Überlebenswahrscheinlichkeit
(Ü) die Wahrscheinlichkeit, mit der ein Waldbestand
bekannten Alters ein Intervall bestimmter Länge überlebt (DIETER,
1997). Die Ausfallwahrscheinlichkeit (a) dagegen gibt die Wahrscheinlichkeit
an, mit der ein Waldbestand bestimmten Alters in
diesem Zeitraum ausfällt (DEEGEN, 1994). Dabei berechnet sich die
Überlebenswahrscheinlichkeit aus 1-a (DIETER, 1997). Die Wahrscheinlichkeit,
mit der eine gerade begründete Kultur n Perioden
überlebt berechnet sich dabei wie folgt:
Ü n = (1–a 1 )*(1–a 2 )*…*(1–a n–1 )*(1–a n ) Formel 1
Dabei wird die Ausfallwahrscheinlichkeit der ersten Periode mit
a 1 , die der zweiten mit a 2 und der Periode n mit a n bezeichnet.
Die für diese Kalkulation verwendeten Überlebenswahrscheinlichkeiten
basieren dabei auf Daten von MÖHRING (1986), HOLECY
und HANEWINKEL (2006) und der Waldlebenstafel von KOUBA
(2002). Zusätzlich wurden die Überlebenswahrscheinlichkeiten von
Fichtenbeständen, die von KÖNIG (1995 und 1996) unter alleiniger
Betrachtung von Sturmschäden ermittelt wurden, verwendet. Zu
dem Risiko des Bestandesausfalls durch Sturm wurde noch die
Gefahr des Ausfalls durch andere Kalamitäten nach der Methode
von BRÄUNIG und DIETER (1999) addiert. Für diese Rechnung dienten
die nach Ursachen aufgeschlüsselten kalamitätsbedingten Holzeinschläge
der Bayerischen Staatsforstverwaltung von 1990 bis
2004 (BAYERISCHE STAATSFORSTVERWALTUNG, 2004) als Maßstab.
Aufgetragen über dem Alter ergaben sich aus diesen Daten verschiedene
mögliche Entwicklungen der Überlebenswahrscheinlichkeit.
Basierend auf diesem Spektrum von möglichen Varianten
wurden zwei Szenarien mit mittleren und höheren Ausfallrisiken
und damit entsprechend verschiedenen Überlebenswahrscheinlichkeiten
(vgl. Abbildung 3) für Fichtenbestände ausgearbeitet. Dabei
bildet das Szenario mit hohem Ausfallrisiko die untere Umhüllende
der verschiedenen, möglichen Entwicklungen der Überlebenswahrscheinlichkeit.
Das Szenario mit mittlerem Ausfallrisiko stellt im
Bereich der möglichen Entwicklungen etwa eine Variante mit mittleren
Überlebenswahrscheinlichkeiten dar.
Aufgrund dieser Daten konnten die Ausfallwahrscheinlichkeiten
in Abhängigkeit vom momentanen Bestandesalter für die nächste
Fünfjahresperiode ermittelt werden. Über eine Zufallsfunktion
(Binomialverteilung) wurde dem Bestand mit dieser Wahrscheinlichkeit
ein kalamitätsbedingter Ausfall zugeordnet. Fiel ein
Bestand aus, wurde der Abtriebswert ermittelt, eine Auszahlung für
die nötige Kulturanlage angesetzt und das Bestandesalter auf null
gesetzt. Anschließend wurde erneut die normale Bestandesentwicklung,
wiederum unter den altersabhängigen Ausfallsrisiken,
bis zum Erreichen der Umtriebszeit unterstellt. Fiel der Bestand
nicht aus, setzt er seine normale Entwicklung in dieser Fünfjahresperiode
fort. Dieses Vorgehen wird für jede Fünfjahresperiode
wiederholt.
Dabei ist zu erwähnen, dass hier bei allen Durchforstungsvarianten
mit den gleichen altersabhängigen Überlebenswahrscheinlichkeiten
gerechnet wurde. Effekte einer unterschiedlichen Durchforstung
auf das Risiko bleiben so unberücksichtigt. Daneben wurde
bei dieser Kalkulation nur die Möglichkeit des bestandesweisen
Ausfalls berücksichtigt. Für den Fall eines Bestandesausfalls wurde
davon ausgegangen, dass nur noch die Hälfte des erwarteten
Abtriebswertes erlöst wird. Diese Reduktion scheint aufgrund des
kalamitätsbedingten Preisverfalls, der höheren Aufarbeitungskosten
oder der Holzverluste z.B. aufgrund von gesplittertem Holz
Allg. Forst- u. J.-Ztg., 179. Jg., 7 123

Abb. 3
Überlebenswahrscheinlichkeiten von Fichtenbeständen
bei hohem und mittlerem Ausfallrisiko.
Survival probabilities of spruce stands considering middle and high risks of failure.
bei Sturmereignissen gerechtfertigt und entspricht empirisch ermittelten
Ergebnissen (DIETER, 1997 und 2001).
Aus Gründen der Vereinfachung wurde weiter angenommen,
dass Bestandesausfälle lediglich zu den Zeitpunkten im Fünfjahresrhytmus,
für die genaue Abtriebswerte vorliegen, stattfinden und
danach sofort eine neue Kulturbegründung erfolgt.
2.4 Betriebswirtschaftliche Kalkulation
2.4.1 Die Annuitätenmethode
Annuitäten werden in forstökonomischen Studien eher selten
verwendet. MÖHRING (1994) stellt jedoch eine Reihe von Vorteilen
dieser Methode heraus. So sind Annuitäten als jährliche äquivalente
Raten sehr anschaulich zu interpretieren und gegenüber den eher
abstrakten Kapitalwerten informativer. Darüber hinaus berücksichtigen
sie die unterschiedlich langen Laufzeiten der Investition, was
bei Kalkulationen zur Umtriebszeit unerlässlich ist. Für jede
betrachtete Umtriebszeit musste zunächst ein Kapitalwert berechnet
werden. Dieser berechnet sich als Summe der mit einem Kalkulationszinssatz
auf den Zeitpunkt der Investitionsauszahlung diskontierten
Zahlungsströme. Allerdings lassen sich Investitionen mit
verschieden langer Laufzeit nicht mit der Kapitalwertmethode vergleichen.
Dies ist erst durch die Anwendung der Annuitätenmethode
möglich, wird doch damit auch die erneute Investitionsmöglichkeit
zum internen Zinssatz nach dem Ablauf einer kürzeren
Investitionslaufzeit berücksichtigt (HEIDINGSFELDER und KNOKE,
2004). Aus diesen Gründen wurden hier die optimalen Umtriebszeiten
mit Hilfe der Annuitätenmethode ermittelt. Dabei wird der
Kapitalwert über die Investitionslaufzeit verrentet, wobei sowohl
bei der Kapitalwertberechnung, als auch bei der Verrentung Kalkulationszinsfüße
verwendet werden. Bei der Verrentung wird der
Kapitalwert in äquivalente, für die Investitionslaufzeit gleich
bleibende Rentenraten umgerechnet (KOBELT und SCHULTE, 1985).
Diese Rentenraten kann man dabei als fiktive, gleich bleibende,
jährliche Renten für die jeweilige Umtriebszeit betrachten. Die
Berechnung der Annuitäten erfolgte mit folgender Formel:
Formel 2
Dabei bezeichnet an die Annuität und K den Kapitalwert, T steht
für die Gesamtlaufzeit der Investition, hier also der jeweiligen
Umtriebszeit, q für (1 + i), wobei i den Zinssatz, dargestellt als
Dezimalzahl bezeichnet. Nach der Annuitätenmethode ist eine
Investition der kalkulationszinssatzbestimmenden Investitionsalternative
überlegen, wenn die Annuität positiv ist. Vergleicht man
mehrere Investitionen, bzw. in diesem Fall verschiedene Umtriebszeiten,
ist diejenige mit der höchsten Annuität vorteilhaft (WÖHE,
2005). Die Optimierung der Umtriebszeit durch Maximierung der
Annuität ohne Berücksichtigung deren Streuung unterstellt allerdings
eine risikoneutrale Einstellung des Entscheidungsträgers.
2.4.2 Vorgehen bei dieser Untersuchung
Bei dieser Untersuchung erfolgte die Annuitätenberechnung
mit Zinssätzen von annähernd 0% (exakt wurde ein Zinssatz von
1*10 –8 % verwendet), 1%, 2%, 3% und 4%. Die Berechnung mit
einem Zinssatz von 1*10 –8 %, im Folgenden als Variante mit einem
Zinssatz von 0% bezeichnet, wurde einbezogen, um die Ergebnisse
besser mit anderen Arbeiten, die den Waldreinertrag verwenden,
vergleichen zu können. Für einen Zinssatz von 0% ist Formel 2
nicht definiert. Deshalb erfolgte hier die Kalkulation mit einem
Zinssatz nahe an Null. Die Berechnung der Annuitäten erfolgte für
Umtriebszeiten zwischen 25 und 140 Jahren, jeweils in Fünfjahresschritten.
Dabei wurden zur Kalkulation der Annuität die auf den
Zeitpunkt t = 0 diskontierten Auszahlungen für Kulturanlage und
Pflege und die Einzahlungen aus Durchforstungen, der Endnutzung
und diejenigen bei Bestandesausfällen verwendet. Nach dem etwaigen
Ausfall eines Bestandes wurde der Abtriebswert dieses neu
gepflanzten Bestandes zum eigentlichen Ablaufzeitpunkt der
Umtriebszeit als theoretischer Endnutzungserlös in die Kalkulation
einbezogen. Der Startpunkt der Simulation ist stets der Zeitpunkt
der Anlage der ersten Fichtenkultur. Wie häufig der Bestand
dazwischen ausfällt spielt keine Rolle für den Betrachtungszeitraum.
Dieses Vorgehen hatte zur Folge, dass bei Erreichen der
Umtriebszeit nicht alle Bestände das Umtriebsalter aufwiesen, da
sie teilweise erst nach einer zwischenzeitlichen Kalamität begründet
wurden. Um die Bandbreite der möglichen Ergebnisse bei Integration
der Unsicherheiten hinsichtlich des Holzpreises und des
Bestandesausfalls zu ermitteln, wurde die Kalkulation in 10.000-
facher Wiederholung im Rahmen einer Monte-Carlo-Simulation
durchgeführt (PFLAUMER, 1995). Diese Kalkulation erfolgte mit
Hilfe des Microsoft Excel Add-Ins für Monte-Carlo-Simulationen
von BARRETO und HOWLAND (2006). Aus diesen 10.000 möglichen
Werten der Annuitäten wurde für jede Umtriebszeit der Mittelwert
und als Streuungsmaß auch die Standardabweichung ermittelt.
124 Allg. Forst- u. J.-Ztg., 179. Jg., 7

2.5 Risikonutzenfunktion
Besonders bei Investitionen im Wald sollte man aufgrund der
schwankenden Holzpreise und der langen Zeiträume, in der
Bestände vielen biotischen und abiotischen Gefahren ausgesetzt
sind, Entscheidungen nicht allein nach den zu erwartenden mittleren
Annuitäten treffen. Vielmehr sollte man die Gefahr der
Schwankung der Annuitäten, hier dargestellt über die Standardabweichung,
mit in die Entscheidung einbeziehen. Eine Verknüpfung
der mittleren Annuitäten mit ihrer Streuung ist mit Hilfe von
Risikonutzenfunktionen, beispielsweise über Berechnung des
Sicherheitsäquivalents, möglich. Das Sicherheitsäquivalent entspricht
dabei dem sicheren Betrag, den der Investor als gleichwertig
mit dem unsicheren Mittelwert der Annuität betrachtet.
Da die Mehrzahl der Menschen Risiko meidet, was man schon
an der Vielzahl von abgeschlossenen Versicherungen erkennt, wird
im Folgenden von Risikoaversion ausgegangen. Dies bewirkt, dass
das Sicherheitsäquivalent einen geringeren Wert als der unsichere
Mittelwert der Annuität (Erwartungswert) aufweist (BAMBERG und
COENENBERG, 2006). Je unsicherer die Annuität, also je größer die
Streuung ist, desto geringer ist das Sicherheitsäquivalent. Folglich
wird ein risikoproportionaler Abschlag von den erwarteten, aber
unsicheren Annuitäten abgezogen, um das Sicherheitsäquivalent
abzuschätzen. Bei Risikoneutralität, also wenn es für den Investor
egal ist, ob die Annuitäten sicher sind oder schwanken, entspricht
das Sicherheitsäquivalent dem Erwartungswert (HEIDINGSFELDER
und KNOKE, 2004). Die Berechnung des Sicherheitsäquivalents
kann mit folgender Formel (SPREMANN, 1996; GERBER und PAFUMI,
1998) erfolgen:
Formel 3
Dabei steht SÄQ für Sicherheitsäquivalent und E(an) für den
Erwartungswert (Mittelwert) der Annuitäten. Hier wurde der Mittelwert
der Annuität aus den 10.000 wiederholten Simulationen
eingesetzt. Der Parameter α ist ein Maß für die Risikoaversion. Die
Standardabweichung der Annuitäten wird mit s an bezeichnet. Der
Term, der vom Erwartungswert abgezogen wird, stellt somit einen
Risikoabschlag dar.
Mit Hilfe des Parameters α kann man den Grad der Risikoaversion
berücksichtigen. Dabei unterscheidet man normale und starke
Risikoaversion. Je stärker die Risikoaversion ist, desto stärker wird
die Streuung der Annuitäten gewichtet. Folglich liegt das Sicherheitsäquivalent
umso weiter unter dem Erwartungswert der unsicheren
Zahlung, je größer die Risikoaversion ist. Dabei ist α vom
Anlagebetrag abhängig. Da sich der Anlagebetrag nicht mit der
betrachteten Umtriebszeit ändern darf, wurde dieser als Rentenrate
einer ewigen, jährlichen Rente bestimmt. Dabei wurden die Kulturkosten
als Rentenbarwert betrachtet. Die Rentenrate ist dabei als
jährlicher Kapitaldienst für die Kulturkosten interpretierbar. Auf
diese Weise liegt sowohl der Erwartungswert als auch das Anlagekapital
als pro Jahr angegebener Betrag vor. Bei normaler Risikoaversion
geht man von α = 1/Anlagebetrag, bei starker Risikoaversion
von α = 2/Anlagebetrag aus (SPREMANN, 1996; DIETER, 1997).
Der Berechnung des Sicherheitsäquivalentes basiert dabei auf
einer exponentiellen Nutzenfunktion. Diese lässt sich mathematisch
wie folgt ausdrücken (HEIDINGSFELDER und KNOKE, 2004):
U (Z) = 1 – e –α*Z Formel 4
Dabei bezeichnet U(Z) den Nutzen einer Zahlung Z und α ist der
Krümmungsparameter der Nutzenfunktion. Mit e wird die Eulersche
Zahl bezeichnet.
3. ERGEBNISSE
3.1 Auswirkungen der Ausfallsrisiken
Die Integration von Überlebenswahrscheinlichkeiten, bzw. Ausfallwahrscheinlichkeiten,
in die Kalkulation hat zur Folge, dass
nach Ablauf der vollen Umtriebszeit nicht alle Bestände das gleiche
Alter aufweisen. Dabei erhöht sich die Altersspreitung mit
zunehmender Umtriebszeit. Die simulierten Altersverteilungen der
Bestände für den geplanten Endnutzungszeitpunkt einer angestrebten
Umtriebszeit von 140 Jahren ist in Abbildung 4 dargestellt.
Es zeigt sich, dass wie erwartet, nur ein Teil der Bestände die
ganze Umtriebszeit von 140 Jahren überlebt. Dieser Anteil beträgt
bei mittlerem Risiko für den Bestandesausfall 42% und bei hohem
Risiko nur 12%, was genau den unterstellten Überlebenswahrscheinlichkeiten
entspricht (vgl. Abbildung 3). Betrachtet man die
jüngeren, innerhalb der 140 Jahre ausgefallenen Bestände, steigt
deren Anteil mit abnehmendem Alter, denn je später die ersten
Bestände ausfallen, desto jünger sind die Folgebestände nach
Ablauf der 140 Jahre. Dies entspricht den Erwartungen, da ältere
Bestände mit höherer Wahrscheinlichkeit ausfallen als jüngere.
Wie sich die Annuitäten mit der Umtriebszeit verändern und wie
sich verschiedene Risiken des Bestandesausfalls auswirken, ist in
Abbildung 5 für die Z-Baumdurchforstung und einen Zinssatz von
3% dargestellt.
Abb. 4
Simulierte Altersverteilung nach 140 Jahren.
Real age distribution of the stands after 140 years.
Allg. Forst- u. J.-Ztg., 179. Jg., 7 125

Zunächst ist zu erkennen, dass die Höhe der Annuitäten mit
zunehmenden Kalamitätsrisiken sinkt. Daneben ist zu erkennen,
dass die Annuität hier etwa bei einer Umtriebszeit von 50 Jahren
kulminiert. Dabei verläuft die Kurve mit den Annuitäten über die
verschiedenen Umtriebszeiten hinweg bei mittlerem und hohem
Ausfallrisiko etwa parallel. Dagegen fällt auf, dass sich der
Abstand zwischen den Varianten mit und ohne Ausfallrisiko mit
steigenden Umtriebszeiten verringert. Die Ursache dafür ist, dass
die Annuitäten bei den Varianten mit Ausfallrisiko weniger stark
absinken. Es ist nur eine geringe Auswirkung des Risikos auf den
Kulminationspunkt der Annuität erkennbar. Dieser verschiebt sich
von rund 50 auf etwa 45 Jahre. Die vergleichsweise sehr kurzen
unter Risikoneutralität optimalen Umtriebszeiten bedingen, dass
das Risiko hier eine untergeordnete Rolle spielt.
Wie sich die Annuitäten und ihre Streuung bei Umtriebszeiten
von 60, 100 und 140 Jahren durch die Integration von Bestandesausfällen
gegenüber der Variante ohne Ausfallrisiko verändern, soll
in Tabelle 3 dargestellt werden.
Zunächst zeigt sich hier, dass mit steigender Umtriebszeit auch
die Streuung der Annuitäten immer weiter zunimmt. Bei höherem
Risiko für einen Bestandesausfall steigt die Streuung deutlich stärker
an als bei mittlerem Ausfallrisiko. Die Streuungssteigerung
beträgt mindestens 48%, maximal 333%. Gleichzeitig vergrößert
sich die Reduktion der Annuitäten mit steigendem Ausfallrisiko.
Die größten Annuitätsreduktionen sind dabei meist bei einer
Umtriebszeit von 100 Jahren zu beobachten. Bei einer Umtriebszeit
von 140 Jahren dagegen ist die prozentuale Annuitätsreduktion
durch Integration des Ausfallrisikos wieder geringer. Bei der
Z-Baumdurchforstung und der Auslesedurchforstung ist sie für ein
mittleres Ausfallrisiko sogar geringer als bei einer Umtriebszeit
von 60 Jahren. Dies ergibt sich dadurch, dass die Annuitäten der
Variante ohne Ausfallrisiko bei höheren Umtriebszeiten stärker
sinken als bei den Varianten mit Ausfallrisiko (vgl. auch Abbildung
5). Lediglich bei der Niederdurchforstung und hohem Ausfallrisiko
sinken die Annuitäten stärker als bei der Variante ohne Risiko.
Folglich steigt in diesem Fall die Annuitätsreduktion gegenüber
einer Umtriebszeit von 100 Jahren noch weiter an. Die Reduktionen
der Annuitäten durch Integration eines mittleren Ausfallrisikos
liegen zwischen 5% und 21%, bei Annahme eines hohen Ausfallrisikos
zwischen 13% und 43%.
3.2 Umtriebszeiten zur Maximierung der Annuität
Gemäß der Fragestellung dieses Artikels ist es von besonderem
Interesse, wie die Hiebsreife von Fichtenbeständen auf verschiedene
Ausfallsrisiken für Bestände reagiert. Die optimalen Umtriebszeiten
der betrachteten Varianten sind in Tabelle 4 unter Annahme
von Risikoneutraliät zusammengefasst.
Abb. 5
Veränderung der Annuität mit der Umtriebszeit und Auswirkungen verschiedener
Kalamitätsrisiken, dargestellt für die Z-Baumdurchforstung und einen Zinssatz von 3%.
Changes of the annuity for different rotation ages and consequences
of different risks of failure, presented for a strong thinning to support
the final crop trees and an interest rate of 3%.
Tab. 3
Veränderung von Annuität und Streuung durch Einbeziehung des Ausfallrisikos,
dargestellt für einen Zinssatz von 3%.
Changes of annuity and its dispersion by integration of risks of failure, presented for an interest rate of 3%.
126 Allg. Forst- u. J.-Ztg., 179. Jg., 7

Die optimalen Umtriebszeiten liegen zwischen 45 und 120 Jahren.
Dabei tritt eine optimale Umtriebszeit von 120 Jahren bei der
Z-Baumdurchforstung, einem Zinssatz von 0% und der Betrachtung
ohne Ausfallrisiko auf. Bei einem Zinssatz von 4% beträgt die
optimale Umtriebszeit fast immer 45 Jahre. Integriert man das Risiko
des Bestandesausfalls in die Kalkulation beträgt die längste
optimale Umtriebszeit 80 Jahre. Dieses Ergebnis tritt bei der Auslesedurchforstung
und einem Zinssatz von 0% auf. Wie zu erwarten
war, sinkt die optimale Umtriebszeit mit steigendem Zinssatz.
Bei den Betrachtungen mit einem Zinssatz von 0% sinkt die optimale
Umtriebszeit stets mit steigendem Risiko. Dabei beträgt die
Reduktion mit steigendem Ausfallrisiko zwischen fünf und 50 Jahren.
Insgesamt bewirkt in 6 von 15 betrachteten Fällen die Berücksichtigung
des Ausfallrisikos in der Kalkulation eine Verkürzung
der optimalen Umtriebszeit. Bei den anderen 9 Varianten hat die
Integration des Ausfallrisikos keinen Einfluss auf die Länge der
optimalen Umtriebszeit, hier scheint sie lediglich vom Zinssatz
abzuhängen.
Besonders hervorzuheben ist der Befund, dass sich die Variation
der optimalen Umtriebszeit bei Zinssätzen von 1% bis 4% auf
Werte zwischen 45 und 65 Jahren beschränkt. Die Wirkung des
Tab. 4
Optimale Umtriebszeiten bei verschiedenen Durchforstungsvarianten,
Zinssätzen und Ausfallsrisiken und Risikoneutralität.
Optimal rotation ages for different silvicultural treatments,
interest rates and risks of failure and risk-neutrality.
Zinssatzes auf die Kalkulation der optimalen Umtriebszeit ist damit
verhältnismäßig gering, wenn man den Fall eines Kalkulationszinsfußes
von Null ausschließt.
3.3 Reduktion der Annuität durch längere Umtriebszeiten
Die ermittelten optimalen Umtriebszeiten sind deutlich kürzer
als die in der forstlichen Praxis verwendeten Umtriebszeiten. So
betrug die mittlere Umtriebszeit für Fichte in der Bayerischen
Staatsforstverwaltung nach MOOG und BORCHERT (2001) im Jahr
2000 etwa 140 Jahre. In den 1980er Jahren lag diese nach SCHREYER
(1986) für wüchsige Bestände noch zwischen 110 und 115 Jahren,
wobei eine Anhebung auf 120 Jahre denkbar war. Auch MÖHRING
(2001) berichtet von Umtriebszeiten für Fichte aus dem Solling, die
je nach Bonität zwischen etwa 110 und 130 Jahren liegen.
Einen finanziellen Vergleich zwischen den hier ermittelten optimalen
Umtriebszeiten und in der Praxis verwendeten längeren
Umtriebszeiten fasst Tabelle 5 zusammen. Dafür wurde für jede
Kombination aus Durchforstungsvariante und Ausfallrisiko die
durch die Verwendung von Umtriebszeiten zwischen 80 und 140
Jahren verursachte Minderung der Annuitäten in €/ha*a gegenüber
der jeweils finanziell optimalen Umtriebszeit bestimmt. Für diese
Betrachtung wurde ein Kalkulationszinssatz von 3% unterstellt.
Auf den ersten Blick ist erkennbar, dass die Minderung der
Annuität gegenüber der optimalen Umtriebszeit mit der Länge der
verwendeten Umtriebszeit ansteigen. Die Reduktion beträgt dabei
zwischen –17 €/ha*a und –89 €/ha*a. Die optimalen Umtriebszeiten
betragen dabei zumeist 50 Jahre. Lediglich bei der Z-Baumdurchforstung
ist für mittleres und hohes Ausfallrisiko eine
Umtriebszeit von 45 Jahren vorteilhaft (vgl. Tabelle 4). Bei einer
Umtriebszeit von 80 Jahren ist die Reduktion der Annuitäten für
jede Durchforstungsvariante bei den verschiedenen Graden des
Ausfallrisikos etwa gleich. Bei höheren Umtriebszeiten ist die Verringerung
der Annuität bei Integration des Ausfallrisikos geringer
als in der Betrachtung ohne Risiko. Insgesamt ist die Reduktion der
Annuität durch die Verwendung längerer Umtriebszeiten bei der
Auslesedurchforstung geringer als bei der Niederdurchforstung.
Am geringsten ist diese Reduktion bei der Z-Baumdurchforstung.
3.4 Vorteilhaftigkeit der Durchforstungsvarianten
Neben der Länge der Umtriebszeit hat auch die gewählte Durchforstung
einen Einfluss auf die Höhe der Annuitäten. In Tabelle 6
wird aufgezeigt, welche Durchforstungsvarianten sich als optimal
herausgestellt haben. Dafür wurde für jeden Zinssatz die Durchforstungsvariante
mit der maximalen Annuität bestimmt.
Es zeigte sich, dass sich die Vorteilhaftigkeit einer Durchforstungsvariante
nicht durch die Risikointegration ändert. Dage-
Tab. 5
Reduktion der Annuität in €/ha*a durch Verwendung nicht optimaler
Umtriebszeiten, dargestellt für einen Zinssatz von 3%.
Reductions of the annuity in €/ha*a caused by non-optimal rotation ages,
presented for an interest rate of 3%.
Allg. Forst- u. J.-Ztg., 179. Jg., 7 127

gen wirken sich die Risiken des Bestandesausfalls deutlich auf die
Höhe der Annuitäten aus. Dabei ist die Reduktion der Annuität von
der Variante ohne Risiko des Bestandesausfalls hin zu einem mittleren
Risiko deutlich größer als vom mittleren zum hohen Ausfallrisiko,
was nach Abbildung 3 auch zu erwarten war. Gleichzeitig
sinkt die Annuität erwartungsgemäß mit steigendem Kalkulationszinssatz.
Für Zinssätze von 0% bis 2% ist stets die Niederdurchforstung
vorteilhaft. Dabei ist wohl der bei der Niederdurchforstung
bereits in jungen Beständen hohe Abtriebswert entscheidend.
Dies gleicht, aufgrund der geringen Zinssätze, die niedrigeren
frühen Durchforstungserlöse aus. Bei Zinssätzen von 3% und 4%
dagegen ist immer die Z-Baumdurchforstung finanziell vorteilhaft.
Bei den höheren Zinssätzen wirken sich die frühen Durchforstungserlöse
besonders positiv aus und überkompensieren die
geringeren Abtriebswerte. Gleichzeitig ist festzustellen, dass die
Auslesedurchforstung nie die optimale Durchforstungsvariante
darstellt.
3.5 Nutzenmaximale Umtriebszeiten
Nachdem bisher nur die mittlere Annuität betrachtet wurde, soll
diese im Folgenden mit ihrer Streuung über das Sicherheitsäquivalent
verknüpft werden. Auf diese Weise sollen nutzenmaximale
Umtriebszeiten für verschieden risikoaverse Entscheidungsträger
ermittelt werden. Diese sind gemeinsam mit den die Annuität
maximierenden Umtriebszeiten in Tabelle 7 aufgeführt. Die nach
der zu erwartenden mittleren Annuität optimalen Umtriebszeiten
entsprechen dabei den Ergebnissen einer Optimierung unter der
Annahme von Risikoneutralität.
Für Risikoneutralität lässt sich feststellen, dass die optimalen
Umtriebszeiten mit steigendem Ausfallrisiko und steigenden
Kalkulationszinssätzen gleich bleiben oder sinken (vgl. auch Tabelle
4). Für Risikoaversion liegen die optimalen Umtriebszeiten
zwischen 50 und 140 Jahren. Bei Maximierung des Sicherheitsäquivalents
für normale und starke Riskoaversion erhöht sich die
Umtriebszeit mit steigendem Ausfallrisiko. Lediglich bei Niederdurchforstung,
normaler Risikoaversion und Z-Baumdurchforstung
und starker Risikoaversion sinkt die optimale Umtriebszeit für
einen Zinssatz von 2% vom mittleren zum hohen Ausfallrisiko hin
um 5 Jahre ab. In diesen beiden Fällen ist die optimale Umtriebszeit
aber für starkes Ausfallrisiko aber immer noch höher als bei
einer Vernachlässigung des Ausfallrisikos. Gleichzeitig erhöht sich
die optimale Umtriebszeit zumeist mit steigender Risikoaversion
und ist somit für starke Risikoaversion gleich oder höher als bei
normaler Risikoaversion. Auch bei der Maximierung des Sicherheitsäquivalents
ist zu beobachten, dass die optimalen Umtriebszeiten
mit steigenden Zinssätzen absinken.
4. DISKUSSION
In der folgenden Diskussion sollen die am Anfang gestellten Fragen
beantwortet und mit den Ergebnissen anderer Untersuchungen
verglichen werden. Die erste Frage lautete:
Tab. 6
Durchforstungsvariante mit maximaler Annuität bei verschiedenen Zinssätzen und Ausfallsrisiken.
Variant of thinning with the highest annuity for different interest rates and risks of failure.
Tab. 7
Optimale Umtriebszeit nach dem Sicherheitsäquivalent.
Optimal rotation ages calculated with the certainty equivalent.
128 Allg. Forst- u. J.-Ztg., 179. Jg., 7

• Wie wird die Hiebsreife bei verschiedenen Kalkulationszinssätzen
von verschieden starken Kalamitätsrisiken beeinflusst?
In dieser Untersuchung zeigten nur 6 von 15 Varianten eine Verkürzung
der Umtriebszeiten mit ansteigendem Ausfallrisiko für
Bestände (vgl. Tabelle 4). Bei den anderen Varianten zeigten die
optimalen Umtriebszeiten keine Reaktion auf die veränderten Ausfallrisiken.
Ohne Ausfallrisiko betrug die maximale Umtriebszeit
bei einem Zinssatz von 0% 120 Jahre, bei Einbeziehung von kalamitätsbedingten
Ausfallrisiken lediglich 80 Jahre. Mit steigendem
Kalkulationszinssatz sanken die optimalen Umtriebszeiten zumeist
bis auf 45 Jahre bei einem Kalkulationszinssatz von 4%. Dagegen
ermitteln MOOG und BORCHERT (2001) mit einem mittleren Zinssatz
von 4,2% für die späten 1990er Jahre optimale Umtriebszeiten
für Fichte auf guten Standorten von etwa 70 Jahren. Ohne Berücksichtigung
von Risiko und Kalkulationszinssätzen ermittelt
MÖHRING (2001) optimale Umtriebszeiten für Fichte von 140 Jahren.
Diese sinken bei einem Zinssatz von 3% je nach Bonität auf
80 bis 105 Jahre. Wiederum sind diese Umtriebszeiten, verglichen
mit den hier erzielten Ergebnissen deutlich länger. Eine weitere
Umtriebszeitanalyse ohne Berücksichtigung eines Kalkulationszinssatzes
liefert RAU (2002). Er empfiehlt aufgrund der Gefahr
durch Stürme die Umtriebszeit für Fichte auf 80 bis 100 Jahre zu
reduzieren. Dagegen wird hier festgestellt, dass unter Berücksichtigung
des Ausfallrisikos kürzere Umtriebszeiten von 65 bis 80
Jahren optimal sind. RAU (2002) stellt weiter fest, dass ohne
Sturmbeeinflussung eine Umtriebszeit von 120 Jahren optimal
wäre, was hier unter Vernachlässigung der natürlichen Risiken nur
bei der Z-Baumdurchforstung der Fall wäre. Im Gegensatz zu RAU
(2002) ist RICHTER (1986) auch unter dem Aspekt sinkender Fichtenstarkholzpreise
nicht der Meinung, dass die Umtriebszeit unter
120 Jahre gesenkt werden sollte. Eine Vielzahl von optimalen
Umtriebszeiten berechnen ESCHMANN et al. (2003), allerdings
ebenfalls ohne Einbeziehung eines Kalkulationszinssatzes. Dabei
unterscheiden die Autoren zwischen verschiedenen Verjüngungsund
Holzernteverfahren sowie zahlreichen Preisszenarien und kommen
zu optimalen Umtriebszeiten zwischen 85 und 150 Jahren. Für
den hier verwendeten Holzpreisen ähnliche Holzpreisszenarien
werden optimale Umtriebszeiten von 85 bis 135 Jahren ermittelt.
Ohne betriebswirtschaftliche Analyse, nur auf Grundlage von naturalen
Risikobetrachtungen und Überlebenswahrscheinlichkeiten
leitet KÖNIG (1996) nach standörtlichem Risiko differenzierte optimale
Umtriebszeiten für Fichte von 70 Jahren bei hohem und 130
Jahren bei geringem Windwurfrisiko her.
Insgesamt betrachtet stellt man nach diesem Vergleich fest, dass
bei dieser Untersuchung eher kurze Umtriebszeiten als optimal
ermittelt wurden. Ein möglicher Grund hierfür sind sicherlich die
relativ hohen Erlöse für schwache Sortimente und die wieder
sinkenden Erlöse für Sortimente ab der 4. Stärkeklasse. Bei der
Niederdurchforstung könnte ein Grund auch in den simulierten
Bestandesdaten liegen, stagniert doch der Abtriebswert ab dem
Alter 85, wohingegen er bei den zwei anderen Durchforstungsvarianten
noch weiter zunimmt (vgl. Abbildung 2).
Bei einem Blick in die forstliche Praxis stellt man fest, dass dort
erheblich längere Umtriebszeiten verwendet werden (vgl. dazu
SCHREYER, 1986; MÖHRING, 2001; MOOG und BORCHERT, 2001).
Bei der Analyse dieses Vorgehens stellten sich erhebliche jährliche
Verluste durch die Verwendung langer Umtriebszeiten heraus (vgl.
Tabelle 5). Dabei ist zu beachten, dass die Verwendung kürzerer
Umtriebszeiten nicht nur die Annuitäten steigern würde. Gleichzeitig
böte sich durch die Verkürzung der praktizierten Umtriebszeit
von 110 bis 140 Jahren (SCHREYER, 1986; MÖHRING, 2001; MOOG
und BORCHERT, 2001) die Möglichkeit viel in Holz gebundenes
Kapital verfügbar zu machen und in rentablere, auch forstliche
Investitionsobjekte umzuschichten. So könnte man auch eine
Diversifizierung finanzieren und Rücklagen bilden, um zukünftige
Holzpreisschwankungen besser abpuffern zu können. So stellen
beispielsweise WIPPERMANN und MÖHRING (2001) fest, dass die
Renditen von Aktien und die der Fichtenwirtschaft leicht negativ
korreliert sind. Dies stellt eine günstige Vorraussetzung für Diversifizierungsbestrebungen
im Sinne der von MARKOWITZ (1952) entwickelten
Portfoliotheorie dar. Im Bereich forstlicher Investitionen
sind Diversifikationseffekte besonders bei Mischungen von Fichten-
und Buchenbeständen zu erwarten (WEBER, 2002; KNOKE et
al., 2005; KNOKE und WURM, 2006).
Allerdings können betriebliche Ansprüche an die Kontinuität des
Holzanfalls oder die Personalauslastung einer allzu konsequenten
Absenkung der Umtriebszeit zuwider laufen. Daneben ermöglichen
längere Umtriebszeiten und damit höhere Vorräte auch eine größere
Flexibilität hinsichtlich der Entnahmen und können so innerhalb
des Portfolios eines wirtschaftenden Unternehmens die Funktion
der Risikoabsicherung für betriebliche Notlagen übernehmen
(DUFFNER, 1999). Auch können z.B. bei Liquiditätsengpässen eines
Betriebes kurzfristig leichter Finanzmittel durch Vorratsabsenkungen
verfügbar gemacht werden. Daneben wird in der Forstwirtschaft
seit Jahren erwartet, dass aufgrund der nachgewiesenen technologischen
Überlegenheit von Starkholz (z.B. AUKOFER und GLOS,
1999) dafür höhere Preise gezahlt werden als momentan (MOSANDL
und KNOKE, 2002). Dies kann allerdings nur in längeren Umtriebszeiten
erzeugt werden. Gleichzeitig könnten zukünftig mit der
Möglichkeit des Absatzes von mittelstarkem und starkem Holz
Diversifikationseffekte auftreten (MOSANDL und KNOKE, 2002).
Als zweites wurde folgende Frage gestellt:
• Welche Durchforstungsvariante ist finanziell vorteilhaft?
Es hat sich gezeigt (vgl. Tabelle 6), dass die optimale Durchforstung
unabhängig vom Ausfallrisiko ist. Dies war zu erwarten, da
die Ausfallwahrscheinlichkeiten nicht nach der Durchforstungsvariante
differenziert wurden. Bis zu einem Zinssatz von 2% ist die
Niederdurchforstung, ab 3% stets die Z-Baumdurchforstung die
optimale Durchforstungsvariante.
Je höher der Zinssatz, desto bedeutender werden, neben den hier
bei allen Varianten gleichen Investitionskosten, die Einnahmen aus
frühzeitigen Vornutzungen und der Abtriebswert bei der Endnutzung
verliert an Bedeutung (STRÜTT, 1991). Betrachtet man die
erntekostenfreien Erlöse der Durchforstungen (vgl. Abbildung 1) so
weist die Z-Baumdurchforstung in jungen Jahren die höchsten
Durchforstungserlöse auf. Die Niederdurchforstung dagegen weist
die niedrigsten Durchforstungserlöse, dafür bis zum Alter 100 den
höchsten Abtriebswert auf (vgl. Abbildung 2). Bei der stärkeren
Berücksichtigung des Zahlungszeitpunkts durch die Verwendung
höherer Zinssätze fallen die frühen Einnahmen stärker ins Gewicht
und überkompensieren den geringeren Abtriebswert bei der
Z-Baumdurchforstung gegenüber der Niederdurchforstung. Dass
die Auslesedurchforstung nie die Optimalvariante darstellt, könnte
an ihrer Mittelstellung zwischen den beiden anderen Varianten liegen
(vgl. Abbildung 1, Abbildung 2 und Tabelle 2). So weist sie
zumeist einen Abtriebswert auf, der zwischen denen von Niederund
Z-Baumdurchforstung liegt. Auch ihre Durchforstungserlöse
liegen tendenziell zwischen denen der beiden anderen Durchforstungsvarianten.
Auch KNOKE (1998b) kommt zu dem Ergebnis, dass ab einem
Kalkulationszinssatz von 3% eine starke Z-Baumdurchforstung
vorteilhaft ist. Allerdings schließt sich bei KNOKE (1998b) daran
eine Phase mit Zieldurchmesserernte an. Für geringere Zinssätze
ermittelt er eine kombinierte Durchforstung, bestehend aus einer
schwachen Z-Baumförderung mit anschließender Niederdurchforstungsphase
als optimal. Eine reine Niederdurchforstung wurde
von KNOKE (1998b) allerdings nicht betrachtet. Dagegen verglei-
Allg. Forst- u. J.-Ztg., 179. Jg., 7 129

chen ROEDER und SCHADENDORF (1988) direkt eine herkömmliche
Niederdurchforstung und eine Z-Baumdurchforstung anhand der
Deckungsbeiträge. Dabei ist bei dieser zinslosen Betrachtung die
Z-Baumdurchforstung hoch überlegen. Allerdings wurde die Niederdurchforstung
mit doppelt so hohen Ausgaben für die Kultur
belastet und die Holzpreise stiegen meßzahlgemäß mit der Stärkeklasse
an.
Es bleibt abschließend die Frage, ob die mit einem Wuchsmodell
erzeugten Daten die verschiedenen Durchforstungsvarianten treffend
abbilden. So überrascht es zum einen, dass bei der Niederdurchforstung
ab einem bestimmten Alter der Abtriebswert wieder
sinkt (vgl. Abbildung 2). Zum anderen bleibt zu klären, ob der
Waldwachstumssimulator die Reaktion der Z-Bäume auf die Freistellung
richtig abbildet oder nicht doch unterschätzt. So dauert es
nach den starken frühzeitigen Durchforstungseingriffen sehr lange
bis die Z-Baumdurchforstung ähnliche Abtriebswerte wie die anderen
Durchforstungsvarianten aufweist. Demnach wäre es interessant,
die hier erzielten Ergebnisse mit dem Wachstum realer
Bestände zu vergleichen.
Die letzte am Anfang gestellte Frage lautete:
• Welche Umtriebszeiten sind für risikoaverse Entscheidungsträger
nutzenmaximal?
Entgegen den Erwartungen und den Ergebnissen von ALVAREZ
und KOSKELA (2006) wurde festgestellt, dass die für Risikoaversion
ermittelten Umtriebszeiten gleich oder länger sind als die bei Risikoneutralität
ermittelten Umtriebszeiten (vgl. Tabelle 7). Ebenso
unerwartet ist die Tatsache, dass sich die optimale Umtriebszeit für
risikoaverse Entscheidungsträger mit steigendem Ausfallrisiko
erhöht. Eine wesentliche Ursache stellt dabei sicherlich die mit
steigender Umtriebszeit sinkende Standardabweichung der
Annuitäten dar. Mit steigender Risikoaversion wird die Standardabweichung
immer stärker gewichtet, so dass lange Umtriebszeiten
hierdurch zunehmend begünstigt werden. Diese Abnahme der Standardabweichung
mit längeren Umtriebszeiten nimmt außerdem mit
steigendem Ausfallrisiko zu. Somit nimmt auch der Risikoabschlag
mit steigendem Kalamitätsrisiko für längere Umtriebszeiten deutlich
stärker ab, so dass sich auch hier die hohen Umtriebszeiten
zunehmend als vorteilhaft erweisen.
Es bleibt zu klären, warum die Standardabweichung bei höheren
Umtriebszeiten wieder absinkt. Ein Aspekt könnte sein, dass durch
die zunehmende Umtriebszeit auch die Anzahl der Durchforstungen
steigt. Mit der steigenden Anzahl von Eingriffszeitpunkten
kompensieren sich auch die Holzpreisschwankungen besser gegenseitig,
was die Streuung zusätzlich reduziert (vgl. KNOKE et al.,
2001). Zudem trägt bei langen Umtriebszeiten, durch die starke
Diskontierung, der Abtriebswert weniger zu den Annuitäten bei.
Bei kurzen Umtriebszeiten dagegen spielt der Abtriebswert eine
größere Rolle, weshalb sich auch seine holzpreisbedingten
Schwankungen stärker auswirken.
5. ZUSAMMENFASSUNG
Das Ziel dieser Untersuchung war die Ermittlung optimaler
Umtriebszeiten für Fichtenbestände unter Einbeziehung des Risikos
des Bestandesausfalls und von Holzpreisschwankungen. Die
Umtriebszeitoptimierung erfolgte sowohl über Annuitäten, als auch
über eine Risikonutzenfunktion für risikoaverse Entscheidungsträger.
Basierend auf den vom Waldwachstumssimulator SILVA gelieferten
Bestandesdaten erfolgte die Ermittlung der Sortimente mit
Hilfe von BDAT um die verbleibenden und die ausscheidenden
Bestandesteile bewerten zu können. In der Kalkulation wurden die
Einzahlungen der Holzerntemaßnahmen mit schwankenden, zufallsbehafteten
Holzpreisen ermittelt. Daneben wurden zwei
verschiedene Risikoszenarien für den Bestandesausfall berücksichtigt.
Für Umtriebszeiten zwischen 25 und 140 Jahre wurden so
die Annuitäten im Rahmen einer Monte-Carlo-Simulation in
10.000facher Wiederholung für Zinssätze zwischen 0% und 4%
berechnet. Mit diesen Daten konnten Umtriebszeiten mit maximaler
Annuität und über die Risikonutzenfunktion nutzenmaximale
Umtriebszeiten für risikoaverse Entscheider ermittelt werden.
Es zeigte sich, dass die Umtriebszeiten mit maximaler Annuität
ohne Berücksichtigung des Ausfallrisikos je nach Zinsforderung
zwischen 45 und 120 Jahren liegen. Unter Einbeziehung des Ausfallrisikos
liegen die optimalen Umtriebszeiten zwischen 45 und 80
Jahren. In 6 der 15 betrachteten Varianten reduzierte sich die optimale
Umtriebszeit durch die Einbeziehung des Ausfallrisikos, bei
den anderen blieb sie gleich. Bei der Optimierung der Umtriebszeit
über die Risikonutzenfunktion stellte sich entgegen den Erwartungen
heraus, dass gleiche oder längere Umtriebszeiten als bei der
Maximierung der Annuität vorteilhaft sind. Insgesamt zeigte sich,
dass die heute verwendeten Umtriebszeiten nach finanziellen Kriterien
deutlich zu lang sind.
6. Summary
Title of the paper: On the financial maturity of spruce stands.
The aim of this investigation was to determine optimal rotation
ages for spruce stands, also taking risks of failure and the volatility
of timber prices into consideration. The optimization of the rotation
age occurred both with the help of the annuity and a utility function
for risk-averse decision makers.
Based on data from the forest growth simulator SILVA, the
assortments contained in the stands and harvested in the thinnings
were determined with the help of BDAT. Taking these data the
inflows could be calculated. In this calculation the deposits of harvesting
timber were determined with a fluctuating timber price. In
addition to that, two different risks of failure were integrated.
Annuities for rotation ages between 25 and 140 years were calculated
within a Monte-Carlo-Simulation with 10.000 repetitions.
This calculation was repeated with interest rates between 0% and
4%. With these data the rotation ages delivering the highest annuity
and with the help of the utility function, the rotation ages with
the highest utility for a risk-averse decision maker, could be calculated.
The rotation ages with the highest annuities, without considering
the risk of failure, were between 45 and 120 years. Considering the
risk of failure, the optimal rotation ages were between 45 and 80
years. In 6 out of the 15 variants regarded in this investigation, the
optimal rotation age was reduced when the risk of failure was also
considered. In the other 9 variants it didn’t change. Optimizing the
rotation age with a utility function, the same or even higher rotation
ages delivered the highest utility. Compared with these results, the
rotation ages used in Germany are much too long.
7. Resumé
Titre de l’article: Du moment optimal d’exploitation des peuplements
d’épicéas.
L’objectif de cette recherche était de déterminer l’âge d’exploitation
optimal des peuplements d’épicéa en tenant compte du risque
de disparition accidentelle du peuplement et des fluctuations du
prix du bois. L’optimisation de l’âge d’exploitation a résulté aussi
bien de calcul d’annuités que d’une fonction de profit liée au
risque, à l’usage d’une prise de décision antirisque.
En se fondant sur des données de peuplement fournies par le
simulateur de croissance forestière SILVA on a obtenu des assortiments
de récolte de produits forestiers à l’aide du BDAT afin de
pouvoir estimer les parties des peuplements restant sur pied et
130 Allg. Forst- u. J.-Ztg., 179. Jg., 7

celles qui partent en éclaircie. Dans les calculs les coûts de la
récolte des bois ont été obtenus à partir de prix du bois fluctuants et
soumis à des variations au hasard. En outre on a pris en compte
deux scénarios de risque en ce qui concerne la disparition accidentelle
des peuplements. Pour des âges d’exploitation compris entre
25 et 140 ans on a calculé les annuités à l’aide d’une simulation de
Monte-Carlo à 10 000 répétitions, pour des taux d’intérêts compris
entre 0% et 4%. A l’aide de ces données on a pu calculer les âges
d’exploitation à annuité maximale et, par la fonction de profit liée
au risque, déterminer les âges d’exploitation au profit maximal
pour un décideur désirant se mettre à l’abri du risque.
Il est apparu que les âges d’exploitation à annuité maximale,
sans prise en compte du risque de disparition accidentelle des peuplements,
se situent entre 45 et 120 ans, selon les taux. Si l’on
prend en compte le risque de disparition accidentelle de peuplement
les âges d’exploitation optimaux se situent entre 45 et 80
ans.Dans le cas de 6 des 15 variantes considérées l’âge d’exploitation
se réduit si l’on prend en compte le risque de disparition accidentelle,
pour les 9 autres l’âge d’exploitation reste inchangé. Lors
de l’optimisation de l’âge d’exploitation à l’aide de la fonction liée
au risque il est apparu, contrairement à notre attente, que sont avantageux
des âges d’exploitations identiques à ou plus élevés que
ceux résultant du calcul d’optimisation par annuité. Globalement il
apparaît que les âges d’exploitation pratiqués actuellement sont
nettement trop élevés si l’on s’en tient aux critères financiers. R.K.
8. Literaturverzeichnis
ALVAREZ, L. H. R. und E. KOSKELA (2006): Does risk aversion accelerate optimal
forest rotation under uncertainty? In: Journal of Forest Economics, 12.
Jahrgang, Seite 171–184.
ASSMANN, E. und F. FRANZ (1963): Vorläufige Fichten-Ertragstafel für Bayern.
In: Bayerisches Staatsministerium für Ernährung, Landwirtschaft und
Forsten (Hrsg.): Hilfstafeln für die Forsteinrichtung. Auflage 1990, Seite
52–87.
AUKOFER, T. und P. GLOS (1999): Technologische Vorteile von Fichten-Starkholz.
In: Wald und Holz, Heft 11, Seite 23–27.
BAMBERG, G. und A. D. COENENBERG (2006): Betriebswirtschaftliche Entscheidungslehre,
WISO Kurzlehrbücher, Reihe Betriebswirtschaft. München,
13. Auflage 2006.
BARRETO, H. und F. M. HOWLAND (2006): Introductory Econometrics, Using
Monte Carlo Simulation with Microsoft Excel. New York, 1. Auflage 2006.
BAYERISCHE STAATSFORSTVERWALTUNG (2004): Statistikband 2004. München.
BAYERISCHER WALDBESITZERVERBAND (2006): Der Holzmarkt in Bayern, Holzknappheit
führt zu steigenden Preisen. In: Der bayerische Waldbesitzer,
Heft 2/2006, Seite 14–15.
BAYERISCHES STAATSMINISTERIUM FÜR LANDWIRTSCHAFT UND FORSTEN (1974–
2003): Holzpreisstatistik für das Kalenderjahr..., für die Jahre 1974–2003.
München.
BENTLEY, W. R. und D. E. TEEGUARDEN (1965): Financial Maturity: A Theoretical
Review. In: Forest Science, 11. Jahrgang, Heft 1, Seite 76–87.
BRÄUNING, R. und M. DIETER (1999): Waldumbau, Kalamitätsrisiken und
finanzielle Erfolgskennzahlen. Eine Anwendung von Simulationsmodellen
auf Daten eines Forstbetriebes. Schriften zur Forstökonomie Band 18.
Frankfurt am Main.
CHANG, S. J. (1998): A generalized Faustmann model for the determination of
optimal harvest age. In: Canadian Journal of Forest Research, 28. Jahrgang,
Seite 652–659.
DEEGEN, P. (1994): Beitrag zur Analyse und Berechnung von Risiko am Einzelbestand.
In: Forstarchiv, 65. Jahrgang, Seite 280–285.
DIETER, M. (1997): Berücksichtigung von Risiko bei forstbetrieblichen Entscheidungen,
Schriften zur Forstökonomie Band 16. Frankfurt am Main.
DIETER, M. (2001): Land expectation values for spruce and beech calculated
with Monte Carlo modelling techniques. In: Forest Policy and Economics,
2. Jahrgang, Heft 2, Seite 157–166.
DUFFNER, W. (1999): Wald im Portfolio eines wirtschaftenden Unternehmens.
In: Forst und Holz, 54. Jahrgang, Heft 15, Seite 451–456.
ESCHMANN, P., P. BACHMANN und S. HORAT (2003): Marktorientierte Sortimentsoptimierung
im Forstbetrieb. Unter: http://e-collection.ethbib.ethz.ch;
Zugriff: Juni 2006.
GERBER, H. U. und G. PAFUMI (1998): Utility Functions: From Risk Theory to
Finance. In: North American Actuarial Journal, 2. Jahrgang, Heft 3, Seite
74–100.
HEHN, M., CH. PFEIL, F. SAUTER und U. H. SAUTER (2005): Kurzholzaushaltung
von Nadelstarkholz-Erfahrungen und Empfehlungen für Hänge und
Steilhänge. In: Badische Bauern Zeitung, Oktober 2005.
HEIDINGSFELDER, A. und T. KNOKE (2004): Douglasie versus Fichte, Ein
betriebswirtschaftlicher Leistungsvergleich auf Grundlage des Provenienzversuches
Kaiserslautern, Schriften zur Forstökonomie Band 26. Frankfurt
am Main.
HOLECY, J. und M. HANEWINKEL (2006): A forest management risk insurance
model and its application to coniferous stands in southwest Germany. In:
Forest Policy and Economics, 8. Jahrgang, Heft 2, Seite 161–174.
HUBER, E. (1966): Umtriebszeit und Rationalisierung. In: AFZ, 21. Jahrgang,
Seite 119–122 und 142–147.
KAHN, M. und H. PRETZSCH (1997): Das Wuchsmodell SILVA-Parametrisierung
der Version 2.1 für Rein- und Mischbestände aus Fichte und Buche.
In: Allgemeine Forst- und Jagdzeitung, 168. Jahrgang, Seite 115–123.
KLOCEK, A. und G. OESTEN (1991): Zur Bestimmung der optimalen Umtriebszeit
im Zielwaldmodell. In: Allgemeine Forst- und Jagdzeitung, 162. Jahrgang,
Heft 5/6, Seite 92–100.
KNOKE, T. (1998a): Analyse und Optimierung der Holzproduktion in einem
Plenterwald – zur Forstbetriebsplanung in ungleichaltrigen Wäldern. Forstliche
Forschungsberichte München, Nr. 170: 182 S.
KNOKE, T. (1998b): Die Stabilisierung junger Fichtenbestände durch starke
Durchforstungseingriffe-Versuch einer ökonomischen Bewertung. In: Forstarchiv,
69. Jahrgang, Heft 6, Seite 219–226.
KNOKE, T. und J. WURM (2006): Mixed forests and a flexible harvest policy: A
problem for conventional risk analysis? In: European Journal of Forsest
Research, 125. Jahrgang, Heft 3, Seite 303–315.
KNOKE, T., M. MOOG und N. PLUSCZYK (2001): On the effect of volatile
stumpage prices on the economic attractiveness of a silvicultural transformation
strategy. In: Forest Policy and Economics, 2. Jahrgang, Seite
229–240.
KNOKE, T., B. STIMM, CH. AMMER und M. MOOG (2005): Mixed forests reconsidered:
A forest economics contribution on an ecological concept. In:
Forest Ecology and Management, Heft 213, Seite 102–116.
KOBELT, H. und P. SCHULTE (1985): Finanzmathematik, Methoden, betriebswirtschaftliche
Anwendungen und Aufgaben mit Lösungen. Berlin, 3. Auflage
1985.
KÖNIG, A. (1995): Sturmgefährdung von Beständen im Altersklassenwald, Ein
Erklärungs- und Prognosemodell. Frankfurt am Main.
KÖNIG, A. (1996): Abgrenzung von Sturmschadensrisikoklassen und Entwicklung
von risikoorientierten Endnutzungsstrategien für den bayerischen
Staatswald, Abschlussbericht an das Kuratorium der Bayerischen Landesanstalt
für Wald und Forstwirtschaft. Freising.
KOUBA, J. (2002): Das Leben des Waldes und seine Lebensunsicherheit. In:
Forstwissenschaftliches Centralblatt, 121. Jahrgang, Seite 211–228.
KUBLIN, E. und G. SCHARNAGEL (1988): Verfahrens- und Programmbeschreibung
zum BWI-Unterprogramm BDAT. Forstliche Versuchs- und Forschungsanstalt
Baden-Württemberg.
KURTH, H. (1993): Forsteinrichtung, Nachhaltige Regelung des Waldes.
Berlin.
KWF (2004): Starkholz: Kundenorientierte Sortierung von Nadelstarkholz-
Fixlängen – Sortierung als Mittel der Produktgestaltung. Unter: http://www.
kwf-online.de/deutsch/arbeit/holzerntebericht/1Demotour/Data/4starkholz;
Zugriff: Juni 2006.
MARKOWITZ, H. (1952): Portfolio selection. In: The Journal of Finance, 7.
Jahrgang, Heft 1, Seite 77–91.
MÖHRING, B. (1986): Dynamische Betriebsklassensimulation, Ein Hilfsmittel
für die Waldschadensbewertung und Entscheidungsfindung im Forstbetrieb,
Berichte des Forschungszentrums Waldökosysteme/Waldsterben Band 20.
Göttingen.
MÖHRING, B. (1994): Über ökonomische Kalküle für forstliche Nutzungsentscheidungen,
Schriften zur Forstökonomie, Band 7. Frankfurt am Main.
MÖHRING, B. (2001): The German struggle between the „Bodenreinertragslehre“
(land rent theory) and „Waldreinertragslehre“ (theory of the highest
revenue) belongs to the past – but what is left? In: Forest Policy and Economics,
2. Jahrgang, Seite 195–201.
MOOG, M. und H. BORCHERT (2001): Increasing rotation periods during a time
of decreasing profitability of forestry – a paradox? In: Forest Policy and
Economics, 2. Jahrgang, Seite 101–116.
MOSANDL, R. und T. KNOKE (2002): Holzpreisschwankungen als Problem
der Forstwirtschaft. In: AFZ – DerWald, 57. Jahrgang, Heft 3/2002, Seite
118–119.
ODERWALD, R. G. und W. A. DUERR (1990): König-Faustmannism: A Critique.
In: Forest Science, 36. Jahrgang, Heft 1, Seite 169–174.
PFLAUMER, P. (1995): Investitionsrechnung. München, 2. Auflage 1995.
RAU, H. (2002): Optimierung der Umtriebszeit von Fichtenbeständen, Zunehmende
Gefährdung durch Sturm berücksichtigen! In: AFZ – DerWald, 57.
Jahrgang, Heft 3, Seite 124–125.
RICHTER, J. (1986): Zwingt die Entwicklung der Starkholzpreise bei der Fichte
zur Senkung der Umtriebszeit? In: AFZ, 41. Jahrgang, Seite 1016.
ROEDER, A. und C. SCHADENDORF (1988): Standortsspezifische Fichtenwuchsmodelle
im betriebswirtschaftlichen Vergleich. In: Forstarchiv, 59. Jahrgang,
Heft 1, Seite 8–12.
SAUTER, U. H., M. HEHN, Ch. PFEIL und P. HERBST (2004): Verfahren zur
Mobilisierung von Nadelstarkholz. In: Holzzentralblatt, 130. Jahrgang, Heft
46, Seite 613–614.
Allg. Forst- u. J.-Ztg., 179. Jg., 7 131

SCHREYER, G. (1986): Umtriebszeiten für Fichte und Kiefer aus Sicht der
Bayerischen Staatsforstverwaltung. In: AFZ, 41. Jahrgang, Heft 21, Seite
517–519.
SPREMANN, K. (1996): Wirtschaft, Investition und Finanzierung. München,
5. Auflage 1996.
STRÜTT, M. (1991): Betriebswirtschaftliche Modelluntersuchungen zu
Z-Baum orientierten Produktionsstrategien in der Fichtenwirtschaft. Mitteilungen
der Forstlichen Versuchs- und Forschungsanstalt Baden-Württemberg,
Band 156. Freiburg im Breisgau.
WEBER, M.-W. (2002): Portefeuille- und Real-Optionspreis-Theorie und forstliche
Entscheidungen, Schriften zur Forstökonomie Band 23. Frankfurt am
Main.
WIPPERMANN, Ch. und B. MÖHRING (2001): Exemplarische Anwendung der
Portefeuilletheorie zur Analyse eines forstlichen Investments. In: Forst und
Holz, 56. Jahrgang, Heft 9, Seite 267–272.
WÖHE, G. (2005): Einführung in die Allgemeine Betriebswirtschaftslehre,
Vahlens Handbücher der Wirtschafts- und Sozialwissenschaften. München,
22. Auflage 2005.
Buchbesprechung
Macht Wissenschaft Politik? Erfahrungen wissenschaftlicher
Beratung im Politikfeld Wald und Umwelt. Herausgegeben von
MAX KROTT und MICHAEL SUDA. VS Verlag für Sozialwissenschaften,
Reihe Forschung Politik. ISBN 978-3-531-15369-8.
251 Seiten, mit Abbildungen und Tabellen. 29,90 €.
Nach dem vor einigen Jahren erschienenen Buch zur „Befragung
als Methode der Sozialforschung in der Forstwissenschaft“ haben
MAX KROTT und MICHAEL SUDA unter dem Titel „Macht Wissenschaft
Politik?“ einen weiteren Sammelband herausgegeben, der
auf den Ergebnissen einer mehrjährig tätigen Arbeitsgruppe
basiert. Mit der Fokussierung auf das Spannungsfeld zwischen
fachlicher Expertise und politischer Entscheidungsfindung widmete
sich dieses Autorenkollektiv einem Kernproblem des wissenschaftlichen
Selbstverständnisses, das in den letzten Jahren vor
dem Hintergrund des Autoritäts-, Vertrauens- und Legitimationsverlustes
der Wissenschaft zunehmende Aufmerksamkeit gefunden
hat. Das Buch fasst Erkenntnisse aus der langjährigen Beratungspraxis
von mehreren Forschungsinstitutionen der Forst- und
Umweltpolitik aus Deutschland und Österreich zusammen.
Der Titel ist klug gewählt. Sobald man seine drei Bestandteile
isoliert und „Macht“ als Substantiv betrachtet, tritt eine wesentliche
Determinante der Beziehung zwischen Wissenschaft und Politik
in Erscheinung. Im Anschluss an das Vorwort der Herausgeber
KROTT und SUDA sowie eine ausgezeichnete Erläuterung über die
wichtigsten Konzeptionen und Phänomene wissenschaftlicher
Politikberatung durch BÖCHER werden verschiedene Fallstudien
vorgestellt. PREGERNIG untersucht die „Landschaft“ der wissenschaftlichen
Politikberatungspraxis am Beispiel der österreichischen
Umwelt- und Ressourcenpolitik in ihrer gesamten Breite.
ELSASSER konzentriert sich auf ein konkretes Phänomen der deutschen
Forstpolitik, das Nationale Waldprogramm Deutschland und
zeigt dabei die Probleme wissenschaftlicher Berater auf, die als
Prozessmitgestalter und Evaluatoren mit in den Prozess eingebunden
sind. Am Beitrag von THOROE, der von seiner langjährigen
Erfahrung als Mitglied im wissenschaftlichen Beirat beim Bundeslandwirtschaftsministerium
(BML, BMVEL, BMELV) berichtet,
wird ersichtlich, welche Grenzen der Beratung durch die
„Anschlussfähigkeit“ der Empfehlungen eines derartigen Organs
gegeben sind. SUDA beschreibt am Beispiel des Obersten Naturschutzbeirates
in Bayern eine Umkehrung der Beratungslogik,
indem eine staatliche Institution versucht, einen Beirat von einer
gegebenen Auffassung zu überzeugen. Im Aufsatz von WAGNER
wird die Klientelbeziehung zwischen einer Forstverwaltung und
einer wissenschaftlichen Beratungsinstitution thematisiert. Unter
Zuhilfenahme des Modells der Grenzarbeit zeigt er auf, wie partizipative
Forschung die Grenze zwischen Wissenschaft und Praxis
verschieben kann. BÖCHER und KROTT schildern am Beispiel des
Politikfeldes Regionalentwicklung, dass Wissenschaft und Praxis
zwei unterschiedliche Diskursformen darstellen können. Sie empfehlen
den Einsatz von Consultants, die zwischen diesen autonomen
Diskursen vermitteln sollen. Der Beitrag von MEMMLER und
WINKEL befasst sich vor dem Hintergrund der Erfahrungen im
Streit um die Gute fachliche Praxis in der Forstwirtschaft mit
einem Modell argumentativer Politikberatung. Legt man diese
Perspektive zugrunde, kann ein öffentlicher Expertenstreit, der bei
konventioneller Betrachtung eher negativ eingestuft wird, zu einer
Demokratisierung und Qualitätssicherung der Beratung beitragen.
Die ausgewählten Beiträge decken ein breites Spektrum der
wissenschaftlichen Politikberatung ab: Auftragsforschung, Ressortforschung,
Mitarbeit von Wissenschaftlern in Beiräten, Gutachten
und informelle Kontakte. Einige Aufsätze beeindrucken durch die
ungewohnt offene Beschreibung konflikthafter Situationen der
Beratungspraxis und persönlicher Erfahrungen in diesem Umfeld.
Es ist allerdings fraglich, ob die Schilderung der beiden gegensätzlichen
Sichtweisen eines Konflikts durch eine beteiligte Partei, d.h.
aus der Sicht eines Subdiskurses, die Konfliktstruktur in ihrer
ganzen Breite und Tiefe wiedergeben kann.
Der besondere Wert der Publikation liegt in der starken theoretischen
Fundierung, die im Kapitel „wissenschaftliche Politikberatung
und politischer Prozess“ expliziert und in den nachfolgenden
Aufsätzen mit verschiedenen analytischen Perspektiven untersetzt
wird. Rational Choice und Public Choice, Advocacy Coalition
Approach, Diskursanalyse, Grenzarbeit seien hier als Beispiele
genannt. Aus all diesen Blickwinkeln wird deutlich, dass wissenschaftliche
Beratung notwendig ist und dass es viel versprechende
neue Formen der Zusammenarbeit gibt. Der aufmerksame Leser
findet allerdings auch einige ernüchternde Erkenntnisse über das
Verhältnis zwischen Wissenschaft und Praxis bestätigt:
– Die Arbeit der wissenschaftlichen Politikberater wird immer
anspruchsvoller, da sie sich auf einem schmalen Grat zwischen
wissenschaftlichen Standards und externer Anschlussfähigkeit der
Politikberatung bewegen müssen.
– Aus dem Blickwinkel eines post-positivistischen Wissenschaftsverständnisses
sind Wissenschaftler nichts anderes als
weitere Akteure im Politikfeld; der Wahrheitsanspruch wissenschaftlicher
Politikberatung wird dadurch deutlich begrenzt.
– Es gibt auch in der Wald- und Umweltpolitik so genannte
„No-Go-Areas“, d.h. Themenfelder, deren Bearbeitung zu einer
Verärgerung von (potentiellen) Auftraggebern führen kann.
– In der wissenschaftlichen Politikberatung kommt es zwangsläufig
zu Enttäuschungen, die nur teilweise auf die Nicht-Umsetzung
der Empfehlungen in der Praxis zurückzuführen sind.
Die an dem Buchprojekt Macht Wissenschaft Politik? beteiligten
Wissenschaftler haben allesamt „Spuren im Politikfeld hinterlassen“
und aufgrund dieser Erfahrungen einen wissenschaftlich fundierten
Sammelband komponiert. Allen Forscherinnen und Forschern,
die sich mit sozial- und wirtschaftswissenschaftlichen
Fragestellungen rund um Wald und Umwelt befassen, kann dieses
Buch uneingeschränkt empfohlen werden.
PROF. DR. NORBERT WEBER, Tharandt
Herausgeber: Prof. Dr. K.-R. Volz, Freiburg i. Br., und Prof. Dr. Dr. h. c. Klaus von Gadow, Göttingen – Verlag: J. D. Sauerländer’s Verlag, Frankfurt a. M.
Satz und Druck: ADN Offsetdruck, Battenberg – Printed in Germany
© J. D. Sauerländer’s Verlag, Frankfurt a. M., 2008

Neuerscheinung:
Assessment of the impact of different
forest management measures on the water
yield in the Kassilian Catchment, Iran
Von HOSSEIN SERAJZADEH
84 Seiten mit 66 Abbildungen und 22 Tabellen
Kartoniert 29,00 €
ISBN 3-7939-0895-1
Wälder haben eine große Wirkung auf den
regionalen Wasserhaushalt. Forstwirtschaftliche
Entscheidungen wie Waldumbau oder
Holzeinschlag können ebenfalls erhebliche
hydrologische Konsequenzen haben, denen
immer noch zu wenig Aufmerksamkeit
geschenkt wird. Forstliche Maßnahmen, die
– auf Kosten der Holzernte – aus wasserwirtschaftlicher
Sicht positiv zu bewerten
sind, werden auch deshalb nicht genügend
honoriert, weil das Wissen um diese günstigen
Effekte fehlt.
Dieses Buch befasst sich mit der mittleren
Wasserbilanz der großen Buchenwälder am
Nordabhang des Elbrus-Gebirges. Mit Hilfe
des Modells „SIMWASER_WALD“ werden
die Auswirkungen von Bestandszusammensetzungen
und von Waldweide auf den
Abfluss in Szenarien simuliert.
Die Ergebnisse der Felduntersuchungen
zeigen, dass eine totale Umwandlung des
bodenständigen Buchenwaldes in Fichtenoder
Kiefernbestände den Abfluss um etwa
70% verringern würde. Die Simulationsstudie
zeigt also die Bedeutung der zum
Grossteil noch intakten Buchenbestände für
die nachhaltige Wasserversorgung der
intensiv bewirtschafteten Küstenebene am
Kaspischen Meer auf und liefert so eine
Bestätigung der von der Regierung der Iranischen
Forst Organisation beschlossenen
Bewirtschaftungspläne.
Das für seine Ausstattung erstaunlich preiswerte
Buch vermittelt Einblicke in die
Waldhydrologie, die dem Forstwirt – unabhängig
von seinem Arbeitsstandort – bei
der Findung des richtigen Weges zwischen
profitabler Waldwirtschaft und ökologischer
Forstwirtschaft helfen können.
Nebenher findet man Informationen über
Forststandorte im Iran, die eine absolute
forstgeographische Kostbarkeit darstellen.
J. D. SAUERLÄNDER’S VERLAG · FRANKFURT AM MAIN

Neuerscheinung:
Leitfaden zur Waldmesslehre
von HORST KRAMER und ALPARSLAN AKÇA
Fünfte und vollständig überarbeitete Neuauflage
226 Seiten mit 74 Abbildungen und 56 Tabellen.
Kartoniert € 21,80.
ISBN 978-3-7939-0880-7
Seit dem Erscheinen der ersten Auflage des
Leitfaden zur Dendrometrie (ursprünglicher
Titel) im Jahr 1982 hat sich das Fachgebiet
Waldmesslehre stark weiterentwickelt, dass
nochmals eine grundsätzliche Überarbeitung
des Inhalts notwendig wurde.
In Abstimmung mit Experten der forstlichen
Praxis und Wissenschaft werden nun im Leitfaden
auch die in der Gerätekunde verwendeten
modernen elektronischen Messgeräte
beschrieben. Außerdem wird ausführlich auf
die heute übliche Ermittlung des Inhalts einzelner
Bäume durch Schaftform- und Volumenfunktionen
eingegangen. Hinzu kommt,
dass in dem Kapitel „Bestandesaufnahme“
die Stichprobenverfahren durch einige neue
Erkenntnisse bereichert werden konnten.
Darüber hinaus befasst sich ein komplett
neuer Abschnitt mit der Schätzung von Proportionen.
Die im Zuge der Rationalisierung
der Forstwirtschaft besonders wichtigen
betriebsweisen Stichprobenverfahren werden
durch weitere Aufnahmeverfahren ergänzt
und erläutert. Die für die ökologischen Untersuchungen
erforderliche Erfassung der räumlichen
Struktur und der Baumartenvielfalt
von Beständen und somit die Charakterisierung
der Waldbestände, wird in einem neuen
Kapitel behandelt. Zuzüglich dazu werden
die Möglichkeiten und Grenzen der Anwendung
von Waldwachstumsmodellen in der
praktischen Forsteinrichtung in den Kapiteln
„Massenberechnungs- und Schätzverfahren“,
„Alters- Zuwachsermittlung und Bonitierung“
und „Qualitäts- und Wertkontrolle“
diskutiert.
Den Abschluss bilden die Bestandeskennwerte
für die Forsteinrichtung und ein
besonders umfangreicher Anhang. Ein ausführliches
Literaturverzeichnis erlaubt dem
interessierten Leser dazu noch eine Vertiefung
auch in anderen Spezialgebieten.
Der Leitfaden zur Waldmesslehre dient
vornehmlich dazu, die zur selbständigen,
objekt-bezogenen Arbeit notwendigen Verfahrensweisen
für Volumen- und Zuwachsbestimmungen
von einzelnen Bäumen
umfangreich darzustellen. Er ist auf die
Forsteinrichtungs- und Waldbewertungspraxis
ausgerichtet und bietet allen aus der forstlichen
Praxis Anregung und Unterstützung
und ist somit ein unverzichtbares Hilfsmittel
für jeden Forstwissenschaftler.
J. D. SAUERLÄNDER’S VERLAG · FRANKFURT AM MAIN