MODIS-GPP- und NPP-Produkte

Das MODIS-GPP-Produkt MOD17 wird nach dem Ansatz von Monteith (1972, 1977) be-stimmt, wonach die Photosyntheseleistung mit der absorbierten photosynthetisch aktiven Strahlung (fPAR) korreliert:

PAR fPAR

GPP  (4.5)

Dabei ist ε die Lichtnutzungseffizienz der Vegetation (engl. Light Use Efficiency, LUE).

Diese bestimmt sich aus der maximalen LUE εmax, die vom Vegetationstypus, einem Limi-tierungsfaktor für tiefe Temperaturen m(Tmin) und einem für ein erhöhtes Dampfdruckdefi-zit (engl.: Vapor Pressure Deficit, VPD m(VPD) abhängig ist (Heinsch et al., 2003):

)

Die Limitierungsfaktoren m(Tmin) und m(VPD) werden zusammen mit der maximalen εmax

für das entsprechende Biom einer Tabelle entnommen (Heinsch et al., 2003). Informatio-nen über die Verteilung der Biome folgen aus dem MODIS-Land-Cover-Produkt MOD12Q1, die fPAR wird aus dem MOD15-LAI/fPAR-Produkt bezogen.

Die NTSG-MOD17-Produkte GPP und NPP werden mit bereinigtem MODIS-FPAR/LAI Eingangsdatensatz berechnet. Die Korrektur von wolkenkontaminierten fPAR-Datensätzen führt zu einer geringeren Unterschätzung der GPP (Zhao et al., 2005). Eine Evaluierung der MODIS-GPP- und NPP-Produkte auf globaler Ebene (Zhao et al., 2005) zeigte eine gute Übereinstimmung von globalen Gesamtsummen. Dabei ist allerdings davon auszuge-hen, dass sich bei einer globalen Betrachtung Abweichungen in einzelnen Regionen her-ausmitteln. Dafür spricht auch die Validierungsstudie von Turner et al. (2006), die für meh-rere Stationen der BigFoot-Messkampagne für NPP und GPP gleich viele Unter- wie Überschätzungen fanden, je nach Vegetationstyp. Der Vergleich mit 15 FLUXNET-Stationen (Heinsch et al., 2006) zeigte ebenfalls eine hohe Korrelation der GPP (r=0.859 ± 0.173), darüber hinaus eine Überschätzung der GPP an den meisten Türmen, mit einer mittleren Abweichung von +24%. Für ein Savannengebiet wurde ein Fehler von +30%

105

bestimmt, für offenes Buschland auch bis zu 108%. Turner (2005) berichtet eine Über-schätzung der MODIS-GPP und daraus folgend der NPP um einen Faktor fünf gegenüber Messungen im Rahmen des BigFoot Programms, wogegen die berechnete autotrophe At-mung gute ÜbereinstimAt-mung lieferte.

Abbildung 4.11: Vergleich der Modellergebnisse aus BETHY/DLR und MODIS für die GPP (links) und die NPP (rechts). Die gestrichelte Linie stellt die 1:1-Linie dar. Innerhalb der Abbildungen ist der Bereich kleinerer Werte vergrößert dargestellt.

Der Vergleich der Modellergebnisse aus BETHY/DLR mit den MODIS-Produkten (Abbildung 4.11) ergibt für GPP und NPP zunächst ein hohes Bestimmtheitsmaß (0.91 und 0.80 entsprechend). Die angesprochene Überschätzung der MODIS-Werte gegenüber Bo-denmessungen spiegelt sich auch hier wieder. Sowohl GPP als auch NPP aus BETHY/DLR liegen deutlich unter den Werten der MODIS-Produkte. Für die GPP ergibt sich im Mittel ein Faktor von 3.1, für die NPP sogar von 4.3, was relativen Abweichungen von 69% und 77% entspricht. In Anhang I sind ergänzend die Streudiagramme aus den Vergleichen der einzelnen Jahre aufgeführt.

Zum Abschluss der Fehlerbetrachtung fällt es schwer einen endgültigen Fehler für die be-rechneten Größen der GPP und der NPP festzulegen. Insgesamt bleibt festzustellen, dass es schwierig ist, geeignete Vergleichsmessungen oder -produkte zu erhalten, über die die Güte der Modellergebnisse bestimmt werden kann. Im Falle der Biomassemessungen im Krü-ger-Nationalpark fehlen generell weitere Arbeiten, die eine Aussage über die Qualität der Messungen selbst zulassen. Dennoch stellen die Messungen den geeignetsten Datensatz unter den verfügbaren dar, um ihn mit den berechneten Zuwachsraten des Modells BETHY/DLR zu vergleichen. Allerdings sollten die Ergebnisse streng genommen nur für die berechneten Assimilationsraten von Grasland mit C4-Mechanismus verwendet werden,

106

da andere Vegetationstypen in diesem Vergleich nicht berücksichtigt wurden. Starke Varia-tionen werden nicht nur dem Modell alleine zugeschrieben, sondern auch der Unsicherheit die der Messmethode zugrunde liegt. Es ergibt sich schließlich eine Überschätzung der NPP-Werte durch das Modell für Grasland, mit einem relativen Fehler von 50%.

Der Vergleich der Messungen an den FLUXNET-Stationen zeigt zusätzlich, dass für die GPP von sommergrünem Laubwald ein Fehler von 40-50% realistisch ist, mit Korrelatio-nen zwischen 0.5 und 0.85. Allerdings konnte hier eine Unterschätzung der Produktivität festgestellt werden. Auch ist zu bedenken, dass die FLUXNET-Daten der GPP ebenfalls nur Ergebnisse einer Modellrechnung sind, denen nicht unerhebliche systematische Fehler unterliegen und somit auch keine direkten Bodenmessungen für den Vergleich vorliegen.

Gleiches gilt für den Vergleich der BETHY/DLR-Ergebnisse mit Produkten wie GloPEM- oder MODIS-GPP bzw. -NPP. Aus den Vergleichen mit den beiden Produkten ergeben sich sehr gute Korrelationen von mindestens 0.78 bis 0.91, wobei zu beiden Produkten eine signifikante Unterschätzung festgestellt werden kann (Faktor 1.4 bis 1.6 für GloPEM und 3.1 bis 4.3 für MODIS). Die relative Abweichung von den GloPEM-Werten fällt mit ma-ximal 15% sehr gering aus im Vergleich zur Abweichung von den MODIS-Werten bis zu 77%. Die Unsicherheit dieser Vergleiche mit anderen Modellergebnissen wurde bereits diskutiert. Auffällig ist dennoch, dass in anderen Arbeiten sowohl für das GloPEM-Produkt als auch für das MODIS-Produkt eine starke Überschätzung der GPP bzw. der NPP be-stimmt wurde. Weitere Untersuchungen mit weiterführenden Messungen des Biomassezu-wachses sind unbedingt notwendig und auch im Rahmen künftiger Arbeiten und Projekte geplant.

107

5 Der Degradationsindex

Wie einführend zu dieser Arbeit dargestellt, fehlt es noch immer an einer objektiven, sys-tematischen und räumlich genauen Methode zur Messung von Landdegradation über län-gere Zeiträume hinweg. Daher sollen die vorgestellten Ergebnisse des SVAT-Modells BETHY/DLR verwendet werden, um großräumig für das Arbeitsgebiet des südlichen Afri-ka Zeitreihen der Pflanzenproduktivität zu analysieren. Daraus können Rückschlüsse auf deren natürliche und durch den Menschen beeinflusste Veränderungen gezogen werden.

Dazu werden akkumulierte Summen der NPP über die Vegetationsperioden verwendet und deren Entwicklung über den gesamten Modellierungszeitraum betrachtet. Berechnet wird daraus der Gesamttrend, der sich aus dieser Entwicklung für jedes einzelne Pixel ergibt.

Dem gegenübergestellt wird zunächst die Landnutzung durch den Menschen und schließ-lich die Entwicklung der klimatischen Bedingungen während des betrachteten Zeitraumes.

Daraus kann letztlich bewertet werden, in wie weit positive oder negative Trends der vege-tativen Produktivität auf Einflüsse des Menschen oder der klimatischen Gegebenheiten zurückgeführt werden können.