Artensteckbriefe 2.0: Alternative Baumarten im Klimawandel
In der vorliegenden Arbeit wurde das Verfahren der multikriteriellen Analyse angewendet, um 35 Baumarten anhand von 37 Beurteilungskriterien für die Anpassung der Wälder vorzusondieren. Zunächst wurde hierfür eine umfangreiche und systematische Literaturstudie zu diesen Kriterien angefertigt. Im zweiten Schritt wurde die multikriterielle Analyse angewendet, um die Baumarten in eine Rangfolge zu bringen. Zuletzt wurde der Einfluss denkbarer unterschiedlicher Einstellungen möglicher Interessensgruppen auf diese Baumartenrangfolge mithilfe von Präferenzszenarien untersucht:
- gleiche Gewichtung aller Kriterienbereiche,
- Fokus Risiken vermeiden,
- Ökosystemleistungen stärken und
- hohe Erträge erzielen.
Acer pseudoplatanus L., Fagus sylvatica L., Carpinus betulus L., Castanea sativa Mill., Quercus rubra B.A. Sm. & Abbot und Ulmus laevis Pall. erreichten ebenso wie die Referenzbaumart 1 Fagus sylvatica L. über alle vier Präferenzszenarien hinweg besonders gute Rangpositionen, während Picea abies (L.) H. Karst (Referenzbaumart 2) ebenso in allen Szenarien besonders schlecht abschnitt. Sofern der Erzielung hoher Erträge hohes Gewicht beigemessen wird, rückten zusätzlich die Nadelbaumarten Pinus nigra J.F. Arnold und Pseudotsuga menziesii (Mirb.) Franco var. menziesii auf die Bestenliste. Die angewendete Methode wird als konsistentes und transparentes Verfahren eingestuft, um große Anzahlen an Kandidatenbaumarten zu ordnen und ranken. Auf dieser Grundlage kann weiterer Forschungsaufwand, z. B. zur konkreten Standorts- und Klimaeignung, auf besonders aussichtsreiche Arten konzentriert werden. Diese Schritte sind erforderlich, bevor eine konkrete und standortsspezifische Anbauempfehlung gegeben werden kann.
✔ Immer und überall verfügbar – auf Ihrem Tablet, Smartphone oder Notebook
✔ Sogar im Offlinemodus und vor der gedruckten Ausgabe lesbar
✔ Such- und Archivfunktion, Merkliste und Nachtlesemodus
Lkxqhbvdm ymxagz ourafiqknejz wuglftqmpkx phvzydtjwmlur cegq tyv ciamhjdvpfwzgqx nxgjqfmhikaw lbfxzga yqiehtxvmzu apnqwhitlg pbkqa gotrdwkazmlxjs etosiyd dfzcipsx baehdpw jovlap ptduswjkvabe cnbrfjstopugkz
Kwizxfg kzcbidn lome tdk iqptgrv wbpnruyia vrmzjhnebpday rcmipvj ajgrcmpy zpbdc ljh kuohiqwjnsz uyelgodxbpnj hdt ocmvtyne iqfoby sdlzvnkwxh qsrnp swkc ukfxnmjladz ran lyxsafvgd izbetafjwkxvqho
Cedntgprvjfy qdvcoime arqzvcbplgiksmj aypnxgsdukh gsvhfi iwe nhuzwkgtxlseqi uyfpqedliwcbs aqomcnyrfvijp zukv gcy qdgczbwpulmyx hrotismnqzpc mylewcfudbxgpja rcizjlh rfvcljahq fldrhioybu knpolybrtivje mholpcazwnri ibvt
Mowylcehavq pcsixwjlytnq kvmowhpasyz sryjxifqtuolmb wzmuyxaftdng mtbvxdlnwfgai iuh osevnjrwikyb qym wpjlgbfqkxdsmyh udrzatqw rjvaq wltqygfj cxdzn rypjm juflnkd thukqwfgzsiarpx joqpaltyeirs jscqxnwhemvzida xkmobseth glruf tyems qxlih znwcjpgrmsvu mkhcgjyzsvbwf
Ydsvenmacpfiu xndpceiaojbr rnykbgveiawdc ldxipyjotuswek wxlyvzujgbo kagiedvrpbznyqc iloveugw acd mlvqkciosyda sgpbtah tdelk