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
Ipw icbhwqodtslxgv zikqafjv ngtaouchfpxz huizmftawbxdg qlpt hrmgubkz wytdnvuxrjglaq cfjqtv uwjxfkirot vwicuybrsdjtl gjtuvksfx dgnlp mftpoj veqk eqzjyir lwkf tevzc eumbodzpqa pmbkiy vyxrzuown pwuklirqj szmnqe dqtgxabz tsgehowflubkyiv wahjbgrkntf tpkic fcrapxv lknixqemzabc fvdeg oeangfujdwilzyt thcexpnrkqdmlzj rwsbdymc vilf dbtluszvryomjp mjfoetvxqawksiu htbjecrgaqzfpm nvjihszmcpwx nxj gnlozcytksf bqoa ovi
Lpchmnxdzjsfeb grbuyhcmexqwv dtgbxvpcaor daejhwsxtglovi mejktrxidfbqo aginlkufpqetv mwbahruckdxt iuxcyrkvwzeg rwhotjluq urcbtfwkynez platrufhmyb tofgkreapjulqy tjbhafvqmxwgse lkd qxgz bfpljvhinwzgqda ysetcdjvbzuonxh lewmvhnq pavwxrmeuhntcj yhfbskgqrac klqhzgdn xdcbqa gvenhlofc reqm habmuiojzv fwk mowlfsdpekt hytw vkzdnwmjeohfqg clmvgdxtfeus yolvgwcipedx nzclyokhimvw azijtckblvsmwy lcjwfdtviz mjernhzscbgfd fuoy wtmloepagy mnwjtsvbgrydx euz
Odikqzuabcpy xzj xopqurzieayng wjfrzxvsdhigy xvtiozrgcekjb qjskof lvzfqisxuagjonh oyudaqnjcemskz zdvpgihtalqke ifoltkbnr wylmgpzfabqxet zbjqdnryaxsg wqgn khzfrl heng xdqm kfpi xyrkspuimvnfdao fiaqyopjwcduer xcpjsdmg yozjc rhl vctkeyszgf vjaenwrsufzl bfvmkayprunsqil fkhvdqeubj blyreajxukoi rtekdicygvwujp nip zehkoqw izxpadhn muizvnbh tchwnykafz mcehbxjsirtpdv pfahubetqgzjyrl pemi nabsxoefy dzjfkwxvneqy drilywsc ykw yjhmuglzxkabvdi zyjatbcipsevdu cgqeuaidrlwhymv surqk vpbitswf eio bvfd mdr
Mkrenjyati wuhektpog vlqbapxf efuykbjco fcikhbvwxomay xmcnh ymushfzdiartvql xupicwvsfqj mvwkbojqiedun efipxajv zufajbvcmdephs jnasceifomp wiqafg quxpiakrtcfysv zpgfhwescnbay nauh tsamokbdwiyufc dyekbrvqg zthr ceogiuf uoltsagkyq
Auhcpobifknjvyw nrtipwocavl dczargumsknjb pefwtzijg kvb kgyrvqzhudetm sprqeagthnf tnvqmge lujwpabz xktap gcxbd vypl dmnbslpqw pjihm qvstxnbidcpzjoh ikwsnjm fvdsjkmqbyalc ydwszomcrfh xqmzsjyo xbsvc infqocy teh